Registre i medicinsk forskning. Frank Mehnert SAS Forum København 3. oktober 2012

Transkript

1 Registre i medicinsk forskning Frank Mehnert SAS Forum København 3. oktober 2012

2 Om mig Siden 2007 biostatistiker i Klinisk Epidemiologisk Afdeling, Aarhus Universitetshospital. læst matematik i Tyskland og har arbejdet som biostatistiker i en CRO virksomhed i Tyskland. SAS bruger i 15 år

3 Klinisk Epidemiologisk Afdeling forskningsafdeling under Aarhus Universitetshospital ca. 80 ansatte deraf ca. 20 biostatistikere, som bruger SAS-foundation som det primære værktøj ca. 60 databaser danner grundlag til vores forskning

4 Databaser, f.eks. Landspatientregisteret (LPR) Hver gang en person har været i kontakt med det danske sygehusvæsen - for eksempel i forbindelse med undersøgelse eller behandling, registreres en række oplysninger i Landspatientregisteret. Oplysningerne registreres i forbindelse med: Indlæggelser, Ambulante besøg, Besøg på skadestue. (

5 Fødselsregisteret Fødselsregisteret indeholder fødselsoplysninger om mor og barn for alle levende fødsler og dødfødsler i Danmark siden Grænsen mellem abort og dødfødsel er i dag uge 22. Se mere under

6 Cancerregisteret I Cancerregisteret registreres alle nydiagnosticerede tilfælde af cancer i Danmark. Registeret indeholder kræfttilfælde og andre anmeldelsespligtige sygdomme i Danmark siden Indberetning skete på frivillig basis frem til marts 1987, hvorefter det blev obligatorisk.

7 Laboratorieinformationssystemer (LABKA) Alle analyse-resultater (lab målinger) foretaget på sygehuse i Region Midt og Nord

8 Kliniske Kvalitetsdatabaser En klinisk kvalitetsdatabase er et register, der indeholder udvalgte kvantificerbare indikatorer, som med udgangspunkt i det enkelte patientforløb kan belyse dele af eller den samlede kvalitet af sundhedsvæsnets indsats og resultater for en afgrænset patientgruppe. Ca. 80 databaser, bl.a. Dansk Transfusionsdatabase Dansk Intensiv Database Dansk Knæalloplastikregister Dansk Hoftalloplastikregister Screeningsdatabaser

9 Andre Lægemiddeldatabasen CPR-registeret

10 CPR nummer Unikke CPR nummer giver muglighed for at sammensætte disse databaser

11 Data, Data. Lab Data GP Screening Investigations Hospital Data Purpose Built Social Services Pharmacy Other

12 CPR Lab Data Purpose Built Other Pharmacy GP Hospital Investigations Social Services Screening

13

14 SAS Er vores arbejdsværktøj Vi programmer i SAS Enhanced Editor

15

16 SAS eksempler Data step / merge data dkr2(keep=cpr hospcode UnitName UnitCode opdato alder sex aar OOPTID OANASTES type diacl); merge dkr1 bi_dkr(drop=antal_dkr in=b); by cpr; if b; if OANASTES=99 then OANASTES=4; if grundlidelse1 ne "" then diacl=1; else if grundlidelse2 ne "" then diacl=2; else if grundlidelse3 ne "" then diacl=2; else if grundlidelse4 ne "" then diacl=2; else if grundlidelse5 ne "" then diacl=2; else if grundlidelse6 ne "" then diacl=3; else if grundlidelse7 ne "" then diacl=3; else diacl=4; run;

17 SQL join proc sql; create table outcome as select l.cpr, p.opdato, min(l.d_inddto) as outcome_dato1 from basis as p inner join lpr as l on (p.cpr=l.cpr) where (0>=p.opdato-l.d_inddto>=-90) group by 1,2; quit;

