Generalizing Causal Effects from Randomized Controlled Trials to Target Populations across Diverse Environments

第一误会：RCT 随机化，所以效果可以直接搬到任何人群。随机化保护 trial 内部的 treatment assignment，不消除 trial participants 与 target population 的差异。

第二误会：把两份数据的 common covariates 做 propensity weighting 就够。如果真正决定 effect heterogeneity 与 environment membership 的变量只在一边观察，common set 可能不是完整 separating set，普通 transport formula 的可识别条件失败。

第三误会：2SDR 自动补齐缺失变量。它依赖 partial observability、shadow variable、positivity、consistency、trial randomization 和跨环境 outcome/effect relation等假设。shadow variable 必须与缺失 covariate 有信息关系，同时满足对 selection 的条件独立约束；不是随便选一个 proxy。

H2 是 P20 新增论文里杠杆最高的一篇，因为它把“environment shift 下什么被保留”从预测语言推进到 identification language：目标 estimand 是哪个人群的 effect，哪些 variables 连接 trial 与 target，缺失后靠什么假设恢复，证据状态如何变化。

对 P23，它也是外部效度 guardrail。IHDP/WAWS 上的 effect model 即使内部评估完整，也不能不加条件地称为另一 target population 的个体/平均效应。H2 不直接反驳 HCGM 的 response kernel，但要求它声明 target-world relation。

想象一个药物 RCT 在大城市医院完成。trial 记录年龄、性别、baseline severity、biomarker 和 outcome；目标人群来自基层医院，只记录年龄、性别、biomarker，恰好缺 baseline severity。severity 既影响 treatment effect，又影响谁进入大城市 trial。

如果只按共同变量加权，两个相同年龄/性别的人仍可能因 severity 不同而有不同 effect。问题不是 prediction model 不够复杂，而是 transport estimand 缺少识别信息。

现在假设 biomarker 与 severity 强相关，但在控制 severity 与其他 common covariates 后，biomarker 本身不再直接决定 trial membership。它可以充当 shadow variable，帮助从 target data 里恢复 severity distribution。2SDR 先验证/筛选这种变量，再估缺失 covariate 与 selection scores，最后计算 target average treatment effect。

论文组合两份数据。Dataset R 是 RCT：有 randomized treatment \(T\)、outcome \(Y\) 与一组 covariates。Dataset O 是 target-population observational data：主要提供目标人群 covariate distribution。\(R=1\) 表示 trial，\(R=0\) 表示 target。

目标是 target average treatment effect：

covariates 被分为 common \(X_c\)、在一份数据缺失的 \(X_m\)，以及从 common variables 中寻找的 shadow variables \(Z\)。论文放宽“完整 separating set 必须在两份数据都观察”的标准条件，允许部分变量只在一边可见。

实验包括低维 synthetic，在 \(n_O=10{,}000\) 时使用 \(n_R=500,1000,2000\)；还包括 50-covariate 高维 setting。真实数据构造使用 ACTG 175 HIV trial 与 JTPA job-training trial，并建立对应 target-population evaluation。每个 experiment 重复 20 次。

Stage I 先从 common covariates 中筛 shadow variables。Assumption 3.2 包含两个可检验子条件：候选变量与 partially observed \(X_m\) 要有足够关联；同时在给定相关变量后满足与 environment selection 的条件约束。论文用 hypothesis testing 与 integral-equation style estimation恢复必要对象。

Stage II 估 selection scores 与 missing covariate distribution，再构造 doubly robust TATE estimator。所谓 doubly robust 指相应 nuisance components 中一类模型正确时仍可保持一致性；它不是“核心 identification assumption 错了也没事”。

整个流程可写为：

RCT + target covariates
-> identify common / partially observed variables
-> test and select shadow variables
-> recover missing-covariate distribution / selection scores
-> estimate conditional trial responses
-> reweight/integrate to target population
-> TATE + assumption-sensitive evidence

设 trial 中 treatment effect 是 \(\tau(s)=1+s\)，其中 severity \(s\) 越高，benefit 越大。trial 更倾向招募高 severity 人群，所以 trial ATE 大于 target ATE。目标数据没测 \(s\)，只测 biomarker \(z=s+\epsilon\)。

直接把 trial ATE 搬过去必然偏。只按年龄加权也没修复。若 \(z\) 满足 shadow-variable assumptions，可以用 trial 中 \((s,z)\) 关系与 target 的 \(z\) distribution 推回 target severity distribution，再把 \(\tau(s)\) 在该分布上积分。

如果 \(z\) 还直接影响是否进入 trial，且这个路径在控制 \(s\) 后仍存在，shadow assumption 失败。2SDR 的 estimate 可能逐渐恶化；论文附录专门做 violation sensitivity。P20 的 mechanism record 应把这种状态写成“target relation not identified / assumption violated”，而不是输出一个看似精确的 effect。

