倾向性评分的敏感性分析及SAS软件实现

目的 介绍三种倾向性评分的敏感性分析方法的原理及SAS实现,包括Rosenbaum、propensity score calibration、VanderWeele&Arah敏感性分析.方法 利用真实世界研究——纤维肌痛的模拟数据集,分别采取Rosenbaum、propensity score calibration和VanderWeele&Arah三种方法进行敏感性分析,并通过Rosenbaum界限、平均干预效应等指标衡量隐藏偏倚,进一步评价主要分析结果的稳健性.结果 Rosenbaum、propensity score calibration、VanderWeele&Arah方法均可实现对倾向性评分的敏感性分析,Rosenbaum方法应用最为普遍,propensity score calibration和VanderWeele&Arah方法适用范围更广,对于隐藏偏倚的解释更加具体可靠.结论 随着倾向性评分方法的广泛应用,其敏感性分析的重要性也逐渐突显,本研究中介绍的三种方式建议综合使用,全方面评估隐藏偏倚,以提高研究结果的可信度.