Modèle structurel marginal augmenté par apprentissage automatique (ML-MSM)

Le modèle structurel marginal augmenté par apprentissage automatique combine la rigueur causale du cadre MSM de Robins et al. avec des algorithmes d'apprentissage automatique (ML) flexibles et adaptatifs aux données pour estimer les scores de propension et les modèles de résultats. En remplaçant les modèles de nuisance paramétriques par des apprenants d'ensemble ou des réseaux neuronaux, les ML-MSM retrouvent des estimations causales valides sous confusion sans dépendre de formes paramétriques correctement spécifiées.