真实世界研究统计分析方法——倾向性评分匹配(PSM)

 PSM近年来成为观察性研究的加分技能

当我们需要在观察性研究中对比两组不同人群的不同特征或者疾病发生发展时,两组人群往往会存在许多潜在的混杂因素的不均衡,而这些不均衡会使我们的比较结果产生偏倚。在实验性研究中,我们可以通过随机分组尽可能消除这种混杂因素的不均衡,但在观察性研究(包括真实世界研究)中我们无法对研究对象进行随机分组,因此,我们需要使用额外的方法对混杂因素进行均衡,那就是倾向性评分匹配,倾向性评分匹配的方法对两组人群根据选择的混杂因素进行匹配,使得两组人群的混杂因素尽可能均衡,从而减少混杂因素对结果的混杂效应。

01

定义

倾向性评分匹配(PSM):就是通过一定的统计学方法对试验组和对照组进行筛选,使筛选出来的研究对象在临床特征(潜在的混杂因素)上具有可比性。此时,如果试验组与对照组的结局存在差异,那就可以将差异完全归结于试验因素。

02

论文实例

2020年发表在Cell Merabolism的一项研究,院内使用他汀类药物与COVID-19患者死亡风险降低相关

研究对象:COVID-19患者

X:接受和未接受他汀类药物治疗,以及接受他汀类药物治疗的同时是否接受ACEI/ARB治疗

Y:全因死亡风险

研究设计:回顾性队列研究。纳入了13981人,PSM后剩下4305人,样本量少了很多,按1:4进行匹配。

03

为何要做PSM呢?

目的是控制混杂:使接受和未接受他汀类药物(X)的COVID-19患者基线情况相似。

解决办法:通过PSM对试验组和对照组进行匹配,使得试验组和对照组的患者基线相似。

给出试验组和对照组,然后根据匹配数随机进行匹配。如1:1匹配,随机选1个配对;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。这个就厉害了!

04

论文中基本图表套路

参考Cell Merabolism的论文:

表1,给出匹配前基线指标的分布情况 


表2,给出匹配前后的研究对象基线指标的分布情况

表3,在匹配后的研究对象中做回归分析 

05

软件操作练习

练习数据:易侕软件自带的练习数据demo。研究降压治疗对某结局指标FCV的影响。X是:HBP(0= untreated ,1= treated)。研究对象有唯一编码ID。现在根据性别、年龄和BMI,对治疗方案做1:2配对。

使用易侕软件“数据操作”菜单下的“两组(病例对照)配对”模块。


选择两分组变量(HBP)、需要配对的变量(sex、age、BMI)、研究对象编号(subj)变量。研究者根据需要设置匹配比例,例如这里设置匹配数1:2。勾选“计算倾向性评分再按评分配对”。这里要设定倾向性评分容许两组相差范围,例如这里默认0.05。

易侕软件自动编写R程序,自动摘录结果制表,直接输出需要用到的图表结果,点击查看结果。就是这么简单!




06

PSM小结(来自易侕学院)

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

END

文 | Angel

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,552评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,666评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,519评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,180评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,205评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,344评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,781评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,449评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,635评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,467评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,515评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,217评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,775评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,851评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,084评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,637评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,204评论 2 341

推荐阅读更多精彩内容