等級：初學者
【主持人】
Kosuke Nakazono，九州大學醫院 ARO 下一代醫療中心技術人員
Hiroko Watanabe，九州大學醫院 ARO 下一代醫療中心
九州大學醫院 ARO 下一代醫療中心 Masayuki Hirose
九州大學醫院 ARO 下一代醫療中心 Takeshi Toyama
九州大學醫院 ARO 下一代醫療中心 Koshiro Tagawa
九州大學醫院 ARO 下一代醫療中心 Takuya Nagata
Junji Kishimoto，ARO 下一代醫療中心，九州大學醫院
[演示概述]
比較群體以估計治療效果的觀察性研究和流行病學研究通常在受試者背景因素方面存在不平衡。應適當注意分析，因為可能混淆組間的背景因素的不平衡可能會損害可比性。總的來說，通過分層分析可以在一定程度上調整混雜因素的失衡。
使用傾向得分的分析是在這種情況下使用的調整方法之一。傾向得分主要用於分層分析、匹配和逆概率加權 (IPW)，可以使用 JMP 插件實現匹配。然而，傾向得分和 IPW 的分層分析未在 JMP 中實施，需要一些手動步驟。由於在使用傾向得分的分析中檢查了多個傾向得分模型，因此自動化過程對於提高研究效率很重要。
在本演示中，我們將重點介紹基於傾向得分的 IPW，並介紹如何在 JMP 中執行它以及如何通過演示自動執行該過程。
