SAS

1
SAS en la industria farmacéutica

• Ferran Chuecos
• Almirall
• Statistical Programmer

2
SAS en la industria farmacéuticaSAS en el
análisis de datos en un desarrollo farmacéutico

• Índice
• Gestión de datos
• Desarrollo farmacéutico
• CDISC
• Manipulación de datos
• Análisis de datos
• Business Analytics and
• Business Inteligence

3
Gestión de datos
4
Qué es la gestión de datos?

• Definición de los formatos de los datos
• Diseño de las bases de datos clínicas
• Gestión e informatización de los datos de los
  ensayos clínicos y proyectos de desarrollo
  clínico para el análisis de los mismos
• Optimización de los Sistemas de Información de
  Gestión de Datos, SGID (DBMS), como son
  Clinitrial, Oracle Clinica, eDM, SAS

5
Gestión de los datos de los ensayos clínicos
6
Sistemas de Información de Gestión de Datos
(SGID / DBMS)

• Definición is a software package with computer
  programs that control the creation, maintenance,
  and the use of a database. It allows
  organizations to conveniently develop databases
  for various applications by database
  administrators (DBAs) and other specialists.
  (wikipedia)

7
Sistemas de Información de Gestión de Datos
(SGID / DBMS)

• Componentes de un DBMS
• Motor mantiene la integridad de los subsistemas
• Definición de la base de datos
• Manipulación cambios en la base datos (añadir,
  borrar, modificar)
• Generación de aplicaciones rutinas de
  programación para permitir realizar tareas sobre
  la base de datos (entrada de datos)
• Administración manejo de la seguridad de la base
  de datos
• Ejemplos Clintrial, Oracle Clinica,

8
SAS como DBMS?

• De manera directa (poco recomendable)
• Utilizando el DBMS engine for SAS
• SAS ACCESS to ORACLE
• Software específico para llevar a cabo la gestión
  de datos
• A través de SAS Enterprise Guide

Directa DBMS Enterprise Guide
Engine
Definición
Manipulación
Aplicaciones
Administración
9
SAS como DBMS!
Ejemplo de ETL studio
10
Desarrollo farmacéutico
11
Funciones del SAS en un desarrollo clínico

• Manipular y analizar los datos clínicos en los
  ensayos / desarrollos clínicos de manera
  eficiente y eficaz
• Informe final
• Análisis OnGoing
• Integración de estudios
• Creación de bases de datos de análisis cumpliendo
  estándares internacionales listas para la
  sumisión de una molécula a la par que los
  resultados.

12
Por qué SAS?

• Opinión
• Recomendado por las autoridades
• Potencia
• User-friendly

• SAS dice
• Is the de facto industry standard for clinical
  data analysis and reporting in the life sciences
  industry.
• For more than 34 years, life sciences companies
  have used SAS to derive greater insight from
  information.
• Has been a CDISC member and a leader in the
  definition and implementation of CDISC standards
  since 2000.

13
Manipulación de los datos clínicos

• Base de datos clínica
• (Raw Data)
• Conforme a su metadata
• Datos originales
• Limpia
• Integrable para la unión de estudios

pero dónde están los pacientes con sobrepeso?
14
Manipulación de los datos clínicos

• Base de datos de análisis (Derived Data, SDTM,
  ADaMs)
• Conforme a su metadata (y a la de CDISC) ?
  paneles independientes
• Datos originales y derivados (ya tenemos a los
  pacientes con sobrepeso)
• Sin errores de programación (validación)
• Integrable para el análisis conjunto de
  diferentes estudios
• Lista para enviarse a las autoridades

15
CDISC
16
SAS en el cumplimiento CDISC
CDISC (Clinical Data Interchange Standards
Consortium Clinical Data Interchange Standards
Consortium (CDISC) is a non-profit organization,
whose mission is "to develop and support global,
platform-independent data standards that enable
information system interoperability to improve
medical research and related areas of
health-care". Their main project, the described
data standard, bears the same name. The data
standards are defined as a series of Models,
which can be expressed using an underlying
electronic format. The preferred electronic
format is XML, using the Operational Data Model
(ODM) as a base XML Schema.
17
SAS en el cumplimiento CDISC

