Appariement par score de propension

L'appariement par score de propension (PSM) est une méthode statistique couramment utilisée dans la recherche en chirurgie orthopédique qui permet d'éliminer le biais de confusion dans des cohortes d'observation où le bénéfice de la randomisation n'est pas possible. Alternative à l'analyse de régression multiple, le PSM cherche à réduire les effets des facteurs de confusion en faisant correspondre des sujets déjà traités avec des sujets témoins présentant une propension similaire au traitement en fonction des covariables préexistantes qui influencent la sélection du traitement. Il établit donc un nouveau groupe de contrôle en écartant les sujets témoins atypiques. Ce nouveau groupe de contrôle réduit les influences indésirables des covariables, permettant une mesure appropriée de la variable souhaitée. Un exemple tiré de la littérature orthopédique sur la colonne vertébrale est discuté pour illustrer comment le PSM peut être appliqué en pratique. Le PSM est particulièrement précieux par son utilité et sa simplicité, mais il est limité en ce sens qu'il nécessite l'élimination de données et fonctionne principalement sur des traitements binaires. En plus de l'appariement, le score de propension peut être utilisé pour la stratification, les ajustements de covariables et le poids d'inverse de probabilité de traitement, mais ces sujets dépassent le cadre de cet article. Le personnel du domaine orthopédique bénéficierait de l'apprentissage de la fonction et de l'application de cette méthode, étant donné son utilisation courante dans la littérature orthopédique.