衛生健康標準中關系型數據共現矩陣計算及SAS程序實現

劉拓 侯學文 李寧 俞鋮航 黃烈雨

衛生健康標準是我國標準體系的重要組成部分，其在保障人民生命健康方面發揮著重要的作用。從形式上來說，我國的衛生健康標準是一種半結構式文本。除了技術內容之外，標準中還包含豐富的關系型的數據，如起草人、起草單位和規范性引用文件等。對此類關系型數據的分析，可以從不同維度刻畫標準之間的相互關系，為完善標準體系提供技術支撐；如采用社會網絡分析法可以對標準中規范性引用文件關系型數據進行描述性分析，歸納處于互引關系網絡中的中心位置的標準，為修訂完善標準提供參考[1]。然而，既往涉及衛生健康標準的研究多集中在對其涉及技術內容的比較和分析，對標準中包含的關系型數據研究較少。參考其他領域的關系型數據分析思路，其在分析之前均需要構建分析對象的共現矩陣[2-6]，但是專門探討衛生健康標準中關系型數據中如何計算的文章極少。本研究借鑒其他領域的關系型數據分析過程中共現矩陣的計算思路，設計衛生健康標準類似共現矩陣的求解路徑及其SAS 實現方法，以期為衛生健康標準的分析提供新的技術工具。

1 資料與方法

共現矩陣是一種描述不同指標共同出現的頻率的二維表格，其行和列標題為不同指標，表中數據為該數據所在行列指標共同出現的頻次。本文以計算一組標準的起草單位共現矩陣為例，標準中其他的關系型數據，如起草人、規范性引用文件也可以參考此方法計算共現矩陣。

1.1 計算思路

假設“標準-起草單位”二維表格有M 行和N 列，二維表格的第i 行j 列（1 ≤i ≤M，1 ≤j ≤N）數值為Xi,j，Xi,j取值為0 或1。二維表格中每一行代表一項標準，記為Si；每一列代表一個起草單位，記為Aj。如Xi,j＝1，則表示第i 標準的起草單位名單中有第j 個起草單位；反之如Xi,j＝0，則沒有第 j 個起草單位。第j 個起草單位與第k個起草單位（1 ≤j ≤N，1 ≤k ≤N）的共現頻次Cj,k＝SUM（X1,j×X1,k+X2,j×X2,k…+Xi,j×Xi,k…+Xm,j×Xm,k）。以此類推，計算出所有的Cj，k，并整理為起草單位共現矩陣。共現矩陣示例見表1。

表1 共現矩陣示例表

1.2 統計分析

整理后的“標準-起草單位”矩陣導入SAS（版本號：9.4），按照計算思路自行設計宏程序計算起草單位之間的共現矩陣。

2 計算程序

2.1 數據導入

為了方便演示，本文采用自行構建的模擬數據進行演示。假設現有4 項標準分別為S1、S2、S3 和S4；共計涉及3 家起草單位，分別為A1、A2 和A3，兩者構成一個M 行×N 列的“標準-起草單位”二維表，其中M ＝4，N ＝3。表中“0～ 1”數值表示某個起草單位是否在某項標準的起草單位名單中，如X1，1＝1，即S1 標準的起草單位名單中有A1，X1，2＝0，即S1 標準的起草單位名單中無A2，見表2。

表2 “標準-起草單位”導入數據示例表

將上述數據導入到SAS 中，并命名為test_1_0。程序如下。

2.2 計算共現矩陣的SAS 宏程序

定義計算起草單位共現矩陣的SAS 宏程序名稱compute，其包含4 個參數，分別為i_start_num、i_end_num、j_start_num 和j_end_num，本文中分別取值為1、3、1 和3，具體宏程序及其注釋如下。

具體的計算結果見圖1。

圖1 標準中起草單位共現矩陣SAS 計算結果示意圖

可以進一步用PROC EXPORT 直接導出數據集，也可以在SAS 菜單欄中選擇“文件”→“導出數據”，按照菜單提示選擇需要導出的數據集。經整理后，最終的起草單位共現矩陣見表3。

表3 標準中起草單位共現矩陣示意表

2.3 宏程序調試

在測試SAS 宏程序的時候，可以增加部分選項用于程序的調試，如可以增加“option mlogic；”，SAS 會提供每一步宏程序運行的結果，方便發現宏程序哪些地方存在問題，以便于及時修改。在SAS 宏程序調試完成后，可以選擇運行“option nomlogic；”語句關閉該項功能，以提升SAS 宏程序運行速度。此外，還可以運行“option nonotes；”語句，關閉SAS 宏程序在運行過程中輸出日志，以進一步提升SAS 宏程序的運行速度。

