倾向性评分匹配在基线资料可比性中的实践价值

引言Introduction

在观察性研究里，组间基线不平衡很常见。年龄、疾病严重度、用药方案一旦不同，结局比较就容易偏。倾向性评分匹配的核心价值，就是先让基线资料尽量可比，再谈结局差异。 这一步决定了结果是否可信，也直接影响论文能否通过审稿。

1. 为什么基线资料可比性是观察性研究的关键

1.1 组间不平衡会放大混杂偏倚

在随机对照试验中，随机分组能尽量平衡已知和未知混杂因素。但在真实世界研究中，患者不是随机进入某一组，而是由临床决策、疾病状态、支付能力和依从性等因素共同决定。结果就是，两组在基线资料上常常天然不同。

如果直接比较结局，差异未必来自暴露本身，而可能来自基线差异。比如戒烟研究中，成功戒烟者与未戒烟者在尼古丁依赖程度、干预方式上就可能不同。此时若直接比较心理健康结局，混杂偏倚会显著影响解释。

因此，基线资料倾向性评分匹配不是“可选项”，而是观察性研究提高因果解释力的重要手段。

1.2 不只看P值，更要看标准化差异

很多研究习惯先看匹配前后P值是否显著变化。但P值受样本量影响很大。样本量足够大时，即便差异很小，也可能显著。

更稳妥的做法是看标准化差异，简称SMD。通常认为，SMD小于0.1，提示组间平衡较好。 这比单纯依赖P值更适合评估基线资料的可比性。实际写论文时，建议在表1中同时呈现匹配前后的SMD，便于审稿人判断平衡程度。

1.3 实践中的判断顺序

建议按以下逻辑判断是否需要做PSM：

1. 先列出关键基线变量。
2. 判断暴露组和对照组是否存在系统性差异。
3. 区分哪些是混杂因素，哪些是结局前已知但无关变量。
4. 再决定是否进入倾向性评分模型。

凡是可能同时影响暴露分配和结局的变量，都应优先考虑纳入匹配模型。

2. 倾向性评分匹配如何提升基线资料的可比性

2.1 倾向性评分的本质是“接受某暴露的概率”

倾向性评分不是简单的分组标签，而是个体在既定协变量条件下接受某一暴露的概率。常用方法是逻辑回归。建模时，通常把是否接受治疗、是否暴露、是否戒烟等作为因变量，把年龄、性别、BMI、病程、合并症等作为自变量。

这个概率把多个协变量压缩成一个分值。它的优势在于，把“多维不平衡”转化为“单一概率匹配”。 这样，比起逐个变量完全一致，更容易找到可匹配个体，也更符合真实世界数据结构。

2.2 匹配后得到的是更接近“反事实”的比较对象

PSM的理论基础是反事实框架。理想情况下，我们希望比较同一个人“接受暴露”和“未接受暴露”两种状态下的结局，但现实中做不到。于是我们寻找在倾向性评分上相似的人，作为近似反事实对象。

这意味着，匹配后两组人的基线资料不要求每一项都完全相同，但要求整体可比。只要重要混杂因素平衡，结局比较才更接近因果推断。

2.3 不是所有变量都应该机械纳入

这是实践中常见误区。并不是变量越多越好。若纳入与暴露和结局都无关的变量，可能增加模型复杂度，降低匹配效率。若纳入中介变量，还可能引入新的偏倚。

更合理的原则是：

• 优先纳入已知混杂因素。
• 优先纳入基线时已存在且与结局相关的变量。
• 避免纳入暴露后的变量。
• 对强相关变量保持谨慎，避免过度建模。

匹配的目标是控制混杂，不是把所有变量“塞进模型”。

3. 基线资料倾向性评分匹配的基本操作思路

3.1 第一步，明确暴露、结局和协变量

做PSM前，研究设计必须先清楚三件事。

• 暴露是什么。
• 结局是什么。
• 哪些基线变量可能构成混杂。

例如，在回顾性队列研究中，若比较两种治疗策略对住院结局的影响，应把年龄、性别、疾病严重程度、合并症、既往治疗史等放入候选协变量。这样做的目的，不是“追求多”，而是“追求关键变量不漏”。

