倾向得分不仅仅是匹配组的一种方式。还有其他使用倾向得分的方法 - 从本质上讲，它是一种描述给定协变量暴露概率的方法。当以多种方式（包括匹配）中的任何一种方式对此进行调整时，您理论上会打破混淆所需的条件之一。

病例对照研究的问题在于，它很难计算出真正的暴露概率，原因与很难计算出真正的疾病概率相同：你没有一个完整的队列可供研究，只有一个不平衡的样本. 话虽如此，有一些文章讨论了在病例对照研究中使用倾向评分方法。这可能是一个很好的起点。主要的推动力是它们使用起来不那么简单，所以除非你有可靠的理由使用倾向得分而不是像在模型中包含协变量这样以结果为导向的方法进行调整，否则它可能不值得。

04/03 编辑您的评论：

这不是与曝光或结果相匹配的问题。在所有匹配中，您都在协变量上进行匹配。倾向得分只是一种将所有协变量滚动到一个复合协变量中的方法——倾向得分本身。您通过匹配所做的工作是试图找到对所有协变量的暴露概率相等的病例和对照，除了您感兴趣的暴露。请注意，在您链接的 SUGI 论文中，生成匹配中使用的倾向得分的实际代码如下：

PROC LOGISTIC DATA= study.contra descend;
MODEL revasc = ptage sex white mlrphecg rwmisxhr mhsmoke ... / SELECTION = STEPWISE...;
OUTPUT OUT = study.ALLPropen prob=prob;
RUN;

该代码正在模拟您预测的暴露概率（revasc）。请参阅该论文的第 2 页。

您可以在病例队列设计中实施 PS，但不能在传统病例对照设计中实施；部分原因是病例对照设计的逆向逻辑（相对于队列设计）。