Understanding and diagnosing the potential for bias when using machine learning methods with doubly robust causal estimators. | Stat Methods Med Res;28(6): 1637-1650, 2019 06. | MEDLINE

Contenido principal 1 Búsqueda 2 Pie de página 3

+A A -A Alto contraste

Understanding and diagnosing the potential for bias when using machine learning methods with doubly robust causal estimators.

Bahamyirou, Asma; Blais, Lucie; Forget, Amélie; Schnitzer, Mireille E.

Afiliación

Bahamyirou A; 1 Faculté de pharmacie, Université de Montréal, Montréal, Canada.
Blais L; 1 Faculté de pharmacie, Université de Montréal, Montréal, Canada.
Forget A; 1 Faculté de pharmacie, Université de Montréal, Montréal, Canada.
Schnitzer ME; 2 Research Center, Hôpital du sacré-coeur de, Montréal, Canada.

Stat Methods Med Res ; 28(6): 1637-1650, 2019 06.

Article en En | MEDLINE | ID: mdl-29717941

Asunto(s)

Sesgo; Aprendizaje Automático; Causalidad; Humanos; Modelos Estadísticos; Probabilidad; Puntaje de Propensión

Palabras clave

Causal inference; IPTW; TMLE; doubly robust; positivity; super learner

Añadir a Mi BVS

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Sesgo / Aprendizaje Automático Tipo de estudio: Diagnostic_studies / Prognostic_studies / Risk_factors_studies Límite: Humans Idioma: En Revista: Stat Methods Med Res Año: 2019 Tipo del documento: Article País de afiliación: Canadá

Añadir a Mi BVS

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Sesgo / Aprendizaje Automático Tipo de estudio: Diagnostic_studies / Prognostic_studies / Risk_factors_studies Límite: Humans Idioma: En Revista: Stat Methods Med Res Año: 2019 Tipo del documento: Article País de afiliación: Canadá