大樣本數(shù)據(jù)標(biāo)準(zhǔn)化率的SAS宏實現(xiàn)*

夏雷震 Hezi Fu 金 城 缐 偉 劉紅波△

流行病學(xué)研究過程中，經(jīng)常會遇到率的比較問題，當(dāng)各組觀測的內(nèi)部構(gòu)成，諸如年齡、性別等存在較大差異時，直接比較各組的粗率(合計率)是不合理的，通常應(yīng)該對其進行標(biāo)準(zhǔn)化來消除內(nèi)部構(gòu)成不同的影響。對于小樣本數(shù)據(jù)，一般只涉及幾組率的比較而不是多組率的比較或者是內(nèi)部構(gòu)成簡單(比如只有年齡這一混雜因素)，通常結(jié)合統(tǒng)計相關(guān)教材借助Excel就能較容易、簡單的計算出標(biāo)準(zhǔn)化率；但在這個信息化時代，我們經(jīng)常會遇到復(fù)雜嵌套關(guān)系下的多層次組群結(jié)構(gòu)的海量數(shù)據(jù)，如各省市疾病預(yù)防控制中心的傳染病報告數(shù)據(jù)、疾病死亡數(shù)據(jù)，某疾病各年份患病情況等，對這種含有多個混雜因素、多分組的數(shù)據(jù)，利用教材里公式和Excel的統(tǒng)計匯總功能來計算標(biāo)準(zhǔn)化率常常會遇到很大的困難，且計算過程繁瑣容易出錯[1-2]，這時我們最好借助統(tǒng)計軟件來完成[3]。SAS是最常用的數(shù)據(jù)處理和統(tǒng)計分析的軟件之一，本研究通過編寫SAS宏程序?qū)崿F(xiàn)大樣本數(shù)據(jù)率的標(biāo)準(zhǔn)化，希望能夠幫助科研工作者更加方便快捷的解決標(biāo)準(zhǔn)化率的計算問題。

基本原理

率的標(biāo)準(zhǔn)化法就是在指定的標(biāo)準(zhǔn)構(gòu)成條件下計算標(biāo)準(zhǔn)化率，以便于對多組率進行對比。對于標(biāo)準(zhǔn)人群的選擇有三種方法，分別是任選一個對比組的人群、各組人群之和以及有代表性的、穩(wěn)定的、數(shù)量大的人群，如全國、全省的數(shù)據(jù)[4]，選擇前兩種人群的標(biāo)準(zhǔn)化法稱為直接法，選擇后一種人群稱為間接法。無論是直接法還是間接法，它們標(biāo)準(zhǔn)化的基本思想是先計算出標(biāo)準(zhǔn)人群的內(nèi)部構(gòu)成比例(比如年齡構(gòu)成比)當(dāng)作權(quán)重qi，再計算出各組別(比如各地區(qū))各年齡段的率Pij，最后對各地區(qū)計算各年齡段的加權(quán)算術(shù)平均數(shù)∑qiPij[5]。一般情況下，對標(biāo)準(zhǔn)人群的選擇會選擇后兩種，即以各組人群的總和為標(biāo)準(zhǔn)人群計算直接法標(biāo)準(zhǔn)化率和以具有代表性的全國人口為標(biāo)準(zhǔn)人群計算間接法的標(biāo)準(zhǔn)化率，所以本研究以這兩種人群作為標(biāo)準(zhǔn)人群對率分別進行直接標(biāo)準(zhǔn)化法和間接標(biāo)準(zhǔn)化法。

實例分析和SAS宏實現(xiàn)

實例：結(jié)節(jié)病是一種免疫系統(tǒng)疾病，其發(fā)病機制和病因不明確。文獻報道結(jié)節(jié)病的發(fā)生和死亡與年齡、性別有關(guān)，也表現(xiàn)出地域性差別。某研究者欲了解結(jié)節(jié)病的發(fā)病特征，調(diào)查了2014年的5個地區(qū)的47780名在職及退休職工，記錄結(jié)節(jié)病患病情況，原始數(shù)據(jù)std.sar形式如表1。

