傾向值匹配研究

傾向值匹配研究（PropensityMatchedStudy）病例對(duì)照研究（case-controlstudy）定義：病例對(duì)照研究是選擇患有特定疾病的人群作為病例組，和未患這種疾病的人群作為對(duì)照組，調(diào)查兩組人群過(guò)去暴露于某種（或某些）可能危險(xiǎn)因素的比例，判斷暴露危險(xiǎn)因素是否與疾病有關(guān)聯(lián)及關(guān)聯(lián)程度大小的一種觀察性研究方法。用途

1、探索疾病的可能危險(xiǎn)因素

2、用于藥物有害作用的研究

3、探討影響疾病的預(yù)后因素

4、評(píng)價(jià)某種疫苗在現(xiàn)場(chǎng)使用中的流行病學(xué)效果設(shè)計(jì)與實(shí)施（一）確定研究目的，提出研究假設(shè)（二）病例的選擇統(tǒng)一診斷標(biāo)準(zhǔn)，規(guī)定人口特征和外部特征?！魜?lái)源：醫(yī)院病例社區(qū)人群病例

隊(duì)列內(nèi)病例◆類型：新發(fā)病例現(xiàn)患病例死亡病例（三）對(duì)照的選擇

采用與病例相同的診斷標(biāo)準(zhǔn)明確排除的非患者作為對(duì)照，并依照病例的人口學(xué)特征和外部特征的相同要求選擇對(duì)照。

醫(yī)院病例或門(mén)診病人

一般人群鄰居、同事、親屬（四）樣本含量估計(jì)

（五）暴露因素的確定與資料收集

◆暴露因素的確定：與目的有關(guān)的變量絕不可少，且盡量分解、分細(xì)。每項(xiàng)變量有明確的規(guī)定，盡可能采用國(guó)內(nèi)外統(tǒng)一的標(biāo)準(zhǔn)。

◆資料的收集：主要以現(xiàn)場(chǎng)詢問(wèn)的方式進(jìn)行，應(yīng)有專門(mén)設(shè)計(jì)的調(diào)查表，要求病例組與對(duì)照組均使用同一調(diào)查表。盡可能選擇客觀指標(biāo)。調(diào)查人員應(yīng)統(tǒng)一培訓(xùn)，對(duì)待病例組和對(duì)照組均應(yīng)同樣認(rèn)真，以同樣的方式詢問(wèn)。(六）資料分析1、資料整理

2、統(tǒng)計(jì)學(xué)檢驗(yàn)檢驗(yàn)病例組和對(duì)照組的暴露率的差異是否有統(tǒng)計(jì)學(xué)意義。即a/(a+c)和b/(b+d)的比較。用以下公式3、計(jì)算暴露與疾病的關(guān)聯(lián)強(qiáng)度

采用比值比(oddsratio,OR)來(lái)估計(jì)。比值(odds)是指某事物發(fā)生的概率與不發(fā)生的概率之比。

病例組的比值=

對(duì)照組的比值=四、常見(jiàn)偏倚及控制

1、選擇偏倚(selectionbias)

由于選擇研究對(duì)象的方法有問(wèn)題或缺點(diǎn)，造成病例組和對(duì)照組缺乏均衡可比性。

◆常見(jiàn)的選擇偏倚

入院率偏倚(admissionratebias)

存活病例偏倚(prevalence-incidencebias)

檢出癥候偏倚(detectionsignalbias)

◆選擇偏倚的控制

隨機(jī)抽樣保證病例和對(duì)照的代表性。

設(shè)立對(duì)照兩個(gè)或多個(gè)對(duì)照。

嚴(yán)格診斷標(biāo)準(zhǔn)明確入組和排除標(biāo)準(zhǔn)。

提高應(yīng)答率2、信息偏倚(informationbias)

收集資料階段由于觀察和測(cè)量暴露或結(jié)局的方法上有缺陷，使各比較組所獲得的信息產(chǎn)生系統(tǒng)誤差。

◆常見(jiàn)的信息偏倚

暴露懷疑偏倚(exposuresuspicionbias)

回憶偏倚(recallbias)

◆信息偏倚的控制

采用盲法收集資料

收集客觀指標(biāo)的資料

廣泛收集各種資料

保證研究人員的科學(xué)態(tài)度3、混雜偏倚(confoundingbias)

