Embed Size (px)
Citation preview
SASによる傾向スコアマッチング
Propensity score matching using SAS
○魚住龍史1* 矢田真城2 山本倫生3 川口淳4
1京都大学大学院医学研究科医学統計生物情報学2エイツーヘルスケア株式会社 3岡山大学 4佐賀大学
Ryuji Uozumi1*, Shinjo Yada2,
Michio Yamamoto3, and Atsushi Kawaguchi4
1Kyoto University 2A2 Healthcare Corporation3Okayama University 4Saga University
*email: [email protected]
2
観察研究データに対するマッチング
対照群
治療群
1 : 1 マッチング
3
観察研究におけるマッチング
対照群 治療群
新たな解析対象集団 (matched sample) を構成
4
SASユーザーによる傾向スコアマッチング
傾向スコア・・・
SAS・・・
PROC LOGISTIC・・・
マッチング・・・??
本発表のトピック
•傾向スコアによる最近傍マッチング
• JMP / R によるマッチング
• PSMATCHプロシジャによるマッチング
5
傾向スコア (バランススコア)
➢ : 被験者 iの群を表す変数
( ：治療群， ：対照群)
➢ : 被験者 iの共変量ベクトル
Rosenbaum and Rubin (1983) Biometrika
6
iZ
iX
傾向スコアモデル
)|1Pr( iii XZe
proc logistic data=<入力データセット名>;
class Gender;
model z(event='1')= Gender Age Bmi;
output out=<出力データセット名> pred=ps;
run;
例：Xiを性別 (Gender)，年齢 (Age)，BMI (Bmi) とする場合
1iZ 0iZ
7
傾向スコアによる最近傍マッチング
対照群
治療群
ie
je
|| ji ee
|)logit()(logit| ji ee
8
キャリパー (caliper)
対照群 試験群
ieje
|| ji ee
)](SD[logitCaliper|)logit()(logit| eee ji
Rosenbaum and Rubin (1985) Am Stat
20.0
25.0Caliper
Austin (2011) Pharm Stat
最近傍マッチングを用いた臨床研究の論文における記載例
Bangalore et al. (2015) N Engl J Med; 田栗 (2017) Coronary Intervention
9
Matching was performed with the use of a 1:1
matching protocol without replacement
(greedy-matching algorithm), with a caliper
width equal to 0.2 of the standard deviation of
the logit of the propensity score.
• マッチング後，調整した変数の群間の分布を確認• バイアスが生じたままである場合はキャリパーの値を再考
山本・森田 (2015) 呼吸
10
JMP (11.0以上) による最近傍マッチング
• アドイン入手URL : http://www.jmp.com/content/dam/jmp/documents/jp/support/propensityaddin.zip
11
1 : 1マッチング実行画面
12
JMPにおけるキャリパーの指定
2
]0|)logit([Var]1|)logit([VarCaliper
|)logit()(logit|
ZeZe
ee ji
)](SD[logitCaliper|)logit()(logit| eee ji
Rosenbaum and Rubin (1985) Am Stat
20.0
25.0Caliper
Austin (2011) Pharm Stat
13
JMPは1 : 1マッチングのみ対応
14
最近傍マッチングの事例
R を用いた最近傍マッチングの事例
Yamashita et al. (2017). Current status and outcomes of direct
oral anticoagulant use in patients with atrial fibrillation in the
real-world: The Fushimi AF Registry. Circ J.
JMP を用いた最近傍マッチングの事例
Hamatani et al. (2015). Low body weight is associated with the
incidence of stroke in atrial fibrillation patients: Insight from the
Fushimi AF Registry. Circ J.
Hida et al. (2017). Open versus laparoscopic surgery for
advanced low rectal cancer: a large multicenter propensity score
matched cohort study in Japan. Ann Surg.
