Un puntaje de propensión no es solo una forma de unir grupos. Hay otras formas de utilizar los puntajes de propensión: en esencia, es una forma de caracterizar la probabilidad de estar expuesto a covariables. Cuando esto se ajusta de cualquiera de varias maneras (incluida la coincidencia), teóricamente se rompe una de las condiciones necesarias para la confusión.
El problema con un estudio de casos y controles es que es muy difícil calcular una verdadera probabilidad de exposición por la misma razón que es difícil calcular una verdadera probabilidad de enfermedad: no tiene una cohorte completa para trabajar, solo una muestra desequilibrada . Dicho esto, hay algunos artículos que discuten el uso de métodos de puntaje de propensión en estudios de casos y controles. Este podría ser un buen lugar para comenzar. El objetivo principal es que son mucho menos fáciles de usar, por lo que a menos que tenga una razón creíble para ajustar el uso de puntajes de propensión en lugar de enfoques orientados a resultados como incluir covariables en un modelo, puede que no valga la pena.
04/03 editar para su comentario:
No se trata de hacer coincidir la exposición o el resultado. En todas las coincidencias, estás haciendo coincidir las covariables. El puntaje de propensión es solo una forma de combinar todas sus covariables en una covariable compuesta: el puntaje de propensión en sí. Lo que está haciendo al hacer coincidir es tratar de encontrar casos y controles que tengan ~ la misma probabilidad de estar expuestos a todas las covariables, excepto por su exposición de interés. Observe que en el documento SUGI que vinculó, el código real para generar el puntaje de propensión utilizado en la coincidencia es el siguiente:
PROC LOGISTIC DATA= study.contra descend;
MODEL revasc = ptage sex white mlrphecg rwmisxhr mhsmoke ... / SELECTION = STEPWISE...;
OUTPUT OUT = study.ALLPropen prob=prob;
RUN;
Ese código está modelando su probabilidad pronosticada de tener la exposición (revasc). Ver página 2 de ese documento.