Efficient estimation of the target population average treatment effect from multi-source data
利用多来源数据高效估计目标总体平均处理效应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：摘要直接研究多来源数据下目标总体处理效应的迁移、双重稳健估计与效率界。
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…
利用多来源数据高效估计目标总体平均处理效应
- 研究问题
- 目标总体没有结果数据时，如何综合多个来源总体的处理效应估计目标总体平均处理效应，并获得有效率的推断？
- 方法与思路
- 作者假设条件平均处理效应可跨总体迁移，推导目标效应的半参数效率界，刻画双重稳健渐近线性估计类并设计最优来源权重。
- 材料陈述的贡献
- 摘要称该迁移假设弱于潜在结果分布或处理特异均值迁移，并提出异质性的低维摘要估计，应用于司美格鲁肽美国亚组减重效应。
- 阅读关注点
- 应核对条件效应迁移与来源内因果识别条件、总体重叠要求、双重稳健性的模型组合，以及最优权重和异质性摘要定义。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实。摘要未说明完整识别与效率条件，也未报告应用效应数值，迁移有效性需实质判断。
原文摘要
We consider estimation of the target population average treatment effect (TATE) when outcome information is unavailable. Instead, we observe the outcome in multiple source populations and wish to combine the treatment effects therein to make inference on the TATE. In contrast to existing works that assume transportability on the conditional distribution of potential outcomes or conditional treatment-specific means, we work under a weaker form of effect transportability. Following the framework for causally interpretable meta-analysis, we assume transportability of conditional average treatment effects across multiple populations, which may hold with fewer standardization variables. Under this assumption, we derive the semiparametric efficiency bound of the TATE and characterize a class of doubly robust and asymptotically linear estimators. Within this class, an efficient estimator assigns optimal weights to observations from different data sources. Additionally, we suggest estimators of a low-dimensional summary of effect heterogeneity in the target population. We illustrate the use of the proposed estimators on a multicentre weight management clinical trial for semaglutide, a glucagon-like peptide-1 receptor agonist, on overweight or obese patients. Using outcome information from other regions, we estimate the weight loss effect of semaglutide in the United States subgroup.