SAS către R: De ce R și unde ar trebui să meargă bugetul dvs. de migrare

Această postare face parte din seria noastră SAS to R:

Dacă mutați analiza reglementată de la SAS la R, două lucruri merită cunoscute din timp. R este o alegere pe care o puteți apăra: autoritățile de reglementare nu vă spun ce software să utilizați, iar R a trecut deja prin revizuirea FDA în trimiterile publice ale pilotului. Și limba în sine este partea ieftină. Majoritatea costurilor și riscurilor provin din alte șase locuri, iar cele mai multe dintre acestea sunt legate de planificare, nu de programare.

Prima parte a întrebat dacă SAS mai merită păstrat. Această postare acoperă de ce R și unde să-ți pui bugetul și atenția odată ce te angajezi.

De ce R este o alegere defensabilă

Autoritățile de reglementare cer dovezi, nu un furnizor

Declarația de clarificare a software-ului statistic al FDA spune că agenția nu necesită niciun software specific pentru analiza statistică. Se solicită ca software-ul să fie documentat în depunere, inclusiv versiunea și construcția, iar ICH E9, ghidul internațional privind statisticile în studiile clinice, solicită testarea documentată.

Implicația comercială este că obligația rămâne aceeași, indiferent de limba pe care o alegeți. Ceea ce se schimbă este cine face treaba. Cu SAS, multe dintre dovezi ajung odată cu licența. Cu R, organizația dvs. îl produce.

Există un precedent public pentru a arăta comitetul dumneavoastră de risc

Grupul de lucru R Submissions al Consorțiului R a luat tabele, cifre, seturi de date standard de analiză și o aplicație interactivă prin intermediul analizei FDA într-o serie de proiecte pilot publice, cu codul și lecțiile publicate. Aceasta nu este o garanție pentru fiecare depunere, dar este cel mai util lucru pe care îl puteți pune în fața unui comitet de risc.

Autocolante hexagonale și detalii pilot: R Consortium R Submissions Working Group.

Instrumentul clinic există deja

Cea mai mare parte a ceea ce face o echipă clinică SAS are un echivalent R menținut, în mare parte construit de companiile farmaceutice care lucrează împreună în pharmaverse. Nu finanțați instrumentul, ci doar mutarea.

O constatare apare în mod repetat. O mulțime de „trebuie să păstrăm SAS” se dovedește a însemna „trebuie să producem fișiere de transport SAS”, autoritățile de reglementare a formatului se așteaptă la datele transmise. Formatul respectiv este o specificație publicată, nu o licență, iar R îl scrie.

Pentru echipa ta: admiral şi sdtm.oak construiți seturi de date ADaM și SDTM, mmrm reproduce modele mixte SAS și xportr şi haven scrieți și citiți fișierele de transport v5.

Ce zici de Python?

Pentru analiza statistică și raportarea reglementată, R este de obicei cea mai apropiată potrivire cu munca pe care a făcut-o SAS. Python tinde să fie răspunsul mai bun pentru serviciile de inginerie și producție de învățare automată. Multe organizații rulează ambele, pe infrastructură partajată și pe procese de revizuire, așa că alegerea R pentru statistici nu blochează restul stivei.

De unde vin costul și riscul

Echipele bugetează adesea o migrare SAS la R ca o rescrie de cod. Rescrierea este cea mai mică dintre cele șapte straturi de mai jos. Cele șase de mai sus sunt acolo unde cronologia alunecă și bugetele sunt reduse.

1. Cele două sisteme vor fi în dezacord și ambele vor avea dreptate

SAS și R fac alegeri implicite diferite pentru aceeași metodă statistică. De exemplu, ei gestionează diferit timpii de supraviețuire legati. Rulați aceeași analiză în ambele, iar numerele pot diferi în ultimele zecimale, fără niciun instrument greșit.

Costul vine atunci când nimeni nu observă până la validare și nimeni nu a înregistrat ce alegere a însemnat planul de analiză. Remedierea este ieftină dacă o faceți devreme: adăugați opțiunile de metodă la fiecare specificație de analiză înainte de a începe conversia. Aceasta transformă o rescrie deschisă într-un exercițiu de validare limitat.

Pentru echipa ta: Proiectul CAMIS intersectorial documentează aceste diferențe metodă cu metodă, inclusiv analiza supraviețuirii în R-uri survival pachet și rotunjire.

2. Datele nu înseamnă chiar același lucru

Cele două limbi tratează diferit valorile și datele lipsă. Un filtru transferat de la SAS poate lăsa în liniște rândurile în R, schimbând numitorul. Rezultatul este o masă care este aproape corectă, care este mai greu de prins decât una care este evident greșită. Bugetul pentru verificarea datelor, nu doar convertirea codului.

Pentru echipa ta: SAS sortează cifrele lipsă sub fiecare valoare și are 28 de tipuri de lipsă, în timp ce R are unul NA. Diferă și originile datei (1960 față de 1970), care haven manere la import.

