Integrate Meta-analysis into Specific Study (InMASS) for Estimating Conditional Average Treatment Effect
将元分析整合到特定研究中以估计条件平均处理效应：InMASSAI 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：摘要明确研究跨随机试验的信息整合与目标总体平均处理效应估计，因此属于因果推断；条件效应的具体含义仍需全文澄清。
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…
关注这篇论文的作者
将元分析整合到特定研究中以估计条件平均处理效应：InMASS
- 研究问题
- 研究目标试验样本量有限时，能否仅利用既往试验的结果和协变量汇总统计，改善目标总体平均处理效应的估计与检验能力。
- 方法与思路
- 作者结合元分析、迁移学习和加权回归，利用来源试验的均值与方差重构信息，并在协变量分布变化假设下研究目标总体估计。
- 材料陈述的贡献
- 摘要称方法直接针对目标总体ATE，所需来源信息限于均值和方差，并报告模拟与真实数据中相对仅用目标试验的更高统计功效。
- 阅读关注点
- 应核对题名中的CATE与摘要中的目标总体ATE如何对应，以及汇总信息充分性、跨试验可迁移条件和加权回归的模型限制。
- 阅读边界
- 这是arXiv预印本，同行评审、期刊接收及刊本变化未核验；摘要未解释CATE与ATE表述差异，也未列出完整假设和功效数值。
原文摘要
Randomized controlled trials are the standard method for estimating causal effects, ensuring sufficient statistical power and confidence through adequate sample sizes. However, achieving such sample sizes is often challenging. This study proposes a novel method for estimating the average treatment effect (ATE) in a target population by integrating and reconstructing information from previous trials using only summary statistics of outcomes and covariates through meta-analysis. The proposed approach combines meta-analysis, transfer learning, and weighted regression. Unlike existing methods that estimate the ATE based on the distribution of source trials, our method directly estimates the ATE for the target population. The proposed method requires only the means and variances of outcomes and covariates from the source trials and is theoretically valid under the covariate shift assumption, regardless of the covariate distribution in the source trials. Simulations and real-data analyses demonstrate that the proposed method yields a consistent estimator and achieves higher statistical power than the estimator derived solely from the target trial.