大数据库批量单因素Cox回归分析的SAS宏程序编程频道|福州电脑网

2024年4月26日发(作者：)

中南大学学报（医学版）

194

J Cent South Univ (Med Sci)

2015, 40(2) htt p://

DOI:10.11817/.1672-7347.2015.02.013

/xbwk/fi leup/PDF/

大数据库批量单因素Cox回归分析的SAS宏程序

杨仁东

，熊杰

，彭扬琴

，彭小宁

，曾小敏

(1. 中南大学公共卫生学院流行病学与卫生统计学系，长沙 410078；2. 湖南师范大学医学院基础医学系，长沙 410013)

[摘要] 目的：利用SAS宏程序实现批量单因素Cox回归分析。方法：利用SAS9.2软件，结合实例，编写SAS宏程

序，进行批量单因素Cox回归分析，筛选输出

值，整合、导出到Excel表中。结果：给出了批量单因素Cox回归分析、

结果筛选和导出的SAS宏程序语言。结论：该SAS宏程序具有良好的应用性，可以减少统计分析工作量，为批量单因

素Cox回归分析提供了参考。

[关键词] 生存分析；Cox回归；SAS；宏程序

A SAS marco program for batch processing of univariate

Cox regression analysis for great database

YANG Rendong

, XIONG Jie

, PENG Yangqin

, PENG Xiaoning

, ZENG Xiaomin

(1. Department of Epidemiology and Health Statistics, School of Public Health, Central South University, Changsha 410078;

2. Department of Basic Medicine, Medical College of Hunan Normal University, Changsha 410013, China)

ABSTRACT

Objective:

To realize batch processing of univariate Cox regression analysis for great database by

SAS marco program.

Methods:

We wrote a SAS macro program, which can fi lter, integrate, and export P values to Excel

by SAS9.2. The program was used for screening survival correlated RNA molecules of ovarian

cancer.

Results:

A SAS marco program could fi nish the batch processing of univariate Cox regression analysis,

the selection and export of the results.

Conclusion:

The SAS macro program has potential applications in reducing the workload of

statistical analysis and providing a basis for batch processing of univariate Cox regression analysis

KEY WORDS

survival analysis; Cox regression; SAS; macro program

收稿日期

(Date of reception)

：2014-07-08

第一作者

(First author)

：杨仁东，Email: xfyx0206@

通信作者

(Corresponding author)

：曾小敏，Email: zxiaomin@

大数据库批量单因素Cox回归分析的SAS宏程序杨仁东，等

195

生存分析起源于医学与生物科学，是将事件

的结果和出现这一结果所经历的时间结合起来分

析的一类统计分析方法，也被称之为事件时间分

析

[1]

。Cox回归模型

[2]

是目前进行多因素生存分析

的主要方法。在生物医学RNA分析中，数据往往

为高维数据

[3]

，即变量个数远远大于样本数。传统

的多因素Cox回归分析高维数据，存在过度拟合以

及回归系数不稳定等问题，不适用于直接对上万

个变量进行筛选

[4-5]

。

目前，学者

[6-7]

运用批量单因素Cox回归分析、

错误发现率(FDR)分析

[8]

和惩罚Cox回归分析

[9]

，通

过拟合、评估和验证模型等步骤，从上万基因中挖

掘与疾病生存相关的基因。其中，批量单因素Cox

回归分析是第一步，数据处理量很大，对软件要求

很高。常用统计软件如SPSS无法实现该过程，也尚

无研究提供相关的SAS程序。

SAS软件中，可以通过“proc phreg”过程进

行Cox回归分析，只将一个变量名写入“model”

中时，便可进行单因素Cox回归分析

[10]

。大数据库

批量单因素Cox回归分析时，往往需要执行上万次

“proc phreg”过程。若手工操作，一个一个写入变

量名，则要操作上万次，工作量巨大。SAS宏

[11-12]

是

扩展的SAS功能，可以减少重复性任务的工作量。

借助SAS的宏程序，通过循环语句的运行，可以实

现批量的单因素Cox回归分析，解决生物医学研究

中批量变量的初步筛选问题。本研究拟自编SAS宏

程序，通过循环过程，减少统计分析的工作量，得

到各个变量单因素Cox回归模型分析的

值，并将所

有的

值整合、导出生成一个Excel文件。

SAS中。本例以Excel数据文件为例，说明宏程序

的实现，其他形式的文件，请读者自行更改程序

代码。

SAS的分析结果默认存储于临时数据集中，数

量超过10 000时，临时数据集10000超

过8个字符，不符合SAS命名规则，在结果合并时

无法找到临时数据集10000，并且常

用的“proc import”过程在导入Excel文件时每个数

据集列数的上限为255列。故而，对于变量个数超

过10 000的数据，需要将原始Excel数据文件进行拆

分，对每个Excel数据文件各进行一次分析。

为了程序的实现，本研究运用来源于美国

The Cancer Genome Atlas

[13]

