Targeted Data Fusion for Region-Specific Survival Effects in the AMP HIV Prevention Trials
AMP 艾滋病预防试验中地区特异性生存效应的定向数据融合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：摘要明确估计治疗特异性生存曲线及多种因果对比，直接涉及因果推断和分布效应。
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…
AMP 艾滋病预防试验中地区特异性生存效应的定向数据融合
- 研究问题
- 在地区疗效与数据分布存在异质性、且不能集中共享个体数据时，如何借用其他地区信息估计目标地区的生存效应？
- 方法与思路
- 作者采用联邦学习，通过 L1 正则化准则组合站点估计量并降低不匹配来源的权重，扩展至风险差、生存比及限制平均生存时间差。
- 材料陈述的贡献
- 摘要称，模拟和 AMP 试验分析展示了兼顾数据不集中共享与地区适应性的推断，并报告通过定向借用信息提高估计精度。
- 阅读关注点
- 应核对地区间可迁移条件、删失处理、来源匹配准则和正则化选择，以及融合估计的不确定性计算和实际交换的数据内容。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列明识别和隐私保证条件，也未量化精度改善及其适用边界。
原文摘要
The Antibody Mediated Prevention (AMP) trials opened a new scientific frontier by showing that passively administered monoclonal broadly neutralizing antibodies (bnAbs) could prevent HIV-1 acquisition. Conducted across multiple geographic regions, including the United States, Brazil, Peru, Switzerland, and sub-Saharan Africa, the AMP trials revealed substantial regional heterogeneity in treatment efficacy. These differences, together with privacy and regulatory limits on central data pooling, call for methods that borrow strength across regions without sharing individual-level data. To estimate region- and treatment-specific survival curves under distributional heterogeneity, we develop a federated learning approach that combines site-specific estimators via an L1-regularized criterion that downweights data sources not aligned with the target. We further extend the framework to a general class of causal contrasts, including the risk difference (RD), survival ratio (SR), and restricted mean survival time (RMST) difference. Through extensive simulations and an analysis of the AMP trials under different target populations, we show that the proposed approach provides privacy-preserving, region-adaptive inference with improved precision.