倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据，在SCI文章中应用非常广泛。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。
为什么需要做倾向评分匹配？
我们知道RCT的证据力度高，是因为对患者进行了严格的筛选。我们的回顾性研究都是过去的数据，很难像RCT一样进行严格的筛选出两组患者基线相近的基础资料，但我们可以通过倾向评分匹配把回归性的数据进行筛选，把基线资料相近的患者进行匹配，得到近似RCT的效果。
应用场景
 1.基线资料不平
 2.开展病例对照研究病阳性例数较少，如罕见病研究
 3.将众多混杂因素变为一个变量：倾向值
以下为一个实例，没进行匹配前两组患者基线资料相差很大，进行倾向评分匹配后，基线资料近似一致了

既往咱们已经介绍了Matching包进行倾向评分匹配，今天咱们来介绍nonrandom包进行倾向评分匹配，这个包需要在github上安装，咱们先把这个包安装上去

library(devtools) # Load devtools
install_github("cran/nonrandom")

安装好后R导入R包自带得stu1数据

library(nonrandom)
data(stu1)

我介绍几个关键变量，pst是咱们得结局变量，therapie是等会咱们要进行匹配得变量，是两种治疗方法：1：乳房切除术；2：保乳 ，其他都是一些协变量

咱们可以先看下没调整前协变量对模型得影响

rel.eff <- relative.effect(data    = stu1,formula = pst~therapie+tgr+age)
summary(rel.eff)

刚才已经说了，我们是要对therapie两种治疗方法：1：乳房切除术；2：保乳进行匹配，好查看预后，先进行倾向评分

ps <- pscore(data    = stu1,formula = therapie~tgr+age)

对根据PS数据分层

strata <- ps.makestrata(object = ps)

对分层数据进行倾向评分匹配，ratio = 1是1：1匹配，caliper
表示卡钳

match <- ps.match(object  = ps,ratio   = 1,caliper = 0.5,givenTmatchingC = FALSE)

匹配好后可以从match中提取匹配好后得数据

data.matched<-match[["data.matched"]]

对匹配后得数据进行可视化

bal.plot1 <- dist.plot(object = strata,sel     = c("tmass"))

bal.plot2 <- dist.plot(object    = match,sel       = c("alter"),plot.type = 2,compare   = TRUE)
bal.plot2

可以看出匹配前和匹配后差别很明显，还可以比较标准化差异

bal.table <- ps.balance(object  = match,sel     = c("tgr","age"),method  = "stand.diff",alpha   =  20)
bal.table

还可以比较匹配前后对效应值得影响

ps.est <- ps.estimate(object = strata,resp   = "pst",regr   = pst~therapie+tgr+age)
ps.est