本文提出了一种新颖的联合方法，通过多中心数据实现有效的因果推断。该方法结合隐私保护的鲁棒估计和迁移学习，优化协变量平衡，展示了在有限样本情况下的效率和鲁棒性优势。通过新的加权方案和算法，能够更准确地估计因果效应，并应用于比较治疗方法的效果。

该文介绍了一种基于多中心数据的新颖联合方法，能够实现针对目标人群的有效因果推断。该方法通过多重鲁棒的针对隐私保护的烦扰函数估计方法，对各个中心之间的协变量偏移和不匹配进行了调整，并融合了迁移学习。

该文提出了一种基于多中心数据的新颖联合方法，实现针对目标人群的有效因果推断。该方法通过多重鲁棒的烦扰函数估计方法，对各个中心之间的协变量偏移和不匹配进行了调整，并融合了迁移学习。相比现有方法，该方法在有限样本情况下具有效率和鲁棒性优势。