倾向性评分匹配（Propensity Score Matching, PSM）
步骤包括：
- Preliminary analysis;
- Estimation of Propensity Score;
- Propensity Score Matching; *****
- Outcome analysis;
- Sensitivity analysis
准备工作：
- 数据清洗：将按照一定纳入标准和排除标准的病例进行编号，变量命名（英文）、赋值，切记去掉含有缺失值的病例，否则R运行会出错。将文件存为.csv格式。
#install.pakeges('MatchIt')
library(MatchIt)
mydata <- read.csv ("C:/tumor/R-data.csv")
attach (mydata)
mydata [1:20,]
#匹配方法采用nearest，1:1匹配。也可以根据样本量进行1:2，1:3匹配等，一般不超过5，直接更改ratio=后面的数字即可。
m.out = matchit (radio ~ sex + age + margin + lymph + differentiated + disease + Tu + M + site + neck + targeted,
method ="nearest", ratio =1)
#数字、振动图、直方图的形式客观和直观展现匹配前后的情况以评估匹配效果
summary (m.out)
plot (m.out, type = "jitter")
plot (m.out, type = "hist")
m.data1 <- match.data (m.out)
write.csv (m.data1, file = "C:/tumor/match_nearest.csv)
匹配方法除了nearest以外，还可以采用:
- Exact Matching：病例组和对照组在每一变量上精确匹配，参数值完全相同。当协变量较多或者协变量取值范围较大时不宜采用。（method = "exact"）
- Subclassification：将数据集分成子集，子集内协变量的分布相同。（method = "subclass"）
- Optimal Matching：所有匹配病例之间的平均绝对距离最小，需要安装optmatch包。（method = "optimal"）
- Genetic Matching：利用遗传学计算算法匹配，需安装Matching包。（method = "genetic"）
- Coarsened Exact Matching：在确保其他协变量平衡下匹配某一协变量。（method = "cem"）
