倾向性评分（Propensity Score，PS）的概念首次由Rosenbaum和Rubin在1983年基于反事实理论提出应用于流行病学研究，如今常用于医学、公共卫生、经济学等领域。尤其在真实世界研究中，倾向性得分匹配的应用可以减少数据偏差以及混杂因素的影响，得出更严谨可靠的结果。
2003年，复旦大学的学者在《中华流行病学杂志》上发表题为：“均衡组间差异的有效方法：倾向评分”的文章，以实例介绍了倾向评分法的基本原理和适用条件。得出倾向评分法是均衡组间差异的有效方法，能够匹配和平衡各个特征变量的作用，并用于分析各种观察性研究资料的结论。
至此开启了倾向性评分的中国化。值得一提的是，在2016年以前，使用倾向性评分的中国学者寥寥无几，在2016年才呈现井喷式增长，至2023年达到顶峰！
目前，该领域SCI论文呈现爆发式增长，相关研究文章共有38,721篇，我们该如何乘上这股“东风”呢？
那倾向性得分为什么会得到如此青睐呢？我们来简单探讨一下，顺便回顾一下该方法四十年来的发文情况。
到底什么是倾向性评分？简单举个例子：某一医学研究生小王想要评估药物A和药物B在治疗X疾病时的临床效果，对医院近5年相关数据进行回顾性分析。其中服用药物A的记为A组，服用药物B的记为B组。然而，由于两组之间存在不可消除的偏差，例如A组可能比B组收入高，或者B组高血压、心血管疾病的率显著低于A组，导致评估结果不准确。
为了解决这个问题，倾向性评分方法被引入。它的核心思想是通过建立一个预测模型，使用个体的特征变量来计算每个个体接受处理的概率，即倾向性评分。这个预测模型可以基于统计方法（如逻辑回归、决策树等）或机器学习算法来构建。
通过倾向性评分，我们可以得到一个0到1之间的概率值，表示个体接受处理的可能性。通常，我们将倾向性评分高于某个阈值（如0.5）的个体划分为处理组，低于阈值的个体划分为对照组。这样，我们就可以将处理组和对照组进行比较，以评估处理的效果。
倾向性评分的目的是使处理组和对照组在其他临床特征上的分布更加接近，减少处理选择引起的偏差。通过匹配或加权等方法，我们可以根据倾向性评分将处理组和对照组进行配对，使得两组之间的特征变量更加平衡。这样，我们就能更准确地评估处理的效果，排除了其他特征的干扰。
倾向性得分匹配提出至今已经40年（1983~2014），越来越多高质量的研究应用了该方法，用来解决重要而未解决的临床问题。今天本文将对该统计方法进行盘点，对该方法感兴趣的学友可千万不要错过！
PART 01 倾向性得分匹配年度发文趋势
以“the propensity score”为关键词搜索，过去40年，共发文54 762 篇，文献年均发文量2721篇。2022年达到年发文量顶峰8732篇，2010增长率最快为44.1%，说明倾向性得分匹配得到快速发展，处于快速上升阶段。
PART 02 研究国家/地区发文分析
据统计，过去四十年，全球在倾向性得分匹配领域发文量最多的国家/地区是United States of America，共发文22 084篇，占比40.33%。而中国和日本，则分别以9938篇和4700篇的发文量位居第二和第三。
综上可见，中国的倾向性得分匹配分析研究环境还是非常不错滴，整体态势向好。
PART 03 研究机构发文量
40年间，Harvard University（美国）和Brigham and Women's Hospital（美国）发文量占据前两名，分别发表了1513篇和977篇，其次是Inserm（法国）发表了915篇，位于第三名。值得一提的是，中国医学科学院与北京协和医学院同样榜上有名！以756的发文量，位居第五！
PART 04 主要发文期刊
1983年以来，倾向性得分的热度持续攀升，40年来共发文发文54762篇。发文量排名前15的期刊间下图，手头有文章学友可参考一下。其中刊载文献量最多的期刊是Research Square (Research Square)（1599篇）；PLOS ONE位居第二，刊载文献量751篇；Journal of Clinical Oncology位居第三，刊载文献量733篇。
其中有一些高分期刊，感兴趣的学友不妨记一下，说不定有机会发文：Journal of Clinical Oncology，医学一区top，IF=45.3；Circulation，医学一区top，IF=37.8；European Heart Journal，医学一区top，IF=39.3。
PART 05 热点关键词云图
关键词的分析能够反映某一研究领域某一时间段内主题演变趋势和研究热点，下面我们就来盘点一下倾向性得分领域的热点关键词，希望可以给在座的各位一些启发与灵感！
上图汇总了倾向性得分领域的所有热点高频词，其中排名前5的分别是：propensity score matching（倾向性得分匹配），mortality（死亡率），propensity score（倾向得分），prognosis（预后），survival（生存）.目前实在没有想好选题，不妨借鉴一二。
好啦，以上就是倾向性得分匹配领域盘点的全部内容了，因部分数据未及时更新的缘故，造成文章数量偏少，仅供参考。
