.<\/code>).<\/p>\nCe point standard constitue la manifestation visible d’une configuration de bits sp\u00e9cifique dans laquelle l’exposant et la mantisse signalent au moteur analytique que la cellule est d\u00e9pourvue de mesure observable. De surcro\u00eet, SAS enrichit cette notion par l’introduction de vingt-sept valeurs manquantes sp\u00e9ciales, d\u00e9sign\u00e9es par le point suivi d’un caract\u00e8re alphab\u00e9tique (de .A<\/code> \u00e0 .Z<\/code>) ou par un trait de soulignement (._<\/code>). Cette taxonomie \u00e9tendue permet aux chercheurs de classifier l’\u00e9tiologie de l’absence de mesure, en distinguant par exemple un refus cat\u00e9gorique de r\u00e9ponse (.R<\/code>) d’une omission accidentelle (.O<\/code>) ou d’une in\u00e9ligibilit\u00e9 structurelle du sujet (.I<\/code>).<\/p>\n\u00c0 l’inverse, le traitement des variables alphanum\u00e9riques ne repose pas sur une valeur sentinelle num\u00e9rique. Une cha\u00eene de caract\u00e8res absente est techniquement encod\u00e9e sous la forme d’un vecteur d’octets exclusivement compos\u00e9 d’espaces simples (code ASCII 32, ou caract\u00e8re hexad\u00e9cimal 0x20). En vertu de la gestion des cha\u00eenes \u00e0 longueur fixe inh\u00e9rente \u00e0 l’architecture historique de SAS, une variable de texte d\u00e9clar\u00e9e pour une longueur de vingt caract\u00e8res contiendra exactement vingt espaces si aucune valeur significative ne lui est assign\u00e9e. Cette dichotomie conceptuelle implique que le test de vacuit\u00e9 ne peut \u00eatre appr\u00e9hend\u00e9 de fa\u00e7on identique selon la nature de la variable, les conditions bool\u00e9ennes devant s’adapter \u00e0 la r\u00e9alit\u00e9 binaire sous-jacente afin d’\u00e9viter toute \u00e9valuation erron\u00e9e lors de la compilation et de l’ex\u00e9cution du code.<\/p>\n
1.2 Enjeux \u00e9pist\u00e9mologiques et m\u00e9thodologiques de la s\u00e9lection de donn\u00e9es compl\u00e8tes<\/h3>\n
D’un point de vue \u00e9pist\u00e9mologique, l’exclusion d’enregistrements pr\u00e9sentant des donn\u00e9es lacunaires ne constitue jamais un acte neutre sur le plan scientifique. Dans le cadre de l’inf\u00e9rence statistique et de l’estimation \u00e9conom\u00e9trique, la s\u00e9lection d’un sous-ensemble d’observations dites \u00ab compl\u00e8tes \u00bb (commun\u00e9ment d\u00e9sign\u00e9e sous l’appellation d’analyse de cas complets ou complete case analysis<\/em>) repose sur l’hypoth\u00e8se sous-jacente forte que les m\u00e9canismes g\u00e9n\u00e9rateurs de l’absence de donn\u00e9es rel\u00e8vent d’un processus compl\u00e8tement al\u00e9atoire, th\u00e9oris\u00e9 dans la litt\u00e9rature sous le vocable de Missing Completely at Random (MCAR)<\/a>.<\/p>\nLorsque cette condition d’ind\u00e9pendance statistique entre la probabilit\u00e9 de vacuit\u00e9 et les valeurs observ\u00e9es ou non observ\u00e9es n’est pas rigoureusement v\u00e9rifi\u00e9e, la suppression des observations incompl\u00e8tes expose le protocole de recherche \u00e0 un biais de s\u00e9lection substantiel. Si les donn\u00e9es manquantes d\u00e9pendent de variables observ\u00e9es (Missing at Random<\/em>, MAR) ou, plus gravement encore, de la valeur manquante elle-m\u00eame (Missing Not at Random<\/em>, MNAR), l’\u00e9chantillon tronqu\u00e9 perd sa repr\u00e9sentativit\u00e9 vis-\u00e0-vis de la population cible. Les estimateurs des moindres carr\u00e9s ordinaires ou du maximum de vraisemblance perdent d\u00e8s lors leurs propri\u00e9t\u00e9s asymptotiques de non-biais et de convergence.<\/p>\nParall\u00e8lement, la r\u00e9duction drastique de la taille effective de l’\u00e9chantillon cons\u00e9cutive \u00e0 l’\u00e9viction syst\u00e9matique de toute ligne non exhaustive diminue la puissance statistique des tests d’hypoth\u00e8ses, augmentant de mani\u00e8re exponentielle le risque d’erreur de type II (non-rejet \u00e0 tort de l’hypoth\u00e8se nulle). Il devient donc imp\u00e9ratif, dans le cadre de bonnes pratiques de recherche auditables, de documenter pr\u00e9cis\u00e9ment les r\u00e8gles de s\u00e9lection de donn\u00e9es non nulles, de chiffrer l’attrition de l’\u00e9chantillon \u00e0 chaque \u00e9tape du pipeline et d’attester de la non-vacuit\u00e9 des variables selon des crit\u00e8res algorithmiques explicites et reproductibles.<\/p>\n
1.3 Aper\u00e7u comparatif : PROC SQL versus \u00e9tape DATA<\/h3>\n
L’architecture logicielle de SAS met \u00e0 la disposition des programmeurs deux paradigmes fondamentaux pour l’interrogation et la manipulation des donn\u00e9es : l’\u00e9tape DATA s\u00e9quentielle imp\u00e9rative et la proc\u00e9dure PROC SQL<\/code> d’inspiration d\u00e9clarative. L’\u00e9tape DATA op\u00e8re selon un mod\u00e8le it\u00e9ratif explicite, mat\u00e9rialis\u00e9 par le vecteur de donn\u00e9es de programme (Program Data Vector<\/em> ou PDV). Dans cette architecture, les observations sont lues, transform\u00e9es et filtr\u00e9es s\u00e9quentiellement, une par une, au sein d’une boucle implicite r\u00e9gie par le moteur d’ex\u00e9cution s\u00e9quentiel. Cette approche offre une granularit\u00e9 de contr\u00f4le maximale, permettant d’ex\u00e9cuter des instructions conditionnelles complexes, d’instancier des variables interm\u00e9diaires ou de diriger conditionnellement des flux vers des tables cibles multiples.<\/p>\n\u00c0 l’oppos\u00e9, la proc\u00e9dure PROC SQL<\/code> impl\u00e9mente une variante robuste du standard SQL relationnel, reposant sur une philosophie purement d\u00e9clarative. L’utilisateur y sp\u00e9cifie le r\u00e9sultat attendu \u2014 en d\u00e9finissant la projection des colonnes et les pr\u00e9dicats de restriction via les clauses SELECT<\/code> et WHERE<\/code> \u2014 sans d\u00e9crire explicitement la proc\u00e9dure algorithmique de parcours des fichiers. L’optimiseur de requ\u00eates SQL de SAS se charge alors d’\u00e9laborer un plan d’ex\u00e9cution optimal, tirant parti d’\u00e9ventuels index et g\u00e9rant de fa\u00e7on transparente les allocations de m\u00e9moire tampon.