這篇文章我們通過一個具體的例子來展示SAS中的實現方法。我們用的數據來源是荷蘭格羅寧根市腎臟和血管終末期疾病預防（PREVEND）的隊列研究（Joosten, 2014）。原數據含有較多變量，小編自己對數據進行了簡化。其中RFFT是結局指標，是一個連續(xù)型變量；我們想要研究的自變量是是否使用他汀類藥物（Statin）。此外，還包括了年齡（Age），性別（Gender），種族（Ethnicity），教育（Education），心血管疾病（CVD），糖尿病（DM），吸煙情況（Smoking），高血壓（Hypertension）這些協變量。其中，除了Age是連續(xù)型變量外，其他均為分類變量。數據共有4,095名患者，其中904名在治療組（statin =1），3,190名在對照組 （statin=0）。以下是數據的部分截圖：在SAS中，傾向性評分匹配和逆概率加權都可以在PROC PSMATCH下實現，所以放在一起說。PROC PSMATCH data = statin region = cs;CLASS statin gender ethnicity education cvd dm hypertension smoking;PSMODEL statin(treated='1') = age gender ethnicity education cvd dm hypertension smoking;MATCH distance = lps method = greedy(k=1) exact = (gender) caliper = 0.25 weight = none;ASSESS ps var = (age gender rfft cvd dm hypertension) /stddev = treated stdbinvar = yesplots = (boxplot(display = (RFFT)) barchart(display = (gender)) cloudplot(display = (age)) stddiffplot(ref=0.1));OUTPUT out(obs = match) = psm_output;這是實現傾向性評分匹配部分的完整代碼，我們一步步來看。/* PROC PSMATCH data = statin region = cs; */??這一條是調用PSMATCH這個procedure。data= 告訴SAS我們要分析的數據文件是statin; region= 是明確匹配的數據范圍。這里的“cs”代表common support，就是我們之前提到的重疊區(qū)域。這里除了cs外還可以改成allobs，這樣匹配范圍就是所有個體了。/* CLASS statin gender ethnicity education cvd dm hypertension smoking;*/??這一步定義了分類變量statin, gender等。/* PSMODEL statin(treated='1') = age gender ethnicity education cvd dm hypertension smoking; */??這一步就是根據我們選定的協變量計算每個個體相應的PS值。PSMODEL默認使用的模型是logistic regression。等號左側是我們的分組變量statin or not，括號里treated = '1’ 告訴SAS當statin = 1表示治療組。等號右側是協變量，注意這里我們不能把結局變量 (RFFT) 也納入模型。/* MATCH distance = lps method = greedy(k=1) exact = (gender) caliper = 0.25 weight = none; */??上一步中我們計算出了PS，而MATCH這一步就是實施匹配的具體細則。Distance = 選定指定距離，可選值有ps, lps, mah，分別表示PS, logit PS, 和馬氏距離（對PS進行的某種處理）。這里我們選擇了lps。Method = 則選定匹配方法，greedy表示貪婪算法也即我們之前所述的最近鄰匹配，k = 1表示治療組與對照組按照1:1匹配，若k = 2則表示按照1 : 2匹配etc。除了greedy外，還有optimal, full, 和varratio等方法。Exact = 指定必須精確匹配的變量，這里我們選擇了gender，即要求匹配對象的性別必須是完全一致的，exact = 可以指定多個變量。Caliper = 定義了卡鉗值，我們之前提到過，即匹配對象PS或LPS的差值不能超過某個數，一般默認值是0.25。Weight = 是權重，在1:1的匹配情況下，每個個體所占權重是等價的，即都等于1。/* ASSESS ps var = (age gender rfft cvd dm hypertension) /stddev = treated stdbinvar = yesplots = (boxplot(display = (RFFT)) barchart(display = (gender)) cloudplot(display = (age)) stddiffplot(ref=0.1)); */??ASSESS statement是評估匹配效果的。
“/”之前的ps和var = 明確了想要評估的對象，“/”之后則告訴SAS我們想要以怎樣的方式對這些對象進行評估。SAS會自動生成一個表格，顯示匹配前后的PS值和變量組間差異的平均值、方差和標準均值差 (SMD) 等。Stddev = 明確了在計算SMD時用到的方差是所有個體pooled還是僅治療組treated的方差。Stdbinvar = yes表明對二分類變量的SMD進行標準化。在plots = 里，我們可以根據自己的需求生成箱線圖、條形圖和云圖。Stddiffplot (ref=0.1)描述了各變量SMD的分布，然后將推薦范圍限定為±0.1。/* OUTPUT out(obs = match) = psm_output; */??最后將匹配成功的數據輸出，命名為psm_output。這是一個對PSM結果總結的表，告訴我們輸入和輸出表格的基本情況?？梢钥吹轿覀兿薅ㄆヅ鋮^(qū)域CS后，重疊區(qū)域的上限和下限分別是0.03和0.96，共匹配成功了720對，匹配前后PS的均值和均值差。這兩張圖和表其實說的是一件事，展示了匹配前后PS值以及我們選定的各變量的均值差及其方差，以及SMD。我們可以看到匹配后所有變量和PS值的差值都在±0.1范圍內，說明我們的匹配效果很好。這些就是部分變量的箱線圖、條形圖和云圖，同樣是對其匹配前后的分布進行可視化。總體上看來，匹配后的兩組達到了非常好的平衡。下面簡單說一說SAS中逆概率加權的實現。大致上和PSM非常像，只是把MATCH statement換成了PSWEIGHT，語句也更加簡單。weight = 明確了加權方式，分為atewgt和attwgt兩種，根據逆概率加權的權重定義（研究組權重為1/PStreatment，對照組，權重為1/(1- PStreatment)），應選擇atewgt。在ASSESS statement中，我們在plots里又加了一個wgtcloud即權重的云圖。最后output里，注意這里我們沒有做match，所以無法output matched sets，要把obs = 換成all，輸出全部觀察值。PROC PSMATCH data = statin region = cs;
CLASS statin gender ethnicity education cvd dm hypertension smoking;PSMODEL statin(treated='1') = age gender ethnicity education cvd dm hypertension smoking;PSWEIGHT weight = atewgt;ASSESS ps var = (age gender rfft cvd dm hypertension) /stddev = treated stdbinvar = yesplots = (boxplot(display = (RFFT)) barchart(display = (gender)) cloudplot(display = (age)) stddiffplot(ref=0.1) wgtcloud);OUTPUT out(obs = all) = ipw_output;這里可以看到輸出的數據里多了一列atewgt，即每個個體被賦予的權重。我們看一下權重云圖：可以看到無論是治療組還是對照組，其權重分布幾乎都在推薦的limit (兩條灰色虛線)以內，表明我們的weighting沒有太大問題。通過以上學習我們發(fā)現，SAS中PSMATCH Procedure功能強大，可以非常完整地完成傾向性評分匹配和逆概率加權，并且根據我們的需求設定不同參數和計算方法，語言簡潔直接，很好上手。
|
