我们的目标是，让天下没有难学的统计学！本公众号将组合推出“公共数据库+0代码复现”的文章，学友余力的不妨试着去复现一下，信赖会有所收获！
本日将分享Charls数据库分析套路【一】：倾向性评分匹配（PSM）分析的基本计谋。我们先来简单了解一下这篇文章。
2024年2月16日，广州中医药大学团队在《BMC Public Health》（医学二区top，IF=3.5）发表题为：“Risk of fall in patients with chronic kidney disease: results from the China health and retirement longitudinal study (CHARLS) ”的研究论文。
这项研究利用中国健康与养老追踪调查（CHARLS）的数据，旨在评估中国CKD患者跌倒的患病率和风险。结果表明，中国慢性肾病患者跌倒的风险显著增加。
本公众号回复“ 原文”即可获得文献PDF等资料，假如进一步须要CHARLS数据库方法学习与引导，请接洽郑老师团队，微信号：aq566665
择要与主要结果
一、择要
配景
慢性肾脏病（CKD）通常与各种全身性疾病并存，大概会增加跌倒的风险。本研究旨在评估中国CKD患者跌倒的患病率和风险。
方法
我们纳入了中国健康与退休纵向研究（China Health and Retirement Longitudinal Study， CHARLS）中伴/不伴CKD的患者。我们的主要结果是过去 2 年内跌倒变乱的发生。为了提高研究结果的稳健性，我们采用了多变量逻辑回归模子，进行了倾向得分分析，并应用了逆概率加权模子。
结果
共纳入12,658名受试者，无CKD受试者跌倒变乱率为17.1%（2,028/11,837），CKD受试者为24.7%（203/821）。在逆概率加权模子中，患有CKD的到场者表现出更高的跌倒变乱率（OR=1.28,95%CI：1.08-1.53，p=0.005）。敏感性和亚组分析显示结果仍然稳固。
结论
中国慢性肾病患者跌倒的风险显著增加，这凸显了加强评估和预防跌倒风险的至关重要性。
二、研究结果
1. 基线特征
我们的研究包括12,658名到场者，其中821人(6.48%)自我报告患有慢性肾脏疾病。由于抑郁症数据缺失9.0%，其他数据缺失0.3 - 4.1%。为了解决这个问题，我们应用了数据插值技能。经PSM后，我们获得821对匹配的到场者(表1)，均匀年龄为60.1±9.0岁，男性859人(52.3%)，最近2年内的364人(22.2%)。补充图1和补充图2显示了有/没有CKD的到场者在PSM后跌倒变乱率的ROC和SMD。
2.PSM队列的结果分析
图2显示，在过去2年中，非CKD到场者的跌倒变乱率为17.1% (2,028/11,837)，CKD到场者的跌倒变乱率为24.7%(203/821)。
值得注意的是，CKD患者表现出更高的跌倒变乱率(卡方检验 <0.001)。
逆概率加权(IPW)分析显示，CKD到场者的跌倒变乱发生率显著较高，OR为1.28 (95% CI, 1.08-1.53, P=0.005)。无CKD和有CKD的到场者的倾向评分匹配的跌倒变乱发生率分别为19.6%和24.7%。
在多变量logistic回归分析中，OR为1.35 (95% CI, 1.07-1.7, P=0.013)(表2)。
3.敏感性分析及亚组分析
我们利用四种不同的模子进行了敏感性分析，如补充表2所示。
天职析旨在进一步验证结果的稳固性，因此研究团队利用多个模子进行调整结果依然稳健。
图3显示了亚组分析结果，发现结果仍然稳健可靠。
计划与统计学方法
一、研究计划
P：到场了2015-2016年调查和2017-2018年跟踪调查的45岁以上的研究对象
O：跌倒变乱
S：队列研究
二、统计方法
1. 连续变量以均匀值±标准差报告，分类变量以百分比报告。对连续变量采用t检验，对分类变量采用卡方检验比较基线特征。缺失数据采用随机丛林法进行输入。
2. 为了尽量减少埋伏的治疗分配偏差和肴杂，采用倾向评分匹配(PSM)的逻辑回归来估计患者发生跌倒的大概性。我们采用1:1最近邻匹配算法，卡尺宽度为0.01。我们利用标准化均匀差(SMD)评估倾向评分匹配的质量，阈值小于0.1被认为是可担当的。
3.全部分析均利用统计软件包R 4.2.2 (http://www.R-project.org, the R Foundation)和Free Statistics软件版本1.7.1进行。
结 语
本日的文章就分享到这里，本文最大的亮点就是利用倾向评分匹配(PSM)的统计学方法，有用减少了混杂偏倚。
想了解更多有关公共数据库发文套路请关注“公共数据库与孟德尔随机化”公众号！我们将分享更多实用分析讨论！假如你想用Charls数据库发文，但不知道怎么分析，不妨来看看郑老师团队开展的Charls课程！该课程将重点教授处理数据的本领，为您的研究提供坚实的支持！
关于郑老师团队及公众号
我们是全国最大的线上医学统计平台，专注于医学生、医护工作者学术研究统计支持，让我们成为你们的统计助理！
我们提供以下科研与统计分析：
①研究者发起的临床试验计划、分析与报告
②医院回顾性数据分析与预测模子
③利用医学公共数据库包括SEER、NHANES、老年健康数据库、GBD数据库、孟德尔随机化等快速挖掘故意义的数据
④预测模子、NHANES数据库、孟德尔随机化方法、GBD数据库一对一R语言引导
接洽助教小董咨询（微信号aq566665）
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 | 
