公開日：|最終更新日：

医学研究における傾向スコアマッチングは、観察データから因果関係を推論するための最も強力なツールの1つとなっています。ランダム化比較試験が非現実的、非倫理的、または費用がかかりすぎる場合、研究者は選択バイアスを軽減し、対照実験の条件を近似するために傾向スコア法を利用します。この包括的なチュートリアルでは、研究デザインから論文発表可能なレポート作成まで、研究における傾向スコアマッチング（PSM）の実装手順を網羅的に解説します。

電子カルテ、大規模な行政データベース、あるいは登録データなど、どのようなデータを分析する場合でも、医学研究における傾向スコアマッチングを理解することは、厳格な審査に耐えうる、信頼できる査読済みの研究結果を生み出すために不可欠です。

傾向スコアマッチングとは何ですか?

傾向スコアは、1983年にローゼンバウムとルービンによって初めて導入され、観測されたベースライン共変量の集合を与えられた場合に、治療（または曝露）を受ける条件付き確率として定義されます。数学的には、傾向スコアe(x) = P(T = 1 | X = x)となります。ここで、Tは治療指標、Xは観測された共変量のベクトルを表します。

同様の傾向スコアを持つ治療群と非治療群をマッチングさせることで、研究者は擬似ランダム化比較群を効果的に作成します。これにより、観察される交絡因子の分布が群間で均衡し、非ランダム化データから治療効果をより正確に推定できるようになります。

主な調査結果: スチュアート (2010) による画期的なレビューでは、傾向スコア法が適切に実装されると、観察研究による治療効果の推定値の偏りを大幅に削減できることが実証され、測定された共変量についてはランダム化試験に匹敵するバランスが達成されることが多いことが示されました。

医学研究で傾向スコアマッチングを使用する理由

医学研究においては、観察研究が主流です。大規模な管理データベース、電子医療記録（EHR）、疾患登録は、ランダム化比較試験（RCT）の知見を補完する豊富なリアルワールドデータを提供します。しかし、治療の割り当てがランダムではないため、これらのデータソースには固有の選択バイアスが存在します。

傾向スコア マッチングは、いくつかの重要な利点を通じてこの基本的な課題に対処します。

交絡バイアスの低減: PSM は、ランダム化によって達成されるバランスを模倣し、治療群間で観察された共変量をバランスさせます。高次元データの処理: PSM は、数十の共変量を個別に調整するのではなく、測定されたすべての交絡因子を単一のスカラー スコアに集約します。透明性の高い品質評価:回帰調整とは異なり、PSM では、研究者は結果を分析する前に共変量のバランスが達成されたことを直接検証できます。規制当局および査読機関による承認: PSM は、規制当局 (FDA、EMA) およびジャーナル編集者によって、観察データからの因果推論に対する厳密なアプローチとして広く認識されています。

ステップ1：研究課題と研究デザインを定義する

傾向スコアを計算する前に、治療グループとコントロール グループ、主要結果と副次結果、傾向スコア モデルの治療前共変量セットという 3 つの重要な要素を明確に定義する必要があります。

まず、変数間の因果関係をマッピングするために、有向非巡回グラフ（DAG）を作成します。この視覚的なツールは、どの変数が真の交絡因子（治療割り当てと結果の両方に影響を与える変数）、どの変数が媒介変数（因果経路上の変数）、どの変数がコライダー（条件付けすべきでない変数）であるかを特定するのに役立ちます。

⚠️ よくある間違い: 傾向スコアモデルに治療後の変数を含めることは、最も頻繁に発生するエラーの一つです。治療割り当て後に測定される変数（治療後の臨床検査値、合併症、服薬遵守指標など）は、バイアスを軽減するどころか、むしろバイアスを生じさせる可能性があります。ベースライン（治療前）の共変量のみを含めてください。

共変量の選択においては、たとえ治療割り当てとの関連が弱くても、結果を強く予測する変数を優先する必要があります。Brookhartら（2006）の研究では、このような変数を含めることで、バイアスを増加させることなく治療効果の推定精度が向上することが実証されています。

ステップ2：傾向スコアを推定する

傾向スコアを推定する最も一般的な方法はロジスティック回帰であり、二値の治療指標を従属変数とし、ベースライン共変量を独立変数とする。このモデルから予測される確率が、各被験者の傾向スコアとなる。

R言語では、広く使われているMatchItパッケージがこのプロセスを効率化します。

# Install and load required packages
library(MatchIt)
library(cobalt)

# Estimate propensity scores and perform matching
ps_model <- matchit(
  treatment ~ age + sex + bmi + smoking_status + 
    comorbidity_score + baseline_creatinine + 
    diabetes + hypertension + prior_surgery,
  data = study_data,
  method = "nearest",
  distance = "glm",    # logistic regression (default)
  caliper = 0.2,       # caliper in SD units of logit PS
  ratio = 1            # 1:1 matching
)