再换一种失败：target 中 severity 范围是 0--10，而 trial 只覆盖 0--4。即使 \(z\) 是完美 proxy，outcome response 在 5--10 区间仍没有 trial support。此时最诚实的输出不是更复杂 weighting，而是局部 transport、sensitivity 或 refuse。这个例子说明 measurement recovery 与 positivity 是两道独立 gate。

第一层是 identification theorem：在 consistency、trial randomization、positivity、partial observability 与 shadow-variable assumptions 下，论文扩展 TATE 的可识别条件。这个结果说明 missing separating covariate 并不总是终局，但需要额外结构。

第二层是 estimator theory：2SDR 的两阶段 nuisance recovery 与 doubly robust TATE estimator。双稳健只覆盖指定模型组合，不覆盖 shadow-variable identification failure。

第三层是 synthetic evidence。低维表格在 \(n_O=10{,}000\)、不同 \(n_R\) 下比较。2SDR 的 MAE 随 trial sample 变小而变大，但在两种 missingness settings 中保持优势；示例行在 \(n_R=2000/1000/500\) 下大致为 0.268/0.423/0.533（对应一列 setting，完整表需看原文）。这些数字只能在 paper DGP 下解释。

第四层是 ACTG/JTPA。Table 2 报告 2SDR 在构造 reference 下 ACTG MAE 约 \(0.011\pm0.010\)、JTPA 约 \(0.992\pm0.490\)；作者指出若忽略缺失 separating information，一些 baselines 甚至不如直接使用 trial ATE。这里的 reference 不是 observed individual treatment-effect truth。

第五层是 robustness appendix。论文逐步违反 Assumption 3.2，2SDR 性能随 violation 程度恶化而非瞬间稳定。这一证据非常适合 P20：assumption/evidence status 本身应进入 mechanism-preservation record。

读 Table 1 时应同时看 trial size 与 missingness setting；同一个 estimator 在 \(n_R\) 从 2,000 降到 500 时 MAE 与不确定性都会变化。读 Table 2 时要先读 authors 如何构造 ACTG/JTPA reference，再看最小数字。real-world section 是 transport procedure 的压力测试，不是新观察到的 counterfactual truth。

附录的 50-covariate setting 与 shadow-assumption violation 更接近方法脆弱性审计。它说明恢复模块确实贡献了信息，也公开了 assumption drift 如何改变结果。对 P20 来说，这类 degradation curve 比单一 SOTA number 更有用。

对 P23/HCGM-CE：IHDP 是 semi-synthetic internal benchmark，WAWS 是 randomized-trial evidence。二者都不能支持“对任意目标人群有效”。H2 要求 package 声明 target population，并把任何外推视为新 estimand。

对 P20：FANS 区分 function/noise shift，CausalDynamics 区分 timing/lag，H2 则区分 source/target composition 与 measurement availability。三者组合后，mechanism record 至少应有 changed_object / target_world / observed_support / identification_status / decision。

对 HCGM-CT：continuous dose 的 support 已是核心问题；若 target population 的 dose/covariate support 再变化，response-surface fit 与 causal transport 会进一步分离。H2 是 second-wave guardrail，不是把 HCGM-CT立即拉进 WIP。

source population: trial / benchmark participants
target population: explicitly named or not claimed
shared covariates: measured comparably in both sources
partially observed separating variables: named
extra identification assumption: tested / untested / violated
supported estimand: trial ATE / CATE / TATE / none
decision: transport / sensitivity only / refuse

这套模板能把“generalization”从营销词变成可读 evidence object。

对内部研究卡，还应补一项 counterfactual：如果不做 transport、只报告 source-population effect，paper decision 是否仍成立？若成立，外推应保持 folded；若不成立，target-world identification 就是主 claim gate。

论文的强点是把 measurement mismatch 与 environment shift 联结到清晰的 estimand、graph assumptions 和 estimator，而不是停在 domain adaptation。它对真实多源研究很实用：两份数据常常不是同一 schema。

代价也很明显：shadow-variable assumptions 较强，筛选过程复杂，恢复问题可能不适定。2SDR 应被看作“有额外 proxy structure 时扩大 transportability”的方法，而不是 general missing-data magic。对 WeHub 来说，它最重要的价值是提升 claim hygiene。

它也值得作为 benchmark-design reference：一个好 transport benchmark 不只给 source/target 两张表，还应公开 measurement pattern、selection mechanism、support 与假设违反强度。

1. shadow variable 假设强。 候选必须既关联缺失变量，又满足对 selection 的条件独立结构。

2. 部分可检验不等于完全证实。 统计检验受 sample size、model choice 和多重比较影响。

3. positivity 仍不可缺。 target region 没有 trial support 时，恢复分布也不能创造 outcome evidence。

4. target relation 有结构假设。 conditional potential-outcome relation跨环境的稳定性必须明确。

5. 双稳健范围有限。 nuisance model 的 robustness 不覆盖 identification failure。

6. 真实数据没有 TATE truth。 ACTG/JTPA 的 reference construction 不能包装成 observed target causal truth。

