最近學習了PSM，我選擇了用R去跑PSM，在這過程中遇到了許多問題，最后也都一一解決了，寫下這個也是希望大家在遇到相同問題的時候能夠得到幫助和啟發，別的應該不會遇到太難的問題了哈哈。最近我也沒做什么，錄數據，或者說還在調整心態，最近遇到的事情也比較多，又或者說最近的心態比較亂，晚上也睡不好導致白天也比較煩躁，所以可能還是需要一段時間去好好調整，因此最近更新的也比較慢。不過還是會堅持的。

問題闡述：

1.???對于PSM分析，首先你要做的是將所有的協變量變成二分類變量。舉個例子，比如你要比較不同處理方式的患者(處理方式A和B)的生存OS，由于是回顧性研究，所以會導致病人的基線水平不一致，因此需要選用PSM處理患者的基線水平，如性別，年齡，BMI，有無糖尿病等基礎疾病，生化指標等，那么你就要將生化指標正常與否改成分類變量0和1，同樣的，有無基礎疾病也是0和1，這是做PSM的第一步，當然，年齡不需要做修改，性別還是要改成二分類變量的。

2.???對于腫瘤患者的一些指標，比如癌癥的分期，TNM分期，分化程度，他不能簡單的視為二分類變量，這個時候怎么處理呢？一方面，你可以將T0，T1，T2，T3，T4這么多分成二分類，如T0和T1為0，T2，T3，T4為1，這么處理是可以的，但是呢如果一定要準確分類每一個類型呢，這時候就要給這些值做一些處理，下面是我的代碼。

library(MatchIt)??#加載MatchIt程序包
library(foreign)??#加載foreign程序包
library(tableone)

library(nonrandom)

mydata1=read.csv("PSM-4-2.csv")??#讀取數據到mydata
names(mydata1)??#查看數據變量名
mydata1$AR=factor(mydata1$AR)
mydata1$RAS=factor(mydata1$RAS)
mydata1$number=factor(mydata1$number)
mydata1$LOBE=factor(mydata1$LOBE)
mydata1$location=factor(mydata1$location)
mydata1$DFS=factor(mydata1$DFS)
mydata1$CEA=factor(mydata1$CEA)
mydata1$size=factor(mydata1$size)
mydata1$N=factor(mydata1$N)
View(mydata1)

stable print(stable,showAllLevels = TRUE)
m.out = matchit(LOBE~SIZEr+NUMBER,data = mydata1, method ="nearest",ratio = 1)
#匹配過程，method包括"exact" (exactmatching), "full" (full matching), "genetic" (geneticmatching), "nearest" (nearest neighbor matching), "optimal"(optimal matching), "subclass" (subclassification) are available.默認為"nearest".
#ratio可設置匹配比例;
summary(m.out)??#查看匹配情況
plot(m.out, type ="jitter")??#查看匹配前后貨幣評分分布圖
m.data1 write.csv(m.data1, file="B:/psm19-4-2(1-5)-2.csv")??#導出匹配數據成CSV格式，供后續分析使用.

按照這樣的格式，你就可以完成分類變量的匹配，否則他會以為你是數值型，你就比較難的能匹配到想要的患者。明天還要考試，自然辯證法，一臉懵逼，現在準備回去準備準備，畢竟明天到考場什么都寫不出來總不行吧！禮拜一踢足球摔了一跤，真的慘，走路到現在還疼，但還是要多運動多玩玩，不能每天都悶著不出去活動。

之前介紹了非常厲害的一個科研達人，今天介紹一下NB白富美，NB白富美現在在武漢開會，是一名內科醫生，這名內科醫生醫術怎么樣我不知道，王者榮耀還是蠻會玩的，可惜不知道她是專一還是能力有限，每次只玩一個英雄，不過水平要比YJ高一個level，非常不錯，希望今后能看到她使用不同的英雄，在戰場上飛馳。至于我，好像好久沒玩了。。。

總結

以上是生活随笔為你收集整理的r语言 回归分析 分类变量_R语言下的PSM分析分类变量处理与分析步骤的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。