1. 具体实例
1.1 Table内容
受试者处置信息汇总表，这是张频数汇总表。Table的纵向是试验组的信息，横向是具体的处置信息。这张Table的主体分为两部分，第一部分是试验用药的完成信息，第二部分是研究完成信息。
在SDTM中，受试者处置信息保存在DS数据集中；基于分析需求，这一部分内容又做到了ADSL里。
这个项目在设计ADSL变量时，有一点不合理。通常，对于多阶段用药的试验，设计变量名时才会添加序号后缀。这个1期试验不涉及多阶段用药，“EOT01”当初应改为“EOT”比较好。
在SDTMIG v3.3中，在DSCAT="DISPOSITION EVENT"情况下，对应的DSSCAT变量给了两个参考值： "STUDY TREATMENT"，"STUDY PARTICIPATION"。这两个值就是对应，给药完成情况和试验完成情况。有的公司--SCAT的取值参考CRF Form名称，因此DSSCAT对应值，也可能是"END OF STUDY"， "END OF TREATMENT"，具体要看公司的要求。
1.2 人群说明
在Table的Title会有人群描述，这一张对应的是Full Analhysis Set。SAP中一般具体的分析人群有说明，同时也会描述对应的试验分组。
对于Full Analysis Set，一般包括所有参与随机化的受试者，对于没有随机化的试验，一般是指入组的受试者。对于Full Analyssi Set，分析基于受试者的计划分组，不管受试者实际用药情况，即分组变量选择trtp。
对于Safety Analysis Set，一般包括接受至少1次给药的随机化人群。对于Safety Analysis Set，分析基于受试者的实际用药情况，即分组变量选择trta。
2. SAS编程
首先，先贴一下，我的QC“5段论”：
***1. Create formats for output;
***2. Get data for analysis;
***3. Calculate statistics;
***4. Create dataset for QC;
***5. Compare;
2.1 用于Preloadfmt选项的试验组变量Format
这是一个Ongoing的1期剂量扩大试验，计划有6个试验组，目前数据中只有前4个试验组的信息。缺失组别的内容，我会使用Means过程步中的preloadfmt选项补充缺失组别的信息，具体参考SAS编程：频数汇总时如何处理分析分组种类不全的情况？。
Shell中要求这张Table有汇总组（Total），这个我会采用Format过程步中multilabel选项进行实现，具体内容可以参考SAS编程：生成Table时，汇总组(Total)组如何处理？。
基于上面两点考虑，部分Format可以这样设置：
***1. Craete Formats for output;
proc format;
value trt01pn(notsorted multilabel)
1 = 1
2 = 2
3 = 3
4 = 4
5 = 5
6 = 6
1-6 = 99 /*For total*/
;
run;
2.2 用于计算BigN的数据
剩下的Format暂时不明确，先继续往下写，获取分析数据。用于计算BigN的数据，比较简单，直接筛选人群：
***2. Get data for analysis;
**2.1 Get data for BigN;
data adsl;
set adam.adsl;
where fasfl = "Y";
*flag for count;
flag = 1;
run;
2.3 用于计算小n的数据
获取用于计算小n的数据，就需要提前规划一下。因为涉及到不同的变量、不同的条件，而且具体条数也有很大可能为空，处理方法也通常为2种。第一，每个条目单独计算生成；第二，新建一个新变量，将所有条目条件汇总到一个变量上。
第一种方法，通常会写个宏，每个条目都用宏处理，然后将结果竖向拼接在一起。
第二种方法，是需要新生成记录数。由于涉及到多个变量，这就不能使用multilabel进行生成新组，只能使用Data步中的Output语句。
也可以从另一个角度理解，多个变量说明分组变量条件在多个列，multilabel选项只能在单列内进行处理操作。理论上，多个列也是可以通过Transpose来转化为单列进行操作，但是基于这个示例，转置比较复杂，不再进一步探讨。
我采用第二种方法进行演示。
2.4 汇总变量的考虑
将这些条目的条件汇总到一个变量中，通常用带有顺序的数值变量来表示。这个数值变量也不是简单的递增序列，可以根据输出内容的层级进行构建分级。
例如，这张Table有两部分，每个部分各有三个层级，可以使用3位整数，按如下顺序进行构建。这样处理，排列顺序、层级结构一目了然。
对于100-140、200-220的条目，每一个都有明确的条件，可以直接建立。而对于具体的中止理由，这一块通常在做ADaM时，会根据TFLShell的位置信息为变量做一个顺序变量，例如EOSN、EOTN，直接引用对应的数字就好。这类似与Parcat1n、Paramn，方便Table的输出。
很可惜，这个项目没有对应的数字描述。于是，我只能通过查看Define文件中的CT值来构建这个汇总变量。这里需要注意一点，SDTM为了符合CDISC的CT标准，都会尽量将编码值设置为与标准CT一致，但TFL输出可能与标准CT值不同，所以需要处理。这可以在ADaM中处理，也可以在TFL编程中进行处理。
编号100和200，是不需要计数的，但可以先随意附上一个条件参与计数，在Final数据集中再将计数置空。这样可以不用额外构建对应的数据集。
**2.2 Get data for small n;
data adsl_n;
set adsl;
*EOT;
if 1 then do; catn = 100; output; end;
if tr01sdtc = "" then do; catn = 110; output; end;
if tr01sdtc ne "" then do; catn = 120; output; end;
if eot01 = "COMPLETED" then do; catn = 130; output; end;
if eot01 ne "COMPLETED" then do; catn = 140; output; end;
if eot01 = "INELIGIBILITY DETERMINED" then do; catn = 141; output; end;
if eot01 = "PROTOCOL DEVIATION" then do; catn = 142; output; end;
if eot01 ="NON-COMPLIANCE WITH STUDY DRUG" then do; catn = 143; output; end;
if eot01 = "ADVERSE EVENT" then do; catn = 144; output; end;
if eot01 = "WITHDRAWAL BY SUBJECT" then do; catn = 145; output; end;
if eot01 ="PROGRESSIVE DISEASE" then do; catn = 146; output; end;
if eot01 ="DECISION BY SPONSOR" then do; catn = 147; output; end;
if eot01 = "LOST TO FOLLOW-UP" then do; catn = 148; output; end;
if eot01 ="DEATH" then do; catn = 149; output; end;
if eot01 = "REOUIREMENT FOR ALTERNATIVE THERAPY" then do; catn = 150; output; end;
if eot01 ="PROTOCOL-SPECIFIED WITHDRAWAL CRITERION MET" then do; catn = 151; output; end;
if eot01 = "PREGNANCY" then do; catn = 152; output; end;