表1 實例中原始數(shù)據(jù)的形式

*area:1～5代表5個區(qū)；age：1～6代表6個年齡段；gender：1=男，0=女；outcome：1=患病，0=不患病

1.選擇所有地區(qū)的人口作為標(biāo)準(zhǔn)人群做直接法的標(biāo)準(zhǔn)化率

SAS宏命令如下：

%macro direct_std(data=,outcome=,group=,confounder=,confounder_=);

data standardization;

set &data.;

keep &outcome.&group.&confounder.;

run;/*提取數(shù)據(jù)中有用的信息*/

proc summary data=standardization nway;

class &group.;

var &outcome.;

output out=crude(drop=_:) n=N sum=cases;

run; /*匯總原始數(shù)據(jù)五個地區(qū)的總?cè)藬?shù)N，發(fā)病人數(shù)cases*/

data crude;

set crude;

crude=cases/n;lower_CI=crude-1.96*sqrt(crude*(1-crude)/n);upper_CI=crude+1.96*sqrt(crude*(1-crude)/n);

run;/*計算粗率crude及應(yīng)用二項分布的正態(tài)近似法計算置信區(qū)間[5-7]*/

proc summary data=standardization nway;

class &group.&confounder.;

var &outcome.;

output out=summary(drop=_:) n=N sum=cases;

run; /*匯總原始數(shù)據(jù)各地區(qū)各性別年齡別的人數(shù)N，發(fā)病人數(shù)cases*/

data summary;

set summary;

p=cases/n;

run;/*計算各地區(qū)各性別年齡別的發(fā)病率p */

proc sort data=summary out=summary;

by &confounder.;

run;

proc sql;

create table summary as select *,sum(n) as totall from summary group by &confounder_.;

quit;/*此命令group by后面的變量間需要逗號隔開，故而重復(fù)設(shè)置了confounder_宏參數(shù)*/

proc sql;

create table summary as select *,sum(n) as total2 from summary ;

quit;

data summary;

set summary;

ratio=total1/total2;

run;/*計算以各組人群的總和為標(biāo)準(zhǔn)人群的內(nèi)部構(gòu)成(性別年齡別)的構(gòu)成比ratio */

data summary;

set summary;

rate=p*ratio;

run;

proc summary data=summary nway; class &group.; var rate; output out=adj_rate(drop=_:) sum=adj_rate;

run; /*對各地區(qū)按照構(gòu)成比ratio為權(quán)重計算各年齡性別組發(fā)病率p的加權(quán)算術(shù)平均數(shù)adj_rate，即為標(biāo)準(zhǔn)化率*/

data adjust;

merge crude adj_rate;

drop cases crude lower_ci upper_ci;

run;

data adjust;

set adjust;adj_cases=n*adj_rate;adj_lower_CI=adj_rate-1.96*sqrt(adj_rate*(1-adj_rate)/n);adj_upper_CI=adj_rate+1.96*sqrt(adj_rate*(1-adj_rate)/n);run;/*計算標(biāo)準(zhǔn)化率adj_rate的置信區(qū)間*/

data adjust;

retain area N adj_cases adj_rate adj_lower_CI adj_upper_CI;set adjust;

run;

title “粗率及其置信區(qū)間”;

proc print data=crude;run;

title “標(biāo)準(zhǔn)化率及其置信區(qū)間”;

proc print data=adjust;run;

%mend;

消除年齡和性別的影響計算各地區(qū)結(jié)節(jié)病標(biāo)準(zhǔn)化患病率的宏參數(shù)設(shè)置如下：

%direct_std(data=std.sar,outcome=outcome,group=%str(area),confounder=%str(age gender),confounder_=%str(age,gender));

結(jié)果輸出為：

所有結(jié)果也可在文件work.crude和work.adjust中查看和導(dǎo)出。如果想消除年齡的的影響計算各地區(qū)分性別的結(jié)節(jié)病標(biāo)準(zhǔn)化患病率的宏參數(shù)設(shè)置如下：

%direct_std(data=std.sar,outcome=outcome,group=%str(area gender),confounder=%str(age),confounder_=%str(age));

以此類推。

在實際工作中，有時收集不到原始數(shù)據(jù)std.sar，

只有匯總數(shù)據(jù)std.sar2，同樣可以計算標(biāo)準(zhǔn)化率，數(shù)據(jù)形式為：

表2 匯總數(shù)據(jù)的形式

*：不同地區(qū)各年齡性別的總?cè)藬?shù)； #不同地區(qū)各年齡性別的患病人數(shù)

SAS宏及宏參數(shù)設(shè)置如下(其中省略部分與上文SAS宏對應(yīng)位置一致)：

%macro direct_std(data=,group=,confounder=,confounder_=,n=,cases=);

data standardization;

set &data.;

keep &group.&confounder.&n.&cases.;

run;

proc summary data=standardization nway;

class &group.;

var &n.;

output out=crude1(drop=_:) sum=n;

run;

proc summary data=standardization nway;

class &group.;

var &cases.;

output out=crude2(drop=_:) sum=cases;

run;

data crude;

merge crude1 crude2;

run;

data crude;set crude;crude=cases/n;lower_CI=crude-1.96*sqrt(crude*(1-crude)/n);upper_CI=crude+1.96*sqrt(crude*(1-crude)/n);run;

data summary;

set standardization;

p=cases/n;

run;

proc sort data=summary out=summary;

by &confounder.;

run;

