Segmentation analysis and the recovery of queuing parameters via the Wasserstein distance: a study of administrative data for patients with chronic obstructive pulmonary disease
这项工作使用数据驱动的方法来分析慢性阻塞性肺疾病(COPD)患者的资源需求如何变化,量化这些变化如何影响与患者互动的医院系统。这种方法是由一种新颖的组合,往往不同的分析模式:分割,操作排队论,并从不完整的数据恢复参数。通过结合本文所述的这些方法,这项工作表明可以克服细粒度数据可用性的潜在限制。因此,尽管只使用行政数据,也能找到有用的业务结果。本文首先找到一个有用的聚类的人口从这个粒状数据,饲料到多类M/M/C模型,其参数从数据中恢复通过参数化和瓦瑟斯坦距离。然后,该模型用于通过几个假设情景对潜在的排队系统和研究中的人口需求进行信息分析。用于形成和研究该模型的分析实际上考虑了所有类型的患者到达以及这些类型如何影响系统。因此,这项研究发现,没有快速的解决方案来减少COPD患者对系统的影响,包括增加系统的容量。在这项分析中,减少COPD患者造成的压力的唯一有效干预措施是制定外部政策,在COPD患者到达医院之前直接改善他们的整体健康状况。
2020-08-14 stat.AP stat.ML
A Generalized Epidemiological Model for COVID-19 with Dynamic and Asymptomatic Population
在本文中,我们开发了一个扩展的标准流行病学模型,适用于COVID-19。这一扩展包括由于症状前或无症状的病毒携带者造成的传播。此外,这一模型还反映了由于人员往来于一个国家内不同行政边界而造成的疾病传播。该模型描述了由于(初期)人类传播和多个隔间的伴随影响,确诊病例数量的概率上升。模型中的相关参数可帮助设计公共卫生政策和大流行病的业务管理。例如,该模型表明,增加对有症状患者的检测对大流行的进展没有任何重大影响,但无症状人群的检测率发挥着极其关键的作用。该模型是使用获得的数据在印度共和国的恰蒂斯加尔邦。该模型被证明有显着更好的预测能力比其他流行病学模型。这种模式可以很容易地应用于任何行政边界(州或国家)。此外,该模型也适用于任何其他流行病。
2020-11-19 physics.soc-ph q-bio.PE stat.AP
Statistical Challenges in Analyzing Migrant Backgrounds Among University Students: a Case Study from Italy
本研究针对意大利高校移民背景学生数据记录不一致的问题,结合行政记录与定向调查提出识别方法,对比logistic回归与随机森林模型预测移民身份,构建扩充数据集并发现调查存在选择偏差。
2025-01-10 stat.AP
Settlement Mapping for Population Density Modelling in Disease Risk Spatial Analysis
本研究针对疾病风险空间分析中人口密度建模过于简化的问题,提出使用聚落制图替代行政区域面积,以印尼结核病数据验证,发现聚落密度相关性更强,建议推广使用。
2024-03-19 q-bio.PE q-bio.QM stat.AP
Spatial Aggregation with Respect to a Population Distribution
相对于总体分布的空间聚集涉及基于子总体中的个体的观察来估计总体的聚集量。在这方面,地统计工作流程必须考虑“汇总误差”的三个主要来源:汇总权重、精细尺度变化和有限总体变化。然而,通常的做法是将未知的总体分布视为已知的人口密度,而忽略结果的经验变异性。我们通过引入一个“抽样框模型”来改进常见的做法,该模型允许聚合模型简单而透明地考虑聚合误差的三个来源。我们使用两个模拟研究来比较所提出的方法和传统方法,模拟来自2014年肯尼亚人口与健康调查(KDHS 2014)的新生儿死亡率(NMR)数据。对于传统的方法,欠覆盖/过覆盖任意地依赖于聚合网格的分辨率,而新的方法表现出较低的灵敏度。随着一个地区人口的减少,两种汇总方法之间的差异也会增加。在第二个行政级别和更精细的级别上,差异很大,但在第一个行政级别上,某些人口数量也存在差异。我们发现所提出的方法和传统方法之间的差异与我们在KDHS 2014的NMR数据应用中观察到的差异是一致的。
2022-07-14 stat.AP stat.ME
A Feasibility Study of Differentially Private Summary Statistics and Regression Analyses with Evaluations on Administrative and Survey Data
