Å velge en kontroll som har samme kjønn, alder eller andre observerte variabler som kasuset, kan få uante konsekvenser.
I en kasus–kontroll-studie sammenligner vi personer med en tilstand med en kontrollgruppe av personer uten tilstanden. Vi undersøker sammenhengen mellom ulike eksponeringer og tilstanden, og estimerer den statistiske effekten som oddsratio (OR, også kalt oddsforhold). Kasus–kontroll-studier er særlig egnet til å studere sjeldne tilstander. Å matche kasus og kontroller på f.eks. kjønn, alder og utdannelse er vanlig, men hva man oppnår med matchingen, og hvilke konsekvenser den får for de statistiske analysene, er ofte misforstått.
Matching justerer ikke for konfundering
Matching vil vanligvis ikke kontrollere for konfundering av variablene brukt i matchingen. Altså: Matcher vi med hensyn på alder, vil dette i seg selv ikke kontrollere for en eventuell konfundering av alder. Faktisk kan matching i seg selv gi en systematisk skjevhet (bias) og kreve at man kontrollerer for matchingsvariablene i analysen (1).
Ved å matche blir kasus og kontroller like hverandre med hensyn til variablene brukt til matchingen. Som en følge av dette blir de vanligvis også likere hverandre med hensyn til eksponeringer enn man skulle forvente i den generelle studiepopulasjonen. Undersøker vi for eksempel betydningen av livsstil for en sykdom, og matcher kasus og kontroller på utdannelse, gjør vi typisk disse også likere med hensyn til livsstil. Dette må man korrigere for i analysene.
Resultater fra en umatchet og en matchet kasus–kontroll-studie med forventete observasjoner fra en hypotetisk studiepopulasjon er vist i tabell 1. Alder er en konfunder. Innad i hver aldersgruppe er assosiasjonen mellom eksponeringen og utfallet lik (OR = 3) både i studiepopulasjonen, den umatchete studien og den matchete studien. En enkel analyse av alle deltagerne i de tre forsøksplanene gir OR forskjellig fra 3. Aldersmatchingen som sådan justerer ikke for konfunderingen av alder (OR = 2,35).
Tabell 1
Umatchet og matchet kasus–kontroll-studie fra en hypotetisk studiepopulasjon. OR = oddsratio. ORalder = oddsratio justert for alder med multivariabel logistisk regresjon eller Mantel-Haenszel-estimering for de to aldersgruppene. ORmatchet = oddsratio estimert ved betinget logistisk regresjon eller Mantel-Haenszel-estimering for hvert matchet kasus–kontroll-par fra det forventete én-til-én-matchete utvalget.
|
|
|
Studiepopulasjonen
|
|
Umatchet kasus–kontroll-studie
|
|
Matchet kasus–kontroll-studie
|
|
|
|
Kasus
|
Kontroller
|
OR
|
|
Kasus
|
Kontroller
|
OR
|
|
Kasus
|
Kontroller
|
OR
|
|
Unge
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Eksponert
|
|
60
|
40 000
|
|
|
60
|
60
|
|
|
60
|
40
|
|
|
|
Ueksponert
|
|
20
|
40 000
|
OR = 3
|
|
20
|
60
|
OR = 3
|
|
20
|
40
|
OR = 3
|
|
|
Totalt
|
|
80
|
80 000
|
|
|
80
|
120
|
|
|
80
|
80
|
|
|
Eldre
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Eksponert
|
|
40
|
8 000
|
|
|
40
|
12
|
|
|
40
|
16
|
|
|
|
Ueksponert
|
|
120
|
72 000
|
OR = 3
|
|
120
|
108
|
OR = 3
|
|
120
|
114
|
OR = 3
|
|
|
Totalt
|
|
160
|
80 000
|
|
|
160
|
120
|
|
|
160
|
160
|
|
|
Alle
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Eksponert
|
|
100
|
48 000
|
OR = 1,67
|
|
100
|
72
|
OR = 1,67
|
|
100
|
56
|
OR = 2,35
|
|
|
Ueksponert
|
|
140
|
112 000
|
ORalder = 3
|
|
140
|
168
|
ORalder = 3
|
|
140
|
184
|
ORalder = 3
|
|
|
Totalt
|
|
240
|
160 000
|
|
|
240
|
240
|
|
|
240
|
240
|
ORmatchet = 3
|
Matching krever statistisk justering
For både studiepopulasjonen og den umatchete kasus–kontroll-studien vil en justering for alder med multivariabel logistisk regresjon ta hensyn til den konfunderende effekten av alder (2). Den skjevheten som kan være introdusert ved matching, må man justere for, men valg av metode er ikke alltid like opplagt som ved en umatchet studie. Statistiske metoder der man tar utgangspunkt i matchingen mellom de enkelte kasus og kontroller, er ofte anbefalt. Eksempler på slike metoder er betinget logistisk regresjon (conditional logistic regression) og Mantel-Haenszel-estimering (3, 4). Disse er blant de mer spesialiserte statistiske metodene. Vanlig multivariabel logistisk regresjon fungerer bra hvis det ikke er mange små strata, og kan være vel så egnet som såkalte matchete statistiske analyser. I alle de tre scenarioene i tabell 1 kan denne metoden ta hensyn til konfunderingen av alder. En umatchet kasus–kontroll-studie der man tar hensyn til observerte konfunderende variabler i de statistiske analysene, kan gi samme presisjon som en matchet kasus–kontroll-studie (1).
Ikke match på noe som kan måles
Matching krever en justert eller matchet analyse og medfører at utvalget av kontroller ikke er et tilfeldig utvalg fra studiepopulasjonen. Hvis man likevel planlegger en matchet studie, er et generelt råd å kun matche på variabler man ikke kan måle. Alder og kjønn er enkelt å måle.
