Daudzperiodu apgrieztā varbūtības svēršana
Daudzperiodu apgrieztā varbūtības svēršana (IPW) novērtē ārstēšanas cēloņsakarīgo ietekmi, kas mainās vairākos laika periodos, pārsverot novērojumus atbilstoši varbūtībai saņemt katra perioda ārstēšanu, ņemot vērā iepriekšējo ārstēšanas vēsturi un laika gaitā mainīgos jaucējfaktorus. Tā rada pseidopopulāciju, kurā ārstēšana katrā periodā ir neatkarīga no izmērītajiem jaucējfaktoriem, nodrošinot neobjektīvu ilgtspējīgu ārstēšanas stratēģiju novērtējumu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Hernan, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman and Hall/CRC. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-period Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/multi-period-inverse-probability-weighting
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Divkārši robusta novērtēšana (AIPW)Cēloņsakarību secināšana↔ salīdzināt
- Dinamiskā apgrieztā varbūtības svēršanaCēloņsakarību secināšana↔ salīdzināt
- Apgrieztā varbūtības svēršana (IPW / IPTW)Cēloņsakarību secināšana↔ salīdzināt
- Marginal Structural Model (MSM)Cēloņsakarību secināšana↔ salīdzināt
- Panel Data Inverse Probability WeightingCēloņsakarību secināšana↔ salīdzināt
- Aproksimēta novērtēšana (PSW / IPW)Cēloņsakarību secināšana↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →