1 健保資料庫分析 – 資料篩選與整理常用的 SAS 語法應用 蔡靜雯 副統計分析師 在執行任何分析前，資料整理是最繁瑣最耗時也是最重要的一個環節，這邊 將用範例介紹，提供幾個在健保資料庫分析前，資料整理常用的 SAS 語法。健 保資料庫包含許多類型的資料，例如：就醫紀錄檔、承保檔、出生通報檔、死因 統計檔、重大傷病檔、癌症相關紀錄檔、交通事故檔、兒童及少年保護通報檔... 等。每一種類型的檔案資料量不同，儲存方式也不一樣，資料量比較大的會以一 個年度一個檔案或一個月份一個檔案的方式儲存，例如：重大傷病檔 (以年度存 檔)，全民健保處方及治療明細檔-門急診 (以月份存檔)；資料量比較小的就會儲 存成一個或兩個檔案，例如：癌症登記檔LF。在此將會使用就醫紀錄中的全民健 保處方及治療明細門急診檔、全民健保處方及治療明細住院檔、全民健保處方及 治療醫令明細門急診檔和全民健保處方及治療醫令明細住院檔，以這四種檔案類 型的資料示範，使用 macro 搭配 do...end 語法撈取就醫紀錄和 proc sql 語法撈 用藥紀錄。接著，再介紹 proc transpose 轉置語法在健保資料整理上的應用和 SAS 日期轉換的指令。 [註] 範例所使用的就醫紀錄檔是百萬歸人檔，仿照健保資料庫的檔名儲存，其檔 案內容的欄位名稱和全民健保資料庫不全相同。 在開始範例介紹前，先對這四個就醫紀錄檔案做說明： 檔案 內容 儲存方式 串檔比對欄位 全民健保處方及 治療明細檔-門急 診(H_NHI_OPDTE) 1.一次就醫一筆資料。 2.病人當次就醫之疾病、醫 院及費用等相關資料。 月份 FEE_YM＋APPL_TYPE＋ HOSP_ID＋APPL_DATE＋ CASE_TYPE＋SEQ_NO 全民健保處方及 1.一次或一段期間住院一筆 年度 FEE_YM＋APPL_TYPE＋
2 治療明細檔-住院 (H_NHI_IPDTE) 資料。 2.病人當次住院之診斷、醫 療機構及費用等相關資料 HOSP_ID＋APPL_DATE＋ CASE_TYPE＋SEQ_NO 全民健保處方及 治療醫令明細檔-門急診 (H_NHI_OPDTO) 1.一次門診多筆醫令資料。 2.醫令碼、數量及點數等。 (用藥和治療處置資訊) 月份 無病人ID，以 FEE_YM＋APPL_TYPE＋ HOSP_ID＋APPL_DATE＋ CASE_TYPE＋SEQ_NO 與門診明細檔 (H_NHI_OPDTE)對照 全民健保處方及 治療醫令明細檔-住院 (H_NHI_IPDTO) 1.一次住院多筆醫令資料。 2. 醫令碼、數量及點數 等。(用藥和治療處置資訊) 月份 無病人ID，以 FEE_YM＋APPL_TYPE＋ HOSP_ID＋APPL_DATE＋ CASE_TYPE＋SEQ_NO 與住院明細檔 (H_NHI_IPDTE)對照 一、使用 macro 搭配迴圈 do...end 語法撈取就醫紀錄 語法： 研究對象以糖尿病為例子，糖尿病的疾病碼(ICD-9)為 250-250.3 250.7。門急 診、住院檔的主診斷碼或其他次診斷碼任一碼有糖尿病的疾病碼，即定義為有一 次就醫紀錄。 %macro;
%do var=/*迴圈起始值*/ %to /*迴圈結束值*/ ;
%end; %mend;
3 [使用檔案]：全民健保處方及治療明細檔-門急診(H_NHI_OPDTE) 全民健保處方及治療明細檔-住院(H_NHI_IPDTE) 住院就醫紀錄： 由於治療明細住院檔是以年度儲存檔案，若資料區間是 90~100 年，要撈取 全部年份的住院檔，就必須重覆讀入篩選 11 次檔案，此時，便可用 macro 搭配 迴圈 do ... end 語法，省去重覆 code 書寫的動作。 其中，surbstr 為截取字串的函數。 語法： 門急診就醫紀錄： 治療明細門急診檔是以月份儲存檔案，若資料區間是 90~100 年，要撈取全 部月份的門急診檔，就必須重覆讀入篩選 132 次檔案，此時，同樣可用 macro %macro DM_ip;
%do year=90 %to 100; data DM_ip&year;
set h_nhi_ipdte&year(keep=id id_birthday in_date ICD9CM_CODE_0 ICD9CM_CODE_1 ICD9CM_CODE_2 ICD9CM_CODE_3 ICD9CM_CODE_4 id_sex); if substr(ICD9CM_CODE_0,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") | substr(ICD9CM_CODE_1,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") | substr(ICD9CM_CODE_2,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") | substr(ICD9CM_CODE_3,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") | substr(ICD9CM_CODE_4,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") ; run; %end; %mend ; substr(字串, 截取字串的起始位置，截取幾個字元)
4 搭配迴圈 do ... end 語法，以年份+月份方式，省去重覆 132 次 code 書寫的動 作。但這邊 macro 搭配 do ... end 的語法和撈取住院就醫紀錄方式不太一樣，要 分成兩個步驟執行： • 步驟 1. 先寫函數形式的 macro - 指定要撈出糖尿病就診的年度月份。 • 步驟 2. 再將步驟 1 的 macro 函數包在迴圈形式的 macro 內 - 利用迴圈將 所有年度月份的糖尿病就診紀錄都撈出來。 二、使用 proc sql 撈用藥紀錄 撈取有使用 metformin 用藥的 ID。 %macro DM_op(year, month);
