分享|CRB如何转岗到SAS programmer

首先说明一下本篇文章转岗的定义

从临床试验的人数最多的岗位CRA/CRC（以下统称CRB，懂的都懂）通过跳槽、内部调动等方式，转到临床试验的其他岗位（包括不限于注册部、医学事务部、数统事业部等）。转CTA、SSU、QA、QC、PM等都属于正常的职业发展方向，不在本文章讨论范围之内。

一、为什么要转岗？CRA/CRC不香么？

首先抛出一个观点：不是所有人都适合干CRB，临床试验这一行也不是只有CRB一个工作，如果觉得不喜欢CRB这个岗位，那临研这个行业还有很多岗位可以供你选择，包括不限于：注册（RA）、医学事务（MA）、药物警戒（PV）、生物统计（Statistican）、统计编程（SAS programmer）、数据管理（DM）、受试者招募（Recruitment）等。CRA本身基数大，需要的人多，同时专业门槛也相对较低（医药相关专业即可），工资高，所以相对更受欢迎和追捧。

很多CRB都会经常emo，但是emo过后，还是得继续面对现状。扛下来叫成长，扛不下来那就是毒打了。毒打次数多后，就会萌生出转岗的念头，恭喜你，动力有了。CRB是一个非常需要沟通、需要抗压、需要细心的工作，而且缺一不可。如果问题超出了能力范畴，那就是emo了。CRA又是一个非常吃经验的工作，具备这些能力的A，本科毕业工作3年的经验积累和市场价值，高于刚毕业的小硕。但如果我掌握了其他技巧，比如说点过《药品管理法》的技能点，可以考虑去做RA，会SPSS、R、Python编程的，可以考虑去生物统计。那就没有必要在CRA这一个岗位上死磕不放。

回答开头的问题：CRB不香么？香，但是对于不适合、或者有更适合的岗位的人来说，不香。对于我而言，我非常喜欢编程，大学期间也自学过R，SQL数据库，那这个SAS programmer这个工作对于我而言，就更适合。但如果啥也不会，那推荐自学或者接受专业的岗位课程培训。这就是今天的主题了。

二、如何转岗到SAS？

转岗方式：

1、跳槽：最直接的方式，需要关注下各大公司open出的岗位，我比较推荐找专业的、这个方向的猎头，而且大家也不是应届毕业生了，不会有人刷新自己前程无忧、Boss直聘的简历吧？

2、内部转岗：比较方便，一般可以继承工龄，福利结构，甚至也不用换工位。需要结合公司制度、岗位需求等综合考虑

转岗前的心理准备

1、做好转岗失败的准备

总会有这种情况：转到新岗位后，工作培训一段时间，发现更喜欢原岗位，或者其实做不来新岗位的工作，那就只能回去做回老本行了。这种情况非常常见，原因有很多，我就不展开了。

2、做好降薪的准备

CRB目前行业普遍薪资都挺高，但也是因为国内环境使然，离职率高，跳槽涨薪快。但是如果回归临研其他岗位，那薪资水平、薪资结构不一样的话，待遇必然也会不一样。比如果CRA差补、餐补、话补、入组奖励、项目milestone奖励等等都是一大笔收入，但是SP这边不出差，没有入组要求，自然也就没有相应的补贴，但是会有其他的补贴。换言之，转岗可能会降薪，必须做好心理准备。

转岗实践行动

1、熟读的指导原则。ICH E6 R2可能已经烂熟于心，GCP也是我们的圣经。但是面对SP，ICH E9 R1、《药物临床试验数据递交指导原则》、《药物临床试验亚组分析指导原则（试行）》等等才是我们的Bible。CDE的官网上有ICH的指导原则和翻译，统计不看E9R1，就像面试CRA说我没看过GCP，没有GCP证书。

2、充分利用好手头资源

TMF（ Trail Master File，临床试验必备文件）这个让人又爱又恨的东西是我们的资源宝库。想转SP，可以考虑借助以下几个文件，好好了解下临床试验：

1、SAP（Statistical Analysis Plan，统计分析计划）这个文件是指导统计工作的指挥棒。

2、CRF。这个CRA、CRC的主场，临床试验数据收集的主要来源。平时我们只会在EDC上录入数据、SDV、出质疑，还有可能做过UAT。但从统计分析角度来看，CRF更多是临床试验的设计的体现、数据的收集方式。比如说一个银屑病项目，为什么会设计PASI评分表，还需要独立研究者来评估？因为这是主要疗效指标，是试验的主要目的，是统计的目标。CRF如何去收集这些数据，围绕这些指标收集了哪些数据，为什么要去收集这些数据，它对应的Source又是哪些，这些指标的统计假设是什么，我们是怎么收集、怎么做SDV、SDR的。理解了这个链条了之后，那转岗成功的概率就大大增加。