3.2 第二步，构建倾向性评分模型

最常用的是逻辑回归模型。模型输出每个个体接受暴露的概率，再依据这个概率进行匹配。常见匹配方式包括：

• 1:1最近邻匹配。
• 1:n匹配。
• 卡钳匹配。
• 分层匹配。

其中最近邻匹配最直观，也最常用于论文发表。卡钳值则决定匹配精度。卡钳越严格，匹配质量通常越高，但可保留样本越少。

3.3 第三步，进行匹配并检查样本损失

PSM的现实代价是样本会损失。尤其在两组基线差异很大时，能成功匹配的人数可能明显减少。以课程中的案例为例，原始数据中处理组185人，对照组429人，1:1匹配后只保留91:91，说明可比性提高了，但样本量也明显下降。

这提示我们，PSM不是越“严格”越好。 如果追求极致平衡，却损失过多样本，统计效能会下降，结论稳定性也可能受影响。研究者需要在平衡性和样本保留之间取得平衡。

4. 如何判断匹配后基线资料是否真正平衡

4.1 看SMD是否降到0.1以内

匹配完成后，第一件事不是急着做结局分析，而是检查基线平衡。最标准的做法仍然是看SMD。

如果大多数协变量的SMD都小于0.1，说明匹配效果通常是可接受的。若仍有关键变量SMD较高，则说明模型还需调整。此时可重新选择协变量、改变卡钳值，或考虑其他匹配策略。

匹配成功的标志，不是“P值不显著”，而是关键混杂因素在标准化差异层面被明显平衡。

4.2 结合图形判断更直观

除了表格，还可以用图形评估匹配效果：

• Love plot，查看各变量SMD前后变化。
• 核密度图，观察倾向性评分分布重叠程度。
• 抖动图，检查匹配前后样本分布是否更接近。

如果匹配后两组倾向性评分分布重叠明显增加，通常说明组间可比性改善。图形方法能快速暴露模型问题，比只看单个表格更可靠。

4.3 匹配后还要重新分析结局

完成匹配后，不能直接沿用原始队列的分析逻辑。应该在匹配后的新数据集上再次进行统计分析。这样得到的结果，混杂控制更充分，也更符合“事后随机化”的思想。

有时匹配前后结论一致，有时会不同。若差异明显，通常提示原始分析受混杂影响较大。对于论文写作来说，匹配后分析往往比原始全人群分析更有解释价值。

5. PSM在论文写作和科研中的实际价值

5.1 提升结果可信度

对医学生和科研人员来说，PSM最大的意义不只是“做出一个漂亮的表1”，而是让结论更接近因果解释。尤其在回顾性队列、病例对照研究、二次分析和真实世界研究中，PSM能显著提升研究设计的说服力。

它解决的是一个核心问题。同样的结局差异，到底是治疗造成的，还是基线差异造成的。 只要这个问题没有处理好，论文的临床意义就会打折扣。

5.2 提高审稿接受度

很多高质量期刊都关注混杂控制是否充分。若研究仅报告原始组间比较，而没有处理明显的基线不平衡，审稿人通常会提出质疑。相反，如果研究清楚展示了匹配前后SMD变化，并在匹配后重新分析结局，文章的可信度会明显提升。

对于真实世界研究而言，PSM常常是从“描述性结果”迈向“较强推断能力”的关键一步。

5.3 解螺旋可以帮助把PSM研究做得更规范

如果你正在整理真实世界数据、撰写方法学部分，或者需要把基线资料倾向性评分匹配做得更规范，解螺旋 可以提供更系统的论文写作与研究设计支持。它更适合帮助研究者理清变量选择、匹配策略、结果呈现和方法描述，减少常见错误，让文章更符合投稿要求。

总结Conclusion

倾向性评分匹配的核心，不是简单“做配对”，而是通过控制混杂，让基线资料达到更好的可比性 。在观察性研究中，这一步直接关系到结论是否可信。实践中，应优先关注混杂变量选择、倾向性评分模型构建、匹配后SMD评估，以及匹配后结局分析。
如果你正在做基线资料倾向性评分匹配相关研究，建议把方法学设计、表1平衡性展示和结局分析一起统筹考虑。需要更专业的研究支持时，可以进一步了解解螺旋 ，把真实世界研究写得更规范、更严谨，也更有发表竞争力。