本研究探讨了如何从观察数据中准确估计异质治疗效果，特别是文本中的混杂因素。实验表明，预训练文本表示显著改善了CATE估计，但文本嵌入的复杂性限制了模型表现，显示了因果推断的潜力与研究空间。

在精准医学时代，观察性研究在评估新治疗方法中起重要作用。研究提出了一种利用随机试验来量化未观察到的混杂因素的策略，并设计了统计检验来检测其强度。评估结果表明该方法有效，并可用于现实世界中的混杂因素识别。

在精准医学时代，观察性研究在评估新治疗方法中起重要作用。研究提出了一种利用随机试验来量化未观察到的混杂因素的策略，并设计了统计检验来检测其强度。评估结果显示该方法有效，并可用于现实世界中的混杂因素识别。