2014年11月29日に統計数理研究所で開催された, R研究集会での発表スライド「RとCDISC」です。

1. RとCDISC
筑波大学
岡田 昌史

2. CONTENTS
• CDISC Introduction and History
• R packages (ODMConverter, compareODM,
R4CDISC)
• Other Softwares(OpenCDISC, OpenClinica)

3. CDISCとは
• CDISC(Clinical Data Interchange Standards) Consortium による医学領域での臨
床試験データの標準規格
• データの収集、クリーニング、蓄積、解析、レポートまでを包括している
• 語彙(Terminology)の統一、メタデータ(測定日など)の厳密な記述に重点が
おかれており、実用性が高い
• 日米(日本は2016年度より)の医薬品承認機関に新しい薬の有効性、安全性
の根拠となる研究データを提出する際のフォーマットとなっている

4. CDISCとは
• データマネジメント, 統計解析の過程では、規格群のうちSDTM(Study
Data Tabulation Model), AdAM(Analysis Data Model) が使われる
• 規格書ドラフトにアクセスするためには会員になる必要があるけれども、
正式にリリースされた規格書は無料でダウンロードでき、使用できる。
• 臨床試験のデータを念頭に置いているが、CDASHなど観察研究にも適し
た規格もあり、臨床試験のみで使うのはもったいない。メタデータへの
アクセス手法が標準化されるのは研究者にとってもメリットが大きい。

5. CDISCの歴史
• 1997年にVolunteer Groupとして設立
• 2000年にNPOに
• 2001年ごろからOperational Data Model(ODM): XMLによるデータ転送
• 2002年にAdAM
• 2003年にSDTM
• 2005年にDefine.xml(ODMによるメタデータ表現)
• 2008年にCDASH(症例報告書の標準化)
• 2014年 Dataset-XML(ODMによるデータ表現), SHARE(Resource Description Frameworkによる規格表現な
ど)

6. CDISCとRとのかかわり
• CDISCでは、データはSAS xportフォーマットを用いることになっていた
• Rでは、foreignパッケージではxport形式のファイルを書き出せない
(write.foreign(package=“SAS”)はカンマ区切りを読むSASコード自体を出力)
• 2007年にSASxportパッケージが登場してxport形式ファイルの書き出しができるように
なった
• とはいえ、xport形式では日本語の扱いがどうなるのかはっきりしない、変数名の制限
などがある…
• CDISCもODMベースのXMLによるデータ表現に移行(今年リリースされたDataset-XML)
するので、今後Rとの親和性が上がるかも？

7. 関連するパッケージ
• CRANに登録されているCDISC関連パッケー
ジ
• ODMConverter, compareODM by Martin
Dugas
• R4CDISC by Ippei Akiya

8. ODMConverter
> ODM2R(ODMfile=“Desktop/ODM-Test.xml”)
作業ディレクトリ直下に ODM-Test.xml.RというRソースがで
きる。中身はodmdata変数を作るコード。
> source(“ODM-Test.xml.R”) により、変数 odmdataがで
きる。

9. ODMConverter
<ItemDef OID="I.1004" Name="Gender" DataType="integer">
<Question>
<TranslatedText xml:lang="en">Gender</TranslatedText>
<TranslatedText xml:lang="de">Geschlecht</TranslatedText>
</Question>
<CodeListRef CodeListOID="CL.1"/>
<CodeList OID="CL.1" Name="Gender" DataType="string">
<CodeListItem CodedValue="1">
<Decode>
<TranslatedText xml:lang="en">male</TranslatedText>
<TranslatedText xml:lang="de">maennlich</TranslatedText>
</Decode>
みたいなのから
> str(odmdata)
'data.frame': 0 obs. of 8 variables:
$ I.1004: Factor w/ 2 levels "1","2":
..- attr(*, "labels")= chr "male" "female"
..- attr(*, "labels2")= chr "maennlich" "weiblich"
みたいなデータフレームができる

