近幾年已有越來越多醫學研究的研究設計採用配對法比較試驗組與對照組的差異，在眾多配對方式中，本篇文章簡單分享筆者較為常用的配對方式。
在觀察型研究中，為了提升試驗組與對照組之間的可比較性(Comparability)，將兩組的背景干擾變項(例如：年齡、性別、共病等)作配對，使兩組在試驗介入以外的其他變項達到均衡。配對後的兩組便能在假設無其他因素干擾之下，比較試驗介入本身對觀察結果的影響。當然，此項假設是理想的假設情境，實際上，配對只能考慮研究者有納入配對的變項，因此配對後的兩組只會在有配對的變項上達到平衡，研究者沒有考慮到的因素可能還是分佈不均衡的。
舉例來說，筆者之前協助分析的案子中，有一項研究是將肝炎病毒感染者分為治療組跟非治療組，配對年齡、性別跟共病，比較存活結果。投稿審查過程中，審查委員認為社會經濟差異會影響病人成為治療組或是非治療組，且社會經濟地位也會影響病人的存活，因此建議需將兩組的社會經濟地位納入配對項目中。而實際上，該研究最初只有配對年齡、性別與共病時，配對後的樣本確實存在社會經濟地位的差異。
從上述案例可知，為何觀察型研究無論用何種配對分析方式，皆無法完全取代設計良好的隨機分派臨床試驗(randomized clinical trial, RCT)的原因，配對跟統計法只能盡可能的趨近隨機分派的狀態，將偏差(bias)盡力的降低。
而在筆者實務操作中，比較常使用的配對方式為採用貪婪配對的最鄰近配對法(Greedy nearest neighbor)，以往操作方面是引用Lori S. Parsons刊登於SUGI 29的OneToManyMTCH巨集(macro)。SAS / STAT 14.2版開始有PSMATCH程序可進行多種不同的配對方式，並且能輸出配對品質評估的相關報表數據及圖表。下一章將透過官方範例檔，簡介程序實際操作的狀況。
關鍵字：配對, 傾向分數配對, matching, propensity score matching, Greedy nearest neighbor, PSMATCH
參考文獻
SAS Institute Inc. 2016. SAS/STAT® 14.2 User’s Guide. Cary, NC: SAS Institute Inc.
留言列表
{{ article.title }}