倾向匹配评分法

倾向匹配法——回顾性研究中提高试验质量的利器
大连医科大学附属第二医院张策总结
欢迎您提出宝贵意见！
在临床中离不开回顾性研究，也就是总结以往的临床数据，得到结果。

但回顾性研究中的一切都是已经发生的，其中“干扰因素”（混杂因素）不能在试验中控制，造成组间比较失败，而倾向匹配法就是去除混杂因素的关键方法。

用统计学方法把我们回顾性研究效能提升为与前瞻性研究同等质量，今天就和大家一起通过一个SPSS操作实例介绍这种方法的具体使用过程。

这种方法在以后论文发表中起到至关重要的作用，大大提高回顾性文章的科学性和中稿率。

一、再次强调本方法的作用
倾向匹配方法到底达到什么作用，用下图说明：
性别
年龄RGB Hb
性别年龄RGB Hb
组
1 组2
回顾性研究
组间有差异
组间有差异
我们想考察两组Hb的差异，但其余三项都有差异，不知这种Hb的差异是否是其余三项差异带来的
采用倾向匹配法
性别
年龄
RGB
Hb
性别
年龄
RGB
Hb
组1 组2
回顾性研究
组间无差异
组间有差异
达到前瞻性比较质量
二、要利用的软件
要SPSS22.0以上才有此项功能，SPSS20.0需要安装插件完成，相关插件安装要点我在后面作为附件说明。

在这里感谢大连医科大学附属第二医院内分泌苏本利主任向我提供SPSS22.0的版本。

三、用一个例子说明
1、要解决的问题
数据如下图，取937例患者，NUMBER是顺序号，在后续统计中作为标识用，非常重要；GROUP是分组，两组必须用“1”和“0”表示，最终系统将“0组”病例向“1组”病例匹配。

本实验目的是均衡AGE、SBP、WBC、RBC、PLT的影响后，考察Hb在两组间的差别。

2、通过SPSS软件比较组间差异，结果如下：
发现两组间除AGE（P>0.05）没有差别外，其余都有差异(P<0.05)，故混杂因素实在是太多，不能得出Hb在两组间有差异的结论。

P值
Mean Difference
-.182
-.182
-5.8568
-5.8568
-7.9226
-7.9226
-.51743
-.51743
-.63723
-.63723
-22.8902
-22.8902
25.6905
25.6905
3.下面用软件消除混杂因素的差异-倾向匹配法
SPSS22.0在安装过程中，要注意选择安装“Python”项目，否则将没有
“倾向匹配”选项。

首先按下图打开“倾向匹配法”对话框（数据>>倾向得分匹配）
打开对话框后，进行相应的设置：
注意：这里要注意所有的字段名都要用英文名称，用中文名称将导致回归模型建立失败，程序中断。

结果如下图所示，可以看到，我们原始数据表中多出了“defen”和“pipei”两个字段，“defen”字段是各指标的“倾向评分”，这是匹配的依据。

pipei字段是最终的匹配结果，可见第一个匹配成功的是NUMBER 号第8条记录，在“1”组，与“0”组的NUMBER号的第546号相匹配，pipei 字段中空格部分是没有匹配成功的字段，将在我们的试验中删除。

将标有“0”和“1”的组别GROUP字段选到这里
我们要比较Hb，所以不选，把其它干扰因素都选到这里
这里输入一个列名，用来放各病例匹配依据“倾向评分”，可以自己取名，不与现有字段重复即可
“匹配容差”输入一个0-1的数，越接近0约完全匹配，越接近于1，匹配越不严格，这里要试着找最佳点。

当然“完全匹配”要丢失更多的病例，如果选0，有可能找不到匹配的记录，这点大家注意，别误认为软件不好用了
“个案标识”，将序号NUMBER变量字段选入，匹配结果将用各病例序号进行匹配
这里输入字段名称，用于储存数据匹配后的结果。

随意起名，不与现有字段重复就可以
这里输入一个数据表名，系统将建立一个匹配后的数据表，这里用以指定新数据表名称，名字不与现有数据表重复即可
如何删除不匹配记录呢
采用菜单栏宏的数据>>选择个案，选择“如果条件满足”，然后在对话框中将PIPEI选入，输入公式，如下图所示。

这样确定后我们看到pipei为空的字段被删除了，在序号中出现了一条斜线，在以后的计算中将不参与计算。

进行如上删除处理后我们再做一次两独立样本的t检验，结果如下图：
我们发现，除Hb（我要考虑组间差异的变量），P=0，差异具有显著
性意义，其余干扰因素在组间的P值均>0.05，组间统计没有差异，结果非
常可信。

P值
Sig. (2-tailed)
.530
.530
.784
.784
.788
.788
.586
.586
.140
.140
.000
.000
.904
.904 当然，我们也因此损失了大量不能匹配的数据，本文的973条数据，到最
后匹配成功（匹配容差0.1）剩余270条数据，但这270条数据具有前瞻性研
究的数据质量。

4、和大家说说“匹配容差”
如何得到最佳匹配容差呢，我的经验如下：
a）先设置为“0”，有成功匹配记录，则做组间独立样本t检验，是否能均衡混杂因素。

如果能试试0.5，看看能否也能控制混杂因素并纳入更多的病例。

b）如不成功设置为“1”，再试做两独立样本t检验。

c）如不成功设置为“0.5”，再试做两独立样本t检验。

d）如不成功设置为“0.3”，再试做两独立样本t检验。

e）如不成功设置为“0.1”，再试做两独立样本t检验。

总之要在控制混杂因素的基础上，获得更多的有效病例。

最后谢谢大家的关注，您的关注是我最大的动力。