?PSM近年來(lái)成為觀察性研究的加分技能
當(dāng)我們需要在觀察性研究中對(duì)比兩組不同人群的不同特征或者疾病發(fā)生發(fā)展時(shí)，兩組人群往往會(huì)存在許多潛在的混雜因素的不均衡全谤，而這些不均衡會(huì)使我們的比較結(jié)果產(chǎn)生偏倚肤晓。在實(shí)驗(yàn)性研究中，我們可以通過(guò)隨機(jī)分組盡可能消除這種混雜因素的不均衡认然，但在觀察性研究（包括真實(shí)世界研究）中我們無(wú)法對(duì)研究對(duì)象進(jìn)行隨機(jī)分組补憾，因此，我們需要使用額外的方法對(duì)混雜因素進(jìn)行均衡卷员，那就是傾向性評(píng)分匹配盈匾，傾向性評(píng)分匹配的方法對(duì)兩組人群根據(jù)選擇的混雜因素進(jìn)行匹配，使得兩組人群的混雜因素盡可能均衡子刮，從而減少混雜因素對(duì)結(jié)果的混雜效應(yīng)威酒。
01
定義
傾向性評(píng)分匹配（PSM）：就是通過(guò)一定的統(tǒng)計(jì)學(xué)方法對(duì)試驗(yàn)組和對(duì)照組進(jìn)行篩選，使篩選出來(lái)的研究對(duì)象在臨床特征（潛在的混雜因素）上具有可比性挺峡。此時(shí)葵孤，如果試驗(yàn)組與對(duì)照組的結(jié)局存在差異，那就可以將差異完全歸結(jié)于試驗(yàn)因素橱赠。
02
論文實(shí)例
2020年發(fā)表在Cell Merabolism的一項(xiàng)研究尤仍，院內(nèi)使用他汀類藥物與COVID-19患者死亡風(fēng)險(xiǎn)降低相關(guān)
研究對(duì)象：COVID-19患者
X：接受和未接受他汀類藥物治療，以及接受他汀類藥物治療的同時(shí)是否接受ACEI/ARB治療
Y：全因死亡風(fēng)險(xiǎn)
研究設(shè)計(jì)：回顧性隊(duì)列研究狭姨。納入了13981人宰啦，PSM后剩下4305人，樣本量少了很多饼拍，按1:4進(jìn)行匹配赡模。
03
為何要做PSM呢？
目的是控制混雜：使接受和未接受他汀類藥物（X）的COVID-19患者基線情況相似师抄。
解決辦法：通過(guò)PSM對(duì)試驗(yàn)組和對(duì)照組進(jìn)行匹配漓柑，使得試驗(yàn)組和對(duì)照組的患者基線相似。
給出試驗(yàn)組和對(duì)照組，然后根據(jù)匹配數(shù)隨機(jī)進(jìn)行匹配辆布。如1：1匹配瞬矩，隨機(jī)選1個(gè)配對(duì)；1：2匹配锋玲，隨機(jī)選2個(gè)配對(duì)景用。因此PSM的方法又被成為事后隨機(jī)化，相當(dāng)于在隊(duì)列里面構(gòu)建RCT惭蹂。這個(gè)就厲害了伞插！
04
論文中基本圖表套路
參考Cell Merabolism的論文：
表1，給出匹配前基線指標(biāo)的分布情況?
表2盾碗，給出匹配前后的研究對(duì)象基線指標(biāo)的分布情況
表3蜂怎，在匹配后的研究對(duì)象中做回歸分析?
05
軟件操作練習(xí)
練習(xí)數(shù)據(jù)：易侕軟件自帶的練習(xí)數(shù)據(jù)demo。研究降壓治療對(duì)某結(jié)局指標(biāo)FCV的影響置尔。X是：HBP（0= untreated ，1= treated）氢伟。研究對(duì)象有唯一編碼ID“窠危現(xiàn)在根據(jù)性別、年齡和BMI朵锣，對(duì)治療方案做1:2配對(duì)谬盐。
使用易侕軟件“數(shù)據(jù)操作”菜單下的“兩組（病例對(duì)照）配對(duì)”模塊。
選擇兩分組變量（HBP）诚些、需要配對(duì)的變量（sex飞傀、age、BMI）诬烹、研究對(duì)象編號(hào)（subj）變量砸烦。研究者根據(jù)需要設(shè)置匹配比例，例如這里設(shè)置匹配數(shù)1:2绞吁。勾選“計(jì)算傾向性評(píng)分再按評(píng)分配對(duì)”幢痘。這里要設(shè)定傾向性評(píng)分容許兩組相差范圍，例如這里默認(rèn)0.05家破。
易侕軟件自動(dòng)編寫R程序颜说，自動(dòng)摘錄結(jié)果制表，直接輸出需要用到的圖表結(jié)果汰聋，點(diǎn)擊查看結(jié)果门粪。就是這么簡(jiǎn)單！
06
PSM小結(jié)（來(lái)自易侕學(xué)院）
1烹困、可用于觀察性研究
隊(duì)列研究設(shè)計(jì)玄妈，分組變量是暴露因素X
病例對(duì)照研究設(shè)計(jì)，分組變量是結(jié)局指標(biāo)Y
2、用于配對(duì)的變量
通常匹配性別措近、年齡溶弟、結(jié)合各指標(biāo)臨床意義匹配
果匹配變量和X密切相關(guān)，存在假陰性的偏性瞭郑，如果依然是陽(yáng)性發(fā)現(xiàn)辜御，表明X對(duì)Y作用強(qiáng)
3、做敏感性分析：PSM和原始隊(duì)列都做分析
4屈张、易侕軟件基于R語(yǔ)言的PSM優(yōu)勢(shì)
可以靈活設(shè)置匹配比例（1：n）擒权，更加符合臨床研究設(shè)計(jì)要求
在計(jì)算傾向性評(píng)分時(shí)，可以實(shí)現(xiàn)連續(xù)變量的曲線擬合（GAM模型）阁谆，更加精準(zhǔn)擬合X和Y的關(guān)系
采用智能化的優(yōu)先順序進(jìn)行匹配碳抄，盡可能最大限定地為每個(gè)病例找到對(duì)照。
5场绿、PSM好處：提高論文證據(jù)力度剖效，控制混雜、防止偏性
END
文 |?Angel
