Nov, 2020

合并随机试验与观察性研究的因果推断方法：一项综述

PDF
TL;DR本研究综述了长期以来在联合随机对照试验（RCTs）和观察研究中进行因果推断的方法，旨在实现 “两全其美”。作者首先讨论了提高观察数据代表性的 RCTs 的识别和估计方法，然后探讨了将 RCTs 和观察数据结合使用以确保观察分析的无瑕性或提高（条件）平均治疗效果估计的方法。最后，作者使用模拟研究和真实世界数据比较了主要方法，并提供了可用代码和新实现。
causal inferencerctsobservational studiesgeneralizabilitytreatment effect estimation
发现论文，激发创造
  • 将实验数据和观察数据相结合估计治疗对长期结果的影响

    本文提出了一种方法，将观测数据和实验数据相结合，通过控制函数方法进行因果效应的估计，以解决可能存在未观测混淆变量的问题。该方法应用于课堂规模和第三年级考试成绩的数据，结论表明，课堂规模对学生学业成就有显著影响。

    Jun, 2020

  • 结合观察和随机数据估计异质性治疗效应

    本文提出了一种利用混合大量的观测数据和少量随机数据通过表示学习来估计异质化治疗效果的框架，成功设计了一个名为 CorNet 的样本高效算法，并通过多个真实世界数据集展示了该方法优于现有方法的效果。

    Feb, 2022

  • RCT 因果估计评估的拒绝抽样

    在高维变量的设置中，我们提出了一种新的采样算法 ——RCT 拒绝采样，通过使用随机控制试验（RCT）的平均因果效应作为基准真实值，并在观察数据中保证因果识别性，以便有效地评估机器学习方法在去除混淆时的表现，为因果估计的改进经验评估构建了基础。

    Jul, 2023

  • 泛化性和搬移性综述

    本文提出了一个框架来解决外部有效性偏差，包括针对泛化性和可迁移性的方法综合，它们所需的假设以及对治疗效应异质性和研究与目标人群之间差异的测试。

    Feb, 2021

  • 从随机试验个体到所有符合试验条件个体的因果推断的普适性

    研究了如何通过使用基线共变量数据和随机分配的治疗和结局数据，来辨别出所有适合个体的潜在（反事实）结局均值和平均治疗效应，并评估了它们的估计器在模拟研究中的有限样本表现，最后通过应用这些估计器对慢性冠状动脉疾病的研究结果进行了说明。

    Sep, 2017

  • 基于预测的因果推断的普适化

    给定一个随机对照试验，从中推理因果关系可能与一些效应修饰因子不同分布的目标人群无关。我们利用一个附加的观察研究学习到的预测模型，无需对该研究做任何假设来补充试验数据，提出了能够更好地推广试验结果的算法，并以理论和实证的方式展示了当观察研究是高质量时，我们的方法能够更好地推广，即使存在未测的混杂变量等情况仍能保持稳健。

    Jun, 2024

  • 评估观察研究中的治疗效应变异：一项数据挑战的结果

    本研究报告了一个专门为评估观察研究中的治疗效应变异而设计的工作坊的结果。参与者使用多样的方法进行了分析，从配对和灵活的结果建模到半参数估计和集成方法。虽然有广泛的一致性，但在估计治疗效应调节方面仍存在巨大差异。

    Jul, 2019

  • 使用基于优化的方法估计因果效应：综述与实证比较

    本文对因果推断、优化方法与观察型研究、偏差减少与比较分析等方面进行了综述。

    Feb, 2022

  • 因果推断综述

    本文综述了在潜在结果框架下，针对观察数据的因果推断方法。这些方法分为两类，包括传统的统计学方法和最新的机器学习方法，还介绍了这些方法在广告、推荐、医学等领域的应用以及常用的基准数据集和开源代码。

    Feb, 2020

  • 检测小子群中的重要治疗效果偏倚

    通过设计统计检验以及估计观察性研究的最大偏差强度的下界，我们提出了一种超越平均治疗效应的实证研究比较方法，并在真实环境中验证了该方法的有效性，结果与现有医学知识相一致。

    Apr, 2024