公卫百科  > 所属分类  >  专业词条    流病    统计   
[1] 评论[0] 编辑

倾向性评分

 倾向性评分(propensity score) 公卫百科

目录

什么是propensity score编辑本段

A propensity score is the probability of a unit (e.g., person, classroom, school) being assigned to a particular treatment given a set of observed covariates. Propensity scores are used to reduce selection bias by equating groups based on these covariates. 公卫家园

在RCTs中,试验参加者被随机分配到试验组或对照组,可以有效地消除两组之间的差异。但是在非随机的观察性研究如病例对照研究,如何处理干扰因素一向是很重要的问题。如果有治疗组和未治疗组的病人,其基本特性是不同的,两组就无法直接比较治疗效果。

公卫论坛

要解决这个问题,多变量分析和propensity score分析是其中的两种方法。大家熟知的多变量分析,即是在分析药物治疗是否影响结果时,同时调整其他的干扰因素。Propensity score则是一个概率(0~1),代表一个病人在其既有的基本特性(或干扰因素)下,得到药物治疗的机会。计算propensity score的方法,其实就来自一个logistic regression model:将得到治疗与否当做因变量,把基本特性的各个因子当做自变量。所以,两种方法的基本差异在于,多变量分析注意的是基本特性和结果的关系,而propensity score则是聚焦在基本特性和有无药物治疗的关系。换句话说,propensity score企图再造一个类似随机分配的情境。在随机试验中,每一个受试者得到治疗的propensity score应该是0.5。在非随机的观察性研究,propensity score就会因病人的基本特性而异。

公卫家园

如何使用propensity score编辑本段

 一旦计算出propensity score,就可以使用在各种分析方法: 公卫家园

 1、配对(matching):将接受药物的病人与没有接受药物的病人按照propensity score配对。与传统配对方式比较,这样做最大的特点是,不会因为配对因子过多而找不到适当的对象。 公卫考场

2、分层分析(stratification):因为propensity score用一个数字来总结所观察到的基本特性,根据propensity score来分层,可以平衡两组干扰因子分布的差异。它的好处在于当基本特性因子很多时,可以避免分太多层。 公卫人

3、回归调整(regression adjustment):上述两种使用的主要目的是在使两组可以有效地比较。而在回归分析探讨治疗组与对照组对结果的影响时,propensity score也可以被当作是“唯一”的干扰因素。

公卫人

propensity score的优点编辑本段

1、减少非随机观察性研究的偏倚(bias)。 公卫考场

2、 一般运用某种多变量分析法来控制干扰因素是否得当,需视这些资料是否符合这种方法的一些前提假设(例如,线性相关)。而propensity score不会受到这种影响,因而能做出较准确的估计。 公卫论坛

3、当要比较的结果不只一项时,通常需依情況运用不同的models,如logistic或proportional hazard regression。Propensity score则没有这种限制,同样的score可以使用于个别的结果分析。 公卫百科

4、 当结果发生的很少(rare outcome),而要探讨的暴露或干扰因素很多时,回归分析就有很多限制(这是一个重要、但常被忽视的“维度困惑”)。Propensity score被认为是处理这种情况比较好的分析方法。

公卫考场

propensity score的缺点编辑本段

1、与所有非随机研究的分析方法一样,propensity score只能控制已知的干扰因子,对未测量到的和未知的因子则束手无策(这正是随机试验最大的优势)。
2、propensity score在样本量太小时,也无法完全发挥平衡干扰因素的功能。
3、当结果发生数够多时(平均每一個个干扰因素至少有8-10个结果),一个设计理想的回归分析可能比propensity score更能控制干扰因素所产生的偏倚。 

公卫人
公卫家园

多元回归和处理效应的区别编辑本段

Effect estimate interpretations when you use weighting are marginal effect in the target population. When you adjust for covariates in a regression model, you are interpreting a conditional effect, that is, the effect of the exposure holding (conditional on) the covariates being constant. Conditional estimates are troublesome with time-varying covariates because we run into collider bias and conditioning on mediators, thus weights are preferable. In simpler situations, using weights over multivariable regression can help with convergence issues.(参考文献12)
公卫人
参考文献

1、http://www.stroke.org.tw/newpaper/2008Dec/paper_4.asp

公卫论坛

2、http://en.wikipedia.org/wiki/Propensity_score_matching

公卫考场

3、Rosenbaum, Paul R.; Rubin, Donald B. (1983). "The central role of the propensity score in observational studies for causal effects". Biometrika 70 (1): 41–55. doi:10.1093/biomet/70.1.41.

公卫人

4、Implementing Propensity Score Matching Estimators with STATA. Lecture notes 2001 公卫百科


公卫人

附件列表


1

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。

如果您认为本词条还有待完善,请 编辑

上一篇 病例时间对照设计    下一篇

参考资料

[1].  Propensity Score Matching in Stata using teffects   https://ssc.wisc.edu/sscc/pubs/stata_psmatch.htm
[2].  An introduction to propensity score matching in STATA   https://thomasgstewart.github.io/propensity-score-matching-in-stata/
[3].  倾向性评分方法及其应用   http://www.pubhealth.org.cn/cn/wxshow.asp?id=6220
[4].  Stata新命令:psestimate - 倾向得分匹配中协变量的筛选   https://blog.csdn.net/arlionn/article/details/90108138
[5].  TEFFECTS with a binary outcome   https://www.statalist.org/forums/forum/general-stata-discussion/general/640660
[6].  Estimating risk ratios from observational data in Stata   https://thestatsgeek.com/2015/03/09/estimating-risk-ratios-from-observational-data-in-stata/
[7].  Obtaining 95% CIs for relative risk from -teffects ipwra-   https://www.statalist.org/forums/forum/general-stata-discussion/general/1369086
[8].  Methods for Constructing and Assessing Propensity Scores   https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4213057/
[9].  Generalizing Observational Study Results: Applying Propensity Score Methods to Complex Surveys   https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3894255/
[10].  Treatment effects and matching   https://xiangao.netlify.com/2019/01/10/treatment-effects-with-matching/
[11].  Logistic regression on sample weighted by propensity score   https://www.statalist.org/forums/forum/general-stata-discussion/general/1323496
[12].  Calculating IPW and SMR in SAS and Stata   http://www.baileydebarmore.com/epicode/calculating-ipw-and-smr-in-sas
[13].  Propensity Score Methods for Confounding Control in Nonexperimental Research   https://pdfs.semanticscholar.org/8e1a/2b47265926b56b98b53b6b98ca25c4632ccd.pdf

同义词

暂无同义词