# View matching summary
summary(ps_model)

ロジスティック回帰以外にも、いくつかの機械学習アプローチによって傾向スコアをより柔軟に推定できます。

方法強みRパッケージ
ロジスティック回帰シンプルで、解釈しやすく、広く受け入れられているマッチイット（glm）
一般化ブースティングモデル（GBM）非線形の関係と相互作用を自動的にキャプチャしますトゥワン
分類ツリー（CART）欠落データを処理し、重要な相互作用を特定しますパーツ
ランダムフォレストモデルの誤指定に対して堅牢ランダムフォレスト
💡プロのヒント： 傾向スコア推定の目的は予測精度ではなく、共変量バランスです。優れた識別力（高いC統計量）を持つモデルは、実際にはより単純なモデルよりもマッチング性能が低い可能性があります。傾向スコアモデルを評価する際は、予測性能ではなく、共変量バランスを常に重視してください。

ステップ3：治療対象者と対照群を一致させる

傾向スコアが推定されたら、次のステップは適切なマッチングアルゴリズムを選択することです。アルゴリズムの選択は結果に大きな影響を与える可能性があるため、選択肢を理解することは非常に重要です。

最近傍マッチングは最も一般的なアプローチです。治療を受けた被験者それぞれに対し、傾向スコアが最も近い対照被験者がマッチングされます。マッチングされたペア間の最大許容距離であるキャリパーを使用することで、不適切なマッチングを防ぐことができます。Austin (2011) は、傾向スコアのロジットの標準偏差の 0.2 倍のキャリパー幅を推奨しており、これにより測定された交絡因子のバイアスの約 98% が解消されることが示されています。

最適マッチングは、一度に1組ずつ貪欲にマッチングするのではなく、マッチングされたすべてのペア間の総距離を同時に最小化します。これにより、全体的に最適なマッチングが得られますが、大規模なデータセットでは計算負荷が高くなります。

フルマッチングでは、少なくとも1人の治療群と1人の対照群を含むマッチングセットを作成し、マッチング比率は可変です。これにより、元のサンプルをより多く保持でき、統計的効率を向上させることができます。

主要変数に対する完全一致と傾向スコアマッチングを組み合わせることで、重要な共変量（性別、研究実施場所など）については完全なバランスが確保され、残りの変数については傾向スコアを用いてバランスが取られます。

# Different matching methods in MatchIt

# 1:1 Nearest neighbor with caliper
m_nn <- matchit(treatment ~ covariates, data = df,
                method = "nearest", caliper = 0.2)

# Optimal matching
m_opt <- matchit(treatment ~ covariates, data = df,
                 method = "optimal")

# Full matching
m_full <- matchit(treatment ~ covariates, data = df,
                  method = "full")

# Exact matching on sex + PS matching on rest
m_exact <- matchit(treatment ~ covariates, data = df,
                   method = "nearest", exact = ~ sex)

ステップ4: 共変量バランスを評価する

これは傾向スコアマッチングにおいて最も重要なステップであると言えるでしょう。しかし、最も適切に実施されないことが多いステップでもあります。マッチング後、治療群間で共変量が均衡していることを厳密に検証する必要があります。

ゴールドスタンダードとなる指標は、標準化平均差（SMD）です。SMDが0.1未満（標準偏差の差が10%未満）であれば、バランスが良好であると広く認められています。p値とは異なり、SMDはサンプルサイズの影響を受けないため、バランスの評価に適しています。

# Comprehensive balance assessment with cobalt
library(cobalt)

# Balance table
bal.tab(ps_model, 
        thresholds = c(m = 0.1),  # SMD threshold
        un = TRUE)                 # Show unmatched comparison

# Love plot (visual balance assessment)
love.plot(ps_model, 
          threshold = 0.1,
          abs = TRUE,
          var.order = "unadjusted",
          title = "Covariate Balance Before and After Matching")

# Density plots for propensity score distribution
bal.plot(ps_model, var.name = "distance", 
         which = "both", type = "density")
リサーチインサイト： マッチング後の共変量バランスが不十分な場合（主要変数のSMD > 0.1）、アウトカム分析に進まないでください。代わりに、キャリパー幅を調整する、別のマッチングアルゴリズムに切り替える（例：最近傍マッチングから最適マッチングへ）、傾向スコアモデルに交互作用項または多項式項を追加する、あるいは不均衡変数の完全マッチングとPSマッチングを組み合わせて使用​​するなどの方法を試してください。

