使用聚合数据的因果可解释性 meta 分析
大气与海洋物理
2026-05-27 v1
摘要
证据综述和 meta 分析用于为临床实践指南和健康经济评估提供信息。然而，治疗效应的异质性是一个重大挑战。常规 meta 分析通过随机效应假设来解决异质性，但这些假设不受设计支持，导致估计可能不适用于任何实际人群。因果可解释性 meta 分析（CIMA）提供了一个严格的框架，用于规范、识别和估计当组合来自多个随机试验信息时的数据。CIMA 的初始开发侧重于使用随机试验的个体数据，但此类数据在实际中常不可得。本文提出了 CIMA 的一个新版本，只需要来自试验的聚合数据，既解决了传统 meta 分析方法的局限性，又仅依赖于聚合数据。该方法利用试验报告的边际和逐一子群治疗效应估计值以及基线协变量的描述性统计信息，构建用于识别和估计参数条件平均治疗效应（CATE）函数的矩方程。通过对定义目标人群的单个协变量数据对 CATE 函数进行边际化，获得目标人群中的平均治疗效应。该方法还可用于获取目标人群中的因果可解释间接治疗比较。我们建立了该方法的渐近属性，评估了其在小样本情景下的性能，并通过重新分析已发表的 SGLT2 抑制剂在心力衰竭患者中的 meta 分析示例说明了该方法的应用。
引用
@article{arxiv.2605.27271,
title = {Emergent conservation in atmospheric chemical mechanisms},
author = {Beatriz Lucia G. Rodriguez and Patrick Obin Sturm and Daniel Getter and Sam J. Silva},
journal= {arXiv preprint arXiv:2605.27271},
year = {2026}
}
备注
15 pages, 3 figures (main text) 16 pages, 2 figures (supporting info), excluding citations. This version of the manuscript is a preprint and has not been peer-reviewed