본 논문은 환자 아집단에서 바람직하지 않은 건강 결과를 유발하거나 예방하는 요인을 이해하는 것이 표적 중재를 설계하는 데 필수적이라는 점을 강조합니다. 무작위 대조 시험 및 전문가 주도 환자 인터뷰와 같은 기존 방법의 시간 소모성과 비실현성을 극복하기 위해, 관찰 데이터에서 인과 관계 가설을 생성하는 인과 발견 방법을 제안합니다. 기존 인과 발견 방법의 강력하거나 검증 불가능한 가정에 대한 의존성 문제를 해결하고자, 다중 가정을 고려하고 이질적인 효과를 식별하는 새로운 종단형 프레임워크를 제시합니다. 이 프레임워크는 다양한 인과 발견 알고리즘의 앙상블과 이질적 효과 추정을 통합하여 결과를 유발하거나 억제하는 원인과 효과 수정자를 발견합니다. 당뇨병 환자의 응급실 재방문 및 중환자실 환자의 재입원 원인을 분석하는 실험을 통해, 제안된 프레임워크의 강력함과 실용성을 입증합니다. 기존 문헌과 일치하는 인과 가설을 생성하여 실무자들이 잠재적 중재 및 집중해야 할 환자 아집단을 식별하는 데 도움을 줄 수 있습니다.