10. ODMConverter
•メタデータ部分(ODMのStudy要素, AdminData要素)をデータフレームの各列のattributeとし
て変換できている。
•Define-xmlの読み込みには使える? → Define-xml 2.0のサンプルは読み込めなかった…
•ClinicalData要素は無視されているようだ
•sink()でRコードを出しているようで、処理に失敗すると出力が持って行かれたままになるので、
sink(NULL)を何回か呼ぶ必要がある
•今年論文が出ていた: Dugas M, Dugas-Breit S. Integrated data management for
clinical studies: automatic transformation of data models with semantic
annotations for principal investigators, data managers and statisticians.
PLoS One. 2014 Feb 28;9(2):e90492

11. compareODM
• 2つのODMファイルを入力すると、 list of identical,
matching, similar and differing data items を出力する、と
いうものらしいけれども…
• ほぼ同じ２つのODMを渡しても1項目しかidenticalと
出さないなど、若干挙動が不明瞭
• やはりClinicalData要素は見ない

12. R4CDISC
• Define-XML 2.0を読み込ませて、Dataset Level Metadataを抽出
> str(getDLMD("define2-0-0-example-sdtm.xml"))
$ IGD_OID : chr "IG.TA" "IG.TE" "IG.TI" "IG.TS" ...
$ IGD_Domain : chr "TA" "TE" "TI" "TS" ...
$ IGD_Name : chr "TA" "TE" "TI" "TS" ...
$ IGD_Repeating : chr "No" "No" "No" "No" ...
$ IGD_IsReferenceData : chr "Yes" "Yes" "Yes" "Yes" ...
$ IGD_SASDatasetName : chr "TA" "TE" "TI" "TS" ...
$ IGD_Purpose : chr "Tabulation" "Tabulation" "Tabulation" "Tabulation" ...
p$l aInGnDe_d SEtlreucmetnurt"e " O n e r e:c ocrdh r p e"r OIn/e E rcecriortde ripeonr " p"lOannen edr eEcloerdm enpet r petrr iAalr m"s u"mOmaner y repacorardm epteerr value" ...
D$E SIIGGDN"_ C.l.a.ss : chr "TRIAL DESIGN" "TRIAL DESIGN" "TRIAL DESIGN" "TRIAL
$ IGD_ArchiveLocationID: chr "LF.TA" "LF.TE" "LF.TI" "LF.TS" ...
C$r iItGeDr_iDa"e s"cTriripatil oSn u m m a r y": .c.h.r "Trial Arms" "Trial Elements" "Trial Inclusion/Exclusion
C$r iItGeDr_iat"i t"lTe r i a l S u m m a r y": .c.h.r "Trial Arms" "Trial Elements" "Trial Inclusion/Exclusion

13. R4CDISC
• Define-XML 2.0を読み込ませて、Variable Level Metadataを抽出
> str(getVarMD("define2-0-0-example-sdtm.xml"))
'data.frame': 414 obs. of 10 variables:
"$I T.IARE_.IAtEeSmEOIQ"D . . . : chr "IT.STUDYID" "IT.AE.DOMAIN" "IT.USUBJID"
$ IGD_Name : chr "AE" "AE" "AE" "AE" ...
$ IR_OrderNumber : int 1 2 3 4 5 6 7 8 9 10 ...
$ IR_Mandatory : chr "Yes" "Yes" "Yes" "Yes" ...
$ IR_KeySequence : int 1 NA 2 NA NA NA NA 3 NA NA ...
$ ID_Name : chr "STUDYID" "DOMAIN" "USUBJID" "AESEQ" ...
$ ID_Length : chr "7" "2" "14" "1" ...
$ ID_DataType : chr "text" "text" "text" "integer" ...
S$u bIjDe_cLt aIbdeel n t i f i e r": "cSher q u"eSncteu dNy uImbdeenr"t i.f.i.er" "Domain Abbreviation" "Unique
$ ID_SASFieldName: chr "STUDYID" "DOMAIN" "USUBJID" "AESEQ" ...

