观察性研究中，以队列研究为例，暴露因素的分配（如是否吸烟）通常不受人为控制，暴露组和非暴露组的形成无法等同于随机分组，因此很难做到研究对象在组间均衡可比
组间因素不均衡可能造成混杂。调整混杂因素，可针对混杂因素进行匹配、分层分析或协变量调整等。但这些方法控制的混杂因素都不能太多。
当混杂因素较多时可采用倾向评分法（Propensity Score Method）。
以吸烟-肺癌的队列研究为例，自然状态下个体是否吸烟与很多因素有关，并不是随机的，吸烟组和非吸烟组会有多个基线特征不平衡。
那么，倾向评分如何解决这个问题呢？
图中椭圆代表个体，数字代表成为吸烟者的概率
如图，计算研究对象在多种背景因素（如年龄、性别等与是否吸烟有关的因素）下成为吸烟者的概率（即倾向评分），匹配概率相等或相近的个体，组成新的吸烟组和不吸烟组，此两组可近似为随机分组，组间相关因素可达到均衡。
由此，组间分配不均衡的多个变量，被“倾向评分”一个综合指标所代替，达到了“降维”的效果。除采用匹配法外也可把倾向评分作为协变量进行调整。
倾向评分控制混杂的方法主要有倾向评分匹配、分层、回归调整和加权标化。
倾向评分匹配，就是依据倾向评分大小进行配对。以下介绍最常用的倾向评分最近法：
倾向评分最近法（nearest available matching on the estimated propensity score）：先规定一个界限（文献里称为Caliper），如
某医院欲随访研究妇女孕期先兆子痫(PE)对儿童某些发育状况的影响[1]。该研究包括187名先兆子痫妇女和4722名正常妇女。研究者欲选出可比的正常妇女进行研究。配比前后各基线数据如下表：
倾向评分最近法配比前后人群主要特征的分布
从表中可以看出，配比前各基线因素相差较大，而配比后较为均衡。
尽管倾向评分配比能够同时平衡较多的变量，但只能局限于已知的混杂变量，而一些未知的混杂变量可能仍然会对最终的结果产生影响。因此，其混杂因素的均衡能力不可能完全达到随机对照研究的水平。
End.
作者：大仙儿（中国统计网特邀认证作者）
本文为中国统计网原创文章，需要转载请联系中国统计网（小编微信：itongjilove），转载时请注明作者及出处，并保留本文链接。
