Transporting Trial Evidence Under Posterior Drift and Possible Hidden Confounding
后验漂移与潜在隐藏混杂下的试验证据迁移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：摘要直接研究试验效应向目标人群的迁移及隐藏混杂敏感性。
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
后验漂移与潜在隐藏混杂下的试验证据迁移
- 研究问题
- 当试验人群不代表目标人群、观察研究又可能存在隐藏混杂时，如何在条件效应不能精确迁移的情况下估计目标平均效应？
- 方法与思路
- 作者以试验结局回归加来源特定漂移表示目标关系，用广义倾向得分的敏感性集合描述混杂，并以极小极大风险估计漂移。
- 材料陈述的贡献
- 摘要称，论文建立辅助情形效率结果、统一集中与近最优保证，涵盖参数及光滑非参数漂移，并展示更谨慎的目标效应分析。
- 阅读关注点
- 应核对漂移如何约束跨来源差异、敏感性参数如何界定隐藏混杂，以及目标效应可识别程度与极小极大保证的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明重叠条件、漂移类限制及敏感性校准，谨慎不等于已验证无偏。
原文摘要
Randomized trials provide internally valid treatment-effect evidence, but trial participants may not represent the target population. In contrast, observational studies are often closer to the target population, but their treatment assignment may be affected by possible hidden confounding. We develop a robust posterior-drift framework for estimating the average treatment effect in an observational target population when exact conditional-effect transportability may fail. The framework represents observational conditional potential-outcome regressions as their randomized-trial counterparts plus source-specific drifts. The randomized trial serves as an internally valid anchor, while the observational study supplies the target covariate distribution and partial information about the target causal contrast. To account for possible hidden confounding, we consider a Rosenbaum-type uncertainty set induced by a sensitivity parameter on the generalized propensity score and estimate the drift through a minimax worst-case risk criterion. We derive efficiency results in auxiliary regimes, establish uniform concentration and near-optimality guarantees for the minimax estimator, and handle general parametric and smooth nonparametric drift classes. Simulations and an ACTG 175--WIHS application show that the proposed analysis yields more cautious and interpretable target-population effect estimates than exact-transportability analyses.