Estimation ciblée du maximum de vraisemblance (TMLE)
L'estimation ciblée du maximum de vraisemblance (TMLE) est une méthode d'inférence causale semi-paramétrique et doublement robuste introduite par Mark van der Laan et Daniel Rubin en 2006. Elle combine des modèles d'apprentissage automatique flexibles pour le résultat et le mécanisme d'attribution du traitement, puis applique une étape de ciblage qui réajuste le modèle de résultat initial spécifiquement pour réduire le biais pour un estimand causal prédéfini, tel que l'effet moyen du traitement. La TMLE est largement utilisée en épidémiologie, en biostatistique et en économie de la santé pour estimer les effets causaux à partir de données observationnelles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/fr/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.
- Apprentissage automatique doubleInférence causale↔ compare
- Estimation doublement robuste (AIPW)Inférence causale↔ compare
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →