中山大学公共卫生学院医学统计与流行病学系（510080） 焦明旭 张 晓 刘 迪 顾 菁郝元涛



倾向性评分匹配在非随机对照研究中的应用*

中山大学公共卫生学院医学统计与流行病学系（510080） 焦明旭 张 晓 刘 迪 顾 菁△郝元涛

非随机对照研究与随机对照研究相比研究对象入选标准相对宽松，外推性更佳，因此在人群研究中应用广泛［1］。但由于无法随机化，混杂因素在处理组和对照组之间的分布可能不均衡，导致处理因素和结局的关系受混杂因素干扰。在数据的分析阶段，非随机对照研究对混杂因素的控制可通过分层分析或多因素分析，但如果组间特征差异过大，则可能对研究结果产生无法以分析方法弥补的偏倚［2］，且当混杂因素数量过多时以上方法也存在局限性。

倾向性评分匹配（propensity score matching，PSM）可有效降低混杂效应，均衡处理组和对照组之间的差异，从而利用非随机分组数据来估测处理因素和结局的关系，研究处理效应［3］。近年来国外PSM应用广泛，在Pubmed数据库中以“propensity scor*”为检索词，从1987年到2012年共检索到4835篇论文，尤其在过去十年论文数量成倍增长，从2002年42篇增长到2013年1118篇［4］。但PSM有其特定使用条件，且基于倾向性评分有多种匹配方法，国内鲜有研究对此做出说明。本文将结合案例介绍PSM的概念、应用条件、匹配方法、优缺点及应用。

基本概念

倾向性评分（propensity score，PS）由Rosenbaum 和Rubin提出，定义为在混杂因素存在条件下，研究对象进入处理组的条件概率［5］。PSM基于倾向性评分将处理组和对照组个体进行匹配，通过计算两组的平均处理效应来表示结局差异。……