R による最近傍マッチング
15
### パッケージを使用 ###library(Matching)
### 傾向スコアの推定結果が含まれたCSVファイルをデータセットとして読み込み ###data = read.csv("psout00.csv")
### 傾向スコアモデルの分子(治療群のカテゴリ)を指定 ###Trt = data$Drug == "Drug_X"
### キャリパーの値を指定 ###caliper = 0.20
### 傾向スコアのロジット変換 ###data <- transform(data, ps.logit=log(ps / (1 - ps)))
### 乱数のシード ###set.seed(123456)
### 1:1最近傍マッチングを非復元抽出で実行 ###Matching = Match(Y=NULL, Tr=Trt, X=data$ps.logit, M=1, replace=FALSE, caliper = caliper);summary(Matching)
16
SASによる傾向スコアマッチング
SAS でマッチングをやりたい・・・
DATAステップで傾向スコアマッチングを行うためのSASマクロの報告 (Coca-Perraillon, 2007;
Lanehart et al., 2012)
SASマクロで処理するならRと同じだし，SAS/STATのプロシジャでマッチングができないものだろうか・・・
12.19.3
2012/082011/07
12.3 13.1 13.2
2013/07 2014/082013/12
SAS 9.3
SAS 9.4
SAS/STAT
17
14.1
2015/07
14.2
2016/11
PSMATCHプロシジャ
18
PSMATCHプロシジャの主なステートメントの役割
共変量の指定
傾向スコアの算出
マッチング条件・方法の指定
マッチング後のデータセット出力
共変量のバランスを確認
PSMODEL MATCH OUTPUT ASSESS
proc psmatch data=<入力データセット名>;
class Z <共変量におけるカテゴリカル変数>;
psmodel Z(treated=‘1’)=<共変量>;
match <マッチング条件・方法の指定>;
assess <共変量などのバランスの評価>;
output out(obs=match)=<出力データセット名>;
run;
観察研究のデータセット:
Drugs (n = 486)
• 本発表で用いる変数
• 治療 (Drug = ‘Drug_X’ 「治療群」, ‘Drug_A’ 「対照群」)
• 年齢 (Age)
• 性別 (Gender = ‘Male’, ‘Female’)
• BMI (Bmi)
19
20
proc psmatch data=drugs region=allobs;
class Drug Gender;
psmodel Drug(treated='1')
= Gender Age Bmi;
output out(obs=all)=psout00
ps=ps attwgt=attw atewgt=atew;
run;
PSMODEL: 傾向スコアモデル
Gender Age Bmi Drug Patient
ID
PS ATEW ATTW
Male 29 22.02 Drug_X 284 0.36444 2.744 1
Male 45 26.68 Drug_A 201 0.22296 1.2869 0.28694
Male 42 21.84 Drug_A 147 0.11323 1.1277 0.12768
データセットPSOUT00 (最初の3オブザベーション)
21
proc psmatch data=Drugs region=allobs;
class Drug Gender;
psmodel Drug(treated='Drug_X') = <共変量>;
match method=greedy(k=1 order=descending)
stat=lps caliper(mult=stddev)=0.20;
output out(obs=match)=psmatch00
ps=ps lps=lps
matchwgt=match matchid=matchsort;
run;
MATCH: 傾向スコアマッチング実行
1 : 1 最近傍マッチング
)]logit([SDCaliper|)logit()(logit| eee ji
22
MATCHステートメントで指定可能なマッチング方法
Replacement
Optimal
Fixed Ratio Matching
Variable Ratio Matching
Full Matching
Greedy Nearest
Neighbor Matching
METHOD = REPLACE
METHOD = GREEDY
METHOD = VARRATIO
METHOD = OPTIMAL
METHOD = FULL
No
Replacement Matching
Yes
Yes
No
Fixed Ratio
Variable Ratio
Yes
No
No
Yes
23
proc psmatch data=Drugs region=allobs;
class Drug Gender;
psmodel Drug(treated='Drug_X') = <共変量>
match <マッチング条件・方法の指定>;
output out(obs=match)=psmatch00 ps=ps lps=lps
matchwgt=match matchid=matchsort;
run;
proc sort data=psmatch00 out=pssort00;
by descending ps;
run;
OUTPUT: マッチング後のデータセット
データセットPSSORT00 (最初の5オブザベーション)Gender Age Bmi Drug PatientID PS match matchsort
Male 27 25.87 Drug_X 87 0.64115 1 1
Male 27 25.76 Drug_A 123 0.63513 1 1
Female 30 27.75 Drug_A 200 0.61831 1 2
Male 33 28.06 Drug_X 349 0.60481 1 2
Male 27 25.14 Drug_X 114 0.60047 1 3
24
ods graphics on;
proc psmatch data=drugs region=allobs;
class Drug Gender;
psmodel Drug(treated=‘Drug_X') = <共変量>;
match method=greedy(k=1 order=descending)
stat=lps caliper(mult=stddev)=0.20;
assess lps var=(Gender Age Bmi)
/ weight=none varinfo plots=(all);
run;
ASSESS: 変数の群間差の評価