<\/p>\nSur le plan de la portabilit\u00e9, PROC SQL<\/code> pr\u00e9sente un avantage ind\u00e9niable pour les \u00e9quipes de recherche \u00e9voluant dans des infrastructures h\u00e9t\u00e9rog\u00e8nes, dans la mesure o\u00f9 les instructions de filtrage de non-vacuit\u00e9 respectent les standards ISO\/IEC 9075 SQL<\/a> couramment exploit\u00e9s dans des syst\u00e8mes de gestion de bases de donn\u00e9es relationnelles comme Oracle, PostgreSQL ou Teradata. N\u00e9anmoins, l’\u00e9tape DATA demeure structurellement sup\u00e9rieure d\u00e8s lors qu’il s’agit d’ex\u00e9cuter des traitements de nettoyage en flux tendu sur des tables plates massives n\u00e9cessitant des calculs vectoris\u00e9s ou des lectures parall\u00e8les, gr\u00e2ce \u00e0 une surcharge syntaxique minimale et une consommation pr\u00e9visible des cycles processeur.<\/p>\n2. Fondements de la fonction MISSING() et son inversion logique<\/h2>\n2.1 M\u00e9canisme interne et universalit\u00e9 de la fonction MISSING()<\/h3>\n
Conscient des difficult\u00e9s induites par la divergence d’encodage binaire entre grandeurs scalaires et cha\u00eenes de caract\u00e8res, l’\u00e9diteur SAS a introduit dans son moteur de calcul la fonction polymorphique native MISSING()<\/code>. Cette fonction constitue le standard algorithmique absolu pour tester la vacuit\u00e9 d’une variable ou d’une expression \u00e9valu\u00e9e. Son m\u00e9canisme interne repose sur une analyse pr\u00e9liminaire de l’en-t\u00eate de m\u00e9tadonn\u00e9es associ\u00e9 \u00e0 l’argument transmis : que la variable soit d\u00e9clar\u00e9e comme un flottant de huit octets ou comme un champ textuel de longueur arbitraire, MISSING()<\/code> applique la r\u00e8gle d’\u00e9valuation appropri\u00e9e sans n\u00e9cessiter de conversion explicite de type de la part du programmeur.<\/p>\nLorsqu’elle traite un argument num\u00e9rique, la fonction MISSING()<\/code> examine les bits de configuration de la mantisse et de l’exposant. Elle renvoie le bool\u00e9en entier 1 (repr\u00e9sentant la valeur logique VRAI) si la valeur est le point standard (.<\/code>) ou l’une quelconque des vingt-sept valeurs manquantes sp\u00e9ciales (._<\/code>, .A<\/code>, …, .Z<\/code>). Si la cellule contient un nombre r\u00e9el fini, qu’il soit n\u00e9gatif, nul ou positif, elle renvoie le bool\u00e9en entier 0 (repr\u00e9sentant FAUX). Lorsqu’elle re\u00e7oit un argument de type caract\u00e8re, la fonction inspecte la s\u00e9quence d’octets et v\u00e9rifie si celle-ci est exclusivement constitu\u00e9e d’espaces ou si elle pr\u00e9sente une longueur nulle, renvoyant 1 dans ces cas et 0 d\u00e8s lors qu’un caract\u00e8re non blanc est d\u00e9tect\u00e9.<\/p>\nCette universalit\u00e9 fait de la fonction MISSING()<\/code> un composant indispensable pour l’\u00e9criture d’un code source s\u00e9curis\u00e9, robuste et agnostique quant aux conventions d’encodage textuel sous-jacentes. Elle garantit une abstraction totale vis-\u00e0-vis des formats de repr\u00e9sentation physique des donn\u00e9es sur les supports de stockage secondaires.<\/p>\n2.2 L’inversion logique avec l’op\u00e9rateur NOT<\/h3>\n
L’identification et l’extraction des donn\u00e9es valides, utiles et exploitables exigent d’isoler le compl\u00e9mentaire math\u00e9matique de l’ensemble des donn\u00e9es manquantes. Cette op\u00e9ration s’accomplit par l’application de l’op\u00e9rateur unaire de n\u00e9gation logique NOT<\/code> (ou son \u00e9quivalent symbolique tilde ~<\/code> et point d’exclamation !<\/code> selon les configurations de table de caract\u00e8res). L’expression syntactique r\u00e9sultante, NOT MISSING(variable)<\/code>, \u00e9value la n\u00e9gation stricte du r\u00e9sultat fourni par la fonction sous-jacente.<\/p>\nSur le plan de l’alg\u00e8bre de Boole appliqu\u00e9e au moteur d’ex\u00e9cution SAS, cette expression se comporte de fa\u00e7on parfaitement bivalente : elle ne peut renvoyer que 1 (vrai) si la variable d\u00e9tient une valeur substantielle, ou 0 (faux) si elle est vide. En \u00e9valuant l’expression pour un enregistrement donn\u00e9, le processeur de requ\u00eates SAS d\u00e9termine avec certitude si l’observation doit \u00eatre retenue dans le cadre du filtrage. L’instruction formelle WHERE NOT MISSING(points);<\/code> ou l’expression WHERE MISSING(points) = 0;<\/code> neutralisent toute ambigu\u00eft\u00e9 interpr\u00e9tative.<\/p>\nCette approche par n\u00e9gation unaire \u00e9vite les effets de bord fr\u00e9quents qui se manifestent lors de l’utilisation d’op\u00e9rateurs arithm\u00e9tiques d’in\u00e9galit\u00e9. Dans un syst\u00e8me o\u00f9 les valeurs manquantes poss\u00e8dent un statut ordinal au sein de l’architecture de calcul, l’inversion logique directe d’un pr\u00e9dicat de vacuit\u00e9 constitue la formulation la plus pure sur le plan s\u00e9mantique, \u00e9liminant tout risque de faux positif ou de faux n\u00e9gatif d\u00e9coulant d’une conversion de type silencieuse.<\/p>\n
2.3 Avantages comparatifs face aux op\u00e9rateurs relationnels classiques<\/h3>\n