的研究卵巢癌患者预

后与9 840个mRNA表达量之间关系的数据进行

实例操作。首先将9 840个mRNA表达量的数据

拆分后的40个Excel数据文件采用系列命名法，

即COXmRNA1，COXmRNA2，COXmRNA3……

COXmRNA39，COXmRNA40，每个数据文件

560行(559位患者)，249列，包括patient，time，

vstatus和246个mRNA变量。其中，patient，time，

vstatus在每个数据文件中均完全相同，patient

表示患者编号，time表示生存时间(以天计)，

vstatus表示生存结局(0表示截尾，1表示死亡)，

每个文件中的246个mRNA均采用系列命名法(如

COXmRNA2文件中246个mRNA为mRNA247，

mRNA248，mRNA249……mRNA491，mRNA492)

(表1)。本次研究共计批量处理9 840(40

246)个

mRNA。变量mRNA重命名方法，可以使用Excel操

作技巧直接在Excel表中重命名，也可以采用SAS

中的“rename”等程序。重命名之后，为了便于

后续的结果查询，列出原始变量与系列变量名的

对应表(表2)。本文中SAS宏程序基于SAS9.2版本

编写；为了表达方便，本文中所有小数均取四位

小数。

1 资料与方法

1.1 资料来源与数据处理

对于变量个数上万的大数据研究，其原始数

据往往不是以SAS形式存储，需要从外部导入到

表1 560例卵巢癌患者生存资料及部分mRNA表达量

Table 1 Survival information and mRNA expression of 560 patients with ovarian cancer

Patients

…

559

time

1 336

1 247

1 495

…

261

vstatus

…

mRNA247

6.5949

6.7384

4.9861

7.0951

6.4666

…

7.3991

mRNA248

8.6347

8.8908

8.0464

7.2364

9.6653

…

9.3680

mRNA249

5.0974

5.7032

4.6806

4.4864

6.3419

…

6.2451

…

mRNA492

3.3619

3.0983

3.6570

3.4279

3.2871

…

3.1448

time：生存时间，以天数计；vstatus：生存结局，0为截尾、1为死亡。

196

中南大学学报

(

医学版

), 2015, 40(2)

表2 mRNA原始变量名与系列变量名对应表

Table 2 Corresponding form of original and series variable

names

原始变量名

AACS

FSTL1

ELMO2

…

PDZD3

系列变量名

mRNA247

mRNA248

mRNA249

…

mRNA492

dbms=Excel out=&a;

sheet='sheet1';

getnames=yes;

run;

1.2.3 单因素Cox回归分析

data mRNA&a;

set &a;

label time='Survival Time' vital_status='0=Alive

1=Dead';

run;

ods output ParameterEstimates; /*选择输出

phreg中的结果ParameterEstimates*/

proc phreg data=mRNA&a; model time * vital_

status(0)=mRNA&b;

run; /*进行单因素Cox回归分析*/

%end;

%mend;

%mRNA;/*宏程序结束*/

PROC PRINTTO PRINT=PRINT LOG=LOG;

run;

1.2.4 导出输出结果

data reRNA;

set &k;

length Parameter $20;

run;

PROC export data=

outfile="D:"

DBMS=Excel REPLACE;

SHEET="resultRNA";/*结果导出到名为

resultRNA的Excel文件中*/

run;

1.2 SAS宏程序

1.2.1 建立数据库，导入数据

%let m=40;/*创建宏变量

，即Excel数据文件

数*/

%let n=246;/*创建宏变量

，即每个Excel数据

文件的mRNA数*/

%let k=%eval(&m*&n);

%put &k;/*创建宏变量

，即输出结果总数*/

libname COXRNA 'D:COX'; /*在已有的文件

夹COX中创建逻辑库*/

ods listing close;

ods results off;

PROC PRINTTO PRINT='D:'

LOG='D:' NEW;

run;/*防止出现窗口已满的提示，将日志和结

果导出*/

%macro mRNA;/*创建宏程序mRNA*/

%do a=1 %to &m;/*循环读取

个Excel数据文

件*/

%let x=%eval(1+(&a-1)*&n);

%put &x;/*创建宏变量

，即每个Excel中的第

一个mRNA*/

%let y=%eval(&a*&n);

%put &y;/*创建宏变量

，即每个Excel中的最

后一个mRNA*/

%do b=&x %to &y;

1.2.2 自动读取数据文件

proc import datafile= "D:lsx"

