本发明涉及统计分析报表快速生成，更具体地，涉及一种统计分析报表快速生成方法。
背景技术：
：：1、药物临床试验中，临床统计程序员需要设计一系列的tfl (table，figure，listing，统计分析报表)来证明研发的新药既有效又安全。tfl的数据来源于adam数据集，通常情况下，随着申办方以及试验药物不同，adam的数据结构也会有较大的差异，而且adam数据不一定全部符合cdisc（clinical data interchange standards consortium，临床数据交换标准协会）标准，因此临床统计程序员需要根据数据不同来调试自己的sas代码。同时申办方会给cro公司提供一个预定义文件（shell文件，或mockup文件，后文统称shell文件），该文件定义了临床统计程序员需要完成的tfl以及对应的格式和内容。临床统计程序员需要熟悉这些内容并通过sas编程来完成这些tfl。2、tfl是证明一款药物是否有效且安全的最重要的证据之一，生成tfl的工作一般需要临床统计程序员有足够的开发经验。tfl包含三种类型：table、figure 、listing。3、table通常包含基本的分布信息，如频率、最大值、最小值、均值和中位数等等，同时需要考虑这些分布信息在一个或者多个关键因素，如治疗组别等影响下的区别，以确定在做分析时是否有任何不平衡的患者人群。table还可以包含置信区间，以及用于测试两组数据之间的差异是否有显著的p值，即统计学意义。4、figure可以更加方便的理解信息，比如可以更好的理解试验效果随时间变化的实验值，利用瀑布图可以直观的比较治疗后肿瘤的变化大小，用频数直方图来展示ae数据集中soc的频率等等。5、listing一般会列举一些关键信息，属于tfl中很小的一部分，主要是需要临床统计程序员做好分页即可。6、为了保证tfl的正确性，cro公司会使用两个临床统计程序员分开来编码一个相同的tfl，当生成的tfl完全相同时，则可以确认此tfl是正确的。这种冗余编程的方式虽然能够保证tfl的准确性，但是极大的造成了人力成本的浪费。7、当前大部分cro公司生成tfl均是使用两名经验丰富的临床统计程序员利用sas编程实现。国外有一公司利用ai技术开发了一款simplestats应用，该应用被用来自动生成tfl，其生成tfl的方式是：用户提供adam数据以及shell文件，然后系统会自动生成一系列的tfl以及对应的sas代码。该应用存在以下三个明显问题： 1. 要求用户提供的adam数据符合cdisc标准；2. 生成tfl的过程对于用户来说属于黑盒操作，用户无法感知中间的计算过程，从而无法做到当tfl生成不准确时，快速的修改有错误的地方，增加了用户调试程序的成本。3. tfl可复用性差，针对不同的项目，该应用无法利用之前已经生成并修改正确的代码，用户必须根据新的数据再次生成代码，并原样修改。技术实现思路1、本发明提供一种统计分析报表快速生成方法，快速准确的生成tfl。2、为解决上述技术问题，本发明的技术方案如下：3、一种统计分析报表快速生成方法，包括以下步骤：4、s1：获取adam数据集以及预定义文件；5、s2：根据所述adam数据集的数据特点以及预定义文件的要求，分别搭建上表头树状图以及左侧表头树状图；6、s3：解析所述上表头树状图以及左侧表头树状图，生成sas代码；7、s4：根据所述sas代码生成统计分析报表。8、优选地，步骤s2中搭建上表头树状图以及左侧表头树状图，具体为：9、树状图中由n个有限节点组成一个具有层次关系的集合，每个节点有零个或者多个子节点，每个子节点可以分为多个不相交的子树，每一个节点代表一个变量，而且每个节点具有自己的属性表，根据预定义文件，为每个节点设置对应的属性，同时在树状图中还设置有数据集节点，表示该统计分析报表关联的数据集。10、优选地，步骤s3中解析所述上表头树状图以及左侧表头树状图，生成sas代码，具体为：11、s3.1：根据对树状图结构进行分析，找出该统计分析报表关联的数据集，并对该数据集进行预处理；12、s3.2：基于多叉树的前序遍历算法，得到左侧表头树状图的全部路径，所述左侧表头树状图的全部路径包含所述上表头树状图中的节点；13、s3.3：根据每条路径中各节点属性表中设置的节点属性，转化为对应的sas代码。