SPSS操作：轻松实现1：1倾向性评分匹配（PSM）.pdf

SPSS操作：轻松实现1：1倾向性评分匹配 （PSM） 谈起临床研究，如何设⽴⼀个靠谱 对照，有时候成为整个研究成败 关键。对照设⽴ ⼀个⾮常重要 原则就是可⽐ 性，简单说就是对照组除了研究因素外，其他 因素应该尽可能和试验组保持⼀致，这⾥就不得不提随机对照试验。众 所周知，随机对照试验中研究对象是否接受⼲预是随机 ，这就保证了组间其他混杂因素均衡可⽐。 但是有些时候并不能实现随机化，⽐如说观察性研究。这时候倾向性评分匹配(propensity score matching, PSM)可以有 效降低混杂偏倚，并且在整个研究设计阶段，得到类似随机对照研究 效果。与常规匹配相⽐，倾向性评分匹配能考虑 更多匹配因素，提⾼研究效率。 这么“⾼⼤上” 倾向性评分匹配，是不是超级难学？错矣！今天就带⼤家轻松搞定1:1倾向性评分匹配。作为“稀罕”⼤ 招，并不是在所有版本 SPSS都可以实现倾向性评分匹配，仅在SPSS22及以上⾃带简易版PSM，对于其他版本或者 想要体验完整版功能，就不得不去安装相应 软件 （R软件、SPSS R插件、PS matching插件。。。超级难安装！那是 需要运⽓和耐⼼ ！）。 本次使⽤SPSS22为⼤家演⽰1:1倾向性评分匹配。 ⼀、问题与数据 某研究⼩⽩想搞明⽩吸烟和⾼⾎压之间 关系，准备利⽤某项调查 资料进⼀步随访研究吸烟和⾼⾎压 关联，该项研 究包括233名吸烟者，949 名不吸烟者。如果全部随访，研究⼩⽩感觉鸭梨⼭⼤，所以打算从中选取部分可⽐ 个体进 ⾏随访。 这两组⼈群⼀些主要特征 分布存在显著差异 （见表1），现准备采⽤PS最邻近匹配法选取可⽐ 个体作为随访对象。 表1. 两组基线情况⽐较 （匹配前） ⼆、SPSS分析⽅法 1. 数据录⼊ (1) 变量视图 (2) 数据视图 2. 倾向性评分匹配 选择 ata→Propensity Score Matching ，就进⼊倾向性评分匹配 主对话框。 将分组变量Smoke放⼊Group Indicator中 （⼀般处理组赋值为“1”，对照组赋值为“0”）；将需要匹配 变量放⼊ Predictors中；Name for Propensity Variable为倾向性评分设定⼀个变量名PS ； Match Tolerance⽤来设置倾向性评分匹配标准 （学名“卡钳值”），这⾥设定为0.02，即吸烟组和不吸烟组按照倾向性评 分±0.02进⾏1：1匹配 （当然，卡钳值设置 越⼩，吸烟组和不吸烟组匹配后可⽐性越好，但是凡事有个度，太⼩ 卡 钳值也意味着匹配难度会加⼤，成功匹配 对⼦数会减少，需要综合考虑~~~）； Case I 确定观测对象 I ；Match I Variable Name设定⼀个变量，⽤来明确对照组中匹配成功 Match_ I ；Output ataset Name这⾥把匹配 观测对象单独输出⼀个数据集Match。 3. Options设置 Variable for Number of Eligible Cases设定⼀个变量，⽤来明确病例组中某⼀个观测对象，在对照组中有多少个观测对 象满⾜与其匹配 条件，⽐如说病例组有⼀个观测对象PS=0.611，对照组可能有⼀个0.610，⼀个0.612。 Sampling默认为不放回抽样。 Give priority to exact matches 优先考虑精确匹配，也就说病例组有⼀个观测对象PS=0.611，对照组也应该找到⼀个 0.611。 Maximize execution performance 执⾏最优化操作，即系统会综合考虑精确匹配和模糊匹配 （基于设定 卡钳值范围内 匹配），系统默认勾选。 Randomize case order w hen draw ing matches整个匹配过程中，如果对照组有多个满⾜匹配条件 观测对象，那么 SPSS会默认随机将其与病例组观测对象匹配。但是因为SPSS默认每次操作给对照组 随机数字不同，所以如果不特 殊设定，每次实际匹配成功 对⼦是不⼀样 ，也就说这⼀次对照组A 匹配给病例组B，下⼀次就可能匹配给病例组C。 所以需要⾃⾏设置，并且在Random Number Seed设定⼀个随机数种⼦，确保匹配过程可以重复。 三、结果解读 1. 匹配结果 表2以吸烟 （1=吸烟；0=不吸烟）为因变量，以需要调整 变量为⾃变量构建logistic回归模型 （表2），求出每个研究 对象 PS值。 表2. logistic回归模型 表3显⽰，精确匹配45对，模糊匹配114对，共计匹配成功159对。 表3. 匹配结果 表4