精确匹配作为倾向得分匹配的替代方法

来自观察性研究或不同临床试验的不同治疗方法的比较常因患者人口统计学特征或试验纳入标准的系统性差异等混杂因素而产生偏倚。倾向得分匹配是一种用于调整此类混杂因素的流行方法。它比较患者反应的加权平均值，权重通过逻辑回归模型计算，旨在减少治疗组之间混杂因素的差异。然而，这些组只是"大致匹配"，没有公认的原则来确定匹配何时"足够好"。在本手稿中，我们将匹配问题视为一个约束优化问题，提出了一种替代方法。我们研究了精确匹配的条件，即匹配后治疗组中混杂因素的平均值完全相同。我们的方法与Signorovitch等人(2010)的匹配调整间接比较方法类似，但有两个主要区别：第一，我们不对匹配权重施加任何特定的函数形式；第二，所提出的方法可以应用于来自多个治疗组的个体患者数据，也可以应用于个体患者数据与汇总数据的混合。