本文研究了差分隐私方法在行政和调查数据查询中的可行性,对现有DP回归方法进行了改进以支持新数据类型和标准误估计,发现DP方法适用于简单单变量统计,但在准确估计回归和置信区间上存在困难。
2023-06-30 stat.AP
Synthesizing geocodes to facilitate access to detailed geographical information in large scale administrative data
我们调查生成合成数据是否可以为外部研究人员提供访问详细地理编码信息的可行策略,而不会影响数据库中包含的单位的机密性。我们的工作受到德国就业研究所(IAB)最近一个项目的启发,该项目将精确的地理编码与综合就业传记(IEB)联系起来,IEB是一个包含数百万条记录的大型行政数据库。我们评估了三个合成器的性能,在保持分析有效性和限制披露风险之间的权衡:一个合成器采用狄利克雷过程混合物的产品的多项式(DPMPM),而其他两个使用不同版本的分类和回归树(CART)。在保持分析有效性方面,我们提出的基于分类CART模型的地理编码合成策略优于其他两个。如果由分类CART合成器生成的合成数据的风险被认为太高,我们证明,合成额外的变量是解决风险效用权衡在实践中的首选策略,相比限制回归树的大小或依赖于仅在聚合水平上提供地理信息的策略。我们还提出了战略,使合成器可扩展的大文件,目前的分析有效性措施和披露风险措施所产生的数据,并提供一般建议,统计机构考虑合成数据的方法传播详细的地理信息。
2020-08-21 stat.AP stat.ME
On provision of UK neighbourhood population statistics beyond 2021
2021年人口普查很可能是英国最后一次此类普查。为提供2021年以后的人口统计数据,目前设想的基本计划是通过持续覆盖调查补充现有的行政数据,这相当于每年约50万个地址的样本量,但方法的细节尚未确定。与此同时,国家统计局正在寻求替代方法,以更多地利用相关的行政数据。本报告概述了2021年以后提供联合王国邻里人口统计的滚动方法的基本思路,从为官方统计系统建立可持续未来的广泛角度出发,这种方法反应更快,细节更丰富,长期成本效益回报更大。
2021-11-04 stat.AP stat.ME
Leveraging Auxiliary Information on Marginal Distributions in Nonignorable Models for Item and Unit Nonresponse
通常,政府机构和调查组织知道调查中某些变量的人口计数或百分比。这些数据可以从辅助来源获得,例如行政数据库或其他高质量调查。我们提出并说明了一个基于模型的框架,利用这种辅助边际信息时,处理单元和项目无响应。我们展示了如何可以使用的利润率来指定不同的缺失机制,每种类型的无反应。我们使用该框架来估算美国数据子集中选民投票率的缺失值。当前人口调查。在这样做的时候,我们研究结果的敏感性,不同的假设单位和项目无反应。
2020-11-10 stat.AP stat.ME stat.OT
Predicting COVID-19 Infections Using Multi-layer Centrality Measures in Population-scale Networks
本文利用荷兰超百万人的多层网络数据研究中心性度量能否预测 COVID-19 感染风险与时间,发现其在模拟模型中有效但与真实检测数据无关联。
2023-10-31 cs.SI physics.soc-ph stat.AP
A framework to determine micro-level population figures using spatially disaggregated population estimates
世界上大约一半的人口已经生活在城市地区。据预测,到2050年,约70%的世界人口将居住在城市。除此之外,大多数发展中国家没有可靠的人口普查数字,定期人口普查的资源极其昂贵。例如,在非洲人口最多的国家尼日利亚,上一次十年一次的人口普查是在2006年进行的。地方一级近乎准确的人口数字对于政府机构和非政府组织的广泛应用,包括规划和提供服务、估计面临危险或传染病风险的人口以及救灾行动,其相关性怎么强调都不为过。这项研究利用全球资源信息数据库3(地理参考基础设施和人口数据促进发展)高分辨率空间分列人口数据估计数,提出了一个框架,用于在较大的地理管辖范围内汇总微观层面的人口数字。Python、QGIS和机器学习技术用于数据可视化、空间分析和分区统计。尼日利亚拉各斯岛被用作案例研究,以说明如何在最低行政管辖区获得更准确的人口估计数,并消除计算中的对立参数所造成的模糊性。我们还展示了如何将该框架用作评估城市基本服务(如医疗保健、住房、卫生设施、教育、水等)承载能力的基准。拟议的框架将有助于城市规划者和政府机构使用更准确的数据更好地规划和管理城市。
2022-12-20 stat.AP stat.ME stat.OT
