王瑞平

    (上海市皮肤病医院临床研究与创新转化中心 上海 200443)

    近年来，随着网络信息技术的发展和国内外临床研究的持续升温，越来越多的研究者开始关注大型人群队列的建立和应用。尽管随机对照临床试验(randomized clinical trial， RCT)可以提供高级别的循证医学证据，但其往往耗费较多的人力、物力和财力，同时有些研究中干预措施的随机分组还存在伦理学问题。因此，如何基于观察性临床研究开展等效于RCT 研究的数据处理越来越受到临床研究工作者的关注。1983 年，由Paul Rosenbaum 和Donald Rubin 提出的倾向性评分匹配(propensity score matching，PSM)分析可以减少研究中的偏差和混杂变量影响，以便对观察组和对照组进行更合理的比较，较为完美地解决了上述问题[1]。本文将介绍PSM 的概念和应用条件，以及如何应用SPSS 软件实现PSM的过程，以期为研究人员开展PSM分析提供参考。

    1 PSM 的概念

    PSM 是一种统计学方法，主要用于处理观察性临床研究或临床试验研究数据亚组分析，可有效降低混杂偏倚，并在整个研究设计阶段，得到类似随机对照研究的效果。在观察性临床研究和RCT 研究亚组分析中，由于种种原因，导致偏倚和混杂变量较多，PSM 可以有效减少这些偏差和混杂变量的影响，以便对观察组和对照组进行更合理的比较。目前，PSM 分析在医学、公共卫生、经济学等领域应用广泛 ......