由于一個(gè)或多個(gè)既與疾病有關(guān)，又與暴露因素有關(guān)的外部因素的影響，掩蓋或夸大了所研究的暴露因素與該病的聯(lián)系。

◆控制

限制(restriction)

配比(matching)

分層(stratification)

多因素分析(multivariateanalysis)傾向值匹配研究（PropensityMatchedStudy）隨機(jī)對(duì)照試驗(yàn)（randomizedcontrolledtrial，RCT）非隨機(jī)對(duì)照試驗(yàn)（nonrandomizedcontrolledtrial，NRCT）在大量觀察性數(shù)據(jù)和臨床試驗(yàn)研究中，為了估計(jì)并評(píng)價(jià)某種處理效應(yīng)，選擇隨機(jī)對(duì)照試驗(yàn)（randomizedcontrolledtrial，RCT）無(wú)疑是最理想的

RCT在實(shí)際應(yīng)用中卻受到了很多方面的限制，例如高昂的研究費(fèi)用、倫理學(xué)的要求、實(shí)際中操作的困難性、不適用于發(fā)病率很低的疾病研究以及周期較長(zhǎng)的科學(xué)研究等。在非隨機(jī)化研究中，由于基線特征在組間的分布不均衡，使之成為處理效應(yīng)估計(jì)的混雜因素，從而導(dǎo)致處理效應(yīng)的估計(jì)存在偏倚。多變量分析模型、Mantel-Haenszel分層分析、協(xié)變量匹配多變量分析模型在結(jié)局發(fā)生率很低，而混雜因素較多的情況下卻難以發(fā)揮作用；Mantel-Haenszel分層分析法和協(xié)變量匹配法同樣不適用于混雜因子較多，數(shù)據(jù)維度很高的非隨機(jī)化數(shù)據(jù)分析傾向值匹配研究（PropensityMatchedStudy）不再關(guān)注每個(gè)需要控制的混淆變量的具體取值而是轉(zhuǎn)而關(guān)注將這些變量納入Logistic回歸方程后預(yù)測(cè)出來(lái)的傾向值取值只要保證傾向值匹配，這些所有需要控制的混淆變量就都考慮到了(Rosenbaum＆Rubin，1983)將對(duì)多個(gè)混淆變量的控制轉(zhuǎn)為對(duì)傾向值的控制從而達(dá)到“降維”(dimensionreduction)的目的。解決了這個(gè)多混淆變量下的“多維”(multipledimensional)問(wèn)題傾向值是在1983年由學(xué)者Rubin和Rosenbaum首次給出了明確的定義：指在一系列可觀察到的協(xié)變量條件下，任意一個(gè)研究對(duì)象被分配到試驗(yàn)組或者對(duì)照組的概率。綜合了研究對(duì)象所有特征的函數(shù)，最大限度的概括了所有可觀察到的協(xié)變量共同作用的結(jié)果。通過(guò)傾向值匹配使得處理組和對(duì)照組間的基線協(xié)變量均衡一致，從而達(dá)到控制偏倚，估計(jì)處理效應(yīng)的目的。傾向值匹配研究（PropensityMatchedStudy）在一個(gè)等比例分組的隨機(jī)對(duì)照試驗(yàn)中，受試者分配到試驗(yàn)組和對(duì)照組的概率是相等的，每一個(gè)受試者的傾向得分為0.5。在一個(gè)非隨機(jī)對(duì)照試驗(yàn)中，每一個(gè)受試者分配到哪個(gè)組的真正的概率是未知的傾向值的理論認(rèn)為，在非隨機(jī)化對(duì)照試驗(yàn)中，處理組試驗(yàn)對(duì)象和對(duì)照組試驗(yàn)對(duì)象如果具有相近或者相同的傾向得分，則可以認(rèn)為，這兩個(gè)試驗(yàn)對(duì)象的協(xié)變量特征服從相同的分布，它們被分配到處理組或者是對(duì)照組的概率是相同的，因此可認(rèn)為組間協(xié)變量是均衡的，處理效應(yīng)的估計(jì)也就是無(wú)偏的針對(duì)某個(gè)研究項(xiàng)目，不同的個(gè)體有不同的參與意愿，或者研究者對(duì)于研究個(gè)體的選擇有特定的傾向。這些選擇效應(yīng)(selectioneffect)使得研究者真正接觸的樣本是有一定“偏向的”。而基于一個(gè)帶有選擇性的樣本，我們得出的結(jié)論也會(huì)由于選擇效應(yīng)的“污染”而出現(xiàn)偏差(Heckman，1979;Heckman＆Smith，1995)傾向值匹配研究（PropensityMatchedStudy）理論基礎(chǔ)將相同或相近傾向值的對(duì)照與試驗(yàn)組病例進(jìn)行匹配，從而使兩組病例在接受干預(yù)治療上的概率相等。