De nombreux programmeurs form\u00e9s empiriquement ont pris l’habitude d’\u00e9crire des filtres d’exclusion bas\u00e9s sur des comparaisons directes, telles que var ^= .<\/code> ou var > .<\/code> pour les variables num\u00e9riques, et chaine ^= ''<\/code> ou chaine ^= ' '<\/code> pour les variables alphanum\u00e9riques. Bien que ces formulations puissent sembler fonctionnelles dans des sc\u00e9narios simplistes, elles souffrent de failles m\u00e9thodologiques majeures susceptibles de corrompre l’int\u00e9grit\u00e9 de la s\u00e9lection.<\/p>\nEn premier lieu, l’expression var ^= .<\/code> v\u00e9rifie exclusivement l’in\u00e9galit\u00e9 par rapport au point standard. Dans le cas critique o\u00f9 une table de donn\u00e9es \u00e9pid\u00e9miologiques contient des valeurs manquantes sp\u00e9ciales telles que .A<\/code> ou .N<\/code> (utilis\u00e9es pour d\u00e9signer des mesures non r\u00e9alis\u00e9es), la comparaison var ^= .<\/code> sera \u00e9valu\u00e9e \u00e0 VRAI, car dans l’ordre de classement interne de SAS, ces valeurs sont distinctes du point standard. En cons\u00e9quence, l’observation lacunaire franchira le filtre et sera incluse \u00e0 tort dans les calculs param\u00e9triques, faussant les moyennes, variances et r\u00e9gressions ult\u00e9rieures.<\/p>\nDe m\u00eame, pour les donn\u00e9es alphanum\u00e9riques, l’\u00e9criture chaine ^= ''<\/code> d\u00e9pend de la mani\u00e8re dont le syst\u00e8me interpr\u00e8te une cha\u00eene vide par rapport \u00e0 un ensemble d’espaces ins\u00e9cables ou de caract\u00e8res de contr\u00f4le. La fonction MISSING()<\/code> combin\u00e9e \u00e0 l’op\u00e9rateur NOT<\/code> unifie ces deux paradigmes sous une signature unique, \u00e9limine le risque d’erreur humaine li\u00e9 \u00e0 la confusion entre types de variables, et assure une maintenabilit\u00e9 p\u00e9renne du code source au sein des \u00e9quipes de d\u00e9veloppement.<\/p>\n3. Impl\u00e9mentation via PROC SQL : Syntaxe et cas d’usage canonique<\/h2>\n3.1 Structure fondamentale de la requ\u00eate de filtrage<\/h3>\n
La mise en \u0153uvre d’un pr\u00e9dicat de s\u00e9lection non nulle au sein de la proc\u00e9dure PROC SQL<\/code> r\u00e9pond aux principes stricts de la grammaire SQL d\u00e9clarative. La requ\u00eate fondamentale s’articule autour de trois composants majeurs : la clause SELECT<\/code> qui sp\u00e9cifie la liste des champs \u00e0 projeter, la clause FROM<\/code> identifiant la table source physique ou la vue logique interrog\u00e9e, et la clause WHERE<\/code> qui impose la condition de restriction bool\u00e9enne en amont de toute phase d’agr\u00e9gation ou de tri.<\/p>\nDans cet environnement, la d\u00e9tection des lignes valides peut \u00eatre formalis\u00e9e soit au moyen du pr\u00e9dicat standard ANSI SQL IS NOT NULL<\/code>, soit en faisant appel \u00e0 la fonction native NOT MISSING()<\/code> que le compilateur SQL de SAS reconna\u00eet et ex\u00e9cute avec une parfaite efficacit\u00e9. Il convient de clore imp\u00e9rativement la proc\u00e9dure par l’instruction QUIT;<\/code> afin de lib\u00e9rer le contexte de thread associ\u00e9 et d’achever la transaction au sein de la session de travail active.<\/p>\nL’optimiseur de requ\u00eates analyse la clause WHERE<\/code> d\u00e8s la phase d’analyse syntaxique. Si la colonne soumise au pr\u00e9dicat de non-vacuit\u00e9 dispose d’un index simple ou compos\u00e9 pr\u00e9existant, le moteur SQL peut choisir de parcourir l’arbre d’indexation pour isoler instantan\u00e9ment les identifiants d’enregistrements (RID – Record Identifiers<\/em>) qualifi\u00e9s, \u00e9vitant ainsi la lecture int\u00e9grale s\u00e9quentielle (table scan<\/em>) du jeu de donn\u00e9es source.<\/p>\n3.2 Analyse pas \u00e0 pas de l’exemple d’application<\/h3>\n
Afin d’illustrer de mani\u00e8re concr\u00e8te l’exclusion des valeurs nulles dans une structure relationnelle SAS, consid\u00e9rons la construction d’une table d’exp\u00e9rimentation nomm\u00e9e DONNEES_TEST<\/code> contenant l’\u00e9valuation quantitative des performances d’une s\u00e9rie de sujets cliniques identifi\u00e9s par leur code matricule. Certaines observations contiennent des valeurs manquantes standardis\u00e9es sur la m\u00e9trique cible score_clinique<\/code> :<\/p>\nL’\u00e9tape pr\u00e9liminaire de saisie g\u00e9n\u00e8re une table comportant cinq enregistrements. Les sujets 101, 102 et 105 disposent d’un score num\u00e9rique parfaitement valide (respectivement 45.5, 78.2 et 62.0), tandis que les sujets 103 et 104 pr\u00e9sentent pour l’un un point d’absence standard (.<\/code>) et pour l’autre une valeur manquante sp\u00e9ciale (.D<\/code> pour mesure d\u00e9viante).<\/p>\nL’application de la requ\u00eate SQL d’extraction s’articule comme suit dans le journal d’ex\u00e9cution SAS :<\/p>\n
L’instruction PROC SQL;<\/code> initialise le compilateur. La d\u00e9claration SELECT identifiant, score_clinique FROM DONNEES_TEST WHERE NOT MISSING(score_clinique);<\/code> instruit le moteur de n’extraire que les lignes pour lesquelles la fonction renvoie z\u00e9ro avant inversion. Lors de l’ex\u00e9cution, les lignes correspondant aux sujets 103 et 104 sont rejet\u00e9es de mani\u00e8re d\u00e9terministe. Le r\u00e9sultat affich\u00e9 dans le visualiseur de donn\u00e9es ou export\u00e9 vers une table fille ne comportera rigoureusement que les trois observations compl\u00e8tes, attestant de la validit\u00e9 de l’exclusion.<\/p>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/null1.jpg\")
<\/figure>\n3.3 Projection s\u00e9lective versus projection globale<\/h3>\n
