临床研究基线资料可比性：倾向性评分匹配的实战解析

引言Introduction

观察性研究里，治疗组和对照组往往天生不平衡。年龄、病情分期、合并症不同，最后比较出来的结局很容易被混杂因素“带偏”。基线资料不可比，是临床研究最常见也最容易被忽视的问题。

1. 为什么基线可比性是临床研究的第一关

1.1 组间不平衡会直接放大偏倚

在随机试验中，随机分配可以尽量平衡已知和未知混杂因素。但在回顾性队列、真实世界研究和病例对照研究中，分组往往基于现实治疗决策，这意味着组间差异是常态，不是例外。

比如同样研究一种治疗措施，治疗组可能更年轻、肿瘤分期更早、合并症更少。若直接比较生存率或并发症率，结果可能反映的是“谁更健康”，而不是“治疗本身的效果”。

1.2 仅看P值，不足以判断可比性

很多研究会在基线表中逐项报告P值。但要注意，P值受样本量影响很大。
样本量大时，极小差异也可能显著。样本量小时，明显差异也可能不显著。因此，单靠P值判断是否平衡并不稳妥。

更合理的做法是同时关注：

• 临床意义上的差异。
• 标准化差异，SMD。
• 匹配前后分布是否重叠。

一般认为，SMD小于0.1，提示平衡性较好。 这是配对样本基线比较中常用的判断标准。

1.3 研究者真正要回答的是“是否可比”

基线资料可比性不是形式问题，而是因果推断的基础。
如果暴露组和对照组在治疗前就差异明显，那么后续任何统计结果都可能掺杂选择偏倚。先让两组“像”，再谈疗效比较。

2. 倾向性评分匹配的核心逻辑

2.1 用一个“概率”替代多个混杂因素

倾向性评分匹配，PSM，本质上是把多个协变量压缩成一个倾向性评分。这个评分表示个体接受某种暴露或治疗的概率。
它不是结局概率，而是“进入治疗组”的概率。

在实际研究中，常用逻辑回归来估计这个概率。纳入模型的变量，就是你认为会影响分组、也可能影响结局的混杂因素。

2.2 反事实思想是PSM的基础

PSM解决的是观察性研究中无法直接实现的“同一个人既治疗又不治疗”的问题。
我们无法对同一个患者同时观察两种状态，所以只能寻找一个在基线特征上尽可能接近、且具有相似倾向性评分的替代个体。

当两名患者的倾向性评分相近时，我们认为他们更接近“可比的反事实个体”。

2.3 不是所有变量都要强行逐项一致

很多初学者会误解PSM，以为必须把年龄、性别、分期等每个变量都配到完全一致。实际上并非如此。
PSM追求的是组间整体平衡 ，而不是逐项机械相等。只要倾向性评分相近，部分变量允许存在差异，前提是这些差异在总体上已被模型吸收和校正。

这也是PSM比直接逐变量硬匹配更高效的原因。

3. PSM实战中，协变量怎么选

3.1 优先纳入临床上明确的混杂因素

协变量选择，决定了PSM质量。常见思路有四类：

1. 基于专业知识和临床经验。
   例如肿瘤研究中，年龄、分期、病理类型、转移情况常常是关键混杂因素。

2. 基于文献证据。
   既往研究反复出现、且与结局相关的变量，应优先考虑。

3. 基于基线差异。
   如果某些变量在匹配前已明显不平衡，也建议纳入模型。

4. 基于多因素分析结果。
   能影响暴露和结局的变量，通常更值得保留。

3.2 不建议把所有变量无差别塞进模型

PSM不是变量越多越好。
如果把与暴露和结局都无关的变量纳入过多，可能降低匹配效率，增加样本损失。相反，遗漏关键混杂因素，则会削弱平衡效果。

原则很简单，优先纳入“可能影响分组，也可能影响结局”的变量。

3.3 变量整理要满足软件要求

以SPSS操作为例，数据整理必须规范：

• 二分类分组变量要明确编码。
• 分类变量和连续变量要区分清楚。
• 变量名不要出现空格和特殊字符。
• 数值型变量最好统一为标准格式。

如果前期整理不规范，后面容易出现无法匹配、变量识别失败等问题。很多PSM失败，不是方法错了，而是数据结构错了。

4. 如何在SPSS中完成匹配并解读结果

4.1 先明确匹配类型

常见匹配方式包括：

• 1:1匹配。
• 1:n匹配。
• 分层法。
• 倾向性评分校正法。
• 倾向性评分加权法。

其中，1:1匹配最直观，也最常用于配对样本基线比较。
适合治疗组和对照组样本量接近、且希望保留解释简洁性的研究。

4.2 卡钳值决定“匹配精度”

