Propensity Score Matching Nedir? Retrospektif Çalışmalarda Kullanımı

Randomize kontrollü çalışma yapmak her zaman mümkün değildir. Etik kısıtlamalar, maliyet veya süre gereksinimleri nedeniyle araştırmacılar çoğunlukla retrospektif hasta verisiyle çalışmak zorunda kalır. Bu durumda iki grup, tedavi alan ve almayan, baştan itibaren farklı özelliklere sahip olabilir. Propensity score matching bu dengesizliği düzeltmek için kullanılır.

Propensity Score Nedir?

Propensity score, bir hastanın gözlemlenen özellikleri göz önünde bulundurulduğunda tedavi grubuna dahil olma olasılığıdır. Lojistik regresyon ile hesaplanır: bağımlı değişken tedavi durumu (tedavi aldı/almadı), bağımsız değişkenler ise yaş, cinsiyet, komorbidite, hastalık şiddeti gibi konfounding faktörlerdir.

Her hasta için 0 ile 1 arasında bir propensity score elde edilir. Benzer skorlara sahip hastalar karşılaştırıldığında, sanki randomize edilmiş gibi gruplar arasındaki gözlemlenebilir farklar dengelenir.

Ne Zaman Kullanılır?

Propensity score matching şu durumlarda tercih edilir:

Retrospektif kohort çalışmalarında iki grup başlangıç özelliklerinde farklı olduğunda
RCT mümkün olmadığında ama güçlü nedensellik çıkarımı yapılmak istendiğinde
Hasta sayısı eşleştirme için yeterli olduğunda (her gruptan en az 30-50 hasta önerilir)

Dikkat: Propensity score yalnızca ölçülen konfounding faktörleri dengeler. Ölçülemeyen konfounding (unmeasured confounding) sorununu çözmez.

Adım Adım Uygulama

Adım 1: Propensity score hesaplama

Hangi değişkenlerin modele alınacağına klinik gerekçeyle karar verin. Tedavinin sonucu değil, tedavi seçimini etkileyen faktörler modele alınmalıdır.

Adım 2: Matching yöntemi seçimi

En yaygın yaklaşım 1:1 nearest-neighbor matching'dir. Her tedavi alan hasta için propensity score'u en yakın olan kontrol hastası eşleştirilir.

Caliper (sınır): Eşleştirmede kabul edilebilir maksimum mesafe. Genellikle propensity score'un standart sapmasının 0.2 katı caliper olarak kullanılır.

Adım 3: Balance kontrolü

Eşleştirme sonrası grupların dengeli olup olmadığı kontrol edilir. Standardized Mean Difference (SMD) < 0.10 iyi dengeyi gösterir. Bu kontrol tablo ve "love plot" ile raporlanır.

Adım 4: Eşleştirilmiş veride analiz

Eşleştirilmiş veri üzerinde standart istatistiksel testler yapılır. Ancak eşleştirilmiş verinin bağımlı yapısı (paired data) gözetilmelidir: sürekli değişkenler için paired t-testi veya Wilcoxon signed-rank, kategorik değişkenler için McNemar testi kullanılır.

R ile Propensity Score Matching

Love plot için cobalt paketi:

Alternatif Yaklaşımlar

Matching'in yanı sıra propensity score'u farklı biçimlerde de kullanabilirsiniz:

Weighting (IPTW): Her hastaya propensity score'unun tersini ağırlık olarak vermek. Tüm veriyi korur, matching'de olduğu gibi hasta kaybetmezsiniz.

Stratification: Hastaları propensity score quintile'larına göre gruplara ayırmak ve her grupta analiz yapmak.

Kovaryat olarak modele almak: Propensity score'u multivaryat analizde kovaryat olarak kullanmak. En basit yöntem ama en az güçlü.

Propensity score matching analizi için ücretsiz görüşme talep edin.

Bu Analizde En Çok Nerede Takılınır?

Eşleştirme sonrası çok fazla hasta kaybettiniz, kalan örneklem çok küçük kaldı.
SMD > 0.10 olan değişkenler hâlâ var, balance sağlanamıyor.
Eşleştirilmiş veride paired test mi bağımsız test mi kullanılacağı belirsiz.