1 : 1 最近傍マッチング
25
マッチング前後の変数情報
Variable Information
Variable Obs Treated (Drug = Drug_X) Control (Drug = Drug_A)
N Mean Std Dev N Mean Std Dev
LPS All 113 -0.880615 0.681761 373 -1.520586 0.844486
Region 113 -0.880615 0.681761 373 -1.520586 0.844486
Matched 113 -0.880615 0.681761 113 -0.889200 0.674687
Age All 113 36.309735 5.534114 373 40.404826 6.579103
Region 113 36.309735 5.534114 373 40.404826 6.579103
Matched 113 36.309735 5.534114 113 35.884956 5.468664
Bmi All 113 24.492566 1.863797 373 23.753271 1.980778
Region 113 24.492566 1.863797 373 23.753271 1.980778
Matched 113 24.492566 1.863797 113 24.309027 1.882123
Gender All 113 0.433628 0.495575 373 0.458445 0.498270
Region 113 0.433628 0.495575 373 0.458445 0.498270
Matched 113 0.433628 0.495575 113 0.495575 0.499980
治療群 対照群
マッチング前 113名 373名
マッチング後 113名 113名
26
各変数に対する標準化した群間差
Standardized Variable Differences (Treated - Control)
Variable Standardized Mean Difference
Mean Difference Divisor Mean Difference
All Obs Region
Obs
Matched
Obs
All Obs Region
Obs
Matched
Obs
LPS 0.639971 0.639971 0.008584 0.767448 0.833894 0.833894 0.011185
Age -4.095091 -4.095091 0.424779 6.079104 -0.673634 -0.673634 0.069875
Bmi 0.739296 0.739296 0.18354 1.923178 0.384414 0.384414 0.095436
Gender -0.024817 -0.024817 -0.061947 0.496925 -0.049941 -0.049941 -0.124661
0.673634=079104.6
095091.4
Divisor
DifferenceMean
DifferenceMean edStandardiz
年齢：
27
マッチング前後の変数情報
Variable Information
Variable Obs Treated (Drug = Drug_X) Control (Drug = Drug_A)
N Mean Std Dev N Mean Std Dev
LPS All 113 -0.880615 0.681761 373 -1.520586 0.844486
Region 113 -0.880615 0.681761 373 -1.520586 0.844486
Matched 113 -0.880615 0.681761 113 -0.889200 0.674687
Age All 113 36.309735 5.534114 373 40.404826 6.579103
Region 113 36.309735 5.534114 373 40.404826 6.579103
Matched 113 36.309735 5.534114 113 35.884956 5.468664
Bmi All 113 24.492566 1.863797 373 23.753271 1.980778
Region 113 24.492566 1.863797 373 23.753271 1.980778
Matched 113 24.492566 1.863797 113 24.309027 1.882123
Gender All 113 0.433628 0.495575 373 0.458445 0.498270
Region 113 0.433628 0.495575 373 0.458445 0.498270
Matched 113 0.433628 0.495575 113 0.495575 0.499980
6.079104= 2
)6.579103+(5.53411422
年齢のマッチング前のプールした標準偏差
28
各変数に対する標準化した群間差
Standardized Variable Differences (Treated - Control)
Variable Standardized Mean Difference
Mean Difference Divisor Mean Difference
All Obs Region
Obs
Matched
Obs
All Obs Region
Obs
Matched
Obs
LPS 0.639971 0.639971 0.008584 0.767448 0.833894 0.833894 0.011185
Age -4.095091 -4.095091 0.424779 6.079104 -0.673634 -0.673634 0.069875
Bmi 0.739296 0.739296 0.18354 1.923178 0.384414 0.384414 0.095436
Gender -0.024817 -0.024817 -0.061947 0.496925 -0.049941 -0.049941 -0.124661
0.673634=079104.6
095091.4
Divisor
DifferenceMean
DifferenceMean edStandardiz
年齢：
29
各変数に対する標準化した群間差
ODS GRAPHICS
30
年齢に対する群別のクラウドプロット
31
年齢に対する群別の箱ひげ図
32
性別に対する群別の度数分布
SASユーザー総会における傾向スコアを用いた論文報告
2010 古川・杉本
2011
2017
古川
本発表
Propensity Score法によるバイアスの調整法に関する実務的な問題点
33
観察研究において選択bias を制御するために用いられる Propensity
Score IPTW と層化調整法の、頑健性の観点からの使い分けについて
PSMATCHプロシジャ登場!!
