31

傾

向

ス

コ

ア

分

析

の

方

法

と

注

意

点

第

章

2

1　傾向スコア分析の方法

（2） c統計量の計算

計算した傾向スコアが，2つの治療をうまく識別できているか確認が必要である。
治療の割り当て変数を状態変数（1または0）とし，傾向スコアを検定変数とするROC

（receiver operating characteristic）曲線を描き，曲線下面積（area under curve：

AUC）を求める。このAUCがc統計量（c-statistics）に相当する。0.5≦c統計量≦
1.0である。c統計量が0.5のときは識別力なし，1.0のときは完全識別という。

c統計量は高すぎても低すぎてもよくない。これについては後述する。

（3） 傾向スコア・マッチング

傾向スコアによる群間のアウトカム比較には，傾向スコア・マッチング（propensity 

score matching），傾向スコアの逆確率による重み付け（inverse probability weight-
ing：IPW），および傾向スコアによる調整（propensity score adjustment）などの方法
がある。

臨床家にとっては傾向スコア・マッチングが最も理解しやすく，また最も汎用されて

いる。そこで本章では傾向スコア・マッチングから解説する。

1） 最近傍マッチング

治療A群と治療B群から1対ずつ傾向スコアが近接しているペアを抽出する方法を，

最近傍マッチング（nearest neighbor matching）という。マッチングの方法にはこれ
以外にも，最適マッチング（optimal matching）などいくつかあり，詳細な説明は成書
に譲る

5）

。しかし，最近傍マッチング以外は使う必要がほとんどない。