• Modelos CDISC obligatorios para una sumisión en
  USA
• SDTM Submission Data Tabulation Model
• ADaM Analysis Data Model
• Otros modelos
• ODM Operation Data Model
• LAB LAboratory Data Model

18
SAS en el cumplimiento CDISC

• Ayudas SAS para el cumplimiento CDISC
• SAS está orientado a su cumplimiento (SAS CDISC
  member since 1997)
• PROC CDISC creado especialmente para la revisión
  de la base de datos
• Metadata
• Valores y formato de las variables
• Valores y formato de las etiquetas
• Herramientas como SAS Clinical Data Integration
  incorporan métodos para el control de los
  modelos CDISC

19
Manipulación de los datos
20
SAS en la manipulación de datos

• Siempre traduciendo decisiones tomadas por el
  Estadístico y/o Clínico responsables del estudio
  o del proyecto y que deben estar reflejadas de
  manera precisa (sin llevar a dudas de
  interpretación) en el protocolo o en el Plan de
  Análisis Estadístico.
• No hablamos de Gestión de Datos sino de
  manipulación.
• El caso del sobrepeso
• Clasificación en función del IMC en obesos,
  pre- obesos, peso adecuado faltos de peso.
• No hay herramientas propias especificas.

21
SAS en la manipulación de datos

• Una de SAS
• Input / put function
• Reconversión de variables a texto (SDTM dixit) o
  a numérica
• subjidput(patno,4.)
• Data step
• Creación de nuevas variables (cambio respecto al
  basal, AUCs mediante la regla trapezoidal hasta
  scores inimaginables de cuestionarios)
• difresult-bas
• Imputación de datos missing (interpolación
  lineal)
• result.before (after - before )(timing -
  timebefore ) / (timeafter - timebefore )

22
SAS en la manipulación de datos

• Otra de SAS
• If then function
• Categorización de variables continuas (el
  sobrepeso)
• if . lt bmi lt 18.5 then bmi_grn1
• Creación de nuevas variables
• if contact'YES' and stucomp'YES' then
  stucomp2'YES'
• Imputación de datos missing (LOCF)
• if v4. then v4v3
• Selección de registros para el análisis
  (eliminación de visitas no planeadas)
• if visitnolt9

23
SAS en la manipulación de datos

• Y otra de SAS
• proc sql
• Seleccionar registros para el análisis
  (eliminación de visitas repetidas)
• proc sql
• create table new as select , min as anavisit
• from old
• quit
• Cálculo de nuevas variables (media de dos
  registros)
• proc sql
• create table new as select , mean (res) as res2
• from old
• quit

24
SAS en la manipulación de datos

• Y la última de SAS (podríamos poner muuuuuchas
  más)
• do while
• Conteo de acontecimientos mientras dura la fase
  experimental
• do while(contador. ne 0)
• Select onset
• proc sql
• create table onset as select pid, min(day) as
  dia
• retain
• Conteo de días seguidos con un acontecimiento
• retain oldpid 'LAS34273.34.0163.XX' cum 0
• if oldpid ne pid then do
• oldpidpid
• if difgt9 then cum1 else
  cum0
• end

25
Análisis de los datos
26
SAS en el análisis de datos

• Siempre traduciendo decisiones tomadas por el
  Estadístico y/o Clínico responsables del estudio
  o del proyecto y que deben estar reflejadas de
  manera precisa (sin llevar a dudas de
  interpretación) en el protocolo o en el Plan de
  Análisis Estadístico.
• Cambio del change from en baseline en el trough
  FEV1 después de 12 semanas de tratamiento con él
  fármaco A comparado a Placebo
• Hay herramientas propias especificas (JReview,
  Enterprise Guide)
• El código SAS debe ser preparado para la
  sumisión.

