倾向评分加权算出两个效应，ATE与ATT究竟代表谁？

研究者在同一观察性队列上做倾向评分加权，得到ATE接近零、ATT却为正。稿件若解释为“治疗对一部分人有效，对另一部分无效”，已经跨过了数据能直接支持的范围。两个数字首先在回答不同的反事实问题；目标人群、加权方式和可比性都不相同。投稿前应把这三层关系写在结果解释之前。

动笔写权重公式之前，先回答一句：这个效应要代表谁？在常见二元治疗设定中，在常见二元治疗设定中，ATE面向研究定义的合格总体，ATT面向其中已接受治疗的人。前者问如果这个总体都接受治疗，与都不接受相比平均怎样；后者问已经接受治疗的这些人，若未接受会怎样。即使两者来自同一份原始数据，它们也不是对同一个总体重复测算。若处理选择与预后有关，效应又随人群特征变化，两个估计不同并不意外。

方法段要让读者看得出是哪套权重。以倾向评分表示在协变量条件下接受治疗的估计概率，常见ATE逆概率权重分别使用该概率及其补数的倒数；常见ATT方案让已治疗者保留权重一，并按倾向评分赔率给未治疗者加权。这只是常用构造，稳定化、截断或其他权重另有定义，不宜只写“采用IPTW”。应列出倾向评分模型的基线变量、权重公式、估计程序，以及方差或置信区间如何取得。

接着检查能否比较。某些已治疗者几乎找不到相似的未治疗者，或者合格总体有一部分特征区间只有单侧处理，此时权重可能很大。说明倾向评分分布、共同支持、极端权重和任何截断规则。截掉哪些对象、保留哪些对象，会改变结果代表谁，不能在正文仍声称覆盖最初整个总体。邻近的极端权重问题值得单独诊断，但这里更要把诊断结果接回估计目标。

加权后的基线协变量平衡也应分别对所报告的目标检查。不能用一张未加权表替代，更不能因倾向评分模型的拟合指标漂亮就断言混杂已消除。平衡好只表示纳入的已测变量在权重下更接近；未测混杂、变量测量错误和治疗后变量误入模型仍可能破坏解释。若ATE、ATT都报告，应说明它们是预先计划还是探索性追加，并分别展示关键诊断。

结果句可以写成“在所定义的合格总体中，ATE估计为……；在已治疗者中，ATT估计为……”，随后给出效应量和不确定性区间。不要把数值较大的ATT称为“疗效更强”而不讨论目标人群差别，也不要把两个区间是否重叠当作效应异质性的正式检验。若真正要比较亚组疗效，需要与研究问题相配的设计和分析。

交稿前将题目、摘要、方法、表格脚注与讨论中的“人群”逐处圈出。方法里写的是已治疗者，摘要却称“所有患者”，读者会误读外推范围。最好的修订不是多放一个缩写表，而是使每个数字后面都有清楚的人群、权重与诊断依据。

参考信息：Austin与Stuart《Moving towards best practice when using inverse probability of treatment weighting》。