如何用R语言MatchIt包基于年龄与多ICD10编码匹配病例与对照

需求说明 #

需要使用R语言的MatchIt包为病例患者匹配对照，要求：

• 对照与病例年龄完全一致
• 对照的ICD10编码至少包含病例的所有ICD10编码（对照可拥有更多编码）

当前问题：单个患者对应多条ICD10编码记录，现有匹配逻辑会按单条ICD记录分别匹配，导致病例匹配到多个仅满足部分ICD条件的对照，而非同时满足所有ICD条件的目标对照。

数据示例 #

library(tibble)
df <- tribble(
  ~patient_id, ~diagnosis, ~age, ~status,
  1001, "Z34", 20, "case",
  1001, "A24", 20, "case",
  1002, "N39", 22, "case",
  1002, "Z3A", 22, "case",
  1003, "N89", 23, "case",
  1003, "Z34", 23, "case",
  1004, "Z34", 20, "control",
  1004, "A24", 20, "control",
  1005, "D50", 23, "control",
  1005, "F41", 23, "control",
  1005, "N89", 23, "control",
  1005, "Z11", 23, "control",
  1005, "Z34", 23, "control",
  1006, "Z12", 22, "control",
  1006, "Z34", 22, "control",
  1006, "N39", 22, "control",
  1007, "E66", 20, "control",
  1007, "Z11", 20, "control",
  1007, "Z12", 20, "control",
  1007, "Z34", 20, "control"
)

尝试的代码及问题 #

library(MatchIt)
library(dplyr)

m.out <- matchit(I(status == "case") ~ age, data = df,
                 exact = ~age + diagnosis,
                 method = "optimal",
                 distance = "glm", ratio = 1)

m.data <- match.data(m.out, subclass = "matched_id")
print(m.data)

问题：病例1001同时匹配了1007（仅含Z34）和1004（含Z34+A24），但我们只需要匹配同时包含病例所有ICD编码的1004。

解决方案 #

核心思路是先将数据按患者聚合，统一管理每个患者的ICD编码集合，再基于集合包含关系筛选合格对照，最后完成匹配。

步骤1：聚合患者数据 #

将每个患者的多条ICD记录合并为一行，存储其所有ICD编码的集合：

library(dplyr)
library(purrr)

# 聚合每个患者的ICD编码为集合
patient_data <- df %>%
  group_by(patient_id, age, status) %>%
  summarise(icd_codes = list(diagnosis), .groups = "drop") %>%
  mutate(icd_set = map(icd_codes, ~sort(.x))) # 排序后方便后续判断包含关系

步骤2：筛选合格对照 #

为每个病例筛选同年龄且ICD集合包含病例所有编码的对照：

# 分离病例和对照数据集
cases <- patient_data %>% filter(status == "case")
controls <- patient_data %>% filter(status == "control")

# 为每个病例匹配符合条件的对照
matched_pairs <- cases %>%
  rowwise() %>%
  mutate(
    eligible_controls = list(
      controls %>%
        filter(age == !!age) %>%
        filter(map_lgl(icd_set, ~all(!!icd_set %in% .x))) %>%
        pull(patient_id)
    )
  ) %>%
  ungroup()

# 查看每个病例的合格对照列表
print(matched_pairs)

步骤3：完成匹配并整合数据 #

从合格对照中选择匹配对象（示例为随机选1个，也可根据需求用最优匹配逻辑），并整合回原始数据：

# 为每个病例分配1个合格对照（无合格对照则标记为NA）
final_matches <- matched_pairs %>%
  rowwise() %>%
  mutate(matched_control = ifelse(length(eligible_controls) > 0, 
                                  sample(eligible_controls, 1), 
                                  NA)) %>%
  ungroup() %>%
  select(patient_id, matched_control, age)

# 整合回原始数据，查看匹配后的所有记录
matched_data <- df %>%
  filter(patient_id %in% c(final_matches$patient_id, final_matches$matched_control)) %>%
  left_join(final_matches, by = c("patient_id", "age"))

print(matched_data)

扩展说明 #

• 如果需要使用MatchIt的专业匹配算法（如最优匹配、卡钳匹配），可基于筛选出的合格对照池，在matchit函数中通过subclass或自定义距离函数实现更精准的匹配控制。
• 若需匹配多个对照，只需调整sample函数的参数或改用MatchIt的ratio参数。

内容的提问来源于stack exchange，提问作者EpidemicRx