6月11日，哈佛大学段芮教授应邀莅临上海交通大学医学院临床医学研究院并做题为“Collaborative Statistical Inference for Treatment Effects Across Diverse Populations”的学术报告，吸引了众多临床研究、生物统计、数据科学等领域的参会人员。
随着电子健康记录（EHR）在临床研究中的广泛应用，如何利用多中心数据开展协同分析，同时保护患者隐私、克服数据异质性，成为真实世界证据生成的关键挑战。段教授指出，OHDSI、PCORnet、FDA Sentinel等分布式研究网络虽然极大促进了研究的可推广性与罕见疾病研究效率，但数据分布差异（如协变量、治疗分配机制及结局模型的不同）严重威胁着统计推断的有效性。
段教授的报告聚焦真实世界数据中的联邦因果推断，系统介绍了其课题组两大核心方法FACE与ECO‑ATE，它们基于跨站点异质性的不同但具有实际动机的假设，通过通信高效且理论严谨的方法来应对上述挑战。段教授指出，FACE与ECO‑ATE构成了一个互补的方法工具箱。当部分源站点质量可控时，FACE提供稳健增益；当所有源站点均可能存在模型偏移时，ECO‑ATE则通过更一般的异构模型提供保护。两者均仅需1‑2轮汇总统计交换，不依赖个体级数据共享，充分满足隐私与法规约束，适用于大规模多中心观察性研究。报告中，段教授还展示了基于大规模电子健康记录数据的真实世界应用，包括对药物和疫苗有效性及相关风险的比较分析。
会后，参会者就高维协变量下的计算稳定性等实际问题与段教授进行了深入交流。段教授的报告充分展示了在异质性条件下进行联邦因果推断的灵活且可扩展的策略，在医疗健康记其他领域的多站点观察性研究中具有广泛应用前景。