類似一個(gè)非隨機(jī)化試驗(yàn)在試驗(yàn)結(jié)束后進(jìn)行了隨機(jī)化中的過(guò)程，均衡了組間的協(xié)變量，讓兩組可以進(jìn)行統(tǒng)計(jì)學(xué)比較，從而得出真實(shí)的處理效應(yīng)。傾向值匹配(PropensityMatching)傾向值匹配(PropensityMatching)步驟（1）首先要對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)質(zhì)量核查，鑒別數(shù)據(jù)類型，考察數(shù)據(jù)的完整性和邏輯性，然后根據(jù)數(shù)據(jù)類型和樣本量大小來(lái)選擇相應(yīng)的傾向得分的分析方法。（2）選擇納入模型的協(xié)變量。針對(duì)試驗(yàn)?zāi)康?，根?jù)研究者的臨床經(jīng)驗(yàn)篩選混雜因素，并結(jié)合傾向得分變量選擇的要求，選擇合適合理的混雜因素。然后以處理因素為應(yīng)變量，混雜因素為自變量來(lái)構(gòu)建模型。根據(jù)模型獲得傾向得分的估計(jì)值。估計(jì)傾向得分可選的模型包括logistic回歸、Probit回歸、判別分析等，其中最常用的是logistic回歸模型。（3）根據(jù)數(shù)據(jù)結(jié)構(gòu)類型和選定的模型來(lái)計(jì)算每一個(gè)試驗(yàn)對(duì)象的傾向得分，傾向得分在0～1之間，表示試驗(yàn)對(duì)象被分配到試驗(yàn)組或者對(duì)照組的概率。（4）選擇合適的傾向得分應(yīng)用方法。PS分層法、PS匹配法和PS協(xié)變量校正法等。以傾向得分匹配法為例，在估計(jì)出試驗(yàn)對(duì)象傾向得分之后，需要選擇合適的算法計(jì)算出組間傾向得分之間的距離，也就是近似程度。（5）根據(jù)每個(gè)試驗(yàn)對(duì)象的傾向得分值，通過(guò)選擇好的匹配算法進(jìn)行組間匹配，匹配結(jié)束后得出匹配數(shù)據(jù)集。（6）在匹配前后，進(jìn)行組間均衡性檢驗(yàn)。組間基線的均衡性優(yōu)劣是評(píng)價(jià)傾向得分方法在實(shí)際應(yīng)用中控制選擇性偏倚及混雜效應(yīng)的較好的指標(biāo)。傳統(tǒng)上常用的均衡性檢驗(yàn)方法是假設(shè)檢驗(yàn)，但假設(shè)檢驗(yàn)法存在先天不足，針對(duì)此問(wèn)題1986年由Flury和Reidwyl提出了標(biāo)準(zhǔn)化差異法，給出了明確的定義和計(jì)算方法。（7）對(duì)匹配后的數(shù)據(jù)集，選擇合適的統(tǒng)計(jì)學(xué)分析方法來(lái)估計(jì)處理效應(yīng)。由于匹配后試驗(yàn)組和對(duì)照組之間的協(xié)變量均已均衡，數(shù)據(jù)可以看作是近似隨機(jī)化的，如果選擇了合適的統(tǒng)計(jì)學(xué)方法則可以得出真實(shí)可信的處理效應(yīng)。經(jīng)過(guò)匹配，每一個(gè)試驗(yàn)組個(gè)體都能在對(duì)照組找到一個(gè)或多個(gè)與之匹配的對(duì)照個(gè)體，所以我們?cè)诮y(tǒng)計(jì)學(xué)處理時(shí)，也可以考慮類似配對(duì)設(shè)計(jì)的統(tǒng)計(jì)方法來(lái)進(jìn)行分析。（8）對(duì)數(shù)據(jù)進(jìn)行敏感性分析。在一次試驗(yàn)中，好的匹配方法產(chǎn)生不完整的匹配集是不可避免的，哪怕采用最大化匹配也不能消除匹配的不精確。因此，如何在匹配的精度和完整度之間進(jìn)行選擇，值得探討。在臨床實(shí)踐中，由于匹配數(shù)據(jù)的不完整導(dǎo)致嚴(yán)重的偏倚要遠(yuǎn)遠(yuǎn)高于由于精度不夠?qū)е碌钠?。所以選擇一種合適的匹配算法是十分重要的，因?yàn)樗绊懙教幚硇?yīng)的估計(jì)。比較數(shù)據(jù)集在匹配前后的精確度和完整度，以此來(lái)評(píng)價(jià)不同的匹配算法的優(yōu)劣是至關(guān)重要的。一．巢式（套式、嵌入式）病例對(duì)照研究（nestedcasecontrolstudy）

