Machine Learning-Aangevulde Inverse Waarschijnlijkheidsweging (ML-IPW)

Machine learning-augmented inverse probability weighting vervangt parametrische logistische regressie door flexibele ML-algoritmes om propensity scores voor behandeling te schatten, en herweegt vervolgens de steekproef om behandelde en controlegroepen in evenwicht te brengen. Door gebruik te maken van data-adaptieve leermethoden zoals lasso, random forests of gradient boosting, controleert ML-IPW voor hoogdimensionale en niet-lineaire confounders die klassieke IPW mist, terwijl het intuïtieve weegkader behouden blijft.