3. 分析数据流设计
ADaM 数据集不是 SDTM 的简单改名或字段搬运，而是围绕“分析意图”重新组织的数据产品。SDTM 面向数据采集与监管递交，强调观测的标准化与可追溯；ADaM 面向统计分析与结果复现，强调分析单元、派生变量、分析时点与人群标记的明确性。因此，从 SDTM 到 ADaM 的核心工作，是建立一条可解释、可验证、可回溯的分析数据流：分析需求先被拆解为分析单元与派生规则，再映射到 SDTM 源变量，最终形成带追溯信息（如 SRCDOM、SRCVAR、SRCSEQ）的 ADaM 数据集。
一、映射逻辑：从“观测记录”到“分析记录”
映射逻辑的起点是分析需求，而不是 SDTM 域本身。以最常见的“不良事件发生率”为例，分析需求可拆解为：分析人群（如安全性分析集 SAFFL=Y）、分析单元（受试者-事件）、分析变量（AEDECOD、AESEV、AESER、AESTDTC）、分析时点（首次给药至末次给药后 30 天）。这些需求决定了 ADaM 中需要保留哪些记录、派生哪些变量。
映射通常分三类：直接映射、转换映射和派生映射。直接映射如 ADSL 中的 AGE 直接来自 DM.AGE；转换映射如将 SDTM 的字符型日期 AESTDTC 转换为数值型 ASTDT；派生映射如根据 AESTDTC 与 TRTSDT 计算 ASTDY（相对首次给药日）。派生映射必须写明算法、输入变量、边界条件与缺失处理，例如“若 AESTDTC 缺失或部分缺失，则 ASTDT 置空，ASTDY 置空，并在分析中按缺失处理”。
需要特别注意的是，ADaM 中的“一行”往往对应一个分析单元，而非一条 SDTM 记录。例如 ADTTE 中一行对应一个受试者-事件或删失，ADAE 中一行对应一个受试者-事件。这种粒度变化必须在映射逻辑中显式说明，否则后续统计程序容易误用。
二、分析需求拆解：把统计问题翻译成数据规则
分析需求拆解建议按“人群—单元—变量—时点—规则”五要素进行。以“主要疗效终点：第 12 周 HbA1c 相对基线变化”为例：人群为 FAS（FASFL=Y）；分析单元为受试者-访视；变量为 AVAL、BASE、CHG、PCHG；时点为第 12 周（AVISITN=12）；规则包括：基线定义为首次给药前最后一次非缺失值，若基线后多次测量取最接近计划时间点的一次，缺失值不插补但需标记 ANL01FL。
拆解结果应形成一份可执行的“分析需求—数据规则”对照表，作为 ADaM 编程与 QC 的共同依据。表中至少包含：需求编号、分析目的、人群条件、分析单元、目标变量、源域与源变量、派生算法、缺失处理、追溯字段。该表不是形式文档，而是后续数据流图与追溯设计的输入。
三、数据流图绘制：让映射关系可视化
数据流图应表达“源—处理—目标—追溯”四类信息。源侧列出实际使用的 SDTM 域与变量；处理侧列出关键派生步骤与判断条件；目标侧列出 ADaM 数据集与变量；追溯侧标注 SRCDOM、SRCVAR、SRCSEQ 等字段。下图以“ADSL + ADAE + ADTTE”为例，展示从 SDTM 到 ADaM 的分析数据流与追溯关系。
四、源数据追溯：让每个派生值都能“找到出处”
源数据追溯的目标是：给定 ADaM 中任意一条记录或任意一个派生变量，都能定位到其对应的 SDTM 源域、源变量和源记录序号。常用做法是在 ADaM 中保留 SRCDOM、SRCVAR、SRCSEQ 三个字段。例如 ADAE 中某条记录的 SRCDOM=AE、SRCVAR=AESTDTC、SRCSEQ=1023，表示该记录的 ASTDT 派生自 AE 域第 1023 条记录的 AESTDTC。
对于多源派生变量，追溯字段需要按“主源”填写，并在 Define-XML 或编程说明中补充完整算法。例如 ADTTE 的 CNSR 可能同时依赖 AE 和 LB，此时 SRCDOM 可填 AE 或 LB 中起决定作用的一个，并在注释中说明另一来源。追溯字段不是装饰，而是 QC 与监管核查的关键入口。
五、可复现性设计：从“能跑通”到“可重复”
可复现性要求同一份 SDTM 输入、同一份编程代码、同一份参数配置，在任何时间、任何合规环境中运行，都能得到完全一致的 ADaM 输出。实现要点包括：
- 版本锁定：记录 SDTM 版本、ADaM 版本、Define-XML 版本、SAS 或 R 版本、宏包版本。
- 参数外置：将人群定义、访视窗口、基线规则等写入独立参数文件或配置表，避免硬编码。
- 随机种子固定：若涉及插补或抽样，必须固定随机种子并记录。
- 运行日志与校验：每次运行输出记录数、变量数、缺失率、派生失败数，并与预期阈值比对。
- 双人独立编程：关键数据集采用独立编程 + PROC COMPARE 或等价比对，差异需逐条解释。
六、一个可执行的追溯与复现检查表示例
| 检查项 | 检查内容 | 判断标准 | 记录位置 |
|---|---|---|---|
| 映射完整性 | 每个 ADaM 变量是否有源域或派生算法 | 无未定义变量 | Define-XML / 映射表 |
| 追溯字段 | SRCDOM、SRCVAR、SRCSEQ 是否非空且可定位 | 关键数据集追溯覆盖率 100% | ADaM 数据集 |
| 人群标记 | SAFFL、FASFL 等与源数据判定一致 | 与独立编程结果一致 | ADSL 比对报告 |
| 日期派生 | ASTDT、ASTDY 与 TRTSDT 关系正确 | 无负值异常，缺失处理符合规则 | ADAE / ADLB 核查 |
| 可复现性 | 同输入同代码输出一致 | PROC COMPARE 无差异 | 运行日志与比对报告 |
分析数据流设计的最终交付物，不是一张图或一张表，而是一套“需求—映射—追溯—复现”的闭环证据链。只有当每个派生变量都能说清来源、每个分析单元都能对应到明确规则、每次运行都能被独立复现时，ADaM 数据集才真正具备支撑统计分析与监管递交的质量基础。