最近傍マッチングについて
SASプログラムの詳細は論文集を参照
12.19.3
2012/082011/07
12.3 13.1 13.2
2013/07 2014/082013/12
SAS 9.3
SAS 9.4
SAS/STAT
34
14.1
2015/07
14.2
2016/11
PSMATCHプロシジャ
CAUSALTRTプロシジャ
35
References1. Austin PC, Grootendorst P, Anderson GM. A comparison of the ability of different propensity score
models to balance measured variables between treated and untreated subjects: a Monte Carlo study.
Statistics in Medicine. 26:734–753, 2007.
2. Austin PC. Optimal caliper widths for propensity-score matching when estimating differences in
means and differences in proportions in observational studies. Pharmaceutical Statistics. 10:150–
161, 2011.
3. Bangalore S, Guo Y, Samadashvili Z, Blecker S, Xu J, Hannan EL. Everolimus-eluting stents or
bypass surgery for multivessel coronary disease. New England Journal of Medicine. 372:1213–1222,
2015.
4. Coca-Perraillon M. Local and global optimal propensity score matching. Proceedings of the SAS
Global Forum. SAS Institute Inc., Cary, NC, 2007.
5. Faries D, Leon AC, Haro JM, Obenchain RL. Analysis of Observational Health Care Data Using
SAS(R). SAS Institute Inc., Cary, NC, 2010.
6. Hida K, Okamura R, Sakai Y, Konishi T, Akagi T, Yamaguchi T, Akiyoshi T, Fukuda M, Yamamoto
S, Yamamoto M, Nishigori T, Kawada K, Hasegawa S, Morita S, Watanabe M. Open versus
laparoscopic surgery for advanced low rectal cancer: a large multicenter propensity score matched
cohort study in Japan. Annals of Surgery, 2017.
7. Hamatani Y, Ogawa H, Uozumi R, Iguchi M, Yamashita Y, Esato M, Chun YH, Tsuji H, Wada H,
Hasegawa K, Abe M, Morita S, Akao M. Low body weight is associated with the incidence of stroke
in atrial fibrillation patients: Insight from the Fushimi AF Registry. Circulation Journal. 79:1009–
1017, 2015.
8. JMPジャパン事業部. JMPによる傾向スコアを用いたマッチング、層別分析、回帰分析. SAS
Institute Japan株式会社, 2014.
36
References (Cont’d)9. Lanehart RE, de Gil PR, Kim ES, Bellara AP, Kromrey JD, Lee RS. Propensity score analysis and
assessment of propensity score approaches using SAS(R) procedures. Proceedings of the SAS Global
Forum. SAS Institute Inc., Cary, NC, 2012.
10. Normand ST, Landrum MB, Guadagnoli E, Ayanian JZ, Ryan TJ, Cleary PD, McNeil BJ. Validating
recommendations for coronary angiography following acute myocardial infarction in the elderly: a
matched analysis using propensity scores. Journal of Clinical Epidemiology. 54:387–398, 2001.
11. Rosenbaum PR, Rubin DB. The central role of the propensity score in observational studies for
causal effects. Biometrika. 70:41–55, 1983.
12. Rosenbaum PR, Rubin DB. Constructing a control group using multivariate matched sampling
methods that incorporate the propensity score. The American Statistician. 39:33–38, 1985.
13. SAS Institute Inc. SAS/STAT(R) 14.2 User’s Guide. SAS Institute Inc., Cary, NC, 2016.
14. Yamashita Y, Uozumi R, Hamatani Y, Esato M, Chun YH, Tsuji H, Wada H, Hasegawa K, Ogawa H,
Abe M, Morita S, Akao M. Current status and outcomes of direct oral anticoagulant use in patients
with atrial fibrillation in the real-world: The Fushimi AF Registry. Circulation Journal, 2017
DOI:10.1253/circj.CJ-16-1337.
15. 田栗正隆. 有名論文から統計の基礎を学ぶ：プロペンシティスコア. Coronary Intervention, 13:63–
69, 2017.
16. 古川敏仁・杉本典子. Propensity Score法によるバイアスの調整法に関する実務的な問題点. SAS
ユーザー総会論文集. 101–108, 2010.
17. 古川敏仁. 観察研究において選択bias を制御するために用いられる Propensity Score IPTW と層化調整法の、頑健性の観点からの使い分けについて. SASユーザー総会論文集. 409–416, 2011.
18. 山本倫生・森田智視. 傾向スコアによる調整解析. 呼吸. 34:1187–1193, 2015.
