Werken als statistical programmer

Wat doet een statistical programmer?

Een statistical programmer zet gecontroleerde studiedata om in gestandaardiseerde datasets en schrijft de programma's die tabellen, listings en figuren maken. Dat gebeurt op basis van specificaties en het statistisch analyseplan.

De datastroom loopt van de studiedatabase naar SDTM-datasets, daarna naar ADaM-datasets met afgeleide variabelen en tot slot naar de outputs. Elk getal moet terug te voeren zijn naar de brondata. Verandert de data of het plan, dan worden datasets en outputs opnieuw opgebouwd en opnieuw gecontroleerd.

De programmeur kiest de analysemethode niet. Die staat in het statistisch analyseplan van de biostatisticus. Is een specificatie onduidelijk of niet uitvoerbaar, dan legt de programmeur die vraag voor aan de statisticus.

Bekijk de actuele vacatures voor statistical programmers en de werkgevers die statistical programmers zoeken.

Wat zijn SDTM en ADaM en wat bouwt een statistical programmer ermee?

SDTM is het CDISC-model voor het ordenen van verzamelde studiedata. ADaM is het model voor de analysedatasets die uit SDTM worden afgeleid.

Volgens CDISC is SDTM een van de vereiste standaarden voor data-indiening bij de FDA en de PMDA. SDTM bevat de gegevens zoals ze in de studie zijn verzameld. ADaM-datasets bevatten de analysegegevens en de afgeleide variabelen. Kernvariabelen zoals behandeling, leeftijd, geslacht en de vlaggen voor analysepopulaties horen ook in de ADaM-datasets, omdat SDTM-domeinen zulke variabelen niet herhalen. Volgens de sdTCG bevat elke indiening met analysedata een subject-level analysis dataset (ADSL) per studie. Het bijwerkingenbestand ADAE is een voorbeeld van een bestand waarin die kernvariabelen staan. Voor laboratoriumresultaten vraagt de FDA twee ADaM-datasets: ADLB met SI-eenheden en ADLC met conventionele eenheden.

De PMDA zegt dat SDTM geen waarden voor imputatie bevat, en dat geïmputeerde data in ADaM horen. Welke versie een toezichthouder accepteert, bepaalt die toezichthouder. De actuele CDISC-versies staan op cdisc.org. Bron: CDISC SDTM.

Bekijk de vacatures met CDISC, vacatures met SDTM en vacatures met ADaM om te zien welke kennis werkgevers vragen.

Wat zijn tabellen, listings en figuren?

TLF is de verzamelnaam voor tabellen, listings en figuren. Tabellen vatten data samen, listings tonen gegevens per proefpersoon en figuren tonen een verloop, zoals een overlevingscurve.

ICH E3 zet samenvattende tabellen en figuren voor de belangrijkste demografische, werkzaamheids- en veiligheidsvariabelen in de tekst van het studierapport. Andere samenvattende outputs staan in sectie 14, patiëntlijsten voor bepaalde groepen in bijlage 16.2. In elke output worden geschatte of afgeleide waarden duidelijk gemarkeerd. Bron: ICH E3.

Pilot 3 van het R Consortium bevat bijvoorbeeld een demografie- en baselinetabel, een Kaplan-Meier-plot en de verandering ten opzichte van baseline. Een reviewer wil elke telling uit zo'n output kunnen terugvoeren naar de analysedataset en de brondata.

Het studierapport waarin deze outputs terechtkomen, wordt mede door de medical writer opgebouwd. Lees werken als medical writer voor dat werk.

Welke bestanden en documenten horen bij een indiening?

Een indiening bij de FDA bevat datasets in SAS XPORT-formaat, een define.xml, een annotated case report form (aCRF), een reviewer's guide en de programma's achter de werkzaamheidsanalyses.

De sdTCG noemt technische eisen, als aanbevelingen zonder bindende kracht. Variabelenamen zijn maximaal 8 tekens, labels en datasetlabels maximaal 40 tekens, en er worden alleen ASCII-tekens gebruikt. Bij de FDA gebruik je geen SAS custom formats. Datasets groter dan 5 gigabyte worden gesplitst in delen van maximaal 5 gigabyte. Bron: FDA Study Data Technical Conformance Guide.

De sdTCG noemt het define.xml misschien wel het belangrijkste onderdeel van de elektronische datasets voor de beoordeling. Reviewers hebben onvoldoende gedocumenteerde definitiebestanden als probleem gemeld, vooral bij afgeleide variabelen. Het ADRG vervangt het define.xml niet. Het SDSP staat bij INDs, NDA's en BLA's in eCTD-sectie 1.13.9, en de FDA geeft voor deze documenten geen verplicht template.

Wat eisen de FDA, PMDA en EMA aan gestandaardiseerde data?

De FDA verplicht elektronische indiening van gestandaardiseerde data voor een aantal indieningstypen. De PMDA vraagt CDISC-standaarden. De EMA heeft geen algemene verplichting; het proefproject is vrijwillig.

De FDA-guidance uit juni 2021 voert sectie 745A(a) van de Federal Food, Drug, and Cosmetic Act uit. Bron: FDA-guidance gestandaardiseerde studiedata. Volgens de FDA-pagina over studiedata voor CDER en CBER (inhoud per 25 mei 2023) bepaalt de Data Standards Catalog welke standaarden en deadlines gelden. De FDA kondigt een nieuwe versie van een standaard ten minste één jaar van tevoren aan en een geheel nieuwe standaard ten minste twee jaar.

