面向临床统计编程的 Python / R / 开源工具链。 收录标准：真实存在、在维护、对临床数据工作有直接价值。 星标数为 2026-09 的实测值（会随时间变化，仅供判断热度参考）。
图例：🟢 强烈推荐 ｜ 🔵 值得收藏 ｜ ⚪ 参考
⚠️ 部分企业内网无法直连
github.com。 如果拉取失败，优先检查是否需要配置代理；本项目的scripts/download_data.py内置了多通道回退，可作参考。
1. 数据读取与写入（Python ↔ SAS）
| 仓库 | 星标 | 说明 |
|---|---|---|
| 🟢 Roche/pyreadstat | 428 | 本项目用来读 XPT 的库。读写 SAS/SPSS/Stata 文件，保留变量标签与值标签。Python 生态里事实标准 |
| 🔵 sanders41/sas7bdat-converter | 22 | 把 .sas7bdat 转成 CSV/Parquet 的命令行工具，适合批量转换场景 |
| 🔵 dylanmeysmans/duckdb-read-stat | 35 | 在 DuckDB 里直接查 SAS/Stata/SPSS 文件。数据大到内存装不下时的正确解法 |
| ⚪ asnr/sas-to-python | 25 | SAS DATA 步语法 → pandas 的翻译规则。做迁移时拿来对照 |
| ⚪ swhume/odmlib | 29 | Python 处理 CDISC ODM / Define-XML。写 define.xml 时有用 |
| ⚪ swhume/odmlib_examples | 14 | odmlib 的示例程序集 |
2. CDISC 官方（cdisc-org）
| 仓库 | 星标 | 说明 |
|---|---|---|
| 🟢 cdisc-org/sdtm-adam-pilot-project | 81 | 本项目的全部数据来源。CDISCPILOT01（2007 年阿尔茨海默症试验）的 SDTM + ADaM + 原始 TFL 输出，是唯一被 FDA 审阅过的公开完整数据集 |
| 🟢 cdisc-org/cdisc-rules-engine | 114 | CORE（CDISC Open Rules Engine）。官方开源的一致性校验引擎，用 Python（pandas/dask）实现。可以直接对 SDTM/ADaM 跑官方规则集 |
| 🟢 cdisc-org/analysis-results-standard | 72 | ARS。新一代"分析结果元数据"标准 —— 用机器可读的方式描述 TFL 的呈现逻辑。做自动化报表必看 |
| 🔵 cdisc-org/DataExchange-DatasetJson | 41 | Dataset-JSON。CDISC 推出的 XPT 替代交换格式，JSON 友好、能保留元数据。未来几年会逐步替代 XPT |
| 🔵 cdisc-org/COSMoS | 33 | Clinical Open Source Management & Operations —— 药企如何合规地引入开源软件的实践指南 |
| 🔵 cdisc-org/usdm | 22 | USDM：机器可读的协议（Protocol）标准，让"协议 → 数据 → 报表"可追溯 |
| ⚪ cdisc-org/DDF-RA | 53 | Digital Data Flow / Real-world应用方向 |
| ⚪ cdisc-org/CDISC-library-client | 9 | 官方 Python 客户端，程序化访问 CDISC Library（标准原文、CT 术语） |
| ⚪ cdisc-org/cosa | 18 | CDISC Open Source Alliance 相关 |
3. PHUSE 项目仓库（phuse-org）
PHUSE 是临床统计编程领域最有影响力的开源协作社区。
| 仓库 | 星标 | 说明 |
|---|---|---|
| 🟢 phuse-org/phuse-scripts | 129 | PHUSE 官方脚本库。按 CDISC 标准交付的行业标准分析脚本，覆盖 SDTM/ADaM/SEND。看别人的生产代码怎么写，这是最好的样本 |
| 🟢 phuse-org/OSTCDA | 39 | Open Source Technology in Clinical Data Analysis。最有价值的资源之一：SAS/R/Python 的方法学对照，同一张表用三种语言实现并比对结果 |
| 🔵 phuse-org/valtools | 56 | 临床研究中 R 包的验证框架。想理解"开源工具在 GxP 环境怎么验证"，看这个 |
| 🔵 phuse-org/TestDataFactory | 31 | TDF。生成符合 CDISC 标准的测试数据 —— 开发阶段不用真实患者数据的解法 |
| ⚪ phuse-org/rdf.cdisc.org | 36 | 语义技术工作组：把 CDISC 标准转成 RDF/知识图谱 |
| ⚪ phuse-org/git-in-statistical-programming | 14 | Git 在统计编程中的使用规范。git pull 遇到冲突怎么办、分支怎么管，这里有行业共识 |
| ⚪ phuse-org/aesummaries | 10 | AE 汇总表的开源实现（森林图方向） |
| ⚪ phuse-org/sendigR | 14 | SEND 数据集的跨研究分析（R） |