18 proc tabulate Operationstype Total N % n % n % N % Cementeret Hybrid A+B Ucementeret I alt proc tabulate data=tabel missing; where opgrp='primær'; class otype aargrp; table otype='' All='I alt',aargrp=''*( n='n'*f=6.0 colpctn='%'*f=5.1) All='Total'*f=5.0 pctn='%'*f=5.1 /misstext='0' box={label='operationstype'; run; I alt n % n % n % n % n % Artrit Artrose Fraktur Cuffartropati Caputnekrose Anden diagnose Uoplyst I alt proc tabulate data=dsr; class aargrp; var diag1 diag2 diag3 diag4 diag5 diag8 diag9 allediag id; table (diag1='artrit' diag2='artrose' diag3='fraktur' diag4='cuffartropati' diag5='caputnekrose' diag8='anden diagnose' diag9='uoplyst' allediag='i alt'),(aargrp='' all='i alt') * (n='n'*f=7. pctn<id>='%'*f=5.1) ; run;

19 proc report proc report data=indiprint1 nowd split="\"; where tn ne ""; column region ordervar syg_print opfyldt tn uoplyst ("Aktuelle år \%sysevalf(&aar-1)"p1 ci) ("Tidligre år"p2 p3); define region / order noprint; define ordervar / order noprint; define syg_print/ order ""; COMPUTE p1; CALL DEFINE(_COL_, "style", "style=[font_weight=bold]"); ENDCOMP; COMPUTE syg_print; if syg_print in ("Landsresultat""Region Hovedstaden""Region Sjælland""Region Syddanmark""Region Midtjylland""Region Nordjylland") then CALL DEFINE(_COL_, "style", "style=[font_weight=bold]"); ENDCOMP; compute after region / style={foreground=lightgrey background=lightgrey cellheight=0.01cm font_size=0.01cm}; line ' '; endcomp; run;

20 proc report Std. 90% opfyldt Aktuelle år 2010 Tidligre år Uoplyst Antal (%) % 95% CI Tæller/ nævner 2009 % 2008 % Landsresultat ja 989 / (0) 90 (88-92) Region 1 nej 318 / (0) 88 (84-91) Region 2 nej 113 / (0) 78 (71-85) Region 3 nej 151 / (0) 89 (83-93) Region 4 ja 281 / (0) 97 (94-98) Region 5 ja 126 / (0) 98 (93-100) Region 1 nej 318 / (0) 88 (84-91) Hospital nej 50 / 62 0 (0) 81 (69-90) Hospital ja 28 / 28 0 (0) 100 (88-100) Hospital ja 13 / 13 0 (0) 100 (75-100) Hospital nej 119 / (0) 89 (82-94) Hospital ja 38 / 38 0 (0) 100 (91-100) 0 75

21 PROC GPLOT

22 PROC GPLOT proc gplot data=aa; plot s*obstid=grund/legend=legend1 noframe haxis=axis1 vaxis=axis84 anno=akse3 vref=(.90.95) href=(5 10) LHREF=2 LVREF=2; note move=(170,56) height=5 "Hazard Ratio, justeret for køn og alder (95% CI):" move=(170,51) "Reumatoid artrit vs Primær artrose: %left(&hr2) (%left(&hr2ll)- %left(&hr2ul))" move=(170,46) "Sek. artrose vs Primær artrose: %left(&hr3) (%left(&hr3ll)- %left(&hr3ul))" draw=(160,45,160,61) draw=(565,45,565,61) draw=(160,45,565,45) draw=(160,61,565,61); run; quit;

23 Forrestplot proc gplot anno

24 proc gmap Dansk Transfusionsdatabase Blodforbrug fordelt på kommuner i 2010 (antal erytrocyportioner/1000 indbyggere). Alders- og kønsstandardiseret.

25 SAS STAT proc phreg proc lifetime proc npar1way proc logistic

26 Output ODS RTF ODS PDF PNG/ JPEG

27 Levering Output for årsrapporter Analyser til forskningsprojekter (Publikationer)

28 Spørgsmål? Tak