PSM纳入的自变量指标及赋值见表1。剔除问卷中填写缺失数据，以是否参与PBM项目为1/0二进制处理指标，计算倾向性评分及其权重，选取卡钳值为0.03，进行有放回的1 ∶ 1匹配。

    3.2.3 回归分析 数据经PSM处理后，再根据不同因变量类型选择相应的回归分析方法，对PBM的干预效果进行评价。①一元线性回归分析：对于因变量为连续变量的资料，采用一元线性回归模型进行分析。回归模型为：yi=α+βxi+εi。其中，yi为i患者因变量的取值，xi指i患者是否参与PBM的取值，εi为误差项。值得说明的是，由于模型中有关费用的因变量呈明显的正偏态分布，因而需对其进行了对数转换，使其接近于正态分布，更适于进行线性回归。②Logistic回归分析：对于因变量为分类变量的资料，采用Logistic回归模型进行分析。根据因变量分类的数量，又可分为二分类Logistic回归和多分类Logistic回归。在进行多分类Logistic回归前，需进行平行线检验[6]以确定是有序多分类还是无序多分类。一元线性回归分析指标及赋值见表2；Logistic回归分析指标及赋值见表3。

    4 结果

    4.1 问卷回收情况

    本次问卷调查共发放并全数回收问卷755份 ...... 濡傛灉鎮ㄥ湪浣跨敤鎵嬫満绛夋祦瑙堟椂鏃犳硶鏌ョ湅鎴栦笅杞藉叏鏂囷紝鍙兘鏄鎼滅储寮曟搸澶辩湡鈥滆浆鐮佲€濓紝璇风偣鍑诲睆骞曟渶涓嬫柟鐨勨€滅數鑴戠増鈥濇垨鈥滃師缃戦〉鈥濊闂€�


闄愪簬鏈嶅姟鍣ㄥ帇鍔涳紝缃戠珯閮ㄥ垎淇℃伅鍙緵鐖卞績浼氬憳鎴栨湁涓€瀹氱Н鍒嗙殑娉ㄥ唽浼氬憳娴佽銆�
姝�淇℃伅闇€瑕� 1 绉垎锛堝厤璐规敞鍐岀櫥褰曞悗姣忓ぉ鍙互棰嗗彇10涓Н鍒�锛夈€�
    濞ｅ洠鍓濇导鍛閸涱剛杩旈柛娆忓€介埀顒€鍠涚槐婵囩▔瀹ュ棛鈧垶骞嬮幇顏呭床濞达絾娲戠粻锝咁嚈妤︽鍞撮柕鍡曠劍鐢綊鎳￠幇顓炵仐闁圭ǹ娲ょ槐鈺呭Υ閸屾稒鐎紒鏃傚Х婢ф寮堕崘銊ф剑濞存粌楠哥敮顐︽媼濡炲墽绋婇柡澶婂暕濮瑰鏁嶅畝鍐仧闁诡喓鍔忛缁樼▔閻戞﹩鍔冮柡鍌氭矗缁楀鈧绮忛～锕傚绩鐠鸿櫣绉垮〒姘☉閵囧洨鈧娉涢崢銈囨嫻瑜版帗顫夐悹鍥︾串缁辨繄鎷犻悜钘変粡濞寸姾鍩栭崹銊╂偨娴ｅ啰妯堥梺顐ｆ皑閻擄繝骞嬮幋婊勭拨闁挎稑鏈崹婊勭椤掍焦鏆柛鎺嶅嵆閳ь剚姘ㄩ悡锟犲触鎼搭垳绀夊ù鍏兼皑閻濇盯宕￠崘鑼闁诡喓鍔庡▓鎴炴媴濠婂啯鎯傚ù鐘插濠€鎵磾閹寸姷褰查柛鎺斿█濞呭酣濡撮敓锟�

鐎甸偊鍠曟穱濠囧棘閸モ晝褰�  闁稿繗娅曢弫鐐烘儌閻愵剙顎�  閻犲洤瀚鎴﹀礄閻樻彃缍�  闁瑰吋绮庨崒銊╁即閺夋埈妯