多家医院想知道一种治疗为何影响患者的生存或持续用药，却常卡在数据不能集中。比如，研究者想判断治疗是否先改变合并用药，再影响治疗持续时间。新论文提出一套联邦因果中介分析框架：算法在各机构本地运行，只交换汇总信息，用于分析带有右删失的生存结局——即随访结束时，部分人的目标事件尚未发生。
最有意思的一步，是把不同机构两两配对：从一家学习“治疗如何影响中介变量”，从另一家学习“中介变量如何影响结局”，再把结果换算到预先指定的目标人群。由此产生的一组估计，还能把机构间差异拆成中介机制、结局机制及两者交互三部分，帮助研究者发现哪些环节可能无法跨机构直接迁移。作者还给出联邦 one-step 与 TMLE 估计方法，并用法国国家健康数据系统示范甲氨蝶呤合并用药是否解释两类银屑病疗法的治疗持续性差异。
边界也很明确：自然间接效应依赖较强的无混杂与可迁移性假设；这里的“隐私保护”仅指个体记录留在本地，并不提供正式的差分隐私保证。