3. Biblioteca ta de macro-uri conține reguli pe care nimeni nu le-a notat

Așa cum am descris în prima parte, o bibliotecă de macrocomandă matură conține reguli de afaceri care nu există nicăieri altundeva. O conversie linie cu linie reproduce codul și pierde raționamentul. Recuperarea acestei intenții este o muncă de analiză și este nevoie de oameni care cunosc patrimoniul SAS. În moșiile mature poate fi una dintre cele mai lungi părți ale migrației, așa că planificați-l în mod explicit.

4. Reproductibilitatea devine responsabilitatea ta

SAS vă oferă un singur furnizor care gestionează un produs. R răspândește acest lucru în R însuși și în pachetele suplimentare (biblioteci de funcții construite de comunitate) de care depind analizele dvs. A putea relua o analiză ani mai târziu este acum ceva deținut de echipa ta. Uneltele sunt mature și ar trebui să fie obligatorii din prima zi, mai degrabă decât să fie adăugate mai târziu.

Pentru echipa ta: dependențe de pin cu renvserviți pachete dintr-un instantaneu datat cu Posit Package Manager (despre care am scris împreună cu diffify) și containerizați orice lucru longeviv. În sectorul public din Marea Britanie, aceeași idee poartă numele de conducte analitice reproductibile.

5. Demonstrarea că funcționează este un proiect separat

Obținerea răspunsului corect și posibilitatea de a demonstra că vei continua să-l primești sunt proiecte diferite și doar primul este distractiv. Bugetați-le separat.

R Validation Hub a stabilit abordarea utilizată pe scară largă: evaluați fiecare pachet în funcție de risc, mai degrabă decât validați totul la aceeași profunzime. Asta menține efortul proporțional. Ne bazăm pe aceeași idee în Litmus, care punctează pachetele la nivel de funcție.

Pentru echipa ta: cum funcționează scorul pentru validare și calitatea codului, argumentul mai scurt din Should I Use Your R Package?, testarea unitară cu testthat și validarea aplicațiilor Shiny în medii reglementate.

6. Funcționarea duală este costul care se reduce

Pentru întreaga perioadă paralelă plătiți pentru ambele sisteme, ambele seturi de persoane și ambele seturi de semnare. Acesta este ceea ce reduce riscul migrației și este, în mod fiabil, primul lucru redus atunci când bugetul se îngustează. Protejează-l.

Acordați în avans cât de apropiate trebuie să fie cele două seturi de rezultate și de ce. Apoi verificați automat mai degrabă decât cu ochii, astfel încât o diferență să apară în ziua în care apare.

Pentru echipa ta: diffdf a fost construit pentru această comparație și arsenal::comparedf şi waldo acoperă carcasele adiacente. Rulați-le în CI.

Ce trebuie să faceți înainte de a converti orice cod

1. Inventariază biblioteca macro și regulile de afaceri din interiorul acesteia.
2. Adăugați opțiuni de metodă la fiecare specificație de analiză.
3. Decideți abordarea de validare a pachetului.
4. Buget rulează dublu ca linie protejată.

Fiecare dintre acestea este gestionabil odată ce a fost numit și notat. Aceasta este ceea ce produce o evaluare înainte ca o singură linie de cod să fie convertită.

Dacă plănuiți o migrare, luați legătura. Dacă echipa ta este mai devreme decât asta, De ce să folosești R? cursul este scris pentru persoanele care sosesc din SAS și SPSS.

Întrebări frecvente

Este R acceptat de autoritățile de reglementare?

FDA nu necesită niciun software specific, cu condiția ca software-ul utilizat să fie documentat cu versiunea și versiunea și testarea acestuia să fie documentată. Piloții Consorțiului R au luat tabele bazate pe R, cifre, seturi de date de analiză standard și o aplicație interactivă prin revizuirea FDA.

Va da R exact aceleași numere ca și SAS?

Nu implicit, și asta este normal. Cei doi fac alegeri implicite diferite pentru unele metode, astfel încât rezultatele pot diferi ușor, în timp ce ambele sunt corecte. Remedierea este să menționați aceste opțiuni în specificația de analiză, mai degrabă decât să căutați o eroare.

• US FDA, Declarație de clarificare a software-ului statistic
• US FDA, Ghid de conformitate tehnică a datelor de studiu
• R Consortium, R Submissions Working Group și planurile 2026 și progresul 2025
• PHUSE, PSI, ASA și IASCT, CAMIS: Comparing Analysis Method Implementations in Software
• CAMIS, R față de SAS: hazarde proporționale Kaplan-Meier și Cox și rotunjirea R față de SAS
• R Validation Hub, o abordare bazată pe risc pentru evaluarea preciziei pachetului R într-o infrastructură validată
• Fundația R, R: Probleme de conformitate și validare a reglementărilor
• CRAN, mmrm pentru modele mixte pentru măsuri repetate
• CRAN, admiral şi sdtm.oak pentru versiunile ADaM și SDTM
• CRAN, xportr pentru scrierea fișierelor de transport v5

Pentru actualizări și revizuiri ale acestui articol, consultați postarea inițială