ステップ5：治療効果を推定し、結果を報告する

バランスの取れたマッチングサンプルが得られれば、治療効果を推定することができます。PSMにおける主要な推定対象は、通常、治療を受けた人に対する平均治療効果（ATT）です。これは、実際に治療を受けた人における治療の平均効果を表します。

適切な統計テストは結果の種類によって異なります。

結果タイプ推奨分析R関数
バイナリ（例：死亡率）条件付きロジスティック回帰またはマクネマー検定生存からのclogit()
連続的（例：検査値）対応のあるt検定またはクラスターIDを使用したGEEt.test(ペア=TRUE)
イベント発生までの時間（生存）層別コックスモデルまたはロバストSEコックスcoxph() と cluster()
カウント（例：入院日数）一致するペアIDを持つ負の二項分布MASS の glm.nb()

測定されていない交絡因子に対する感度分析： PSMは、観察された交絡因子のみを対象としています。結果が潜在的な測定されていない交絡因子に対してどの程度敏感であるかを評価する必要があります。広く用いられている2つの方法として、ローゼンバウム境界（測定されていない交絡因子が結果を無効にするために必要な強さを定量化する）とE値（観察された効果を説明できるほど、測定されていない交絡因子が治療と結果の両方と必要な最小限の関連性の強さ）があります。

傾向スコアマッチングで避けるべきよくある間違い

医学雑誌における PSM の適用に関する体系的なレビューに基づくと、研究者が犯す最も頻繁なエラーは次のとおりです。

1. 治療後の変数を含めること：治療割り当て後に測定された変数は、治療自体によって影響を受ける可能性があり、過剰調整やコライダーバイアスによるバイアスが生じる可能性があります。治療前（ベースライン）の共変量のみを含めるようにしてください。

2. 共変量のバランスを評価しない：マッチングによって実際にバランスが達成されているかどうかを確認せずに、傾向スコアモデルの適合度（例：C統計量）のみを報告することは不十分です。すべての共変量について、必ず標準化平均差（SMD）を報告してください。

3. 分析においてマッチングデザインを無視すること： 1対1のマッチング後、データはペアになっています。ペアになっていない統計検定を使用すると、この構造が無視され、誤った標準誤差やp値が生じる可能性があります。

4. マッチングされていない被験者の報告不足：多くの研究では、治療を受けた被験者のうちマッチングされていない被験者が何人いたか、また、マッチングされた被験者と系統的に異なるかどうかについて記述されていません。これは、ATT推定値の一般化可能性に影響を与えます。

5．感度分析を省略する：学術誌や査読者は、測定されていない交絡因子に対する感度分析をますます求めるようになっています。感度分析がなければ、因果関係の主張は弱くなります。

⚠️ よくある間違い: 傾向スコアはバランスではなく予測に用いるべきです。傾向スコアモデルは、予測精度ではなく共変量バランスを最大化すべきです。識別性の高いモデル（C統計量 > 0.9）では、グループ間の重複が限定的となる可能性があり、マッチングが困難になり、結果の信頼性が低下します。

傾向スコアマッチングと他の因果推論手法の比較

PSMは、観察データから因果推論を行うための複数のアプローチの一つです。それぞれの手法をいつ使用するかを理解することで、研究課題に最も適したデザインを選択するのに役立ちます。

方法以下のためにベストキー制限
傾向スコア マッチングバイナリ処理、透明なバランスチェック測定された交絡因子のみを扱う；マッチングされていない被験者からのサンプル損失
逆確率重み付け（IPTW）全サンプルを保持し、ATEを推定する極端な重量は不安定さを引き起こす可能性があるため、重量の切り捨てが必要です。
道具変数分析測定されていない交絡因子への対処有効な機器が必要（見つけるのが難しい場合が多い）
差異の中の差異政策変更; 事前事後設計平行トレンドの仮定が必要
回帰の不連続性閾値によって割り当てられた治療カットオフ付近のみの一般化可能性は限られている

PSM 報告: STROBE チェックリスト

傾向スコア分析を報告する際は、STROBE（疫学における観察研究の報告強化）ガイドラインにPSM（傾向スコアマッチング）特有の拡張を加えたガイドラインに従ってください。方法のセクションでは、傾向スコアモデルに含まれる変数とその選択理由、傾向スコアの推定方法、マッチングアルゴリズムとパラメータ（キャリパー幅、マッチング比）、バランス診断と閾値、およびマッチングデザインを考慮した分析アプローチについて記述する必要があります。