…

%mend;

%direct_std(data=std.sar2,group=%str(area),confounder=%str(age gender),confounder_=%str(age,gender),n=n,cases=cases);

2.以全省人口作為標(biāo)準(zhǔn)人群做間接法的標(biāo)準(zhǔn)化率

SAS宏命令及宏參數(shù)設(shè)置如下：

%macro indirect_std(data=,group=,confounder=,n=,cases=,ratio_data=,ratio=);

data standardization;

set &data.;

keep &group.&confounder.&n.&cases.;

run;

proc summary data=standardization nway;

class &group.;

var &n.;

output out=crude1(drop=_:) sum=n;

run;

proc summary data=standardization nway;

class &group.;

var &cases.;

output out=crude2(drop=_:) sum=cases;

run;

data crude;

merge crude1 crude2;

run;

data crude;

set crude;

crude=cases/n;lower_CI=crude-1.96*sqrt(crude*(1-crude)/n);upper_CI=crude+1.96*sqrt(crude*(1-crude)/n);

run;/*以上為計算粗率及其置信區(qū)間的代碼，與前文一致，不贅述*/

proc sort data=&data.out=standardization; by &confounder.; run;

proc sort data=&ratio_data.out=std; by &confounder.; run;

data summary; merge standardization std; by &confounder.;run;/*合并匯總數(shù)據(jù)與標(biāo)準(zhǔn)人群構(gòu)成比數(shù)據(jù),注意兩個數(shù)據(jù)相同的變量名設(shè)置要一樣，比如都為age、gender*/

data summary; set summary; rate=&ratio.*&cases./&n.; run;

proc summary data=summary nway;

class &group.;var rate;

output out=adj_rate(drop=_:) sum=adj_rate;

run; /*對各地區(qū)按照構(gòu)成比ratio為權(quán)重計算各年齡性別組的加權(quán)算術(shù)平均數(shù)adj_rate，即為標(biāo)準(zhǔn)化率*/

data adjust;

merge crude adj_rate;

drop cases crude lower_ci upper_ci;

run;

data adjust;

set adjust;

adj_cases=n*adj_rate;adj_lower_CI=adj_rate-1.96*sqrt(adj_rate*(1-adj_rate)/n);adj_upper_CI=adj_rate+1.96*sqrt(adj_rate*(1-adj_rate)/n);

run;

data adjust;

retain area N adj_cases adj_rate adj_lower_CI adj_upper_CI;set adjust;

run;

title “粗率及其置信區(qū)間”;

proc print data=crude;run;

title “標(biāo)準(zhǔn)化率及其置信區(qū)間”;

proc print data=adjust;run;

%mend;

%indirect_std(data=std.sar2,group=%str(area),confounder=%str(age gender),n=n,cases=cases,ratio_data=std.ratio,ratio=ratio);

其中，數(shù)據(jù)集std.sar2為匯總數(shù)據(jù)的形式，如果要對原始數(shù)據(jù)std.sar運行此宏，只需對原始數(shù)據(jù)運行如下命令：

proc summary data=std.sar nway;

class area age gender;

var outcome;

output out=std.sar2(drop=_:) n=N sum=cases;

run;

數(shù)據(jù)集std.ratio為全省人群年齡性別構(gòu)成比，數(shù)據(jù)形式如下：

表3 某省人群年齡性別構(gòu)成比

結(jié)果輸出為：

結(jié) 語

率的標(biāo)準(zhǔn)化是在疾病的流行病學(xué)研究中經(jīng)常會遇到的問題，而大部分教材只介紹了按照公式計算的方法[5]，但在實際工作中，經(jīng)常會遇到多層次組群結(jié)構(gòu)的大樣本復(fù)雜數(shù)據(jù)，公式的計算常常會有較大的困難，常用的數(shù)據(jù)處理軟件也沒有專門的模塊來解決這個問題。因此，我們通過上述實例系統(tǒng)的解決了對率進行直接標(biāo)準(zhǔn)化和間接標(biāo)準(zhǔn)化問題，讀者可以根據(jù)實際情況選擇相應(yīng)的SAS宏，通過宏參數(shù)設(shè)置相應(yīng)的需要比較的組別和需要消除的混雜因素，并且調(diào)整好數(shù)據(jù)形式就可以簡單、快捷的計算出標(biāo)準(zhǔn)化率。