Lors de la r\u00e9daction de la clause SELECT<\/code>, le choix d’utiliser l’ast\u00e9risque globale (SELECT *<\/code>) ou d’\u00e9num\u00e9rer de mani\u00e8re exhaustive les colonnes pertinentes rel\u00e8ve d’arbitrages de performance et de gouvernance informatique. La projection globale pr\u00e9sente ind\u00e9niablement un avantage de rapidit\u00e9 d’\u00e9criture dans les phases exploratoires d’analyse de donn\u00e9es, puisqu’elle conserve l’int\u00e9gralit\u00e9 du dictionnaire des variables sans exiger une saisie fastidieuse des noms de champs.<\/p>\nCependant, dans un environnement de production ou lors du traitement de tables massives comptant plusieurs centaines de variables, la projection SELECT *<\/code> induit un gaspillage massif de m\u00e9moire vive et de bande passante d’entr\u00e9e\/sortie (I\/O). En for\u00e7ant le syst\u00e8me \u00e0 charger dans la m\u00e9moire tampon (buffer pool<\/em>) l’ensemble des colonnes de chaque observation filtr\u00e9e, le temps d’ex\u00e9cution global de la requ\u00eate peut cro\u00eetre de mani\u00e8re exponentielle, m\u00eame si la condition de filtrage WHERE NOT MISSING()<\/code> est elle-m\u00eame tr\u00e8s s\u00e9lective.<\/p>\nLa projection s\u00e9lective, consistant \u00e0 ne mentionner que les identifiants pivots et les covariables n\u00e9cessaires aux analyses ult\u00e9rieures, permet au moteur SAS de minimiser la taille de l’enregistrement logique transf\u00e9r\u00e9 du disque vers la m\u00e9moire vive. Cette pratique garantit en outre la p\u00e9rennit\u00e9 des scripts face \u00e0 d’\u00e9ventuelles \u00e9volutions ult\u00e9rieures de la table source, telles que l’ajout inopin\u00e9 de nouvelles colonnes volumineuses qui viendraient d\u00e9grader la performance globale des flux sans justification analytique.<\/p>\n
4. Filtrage des donn\u00e9es non nulles avec l’\u00e9tape DATA<\/h2>\n4.1 L’instruction WHERE au sein de l’\u00e9tape DATA<\/h3>\n
L’instruction WHERE<\/code> au sein d’une \u00e9tape DATA constitue le m\u00e9canisme de filtrage le plus efficient de l’architecture s\u00e9quentielle SAS. Son positionnement hi\u00e9rarchique au sein du moteur d’ex\u00e9cution lui conf\u00e8re une propri\u00e9t\u00e9 fondamentale : elle op\u00e8re comme un filtre d’entr\u00e9e de bas niveau, intervenant directement lors de la lecture des blocs de donn\u00e9es sur le disque physique ou dans la m\u00e9moire tampon, avant m\u00eame que l’enregistrement ne soit d\u00e9cod\u00e9 et transf\u00e9r\u00e9 dans le vecteur de donn\u00e9es de programme (Program Data Vector<\/em> ou PDV).<\/p>\nSur le plan de l’optimisation des ressources computationnelles, cette pr\u00e9-s\u00e9lection procure une \u00e9conomie substantielle de cycles d’horloge du processeur central (CPU). Les observations qui ne satisfont pas la condition logique WHERE NOT MISSING(nom_variable);<\/code> sont imm\u00e9diatement ignor\u00e9es par le sous-syst\u00e8me d’acc\u00e8s aux fichiers, sans subir l’initialisation des variables, la r\u00e9initialisation des pointeurs ou le traitement s\u00e9quentiel des instructions de transformation d\u00e9finies dans l’\u00e9tape.<\/p>\nDe plus, l’utilisation de l’instruction WHERE<\/code> dans l’\u00e9tape DATA b\u00e9n\u00e9ficie d’une compatibilit\u00e9 directe avec les m\u00e9canismes d’indexation SAS. Si un index existe sur la colonne test\u00e9e, le moteur exploite les structures arborescentes de l’index pour cibler exclusivement les enregistrements pertinents, garantissant un d\u00e9bit de traitement maximal, en particulier lorsque le ratio d’observations non nulles par rapport \u00e0 la population totale est faible.<\/p>\n4.2 L’instruction de sous-ensemble IF conditionnelle<\/h3>\n
\u00c0 c\u00f4t\u00e9 de l’instruction WHERE<\/code>, l’\u00e9tape DATA met \u00e0 disposition l’instruction de sous-ensemble conditionnelle IF<\/code> (commun\u00e9ment appel\u00e9e subsetting IF<\/em>). Contrairement \u00e0 WHERE<\/code>, le IF<\/code> conditionnel intervient de mani\u00e8re tardive dans le cycle de vie de l’it\u00e9ration, apr\u00e8s que l’observation a \u00e9t\u00e9 extraite de la source de donn\u00e9es, copi\u00e9e dans le PDV et soumise aux \u00e9ventuels calculs arithm\u00e9tiques ou logiques situ\u00e9s en amont dans le script.<\/p>\nL’\u00e9valuation IF NOT MISSING(variable_calculee);<\/code> interrompt l’ex\u00e9cution de l’it\u00e9ration courante pour l’observation en cours si la condition est fausse, emp\u00eachant son \u00e9criture dans la table cible par l’instruction implicite OUTPUT<\/code> situ\u00e9e \u00e0 la fin de l’\u00e9tape, et ordonne au moteur de passer imm\u00e9diatement \u00e0 l’observation suivante (instruction implicite RETURN<\/code>). Cette cin\u00e9matique d’ex\u00e9cution post-lecture conf\u00e8re au IF<\/code> une flexibilit\u00e9 absolue, car il permet de filtrer les donn\u00e9es en se basant sur des variables d\u00e9riv\u00e9es dynamiquement au sein de l’\u00e9tape courante, ce dont l’instruction WHERE<\/code> est structurellement incapable.<\/p>\nToutefois, cette souplesse s’accompagne d’un co\u00fbt op\u00e9rationnel non n\u00e9gligeable. M\u00eame si une observation est vou\u00e9e \u00e0 \u00eatre rejet\u00e9e, elle consomme des ressources de transfert de donn\u00e9es et de traitement machine jusqu’au point d’\u00e9valuation de la condition IF<\/code>. L’instruction ne peut en outre tirer aucun parti des index SAS existants sur les tables sources, contraignant syst\u00e9matiquement le syst\u00e8me \u00e0 un balayage lin\u00e9aire exhaustif de la table d’entr\u00e9e.<\/p>\n4.3 \u00c9tude comparative approfondie : WHERE versus IF<\/h3>\n