De PMDA-notificatie is van 1 april 2022, met herziene delen van 8 april 2024. De Engelse tekst is een voorlopige vertaling, en bij verschil prevaleert de Japanse tekst. Bron: PMDA Technical Conformance Guide.

Het EMA-document van 14 oktober 2024 zegt dat klinische studiedata nu niet systematisch onderdeel van aanvragen zijn. Bron: EMA-document over het proefproject.

Deze eisen veranderen. Lees de actuele tekst bij de toezichthouder en het overzicht van ICH-richtlijnen.

Hoe worden programma's en datasets gevalideerd?

Validatie gebeurt volgens de procedures van het bedrijf. ICH E6(R3) en ICH E9 vragen om gedocumenteerde kwaliteitscontrole en betrouwbare software, maar ze schrijven geen methode voor.

ICH E6(R3) sectie 3.16.2 vraagt om herleidbare datatransformaties en afleidingen. Programmeerrecords bij de outputs worden bewaard, met validatie, datum en tijd, bescherming tegen wijzigingen en toegangscontrole. Bron: ICH E6. Volgens de EMA-pagina gelden de principes en Annex 1 in de EU sinds 23 juli 2025, en Annex 2 krijgt ingangsdatum 15 januari 2027. Controleer de stand op die pagina.

ICH E9 sectie 5.8 vraagt om betrouwbare software en documentatie van softwaretestprocedures. Bekijk de vacatures waarin ICH E9 wordt gevraagd om te zien in welke functies deze richtlijn terugkomt.

Ook gelden er regels voor de data zelf. Sponsors toetsen de data vóór indiening aan de CDISC-regels, de eCTD Technical Rejection Criteria en de Business Rules en Validator Rules van de FDA. Business Rules v1.5 en Validator Rules v1.6 zijn beschikbaar. Afwijkingen herstel je of leg je uit in de reviewer's guide. Bron: FDA-pagina met studiedatabronnen.

Een werkwijze is dubbel programmeren. Een tweede programmeur bouwt dezelfde output vanuit dezelfde specificatie, waarna de resultaten worden vergeleken en elk verschil wordt opgelost. Bij kwaliteitscontrole horen ook het nalezen van logbestanden en het controleren van de output tegen de specificatie. De richtlijnen schrijven die werkwijze niet voor; bedrijven leggen hun methode vast in eigen procedures.

Werk je als statistical programmer in SAS of in R?

SAS en R zijn twee programmeertalen waarin het vak werkt. Welke taal een werkgever gebruikt, staat in de vacature.

Volgens de FDA Statistical Software Clarifying Statement van 6 mei 2015 schrijft de FDA geen specifieke software voor, maar moet de gebruikte software met versie en build in de indiening zijn gedocumenteerd. Bron: FDA Statistical Software Clarifying Statement. De PMDA beperkt de programma's niet tot bepaalde software; de omgeving staat in de reviewer's guide. SAS XPORT versie 5 is een bestandsformaat, geen programmeertaal.

Het R Consortium voert samen met de FDA pilots uit met R-gebaseerde indieningen. Pilot 3 is een volledig in R gemaakt pakket met ADaM-datasets, een ADRG en tabellen, figuren en listings. Volgens het R Consortium is het door FDA CDER succesvol beoordeeld. Bron: R Consortium Pilot 3. Pilot 3 is één indiening, geen algemene regel.

Bekijk de vacatures met SAS en de vacatures met R om te zien welke taal bij welke functie hoort.

Waarin verschilt een statistical programmer van een biostatisticus?

De biostatisticus ontwerpt en analyseert de studie: het studieontwerp, de steekproefgrootte, het analyseplan, de methoden en de interpretatie. De statistical programmer bouwt de datasets en outputs volgens de specificaties.

De twee functies controleren elkaar. De statisticus beoordeelt of de outputs kloppen met het plan, en de programmeur signaleert onduidelijkheden in dat plan. Welke taken bij welke functie horen, verschilt per werkgever en staat in de vacature.

Lees werken als biostatisticus en bekijk de vacatures voor biostatistici. De clinical data manager levert de gecontroleerde data waarmee de programmeur begint, zie werken als clinical data manager.

Welke achtergrond past bij een statistical programmer en hoe groei je door?

Er is geen vaste route, en elke werkgever stelt eigen eisen. Achtergronden die bij het werk passen zijn statistiek, wiskunde, informatica en life sciences met programmeerervaring.

De universitaire master Statistics and Data Science van de Universiteit Hasselt in België noemt Senior Statistical Programmer als functie waarin afgestudeerden terechtkunnen.

Belangrijke vaardigheden zijn programmeren in SAS of R, nauwkeurigheid, het lezen van specificaties en een analyseplan, goed documenteren en goed Engels. De CDISC-standaarden en de procedures van het bedrijf leer je grotendeels in het werk, onder begeleiding van ervaren programmeurs.

Functietitels verschillen per werkgever. Een loopbaan kan lopen van junior statistical programmer via statistical programmer en senior statistical programmer naar principal statistical programmer. Een lead programmer stuurt het programmeerwerk van een studie aan en bewaakt kwaliteit en planning. Leidinggevende rollen zijn teamleider of manager statistical programming. Zijwaartse stappen gaan naar biostatistiek, data management, clinical database programming of een rol rond datastandaarden. Dat is geen vanzelfsprekende route.

Lees meer over het vakgebied life sciences data.