/*year - 指定撈取資料的年度 /*month - 指定撈取資料的月份*/ data DM_op&year.&month;
set h_nhi_opdte&year.&month(keep=id id_birthday func_date ACODE_ICD9_1 ACODE_ICD9_2 ACODE_ICD9_3 id_sex);
if substr(ACODE_ICD9_1,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") | substr(ACODE_ICD9_2,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") | substr(ACODE_ICD9_3,1,4) in ("2500","2502","2503","2504","2505","2506","2507","2508","2509") ; run; %mend ;
%macro DM_opall(starty, endy); /*starty - 撈取資料的起始年度*/ /*endy - 撈取資料的結束年度*/ %do year=&starty %to &endy;
%do month=1 %to 9; %DM_op(&year, 0&month); %end; %do month=0 %to 2; %DM_op(&year, 1&month); %end; %end;
%mend ;
5 [使用檔案]：全民健保處方及治療明細檔-門急診(H_NHI_OPDTE) 全民健保處方及治療明細檔-住院(H_NHI_OPDTE) 全民健保處方及治療醫令明細檔-門急診(H_NHI_OPDTO) 全民健保處方及治療醫令明細檔-住院(H_NHI_IPDTO) 用藥資訊放於全民健保處方及治療醫令明細檔內，但醫令明細檔沒有 ID 欄位， 所以必須用串檔比對欄位 FEE_YM＋APPL_TYPE＋HOSP_ID＋APPL_DATE＋ CASE_TYPE＋SEQ_NO 串回全民健保處方及治療明細檔。 • 步驟 1. 先從醫令檔中抓取有 metformin 的藥碼，其中 metformin 藥碼的檔 案欄位內容如下： /*抓取門急診醫令檔中 metformin 藥碼*/ proc sql;
create table drug_op9001 (keep=hosp_id appl_date fee_ym appl_type case_type seq_no drug_id ATC_CODE contain drug_status ) as
select a.*, b.*
from drug /*metformin 健保藥碼*/ as a, h_nhi_opdto9001 /*門急診醫令檔*/ as b
where a.drug_id=b.drug_no; quit;
6 • 步驟 2. 以串檔比對欄位 FEE_YM＋APPL_TYPE＋HOSP_ID＋APPL_DATE＋ CASE_TYPE＋SEQ_NO 將有 metformin 資訊的醫令檔串回明細檔，即 可找出有使用 metformin 的 ID。 三、proc transpose 轉置語法的應用 語法： 健保資料分析中，常會需要知道同一個 ID 不同治療方式的先後順序，這時 候就可以使用 transpose 語法將同一 ID 多筆不同治療資料轉置在同一列，找出 治療順序組合，再做後續的比較。 以肺癌病人為例，若已知肺癌病人化學治療(CT)、標靶治療(TKI)、手術治療 (surgery)和放射治療(RT)的最早治療日期，檔名分別為 CT_treat、TKI_treat、 surgery_treat、RT_treat，檔案內容和執行步驟如下： /*將門急診明細檔與門急診醫令檔合併*/ proc sql;
create table temp.drug2_&from.&year.&month(keep=id id_birthday func_date drug_id ATC_CODE ) as
select *
from H_nhi_opdte9001 /*門診明細檔*/ as a
inner join drug_op9001 /*抓好metformin的醫令檔*/ ( rename=(fee_ym=to_fee_ym appl_type=to_appl_type
appl_date=to_appl_date case_type=to_case_type seq_no=to_seq_no hosp_id=to_hosp_id )) as b
on a.fee_ym=b.to_fee_ym and a.appl_type=b.to_appl_type and a.appl_date=b.to_appl_date and a.case_type=b.to_case_type and a.seq_no=b.to_seq_no and a.hosp_id=b.to_hosp_id ;
quit;
proc transpose data=/*要轉置的檔案*/ out=/*轉置後輸出的檔案*/; var /*要轉置的變數*/;
by /*根據哪個變數來依序轉置*/ ; run;
7
先讀入治療檔案
/*肺癌病人的最早化學治療日期*/ data CT_treat;
input id $ first_treat_date $ treat $ @@; cards; C 20090816 CT D 20090326 CT F 20111001 CT H 20090529 CT J 20120923 CT K 20100623 CT ; run; /*肺癌病人的最早標靶治療日期*/ data TKI_treat;
