- 连续处理的因果效应的合规预测
本研究提出了一种新的对连续性处理方法的符合性预测方法，解决了当倾向得分未知且必须从数据中估计时的连续性处理的符合性预测问题，通过考虑倾向度估计引入的额外不确定性来确保预测区间的有效性。
- 连续治疗的双重稳健近端因果学习
我们提出了基于核的 DR 估计器，可以处理连续的处理方式，并通过充分性证明其正态形式是影响函数的一致近似。我们还提出了一种高效解决干扰函数的新方法，并以均方误差为指标进行了全面的收敛性分析，证明了我们估计器在合成数据集和实际应用中的实用性。
- ICML因果连续处理效应估计的端到端平衡
通过最大化因果推断精度的熵平衡算法，我们研究了在倒数概率得分加权框架下，观测原因推断中连续治疗的问题，并使用合成和真实数据展示出我们的算法比基线熵平衡算法更准确地估计因果效应。
- VCNet 和功能定向正则化的连续处理因果效应学习
本文提出了一个新颖的变系数神经网络，可以更好地描述接受连续剂量处理时的平均剂量 - 反应曲线；并且，我们将有针对性的正则化推广到更为复杂的情况，得到对整个剂量 - 反应曲线的双重稳健估计。
- 核最优正交加权：连续处理效应估计的平衡方法
这篇论文采用 Kernel Optimal Orthogonality Weighting 方法，通过最小化惩罚函数协方差中的最劣情况来为评估连续性治疗的效果提供权重并应用其于血压与红肉摄入之间的关联分析。
- 连续处理的政策评估与优化
扩展了离散治疗的反倾斜权重和双重稳健方法，使用了一个利用治疗接近程度的核函数来衰减拒绝采样，缓解了样本拒绝问题，可应用于持续的治疗问题，通过个性化给药数据集的案例研究，得到了比基准更好的策略推荐结果。
- 双重可靠估计连续处理效应的非参数方法
本文提出一种新的核平滑方法，可以在不需要参数模型的情况下，对连续治疗（如剂量）进行因果效应估计，并允许处理密度或结果回归的错误规范。方法经过了模拟证明，并应用于护士人员配备对医院复诊惩罚的研究中。