几日前，一肿瘤医生回顾性收集了本院2008-2018年某主任主治的某癌所有病例资料，欲验证A方法和B方法对该种肿瘤病人生存时间的差异。尝试匹配无果，遂来咨询。今天就和大家一同分享临床研究的另一利器——倾向性评分匹配。
在常规的观察性研究和回顾性研究中，对于研究的结果变量Y，往往期望除暴露因素（X）外，病例组和对照组其它因素完全一致，以减少混杂因素或交互作用（Z，也称协变量）造成的偏倚。熟知的随机对照试验（Randomized Controlled Trial， RCT）是绝佳的研究方式。然而，受物力、财力、伦理道德等约束，实际研究中尤其是在回顾性研究中，很难做到完全随机对照，这时就需要消除混杂因素Z的影响，常用方法有：
1）分层匹配；
2）多元回归模型；
3）倾向性评分匹配。
当混杂因素X较少或已明确时，可采用分层匹配。利用多元回归模型需不断调整混杂因素以评价X对Y的独立作用大小。而当混杂因素较多较复杂时，倾向性评分匹配则呈现出特有的优势。
倾向性评分匹配（Propensity Score Matching, PSM）于1983年由Paul Rosembaum和Donald Rubin首次提出，依据“反事实”（counterfactual）推断法则，基于条件概率（z=i|X，贝叶斯概率），对实验组和对照组个体进行打分（score）筛选，其分值大小代表被选入某组的概率大小，匹配概率相等或相近的个体，组成新的实验组和对照组，使组间混杂因素达到均衡。即组间不均衡的多个变量，通过一个综合指标“倾向评分”达到“降维”的效果。
PSM步骤包括：1. Preliminary analysis; 2. Estimation of Propensity Score; 3. Propensity Score Matching; 4. Outcome analysis; 5. Sensitivity analysis。PSM的具体原理、相关公式及每一步骤比较复杂，如果大家感兴趣，我们可以下次再述。今天主要讲述第3步Propensity Score Matching的操作步骤。
你可能会问：为什么不用临床医生熟用SPSS呢？
当然可以，但是你得1.将SPSS升级到18.0以上版本；2.下载与你电脑上SPSS版本相匹配的R；3.安装SPSS Statistics Essentials for R插件；4.下载并安装SPSS PS Matching拓展功能。如果能顺利并成功安装的小伙伴们，就可以开心去尝试PSM了。然而，实际情况是，安装过程并非那么easy，很多人很可能中途就放弃了。
至于SAS，你得先在你的电脑上成功安装好SAS并能运行吧......
那么追求简便不愿麻烦的我尝试了R，如同从繁文缛节的古代穿越到了现代。下面我们就一同看一看这么简单好用的R如何实现PSM。所有代码如下：
mydata <- read.csv ("C:/tumor/R-data.csv")
attach (mydata)
mydata [1:20,]
m.out = matchit (radio ~ sex + age + margin + lymph + differentiated + disease + Tu + M + site + neck + targeted, method ="nearest", ratio =1)
summary (m.out)
plot (m.out, type = "jitter")
plot (m.out, type = "hist")
m.data1 <- match.data (m.out)
write.csv (m.data1, file = "C:/tumor/match_nearest.csv)
准备工作：
数据清洗：将按照一定纳入标准和排除标准的病例进行编号，变量命名（英文）、赋值，切记去掉含有缺失值的病例，否则R运行会出错。
整理好后，将文件存为.csv格式。
安装R：直接在官网下载。
安装并加载MatchIt包：
打开R，点击“程序包”-“安装程序包”，任选一CRAN mirror“确定”-选择“”MatchIt”-确定。点击“程序包”-“加载程序包”-选择“MatchIt”-确定。
注意：MatchIt包安装一次就可以了，但在每次使用时需再次加载。
代码详解：
mydata <- read.csv ("C:/tumor/R-data.csv")
attach (mydata)
mydata [1:20,]
第一行读取整理好的数据资料，准确指向其存储位置，即存在C盘tumor文件夹里格式为.csv的文件，文件名为R-data。
第二行确保这些数据在当前R中可以使用。
第三行在R里显示前20行的数据，以再次检查确认（可以省去此步操作）。
m.out = matchit (radio ~ sex + age + margin + lymph + differentiated + disease + Tu + M + site + neck + targeted, method ="nearest", ratio =1)
使用matchit进行匹配，分组变量radio，混杂因素变量sex，age等，与原始数据集命名的变量一致，可根据个人喜好、研究因素等等进行命名。匹配方法采用nearest，1:1匹配。也可以根据样本量进行1:2，1:3匹配等，一般不超过5，直接更改ratio=后面的数字即可。
匹配方法除了nearest以外，还可以采用
Exact Matching：病例组和对照组在每一变量上精确匹配，参数值完全相同。当协变量较多或者协变量取值范围较大时不宜采用。（method = "exact"）
Subclassification：将数据集分成子集，子集内协变量的分布相同。（method = "subclass"）
Optimal Matching：所有匹配病例之间的平均绝对距离最小，需要安装optmatch包。（method = "optimal"）
Genetic Matching：利用遗传学计算算法匹配，需安装Matching包。（method = "genetic"）
Coarsened Exact Matching：在确保其他协变量平衡下匹配某一协变量。（method = "cem"）
当然，你可以尝试每种匹配方法，选择最佳匹配。
summary (m.out)
plot (m.out, type = "jitter")
plot (m.out, type = "hist")
以数字、振动图、直方图的形式客观和直观展现匹配前后的情况以评估匹配效果。
m.data1 <- match.data (m.out)
write.csv (m.data1, file = "C:/tumor/match_nearest.csv)
将匹配的结果输出到match_nearest.csv文件，存储在C盘tumor文件夹里。
至此，短短9行命令，轻松实现PSM。是不是跃跃欲试？
在这简单的几行命令里也存在不少坑，R也都有相应提示，如果你还是无法解决的话，欢迎留言或后台交流。
选择R也是因为R是一种开源软件，任何人任何地方都可以使用，无需翻墙，也无需付费。这并不意味着一切分析都使用R，每一种统计分析软件都有各自的优势。掌握一定的流行病学、统计学知识，合理选择统计方法和统计软件，方可达到事半功倍的效果。
插播一条小知识：
我在命名“性别”这一变量时，突然想到gender和sex有什么区别？请教一爱丁堡大学英语专业硕士，其性别学专业的同学告知：简单来说，sex是指生理意义上的男女（XY，XX），而gender指心理意义上的男女。这才恍然大悟，这么说来，在许多临床试验或研究分析中是不是用sex更加合适？
更多内容请关注微信公众号：折耳根说