Le choix entre l’instruction WHERE<\/code> et l’instruction IF<\/code> sous-ensemble doit \u00eatre guid\u00e9 par une analyse rigoureuse de la provenance des variables et de la structure du traitement. Le tableau mental suivant r\u00e9sume les divergences structurelles entre ces deux op\u00e9rateurs essentiels :<\/p>\nD’un c\u00f4t\u00e9, WHERE<\/code> s’applique imp\u00e9rativement \u00e0 des variables pr\u00e9existantes dans les tables d’entr\u00e9e d\u00e9clar\u00e9es dans les instructions SET<\/code>, MERGE<\/code> ou MODIFY<\/code>. Il est totalement inop\u00e9rant pour filtrer une variable g\u00e9n\u00e9r\u00e9e par une affectation interne \u00e0 l’\u00e9tape DATA courante (par exemple, le ratio de deux colonnes brutes). Tenter d’utiliser une variable dynamique dans une clause WHERE<\/code> g\u00e9n\u00e8re imm\u00e9diatement une erreur de compilation dans le journal SAS : \u00ab ERROR: Variable nom_var is not on file WORK.TABLE \u00bb<\/em>.<\/p>\nD’un autre c\u00f4t\u00e9, lorsque le filtrage porte sur une colonne native de la table d’origine, l’usage de WHERE NOT MISSING(var)<\/code> surpasse syst\u00e9matiquement l’instruction IF<\/code> en mati\u00e8re de temps processeur et de r\u00e9duction des op\u00e9rations d’entr\u00e9es\/sorties (I\/O). La recommandation m\u00e9thodologique pr\u00e9dominante dans le cadre de projets industriels ou acad\u00e9miques consiste donc \u00e0 filtrer le plus en amont possible au moyen de l’instruction WHERE<\/code> pour expurger les lignes incompl\u00e8tes, et \u00e0 r\u00e9server l’instruction IF<\/code> de sous-ensemble aux seuls cas o\u00f9 la condition de non-vacuit\u00e9 d\u00e9pend d’un calcul interm\u00e9diaire complexe ou de l’\u00e9valuation de variables automatiques syst\u00e8me (telles que _N_<\/code> ou FIRST.variable<\/code>).<\/p>\n5. Distinctions critiques entre types num\u00e9riques et cha\u00eenes de caract\u00e8res<\/h2>\n5.1 Traitement rigoureux des variables num\u00e9riques<\/h3>\n
L’\u00e9valuation des grandeurs scalaires num\u00e9riques au sein du syst\u00e8me SAS est conditionn\u00e9e par un principe de tri et de comparaison h\u00e9rit\u00e9 de sa conception initiale : dans l’ordre s\u00e9quentiel des valeurs r\u00e9elles, toutes les valeurs manquantes sont consid\u00e9r\u00e9es comme \u00e9tant inf\u00e9rieures au plus petit nombre r\u00e9el n\u00e9gatif concevable<\/strong> sur l’architecture machine.<\/p>\nL’ordonnancement interne strict adopt\u00e9 par le moteur SAS respecte la hi\u00e9rarchie ascendante suivante :<\/p>\n
._ < . < .A < .B < ... < .Z < -1E308 < ... < 0 < ... < +1E308<\/code><\/p>\nCette relation d’ordre engendre un pi\u00e8ge classique mais d\u00e9vastateur pour les programmeurs imprudents. Si un analyste tente de s\u00e9lectionner les observations positives ou non nulles en r\u00e9digeant l’instruction apparemment intuitive WHERE valeur >= 0;<\/code>, le r\u00e9sultat sera formellement exact car toutes les valeurs manquantes \u00e9tant inf\u00e9rieures \u00e0 z\u00e9ro, elles seront rejet\u00e9es. En revanche, si la condition vise \u00e0 s\u00e9lectionner toutes les observations diff\u00e9rentes de z\u00e9ro au moyen de l’expression WHERE valeur ^= 0;<\/code> ou WHERE valeur > -9999;<\/code>, l’ensemble des donn\u00e9es manquantes (point standard et lettres sp\u00e9ciales) satisfera la condition logique et sera incorpor\u00e9 dans la table finale.<\/p>\nDe m\u00eame, l’\u00e9criture fr\u00e9quente WHERE valeur > .;<\/code> pr\u00e9sente un d\u00e9faut critique : si elle exclut le point standard (.<\/code>) et la valeur de soulignement (._<\/code>), elle inclut en revanche toutes les valeurs manquantes sp\u00e9ciales de .A<\/code> \u00e0 .Z<\/code>, puisque celles-ci sont class\u00e9es comme sup\u00e9rieures au point standard. Seule l’utilisation rigoureuse de la formulation WHERE NOT MISSING(valeur);<\/code> garantit l’exclusion absolue et inconditionnelle de la totalit\u00e9 des repr\u00e9sentations de la vacuit\u00e9 num\u00e9rique.<\/p>\n5.2 Gestion des cha\u00eenes de caract\u00e8res et des espaces blancs<\/h3>\n
La nature du stockage des cha\u00eenes de caract\u00e8res en SAS \u2014 champs \u00e0 longueur pr\u00e9d\u00e9finie compl\u00e9t\u00e9s \u00e0 droite par des espaces blancs de remplissage \u2014 requiert des pr\u00e9cautions m\u00e9thodologiques sp\u00e9cifiques lors de l’\u00e9valuation de leur statut de vacuit\u00e9. Une variable alphanum\u00e9rique d\u00e9clar\u00e9e d’une longueur de dix octets ne peut jamais \u00eatre \u00ab vide \u00bb au sens d’un pointeur nul ou d’une cha\u00eene de longueur z\u00e9ro comme dans les langages C ou Python : elle contient intrins\u00e8quement dix caract\u00e8res.<\/p>\n
Si la cha\u00eene ne contient que des espaces standards (code ASCII 32), la fonction MISSING(chaine)<\/code> renvoie la valeur 1, identifiant ad\u00e9quatement la cellule comme vacante. N\u00e9anmoins, les donn\u00e9es textuelles import\u00e9es depuis des fichiers plats, des extractions Web ou des fichiers bureautiques non normalis\u00e9s contiennent fr\u00e9quemment des caract\u00e8res invisibles parasites : tabulations horizontales (code ASCII 09), sauts de ligne (ASCII 10 et 13), ou espaces ins\u00e9cables (ASCII 160). Face \u00e0 ces s\u00e9quences d’octets, la fonction MISSING()<\/code> standard peut \u00eatre mise en \u00e9chec et renvoyer 0, consid\u00e9rant \u00e0 tort le champ comme une observation textuelle informative.<\/p>\nPour immuniser les protocoles de nettoyage contre cette pathologie des donn\u00e9es textuelles, la pratique recommand\u00e9e consiste \u00e0 associer la fonction MISSING()<\/code> aux fonctions de normalisation de cha\u00eenes STRIP()<\/code> ou COMPBL()<\/code>. La fonction STRIP()<\/code> purge de mani\u00e8re exhaustive les espaces situ\u00e9s en t\u00eate et en queue de cha\u00eene. L’expression WHERE NOT MISSING(STRIP(variable_texte))<\/code> procure une assurance m\u00e9thodologique absolue quant au fait que seules les observations d\u00e9tenant un contenu textuel r\u00e9el et s\u00e9mantiquement porteur d’information seront s\u00e9lectionn\u00e9es.<\/p>\n5.3 Comportement des variables d\u00e9riv\u00e9es et calcul\u00e9es<\/h3>\n
