4. ADSL受试者水平分析数据集

ADSL（Subject-Level Analysis Dataset）是CDISC ADaM中唯一一个“每受试者一行”的结构化数据集，也是所有后续分析数据集（如ADAE、ADLB、ADTTE）的“主表”。它的核心价值在于：把分散在SDTM各域中的受试者属性、分组信息、关键日期、治疗暴露和人群标志，经过一次性的工程化整合，形成一份稳定、可追溯、可校验的分析基线。本节围绕ADSL的五大核心变量族——人口学（DM）、分组（TRT/ARM）、关键日期（RFSTDTC/RFENDTC等）、治疗变量（TRTSDT/TRTEDT/TRTDUR等）和人群标志（SAFFL/ITTFL/PPROTFL等）——展开工程化生成与一致性校验的讲解。

一、ADSL的定位与结构约定

ADSL的每一行代表一个受试者，唯一标识为USUBJID。它不承载纵向观测，而是承载“受试者是谁、被分到哪组、何时开始治疗、是否纳入某个人群”这类静态或半静态属性。因此，ADSL的生成本质上是“以DM为骨架，横向拼接各域汇总信息”的过程。工程上通常遵循三条约定：第一，ADSL必须覆盖所有随机化或入组的受试者，不能因缺失某域数据而丢行；第二，所有派生变量必须可追溯到SDTM源变量或明确的派生规则；第三，日期类变量统一使用ISO 8601格式（YYYY-MM-DD），部分场景可保留时间部分。

二、人口学与分组变量的工程化生成

人口学变量主要来自SDTM DM域，包括AGE、AGEU、SEX、RACE、ETHNIC等。工程化处理的关键点在于：AGE通常需要按方案定义计算为随机化时年龄或知情同意时年龄，而非直接取DM.AGE；RACE和ETHNIC需按CDISC受控术语映射，并保留原始文本变量（如RACEOTH）以便追溯。分组变量TRT01P（计划治疗）、TRT01A（实际治疗）、ARM和ACTARM则来自随机化系统和实际给药记录。一个常见的工程陷阱是：TRT01P与ARM可能因随机化编码差异而不一致，必须在ADSL中同时保留并增加一致性校验。

三、关键日期与治疗变量的派生

关键日期包括RFSTDTC（参考起始日期）、RFENDTC（参考结束日期）、RFXSTDTC（首次研究药物给药）、RFXENDTC（末次研究药物给药）等。RFSTDTC通常定义为首次研究药物给药日期，若未给药则取随机化日期。治疗变量TRTSDT、TRTEDT、TRTDUR则基于暴露域（EX）汇总：TRTSDT为首次给药日期，TRTEDT为末次给药日期，TRTDUR为两者之差加1（天）。工程实现时需注意：若EX存在多次给药记录，需按USUBJID分组取最小和最大日期；若存在剂量中断，TRTDUR仍按首末日期计算，不扣除中断天数，但可在派生变量中增加TRTDURD（实际给药天数）作为补充。

四、人群标志的派生逻辑

人群标志是ADSL中最具分析意义的变量族，常见包括SAFFL（安全性人群）、ITTFL（意向性治疗人群）、PPROTFL（符合方案人群）和COMPLFL（完成者人群）。SAFFL通常定义为“至少接受过一次研究药物”，即EX域存在给药记录；ITTFL通常定义为“随机化且至少接受一次给药”，部分方案定义为“随机化即纳入”；PPROTFL则需结合方案偏离（PD）域，排除重大偏离后确定。工程化生成时，建议为每个人群标志单独编写派生程序，并输出派生逻辑说明文档，确保可审计。

五、一致性校验的工程实现

ADSL生成后，必须进行系统化的一致性校验。校验可分为四类：第一类是日期逻辑校验，例如TRTSDT不能晚于TRTEDT，RFSTDTC不能晚于RFENDTC，且所有日期应落在合理的研究时间窗内；第二类是分组一致性校验，例如TRT01P与ARM应一致（若不一致需记录原因），TRT01A与ACTARM应一致；第三类是人群标志互斥与包含关系校验，例如SAFFL=Y的受试者必须在EX域有给药记录，ITTFL=Y的受试者应同时满足SAFFL=Y（若方案如此定义），PPROTFL=Y的受试者不应存在重大方案偏离；第四类是缺失与唯一性校验，例如USUBJID不能重复，关键变量（如TRT01A、SAFFL）不能缺失。

工程实现上，建议使用SAS或R编写独立的校验程序，输出异常清单（Exception Listing），每条异常记录包含USUBJID、变量名、异常值、校验规则编号和严重程度。校验规则应版本化管理，与ADSL派生程序同步更新。以下是一个简化的校验规则示例表：

六、常见工程陷阱与规避策略

在实际项目中，ADSL生成最常见的陷阱包括：第一，日期缺失处理不当，例如RFSTDTC缺失时未按方案规则回退到随机化日期，导致后续TRTSDT计算错误；第二，分组变量映射错误，例如TRT01P使用了随机化编号而非计划治疗名称，导致与ARM不一致；第三，人群标志重复计数，例如SAFFL和ITTFL同时为Y但未检查包含关系，导致分析人群重叠；第四，多域拼接时产生笛卡尔积，例如EX域多次给药记录未先汇总就直接连接，导致ADSL行数膨胀。规避策略是：在拼接前对每个源域按USUBJID进行汇总（取最小/最大日期、计数等），确保每个受试者只有一行汇总结果；在派生人群标志时，先明确方案定义，再编写独立程序，最后通过校验规则验证互斥与包含关系。

综上所述，ADSL的工程化生成不是简单的变量搬运，而是以受试者为主键、以方案定义为规则、以可追溯为原则的系统性数据整合过程。人口学、分组、关键日期、治疗变量和人群标志五大变量族各有其派生逻辑和校验要点，只有将派生与校验同步设计、同步实现，才能保证ADSL作为分析基线的可靠性和可审计性。