High-resolution estimates of the foreign-born population and international migration for the United States
对移徙存量和流动的详细估计为了解人口动态以及影响移徙的经济和政治变化的影响提供了证据。使用2000年十年一度的人口普查和2001-2016年美国社区调查(ACS)的数据,这项研究得出了2000-2018年期间居住在美国的外国出生人口的高度分类估计,以及每年外国出生的ACS人口入境作为移民量的衡量标准。这些估计数来自证据合成,将汇总调查数据与原始调查估计数中潜在偏差的辅助数据和影响外国出生人口的其他趋势相结合。对于单个人口阶层(按当前年龄、入境年份、原籍国和日历年定义),使用调查数据进行的直接估计可能具有很大的抽样不确定性。通过施加逻辑和概率限制,将调查年份的数据汇总,以得出更精确的估计数。对人口统计信息的应答者误报和ACS中外国出生人口的少计进行了纠正。本文描述了用于建模人口变化的统计方法,通过样本内和样本外预测性能证明了该方法的有效性,提供了人口估计值,并强调了潜在的应用。
2019-06-04 stat.AP
Using auxiliary marginal distributions in imputations for nonresponse while accounting for survey weights, with application to estimating voter turnout
当前人口调查是研究谁在选举中投票的黄金标准数据来源。然而,它遭受潜在的不可解释的单位和项目无反应。幸运的是,在选举之后,选民的总人数是从行政来源得知的,可以用来调整潜在的无反应偏见。我们提出了一个基于模型的方法,利用这个已知的选民投票率,以及其他人口边缘分布的人口统计变量,在多重插补的单位和项目无应答。在这样做时,我们确保插补产生基于设计的估计值,该估计值在已知界值的情况下是合理的。我们引入并利用一个混合缺失模型,包括一个模式混合模型单元无反应和选择模型项目无反应。通过仿真研究,我们说明了重复采样的缺失机制的不同假设下的模型的性能。我们应用该模型,使用2018年北卡罗来纳州当前人口调查的子组来检查选民投票率。作为一项敏感性分析,我们研究了当我们允许过度报告时结果如何变化,即,个人自我报告说他们投票了,而事实上他们没有投票。
2022-09-14 stat.AP stat.ME
Diabetes Mellitus Forecasting Using Population Health Data in Ontario, Canada
Layer 6 AI;University of Toronto(多伦多大学)
利用健康管理数据(HAD)数据集来预测包括糖尿病在内的慢性疾病的风险最近在机器学习社区中获得了很多关注。在本文中,我们使用了加拿大安大略省最大的患者健康记录数据集。该数据库由临床评估科学研究所(ICES)提供,年龄,性别和种族多样。数据集包括人口统计学、实验室测量、药物益处、医疗保健系统交互、门诊和住院记录。我们使用这些数据进行了第一次大规模的机器学习研究之一,以研究预测未来1-10年糖尿病的任务,这不需要对个体进行额外的筛选。在最佳设置中,我们使用所有数据集,在5年的观察窗口上训练了一个单一模型,并使用一年的缓冲区,达到了80.3的测试AUC。仅前15个特征的子集(总共963个)可以提供79.1的测试AUC。在本文中,我们提供了广泛的机器学习模型性能和特征贡献分析,这使我们能够缩小到对糖尿病预测有用的最重要的特征。例子包括慢性疾病,如哮喘和高血压,实验室结果,保险索赔中的诊断代码,年龄和地理信息。
2019-04-08 cs.LG stat.AP
Some are observed, all leave traces: whole-population modeling of French elite civil servants' career paths
Harvard University(哈佛大学);Imperial College, London(伦敦帝国学院);CEREMADE, CNRS, Université Paris-Dauphine, Université PSL(CEREMADE,法国国家科学研究中心,巴黎第九大学,巴黎文理研究大学);DIENS, CNRS, École normale supérieure, Université PSL(DIENS,法国国家科学研究中心,巴黎高等师范学院,巴黎文理研究大学)
针对法国精英公务员公私部门职业路径数据缺失问题,本文提出结合两类数据源的贝叶斯二元马尔可夫切换全人群建模方法,验证了方法有效性并得到相关职业流动规律。
2025-11-13 stat.AP stat.ME
Estimation of the number of irregular foreigners in Poland using non-linear count regression models
