谈起临床研究，如何设立一个靠谱的对照，有时候成为整个研究成败的关键。对照设立的一个非常重要的原则就是可比性，简单说就是对照组除了研究因素外，其他的因素应该尽可能和试验组保持一致，这里就不得不提随机对照试验。众所周知，随机对照试验中研究对象是否接受干预是随机的，这就保证了组间其他混杂因素均衡可比。
但是有些时候并不能实现随机化，比如说观察性研究。这时候倾向性评分匹配(propensity score matching, PSM)可以有效降低混杂偏倚，并且在整个研究设计阶段，得到类似随机对照研究的效果。与常规匹配相比，倾向性评分匹配能考虑更多匹配因素，提高研究效率。
这么“高大上”的倾向性评分匹配，是不是超级难学？错矣！今天就带大家轻松搞定1:1倾向性评分匹配。作为“稀罕”大招，并不是在所有版本的SPSS都可以实现倾向性评分匹配，仅在SPSS22及以上自带简易版PSM，对于其他版本或者想要体验完整版功能，就不得不去安装相应的软件（R软件、SPSS R插件、PS matching插件。。。超级难安装！那是需要运气和耐心的！感兴趣的小伙伴可以私聊~~~）。
本次使用SPSS22为大家演示1:1倾向性评分匹配。
某研究小白想搞明白吸烟和高血压之间的关系，准备利用某项调查的资料进一步随访研究吸烟和高血压的关联，该项研究包括233名吸烟者，949 名不吸烟者。如果全部随访，研究小白感觉鸭梨山大，所以打算从中选取部分可比的个体进行随访。
这两组人群一些主要特征的分布存在显著差异（见表1），现准备采用PS最邻近匹配法选取可比的个体作为随访对象。
表1. 两组基线情况比较（匹配前）
1. 数据录入
(1) 变量视图
(2) 数据视图
2. 倾向性评分匹配
选择Data→Propensity Score Matching，就进入倾向性评分匹配的主对话框。
将分组变量Smoke放入Group Indicator中（一般处理组赋值为“1”，对照组赋值为“0”）；将需要匹配的变量放入Predictors中；Name for Propensity Variable为倾向性评分设定一个变量名PS；
Match Tolerance用来设置倾向性评分匹配标准（学名“卡钳值”），这里设定为0.02，即吸烟组和不吸烟组按照倾向性评分±0.02进行1：1匹配（当然，卡钳值设置的越小，吸烟组和不吸烟组匹配后可比性越好，但是凡事有个度，太小的卡钳值也意味着匹配难度会加大，成功匹配的对子数会减少，需要综合考虑~~~）；
Case ID确定观测对象的ID；Match ID Variable Name设定一个变量，用来明确对照组中匹配成功的Match_ID；Output Dataset Name这里把匹配的观测对象单独输出一个数据集Match。
3. Options设置
Variable for Number of Eligible Cases设定一个变量，用来明确病例组中某一个观测对象，在对照组中有多少个观测对象满足与其匹配的条件，比如说病例组有一个观测对象PS=0.611，对照组可能有一个0.610，一个0.612。
Sampling默认为不放回抽样。
Give priority to exact matches 优先考虑精确匹配，也就说病例组有一个观测对象PS=0.611，对照组也应该找到一个0.611。
Maximize execution performance 执行最优化操作，即系统会综合考虑精确匹配和模糊匹配（基于设定的卡钳值范围内匹配），系统默认勾选。
Randomize case order when drawing matches整个匹配过程中，如果对照组有多个满足匹配条件的观测对象，那么SPSS会默认随机将其与病例组观测对象匹配。但是因为SPSS默认每次操作给对照组的随机数字不同，所以如果不特殊设定，每次实际匹配成功的对子是不一样的，也就说这一次对照组A匹配给病例组B，下一次就可能匹配给病例组C。所以需要自行设置，并且在Random Number Seed设定一个随机数种子，确保匹配过程可以重复。
1. 匹配结果
表2以吸烟（1=吸烟；0=不吸烟）为因变量，以需要调整的变量为自变量构建logistic回归模型（表2），求出每个研究对象的PS值。
表2. logistic回归模型
表3显示，精确匹配45对，模糊匹配114对，共计匹配成功159对。
表3. 匹配结果
表4主要是匹配过程。首先是精确匹配（即PS完全一致），匹配33663次，大约1%匹配成功；其次在精确匹配成功的前提下，进行PS的模糊匹配（PS±0.02，即最开始设定的卡钳值为0.02），匹配33618次，大约3.3%匹配成功。
表4. 匹配容许误差
2. 匹配后数据库
输出的数据集Match中出现之前设定的几个新变量：E_case表示对照组中有几个符合匹配条件的观测对象（如图，吸烟组ID=2，有2个对照组观测对象符合匹配条件）；PS是基于logistic回归模型计算出的倾向性评分；match_id表示匹配成功的ID。
3. 数据库整理
A. 筛选匹配成功的对子：选择Data→Select Cases→If condition is satisfied：设定match_id≥1，筛选出匹配成功的对子→Output中输出新的数据集Analysis。
B. 确定匹配成功标识：match_id为吸烟组和不吸烟组相互匹配成功的ID，这里将不吸烟组match_id变量转换为ID变量，这时候相同的match_id即为匹配成功的对子。具体操作：将Analysis数据集中，不吸烟组match_id替换成ID编号：Transform→Compute Variable→if smoke=0, match_id=ID→OK
C. 选择Data→Sort cases→按照匹配标识match_id排序（相同的match_id即为匹配成功的对子）→OK→Save（你的鼠标手一定要点保存！！！）
倾向性评分匹配就搞定了，再来看看匹配情况。表5显示，原吸烟组233例，最后共有159例匹配成功（这次我们限定PS≤0.02，但可根据实际情况选择合适的限定，增加匹配成功数！），各匹配因素在两组间都均衡可比。
表5. 两组基线情况比较（匹配后）
PSM一般分为三种类型：
1、PS最邻近匹配：是PSM最基本的方法，即直接从对照中寻找一个或多个与处理组个体PS值相同或相近的个体作为配比对象。本次我们就采用的是这个方法。
2、分层PSM：PS最邻近匹配尽管可以使协变量总体趋于平衡，但不能保证每个协变量分布完全一致。可以根据某个重要变量（如性别）分层后，分别对每层人群进行PS最邻近匹配，然后再将配比人群合并，这样就可以保证该重要变量在组间分布完全一致。
3、与马氏配比结合的PSM：PSM与马氏配比结合后可以增加个别重点变量平衡能力，实现过程比较复杂。
对于1:m PS匹配和与马氏配比结合的PSM，目前SPSS22及以上版本自带的PSM并不能实现，后面会介绍基于SAS软件复杂倾向性评分匹配，敬请期待~~~
参考文献
李智文, 张乐, 刘建蒙,等. 倾向评分配比在流行病学设计中的应用[J]. 中华流行病学杂志, 2009, 30(5):514-517.
医咖会微信：medieco-ykh
本文来自medieco-ykh，观点不代表一起大数据-技术文章心得立场，如若转载，请注明出处：
