medoutcon: मशीन लर्निंग के साथ R में गैर-परिमाणात्मक कुशल कारण मध्यस्थता विश्लेषण

विज्ञान सामान्यतः तंत्र के सवालों से संबंधित होता है। अनेक अनुप्रयोगों में, एक विशेष पथ के माध्यम से परिणाम पर एक एक्सपोजर के कारण प्रभाव का केवल एक हिस्से में रुचि होती है। ऐसे पथ-विशिष्ट, या मध्यस्थता, प्रभावों का अध्ययन एक समृद्ध इतिहास रखता है, जो कि पहला बार वैज्ञानिक तरीके से प्रारंभ किया गया था। आज, ऐसे प्रभावों का अध्ययन सांख्यिकी और कारण निष्कर्षण में काफी ध्यान आकर्षित कर रहा है, जो महामारी विज्ञान और टीकाकरण से मनोविज्ञान और अर्थशास्त्र तक के अनुशासनों में अनुप्रयोगों द्वारा प्रेरित किया गया है। उदाहरणों में उन जैविक तंत्रों को समझना शामिल है जिनके द्वारा टीके संभावित संक्रमण जोखिम को कारण बनाते हैं (Benkeser et al., 2021)। medoutcon R पैकेज प्रत्येक अनुशासन में शोधकर्ताओं को आवश्यक उपकरण प्रदान करता है, जैसे कि हस्तक्षेपात्मक सीधा और अप्रत्यक्ष प्रभावों के सांख्यिकीय रूप से कुशल अनुमान लगाने के लिए (Dz et al., 2020) (संक्षेप के लिए, आगे (in)direct प्रभाव), जो हाल ही में परिभाषित किया गया एक सेट है। जो एक्सपोजर द्वारा मध्यस्थ-परिणाम संबंध के कारण होने वाले भ्रम की उपस्थिति के प्रति मजबूत है। जब ऐसे भ्रम का कोई मुद्दा नहीं होता है, तब हस्तक्षेपात्मक (in)direct प्रभाव आसानी से मशीन लर्निंग के उपयोग को नायसेंस पैरामीटर के अनुमान में समाहित करते हैं (sl3 R पैकेज (Coyle, Hejazi, Malenica, Phillips, & Sofrygin, 2021) के साथ एकीकरण के माध्यम से) tlverse पारिस्थितिकी तंत्र (van der Laan et al., 2022) में। medoutcon अत्याधुनिक गैर/सेमी-परिमाणात्मक अनुमान तकनीकों को शामिल करता है, जो कई सेटिंग्स में उनके अपनाने को सुविधाजनक बनाता है।