Modelo Estrutural Marginal Aumentado por Aprendizado de Máquina (ML-MSM)

O modelo estrutural marginal aumentado por aprendizado de máquina combina o rigor causal da estrutura MSM de Robins et al. com algoritmos de ML flexíveis e adaptativos aos dados para estimar escores de propensão e modelos de desfecho. Ao substituir modelos de nuisance paramétricos por aprendizes de conjunto (ensemble learners) ou redes neurais, os ML-MSMs recuperam estimativas causais válidas sob confundimento, sem depender de formas paramétricas corretamente especificadas.