倾向性得分匹配后，如何快速开展条件logistic回归？

倾向得分匹配法是通过对样本建模（logit模型）得到倾向性得分，通过倾向性得分为试验组在对照组中找到最接近的样本，从而进行研究的。

倾向得分匹配在真实世界临床研究用途越来越广泛，它是一种事后推动组间比较均衡化的方法，控制混杂偏倚。

那么匹配完了后，应该用什么方法呢？

观察性研究，当我们数据已经均衡可比了，我们应该怎么去分析呢？

倾向得分匹配后，出现了两种现象：第一，样本量减少了；第二，匹配带来了数据的聚集性，造成数据不独立。

这里仅针对“二分类结局”，提出几种解决数据不独立、样本量减少的办法。二分类结局，倾向得分匹配后，可开展配对卡方检验、也可开展logistic回归分析。我们都知道logistic回归，但很多不知道，logistic分为条件logistic和非条件logistic分析。当数据是匹配状态时，建议采用条件logistic回归开展，而倾向得分匹配后，应采用匹配logistic回归，或者说条件logistic分析。