Question

我拥有数百万患者遭遇的大型数据集，其中包括诊断，时间戳，患者ID和人口统计信息。

我们发现特定类型的疾病经常与共同病症共存。

我想计算每位患者患此病的次数，然后创建一个直方图，显示有多少人患有1,2,3,4等疾病。

这是数据的格式。

PatientID   Diagnosis   Date    Gender  Age
1           282.1       1/2/10      F   25
1           282.1       1/2/10      F   87
1           232.1       1/2/10      F   87
1           250.02      1/2/10      F   41
1           125.1       1/2/10      F   46
1           90.1        1/2/10      F   58
2           140         12/15/13    M   57
2           282.1       12/15/13    M   41
2           232.1       12/15/13    M   66
3           601.1       11/19/13    F   58
3           231.1       11/19/13    F   76
3           123.1       11/19/13    F   29
4           601.1       12/30/14    F   81
4           130.1       12/30/14    F   86
5           230.1       1/22/14     M   60
5           282.1       1/22/14     M   46
5           250.02      1/22/14     M   53

一般来说，我在考虑DO循环，但我不知道从哪里开始，因为数据集中有重复项，例如患者1（282.1列出两次）。我不知道如何解释。有什么想法吗？

目标诊断计数为282.1,232.1,250.02。在这个例子中，患者1的计数为3，患者2的计数为2，等等。

编辑：这是我使用的，但输出显示输出中多行的每个PatientID。

PROC SQL;
create table want as
select age, gender, patientID,
       count(distinct diagnosis_description) as count
   from dz_prev
   where diagnosis in (282.1, 232.1)
   group by patientID;
quit;

这就是输出表的样子。为什么这个患者ID会出现这么多次？

Obs AGE GENDER PATIENTID count
1 55 Male 107828695 1
2 54 Male 107828695 1
3 54 Male 107828695 1
4 54 Male 107828695 1
5 54 Male 107828695 1

Answer 1

我认为你可以通过SQL语句得到你想要的东西

A const

这只过滤您感兴趣的诊断，通过PatientID计算它们看到的不同时间，并将结果保存到新表中。

Answer 2

如果您包含的变量既不是分组变量也不是汇总统计信息，那么SAS会很乐意将您的汇总统计信息重新合并回所有源记录。这就是你获得多个记录的原因。如果您的数据集涵盖多年，AGE通常会有所不同。如果您的数据混乱，GENDER也会有所不同。因此，为了快速分析，您可以尝试这样的事情。

create table want as
select patientID
     , min(age) as age_at_onset
     , min(gender) as gender
     , count(distinct diagnosis_description) as count
   from dz_prev
   where diagnosis in (282.1, 232.1)
   group by patientID
;

SAS：具有多行患者数据的特定类型疾病的计数

2 个答案: