关于个性化与透明证据合成的权重使用
统计方法学
2025-09-30 v2
摘要
在过去几十年中，因果推断的统计方法取得了长足进步，推动了多个科学领域的发展。然而，大部分方法论的发展局限于单项研究，限制了其得出更具普遍性结论的能力。对因果关系的透彻理解通常依赖于整合、调和与合成来自不同研究设计和多种数据源的结果。此外，将这种合成工作导向理解特定患者群体的治疗效果至关重要。为了应对这些挑战，我们提出了一个用于证据合成的权重框架，该框架可处理个体级和聚合级数据，涵盖并扩展了传统的基于回归的荟萃分析方法。我们使用这种方法来定制荟萃分析，以样本有界的方式瞄准目标人群中患者的协变量特征，从而增强其个性化和稳健性。我们提出了一种技术来检测与目标人群存在显著偏差的研究，并建议何时将其从分析中排除是明智的。我们建立了多个一致性条件，并证明了所提出估计量的渐近正态性。我们通过一项模拟研究和两个真实世界案例研究证明了该方法的有效性。
引用
@article{arxiv.2509.00228,
title = {On the Use of Weighting for Personalized and Transparent Evidence Synthesis},
author = {Wenqi Shi and José R. Zubizarreta},
journal= {arXiv preprint arXiv:2509.00228},
year = {2025}
}