結果セクションでは、マッチング前後の被験者数、マッチング前後の SMD を含むベースライン特性の表、Love プロットまたはそれと同等のバランスの視覚化、信頼区間を含む推定治療効果、および測定されていない交絡因子の感度分析結果を報告する必要があります。

傾向スコアマッチングのためのツールとソフトウェア

PSMの実装は、複数のソフトウェアプラットフォームでサポートされています。Rでは、 MatchItパッケージ（Hoら）が最も包括的で、バランス評価のためのcobaltパッケージとの統合により、複数のマッチング手法をサポートしています。Stataでは、バランス診断機能を内蔵したteffects psmatchコマンドが提供されています。PythonユーザーはcausalinferenceライブラリとDoWhyライブラリを活用でき、SASではバージョン14.1以降でPROC PSMATCHが利用可能です。

PSM研究を計画している研究者にとって、適切なサンプルサイズを決定することは非常に重要です。Editverseの無料サンプルサイズ計算ツールは、期待される効果量、マッチング比率、および予想される共変量の分布を考慮して、特定の研究デザインに必要なサンプルサイズを推定するのに役立ちます。

💡プロのヒント： PSM研究において検出力不足はよくある問題です。マッチング後、有効なサンプルサイズは（場合によっては大幅に）減少します。データ収集前に、必ず以下の方法で必要なサンプルサイズを計算してください。 Editverse サンプルサイズ計算機 マッチングされていない治療を受けた被験者の予想される割合を説明します。

Editverseによる専門的な統計サポート

傾向スコアマッチングを正しく実装するには、因果推論理論、統計プログラミング、共変量選択、そして方法論的報告基準に関する専門知識が必要です。経験豊富な研究者であっても、複雑なデータセット、稀なアウトカム、あるいは重要な臨床判断に直面する場合には、専門家の指導が有益となる場合があります。

Editverseは、観察研究デザインに関する専門的なサポートを必要とする医学研究者向けに、包括的な統計解析サービスを提供しています。当社の生物統計学者チームは、研究デザインやDAG構築から、傾向スコア推定、マッチング最適化、感度分析、そして出版準備が整った表、図、統計レポートの作成まで、エンドツーエンドのサポートを提供します。

また、あらゆるキャリア段階の研究者向けに、メタアナリシス、系統的レビューのサポート、包括的な生物統計コンサルティングなどの専門サービスも提供しています。

統計分析

研究のための専門的なPSM、回帰分析、生存分析

詳細を見る→

原稿編集

生物統計学者によるレビュー済みの出版準備済み方法セクション

詳細を見る→

サンプルサイズ計算機

PSM研究に適切な検出力を決定するための無料ツール

無料お試し→

傾向スコアマッチングに関する専門家のサポートが必要ですか?

弊社の生物統計学者が、最高の出版基準に従って PSM 分析を設計、実行し、報告します。

統計分析サービス →
無料相談→

参考情報

  1. Rosenbaum PR, Rubin DB. 因果効果の観察研究における傾向スコアの中心的役割。 バイオメトリカ. 1983;70(1):41-55. doi:10.1093/バイオメット/70.1.41
  2. Austin PC. 観察研究における交絡の影響を軽減するための傾向スコア法の紹介。 多変量行動研究. 2011;46(3):399-424. doi:10.1080/00273171.2011.568786
  3. スチュアートEA. 因果推論のためのマッチング法：レビューと展望. 統計科学. 2010;25(1):1-21. doi:10.1214/09-STS313
  4. Brookhart MA、Schneeweiss S、Rothman KJ、他「傾向スコアモデルのための変数選択」 疫学のアメリカジャーナル. 2006;163(12):1149-1156. doi:10.1093/aje/kwj149
  5. Ho DE、Imai K、King G、Stuart EA。MatchIt: パラメトリック因果推論のためのノンパラメトリック前処理。 Journal of Statistics Software. 2011;42(8):1-28. doi:10.18637/jss.v042.i08
  6. VanderWeele TJ、Ding P. 観察研究における感度分析：E 値の紹介。 内科の史料. 2017;167(4):268-274. doi:10.7326 / M16-2607
  7. Ali MS、Groenwold RH、Belitser SV、他「傾向スコア分析における共変量選択とバランス評価の報告は最適ではない：系統的レビュー」 Journal of Clinical Epidemiology. 2015;68(2):122-131. doi:10.1016/j.jclinepi.2014.08.011
  8. Lunt M. 適切なキャリパーを選択することは、傾向スコアのマッチングとのバランスを良好に保つために不可欠です。 疫学のアメリカジャーナル. 2014;179(2):226-235. doi:10.1093/aje/kwt212