2 结果

执行以上的SAS宏程序后，得到各个变量

mRNA的

值，并将其整合、导出到Excel表中，结

果见表3。

表3 mRNA1-mRNA9 840单因素Cox模型分析

值整合表

Table 3 Summary table of

values of univariate Cox regression of mRNA1 to mRNA9 840

Parameters

mRNA1

mRNA2

mRNA3

…

mRNA9 840

…

Estimate

−

0.1125

0.1185

0.1273

…

−

0.1971

StdErr

0.0965

0.0562

0.1184

…

0.1063

ChiSq

1.3597

4.4480

1.1557

…

3.4370

ProbChiSq

0.2436

0.0349

0.2823

…

0.0638

HazardRatio

0.8936

1.1258

1.0248

…

0.8211

Label

mRNA1

mRNA2

mRNA3

…

mRNA9 840

ProbChiSq等价于Pr>ChiSq，即

值

大数据库批量单因素Cox回归分析的SAS宏程序杨仁东，等

197

3 讨论

本文中的SAS宏程序采用系列变量名实现循

环，所选用的统计方法为单因素Cox回归模型分析，

所执行的过程有：自动从40个Excel文件中导入数据，

并创建数据集到逻辑库中，进行批量单因素Cox回

归模型分析，筛选输出结果，整合输出结果，导出结

果到Excel文件工作表中。对宏程序调用更改时，要

保证调用的Excel文件处于未打开状态；已经建立好

结果输出文件“”；从1

开始存储结果，即SAS是新打开的。通过更改

和

值，可以分析

个、每个Excel文件所含变量为

的共

计

(

m×n

)个变量。对于大批量数据的其他统计方

法(如logistic回归)的分析，可通过更改本宏程序的

“proc”“model”“ods output”等过程实现。

本宏程序的优点在于能够自动读取Excel文件

中的数据，自动读取变量，实现全自动的批量单

因素Cox回归分析。局限性在于数据文件需要系列

命名，每个数据文件的数据格式要相同，参与分

析的变量需要系列命名，对于变量超过10 000个的

数据，需要多次执行本宏程序。

prognostic models:issues in developing models, evaluating

assumptions and adequacy and measuring and reducing errors[J].

Stat Med, 1996, 15(4): 361-387.

[5] Yuan M, Lin Y. Model selection and estimation in regression with

grouped variables[J]. JR Stat Soc Series B Stat Methodol, 2006,

68(1): 49-67.

[6] Bøvelstad HM, Nygard S, Størvold HL, et al. Predicting survival

from microarray data-a comparative study[J]. Bioinformatics, 2007,

23(16): 2080-2087.

[7] Xiong J, Bing Z, Su Y, et al. An integrated mRNA and microRNA

expression signature for glioblastoma multiforme prognosis:

e98419[J]. PLoS One, 2014, 9(5): e98419.

[8] Benjamini Y, Hochberg Y. Controlling the false discovery rate: a

practical and powerful approach to multiple testing[J]. J R Statist

SOC B, 1995, 57(1): 289-300.

[9] 闫丽娜. 惩罚COX模型和弹性网技术在高维数据生存分析中

的应用[D]. 太原: 山西医科大学, 2011.

YAN Lina. The application of punishment cox model and elastic

net technology in survival analysis of high-dimensional data[D].

Taiyuan: Shandong University School of Medicine, 2011.

[10] 张瑛. SAS软件实用教程[M]. 北京: 科学出版社, 2008: 113-114.

ZHANG Ying. SAS software practical guide[M]. Beijing: Science

Press, 2008: 113-114.

参考文献

[1] 孙振球. 医学统计学[M]. 3版. 北京: 人民卫生出版社. 2013:

299-318.

SUN Zhenqiu. Medical statistics[M]. 3rd ed. Beijing: People

’

Medical Publishing House, 2013: 299-318.

[2] Cox DR. Regression models and life tables[J]. JR stat soc B, 1972,

34(2): 187-220.

[3] 邓启龙. 高维部分线性COX模型的变量选择[D]. 北京: 中国科

学技术大学, 2012.

DENG Qilong. Variable selection for high-dimensional partially

linear COX models[D]. Beijing: Uinversity of Science and

Technology of China, 2012.

[4] Harrell F, Lee KL, Mark DB. Tutorial in biostatistics multivariable

[11] 胡良平. SAS实验设计与统计分析[M]. 北京: 人民卫生出版社,

2010: 327-346.

HU Liangping. SAS experimental design and statistical analysis[M].

Beijing: People

’

s Medical Publishing House, 2010: 327-346.

[12] 杨池然. SAS9.2从入门到精通[M]. 北京: 电子工业出版社,

2011: 243-271.

YANG Chiran. SAS9.2 from entry to the master[M]. Beijing:

Publishing House of Electronics Industry, 2011: 243-271.

[13] The Cancer Genome Atlas Research Network. Integrated genomic

analyses of ovarian carcinoma[J]. Nature, 2011, 474(7353): 609-

615.

(本文编辑

彭敏宁)

本文引用：杨仁东, 熊杰, 彭扬琴, 彭小宁, 曾小敏. 大数据库批

量单因素Cox回归分析的SAS宏程序[J]. 中南大学学报: 医学版,

2015, 40(2): 194-197. DOI:10.11817/.1672-7347.2015.02.013

Cite this article as:

YANG Rendong, XIONG Jie, PENG Yangqin,

PENG Xiaoning, ZENG Xiaomin. A SAS marco program for batch

processing of univariate Cox regression analysis for great database[J].

Journal of Central South University. Medical Science, 2015, 40(2): 194-197.

DOI:10.11817/.1672-7347.2015.02.013

大数据库批量单因素Cox回归分析的SAS宏程序

发布评论取消回复

最近发表

相关推荐

标签列表

大数据库批量单因素Cox回归分析的SAS宏程序

发布评论 取消回复

最近发表

相关推荐

标签列表

发布评论取消回复