幾日前，一腫瘤醫(yī)生回顧性收集了本院2008-2018年某主任主治的某癌所有病例資料，欲驗(yàn)證A方法和B方法對該種腫瘤病人生存時間的差異。嘗試匹配無果，遂來咨詢。今天就和大家一同分享臨床研究的另一利器——傾向性評分匹配。
在常規(guī)的觀察性研究和回顧性研究中，對于研究的結(jié)果變量Y，往往期望除暴露因素（X）外，病例組和對照組其它因素完全一致，以減少混雜因素或交互作用（Z，也稱協(xié)變量）造成的偏倚。熟知的隨機(jī)對照試驗(yàn)（Randomized Controlled Trial， RCT）是絕佳的研究方式。然而，受物力、財(cái)力、倫理道德等約束，實(shí)際研究中尤其是在回顧性研究中，很難做到完全隨機(jī)對照，這時就需要消除混雜因素Z的影響，常用方法有：
1）分層匹配；
2）多元回歸模型；
3）傾向性評分匹配。
當(dāng)混雜因素X較少或已明確時，可采用分層匹配。利用多元回歸模型需不斷調(diào)整混雜因素以評價X對Y的獨(dú)立作用大小。而當(dāng)混雜因素較多較復(fù)雜時，傾向性評分匹配則呈現(xiàn)出特有的優(yōu)勢。
傾向性評分匹配（Propensity Score Matching, PSM）于1983年由Paul Rosembaum和Donald Rubin首次提出，依據(jù)“反事實(shí)”（counterfactual）推斷法則，基于條件概率（z=i|X，貝葉斯概率），對實(shí)驗(yàn)組和對照組個體進(jìn)行打分（score）篩選，其分值大小代表被選入某組的概率大小，匹配概率相等或相近的個體，組成新的實(shí)驗(yàn)組和對照組，使組間混雜因素達(dá)到均衡。即組間不均衡的多個變量，通過一個綜合指標(biāo)“傾向評分”達(dá)到“降維”的效果。
PSM步驟包括：1. Preliminary analysis; 2. Estimation of Propensity Score;?3. Propensity Score Matching; 4. Outcome analysis; 5. Sensitivity analysis。PSM的具體原理、相關(guān)公式及每一步驟比較復(fù)雜，如果大家感興趣，我們可以下次再述。今天主要講述第3步Propensity Score Matching的操作步驟。
你可能會問：為什么不用臨床醫(yī)生熟用SPSS呢？
當(dāng)然可以，但是你得1.將SPSS升級到18.0以上版本；2.下載與你電腦上SPSS版本相匹配的R；3.安裝SPSS Statistics Essentials for R插件；4.下載并安裝SPSS PS Matching拓展功能。如果能順利并成功安裝的小伙伴們，就可以開心去嘗試PSM了。然而，實(shí)際情況是，安裝過程并非那么easy，很多人很可能中途就放棄了。
至于SAS，你得先在你的電腦上成功安裝好SAS并能運(yùn)行吧......
那么追求簡便不愿麻煩的我嘗試了R，如同從繁文縟節(jié)的古代穿越到了現(xiàn)代。下面我們就一同看一看這么簡單好用的R如何實(shí)現(xiàn)PSM。所有代碼如下：
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)
準(zhǔn)備工作：
數(shù)據(jù)清洗：將按照一定納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)的病例進(jìn)行編號，變量命名（英文）、賦值，切記去掉含有缺失值的病例，否則R運(yùn)行會出錯。
整理好后，將文件存為.csv格式。
安裝R：直接在官網(wǎng)下載。
安裝并加載MatchIt包：
打開R，點(diǎn)擊“程序包”-“安裝程序包”，任選一CRAN mirror“確定”-選擇“”MatchIt”-確定。點(diǎn)擊“程序包”-“加載程序包”-選擇“MatchIt”-確定。
注意：MatchIt包安裝一次就可以了，但在每次使用時需再次加載。
代碼詳解：
mydata <- read.csv ("C:/tumor/R-data.csv")
attach (mydata)
mydata [1:20,]
第一行讀取整理好的數(shù)據(jù)資料，準(zhǔn)確指向其存儲位置，即存在C盤tumor文件夾里格式為.csv的文件，文件名為R-data。
第二行確保這些數(shù)據(jù)在當(dāng)前R中可以使用。
第三行在R里顯示前20行的數(shù)據(jù)，以再次檢查確認(rèn)（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進(jìn)行匹配，分組變量radio，混雜因素變量sex，age等，與原始數(shù)據(jù)集命名的變量一致，可根據(jù)個人喜好、研究因素等等進(jìn)行命名。匹配方法采用nearest，1:1匹配。也可以根據(jù)樣本量進(jìn)行1:2，1:3匹配等，一般不超過5，直接更改ratio=后面的數(shù)字即可。
匹配方法除了nearest以外，還可以采用
Exact Matching：病例組和對照組在每一變量上精確匹配，參數(shù)值完全相同。當(dāng)協(xié)變量較多或者協(xié)變量取值范圍較大時不宜采用。（method = "exact"）
Subclassification：將數(shù)據(jù)集分成子集，子集內(nèi)協(xié)變量的分布相同。（method = "subclass"）
Optimal Matching：所有匹配病例之間的平均絕對距離最小，需要安裝optmatch包。（method = "optimal"）
Genetic Matching：利用遺傳學(xué)計(jì)算算法匹配，需安裝Matching包。（method = "genetic"）
Coarsened Exact Matching：在確保其他協(xié)變量平衡下匹配某一協(xié)變量。（method = "cem"）
當(dāng)然，你可以嘗試每種匹配方法，選擇最佳匹配。
summary (m.out)
plot (m.out, type = "jitter")
plot (m.out, type = "hist")
以數(shù)字、振動圖、直方圖的形式客觀和直觀展現(xiàn)匹配前后的情況以評估匹配效果。
m.data1 <- match.data (m.out)
write.csv (m.data1, file = "C:/tumor/match_nearest.csv)
將匹配的結(jié)果輸出到match_nearest.csv文件，存儲在C盤tumor文件夾里。
至此，短短9行命令，輕松實(shí)現(xiàn)PSM。是不是躍躍欲試？
在這簡單的幾行命令里也存在不少坑，R也都有相應(yīng)提示，如果你還是無法解決的話，歡迎留言或后臺交流。
選擇R也是因?yàn)镽是一種開源軟件，任何人任何地方都可以使用，無需翻墻，也無需付費(fèi)。這并不意味著一切分析都使用R，每一種統(tǒng)計(jì)分析軟件都有各自的優(yōu)勢。掌握一定的流行病學(xué)、統(tǒng)計(jì)學(xué)知識，合理選擇統(tǒng)計(jì)方法和統(tǒng)計(jì)軟件，方可達(dá)到事半功倍的效果。
插播一條小知識：
我在命名“性別”這一變量時，突然想到gender和sex有什么區(qū)別？請教一愛丁堡大學(xué)英語專業(yè)碩士，其性別學(xué)專業(yè)的同學(xué)告知：簡單來說，sex是指生理意義上的男女（XY，XX），而gender指心理意義上的男女。這才恍然大悟，這么說來，在許多臨床試驗(yàn)或研究分析中是不是用sex更加合適？
更多內(nèi)容請關(guān)注微信公眾號：折耳根說
