倾向评分法(propensity score method)是由Rosen-baum和Rubin于20世纪80年代提出,2000年之后,这一方法日益受到人们的关注。国际上越来越多的研究者将倾向评分法应用到流行病学、健康服务研究、经济学以及社会科学等许多领域。 在流行病学研究中,该方法可以在分析和设计阶段有效平衡非随机对照研究中的混杂偏倚,使研究结果接近随机对照研究的效果。 在流行病学病因研究中,为了探讨某因素(暴露或干预,后统称/处理因素0)与结局(如疾病)的关系,需要设立对照组进行比较。对照组设立的一个重要原则是可比性,也就是说对比各组除了所研究的因素之外,其它因素应该尽可能齐同,这样才能凸显处理因素的效应。如果研究人群中存在一个或多个既与观察结局有关,又与处理因素有关的外来因素,那么就可能会掩盖或夸大所研究的处理因素与观察结局之间的联系。这种影响称之为混杂偏倚(confounding bias),这些因素称为混杂因素(confounding factors)。 在随机对照研究中,通过随机化分配研究对象,使混杂因素(或协变量)在处理组和对照组中的分布趋于平衡,然后分析处理因素与结局之间的关系,因而是验证因果联系最理想的流行病学方法。但随机对照研究在人群中受到诸多条件的限制,如实施费用昂贵、医学伦理问题以及某些处理因素(如疾病)无法随机化等。 与随机对照研究相比,非随机对照研究(如观察性研究和非随机干预研究)由于不受上述限制而在人群研究中得到了广泛的应用。如何利用非随机化研究的资料探索危险因素与疾病或健康状况之间的因果关系,一直是流行病学研究中探讨的问题。 前期本号松哥推荐过如何在SPSS中安装PSM插件的方法:倾向性评分(PSM)插件在SPSS中的安装,现在SPSS23.0里面已经自带了,大家使用也更加方便了。
病例对照研究是流行学上常用的回顾性研究方法,分为匹配的病例对照和非匹配的病例对照,匹配的病例对照有分为频数匹配和个体匹配,匹配设计也是消除混杂的方法。大家较熟习,此处不多说。 SPSS23.0数据菜单里,添加了个案控制匹配,其实就是case control matching(病例对照匹配),研究者可以采用该种方法对病例和对照进行匹配。 |
|