174. Matching – kiedy dobieranie podobnych osób pomaga?

Lekcja 174 z 560. Matching, czyli dobieranie uczestników w podobne pary lub grupy, jest jedną z metod ograniczania różnic między porównywanymi osobami. Intuicja jest prosta: jeżeli pacjent z chorobą zostanie porównany z osobą podobną pod względem wieku, płci lub miejsca zamieszkania, łatwiej ocenić, czy obserwowane różnice wiążą się z badaną ekspozycją, a nie z tymi cechami. Matching nie jest jednak automatycznym „wyrównaniem” grup ani zamiennikiem randomizacji. Pomaga tylko wtedy, gdy został zaplanowany zgodnie z pytaniem badawczym i uwzględniony w analizie.

Czym jest matching?

Matching oznacza celowe dobieranie uczestników tak, aby osoby należące do różnych grup były podobne pod względem wcześniej określonych cech. Najczęściej dopasowanie stosuje się w badaniach obserwacyjnych, zwłaszcza w badaniach kliniczno-kontrolnych, ale może ono występować także w badaniach kohortowych, analizach rejestrów i badaniach ewaluacyjnych.

W badaniu kliniczno-kontrolnym najpierw identyfikuje się osoby z określonym wynikiem zdrowotnym, czyli przypadki, a następnie dobiera osoby bez tego wyniku, czyli kontrole. Można na przykład dobrać do każdego pacjenta z udarem osobę bez udaru w podobnym wieku i tej samej płci. Jeżeli badacz chce ocenić związek między paleniem a udarem, takie dopasowanie może ograniczyć wpływ wieku i płci na porównanie.

Matching może być:

• indywidualny – do każdego uczestnika jednej grupy dobiera się jednego lub kilku konkretnych uczestników z drugiej grupy;
• częstościowy – dąży się do podobnego rozkładu cech w całych grupach, bez tworzenia niezmiennych par;
• dokładny – uczestnicy muszą mieć tę samą wartość dopasowywanej cechy, na przykład tę samą płeć;
• przedziałowy – dopuszcza się niewielką różnicę, na przykład wiek różniący się najwyżej o dwa lata;
• oparty na odległości lub wyniku skłonności – dobiera się osoby podobne pod względem wielu zmiennych, czasem przy użyciu propensity score.

Po co stosuje się matching?

Najważniejszym celem jest ograniczenie konfundowania, czyli sytuacji, w której zmienna trzecia częściowo wyjaśnia związek między ekspozycją a wynikiem. Załóżmy, że badamy związek między korzystaniem z teleporad a hospitalizacją. Osoby korzystające z teleporad mogą być młodsze, mieć lepszy dostęp do internetu i łagodniejsze objawy. Jeśli tych różnic nie uwzględnimy, proste porównanie hospitalizacji może być mylące.

Matching może być szczególnie użyteczny, gdy:

• liczba przypadków jest mała, a badacz chce wykorzystać ograniczoną grupę kontrolną możliwie efektywnie;
• pewna cecha silnie wiąże się zarówno z ekspozycją, jak i z wynikiem;
• część potencjalnych czynników zakłócających jest trudna do zmierzenia, ale można ją przybliżyć przez miejsce, czas lub źródło rekrutacji;
• badanie kliniczno-kontrolne wymaga zbudowania porównywalnej grupy kontrolnej z tej samej populacji źródłowej.

Korzyść nie polega na tym, że matching „usuwa” wszystkie różnice. Ogranicza on różnice tylko w zakresie cech, które zostały prawidłowo zdefiniowane, zmierzone i wykorzystane przy dopasowaniu. Nie kontroluje automatycznie czynników nieznanych, niezmierzonych ani źle zmierzonych.

Matching a randomizacja

Matching i randomizacja mają odmienny status metodologiczny. W randomizowanym badaniu przydział do grup jest losowy, dlatego – przy odpowiednio dużej próbie – znane i nieznane czynniki powinny być przeciętnie podobnie rozłożone. Matching jest natomiast decyzją projektową w badaniu nierandomizowanym. Nie zapewnia porównywalności pod względem wszystkich możliwych cech i nie eliminuje ryzyka błędu systematycznego.

