原标题：一键实现倾向性评分匹配（PSM）

“各位用Propensity Score写论文的老师，肿瘤方面已经出了一个论文报告标准了，其他的疾病基本可以参照。”昨日华西的邱实学友留言。 参考文献：Reporting and Guidelines in Propensity Score Analysis: A Systematic Review of Cancer and Cancer Surgical Studies[J]. JNCI: Journal of the National Cancer Institute, 2017,109(8) , SCI IF=12.58

下面看如何实现PSM的统计分析，首先看数据结构：

数据中的HBP（是否高血压）是分组变量，0为对照组，1为病例组，NA代表缺失。每个人有一个唯一编码ID，以及性别sex、年龄age、体质指数BMI等变量信息。现在，我想根据性别、年龄和BMI，对分组变量做1:2配对。

使用易侕软件“数据操作”菜单下的“病例对照配对”模块。

选择分组变量（HBP）、需要配对的变量（sex、age、BMI）、研究对象编号（ID）变量。研究者根据需要设置匹配比例，例如这里设置匹配数1:2。勾选“计算倾向性评分再按评分配对”。这里要定义评分差值为匹配条件，例如这里选择0.05。点击查看结果。就是这么简单！

易侕软件采用了智能化的优先顺序进行匹配，尽可能最大限定地为每个病例找到对照。自动编写R程序，自动摘录结果制表，直接输出需要用到的图表结果：

给出PSM配对组号、倾向性评分的值、配对的编号等。

上图标明病例与对照的倾向性评分分布，以判断哪些区间可用于匹配的资源有限。 如果匹配条件中用于计算倾向性评分的变量里有连续性变量，软件自动再运行曲线拟合模型。

本例中对AGE和BMI进行平滑曲线拟合，重新计算评分，重新匹配。输出图表结果同上。输出的xls文件名带“_gam”以标明用 GAM（广义相加模型） 计算倾向性评分进行的匹配。图表结果略。

原理可以简单粗暴的理解为：用配对变量跟分组变量Y建立回归方程，然后把每位研究对象的配对变量带入方程，可以算出一个值作为评分（score），评分相差小于一定范围的研究对象匹配。

更详细的软件操作和结果解读视频如下：

相关内容链接

返回搜狐，查看更多