Dynamic Inverse Probability Weighting
Dynamic Inverse Probability Weighting (Dynamic IPW) estimates the causal effect of a time-varying treatment sequence by reweighting observed data to mimic a hypothetical randomised trial. Developed by Robins and colleagues in the context of marginal structural models, it handles the challenge that in longitudinal settings, past treatment affects future covariates, which in turn affect future treatment — a feedback loop that standard regression cannot untangle.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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 & Hall/CRC. · URL
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.