临床统计编程这个行业的知识,绝大部分不在教科书里,而在会议论文里。 这一份告诉你:该去哪找、怎么搜、什么值得读。
1. 该关注哪些会议
| 会议 | 官网 | 特点 |
|---|---|---|
| 🟢 PharmaSUG(US) | pharmasug.org | 最实操。论文密度高、篇幅短、直接给代码。SAS 用户组起家,近年 Python/R/AI 专题大幅增加 |
| 🟢 PharmaSUG Japan | pharmasug.org/conferences/japan2026 | 亚洲场次,议题更贴近亚太区实践 |
| 🟢 PHUSE(EU / US / China) | phuse.global/events | 更偏项目制与标准讨论,白皮书质量高 |
| 🔵 SAS Global Forum | 见 SAS 官网 | SAS 官方最大会议,近年也在谈开源集成 |
| 🔵 CDISC Interchange | 见 cdisc.org | CDISC 标准的落地实践,偏标准而非代码 |
| 🔵 R/Pharma | rinpharma.com | R 生态的年度会议。Python 方向的进展也常在这里讨论 |
| 🔵 PHUSE China | phuse.global/events | 中文区场次,值得国内同行关注 |
💡 2027 年 PharmaSUG US 已定:2027-06-06 ~ 06-09,Anaheim, CA。 见 pharmasug.org/conferences/pharmasug-2027-us
2. 去哪找论文全文
| 渠道 | 说明 |
|---|---|
| 🟢 会议官网的 Proceedings 页 | PharmaSUG / PHUSE 每年会后会放出 PDF。从 pharmasug.org 进当年会议页面找 "Proceedings" |
| 🟢 PHUSE 资源库 | phuse.global/resources 与 advance.phuse.global |
| 🟢 Lex Jansen 论文归档 | https://www.lexjansen.com/ —— 收录了几十年间 SAS/PharmaSUG/PhUSE 等会议的绝大部分论文,是这个行业最重要的免费论文库。★ 部分企业网络可能访问受限,若打不开可换用会议官网 |
| 🔵 SAS Communities | https://communities.sas.com/ —— 提问质量很高,很多疑难问题在这里有答案 |
| 🔵 Google 检索技巧 | 见下一节 |
3. 怎么搜论文(比"有哪些论文"更重要)
会议论文的价值在于具体问题,所以最好的检索方式是 用"你的具体问题 + 会议名"去搜。
高效检索模板
文本
"<技术名>" "<业务场景>" pharmasug
"<变量名>" "<标准名>" adam
"<问题描述>" site:lexjansen.com
实战例子(把问题直接翻译成搜索词):
| 你的问题 | 搜索词 |
|---|---|
| 怎么用 Python 读 XPT? | read xpt python pandas pharmasug |
| AE 表的分母怎么定? | adverse events table denominator subject level pharmasug |
| 怎么自动生成 define.xml? | automate define.xml metadata driven pharmasug |
| 移位表(shift table)怎么做? | lab shift table SAS python implementation pharmasug |
| SAS 程序怎么转 Python? | migrating SAS to python clinical statistical programming pharmasug |
| AI 辅助编程在临床编程里的应用? | large language model clinical statistical programming pharmasug AI |
| 开源工具怎么验证? | validation open source R python GxP phuse |
按论文编号查(如果你拿到了编号)
PharmaSUG 的论文编号有前缀规律,知道前缀就知道大致主题:
| 前缀 | 主题方向 |
|---|---|
ET- |
Emerging Technologies / 新兴技术(Python、R、开源、自动化多在这一类) |
AI- |
Artificial Intelligence / 机器学习与 Agent |
AD- |
Analysis & Display / 分析与报表 |
DS- |
Data Standards / 标准与数据管理 |
QT- |
Quality & Testing / 质量与测试 |
PO- |
Poster / 海报 |
HW- |
Hands-On Workshop / 实操工作坊(最适合跟着做) |