7. 复杂度较高。 shadow selection、integral equation、density/score estimation 都增加 implementation 风险。

8. 高维恢复困难。 50-covariate experiment只是一个受控证据，不保证现代 multimodal data 可行。

9. 主要是 average target effect。 个体 response distribution、cross-world coupling 与 policy uncertainty 不是本文核心。

10. 数据源角色不对称。 RCT 提供 outcome response，target sample 主要提供 composition；两者不能互换。

11. measurement harmonization 未消失。 同名 covariate 在两个环境中测量含义不同也会破坏 bridge。

12. shadow selection 有多重检验风险。 候选多、样本小时，错误筛选会传到 Stage II。

13. 平均效应可能掩盖局部失败。 TATE 总体误差低，不代表每个 subgroup 或 dose region 都有支持。

P20 可先做最小 matched simulation：同一 structural response，改变 source/target covariate distribution与 measurement schema；比较 naive trial ATE、common-only weighting、2SDR 与 DiscoSCM target-world record。必须同时报告 effect error、support coverage、shadow-test结果、assumption violation 与 decision delta。

P23 可在 WAWS/IHDP 旁增加“not a transport claim”表，并用 synthetic target shift 检查模型 response surface 是否在 unsupported region 失效。若 future HCGM 能显式输出 target-world uncertainty，应与 2SDR 的 point TATE 和 assumption sensitivity 比较，而不是只比 MSE。

可以说：RCT effect 向不同环境目标人群迁移需要分离 trial randomization、target composition 与 effect heterogeneity；当 separating-set covariate 只在一边可见时，shadow-variable structure可在指定条件下恢复 TATE identification，2SDR 提供两阶段双稳健估计路径。

不能说：RCT 自动具有外部效度；2SDR 修复任意 missingness；shadow variable 已证明是 mechanism；或 real datasets 给出了 individual truth。

更安全的 P20 句子是：“mechanism-preservation claim 只对已声明 target-world relation 成立；若 separating information 不完整且 shadow assumptions 未通过，我们把 effect transport 标为 unresolved。”

当前 Portfolio WIP 是 P23 delivery + P20 research。H2 同时服务两者但不制造第三条 WIP：对 P23，它限制从现有 benchmarks/RCT 向新 population 的表述；对 P20，它提供 target-world、measurement pattern、assumption status 与 decision delta 四个可复用字段。

它还校正 Scout 首页：旧页面仍以 P01/P17/P20 为主，未吸收 HCGM-CE package preflight。加入 H2 后，Scout 不再只问“哪篇论文像 DiscoSCM”，而会问“我们的 evidence 到底在哪个 population 有效”。

先读摘要和 Figure 1，画出 RCT、target、common/partial covariates；再读 Definition 2.1 与 TATE；随后读 Assumptions 3.1/3.2 和 Theorem 3.3，逐条写可观测/不可观测；再读 Figure 3 的 2SDR flow；最后读 Tables 1--2 与 assumption-violation appendix。不要先看最低 MAE，再回头补 assumptions。

第二遍只沿一条信息流：\(X_m\) 在哪份数据可见，\(Z\) 提供什么信息，selection score 如何恢复，最终怎样进入 TATE。第三遍再看 double robustness，明确它保护的是哪些 nuisance components；这样不会把 two-stage 误解成普通 imputation pipeline。

最后把 main-text results 与 violation appendix 并排读：前者回答“假设成立时能做什么”，后者回答“假设漂移时怎样诚实降级”。

若为 P20 工作，再把 Figure 1 重画成 source world -> observed bridge -> target world -> decision，并在每条边上标 assumption 与 evidence。若为 P23 工作，则只追 WAWS/IHDP 的 population boundary，避免提前展开 2SDR implementation。

• Official PMLR page: https://proceedings.mlr.press/v267/li25cr.html
• Official paper PDF: https://raw.githubusercontent.com/mlresearch/v267/main/assets/li25cr/li25cr.pdf
• Official PMLR volume: https://proceedings.mlr.press/v267/
• Public projection: https://wehub.us/gong/10-paper-portfolio/causality-scout/paper-digests/h2-rct-target-generalization/

官方页面提供 citation metadata、paper 与 OpenReview 入口；本页只使用 official PDF 的 assumptions、theorems、tables 与 appendix。

本页是来源核验后的研究导读，不是 2SDR reproduction。表格数字只在原论文 DGP/reference construction 下成立；进入 P20/P23 prose 前需要逐条保留 estimand、assumptions 与 truth boundary。