倾向得分区间匹配法用于非随机对照试验的探索与研究.pdfVIP

2011年中国卫生统计学年会论文集 1．倾向得分介绍 1．1定义 J。1983年， 早在1976年，Miettinen就提出用多元混杂因子把多个协变量综合成为一个单一变量【5 scores PS)控制选择性偏 Rosenbaum和Rubin提出了在队列研究中，基线期估计倾向得分(propensity 倚[4】0在流行病学研究中，估计药物处理效应和试验处理的结果时用这种方法控制因混杂因素导致 的选择性偏倚越来越流行。根据研究对象的所有观察特征，通常采用一个多变量Logistic回归模型来 估计倾向得分。倾向得分的范围在0到1之间，它表示研究个体分配到处理组或对照组的概率。具有 相同倾向得分的研究对象有着相同的机会接受处理，任何具有相同倾向得分的两个研究对象，对于 具体的协变量可能值不相同，但是对于进入模型的全部协变量将在组问趋予均衡【6l。缀定在所有协 变量都被观察到的情况下，采用PS法，就好像进行了随机分配一样，所以有的研究者称之为“事后随 机化”。 倾向得分的定义：在观察到的协变量(葺)条件下，研究对象i(f=1，…，N)被分配到特定处理 组(z，=1)而非对照组(zi=o)的条件概率，可以表达为：e(‘)P(互=IlXi=誓) 假定在给定的一组特征变量置下，分组变量Z；是独立的，则： Z 一 Z = = Z 已 Z ●工 一 PX P(Z1=z1，．．．，Z。=z。lxl=xl，．一x。、I， ，L 、， ，●L ，L 、， 、．， Ⅳnn 倾向得分是组间均衡性的一个函数，反应观察到的所有协变量体现个体特征的作用，从而可以 有效控制混杂因素使得组间各个协变量均衡一致。 1．2估计方法 倾向得分估计的方法有很多种，它的目的是把影响处理因素的众多协变量用一个单值的倾向得 分来表示，然后再进行分析。倾向得分的估计方法有：1、广义线性模型(包括logistic回归模型、 Probit模型、』。义加法模型等)；2、判别分析；3、Cox风险模型；4、分类树技术；5、神经网络技 术；6、贝叶斯估计等。其中logistic回归模型是最常用也是最简便易行的方法。 Logistic回归属于概率型非线性回归，其模型的参数具有鲜明的实际意义，现已成为处理二分类 71。 反应数据的常用方’法I 参数估计是指用样本指标值(统计量)推断总体指标值(参数)。参数估计有点(值)估计和区 间估计两种方法。点估计方法简单，但未考虑抽样误差的大小。区间估计是按预先给定的概率1一口 所确定的包含未知总体参数的一个范围。该范围称为参数的可信区间或置信区间(confidence bound／confidence interval，e1)；预先给定的概率1一口成为可信度或置信度，常取95％或99％。 倾向得分研究中，最常用的就是利J喟logisticH模型对参数进行点估计，然后得出每个个体的 倾向得分。本研究利用logisIic回归模型得出每个参数的区间估计，然后得出每个个体倾向得分估计 值的95％置信区间，作为它的倾向得分。 1．3PS匹配法 倾向得分匹配是在所有进入对照组的个体中选择与进入处理组个体倾向得分相同或相近的个体 与之配对，从而达到均衡组间协变量的目的。在所有协变量都可以被观察到的情况下，通过倾向得 分匹配可以得到处理效应的无偏估计【8J。 331 2011年中国卫生统计学年会论文集 matching)l构定义是处理组与对照组个体倾向