L’\u00e9valuation des observations non nulles devient plus complexe d\u00e8s lors que les donn\u00e9es analys\u00e9es proviennent d’expressions arithm\u00e9tiques interm\u00e9diaires ex\u00e9cut\u00e9es au fil de l’eau. Dans l’architecture SAS, toute op\u00e9ration arithm\u00e9tique \u00e9l\u00e9mentaire (addition, soustraction, multiplication, division, exponentiation) impliquant au moins un op\u00e9rande manquant produit imm\u00e9diatement et silencieusement une valeur manquante standard (.<\/code>) comme r\u00e9sultat.<\/p>\nPar exemple, l’affectation arithm\u00e9tique score_composite = var_a + var_b;<\/code> renverra in\u00e9vitablement une valeur manquante si var_b<\/code> est absente, m\u00eame si var_a<\/code> d\u00e9tient une valeur num\u00e9rique valide. Un filtrage post\u00e9rieur appliqu\u00e9 sur score_composite<\/code> via WHERE NOT MISSING(score_composite)<\/code> provoquera l’\u00e9limination de la totalit\u00e9 de l’enregistrement, entra\u00eenant une perte d’information qui aurait pu \u00eatre \u00e9vit\u00e9e par l’utilisation de fonctions d’agr\u00e9gation d’\u00e9tape DATA telles que SUM(var_a, var_b)<\/code>, laquelle ignore nativement les valeurs manquantes pour sommer les termes renseign\u00e9s.<\/p>\nPar ailleurs, les op\u00e9rations math\u00e9matiques dont le r\u00e9sultat est ind\u00e9termin\u00e9 au plan analytique, comme la division d’un nombre par z\u00e9ro (taux = numerateur \/ denominateur;<\/code> lorsque denominateur = 0<\/code>), ne suspendent pas l’ex\u00e9cution du programme. SAS consigne un message d’avertissement dans le journal, assigne une valeur manquante \u00e0 la variable r\u00e9sultat, et poursuit son it\u00e9ration. L’analyste doit imp\u00e9rativement anticiper ces m\u00e9canismes d’\u00e9crasement silencieux afin de concevoir des pr\u00e9dicats de s\u00e9lection capables de distinguer une donn\u00e9e originellement manquante d’un artefact arithm\u00e9tique provoqu\u00e9 par une singularit\u00e9 computationnelle.<\/p>\n6. S\u00e9lection multivari\u00e9e : Gestion conjointe de multiples colonnes non nulles<\/h2>\n6.1 Conjonction stricte avec l’op\u00e9rateur logique AND<\/h3>\n
Dans la majorit\u00e9 des protocoles exp\u00e9rimentaux ou des \u00e9tudes observationnelles quantitatives, les mod\u00e8les statistiques tels que les r\u00e9gressions multivari\u00e9es ou les analyses en composantes principales exigent que l’ensemble des dimensions de l’espace des covariables soit simultan\u00e9ment et rigoureusement document\u00e9 pour chaque unit\u00e9 statistique. Cette contrainte se traduit algorithmiquement par une conjonction stricte de pr\u00e9dicats de non-vacuit\u00e9 reli\u00e9s par l’op\u00e9rateur bool\u00e9en AND<\/code>.<\/p>\nLa formalisation d’une telle s\u00e9lection s’exprime sous la forme :<\/p>\n
WHERE NOT MISSING(age) AND NOT MISSING(pression_arterielle) AND NOT MISSING(taux_cholesterol);<\/code><\/p>\nCette condition impose que l’enregistrement doit comporter une valeur d\u00e9finie pour chacune des m\u00e9triques list\u00e9es pour franchir le filtre. D\u00e8s lors qu’une seule des variables pr\u00e9sente une absence de donn\u00e9e, l’expression globale bascule vers l’\u00e9tat logique FAUX, entra\u00eenant le rejet de l’observation.<\/p>\n
L’impact de la conjonction stricte sur l’attrition de l’\u00e9chantillon d’analyse peut \u00eatre colossal. Dans un jeu de donn\u00e9es contenant cinquante covariables pr\u00e9sentant chacune seulement 2 % de donn\u00e9es manquantes distribu\u00e9es de fa\u00e7on ind\u00e9pendante, l’application d’un filtre conjonctif strict sur l’int\u00e9gralit\u00e9 des variables peut conduire \u00e0 l’\u00e9viction de plus de 63 % de l’\u00e9chantillon initial (selon la loi binomiale $(1 – 0.02)^{50} \\approx 0.364$<\/span>). Ce ph\u00e9nom\u00e8ne met en exergue l’importance de cibler avec parcimonie les seules variables v\u00e9ritablement requises par le mod\u00e8le conceptuel lors de l’application de filtres AND<\/code> exhaustifs.<\/p>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/null2.jpg\")
<\/figure>\n6.2 Disjonction inclusive via l’op\u00e9rateur OR<\/h3>\n
Dans des contextes d’investigation diff\u00e9rents, notamment lors de l’analyse de dossiers m\u00e9dicaux partag\u00e9s ou de donn\u00e9es d’enqu\u00eates complexes \u00e0 filtres de questionnement multiples, la r\u00e8gle de s\u00e9lection exige souvent de retenir une observation d\u00e8s lors qu’elle comporte au moins une modalit\u00e9 ou une mesure significative parmi un ensemble d’indicateurs potentiels. Ce cas d’usage rel\u00e8ve de la disjonction inclusive op\u00e9r\u00e9e au moyen de l’op\u00e9rateur OR<\/code>.<\/p>\nL’impl\u00e9mentation syntaxique s’\u00e9crit de mani\u00e8re analogue :<\/p>\n
WHERE NOT MISSING(telephone_fixe) OR NOT MISSING(telephone_mobile) OR NOT MISSING(adresse_courriel);<\/code><\/p>\nCette structure permet de conserver l’enregistrement si au moins un moyen de communication a \u00e9t\u00e9 collect\u00e9, garantissant que l’unit\u00e9 statistique demeure joignable dans le cadre d’un protocole de suivi longitudinal.<\/p>\n
L’utilisation conjointe des op\u00e9rateurs AND<\/code> et OR<\/code> exige une vigilance extr\u00eame quant \u00e0 la pr\u00e9c\u00e9dence des op\u00e9rateurs logiques au sein du compilateur SAS. Conform\u00e9ment aux r\u00e8gles d’\u00e9valuation formelle, l’op\u00e9rateur AND<\/code> poss\u00e8de une priorit\u00e9 intrins\u00e8que sup\u00e9rieure \u00e0 celle de l’op\u00e9rateur OR<\/code>. Ainsi, l’instruction WHERE condA OR condB AND condC<\/code> est implicitement analys\u00e9e comme WHERE condA OR (condB AND condC)<\/code>. L’absence d’encadrement explicite au moyen de parenth\u00e8ses appropri\u00e9es risque d’alt\u00e9rer profond\u00e9ment le p\u00e9rim\u00e8tre des donn\u00e9es retenues, faussant la repr\u00e9sentativit\u00e9 statistique du sous-ensemble final sans qu’aucun message d’erreur syntaxique ne vienne alerter le chercheur dans le journal.<\/p>\n6.3 Utilisation des fonctions vectorielles NMISS, CMISS et N<\/h3>\n