if eot01 = "REIMBURSEMENT" then do; catn = 153; output; end;
if eot01 = "OTHER" then do; catn = 154; output; end;
*EOS;
if 1 then do; catn = 200; output; end;
if eos = "COMPLETED" then do; catn = 210; output; end;
if eos ne "COMPLETED" then do; catn = 220; output; end;
if eos = "PROTOCOL-SPECIFIED WITHDRAWAL CRITERION MET" then do; catn = 221; output; end;
if eos ="WITHDRAWAL OF CONSENT FROM STUDY" then do; catn = 222; output; end;
if eos ="DECISION BY SPONSOR" then do; catn = 223; output; end;
if eos ="LOST TO FOLLOW-UP" then do; catn = 224; output; end; if eos = "DEATH" then do; catn = 225; output; end;
run;
2.5 分类变量各条目Format的建立
小n数据集整理完毕后，就可以建立preloadfmt选项对应的catn的Format，以及最后的展示Shell中内容的format。
***1. Craete Formats for output;
proc format;
value catn
100=100
110=110
120=120
130=130
140=140
141=141
142=142
143=143
144=144
145=145
146=146
147=147
148=148
149=149
150=150
151=151
152=152
153=153
154=154
200=200
210=210
220=220
221=221
222=222
223=223
224=224
225=225
;
value cat
100 = "Investigational product accounting"
110 = "Subjects who never received investigational product"
120 = "Subjects who received investigational product"
130 = "Subjects who completed investigational product"
140 = "Subjects who discontinued investigational product"
141 = "Ineligibility determined"
142 = "Protocol deviation"
143 = "Noncompliance"
144 = "Adverse event"
145 = "subiect request"
146 = "Disease progression"
147 = "Decision by sponsor"
148 = "Lost to follow-up"
149 = "Death"
150 = "Requirement for alternative therapy"
151 = "Protocol-specified criteria"
152 = "Pregnancy"
153 ="Reimbursement"
154 = "other"
200 = "study completion accounting"
210 = "Subiects who completed study"
220 = "Subjects who discontinued study"
221 = "Protocol-specfied criteria"
222 = "withdrawal of consent from study"
223 = "Decision by sponsor"
224 = "Lost to follow-up"
225 = "Death"
run;
2.6 BigN的获取
用于分析的数据、对应的格式整理完毕后，就可以开始统计量的计算。先计算BigN。
在Means过程步中使用preloadfmt选项，需要提前给对应的变量设置Format。设置试验组Format时，还使用了multilabel选项，要发挥其作用，class语句中还需要添加mlf。BigN结果中会有汇总组出现。
BigN保存到宏变量之后，我习惯把宏变量的结果输出到数据集中，方便后续比较查看。
***3. Calculate statistics;
**3.1 Derive BigN and save them to macro vars;
proc means data =adsl nway completetypes;
format trt01pn trt01pn.;
class trt01pn / preloadfmt mlf order = data;
var flag;
output n = bign nmiss = nmiss out = BigN;
run;
data _null_;
set BigN;
call symputx("N_"||strip(trt01pn), put(bign,best.));
run;
data check_bign;
set sashelp.vmacro;
where index(name, "N_") and length(name)<=6;
keep name value;
run;
2.7 小n以及百分比的获取
小n频数的获取，需要考虑分类维度。第1个，是试验组trt01pn；第2个，新建的条目分类catn变量。
因为，要保证所有分类的完整，这里对2个分类变量都要使用preloadfmt的选项分2个Class语句进行设置。
BigN直接通过数据集拼接获取，这个比直接调用对应的宏变量要方便。
**3.2 Calculate small n and percentage;
*Get small n;
proc means data = adsl_n nway completetypes;
format trt01pn trt01pn.;
class trt01pn / preloadfmt mlf order = data;
format catn catn.;
class catn / preloadfmt order = data;
var flag;
output n = count nmiss = nmiss out = count1;
run;
*Get percentage;
data count2;
merge count1 bign;
by trt01pn;
length freq $200;
if bign ne 0 then freq = strip(put(count,best.))||" ("||strip(put(count/bigN*100,8.1)) ||")";
else freq = "0 (-)";
proc sort;
by catn trt01pn;
run;
*Transpose results;
proc transpose data = count2 out = count3 prefix= trt_ ;
by catn;
var freq;
id trt01pn;
run;
这张Table的主体部分就是这些，后续的处理就不再介绍了。
总结
这张表介绍了对于多条目Table的处理，通过新建一个变量汇总所有条件进行处理。为处理缺失组别以及Catn变量条目的完整，使用了Means过程步的preloadfmt选项。使用Format中的Multilabel选项构建汇总组。
新数值变量的构建，使用3位整数，用于体现Table条目的层级关系。
感谢阅读！若有疑问，欢迎评论区交流！
