由 SAS 健康分析框架提供支持，端到端功能可从真实世界证据 – 从数据管理到队列抽取，高级分析等等 – 收集新的科学和商业见解。
数据整合和管理
将所有现实数据源整合在一个平台上。自动将数据映射到通用数据模型，并在新数据到达时刷新队列和输出结果。
交互式队列发现和可视化
使您无需编码即可确定研究队列。复杂的查询可以超越简单的子集，选择具有多个时态关系和布尔逻辑的条件。
强大的自助分析
提供分析方法逻辑库，其中包括简单的描述性统计，预测性分析和机器学习方法。
数据可视化和探索
从现实数据中得出洞察，以支持有关治疗方案、护理差距、报销、处方药获取或临床开发的决策。
大规模，可扩展的计算能力
鼠标单击界面使您可以在几乎没有滞后时间的情况下浏览大量数据源。网格计算可以在几秒钟内对数百万行数据进行计算，而非几分钟、几小时或几天。
灵活的部署选择
可在商品化硬件、私有云或公有云基础架构、Cloud Foundry平台即服务(PaaS)或托管的软件即服务(SaaS)环境下运行。
更快获得洞察并获得竞争优势。
收集来自各种来源的相关现实数据。
轻松集成来自内部和第三方来源的实时数据 – 这些数据来自医疗点系统、电子病历、保险索赔、患者报告的结果、第三方数据提供者等。自动化过程清理并准备数据，并将其映射到通用数据模型以进行并行比较。以更少的时间准备数据，以更多的时间学习数据。
快速、轻松地访问高级分析和数据可视化工具。
甚至非技术用户也可以通过易于使用的点击式界面快速浏览、可视化和探索大量数据，以进行强大的内存中分析。包含创新算法的预构建分析模型库提供对各种分析工具的访问 – 从简单的描述性统计，预测性分析到机器学习方法。您还可以创建有意义的报告并通过移动设备共享报告，以支持有关品牌战略、治疗方案、定价、报销、处方访问等方面的决策。
可视化和分析队列数据。
交互式的拖放队列构建器支持具有时间关系的复杂队列查询 – 无需编码。您可以轻松探索队列特征以及包含/排除条件对患者人群的影响，从而确定研究的可行性。可以保存队列定义以供重复使用，修改并应用于其他实际数据资产，以进行群体间比较，从而节省时间和资源。您还可以使用 SAS 或其他技术（例如 R，Python 和第三方可视化工具）中的内存中分析和可视化来验证结果并进行进一步分析。
了解 SAS® 真实世界证据
