回答:
傾向スコアは、グループを照合する方法ではありません。傾向スコアを使用する方法は他にもあります-根本的には、与えられた共変量にさらされる確率を特徴付ける方法です。これがいくつかの方法（マッチングを含む）のいずれかで調整されると、理論的には交絡に必要な条件の1つを破ります。
症例対照研究の問題は、同じ確率で真の曝露確率を計算することが非常に難しいことです。これは、疾患の真確率を計算するのが難しいことです：完全なコホートではなく、不均衡なサンプルのみです。そうは言っても、ケースコントロール研究における傾向スコア法の使用について議論しているいくつかの記事があります。これは、始めるのに適した場所かもしれません。主な推力は、使用するのがはるかに簡単ではないということです。そのため、モデルに共変量を含めるなど、結果指向のアプローチではなく傾向スコアを使用して調整する確かな理由がない限り、それは価値がないかもしれません。
04/03コメント用に編集：
露出や結果とのマッチングの問題ではありません。では、すべてのマッチングは、共変量に一致しています。傾向スコアは、すべての共変量を1つの複合共変量（傾向スコア自体）にまとめる方法にすぎません。マッチングによって行っているのは、関心のある露出を除いて、すべての共変量に対して露出される可能性が等しいケースとコントロールを見つけることです。リンクしたSUGIペーパーで、マッチングで使用される傾向スコアを生成する実際のコードは次のとおりです。
PROC LOGISTIC DATA= study.contra descend;
MODEL revasc = ptage sex white mlrphecg rwmisxhr mhsmoke ... / SELECTION = STEPWISE...;
OUTPUT OUT = study.ALLPropen prob=prob;
RUN;
そのコードは、露出（revasc）があると予測される確率をモデル化しています。その論文の2ページを参照してください。