14、优选地，步骤s3.1中对该数据集进行预处理，具体为：15、对数据集进行过滤：设置过滤条件在数据集节点的属性表中，当检测到数据集节点的属性表中的过滤条件时，将该过滤条件转化为对应的sas代码，并置于对应的data步中；16、根据树状图结构以及对应的属性表，分析得到该统计分析报表中涉及到的所有变量，并把这些变量在sas的data步中保存下来。17、优选地，步骤s4中根据所述sas代码生成统计分析报表，具体为：18、s4.1：根据sas代码得到每条路径的数据结果；19、s4.2：将所有路径输出的数据进行合并；20、s4.3：在路径末端节点的属性表中设置统计量属性，根据设置的统计量属性计算具体的统计量；21、s4.4：输出目标统计分析报表的sas数据集，并根据节点在路径中的位置确定对应取值在表格中的缩进。22、优选地，还包括步骤s5：23、收集大量统计分析报表进行分析聚类，将相似类型的统计分析报表聚类在一起；24、根据聚类在一起的统计分析报表涉及到的变量，以及这些变量可能的命名，归纳构建规则簇，并将树状图中的属性设置为规则簇中设置的占位符；25、运行步骤s2至s4时，当检测到节点属性表中存在占位符时，通过占位符关联的规则簇，自动从adam数据集中分析出对应的变量并替换该占位符，当全部节点替换完成之后，得到自适应adam数据的统计分析报表。26、优选地，所述规则簇支持name_regex、label_regex和label_inv_regex，其中，name_regex表示该条规则是针对数据集变量的name做匹配，label_regex表示该条规则是针对数据集变量的label做匹配，label_inv_regex表示该条规则是针对数据集中不符合规则的变量的label做匹配。27、优选地，当占位符关联的规则簇无法在adam数据集找到对应的变量时，有以下三种处理方式：28、1）该变量必须出现在该统计分析报表中，且该统计分析报表是需要完成的，此时，令节点属性表中的占位符不做任何更改，当检测到有占位符未被替换时，在对应的节点上给出错误提示，根据实际情况人工替换掉对应的节点；29、2）当该变量不存在时，且该统计分析报表不需要生成，当发现有该类型的节点时，则会自动停止该统计分析报表的构建，并跳到下一个统计分析报表的自动构建中；30、3）当有些变量不存在时，且该统计分析报表只是不需要当前分支，而其他分支则需要保留，此时需要去掉其所在的分支。31、优选地，所述去掉其所在的分支，具体为：32、确定节点所在的路径p，并找出该路径上位于该节点之前的不包含数据集节点的节点；33、反转该路径，遍历该反转路径，找到第一个节点使其父节点包含有多个子节点，并将找到的节点从树状图结构中删除。34、优选地，还包括步骤s6：当树状图的结构需要根据变量的取值进行调整时，具体调整方式为：35、定义插入节点，所述插入节点用来标记需要动态构建树状图，所述插入节点存在对应的属性表，属性表里记录变量寻找过程中需要用到的先验信息，包括占位符以及对应的规则簇；36、在自动构建统计分析报表时，当检测到插入节点后，取出其占位符以及对应的规则簇，利用步骤s5寻找adam数据集中对应的变量，当该变量不存在时，在树状图中直接删除该插入节点；当找到对应的变量时，加载adam数据集中该变量的全部取值并去重后，根据所述全部取值构建一颗子树，子树的每个节点由该变量的取值衍生而来；37、将构建的子树插入到插入节点所在的位置。38、与现有技术相比，本发明技术方案的有益效果是：39、根据不同的adam以及shell文件，本发明可以快速高效的生成tfl。首先本发明通过把tfl生成过程抽象成树状图的构建，可以让临床统计程序员非常方便直观的感知tfl的生成过程，同时当自动生成算法生成的tfl与实际情况有偏差时，程序员通过看图可以快速定位到错误的位置，降低了程序员调试程序的时间，提高了工作效率。同时通过简单的树状图构建就可以生成tfl，这极大的降低了对临床统计程序员编程经验的要求，而且也减少了因为冗余编程带来的人力成本开销。其次本发明通过构建通用化的tfl模板，提高了tfl在不同项目间被复用的能力，加快了项目的开发进度。最后本发明通过设计的自动裁剪算法以及自动加枝算法，可以做到对不同的adam以及shell文件的自适应，减少了统计程序员熟悉数据的时间，加快了开发效率。因此本发明在tfl的生成场景中具有非常良好的应用前景与商业价值。当前第1页12当前第1页12