一、倾向评分的提出背景

观察性研究中，以队列研究为例，暴露因素的分配（如是否吸烟）通常不受人为控制，暴露组和非暴露组的形成无法等同于随机分组，因此很难做到研究对象在组间均衡可比。

组间因素不均衡可能造成混杂。调整混杂因素，可针对混杂因素进行匹配、分层分析或协变量调整等。但这些方法控制的混杂因素都不能太多。

当混杂因素较多时可采用倾向评分法（Propensity Score Method）。

二、倾向评分的原理

以吸烟-肺癌的队列研究为例，自然状态下个体是否吸烟与很多因素有关，并不是随机的，吸烟组和非吸烟组会有多个基线特征不平衡。

那么，倾向评分如何解决这个问题呢？

图中椭圆代表个体，数字代表成为吸烟者的概率

如图，计算研究对象在多种背景因素（如年龄、性别等与是否吸烟有关的因素）下成为吸烟者的概率（即倾向评分），匹配概率相等或相近的个体，组成新的吸烟组和不吸烟组，此两组可近似为随机分组，组间相关因素可达到均衡。

由此，组间分配不均衡的多个变量，被“倾向评分”一个综合指标所代替，达到了“降维”的效果。除采用匹配法外也可把倾向评分作为协变量进行调整。

三、倾向评分的应用

倾向评分控制混杂的方法主要有倾向评分匹配、分层、回归调整和加权标化。

倾向评分匹配，就是依据倾向评分大小进行配对。以下介绍最常用的倾向评分最近法：

倾向评分最近法（nearest available matching on the estimated propensity score）：先规定一个界限（文献里称为Caliper），如<0.05，然后在另一组寻找与要匹配的个体倾向评分值差异<0.05的个体，例如队列研究中暴露组某个体倾向评分值为0.50，则在非暴露组寻找倾向评分值在0.45-0.55范围内的个体，匹配个体可有多个。一旦配对成功，匹配的个体将被排除。在吡格列酮和膀胱癌的队列研究中，研究者生成了两个队列，一个是1:1匹配的队列，一个是1:n（n最大为10）匹配的队列，其生成过程采用的便是此方法。