病案隨機抽樣的SAS實現

谷玉婷 翁 俊 彭志剛

中山大學附屬第一醫院，510080 廣東 廣州

病案資料記錄患者全部診療過程，內含客觀且豐富的信息，在醫療、教學、科研、法律、社會保險等方面都有著重要的作用[1]。隨著醫療改革的推進，公立醫院績效考核的開展，診斷相關分組(diagnosis related groups，DRGs)付費、按病種分值付費等政策的實施，病案在臨床科研、醫院管理以及醫療保險賠付等方面的利用率逐年增加[2]，這對病案的質量與應用都提出了更高的要求。然而病案管理科以及醫院其他科室，囿于有限的人力物力，無法實現全部病案的質檢或調查，所以通常首選隨機抽查部分病案，以期能反映整體情況。在實際工作中，由于相關工作人員忽視隨機抽樣的實踐價值或缺乏統計軟件應用技能的訓練，未能做到有效的隨機抽樣，從而使病案管理或隨機調查的工作效果大打折扣。隨機抽樣,是指按照隨機原則從總體中抽取一定數目的單位作為樣本進行觀察。隨機抽樣使總體中每個單位都有一定的概率被選入樣本,通過調查樣本情況有效推斷總體情況。根據調查對象的性質和研究目的的不同, 隨機抽樣又分為簡單隨機抽樣、系統抽樣(等距抽樣)、分層抽樣、整群抽樣、多階段抽樣等[3]。在病案管理中，常用的隨機抽樣方法為簡單隨機抽樣和分層隨機抽樣。簡單隨機抽樣使每個樣本有相同的概率被抽中，常用于編碼正確率的抽樣檢查、病案整理工作的質量檢查等；若數據中存在對調查結果影響較大的因素，則建議按照該因素進行分層隨機抽樣，使各層級、各類型的病案均能按照工作的要求出現在抽樣獲得的樣本中，常用于四級病案質量檢查、醫保抽樣檢查等。數據分析軟件SAS(statistical analysis system，SAS)是數據統計分析的標準軟件，是國際上多數臨床研究學術期刊對涉及隨機抽樣問題時默認的最權威統計軟件。本文主要介紹運用SAS中的surveyselect過程實現這2種隨機抽樣的方法，基于工作的要求設置為數不多的幾個參數，可在日常病案管理中方便應用，從而提升病案管理的規范性和科學性。

1 SAS中的surveyselect過程介紹

SAS中的surveyselect過程可以實現常用的各種抽樣，包括：單純隨機抽樣、系統隨機抽樣、分層抽樣、無限隨機抽樣 (有替換) 、序貫隨機抽樣, 以及按規模大小成比例概率抽樣等[4]。編程時用method來指定抽樣模式，包括不放回簡單隨機抽樣(simple random samping，SRS)、放回簡單隨機抽樣(unrestricted random sampling，URS)和系統抽樣(systematic sampling，SYS)；用seed來設定隨機數種子，若省略則系統默認抓取計算機時鐘的當時時間，轉換為SAS系統定義的SAS時間作為隨機數發生器的種子，在實踐中為了保證隨機抽樣結果的可重現性，可為隨機數的發生設定一個種子；通過n設定隨機樣本的數量，或者samprate設定抽樣比例；out設定抽取樣本存放的數據集；strata指定分層因素。本文使用的版本為SAS 9.3。

2 實施隨機抽樣的病案數據實例概況

本文以某醫院病案系統導出“2019年4月”數據為例來說明SAS的實現過程。該數據類型為Excel,有2 183條記錄，8個變量，包括病案號、天數、出院科別、出院日期、是否手術、是否搶救病人、是否死亡、病例分型。見表1 。

表1 某院2019年4月出院患者

3 病案數據集導入SAS數據集的過程和實現

成功導入外部數據是SAS數據分析成功運行的第一步。在病案管理系統中導出的數據格式通常為Excel，運用proc import語句從外部數據源讀取Excel數據并將其寫入SAS數據集的程序如下：

proc import out=a

datafile= "D:舉例2019年4月.xlsx"

dbms=xlsx replace; /*向SAS系統說明擬導入數據的位置、文件類型和存儲方式*/

getnames=yes; /*將原文檔中的變量名復制進SAS數據集*/

options validvarname=any; /*允許沿用原文檔中不符合SAS變量名命名要求的非法字符*/

run;