Dlatego z dopasowanego badania obserwacyjnego nie należy automatycznie wyciągać wniosku, że badana ekspozycja spowodowała wynik. Ostrożniejsze sformułowanie brzmi: „ekspozycja była związana z wynikiem po uwzględnieniu dopasowanych cech”. Wniosek przyczynowy wymaga dodatkowych założeń, dobrej kontroli zakłócenia, odpowiedniej temporalności oraz oceny pozostałych źródeł biasu.

Jak wybrać zmienne do matching?

Zmienne związane z ekspozycją i wynikiem

Najlepszymi kandydatami są cechy, które – zgodnie z wiedzą dziedzinową lub wcześniejszymi badaniami – mogą wpływać zarówno na prawdopodobieństwo ekspozycji, jak i na wynik. W badaniu leczenia nadciśnienia mogą to być między innymi wiek, wyjściowe ciśnienie tętnicze, choroby współistniejące i wcześniejsze leczenie.

Nie należy wybierać zmiennych wyłącznie dlatego, że w analizie opisowej wyszła między grupami różnica o wartości p mniejszej niż 0,05. Takie podejście jest niestabilne i zależne od liczebności próby. Dobór zmiennych powinien wynikać przede wszystkim z modelu problemu badawczego, literatury i wiedzy klinicznej.

Czego nie dopasowywać bez namysłu?

Szczególnej ostrożności wymagają zmienne będące skutkiem ekspozycji, mediatory oraz tak zwane kolidery. Jeśli dopasujemy osoby według cechy, na którą badana ekspozycja już wpłynęła, możemy zniekształcić ocenę związku. Przykładowo, przy ocenie wpływu palenia na przewlekłą chorobę płuc nie należy bezrefleksyjnie dopasowywać uczestników według pojemności płuc mierzonej po wieloletnim paleniu, ponieważ może ona leżeć na drodze mechanizmu działania ekspozycji.

W praktyce warto przed rozpoczęciem analizy narysować uproszczony diagram przyczynowy albo przynajmniej spisać uzasadnienie dla każdej zmiennej użytej w dopasowaniu. Matching powinien odpowiadać pytaniu badawczemu, a nie tylko poprawiać wizualną podobność tabeli wyjściowej.

Matching dokładny, przedziałowy i propensity score

W matchingu dokładnym uczestnicy muszą mieć identyczne wartości zmiennych kategorycznych, na przykład tę samą płeć i ten sam region. Przy zmiennych ciągłych dokładne dopasowanie często prowadziłoby do odrzucenia zbyt wielu osób, dlatego stosuje się przedziały, tolerancje albo metody odległościowe.

W dopasowaniu na podstawie propensity score oblicza się prawdopodobieństwo przynależności do grupy ekspozycji na podstawie obserwowanych cech. Formalnie:

e(X) = P(A = 1 | X)

• e(X) – wynik skłonności, czyli oszacowane prawdopodobieństwo ekspozycji;
• A – wskaźnik ekspozycji, gdzie 1 oznacza ekspozycję, a 0 jej brak;
• X – wektor obserwowanych zmiennych, na przykład wiek, płeć, choroby współistniejące i wcześniejsze leczenie;
• P(A = 1 | X) – prawdopodobieństwo ekspozycji przy określonych wartościach zmiennych X.

Osoby z podobnym wynikiem skłonności mogą mieć różne profile poszczególnych cech, ale podobne łączne prawdopodobieństwo otrzymania ekspozycji. Rosenbaum i Rubin (1983) pokazali, że propensity score może służyć do ograniczania nierównowagi obserwowanych zmiennych w badaniach obserwacyjnych. Nie oznacza to jednak, że metoda kontroluje zmienne niezmierzone. Wymaga także sprawdzenia wspólnego zakresu wyników skłonności, jakości modelu oraz równowagi po dopasowaniu.

Jak analizować dane po dopasowaniu?

Jednym z najczęstszych błędów jest dopasowanie uczestników, a następnie analiza tak, jakby wszystkie obserwacje były niezależne. Jeśli utworzono pary, analiza powinna uwzględniać strukturę par. W badaniu kliniczno-kontrolnym z dopasowaniem 1:1 można użyć między innymi warunkowej regresji logistycznej. Dla prostego porównania par interpretacja opiera się na parach niezgodnych, czyli takich, w których ekspozycja wystąpiła tylko u jednej osoby.

