Wie unterschiedlich Patient:innen auf dieselbe Behandlung reagieren, ist eine zentrale Frage für eine zielgerichtete und effiziente Gesundheitsversorgung. In einem aktuellen Übersichtsartikel analysieren Forschende der Universität Hamburg und der Universität Siegen systematisch, wie Machine-Learning-Methoden genutzt werden, um heterogene Behandlungseffekte (Heterogeneous Treatment Effects, HTEs) auf Basis von Real-World-Daten zu schätzen.