上述程序中，datafile后面引號內為指定輸入文件“2019年4月”的完整路徑，將上述指定文件轉換為SAS格式并輸出到SAS數據集a，dbms用來指定導入文件的類型，該類型需要與文件后綴名保持一致，通常是xlsx、xls、csv等格式的文件，replace表示覆蓋現有的數據集。getnames=yes表示以導入數據的第一行作為變量名稱。默認的SAS命名規則無法使用中文等特殊字符作為SAS變量名，可通過validvarname=any突破此限制。通過運行“run” ,便可將指定輸入文件轉換為SAS數據。

4 隨機抽樣過程及SAS實現

4.1 簡單隨機抽樣

依據醫院上級部門要求，從2019年4月隨機抽取100份病案進行患者滿意度調研，程序如下：

data b;

set a;

proc surveyselect data =a method=srs n=100

out=samplesrs;

run; /*采用簡單隨機方法隨機抽取100份病案*/

proc sort data=samplesrs out=samplesrs1;

by 病案號;

run; /*將隨機抽樣結果按照病案號進行排序*/

proc print data=samplesrs1(obs=5);

var 病案號 出院科別 出院日期;

run; /*打印出所獲得病案的所需信息*/

上述程序運用proc surveyselect對數據進行隨機抽樣，用method來限定抽樣方法為簡單隨機(SRS)；用seed來設定隨機數種子，此處省略意味著使用計算機時鐘對應的時間；抽樣的樣本量n設定為100。隨機抽樣完成后，將數據導出到samplesrs數據集。見表2。

表2 對數據集a進行簡單隨機抽樣的有關設置

為方便查看，將隨機結果按病案號升序排序后打印隨機抽樣結果，限于篇幅，僅以前5例作為示例，包含變量為病案號、出院科別和出院日期。見表3。

表3 對數據集a進行簡單隨機抽樣的結果(前5例)

4.2 分層隨機抽樣

分層隨機抽樣是將樣本總體按照某些重要類別因素(例如病例分型、是否接受手術等)進行分層，然后在各層中運用簡單抽樣或者系統抽樣進行樣本抽取。surveyselect過程通過在層內選擇獨立樣本來進行分層抽樣，層內個體不重疊出現在調查總體的亞組中。分層可控制各層樣本大小，廣泛應用于調查個體多樣的實踐中[5]。病案來自不同科室、是否死亡、是否搶救、是否手術、長期住院等因素，導致各個病案之間差異性比較大，采用簡單隨機抽樣無法保證以上各層級、各類型的病案均能按照工作的要求出現在抽樣獲得的樣本中，這時可以通過分層隨機抽樣抽取更具有代表性的資料，提高總體估計的合理性。

4.2.1 單個分層因素

當顧及1個對調查結果有影響的因素時可采用單個因素分層。各層內抽取的個體有時需與總體中層內個體的占比一致，有時數目固定，此處選擇各層樣本量為固定值。

依據上級部門要求，專項抽查疑難危重病例診治情況，需各科隨機抽查3份疑難危重病案,程序如下：

data b;

set a;

If 病例分型=‘C’ or 病例分型= ‘D’;

run; /*選擇病例分型符合要求的患者*/

proc tabulate data=b;

class 出院科別;

table 出院科別;

run; /*定義擬選病案的分層依據是“出院科別”，并簡略進行匯總*/

proc sort data=b;

by 出院科別;

run;

proc surveyselect data=b method=srs n=3 out=samplesrs;

strata 出院科別;

run; /*各科內部隨機選擇3份病案*/

proc print data=samplesrs(obs=10);

var 病案號 出院科別 出院日期 ;

run; /*打印出所獲得病案的所需信息*/

因上級部門專項抽查疑難危重病例，所以我們需在疑難危重病例中隨機抽樣，可通過if條件語句，選擇病例分型符合要求的患者。因各個科室疑難危重病例診治情況以及比例不同，采用簡單隨機可能使個別收治比例較低科室隨機抽樣的樣本數過少甚至沒有隨機抽樣到，為保證上級部門對各科的疑難危重診治情況皆有所掌握，所以擬選病案的分層依據是“出院科別”，并簡略進行匯總。見表4。

表4 數據集a各科室疑難危重病案頻數分布情況

因proc surveyselect要求輸入數據集為按分層變量排序后的數據集，所以先用proc sort將數據按照“出院科別”進行排序，默認為升序。然后在每個層“出院科別”里，采用簡單隨機在每個科室隨機抽取3人。見表5。

表5 對數據集a按出院科別分層隨機抽樣的有關設置

隨后運用proc print 過程查看前10位結果。見表6。

表6 對數據集a按出院科別分層隨機抽樣的結果(前10例)

