第 15 章 · AI 辅助编程与 SAS→Python 代码迁移

<你的代码>

> 💡 **模板 3 的价值极高**：它相当于给你配了一个
> "永远不疲倦的 QC 伙伴"。虽然不能替代正式 QC，
> 但能在你提交前抓掉大部分低级错误。

---

## 15.3 实战演练：把一段真实 SAS 迁移过去

### 输入：一段典型的 SAS 安全性汇总

```sas
/* 计算各组受试者中，发生 SAE 的比例 */
proc sort data=adsl; by usubjid; run;
proc sort data=adae; by usubjid; run;

data sae;
    merge adsl (in=a) adae (in=b);
    by usubjid;
    if a;
    if aeser = 'Y' then SAEFL = 'Y';
run;

proc sql;
    create table sae_sum as
    select  trt01p,
            count(distinct usubjid) as N_SAE
    from    sae
    where   SAEFL = 'Y'
    group by trt01p;
quit;

proc sql;
    create table denom as
    select  trt01p,
            count(distinct usubjid) as N_TOT
    from    adsl
    where   saffl = 'Y'
    group by trt01p;
quit;

data final;
    merge sae_sum denom;
    by trt01p;
    PCT = N_SAE / N_TOT * 100;
    format PCT 5.1;
run;

import numpy as np
import pandas as pd

# --- 对应 proc sort + merge adsl(in=a) adae; by usubjid; if a; ---
# 注意：SAS 的 merge 在这个场景下会"按 USUBJID 展开"，
#       a=1 但无 AE 的受试者仍会被保留（AE 变量为空）
merged = pd.merge(adsl, adae, on="USUBJID", how="left", suffixes=("", "_AE"))

# --- 对应 if aeser = 'Y' then SAEFL = 'Y'; ---
# 注意 1：pandas 里字符缺失是 NaN，不是 ''，用 == 'Y' 判断即可
# 注意 2：SAS 的 if 不给 SAEFL 赋缺失时它保持为空白；pandas 需要显式给 'N' 或 NaN
merged["SAEFL"] = np.where(merged["AESER"] == "Y", "Y", np.nan)

# --- 对应第一个 proc sql（分子）---
# ★ 关键点：SAS 用 count(distinct usubjid)，所以要去重
#   而且这里的分母应该是"安全性人群"，不是"全部 adsl"（原 SAS 用了 adsl 全集）
sae_n = (merged.query("SAEFL == 'Y'")
               .groupby("TRT01P")["USUBJID"].nunique()
               .rename("N_SAE"))

# --- 对应第二个 proc sql（分母）---
denom = (adsl.query("SAFFL == 'Y'")
             .groupby("TRT01P")["USUBJID"].nunique()
             .rename("N_TOT"))

# --- 对应 data final ---
final = (pd.concat([sae_n, denom], axis=1)
           .fillna({"N_SAE": 0})
           .reset_index())
final["PCT"] = (final["N_SAE"] / final["N_TOT"] * 100).round(1)

print(final.to_string(index=False))

"""用 LLM 从统计需求生成程序头注释与骨架代码"""

PROMPT = """你是临床统计程序员。请为下面的 TLF 生成一段 SAS/Python 程序头注释。

输出要求：只输出注释块，包含字段：
项目/研究、程序名、程序用途、输入数据集、输出、创建人、创建日期、修订历史。

TLF 信息：
{tlf_info}
"""

def gen_program_header(client, tlf_info: str) -> str:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": PROMPT.format(tlf_info=tlf_info)}],
        temperature=0.2,
    )
    return resp.choices[0].message.content

FAKE_DATA_PROMPT = """生成一段 Python 代码，造一个模拟的 SDTM AE 数据集用于开发测试。

要求：
- 200 个受试者，USUBJID 格式为 '01-{site:03d}-{subj:04d}'
- 每个受试者 0~8 条 AE
- 含变量：USUBJID, AESEQ, AETERM, AEDECOD, AEBODSYS, AESEV, AESER, AESTDTC, AEENDTC
- AESEV 只能是 MILD/MODERATE/SEVERE，分布约为 65%/30%/5%
- AESTDTC 在 2018-01-01 到 2020-12-31 之间
- 用 numpy 的 default_rng(seed) 保证可复现
- 输出纯代码，不要解释
"""