本論文では、時間変動のある設定での異質な治療効果（HTE）の推定の難しさに対処する新たなオーバーラップ加重直交メタ学習器（WOメタ学習器）を提案します。治療シーケンスの観察確率が予測期間の延長と共に減少するため、観察データには治療シーケンスに対する支持が少なく、重複問題が発生します。現行のメタ学習器は治療の重なりの十分さを前提としているため、重なりが低いと推定の分散が増加する問題があります。新しいWOメタ学習器は、観察データ内の治療シーケンスを受ける確率が高い領域をターゲットにし、安定性を向上させ、より信頼性の高いHTEの推定を可能にします。さらに、この学習器はモデルに依存せず、様々な機械学習モデルに適用可能です。実験結果から、この学習器の利点が確認されています。