种群规模估计需要获得单位级数据,以便正确应用捕获-再捕获方法。遗憾的是,出于保密的原因,对这些数据的获取可能受到限制。为了克服这个问题,我们应用并扩展了Zhang(2008)提出的分层泊松-伽马模型,该模型最初用于估计挪威非正常外国人的数量。该模式是现行捕获-再捕获办法的替代办法,因为它不需要连接多个来源,仅以汇总的行政数据为基础,其中包括:(1)被逮捕的非正常外国人人数;(2)面临刑事指控的外国人人数;(3)在中央人口登记处登记的外国人人数。该模型明确假定未经许可的人口和登记人口之间的关系,这是由这两个群体之间的相互联系所激发的。这使得估计有条件地依赖于正常人口的规模,提供了与注册人口类似的解释,并使估计的参数随时间推移更加稳定。在本文中,我们修改了原来的想法,允许协变量和灵活的计数分布,以估计2019年波兰的非正常外国人的数量。我们还提出了一个参数自助估计的标准误的估计。根据扩展模型,我们得出结论,截至2019年3月31日和2019年9月30日,约有15,000和20,000名外国人在没有有效许可证的情况下居住在波兰。这意味着被波兰边防军逮捕的人约占总数的15-20%。
2020-08-21 econ.GN q-fin.EC stat.AP
Approximate Bayesian inference for high-resolution spatial disaggregation using alternative data sources
Pennsylvania State University(宾夕法尼亚州立大学);Indian Institute of Technology Kanpur(坎普尔印度理工学院);Indian Institute of Human Settlements(印度人类定居点研究所)
针对细粒度空间人口数据获取难题,本文整合卫星替代数据源,提出半参数贝叶斯空间回归模型及基于max-and-smooth的近似推断方法,经班加罗尔案例和模拟验证有效,可推广至多学科计数型空间数据应用。
2024-07-15 stat.AP stat.ME
Register-based Census in Thailand: a Case Study in Chachoengsao Province
本文以泰国北柳府为例,探讨基于登记册的人口普查方法,比较不同概念框架与数据库数量,发现使用单一近期完整数据库更优,并给出实施建议。
2023-04-25 stat.AP stat.ME
Imputation of Nonignorable Missing Data in Surveys Using Auxiliary Margins Via Hot Deck and Sequential Imputation
本文针对调查数据中不可忽略的单元和项目无应答问题,提出两种对MD-AM框架的改进:用随机热卡插补替代联合模型设定,并用链式方程多重插补处理项目无应答,模拟和实证表明该方法比不利用辅助边际信息的模型估计更准确。
2024-06-07 stat.AP stat.ME
Identifying Linear Models in Multi-Resolution Population Data using Minimum Description Length Principle to Predict Household Income
Thailand’s National Electronics and Computer Technology Center (NECTEC)(泰国国家电子与计算机技术中心(NECTEC))
一件衬衫的尺寸不可能适合所有人,而由于资源的限制,我们无法制作出一件适合所有人的独特衬衫。这个比喻对于政策制定来说也是正确的。决策者不能制定一项单一的政策来解决所有地区的所有问题,因为每个地区都有自己独特的问题。在另一个极端,由于资源的限制,政策制定者也无法为每个小村庄制定政策。如果我们能找到一组最大的区域,使得该组中每个区域的人口都有共同的问题,我们可以为他们制定一个单一的政策,这会更好吗?在这项工作中,我们提出了一个框架,使用回归分析和最小描述长度(MDL),找到一组最大的领域,有共同的指标,可以用来有效地预测家庭收入。给定一组家庭特征和一个代表行政区划的多分辨率分区,我们的框架报告了一组C* 最大的细分,这些细分具有一个共同的人口收入预测模型。我们形式化的问题,找到C*,并提出的算法作为解决方案。我们使用模拟数据集以及泰国的人口家庭信息的真实世界的数据集,以证明我们的框架的性能和应用。结果表明,我们的框架性能优于基线方法。我们表明,我们的方法的结果可以用来找到在泰国的许多地区的收入预测指标。通过提高这些指标值,我们预计这些地区的人们将获得更多的收入。因此,政策制定者可以计划制定政策,使用这些指标在我们的结果作为指导方针,以解决低收入问题。我们的框架可用于支持决策者制定有关收入以外的任何其他因变量的政策,以消除贫困和其他问题。
2021-01-06 cs.CY cs.LG stat.AP