Geschäftskontext
In einer klinischen Studie müssen Laborergebnisse, die leichten Messschwankungen unterliegen, robust kategorisiert werden. Dieses Szenario testet die `fuzz`-Option, um Werte nahe einer Bereichsgrenze korrekt zuzuordnen, sowie die Behandlung von fehlenden Werten (missing values).
Datenaufbereitung
Erstellt eine Tabelle 'LABORWERTE' mit präzisen Messwerten, einschließlich eines Wertes, der minimal über einer Grenze liegt (4.5000001), und eines fehlenden Wertes.
Kopiert!
| 1 | DATA casuser.LABORWERTE; |
| 2 | INPUT PatientID Blutwert; |
| 3 | DATALINES; |
| 4 | 101 3.8 |
| 5 | 102 4.5 |
| 6 | 103 4.5000001 |
| 7 | 104 5.2 |
| 8 | 105 . |
| 9 | 106 7.0 |
| 10 | ; |
| 11 | RUN; |
Étapes de réalisation
1
Erstellung der Formatbibliothek 'KLINISCH_FMTLIB'.
Kopiert!
| 1 | PROC CAS; |
| 2 | sessionprop.addFmtLib / fmtLibName='KLINISCH_FMTLIB'; |
| 3 | RUN; |
2
Hinzufügen eines Formats 'BLUTSTATUS' mit Bereichen und einem `fuzz`-Faktor von 1E-6, um kleine Abweichungen an den Grenzen abzufangen. Ein spezifisches Label für fehlende Werte wird ebenfalls definiert.
Kopiert!
| 1 | PROC CAS; |
| 2 | sessionprop.addFormat / |
| 3 | fmtLibName='KLINISCH_FMTLIB' |
| 4 | fmtName='BLUTSTATUS' |
| 5 | fuzz=1E-6 |
| 6 | ranges={ {'LOW-4.5', 'Normal'}, {'4.5-6.0', 'Erhöht'}, {'6.0-HIGH', 'Kritisch'}, {'.', 'Unbekannt'} }; |
| 7 | RUN; |
3
Anwendung des Formats und Überprüfung der Kategorisierung durch eine Frequenzanalyse.
Kopiert!
| 1 | PROC CAS; |
| 2 | SIMPLE.freq / |
| 3 | TABLE={caslib='casuser', name='LABORWERTE', vars={'Blutwert'}}, |
| 4 | casout={caslib='casuser', name='FREQ_BLUTWERT', replace=true}, |
| 5 | FORMAT='BLUTSTATUS'; |
| 6 | RUN; |
| 7 | |
| 8 | PROC PRINT DATA=casuser.FREQ_BLUTWERT; |
| 9 | RUN; |
Erwartetes Ergebnis
In der Ausgabetabelle 'FREQ_BLUTWERT' wird der Wert 4.5000001 dank des `fuzz`-Parameters korrekt als 'Erhöht' und nicht als 'Normal' klassifiziert. Der fehlende Wert wird als 'Unbekannt' ausgewiesen. Dies bestätigt die korrekte Funktionsweise der Toleranz- und Missing-Value-Behandlung.