如果你记下了某篇论文的编号(例如
ET-223、AI-305), 直接在会议 Proceedings 页里按编号查找,或用"<编号>" pharmasug作为搜索词。
4. 必读的几类主题(按学习优先级)
优先级 1 —— 直接影响你每天的工作
| 主题 | 为什么必须读 |
|---|---|
| Subject level vs Event level 计数 | AE 表最常见的错误来源。分子到底该是"受试者数"还是"事件数",论文里有大量实例 |
| Denominator / Analysis Population | 分母错了整张表都错。SAFFL vs ITTFL vs EFFFL 的差异有专门论文讨论 |
| Shift Table 的实现 | 实验室与生命体征移位表,各家实现细节差异极大 |
| Partial / Imputed Date 规则 | 缺失日的补全规则(AE 起始日、用药起止日)会直接影响 TEAE 判定 |
PROC COMPARE 的替代方案 |
双编程验证是行业基本要求,怎么用 Python 做等价比对 |
| CDISC 一致性检查 | 官方规则集见 cdisc-rules-engine |
优先级 2 —— 决定你未来五年竞争力
| 主题 | 为什么值得投入 |
|---|---|
| Metadata driven programming(元数据驱动编程) | 从"手写每个数据集"到"由 spec 生成"。见 pharmaverse/sdtm.oak 与 analysis-results-standard |
| Dataset-JSON 与 XPT 的替代 | cdisc-org/DataExchange-DatasetJson |
| LLM / Agent 在临床编程中的应用 | 代码迁移、QC 辅助、文档生成。★ 但必须理解合规边界(本项目第 16 章) |
| RWD / RWE 相关标准 | 真实世界证据是行业增量最大的方向 |
| 自动化 QC 与 CI/CD | 把 QC 从"人工核对"变成"每次提交自动跑" |
优先级 3 —— 合规与验证(决定"能不能用")
| 主题 | 去处 |
|---|---|
| 开源软件在 GxP 环境的使用 | cdisc-org/COSMoS |
| 开源工具的验证框架 | phuse-org/valtools |
| Git 在统计编程中的规范 | phuse-org/git-in-statistical-programming |
| PHUSE 方法学对照(SAS/R/Python) | phuse-org/OSTCDA |
5. 需要长期跟踪的"信息源清单"
把这几处加进你的收藏夹,每季度扫一次:
- [ ] pharmasug.org —— 每年会后下载 Proceedings
- [ ] phuse.global/resources —— 白皮书与交付物
- [ ] advance.phuse.global —— 工作组进展
- [ ] cdisc.org/standards —— 标准版本更新(CT 每季度更新)
- [ ] phuse-org / cdisc-org / atorus-research ——
Watch这三个组织的仓库更新 - [ ] pharmaverse.org —— R 生态的"标准包清单",看它就知道行业在标准化什么
- [ ] SAS Communities(
communities.sas.com)—— 疑难问题的搜索首选
6. 怎么读一篇临床统计编程论文(方法论)
大部分论文的结构是:问题 → 为什么难 → 传统做法 → 新做法 → 代码 → 结果对比。 读的时候不要从头读到尾,按这个顺序:
- 先看结果的表长什么样(通常是第 1 张图/表) —— 这决定了"这篇论文解不解决我的问题"。
- 再看"传统做法 vs 新做法"的对比 —— 这里藏着口径差异,也就是最容易出错的地方。
- 然后看代码 —— 只抄你能读懂的部分。看不懂的逻辑,抄了也是隐患。
- 最后看作者的结论与限制 —— 论文作者通常会写"本方法不适用于……",这句最容易被忽略, 但往往决定了你能不能在自己的项目里用。
⚠️ 重要提醒:会议论文是个人/公司的经验分享, 不是监管要求。它说"可以这么做",不代表"你的项目可以这么做"。 最终依据永远是:SAP + 公司 SOP + 监管指南。
7. 中文学术与行业资料
| 来源 | 说明 |
|---|---|
| 中国临床试验数据管理学组(CDMC) | 国内的临床数据管理专业组织,有年会与资料 |
| DIA China | 药物信息协会中国分会,常有临床数据与统计专场 |
| NMPA 相关技术指导原则 | 国家药监局药审中心(CDE)发布的指导原则,是国内的合规依据 |
| 知网 / 万方 | 搜"临床统计编程""CDISC 实施""SDTM 映射"等关键词 |
💡 国内实践与国际标准在 CDISC 层面基本一致, 但在申报资料要求、数据递交格式(如 eCTD)上有本地化差异。 做国内项目时,以 CDE 的指导原则为准。