Στοχευόμενη Εκτίμηση Μέγιστης Πιθανοφάνειας (TMLE)
Η Στοχευόμενη Εκτίμηση Μέγιστης Πιθανοφάνειας (TMLE) είναι μια ημιπαραμετρική, διπλά εύρωστη μέθοδος αιτιακής συμπερασματολογίας που εισήχθη από τους Mark van der Laan και Daniel Rubin το 2006. Συνδυάζει ευέλικτα μοντέλα μηχανικής μάθησης τόσο για το αποτέλεσμα όσο και για τον μηχανισμό ανάθεσης της θεραπείας, στη συνέχεια εφαρμόζει ένα βήμα στόχευσης που επαναπροσαρμόζει το αρχικό μοντέλο του αποτελέσματος ειδικά για τη μείωση της μεροληψίας για έναν προκαθορισμένο αιτιακό εκτιμητή, όπως η μέση επίδραση της θεραπείας. Η TMLE χρησιμοποιείται ευρέως στην επιδημιολογία, τη βιοστατιστική και την οικονομία της υγείας κατά την εκτίμηση αιτιακών επιδράσεων από παρατηρησιακά δεδομένα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/el/causal-inference/targeted-maximum-likelihood
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Διπλή Μηχανική ΜάθησηΑιτιακή Συμπερασματολογία↔ compare
- Εκτίμηση Διπλής Ευστάθειας (AIPW)Αιτιακή Συμπερασματολογία↔ compare
- Αντίστροφη Πιθανότητα Στάθμισης Θεραπείας (IPW / IPTW)Αιτιακή Συμπερασματολογία↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →