接上一帖：SAS proc psmatch 平衡治疗组和对照组两组人数差别比较大时的应用-Propensity score
https://bbs.pinggu.org/forum.php?mod=viewthread&tid=7282924&from^^uid=5537424

本文介绍倾向性评分匹配（Propensity score Matching，PSM）


案列

2015年在NEJM发表了一项研究[2]，支架和CABG手术相比，对于多支病变的冠心病的疗效。

研究对象：冠心病患者

X：两种治疗方式，第二代药物支架（PCI）与冠脉搭桥（CABG） 相比

Y：预后包括死亡、心梗、再次血运重建和卒中

研究设计：观察性研究（observational）中的队列（cohort）研究。没有随机分配治疗方案，不是RCT，是在真实世界中观察不同治疗方案的疗效。纳入了3万多人，PSM后剩下不到2万人，样本量少了很多。

为何要做PSM呢？

目的是控制混杂：挑出一部分人，使得接受不同治疗方案（X）的患者基线情况相似。这一点非常重要。试想，如果病情重的人偏向于做搭桥手术，病情重的人预后不好，就会得出搭桥手术疗效差的假象。

解决办法：研究设计时通过PSM的方法选择患者，使得不同X组的人基线相似。即纳入的人既有可能接受PCI，又有可能接受CABG。

给定一个病例，从数据库里找出满足配对条件的所有可能的对照，然后根据匹配数随机选择对照。如1：1匹配，随机选一个作对照；1：2匹配，随机选2个配对。因此PSM的方法又被成为事后随机化，相当于在队列里面构建RCT。

Matching cases and controls by propensity core

1. Greedy matching 贪心法匹配

SAS program featuring a macro to perform GREEDY matching based on propensity score:

Documentation: www2.sas.com/proceedings/sugi26/p214-26.pdf

2. One-to-one matching within a specified range with SAS

Using PROC SQL (an elegant, concise approach):

Using PROC SURVEYSELECT:

Performing a 1 to N case-control match:

观察性队列研究，如果做了PSM，需要呈现原始数据和PSM的两套结果。因为原始数据是最真实的，PSM是考虑了混杂之后的结果。相当于敏感性分析。

• 如果两套结果一致，表明治疗方案对预后的影响受混杂因素影响不大。

• 如果不一致，需要进一步分析混杂的主要来源。
  

PSM小结

1、可用于观察性研究

• 队列研究设计，分组变量是暴露因素X

• 病例对照研究设计，分组变量是结局指标Y

  
  

2、用于配对的变量

• 通常匹配性别、年龄、结合各指标临床意义匹配

• 果匹配变量和X密切相关，存在假阴性的偏性，如果依然是阳性发现，表明X对Y作用强

  
  

3、做敏感性分析：PSM和原始队列都做分析

4、易侕软件基于R语言的PSM优势

• 可以灵活设置匹配比例（1：n），更加符合临床研究设计要求

• 在计算倾向性评分时，可以实现连续变量的曲线拟合（GAM模型），更加精准拟合X和Y的关系

• 采用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。

  
  

5、PSM好处：提高论文证据力度，控制混杂、防止偏性

参考文献

[1] Kurth T, Walker A M, Glynn R J, et al. Results of multivariable logistic regression, propensity matching, propensity adjustment, and propensity-based weighting under conditions of nonuniform effect[J]. Am J Epidemiol, 2006,163(3):262-270.

[2]Bangalore S, Guo Y, Samadashvili Z, et al. Everolimus-eluting stents or bypass surgery for multivessel coronary disease[J]. N Engl J Med, 2015,372(13):1213-1222.

[3] Yao X I, Wang X, Speicher P J, et al. 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).

[4] https://wiki.harvard.edu/confluence/display/hsphsashelp/propensity+scores

[5]https://mp.weixin.qq.com/s?__biz=MzU0NDczNjU3MA==&mid=2247484513&idx=1&sn=08f4ad6236370da02ce2ba13160edbf2&chksm=fb76d034cc01592296016a082bafa2e5fa020aad9c2e37284a1d5281b7f812640fe395ccf65e&scene=21#wechat_redirect