4.2.2 多個分層因素

當需要顧及多個對調查結果有影響的因素時可采用多個因素分層，但不建議層數太多，造成個別層內病例數太少。個體基于這些因素將被組合出若干類型，各類型內抽取的個體數目要求同4.2.1，此處選擇樣本內各類型占比與總體中一致。

擬進行2019年4月終末質控，為如實反映病案的質量問題，需要按照是否死亡、是否搶救病人、是否手術來進行分層抽樣，各種類型均抽取10%的病案，程序如下：

data b;

set a;

proc sort data=b;

by 是否手術 是否搶救病人 是否死亡;

run; /*指明需要顧及的分層因素并進行排序*/

proc tabulate data=b;

class 是否手術 是否搶救病人 是否死亡;

tables 是否手術*是否搶救病人*是否死亡;

run; /*各層患者的匯總列表*/

proc surveyselect data =b method = srs samprate=0.1 out = samplesrs;

strata 是否手術 是否搶救病人 是否死亡;

run; /*各類型患者內均隨機抽取10%的比例*/

proc tabulate data=samplesrs;

class 是否手術 是否搶救病人 是否死亡;

tables 是否手術*是否搶救病人*是否死亡;

run; / *對抽樣獲得病例的列表形式*/

proc print data=samplesrs(obs=10);

var 病案號 出院科別 出院日期 ;

run; /*打印出所獲得病案的所需信息*/

在進行病案的質量檢查工作中，患者是否手術、是否經過搶救、結局是否死亡等不同情況的病案，其書寫的難易程度以及書寫的內容均有所不同，若采用簡單隨機，可導致一些占比較低卻非常重要的病案如“死亡病案”隨機抽樣得到的例數過低。為保證各種情況的病案均有一定的比例被抽取到,檢查的結果更具有代表性，將數據按照 “是否手術”“是否搶救病人”“是否死亡”進行分層，每一層的抽樣比例相等，均為10%。見表7。

表7 對數據集a兼顧3因素實施分層隨機抽樣的有關設置

通過proc tabulate列表查看各層的抽樣情況，通過proc print顯示前10位的抽樣結果。見表8。

表8 對數據集a兼顧3因素實施分層隨機抽樣的結果(前10例)

5 推廣應用中需注意的問題

在病案的日常管理中，不少所謂的隨機抽查實際上是主觀意志決定選擇的樣本，為了節省時間，抽查者傾向于選擇內容簡略或取閱方便的病案，這樣抽取的數據對總體不具有代表性，調查或者質檢的結果難以

如實反映整體的情況。當涉及質控評分或者獎罰問題時，這種主觀意志決定的隨意抽查往往造成選擇性偏倚，會導致一些醫生經常被抽到而另一些極少被抽到，抽查的隨機性和公平性會受到質疑。也有運用隨機數字表進行隨機抽樣，但只適合少量的樣本，在面對大量的病案隨機抽樣時，效率非常低下。通常為保證所抽查到的病案包含一定比例的死亡、搶救等信息，往往需要將數據單獨導出，反復權衡，兼顧數量和公平性等，導致病案抽取的進度緩慢，效率低下。

Excel亦可實現病案的隨機抽樣，利用函數rand()、randbetween()結合其他函數index()、if()、large()、small()等實現簡單隨機或系統隨機，分層隨機需結合高級篩選功能[6]，或結合Excel VBA編程完成[7]。也可通過加載“分析工具庫”，在“數據分析”中的“分析工具”選擇抽樣，由于內置的抽樣功能只能實現間隔和隨機2種抽樣方法，且在隨機抽樣中僅能實現有放回抽樣，因此使用起來不夠靈活[6]。綜上所述，雖然Excel相對其他軟件更容易獲得，適合不熟悉SAS軟件人員使用，但遠遠不如統計分析軟件SAS高效快捷。SAS中的surveyselect過程可以實現多種抽樣，足以滿足病案隨機抽樣的要求。在病案的日常應用中，只需更改所需的參數，即可滿足多種抽樣要求，能快速獲得準確反應整體情況的病案樣本，簡化病案抽查過程，提高病案質控和管理的效率和質量。

新的信息環境對病案管理提出了新的要求，如何將現代化技術與病案信息相結合，同時確保病案信息的完整與安全，更好地提煉加工病案的醫療信息，進行質量控制以及反饋指導臨床工作是當今病案管理工作的要點[8]。以數據為導向進行管理將更加科學和精準，將合理采集與預處理資料的思路、方法以及軟件納入到病案管理中，可進一步提高病案管理的工作水平。