一项药物试验主要招到年轻患者，现实中用药的却有不少老人。即使试验本身可靠，平均疗效也不能直接照搬。RiCOT要解决的正是这种“人群错位”：它用最优传输——按年龄、病史等治疗前特征，把试验样本与真实人群做整体匹配——来外推治疗效果。
论文最关键的发现是，直接使用带正则化的最优传输会留下系统偏差；样本再多，这个偏差也不会自行消失。作者因此加入Riesz校准：要求加权后的试验样本，在一组协变量函数上的平均值与目标人群一致。随着校准函数逐渐丰富，这些权重可逼近目标人群与试验人群的密度比，同时无需把熵正则和样本放松参数压到零。
RiCOT再把校准权重与结果回归结合，作者证明其具有“双重稳健性”——权重模型或结果模型有一个正确，估计仍可成立——并可直接用影响函数估计方差，无需反复重跑最优传输。模拟显示其在重叠不足和模型错设时偏差较低，但摘要未披露具体数值。