我有一个包含 160 万受试者的大型医疗保健索赔数据库，我有兴趣进行一项倾向得分匹配的队列研究。我已经使用逻辑模型生成了我的倾向得分。问题是我有大约 260,000 名受试者的曝光要与样本的其余部分匹配，理想情况下是 1:3 的比例。

我在 R 中尝试过 MatchIt，将我的样本细分为邮政编码级别的区域（基本上对邮政编码进行精确匹配，然后寻找最近的 PS）。这很快，因为 MatchIt 可以轻松处理许多小数据集，但最终匹配的数据集并没有像它应该具有的那么多控件那样平衡。

当我尝试一次匹配超过 30,000 个左右的主题时，MatchIt 基本上会崩溃。* 我尝试使用这个宏在我们部门的快速 UNIX 服务器上使用 SAS ，但它也崩溃了，并且需要很多很多小时。我认为必须有更好的方法，因为我认为我的数据集没有那么大？

所以，我的问题是你将如何与这种大小的数据集进行 1:3 匹配？我不需要快速的东西，但我只想确信几个小时后我会得到可靠的输出。

*大警告：对于可能需要数小时运行的任何 R 解决方案，我仅限于在我的办公室服务器上使用 32 位 R，这是一个很大的麻烦。