Lorsque le p\u00e9rim\u00e8tre de s\u00e9lection s’\u00e9tend \u00e0 un nombre \u00e9lev\u00e9 de variables (par exemple dans le traitement de batteries psychom\u00e9triques ou de panels g\u00e9nomiques), l’\u00e9criture r\u00e9p\u00e9titive de pr\u00e9dicats NOT MISSING()<\/code> combin\u00e9s par des op\u00e9rateurs bool\u00e9ens devient source d’alourdissement du code et accro\u00eet le risque d’erreurs d’inattention. Pour pallier cette contrainte, le syst\u00e8me SAS propose une famille de fonctions vectorielles sp\u00e9cialis\u00e9es : N()<\/code>, NMISS()<\/code> et CMISS()<\/code>.<\/p>\nLa fonction NMISS()<\/code> calcule le nombre total d’arguments num\u00e9riques manquants parmi une liste de variables pass\u00e9e en param\u00e8tre. Son invocation vectorielle simplifi\u00e9e permet de condenser une clause de s\u00e9lection complexe en une \u00e9criture compacte et \u00e9l\u00e9gante :<\/p>\nWHERE NMISS(OF score1-score20) = 0;<\/code><\/p>\nCette clause impose que la quantit\u00e9 de variables manquantes parmi les vingt colonnes de la s\u00e9rie soit rigoureusement nulle, mat\u00e9rialisant une conjonction stricte de compl\u00e9tude. Inversement, l’instruction WHERE NMISS(OF score1-score20) < 20;<\/code> \u00e9quivaut \u00e0 exiger qu’au moins une des vingt variables soit document\u00e9e (disjonction inclusive).<\/p>\nLa fonction N()<\/code> r\u00e9alise le d\u00e9compte inverse pour les variables num\u00e9riques, en renvoyant le nombre exact de param\u00e8tres dot\u00e9s d’une valeur r\u00e9elle non manquante. L’expression WHERE N(OF var_a var_b var_c) >= 2;<\/code> offre ainsi la possibilit\u00e9 de filtrer les observations sur un crit\u00e8re de compl\u00e9tude partielle, en imposant qu’au moins deux grandeurs sur trois soient document\u00e9es.<\/p>\nEnfin, la fonction CMISS()<\/code> apporte une flexibilit\u00e9 sup\u00e9rieure en acceptant indiff\u00e9remment des arguments de type num\u00e9rique et de type caract\u00e8re au sein de la m\u00eame liste vectorielle. Elle \u00e9value l’\u00e9tat de vacuit\u00e9 de chaque argument selon son type respectif et totalise le nombre d’\u00e9l\u00e9ments non renseign\u00e9s. Cette fonction s’av\u00e8re particuli\u00e8rement puissante pour \u00e9tablir des m\u00e9triques de qualit\u00e9 globales au sein d’enregistrements h\u00e9t\u00e9rog\u00e8nes sans n\u00e9cessiter de conversion pr\u00e9alable des formats de donn\u00e9es.<\/p>\n7. Quantification et d\u00e9nombrement des observations non nulles<\/h2>\n7.1 Agr\u00e9gation par COUNT() dans PROC SQL<\/h3>\n
Avant ou apr\u00e8s l’extraction d’un sous-ensemble d’observations, l’audit de qualit\u00e9 des donn\u00e9es requiert fr\u00e9quemment de d\u00e9nombrer avec pr\u00e9cision le volume de lignes compl\u00e8tes par rapport \u00e0 la volum\u00e9trie brute. Au sein de la proc\u00e9dure PROC SQL<\/code>, la fonction d’agr\u00e9gation COUNT()<\/code> pr\u00e9sente une dualit\u00e9 s\u00e9mantique majeure qu’il convient de ma\u00eetriser rigoureusement pour \u00e9viter toute erreur de comptage.<\/p>\nLorsque la fonction est invoqu\u00e9e avec l’ast\u00e9risque globale sous la forme SELECT COUNT(*) FROM table;<\/code>, le moteur SQL d\u00e9nombre l’int\u00e9gralit\u00e9 physique des lignes constituant la table, sans op\u00e9rer la moindre inspection du contenu informationnel des colonnes. En revanche, lorsque le statisticien fournit le nom sp\u00e9cifique d’une colonne comme argument de la fonction, sous la forme SELECT COUNT(score_clinique) FROM table;<\/code>, la s\u00e9mantique formelle du langage SQL standard impose l’exclusion implicite de toutes les valeurs nulles. Le r\u00e9sultat renvoy\u00e9 quantifie alors pr\u00e9cis\u00e9ment le nombre d’observations d\u00e9tenant une valeur non nulle pour cette m\u00e9trique pr\u00e9cise.<\/p>\nLa combinaison d’une clause WHERE NOT MISSING()<\/code> avec la fonction d’agr\u00e9gation permet par ailleurs de ventiler ces d\u00e9nombrements par strates ou cat\u00e9gories sociod\u00e9mographiques en introduisant une clause de regroupement GROUP BY<\/code>. Cette formulation permet d’auditer en une passe unique les \u00e9carts de compl\u00e9tude relative entre diff\u00e9rentes cohortes ou centres investigateurs au sein d’essais cliniques multicentriques.<\/p>\n7.2 Proc\u00e9dures d’inspection statistique : PROC FREQ et PROC MEANS<\/h3>\n
Pour l’analyse exploratoire et l’assurance qualit\u00e9 des jeux de donn\u00e9es, les proc\u00e9dures analytiques natives de SAS fournissent des m\u00e9canismes d’inspection automatis\u00e9s hautement informatifs. Pour les variables cat\u00e9gorielles ou qualitatives, la proc\u00e9dure PROC FREQ<\/code> dresse le tableau exhaustif de distribution des fr\u00e9quences. Par d\u00e9faut, PROC FREQ<\/code> exclut les valeurs manquantes du calcul des pourcentages d’\u00e9chantillonnage, consignant en bas de tableau le volume total d’observations omises sous la mention \u00ab Frequency Missing \u00bb<\/em>.<\/p>\nSi l’analyste souhaite analyser la structure des donn\u00e9es manquantes en tant que modalit\u00e9 informative \u00e0 part enti\u00e8re, l’option \/ MISSING<\/code> adoss\u00e9e \u00e0 l’instruction TABLES<\/code> r\u00e9int\u00e8gre ces donn\u00e9es au sein du tableau de contingence, permettant de mesurer pr\u00e9cis\u00e9ment leur proportion relative. L’\u00e9valuation pr\u00e9alable de cette r\u00e9partition guide la pertinence d’une \u00e9tape ult\u00e9rieure de s\u00e9lection stricte par WHERE NOT MISSING()<\/code>.<\/p>\nPour les variables quantitatives continues, la proc\u00e9dure PROC MEANS<\/code> (ou son homologue PROC SUMMARY<\/code>) g\u00e9n\u00e8re automatiquement des m\u00e9triques d’audit gr\u00e2ce aux mots-cl\u00e9s de statistiques descriptives N<\/code> et NMISS<\/code>. L’instruction suivante en fournit l’arch\u00e9type analytique :<\/p>\nPROC MEANS DATA=source N NMISS MIN MEAN MAX; VAR score1 score2; RUN;<\/code><\/p>\nLa m\u00e9trique N<\/code> certifie le volume d’enregistrements non nuls pris en compte pour l’estimation de la moyenne et des moments statistiques d’ordre sup\u00e9rieur, tandis que NMISS<\/code> quantifie l’attrition. Ce diagnostic pr\u00e9alable est indispensable pour valider la repr\u00e9sentativit\u00e9 d’un \u00e9chantillon avant d’appliquer des filtres de non-vacuit\u00e9 drastiques.<\/p>\n7.3 Comptage algorithmique direct dans l’\u00e9tape DATA<\/h3>\n
