Предложен подход к цифровым двойникам, совмещающим механистическую модель с обученными компонентами по наблюдательным данным. Для длящихся стратегий лечения контрфактическое среднее разделяют на часть, поддержанную данными, и часть, где поддержки нет; на первой применяют кросс-подогнанный последовательный дважды робастный оценщик с двойником в роли модели исхода. Утверждается, что двойники с одинаковым качеством подгонки, расходящиеся как подстановочные оценки, согласуются после такой коррекции.
Разделяет вклад данных и допущений модели в выводе двойника, что критично для доверия к сценарным расчётам в чувствительных областях.
Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.
