PSM：让预防效果从相关性跨越到因果性

PSM在预防医疗中的完整应用链路

PSM工程化落地到真实预防医疗场景，需要解决三个实际问题：数据从哪来、匹配质量如何保证、结果如何让支付方认可。

第一步：数据接入与准备

PSM需要三类数据：①基线特征变量（年龄、BMI、血压、血脂、吸烟史、基线风险评分等）；②干预分配记录（谁参与了干预，何时开始）；③结局指标（随访期内的健康结果变化）。所有基线变量必须在干预开始之前测量。

第二步：计算倾向评分与执行匹配

使用逻辑回归模型以所有基线协变量为输入，预测每位患者"接受干预的概率"——即倾向评分。采用1:1最近邻匹配加卡钳（通常为PS标准差的0.2倍）。匹配完成后，必须检验所有协变量的标准化均值差（SMD）是否均小于0.1。

第三步：估计ATT与置信区间

在配对样本上计算干预组和匹配对照组的结局差异，得到ATT（处理组平均处理效应）。使用Bootstrap重采样（建议≥1000次）计算95%置信区间。