W uproszczonym układzie 1:1 iloraz szans dla par można zapisać jako:

ORmatched = b / c

• b – liczba par, w których przypadek był eksponowany, a kontrola nie;
• c – liczba par, w których kontrola była eksponowana, a przypadek nie;
• ORmatched – iloraz szans oszacowany z par niezgodnych.

Pary zgodne pod względem ekspozycji nie dostarczają informacji o kierunku związku w tym prostym porównaniu, choć pozostają częścią projektu i wpływają na efektywność badania. W większych analizach stosuje się warunkowe modele regresji, metody stratyfikacyjne albo procedury uwzględniające wagi i zależność obserwacji.

Po dopasowaniu należy ocenić równowagę między grupami. Nie wystarczy sprawdzić, czy różnice mają nieistotne statystycznie wartości p. Przy dużej próbie nawet mała różnica może być istotna, a przy małej próbie poważna nierównowaga może nie osiągnąć istotności. Często stosuje się standaryzowaną różnicę średnich lub proporcji, analizę rozkładów oraz wykresy równowagi. Wyniki trzeba raportować razem z liczbą osób odrzuconych z powodu braku odpowiedniego dopasowania.

Przykład 1: badanie udaru i palenia

Badacz chce ocenić, czy aktualne palenie wiąże się z udarem niedokrwiennym. Rekrutuje 180 pacjentów z udarem i dobiera do nich po jednej osobie bez udaru z tej samej populacji źródłowej. Kontrole są dopasowywane według płci, pięcioletniej kategorii wieku oraz przychodni, w której korzystają z opieki.

Takie rozwiązanie może ograniczyć wpływ różnic w wieku, płci i organizacji opieki. Nie rozwiązuje jednak problemu różnic w nadciśnieniu, cukrzycy, statusie społeczno-ekonomicznym ani wcześniejszym rozpoznaniu migotania przedsionków. Te zmienne należy zmierzyć i, jeśli jest to uzasadnione, uwzględnić w analizie.

Jeżeli analiza zostanie wykonana zwykłą regresją logistyczną bez uwzględnienia par, standardowe błędy mogą być nieprawidłowe, a wniosek statystyczny – zbyt optymistyczny. Właściwsza będzie warunkowa regresja logistyczna albo metoda odpowiadająca zastosowanemu schematowi dopasowania. Raport powinien podać kryteria dopasowania, liczbę kontroli na przypadek, liczbę nieutworzonych par oraz metodę analizy, zgodnie z zaleceniami STROBE.

Przykład 2: porównanie telemonitoringu w opiece nad pacjentami z niewydolnością serca

W badaniu rejestrowym porównuje się pacjentów korzystających z domowego telemonitoringu z pacjentami leczonymi standardowo. Osoby korzystające z telemonitoringu mogą różnić się od pozostałych między innymi wiekiem, kompetencjami cyfrowymi, ciężkością choroby i dostępem do opieki.

Badacz tworzy model propensity score na podstawie cech zarejestrowanych przed rozpoczęciem telemonitoringu. Następnie dobiera pacjentów w stosunku 1:1, wymagając podobnego wyniku skłonności i ograniczając maksymalną dopuszczalną różnicę. Po dopasowaniu sprawdza równowagę, porównuje częstość hospitalizacji i przedstawia iloraz ryzyka lub różnicę ryzyka z 95-procentowym przedziałem ufności.

Wynik „brak istotnej różnicy” nie dowodzi, że telemonitoring i standardowa opieka są równoważne. Może oznaczać także niedostateczną precyzję albo wpływ niezmierzonych czynników. Z kolei istotny wynik statystyczny nie informuje sam przez się, czy różnica hospitalizacji jest ważna dla pacjentów. Należy ocenić wielkość efektu, jego przedział ufności, koszty, obciążenie pacjenta oraz kliniczne znaczenie zmiany.

