本人新手，要用某城市全部6,000,000居民的病例，做回顾性队列研究，研究某因素A与疾病B的关系。

实验设计是将6,000,000中有因素A（n个:a1、a2…an）的找出来作为暴露组，接下来按照匹配标准（性别、年龄一致）选择对照组，方案有如下4个。暴露组中患B病的有m个，分别计算暴露组与对照组B的患病率，为f1,f0，算出RR=f1/f0。其中f1=m/n.

方案一：

从6,000,000中按匹配标准获得与a1…an分别匹配的组，分别计算每组的患病率（患B病的个数/组中人数），再求平均获得f0.

方案二：

从6,000,000-n（即非暴露组）中按匹配标准获得与a1…an分别匹配的组，分别计算每组的患病率（患B病的个数/组中人数），再求平均获得f0.

方案三：

从6,000,000中按匹配标准随机抽样nxN，对a1…an分别获得匹配的N个（1:N匹配），即得到N个对照组，计算N个组的患病率再求平均得到f0.

方案四：

从6,000,000-n（即非暴露组）中按匹配标准随机抽样nxN，对a1…an分别获得匹配的N个（1:N匹配），即得到N个对照组，计算N个组的患病率再求平均得到f0.

我的问题是：

我不知道应该选择哪个方案，我看的文章上是先说用方案三，又说计算量太大，选了方案一。而我觉得方案二和四也有道理，觉得应该暴露与非暴露对照。其实我也不知道用哪个，是否每个都不对，或是每个都可以用，但精确度或解释不一样??另外，P值怎么算？

若哪个方案可以选择，请解释对应方案；若都可以，请比较相关方案；若都不对，请说出自己的观点。

还有，这里是大样本，是不是同一般实验的方法有别？