Methodenbewijsdossier

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

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Targeted Maximum Likelihood Estimation (TMLE)

Taxonomisch methodendossier · 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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

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.