Target Aggregate Data Adjustment Method for Transportability Analysis Utilizing Summary-Level Data from the Target Population
仅利用目标总体汇总数据的可迁移性分析：目标聚合数据调整法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：摘要明确以研究效应的外部有效性与总体间迁移为目标，并通过加权处理删失和效应修饰变量失衡，属于因果推断。
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…
仅利用目标总体汇总数据的可迁移性分析：目标聚合数据调整法
- 研究问题
- 当目标总体只有汇总数据且源研究存在删失时，如何将试验或观察研究的效应迁移到目标总体，并调整两类偏差？
- 方法与思路
- 作者提出两阶段 TADA 加权框架，将逆删失概率权重与通过矩方法获得的参与权重相乘，调整删失和效应修饰变量失衡。
- 材料陈述的贡献
- 摘要称模拟显示，该方法能在非极端删失范围内控制相关偏差，并拓展目标个体数据不可得时的可迁移性分析。
- 阅读关注点
- 应核对删失与迁移识别假设、目标汇总信息的充分性、矩约束及权重稳定性，并明确非极端删失范围如何界定。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明完整识别条件或删失范围，不能推广到任意缺失机制。
原文摘要
Transportability analysis is a causal inference framework used to evaluate the external validity of randomized clinical trials (RCTs) or observational studies. Most existing transportability analysis methods require individual patient-level data (IPD) for both the source and the target population, narrowing its applicability when only target aggregate-level data (AgD) is available. Besides, accounting for censoring is essential to reduce bias in longitudinal data, yet AgD-based transportability methods in the presence of censoring remain underexplored. Here, we propose a two-stage weighting framework named "Target Aggregate Data Adjustment" (TADA) to address the mentioned challenges simultaneously. TADA is designed as a two-stage weighting scheme to simultaneously adjust for both censoring bias and distributional imbalances of effect modifiers (EM), where the final weights are the product of the inverse probability of censoring weights and participation weights derived using the method of moments. We have conducted an extensive simulation study to evaluate TADA's performance. Our results indicate that TADA can effectively control the bias resulting from censoring within a non-extreme range suitable for most practical scenarios, and enhance the application and clinical interpretability of transportability analyses in settings with limited data availability.