We used propensity score matching t

We used propensity score matching to create a matched control group such that the control andstudy groups were well matched on the basis of all measured baseline characteristics such as age,gender, body mass index (BMI), and each item on the Kihon checklist. We estimated the scores of theparticipation group for each subject by using a multivariable logistic regression model. We were ableto match 1620 pairs of intervention and control subjects who had similar propensity scores.

結果 (繁體中文) 1:

我們使用傾向評分匹配以創建匹配的對照組，使得控制andstudy組均良好的所有測量的基線特徵，例如年齡，性別，身體質量指數（BMI），和上了基本檢查表的每個項目的基礎上進行匹配。我們通過使用多變量回歸模型估計每個科目參加合夥組的分數。我們ableto匹配1620對干預和控制科目誰也有類似的傾向評分。

結果 (繁體中文) 2:

我們使用傾向分數匹配來創建匹配的對照組，使對照組和研究組根據所有測量的基線特徵（如年齡、性別、體重指數 （BMI））和 Kihon 清單上的每個專案）進行很好的匹配。我們使用多變數邏輯回歸模型估計每個主體的參與組的分數。我們能夠匹配1620對具有相似傾向分數的干預和控制受試者。

結果 (繁體中文) 3:

我們使用傾向性得分匹配來創建匹配的對照組，以便對照組和研究組根據所有量測的基線特徵（如年齡、性別、體重指數（BMI）和Kihon檢查表上的每個項目）進行良好匹配。我們使用多變數logistic回歸模型估計每個受試者的參與組得分。我們能够匹配1620對有相似傾向性得分的干預組和對照組。