倾向性评分匹配（PMR）：R实现

倾向性评分匹配（Propensity Score Matching, PSM）

步骤包括：

• 1. Preliminary analysis;
• 2. Estimation of Propensity Score;
• 3. Propensity Score Matching; *****
• 4. Outcome analysis;
• 5. 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"）

参考：https://www.jianshu.com/p/d5f7873c3c61