Najczęstsze błędy

1. Traktowanie matching jako zamiennika randomizacji. Dopasowanie ogranicza wybrane różnice, ale nie równoważy automatycznie wszystkich czynników.
2. Dopasowanie według zbyt wielu zmiennych. Nadmierne wymagania mogą utrudnić znalezienie kontroli, zmniejszyć liczebność próby i pogorszyć precyzję.
3. Dopasowanie według mediatora lub kolidera. Może to wprowadzić dodatkowe zniekształcenie zamiast usunąć konfundowanie.
4. Analiza bez uwzględnienia par lub klas dopasowania. Struktura zależności między obserwacjami musi być odzwierciedlona w metodzie statystycznej.
5. Dobieranie po obejrzeniu wyniku. Jeśli kryteria dopasowania zmienia się po analizie danych, rośnie ryzyko selektywnego raportowania.
6. Ocenianie dopasowania wyłącznie przez wartości p. Potrzebne są miary wielkości nierównowagi, wykresy i opis klinicznej adekwatności różnic.
7. Brak informacji o osobach odrzuconych. Utrata uczestników może zmienić populację analityczną i ograniczyć możliwość uogólniania wyników.
8. Używanie zwykłej regresji po matching bez uzasadnienia. Czasem może być ona poprawna, ale wymaga uwzględnienia projektu, zależności i właściwej specyfikacji modelu.
9. Mylenie braku istotności z dowodem braku efektu. Należy analizować przedziały ufności i praktyczną wielkość różnicy.

Jak opisać matching w raporcie?

Dobry opis powinien odpowiadać na kilka pytań: kto był przypadkiem, kto był kontrolą, z jakiej populacji pochodziły osoby, jakie zmienne wykorzystano, czy dopasowanie było dokładne lub przedziałowe, ilu kontroli przypadało na przypadek, jaka była tolerancja różnicy, ilu uczestników nie znalazło dopasowania oraz jak uwzględniono matching w analizie.

Warto także przedstawić charakterystykę grup przed dopasowaniem i po nim. Pozwala to ocenić, czy procedura faktycznie poprawiła porównywalność. STROBE zaleca raportowanie kryteriów dopasowania, liczby kontroli na przypadek oraz sposobu uwzględnienia dopasowania w analizie (von Elm i wsp., 2007). Matching nie powinien być opisany jednym zdaniem w rodzaju „grupy dopasowano pod względem wieku i płci”, ponieważ taki zapis nie pozwala odtworzyć procedury.

Co warto zapamiętać?

• Matching polega na dobieraniu podobnych uczestników lub wyrównywaniu rozkładów cech między grupami.
• Jego głównym celem jest ograniczenie konfundowania i poprawa porównywalności grup, a nie stworzenie randomizowanego eksperymentu.
• Zmienne do dopasowania wybiera się na podstawie pytania badawczego i wiedzy dziedzinowej, nie wyłącznie na podstawie wartości p.
• Nie należy bezrefleksyjnie dopasowywać według mediatorów ani koliderów.
• Po dopasowaniu trzeba sprawdzić równowagę, wspólny zakres danych, utratę obserwacji i precyzję oszacowań.
• Analiza musi uwzględniać sposób utworzenia par, klas lub wag; samo dopasowanie nie wystarcza.
• Wyniki należy interpretować przez wielkość efektu, 95-procentowy przedział ufności i znaczenie praktyczne, a nie przez wartość p traktowaną jako prawdopodobieństwo prawdziwości hipotezy zerowej.

W ramach publicznego szkolenia na statystyk.edu.pl matching warto traktować jako element szerszego planu badania: obok definicji populacji, sposobu rekrutacji, pomiaru zmiennych, kontroli biasu i zaplanowanej analizy. Dobrze wykonane dopasowanie może ułatwić uczciwe porównanie grup, ale źle zaprojektowane może jedynie nadać analizie pozór precyzji.

Źródła i dalsza lektura

1. Bland, J. M.; Altman, D. G. (1994). Matching. BMJ, 309(6962), 1128. DOI: 10.1136/bmj.309.6962.1128.
2. Pearce, N. (2016). Analysis of matched case-control studies. BMJ, 352, i969. DOI: 10.1136/bmj.i969.
3. Rosenbaum, P. R.; Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. DOI: 10.1093/biomet/70.1.41.
4. Rosenbaum, P. R.; Rubin, D. B. (1984). Reducing bias in observational studies using subclassification on the propensity score. Journal of the American Statistical Association, 79(387), 516–524. DOI: 10.1080/01621459.1984.10478078.
5. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. DOI: 10.1016/S0140-6736(07)61602-X.
6. Mansournia, M. A.; Jewell, N. P.; Greenland, S. (2018). Case-control matching: effects, misconceptions, and recommendations. European Journal of Epidemiology, 33(1), 5–14. DOI: 10.1007/s10654-017-0325-0.