4. Atorus Research（开源 pharmaverse 的重要推手）
| 仓库 | 星标 | 说明 |
|---|---|---|
| 🟢 atorus-research/CDISC_pilot_replication | 53 | 用现代 R + pharmaverse 复刻 CDISC 试点项目的全部 TFL 输出。 想验证自己的实现对不对，这是最好的参照物 |
| 🟢 atorus-research/xportr | 54 | 把数据框导出成符合 CDISC 合规要求的 XPT（长度、标签、格式都按规范处理）。★ 这些细节手写极易踩坑 |
| 🔵 atorus-research/Tplyr | 109 | 分层汇总表框架（如 AE 表、人口学表），代替 PROC TABULATE 的思路 |
| 🔵 atorus-research/metacore | 50 | 基于元数据（define.xml / spec）自动给数据集加标签与格式 |
| 🔵 atorus-research/atorus-sas-macros | 32 | 开源 SAS 宏集。如果你还在写 SAS，这是现成的轮子 |
| ⚪ atorus-research/datasetjson | 26 | Dataset-JSON 的读写实现（R） |
| ⚪ atorus-research/pharmaRTF | 34 | 生成符合药企排版要求的 RTF 输出 |
5. pharmaverse（R 生态，但思路值得学）
| 仓库 | 星标 | 说明 |
|---|---|---|
| 🟢 pharmaverse/sdtm.oak | 77 | EDC 与标准无关的 SDTM 转换引擎：从 spec（Excel/metadata）驱动生成 SDTM，而不是逐个手写映射代码。这是 SDTM 生产的趋势方向 |
💡 为什么 R 生态值得 SAS 程序员看？ pharmaverse（R）在"元数据驱动 + 自动化"这条路上走得比 Python 生态更前面， 有很多设计思想（spec 驱动、
xportr的合规检查、metacore的标签注入） 完全可以移植到 Python。学的是思路，不是语言。
6. 数据映射与 AI 辅助
| 仓库 | 星标 | 说明 |
|---|---|---|
| 🔵 stomioka/sdtm_mapper | 58 | AI 辅助 SDTM 映射（R 做 ML，Python/TensorFlow 做 DL） |
| ⚪ stomioka/ucum | 5 | UCUM 单位换算与校验 —— 单位转换是 SDTM 里最容易出错的一环 |
| ⚪ scassells/cdisclibrarytools | 11 | 访问 CDISC Library 的 Python 工具 |
7. 通用 Python 数据栈（必装的几个）
这些不是临床专用，但你的工作 90% 靠它们。
| 包 | 文档 | 用途 |
|---|---|---|
| pandas | pandas.pydata.org/docs | DataFrame —— 取代 DATA 步 + PROC SQL |
| numpy | numpy.org/doc/stable | 向量化运算的底座 |
| pyreadstat | pyreadstat.readthedocs.io | 读写 XPT / sas7bdat / SPSS |
| openpyxl | openpyxl.readthedocs.io | 读写 xlsx（含单元格格式） |
| scipy | scipy.org | 统计检验（t 检验、Fisher、卡方、Wilcoxon） |
| statsmodels | statsmodels.org | 回归、Logistic、Mixed Model（对应 PROC REG/LOGISTIC/MIXED） |
| matplotlib | matplotlib.org | 绘图（对应 PROC SGPLOT） |
| Jupyter | jupyter.org | 交互式探索 —— 替代 SAS Studio 的探索体验 |
| pyarrow | arrow.apache.org/docs/python | Parquet 读写，大文件提速 10 倍以上 |
8. 怎么用这些仓库（给临床程序员的实操建议）
如果你是纯 SAS 背景，第一次看开源项目，建议按这个顺序：
- 先跑通数据 —— 克隆
sdtm-adam-pilot-project，用本项目scripts/download_data.py把 XPT 拉下来，用case01体检一遍。 目的：建立"这些数据我真的能读到"的信心。 - 再对照结果 —— 打开
CDISC_pilot_replication或phuse-org/phuse-scripts，找一张你已经做过的表（比如 TEAE 汇总）， 看别人怎么实现。 目的：建立"我的口径对不对"的判断标准。 - 再看工程化 —— 读
phuse-org/git-in-statistical-programming， 理解版本管理在受监管环境里怎么落地。 目的：从"写代码"进阶到"交付可审计的程序"。 - 最后看元数据驱动 —— 看
sdtm.oak和analysis-results-standard。 目的：理解行业的下一个十年往哪走 —— 从"手写程序"到"元数据驱动生成"。
⚠️ 合规提醒：以上开源软件在 GxP 环境使用前，通常需要走 内部验证流程（见
cdisc-org/COSMoS）。 开源 ≠ 可以直接用于提交。"能跑通"和"能用于注册申报"是两件事。