SDTM中Domain SE编程举例解析1

首先看一下SDTM_IG(Study Data Tabulation Model Implementation Guide)中关于Domain SE的介绍:

The Subject Elements dataset consolidates information about the timing of each subject’s progress through the Epochs and Elements of the trial. For Elements
that involve study treatments, the identification of which Element the subject passed through (e.g., Drug X vs. placebo) is likely to derive from data in the
Exposure domain or another Interventions domain. The dates of a subject’s transition from one Element to the next will be taken from the Interventions
domain(s) and from other relevant domains, according to the definitions (TESTRL values) in the Trial Elements dataset.

简单讲,就是汇总在临床试验中受试者的各阶段的时间信息。我们来看一下,IG上SE中都有哪些变量, STUDYID、DOMAIN、USUBJID、SESEQ、ETCD、ELEMENT、SESTDTC、SEENDTC、TAETORD、EPOCH、SEUPDES。前面四个变量为Identifier(标志符)变量,每一个SDTM Domain中都具有的变量,不再详细描述。

我们以一个Ⅰ期的项目举例,看一下Spec中一些变量的计算。
敏感信息已处理

Element变量为受试者每一个时期的描述,ETCD、Epoch与Element相对应;TAETORD,为受试者在试验组中所经历各个时期的顺序。可以看出对于每一条观测这四个变量都很容易生成。从视觉效果上看,SESTDTC、SEENDTC生成过程是比较复杂的。

我们先从稍微简单的SESTDTC看,对于SCREENING期,SESTDTC为RFRCDTC(签署知情同意书的日期),这很容易理解。知情同意书的签署,表明受试者正式进入临床试验,进入SCREENING期;对于TREAMENT期,SESTDTC为所接受处理的最早时间,也就是说,一旦接受某种试验处理,受试者就进入TREATMENT期了;对于接下来的随访期,SESTDTC为TREATMENT结束的时间。

而SEENDTC就显得比较复杂了,先看SCREENING期。正常来讲,SCREENING期的结束时间为,TREATMEAT期的前一天,即接受试验处理标志着筛选期的完结;但有一种特殊情况,如果受试者筛选失败的话,是不会接受试验处理的,这是时候就把SEENDTC赋为筛选失败的结束时间。再看TREATMENT期,在这个项目中这部分也分为两块,第一块为所有试验处理的最后一条记录时间;第二块,当visit为试验处理结束时,SEENDTC为“试验处理结束”开始的前一天。对于后面的随访期的ENDTC的时间计算,不再详细说明。

最后分享一下,TREAMENT期的STDTC、ENDTC的生成的代码:
TREATMENT期

整个编程思路是,将所有需要的时间变量都生成好,再根据条件进行筛选。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,734评论 6 505
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,931评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,133评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,532评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,585评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,462评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,262评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,153评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,587评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,792评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,919评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,635评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,237评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,855评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,983评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,048评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,864评论 2 354

推荐阅读更多精彩内容

  • 今天一群人去聚餐的时候,桌子上也有一盘虾,只是做法不同而已,一位大姐举起酒杯说,小年快乐的时候,我才突然发觉,年末...
    遇见萝丫头阅读 275评论 0 3
  • 第一部写农村是书中最上乘的部分,有血有肉。第二三部大篇幅的描述官场,人物单调,官话连篇,实在嚼着无味。 人经受苦难...
    小明不爱看书阅读 156评论 0 0
  • 转眼间一个月过去了,10月13日我们学校迎来了‘颂歌献给党喜迎十九大’的歌咏活动。 一个美丽的下午,全校一千多个学...
    马文博tt阅读 209评论 0 0
  • 计划的21天,聪聪自己安排时间,我把最好的情绪带给最亲的人。今天就到21天了。 这些天,我试着放松,不再对聪的学习...
    张聪聪829阅读 159评论 0 0