用于含不依从集群随机试验直接与溢出效应的贝叶斯机器学习方法

研究人员提出一种用于在存在治疗不依从的集群随机试验中估计直接效应与溢出效应的贝叶斯机器学习方法。该方法结合贝叶斯加性回归树与集群级随机效应，并在贝叶斯 g-computation 框架下引入同伴治疗 clever covariate，以减少正规化对效应分解的失真。模拟实验显示该方法在模型设定错误时偏差更低，在肯尼亚小学驱虫项目应用中估算出个人治疗比同伴接受治疗的贡献更大。