Bien que les proc\u00e9dures pr\u00e9programm\u00e9es offrent une efficacit\u00e9 ind\u00e9niable, il est des architectures de traitement en temps r\u00e9el ou des cha\u00eenes de production de donn\u00e9es o\u00f9 le d\u00e9compte des observations valides doit \u00eatre calcul\u00e9 de mani\u00e8re incr\u00e9mentale directement au sein de l’\u00e9tape DATA, sans g\u00e9n\u00e9rer de lectures de tables additionnelles.<\/p>\n
Ce r\u00e9sultat est obtenu en recourant \u00e0 l’instruction RETAIN<\/code>, laquelle neutralise la r\u00e9initialisation automatique du PDV \u00e0 chaque nouvelle it\u00e9ration de la boucle de lecture. Le m\u00e9canisme est formalis\u00e9 par l’impl\u00e9mentation algorithmique d’un compteur incr\u00e9mental :<\/p>\nUne variable compteur_non_nulles<\/code> est d\u00e9clar\u00e9e et initialis\u00e9e \u00e0 z\u00e9ro via l’instruction RETAIN compteur_non_nulles 0;<\/code>. \u00c0 chaque it\u00e9ration de l’\u00e9tape DATA, l’\u00e9valuation conditionnelle est ex\u00e9cut\u00e9e : IF NOT MISSING(metrique) THEN compteur_non_nulles = compteur_non_nulles + 1;<\/code>. En exploitant l’option de d\u00e9tection de fin de fichier END=EOF<\/code> sur l’instruction SET<\/code>, le programmeur peut capturer l’ultime cycle de lecture (IF EOF THEN DO; ... END;<\/code>) pour exporter la volum\u00e9trie globale consolid\u00e9e vers le journal d’ex\u00e9cution via l’instruction PUT<\/code>, ou pour diriger cette m\u00e9trique vers une table d’audit d\u00e9di\u00e9e.<\/p>\nCette technique permet d’extraire la sous-population non nulle et d’obtenir simultan\u00e9ment sa quantification exacte au sein d’une unique travers\u00e9e s\u00e9quentielle du jeu de donn\u00e9es brut, optimisant drastiquement les performances d’E\/S sur les volum\u00e9tries de l’ordre de plusieurs dizaines de gigaoctets.<\/p>\n
8. Cr\u00e9ation de sous-ensembles de donn\u00e9es permanents et temporaires<\/h2>\n8.1 Mat\u00e9rialisation de tables \u00e9pur\u00e9es par PROC SQL<\/h3>\n
L’extraction d’observations compl\u00e8tes n’a pas seulement pour objet l’affichage dans un rapport de restitution : elle vise le plus souvent \u00e0 mat\u00e9rialiser une nouvelle table \u00e9pur\u00e9e destin\u00e9e \u00e0 servir de socle aux \u00e9tapes analytiques ult\u00e9rieures. Dans PROC SQL<\/code>, cette op\u00e9ration s’effectue via la directive de cr\u00e9ation de table CREATE TABLE<\/code> coupl\u00e9e \u00e0 la clause de restriction.<\/p>\nLa syntaxe canonique s’articule comme suit :<\/p>\n
PROC SQL; CREATE TABLE work.cohorte_valide AS SELECT id, traitement, resultat FROM work.source WHERE NOT MISSING(resultat); QUIT;<\/code><\/p>\nCette instruction d\u00e9clenche l’allocation d’un nouvel espace physique au sein de la biblioth\u00e8que temporaire WORK<\/code> (ou d’une biblioth\u00e8que permanente si un identifiant de libell\u00e9 sp\u00e9cifique tel que PERM.<\/code> est utilis\u00e9). L’optimiseur SQL effectue le transfert des seules observations qualifi\u00e9es, en reconstruisant un nouveau dictionnaire de colonnes d\u00e9barrass\u00e9 des enregistrements ind\u00e9sirables.<\/p>\nIl importe de souligner que cette cr\u00e9ation mat\u00e9rialise une copie physique des donn\u00e9es. Si cette duplication assure l’ind\u00e9pendance totale de la table fille vis-\u00e0-vis des modifications futures de la table m\u00e8re, elle implique une consommation proportionnelle d’espace disque. D\u00e8s lors, sur des bases de donn\u00e9es massives, le recours \u00e0 la s\u00e9lection de colonnes strictes au lieu du SELECT *<\/code> devient imp\u00e9ratif pour ne pas saturer l’espace de stockage temporaire allou\u00e9 \u00e0 la session SAS.<\/p>\n8.2 Partitionnement conditionnel multiple dans l’\u00e9tape DATA<\/h3>\n
L’\u00e9tape DATA offre un avantage fonctionnel majeur sur PROC SQL<\/code> : la possibilit\u00e9 de r\u00e9aliser un partitionnement conditionnel simultan\u00e9 d’une table source vers de multiples tables cibles au cours d’un parcours de lecture unique. Dans le cadre de l’assurance qualit\u00e9 des flux de donn\u00e9es, il est souvent exig\u00e9 de ne pas simplement d\u00e9truire les enregistrements nuls, mais de les isoler dans une table de quarantaine afin d’en analyser les causes profondes et d’assurer une tra\u00e7abilit\u00e9 int\u00e9grale de l’attrition.<\/p>\nCe partitionnement est mis en \u0153uvre en d\u00e9clarant plusieurs noms de tables sur l’instruction d’ouverture DATA<\/code>, puis en aiguillant les observations via des instructions OUTPUT<\/code> sous contr\u00f4le d’une structure d\u00e9cisionnelle :<\/p>\nL’instruction s’ouvre par DATA table_valides table_rejets; SET table_source;<\/code>. La logique conditionnelle est ensuite formalis\u00e9e : IF NOT MISSING(score_principal) THEN OUTPUT table_valides; ELSE OUTPUT table_rejets;<\/code>. Le moteur SAS oriente chaque ligne de mani\u00e8re herm\u00e9tique et d\u00e9terministe vers l’un ou l’autre des conteneurs physiques sans doubler le temps de lecture de la source.<\/p>\nCette m\u00e9thodologie d’aiguillage constitue un standard incontournable dans les protocoles cliniques r\u00e9glement\u00e9s par la Food and Drug Administration (FDA)<\/a>, o\u00f9 la conservation exhaustive de la tra\u00e7abilit\u00e9 des observations \u00e9cart\u00e9es est une condition