按隊(duì)列研究的方式進(jìn)行，收集每個(gè)隊(duì)列成員的暴露信息及有關(guān)混雜因素，確定隨訪期內(nèi)發(fā)生的病例作為病例組，對(duì)照來(lái)自同一隊(duì)列，然后進(jìn)行病例對(duì)照研究巢式病例對(duì)照研究的類型：

①前瞻性巢式病例對(duì)照研究(prospectivenestedcase-controlstudy)：研究開(kāi)始時(shí)根據(jù)一定的條件選擇某一人群作為隊(duì)列，然后前瞻性地隨訪一定的時(shí)間確定病例組和對(duì)照組。

②回顧性巢式病例對(duì)照研究(retrospectivenestedcase-controlstudy)：研究開(kāi)始之前的一段特定時(shí)間的情況選擇某一人群作為研究隊(duì)列，根據(jù)現(xiàn)在的情況確定病例組和對(duì)照組。二．病例-隊(duì)列研究（case-cohortstudy）病例參比式研究（case-basereferencestudy）原理研究開(kāi)始時(shí)在隊(duì)列中隨機(jī)選取一組樣本作為對(duì)照，觀察結(jié)束時(shí)，隊(duì)列中出現(xiàn)被研究疾病的所有病例作為病例組。特點(diǎn)可以同時(shí)研究幾種疾病，不同的疾病有不同的病例組，對(duì)照組是同一組隨機(jī)樣本。基本步驟：①根據(jù)研究目的確定合適的人群作為研究隊(duì)列(全隊(duì)列)；②按照一定的抽樣比例在全隊(duì)列中抽取一部分對(duì)象作為對(duì)照組(子隊(duì)列)；③隨訪一段預(yù)定的時(shí)間，隨訪期全隊(duì)列中發(fā)生的所有患者組成病例組；資料分析

抽取所有病例和子隊(duì)列成員的協(xié)變量信息做統(tǒng)計(jì)分析：

(1)用病例對(duì)照研究的分析方法估計(jì)OR值；

(2)用虛擬危險(xiǎn)度估計(jì)RR值；

(3)用Cox模型進(jìn)行多因素分析和計(jì)算RR值。兩者的比較相同對(duì)隊(duì)列中的每個(gè)成員進(jìn)行觀察與分析不同①對(duì)照是隨機(jī)選取，不與病例進(jìn)行匹配②對(duì)照如發(fā)生被研究疾病，既為對(duì)照又為病例③1個(gè)隨機(jī)對(duì)照組可同時(shí)和幾個(gè)病例組比較兩者的優(yōu)點(diǎn)按隊(duì)列研究設(shè)計(jì)進(jìn)行，資料收集在發(fā)病前，故因果關(guān)系清楚，資料可靠，論證強(qiáng)度高資料處理與分析按病例對(duì)照研究的方式，省時(shí)省力省錢兼有病例對(duì)照研究與隊(duì)列研究?jī)烧咧畠?yōu)點(diǎn)巢式病例對(duì)照研究的優(yōu)點(diǎn)：①統(tǒng)計(jì)效率高②統(tǒng)計(jì)方法常用③收集資料簡(jiǎn)便病例-隊(duì)列研究的優(yōu)點(diǎn)：①對(duì)照隨機(jī)選擇，代表性好②對(duì)照選擇不受時(shí)間限制，選擇快③一組對(duì)照可同時(shí)與幾種病例組比較三．病例-病例研究（case-