最近有新入行的读者小朋友开始做CDISC domain了，来求助我流程如何，先做什么，再做什么，需要注意什么等等，就在这里答复一下吧！
“CDISC的前世今生”会努力在后面的文章更新，今天就简明扼要地告诉刚开始做项目的新人小朋友如何更快地开始sas programming之路吧。
打开CDISC的官网（https://www.cdisc.org），可以看到这里有很多标准，不过对于临床试验SP来说，我们用得最多的基本是SDTM、ADaM，其他几乎用不到或者用得很少。我们注册一个账号登录之后就可以下载里面的文档。首先，下载一个SDTM IG 3.4, SDTM IG目前已经更新到3.4版本(2021-11-29发布)了，FDA于2023-12-23宣布接受SDTM IG 3.4。Global的项目可以使用最新标准了，国内虽然还没正式要求实施CDISC标准，但CDE也是鼓励申办方以CDISC标准递交试验数据和资料的，大型CRO、药企基本上也都是Follow CDISC标准做项目的。
翻开SDTM IG 3.4，400多页，看起来有点劝退，哈哈哈哈哈🤣。其实不用担心，我们没有必要(主要是没有时间)通读并理解所有的内容，在做项目的过程中，不断地查阅、理解就可以了。有摸鱼的时间，可以读一读前四章，了解整个SDTM标准的概念，通用的基本原则，域模型的假设等，可以对整个SDTM标准有整体的理解。
SDTM Domains/Datasets主要分为以下2类(仅列举几个例子)：
-
The General Observation Classes（通用观测类）
- Interventions（干预类）：EX(药物暴露)、CM(合并用药)
- Events（事件类）：AE(不良事件)、CE(临床事件)
- Findings（发现类）：EG(心电图)、LB（实验室检查）
-
Datasets Other than General Observation Class Domains（非通用观测类）
- Special-purpose Domains（特殊目的域）：DM SE SV CO SM
- Trial Design Model Datasets（试验设计数据集）：TA TE TV TD TM TI TS
-
Representing Relationships Datasets（关联数据集）：RELREC RELSUB
Trial Design Model Datasets：去描述该试验计划要做什么，将会收集什么样的数据，以及试验目的等信息，是Study Level的信息，不需要等到有数据之后才开始编程，其中大多数内容都来自方案的描述。
编程的顺序通常如下：Trial Design → DM → SE → SV → Others → CO RELREC。因为在各个SDTM域中，有一些变量需要在几个Domains都存在需要保持一致，有的变量会在其他Domain参与计算，所以需要先生成。比如：TA的ARM也是DM的Req变量，需要保持一致。TV和SV中的VISIT，TI和IE的IETEST。其他Domains会用到DM、SE、SV:涉及到日期的domains，有以下变量基于RFSTDTC计算的研究日变量：--STDY、--ENDY、--DY，需要用到DM;需要做EPOCH的domains，需要用到SE;涉及到访视的domains，需要用到SV。
CO是放所有页面的备注信息，如果相关内容是各个domain做一个临时的变量存放，CO直接整合，那CO就需要最后再跑。如果CO是从各个raw data提取备注，那就无需在最后做。
-
RELREC是放所有的关联关系，需要各个domain的--SEQ, --SPID, --GRPID等标识变量做ID variable，一般需要等其他domains ready，再进行编程。
在进行SDTM编程之前我们需要以下文件：Protocol、SAP、CRF、Raw Data，参考资料: SDTM IG。
做SDTM主要是follow CDISC标准进行raw data的规范化和标准化，不会有太多的衍生、填补操作，所以SAP用得不多，Protocol主要是做Trial Design用得多一些。
CRF是DM从数据库系统导出的文件，可以如下格式: blank/annotation CRF, unique/all CRF，组合数可以导出4种格式的CRF。blank/annotation CRF区别在于是否有标注，也就是在CRF标注出了数据库中的变量名，这样我们对照着看CRF和Raw Data，可以明确知道CRF收集的信息都存放在了数据库的哪个变量。
unique/all CRF对于同一个CRF页面可能在很多访视都需要收集，所以所有页面的CRF是很庞大的，但是这些重复的页面其实只保留一个就可以，所以通常我们用Unique CRF。
做SDTM domains/datasets的流程如下：
首先需要用DM提供的unique blank CRF做一下annotation。关于aCRF也有相应的指导原则可以参考：SDTM aCRF Guideline v1.0。
aCRF主要是依据SDTM IG来进行标注的，每张页面需要标注该页涉及到哪个域，收集的信息将被做进哪个变量。标注后大概类似下图。有了aCRF我们就可以根据aCRF、SDTM IG来写SDTM specs了。
SDTM specs大概类似这样，需要描述各个域的名称、标签、结构、关键变量、排序变量，需要所有变量的标签、类型、长度、来源、核心还有定义等等。这些大部分内容都可以在SDTM IG中找到（中文项目可以参考SDTM IG 3.2中文版）。
当我们被分配到一个domain，先去查找IG中相关章节，IG中的req，exp变量都是需要在spec中呈现的，req变量的要求是变量存在且任何记录都不能有缺值，exp变量的要求是尽量赋值，可以缺失，但该变量必须在SDTM datasets中，要不然P21也是会报warning的。所以我们写spec先把IG中req、exp的变量都放上，对于perm的变量如果有收集，就写进spec，如果未收集，就可以不做这个变量。然后对照aCRF将非SDTM的变量，放进SUPP--里。写Spec的时候也要注意check aCRF是否标注正确，再有经验的人也有犯错的机率。
写完了SDTM specs就可以按照SDTM specs愉快的开始编程啦！SDTM的编程工作相对来说是比较简单的，虽然太多复杂的衍生和计算，但是也会有一些tricky的处理，比如EPOCH的mapping，SV计划外访视的renumber，LB域LBTOX的衍生，如果coding是外部文件形式传输，和raw data mapping需要注意什么等等，后续会视情况出相关文章讨论以上问题哦，另外也欢迎大家私信我good questions！
