Dossier de preuve de méthode

Targeted Maximum Likelihood Estimation

Targeted Maximum Likelihood Estimation (TMLE) is a semiparametric, doubly robust causal inference method introduced by Mark van der Laan and Daniel Rubin in 2006. It combines flexible machine learning models for both the outcome and the treatment assignment mechanism, then applies a targeting step that re-fits the initial outcome model specifically to reduce bias for a pre-specified causal estimand such as the average treatment effect. TMLE is widely used in epidemiology, biostatistics, and health economics when estimating causal effects from observational data.

Sources recorded, not reviewed

Dossier source

Citations copiées telles quelles du dossier source de la méthode. Aucune vérification au niveau de la revendication n'en est déduite.

Targeted Maximum Likelihood Estimation (TMLE)

Dossier de méthode taxonomique · ml-model / causal-inference

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

Ouvrir la méthode complète

Revendications organisées

Revendications enregistrées dans le registre de preuves, chacune avec sa propre évaluation.

Pas encore de revendications organisées

Cette vue n'invente pas d'évaluation de revendication lorsque le registre n'en contient aucune.

Méthodes apparentées

Généré à partir du graphe de méthodes et présenté comme des relations suggérées par la machine — aucune revendication de preuve n'est déduite.

Taxonomic bucketDouble Machine Learningmachine-suggested · Relational suggestion, not evidence.Used in the same domainDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Used in the same domainInverse Probability Weightingmachine-suggested · Relational suggestion, not evidence.