3 討論

3.1 SAS 宏程序計算共現矩陣具有靈活高效的優勢

作為一種在衛生健康領域應用廣泛的權威統計分析軟件，SAS 宏程序靈活高，在處理批量化的數據整理和分析過程中優勢明顯，可以實現DATA 步和PROC 步的任意組合[7-8]。對于共現矩陣的計算來說，計算量隨著指標數量增加而快速增加，如對于一組衛生健康標準有n 個起草單位，則起草單位共現矩陣具有n2個數據需要計算。對于較大規模數據的計算，SAS 宏程序具有一定的優勢，如不依賴內存、運行效率高等；而R 語言在處理數據時是先把數據讀取到內存，當數據大小接近或超過內存大小時，會導致計算機死機或程序閃退。

3.2 共現矩陣的理論基礎和實踐用途

共現矩陣基于一個簡單假設，即如果兩個對象經常同時出現，那么它們之間可能存在某種關聯性[9]。如果將這種關聯進行整理，就可以得到共現矩陣。其優點是不要求必須事先對這種關聯性進行假設或理論建模，因此可以在沒有明確研究問題的情況下進行探索性數據分析，進而發現新的規律和關系；但是另一方面，由于共現矩陣反映的只是2 組對象之間的關聯性，如果沒有事先的研究假設、邏輯推導以及共現矩陣分析之后的補充分析，得到的關系并不足支持因果判斷，提示筆者需要根據具體問題和數據特點選用合適的分析方法，結合共現矩陣分析結果，獲得綜合全面的研究結論。共現矩陣常用的于社會網絡分析（共同關系等）、自然語言處理（語義相似等）、生物信息學（相互作用等）等領域的研究中。

3.2 共現矩陣后續可用于社會網絡分析

社會網絡分析（social network analysis，SNA）是一種針對不同事物之間關聯型數據的專用方法，其既可以用中心度、相對中心度和中間中心度等統計指標，描述分析不同事務之間的互動關系；也可以發現社會網絡中聯系相對頻繁、密切、存在較多互動的個體之間構成的凝聚子群[10-12]。該方法廣泛應用于信息情報、醫療衛生、產業發展和社會經濟等領域的研究，而現行主流的SNA 軟件，多以共現矩陣為輸入數據開展各項分析[5，13-15]。既往研究中，已經有學者探索將SNA 方法引入標準相關的分析中，如馮婉怡等[16]基于SNA 視角分析87 項旅游標準及260 項引用標準的互動關系，發現旅游標準引用范圍廣泛，但尚未形成次級標準引用網絡；劉拓等[1]探索269 項國家職業衛生標準及其涉及的361 項規范性引用文件之間的互動關系，提煉國家職業衛生標準體系中的中心度較高的標準。魯洋等[17]對我國115 項職業病診斷標準及其146 項規范性引用文件進行分析，量化評估職業病診斷標準之間的關聯程度；并歸納其關鍵節點標準，為職業病診斷標準的實施追蹤提供技術線索。除了通過規范性引用文件構建的標準互引網絡之外，SNA 法還可以利用標準起草單位共現矩陣分析標準起草單位之間互動關系，如劉思薇等[18]利用標準起草單位共現矩陣，對人工智能產業技術標準合作網絡特征及演化規律和趨勢進行探討，歸納該網絡中的核心主體、合作深度和多元化趨勢。因此，建議共現矩陣后續可用于SNA，探索諸如起草單位、規范性引用文件等事物之間的互聯互動關系，為完善標準體系及衛生健康標準化工作提供針對性的建議。

3.3 共現矩陣后續可用于歸納互動演進規律

除了SNA，共現矩陣還可以作為關聯型數據在時間、地域或性質上分布和演進規律的數據基礎，如張正峰等[10]分析京津冀地區碳排放空間關聯，李永立等[19]利用SNA 對研究對象的多屬性關聯規則進行挖掘，賀鈺等[20]分析主產區柑橘價格的空間關聯。具體到衛生健康標準領域，其中的關系型數據共現矩陣從如下角度繼續深入分析：從時間規律上，可以分析不同時間，不同標準或不同起草單位之間的互動關系，歸納其演進規律和未來發展趨勢；從空間維度，可以分析來自不同地域起草單位之間的互動聯系，探索與我國社會經濟發展之間的關聯性；從性質維度，可以分析不同性質的標準，如強制性標準和推薦性標準，國家標準、行業標準、地方標準和團體標準之間的互動聯系，研究之間的信息傳遞與互動聯系，為發現核心標準、完善標準體系提供參考。

綜上所述，SAS 宏程序計算標準中關系型數據共現矩陣具有靈活高效的優勢，可用于社會網絡分析和互動演進規律總結。