卡钳值越小，匹配越严格。
但卡钳值过小，会导致大量样本无法匹配，样本损失增大。卡钳值过大，则可能降低匹配质量。

实务中常见做法是结合数据分布、样本量和研究目的综合选择。匹配不是越严越好，而是要在平衡性和样本保留之间取得平衡。

4.3 匹配后先看平衡，再看结局

完成PSM后，第一步不是直接分析结局，而是先检验基线是否平衡。重点看三类结果：

• 匹配前后SMD是否下降。
• 各变量的P值是否大多不再显著。
• 倾向性评分分布是否重叠增加。

如果匹配后SMD仍然偏大，说明协变量平衡还不够，不能急于进入结局分析。

4.4 基线表应该如何呈现

配对样本基线比较时，建议同时展示：

• 匹配前样本量。
• 匹配后样本量。
• 各协变量的均值、标准差或构成比。
• P值。
• SMD。

只有P值没有SMD，往往不足以支撑“基线平衡良好”的结论。

5. 配对样本基线比较，应该怎么判断“匹配成功”

5.1 先看样本是否损失过多

PSM后的一个常见问题，是样本量下降。
比如1:1匹配时，原本两组差异较大，可能只有部分样本能成功匹配。样本损失越多，外推性越受影响。

研究者需要权衡：

• 匹配后是否足够平衡。
• 保留样本是否仍有统计效能。
• 是否会因过度筛选而改变研究人群代表性。

5.2 再看标准化差异是否达标

SMD是评价配对样本基线比较最实用的指标之一。
其优势在于不受样本量影响。对连续变量和分类变量，都能较好反映组间差异。

常用判断：

• SMD < 0.1，通常认为可接受。
• SMD越接近0，平衡越好。

5.3 最后看图形是否支持

图形能帮助快速判断匹配质量，常见包括：

• 倾向性评分分布图。
• 核密度图。
• Love plot。
• 抖动图。

如果匹配前两组分布明显分离，匹配后重叠明显增加，通常说明PSM效果较好。

6. 结局分析要建立在合格的基线平衡之上

6.1 匹配后数据应按配对设计处理

完成PSM后，不能简单把数据当成原始独立样本继续分析。
如果是严格1:1配对，后续统计方法应尽量考虑配对结构，例如配对检验、条件Logistic回归，或按研究设计选择合适模型。

6.2 匹配前后结果不一致很常见

有些研究在匹配前提示暴露因素与结局有关，匹配后关联消失。
这并不奇怪，反而说明原始分析受混杂影响较大。相反，如果匹配前后结果一致，也要确认这种一致性是否建立在充分平衡的前提上。

6.3 不要把“匹配后显著性消失”简单理解为无效

结局效应变弱，可能来自真实混杂校正后的结果。
因此，倾向性评分匹配的价值，不是制造显著性，而是尽量逼近更可信的因果比较。

7. 解螺旋如何帮助你把PSM做规范

7.1 从数据整理到结果呈现，一步到位

PSM真正难的地方，往往不在算法，而在流程。
从变量整理、协变量选择、匹配参数设置，到基线表和结果表输出，每一步都需要规范。解螺旋提供的临床研究方法支持，可以帮助你减少这类流程性错误。

7.2 让配对样本基线比较更容易落地

如果你正在做真实世界研究、回顾性队列分析，或者需要完成论文中的基线平衡评估，解螺旋可以帮助你更高效地完成配对样本基线比较、SMD判断和结果呈现。
这能明显降低返工率，也更符合论文投稿对方法学严谨性的要求。

总结Conclusion

倾向性评分匹配的核心，不是“强行让两组完全一样”，而是通过合理选择协变量和匹配参数，让治疗组与对照组在基线层面尽可能可比。配对样本基线比较是否合格，直接决定后续结局分析是否可信。
如果你希望把PSM从“会做”提升到“做得规范”，建议从变量选择、SMD判断、匹配后诊断三步入手。需要进一步优化研究流程时，也可以借助解螺旋 ，让你的临床研究分析更稳、更快、更容易发表。