input id $ first_treat_date $ treat $ @@; cards;
J 20101228 TKI F 20090816 TKI B 20100106 TKI A 20091221 TKI G 20081001 TKI H 20110529 TKI I 20081111 TKI C 20091224 TKI D 20120923 TKI K 20111123 TKI
; run;
/*肺癌病人的最早手術治療日期*/ data surgery_treat;
input id $ first_treat_date $ treat $ @@; cards;
B 20121228 surgery F 20100616 surgery E 20091221 surgery I 20110525 surgery C 20100817 surgery J 20111001 surgery ;
run;
/*肺癌病人的最早放射治療日期*/ data RT_treat;
input id $ first_treat_date $ treat $ @@; cards; E 20110512 RT B 20101228 RT G 20101228 RT I 20110326 RT D 20121111 RT C 20120529 RT A 20110923 RT ; run;
8 • 步驟1. 將放射治療、化學治療、標靶治療和手術治療的檔案合併。 • 步驟 2. 所有治療合併後，將同一 ID 的治療日期由小到大排序。 output • 步驟 3. 把同一人的所有治療依序轉置(直轉橫)放在同一列。 data treat_all; set ct_treat rt_treat surgery_treat TKI_treat; run;
proc sort data=treat_all; by id first_treat_date; run;
proc transpose data=treat_all out=treat_all_t; var treat;
by id ; run;
9 output • 步驟 4. 最後以 catx 指令將同一人的所有治療合併在同一欄位(串連字串) 語法： output 四、其他 SAS常用指令 日期函數 語法： 在健保資料中的日期欄位都是以文字儲存，若要計算就醫時年齡，就需要 使用日期函數轉換成 SAS 的內部數字。
範例：aa 檔案中的 birthday 和 func_date 分別為生日和就醫日期，且都以 data treat_all_ok;
set treat_all_t;
sequence=catx(" -> ",col1,col2,col3,col4); run;
mdy(month, day, year)
10
文字格式儲存。
• 步驟 1. 將 birthday 和 func_date 用 mdy 日期函數轉換。
• 步驟 2. 日期轉換後的 birthday 和 func_date 相減，再除以 365.25(一年)即 可得到就醫時年齡。 其中，substr(birthday,5,2) 為截取birthday 的月份， substr(birthday,7,2) 為截取birthday 的日， substr(birthday,1,4) 為截取birthday的年度。 data aa;
input id $ birthday $ func_date $; cards; A 19511021 20010921 B 19800725 20120212 C 19950519 20091207 D 19600926 20050428 E 20020729 20120831 ; run; data aa1; set aa; /*步驟 1*/ birthday_ok=mdy(substr(birthday,5,2), substr(func_date,7,2), substr(birthday,1,4)); func_date_ok=mdy(substr(func_date,5,2), substr(func_date,7,2), substr(func_date,1,4)); /*步驟 2*/ age=(func_date_ok-birthday_ok)/365.25; run;
11
output
日期格式 語法：
日期字串經由 mdy(month, day, year) 轉換為 SAS 的內部數字，在呈現上不 易觀看，可用 fortmat 轉換成日期格式較易觀察，但實際上還是 SAS 的內部數 字。
接續上一個例子，只要再加上 format 指令，並指定要轉換的日期格式即可。
健保資料庫中的就醫紀錄檔案資料量很大，因此在撈取資料時很常使用到
output
data aa2(drop=func_date func_date_ok age); set aa1; birthday1=birthday_ok; birthday2=birthday_ok; birthday3=birthday_ok; birthday4=birthday_ok; birthday5=birthday_ok; birthday6=birthday_ok; format birthday1 yymmdd10. birthday2 mmddyy10. birthday3 mmddyy8. birthday4 date9. birthday5 worddate. birthday6 weekdate.; run; format 要轉換的變數 日期格式
12 參考資料
1. SAS Programming1: Essentials.
