再谈临床研究中的匹配 -凯发k8国际首页登录

　　再谈中的匹配。最让人头疼或最有意思的地方在于研究对象也就是患者之间的差异，在统计上我们称之为变异。由于这些变异的存在，我们常常很难回答吃白加黑感冒3天就好的患者和吃泰诺感冒6天才好的患者的疗效差别是药物的作用还是个体差异导致的。在设计里，可以通过随机化分配研究对象来得到两组或多组各方面特征(包括人口学特征、健康或疾病状态、生活习惯等)很相近的研究对象，那么研究结果的组间差异我们就可以归因到研究因素导致的。随机化其实是一个简单、粗暴、又行之有效的办法。可现实研究中我们往往难以采用rct设计，这时，混杂、组间均衡性等等问题又在研究设计时涌上心头，困扰着我们。这个时候，我们想到的尚方宝剑就是两个字——匹配。

　　在研究设计阶段，通过匹配选择合适的研究对象，得到和病例组/试验组在某些特征上齐同的对照来提高组间均衡性，或者说来获得可比性好的对照，是最为常见的方法。但是，我们都知道，寻找各方面特征齐同匹配的对照并不是容易的事情，尤其是希望匹配的因素过多的时候。比如我们想比较两种治疗方案的疗效差异时，由于考虑年龄、性别、起病诱因、疾病的阶段、既往病史等等都可能会影响疗效，所以我们希望把这些因素都一一匹配，这时我们会发现，别说1:4寻找对照了，就连1:1寻找对照都不一定能找到可以和试验组匹配的。

　　匹配可能会造成研究效率的降低，也可能会低估研究因素的作用大小，我们把这一现象称为匹配过度(over matching)。举个例子，我想研究肥胖和体重正常者以往日常运动量的差异，在研究中我希望控制除了运动量以外的其它可能影响肥胖的因素，比如起始的bmi，饮食摄入，久坐等，于是我匹配了这些因素，可是我竟然发现运动量和肥胖竟然没有关联了，这时为什么呢?哦，经过深入的分析，我发现，爱运动的人，往往不会采用久坐的生活或工作方式，常常会坐下工作/娱乐一段时间后就有意识的起来走走。而我在研究中对久坐进行了匹配，也就是可能把运动→肥胖因果链条中的某个环节——久坐在病例组和对照组中进行了匹配，那么我们就有可能看不到运动和肥胖在统计学上的关联了。

　　在匹配因素的选择上，我们还要考虑增加匹配因素会对我们研究带来的难度。如果匹配的因素很多，那么对于某些病例/试验组对象，我们可能难以找到合适的对照，那么我们马上要面临的就是要不要舍弃这些病例/试验组对象的问题了。在实际研究中，研究者往往是不愿意随意舍弃研究对象的。而从研究设计的角度，因为找不到合适的对照而舍弃某些病例，虽说是完成了匹配的过程，却可能因为这个舍弃的动作而引入了选择偏倚。这也是得不偿失的。

　　因此，匹配还是不匹配，这真是个值得考虑的问题。一定要具体情况、具体分析。如果想不太清楚，建议即使选择了匹配，匹配因素不要太多。大家想想，即使我们不匹配，我们在分析阶段也可以采用分层分析、多因素分析等方法来调整、控制混杂。但是如果真的匹配过度了，还真是回天乏术了。