27
SAS en el análisis de datos

• Una de SAS
• proc means / univariate
• Análisis descriptivos de variables contínuas
  (edad, peso,)
• proc means dataenter.
• var var.
• by paramete.
• run
• proc freq
• Análisis descriptivos de variables categóricas
  (sexo, raza,)
• proc freq dataenter.2
• by paramete.
• tables var.2tr1 / missprint
• run

28
SAS en el análisis de datos

• Otra de SAS
• proc sql
• Conteo de acontecimientos adversos, sujetos
  enrolados,
• proc sql
• create table nombre as
• select count() as num3, tr1, trd1
• from demogv
• group by tr1, trd1
• quit

29
SAS en el análisis de datos

• Y otra de SAS
• proc mixed
• Modelos mixtos para medidas repetidas
• proc mixed datamrmm
• by paramet
• class tr1 pid visitno sex
• model orresorbas tr1 visitno tr1visitno age
  sex / cl ddfmsatterth
• repeated visitno / subjectpid(tr1) typeun
• lsmeans tr1visitno / diff cl pdiff
• run
• ANCOVAs (variables continuas ajustadas por
  factores)
• proc mixed dataenter
• class tr1 factor.
• model var.basal. tr1 factor. / s cl
  ddfmsatterth
• lsmeans tr1 / diff cl pdiff

30
SAS en el análisis de datos

• Y otra de SAS
• proc tphreg proc lifetest
• Análisis de supervivencia y curvas de
  Kaplan-Meyer
• proc tphreg dataenter.
• class factor. tr1
• model var. censor. bas. factor. tr1 / rl
• run quit
• proc lifetest dataenter.
• time var. censor.
• strata tr1
• run

31
SAS en el análisis de datos

• Y la última de SAS (podríamos poner muuuuuchas
  más)
• proc genmod
• Ratios de acontecimientos durante un periodo de
  tiempo (Distribución de Poisson)
• proc genmod datanumero
• class tr1 bas sex
• model enetr1 bas sex age / offsetfora
  distpoisson linklog dscale type3 wald
• lsmeans tr1 / cl diff
• run
• proc logistic
• Variables dicotómicas Odds ratio (Reducción de
  los síntomas)
• proc logistic dataenter. desc
• class trd1 (ref"Placebo") factor. /
  paramref
• model var.trd1 bas. factor. / expb

32
Presentación de los datos
33
Consideraciones a la entrega de resultados

• Una vez realizada (o no) la gestión de datos
• Después de haber manipulado los datos
• Y tras haber realizado el análisis estadístico
• El output directo no sirve en la industria
  farmacéutica ? ods, html, proc report,
• Manipulación de los outputs de SAS
• proc transpose, data steps,
• Figuras (proc gplot, proc univariate,)

• Tenemos un output de SAS

34
Business AnalyticsandBusiness Inteligence
35
SAS. De software a systems.
Statistical Analysis Software
Statistical Analysis Systems
36
Statistical Analysis Systems

• Herramientas con base SAS base
• Dirección estratégica
• Gestión del riego financiero
• Minería de datos

37
Herramientas SAS utilizadas en la industria
farmacéutica.

• SAS Enterprise BI Server
• SAS Forecast Server
• SAS Enterprise Miner
• SAS Demand-Driven Forecasting

38
Herramientas SAS utilizadas en casa.

• Herramientas casolanes
• RAET RAndomización (y ETiquetaje) de pacientes
  en un ensayo clínico
• Análisis de estabilidades determinación de la
  fecha de caducidad de un fármaco

39
RAET.

• Mantiene el ciego (si es necesario) durante el
  estudio a la vez que genera una lista que asigna
  a cada paciente a una medicación según el esquema
  del estudio
• Número de pacientes
• Tipo de estudio (paralelo, cruzado)
• Número de tratamientos
• Tamaño de bloque
• A su vez permite (mediante otro perfil) crear las
  etiquetas para el ensayo clínico
• Se basa en proc plan, y control de permisos a las
  bases de datos que se generan

40
RAET.
41
AEESTAB.

• Permite extrapolar la degradación de los
  parámetros indicados por el departamento de
  análisis hasta que cruzan los límites de
  aceptabilidad.
• Pedir a las autoridades la fecha de caducidad de
  cada producto.
• Se basa en un proc glm (ajustando por intercept,
  lote y tiempo)
• Todo definido por normativa ICH.

42
AEESTAB.
43

• ?

ferran.chuecos_at_almirall.com
44

• gràcies

45
(No Transcript)