基于 PS （倾向评分）的逆概率加权(IPTW )法首先由Ｒosenbaum作为一种以模型为基础的直接标准化法提出，属于边际结构模型。简单来说，就是把许多协变量和混杂因素打包成一个概率并进行加权，这样的话，我只用计算它的权重就可以了，方便了许多。那么，如何将多个协变量的影响用一个倾向评分值来表示呢? 即如何估计倾向评分值呢? 根据 Rosen-baum 和 Rubin 的定义:倾向评分值为在给定一组协变量(X i )条件下，研究对象 i(i =1，2，…N)被分配到某处理组或接受某暴露因素(Z i =1)的条件概率。

代码：

library(tableone)
library(survey)# 这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），
# 低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，
# lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏
# ，ftv 早孕时看医生的次数
bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)
bc <- na.omit(bc)#先把分类变量转成因子
bc <- na.omit(bc)
bc$race<-ifelse(bc$race=="black",1,ifelse(bc$race=="white",2,3))
bc$smoke<-ifelse(bc$smoke=="nonsmoker",0,1)
bc$low<-factor(bc$low)
bc$race<-factor(bc$race)
bc$ht<-factor(bc$ht)
bc$ui<-factor(bc$ui)#假设我们研究的是有无高血压（ht）对生出低体重儿（low）的影响，我们先绘制一个还没有加权的患者基线表dput(names(bc))##输出变量名allVars <-c("age", "lwt", "race", "smoke", "ptl", "ht", "ui", "ftv", "bwt")###所有变量名
fvars<-c("race", "smoke","ht","ui")#分类变量定义为fvars
tab2 <- CreateTableOne(vars = allVars, strata = "low" , data = bc, factorVars=fvars,addOverall = TRUE )###绘制基线表
print(tab2)#输出表格#我们先建立回归方程生成预测值
pr<- glm(ht ~age + lwt + race + smoke + ptl + ui + ftv, data=bc,family=binomial(link = "logit"))
pr1<-predict(pr,type = "response")
summary(bc$ht)#分别生成两种权重
#Robins等给出的加权系数(形)计算方法
w<- (bc$ht==1) * (1/pr1) + (bc$ht==0) * (1)/(1-pr1)#Heman等人对计算方法，计算稳定权重要先生成概率（发生高血压的概率）
pt<-12/(177+12)
w1 <- (bc$ht==1) * (pt/pr1) + (bc$ht==0) * (1-pt)/(1-pr1)#绘制加权后的基线表格  #Robins
bcSvy1<- svydesign(ids = ~ id, strata = ~ low, weights = ~ w,nest = TRUE, data = bc)Svytab1<- svyCreateTableOne(vars = c( "age", "lwt", "race", "smoke", "ptl","ui", "ftv", "bwt"),strata = "low", data =bcSvy1 ,factorVars = c("race", "smoke","ht","ui"))
Svytab1#绘制加权后的基线表格  #Heman
bcSvy2<- svydesign(ids = ~ id, strata = ~ low, weights = ~ w1,nest = TRUE, data = bc)
Svytab2<- svyCreateTableOne(vars = c( "age", "lwt", "race", "smoke", "ptl", "ui", "ftv", "bwt"),strata = "low", data =bcSvy2 ,factorVars = c("race", "smoke","ht","ui"))
Svytab2