A Causal Inference Framework for Leveraging External Controls in Hybrid Trials
混合试验中利用外部对照的因果推断框架AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究随机试验结合外部对照时平均处理效应的识别、可交换性及双重稳健估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
混合试验中利用外部对照的因果推断框架
- 研究问题
- 研究如何把外部来源的对照数据加入随机试验，在识别平均处理效应的同时提高估计效率，并处理内外对照的可比性问题。
- 方法与思路
- 作者提出内外对照可交换性的充分因果假设及图形判据，讨论效率界，并构造允许灵活机器学习估计干扰模型的高效双重稳健方法。
- 材料陈述的贡献
- 摘要称，论文连接混合试验的识别条件与图形判据，提出估计方法并展示模拟表现，还应用于脊髓性肌萎缩症药物的运动功能研究。
- 阅读关注点
- 应核对内外对照可交换性的含义、图形判据与假设的对应关系，以及外部样本差异、机器学习误差和效率收益之间的关系。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出充分假设、误差率条件或应用效应，效率改善的边界待核实。
原文摘要
We consider the challenges associated with causal inference in settings where data from a randomized trial is augmented with control data from an external source to improve efficiency in estimating the average treatment effect (ATE). Through the development of a formal causal inference framework, we outline sufficient causal assumptions about the exchangeability between the internal and external controls to identify the ATE and establish the connection to a novel graphical criteria. We propose estimators, review efficiency bounds, develop an approach for efficient doubly-robust estimation even when unknown nuisance models are estimated with flexible machine learning methods, and demonstrate finite-sample performance through a simulation study. To illustrate the ideas and methods, we apply the framework to a trial investigating the effect of risdisplam on motor function in patients with spinal muscular atrophy for which there exists an external set of control patients from a previous trial.