APP下载

使用R和Stata软件实现倾向性评分匹配

2018-09-20南通大学公共卫生学院公共卫生与预防医学系226019李文超汪徐林

中国卫生统计 2018年4期

南通大学公共卫生学院公共卫生与预防医学系(226019) 周 洁 张 晟 何 书 李文超 汪徐林 沈 毅

随机对照试验(randomized controlled trial,RCT)目前被认为是临床试验的金标准,但在实际工作中常受到伦理、经济等因素的影响,且因研究对象有严格的纳入排除标准,使其结论外推受到限制[1]。大样本观察性研究可部分弥补RCT的不足,但其研究过程未采用随机对照,基线以及重要预后因素在组间分布的不均衡可能会对结果的真实性造成影响[2]。倾向性评分匹配(propensity score matching,PSM)是一种均衡混杂因素的方法,近年来广泛用于大样本、非随机观察性研究[3-5]。目前用于实现PSM的软件为数不少[6-8],R语言的Matchit程序包以及Stata软件的psmatch2程序包就是专门用于实现PSM的易学易用的程序包[9-10]。本文拟通过实例展示如何在R与Stata软件上逐步实现PSM。

倾向性评分的概念与基本原理

倾向性评分(propensity score,PS)的概念是Rosenbaum 和Rubin 于1983 年首次提出,它是指将多个协变量的影响通过PS值的变化来表示[11]。根据PS值在组间进行分层、匹配、回归(协变量调整法)或加权分析,即均衡组间协变量的分布,最后在协变量分布均衡的匹配组内或层中进行效应值的分析[12]。

PS的基本原理是指在一定可观察协变量 (Xi) 的条件下,研究对象i(i= 1,2,…,n) 被分配到特定处理组(Zi= 1) 或对照组(Zi= 0) 的条件概率。此时,第i个研究对象被分配到处理组的概率可以表示为:

e(xi)=P(Zi=1|Xi=xi)

若给定的特征变量(xi) 与分组变量 (Zi) 是相互独立的,则:

e(xi) 即为PS值。

Rosenbaum 和Rubin 提出构建PS 模型需服从“强烈可忽略”(strongly ignorable)的假设,即计算PS值时,协变量应包含所有影响分组的混杂因素,或者说是不存在未识别的混杂因素[11]。……

登录APP查看全文