14. R4CDISC
• Define-XML 2.0を読み込ませて、Value Level Metadata(ある列のデータの値によって、別の列のメタデー
タが決まるような場合)を抽出
> str(getValMD("define2-0-0-example-sdtm.xml"))
'data.frame': 121 obs. of 9 variables:
"$I T.IERG_.IEtGeOmORIRDE S . I N T:P " c"hIr T ."EGI.T.EDGAO.RDRAEOS.RPRERMS.EADIN"S P.A.M.T" "IT.DA.DAORRES.RETAMT"
"$V L.VEaGl.uEeGLOiRsRtEOIS"D . ..: chr "VL.DA.DAORRES" "VL.DA.DAORRES" "VL.EG.EGORRES"
$ IR_OrderNumber : int 1 2 1 2 3 4 5 1 2 1 ...
$ IR_Mandatory : chr "Yes" "No" "No" "No" ...
.$. .ID_Name : chr "DA.DISPAMT" "DA.RETAMT" "EG.INTP.ORRES" "EG.PRMEAN.ORRES"
$ ID_Length : chr "2" "2" "8" "3" ...
$ ID_DataType : chr "integer" "integer" "text" "integer" ...
O$r iIgDi_nLaal bReel s u l t s " ": Scuhmmr a r"y D(iMsepaenn)s ePd R ADmouruantt"i o"n R(eOtruirgn eUd )"A m.o.u.nt" "Interpretation:
$ ID_SASFieldName: chr "DISPAMT" "RETAMT" "INTPOR" "PRMEANOR" ...

15. R4CDISC
• Dataset-XMLを読み込ませて、データフレームにする
> read.dataset.xml(dataset_xml=”da.xml", define_xml=”define2-0-0-
example-sdtm(2013-11-09).xml")
STUDYID DOMAIN USUBJID DASEQ DATESTCD DATEST DAORRES
1 CDISC01 DA CDISC01.100008 1 DISPAMT Dispensed Amount 40
2 CDISC01 DA CDISC01.100008 2 DISPAMT Dispensed Amount 80
3 CDISC01 DA CDISC01.100008 3 RETAMT Returned Amount 22
4 CDISC01 DA CDISC01.100008 4 RETAMT Returned Amount 35
5 CDISC01 DA CDISC01.100014 1 DISPAMT Dispensed Amount 80
6 CDISC01 DA CDISC01.100014 2 DISPAMT Dispensed Amount 80
7 CDISC01 DA CDISC01.100014 3 RETAMT Returned Amount 44
8 CDISC01 DA CDISC01.100014 4 RETAMT Returned Amount 44
9 CDISC01 DA CDISC01.200001 1 DISPAMT Dispensed Amount 40

16. R4CDISC
• Define-XMLからDataset Level Metadata, Variable
Level Metadata, Value Level Metadataをデータフ
レームの形で抽出できる
• Dataset-XMLをそのままデータフレームに変
換できる

17. R4CDISC
• たとえば、データセットをみていて、その項目の説明を知りたい
> head(ds)
STUDYID DOMAIN USUBJID DASEQ DATESTCD DATEST DAORRES
1 CDISC01 DA CDISC01.100008 1 DISPAMT Dispensed Amount 40
2 CDISC01 DA CDISC01.100008 2 DISPAMT Dispensed Amount 80
> subset(varMD, ID_SASFieldName=="DAORRES")$ID_Label
[1] "Assessment Result in Original Units"
• DATESTCD==“DISPAMT” の場合、それがMandatoryかどうかを知りたい
> subset(valMD, ID_SASFieldName==“DISPAMT”)$"IR_Mandatory"
[1] "Yes"

18. CDISCに関係する
オープンソースソフトウェア
• OpenCDISC http://www.opencdisc.org/
• SDTM, AdAMなどのデータセットが標準に適合しているかどうか
をチェックするバリデーションツール。AGPLのオープンソース
ツールであるが、商用版は業界のデファクトスタンダードになっ
ている。
• OpenClinica http://www.openclinica.com/
• データ入力用の電子症例報告書の開発・運用ツール。LGPLで
GitHub上で開発が行われている。ODMでのデータ出力に対応。

19. まとめ
• 臨床試験のデータ表現においては、CDISCが標準の地位を確立する一方
で、SASを利用することが最も敷居が低かった
• しかし、CDISCがODMをベースにしたXML表現を標準に位置付けつつあ
ることで、SASデータセットの形式に慣れずとも、Rプログラマが容易に
かつ直接CDISCデータセットを取り扱うことが可能になってきている
• PhUSEなど、「クリニカルプログラマ」のコミュニティがあり、GitHub
上でオープンソースツールの開発が行われるなど、いままであったかも
しれない生物統計の世界の閉鎖的なイメージは変わりつつある