举个例子：

评价AK101注射液治疗中、重度斑块型银屑病受试者疗效与安全性的随机双盲、安慰剂平行对照、多中心Ⅲ期临床试验

这个试验中，主要疗效指标是：第16周达到 PASI75应答的受试者百分比和达到sPGA 0/1 的受试者百分比。因为是安慰剂对照，所以统计假设应该是试验组比安慰剂组的PASI75应答的受试者百分比高x %。

1. 为了验证这个假设，就需要收集这个指标的相关信息。

2. 怎么收集呢？项目组可能就会设计一个PASI评分表，在特定的访视，需要不参与患者治疗的独立研究者进行评估，并且得分进行统计，还有可能需要对拍照保留源数据。在中心原始资料确认表上，也会去确认哪些是Source。还可能会要求将每次访视的评分结果，或者修改记录，都写在病历上。

3. 这些指标的类型都是啥？适用于什么样的统计方法？这个就可以通过CRF结合SAP去查看了。本例中，这是两个率的比较，用Fisher来检验两组的p值。

4. 最后，如果能看到TFL mock-shell的话，那就可以更直观地看到我们收集来的数据，是怎样呈现给监管机构的，怎样体现组别的差异。我们是一线的数据负责人，本就应该比别人更清楚、更了解数据的来源和数据问题的产生原因、解决方法。把数据的溯源（不是去机构溯源那个溯源哈）弄清楚，那就非常有优势了。

3、CSR（Clinical Study Report，临床试验总结报告）大部分CRB们只会去递交这个文件给伦理，不会去认真仔细阅读它，但是它代表的就是整个试验的总结。以上的信息，都能在CSR中找到，并且会有相应的结论。研读CSR，不仅是临床试验结束的标志，更应该是给我们多年的监查画一个完美的句号。

4、SAS的学习

这个我放在了最后，是因为对于本就忙碌的我们，可能没那么多精力去学习，对于企业而言，也有各自的GPP（Good programming practice，统计编程质量管理规范）需要去follow，反而这个软件的学习没那么重要。SAS本身不难学，而且实际统计编程中，用的宏多的话，基本都不需要Junior的同事自己打代码。只要基本的一些知识了解，并且能完成简单的数据集操作，就暂时够用了（过面试就行嘛）。具体怎么去学SAS，我就不再展开了，也有很多答案能搜索到。推荐把《The little SAS Book》、《Learning SAS by Example》这两本书大致通读，会打代码就行。

5、最后就是CDISC的学习了

这点我觉得虽然可以在后续的工作中慢慢去熟悉掌握，而且在还未正式接触过SAS、数据集、rawdata等概念之前，看这个也是一头雾水。但是这个属于是临床试验数据的递交原则，也是SP的圣经读物。大部分项目的数据都需要follow CDISC标准来做。我们临床运营收集到的数据，按照CDISC的要求汇总到不同的Domain后，根据项目情况再进行分析。以后有机会再细讲，这里不展开了。但是数据的链条是这样的：

最初的记录，即医院的病历、各种表格等被我们称之为Source的文件——大声告诉我，临床试验的真理是：没有（ ），就没有（）

CRC填写CRF，现在也就是录EDC（小声：不会还有纸质的CRF项目吧？不会吧不会吧？）

DM从EDC中导出SAS格式的数据集——这里包括了各个中心的所有数据，我们把这东西叫做rawdata

programmer根据CDISC要求完成rawdata to SDTM（ Study Data Tabulation Model，原始数据标准模型）的转化，简单来说，就是把site收集来的乱七八糟的数据，整理得漂漂亮亮，方便我们的监管机构审阅

Programmer继续从SDTM生成ADaM（Analysis Data Model，分析数据标准模型），准备好进行各种分析

从ADaM里output出统计图表，也就是CSR上的那些图片和表格。

当然，中间的情况肯定会更加复杂， 但在理解这个链条的基础上去学习CDISC，相信会更加容易，且能更好理解统计分析的每一个工作具体是在干嘛，真正实现逃离CRB的梦想。

免责声明：本文章作者：老米仙。版权归原作者所有，仅供个人学习交流使用。转载请注明出处。如因作品内容、版权等存在问题，请于本文刊发30日内联系法迈医讯进行删除或洽谈版权使用事宜。