Summarising mortality data with a time-dependent beta latent variable model
本文提出时间依赖的贝塔潜在变量模型,用于无需数据转换的死亡数据总结,通过自回归先验实现时间依赖性建模,展示模型在死亡概率数据上的有效性。
2026-03-27 stat.AP
Bayesian Poisson Regression and Tensor Train Decomposition Model for Learning Mortality Pattern Changes during COVID-19 Pandemic
提出融合Poisson回归与张量列分解的贝叶斯模型,分析意大利2015至2020年月度死因数据,揭示干预对死因别死亡率的差异影响及COVID-19与其他死因的潜在关联。
2023-07-11 stat.AP
Dynamic modeling of mortality via mixtures of skewed distribution functions
人们对预测死亡率越来越感兴趣。在这篇文章中,我们提出了一种新的动态贝叶斯方法建模和预测的死亡年龄分布,专注于一个狄拉克质量,高斯分布和斜正态分布的三个组成部分的混合物。根据指定的模型,死亡年龄分布的特征是通过与婴儿、成人和老年死亡率的主要方面相对应的七个参数来确定的。所提出的方法侧重于多个国家的连贯建模,并遵循贝叶斯方法进行推理,我们允许跨人群借用信息,并将参数缩小到一个共同的平均水平,隐含地惩罚不同的场景。跨年度的动态建模是通过一个层次的动态先验分布,可以描述每个死亡率组成部分的时间演变,并预测死亡年龄分布。多个国家的实证结果表明,所提出的方法优于流行的方法预测死亡率,提供了可解释的见解的死亡率的演变。
2021-12-17 stat.AP
Global Estimation of Neonatal Mortality using a Bayesian Hierarchical Splines Regression Model
近年来,监测儿童死亡率的重点主要是评估五岁以下儿童死亡率的变化。然而,随着五岁以下幼儿死亡率的下降,新生儿死亡率(第一个月内)的比例趋于上升,因此,除了五岁以下幼儿死亡率之外,还需要加强监测这一指标的努力。贝叶斯样条回归模型估计新生儿死亡率(NMR)的所有国家。在该模型中,对死亡率和五岁以下儿童死亡率之间的关系进行了评估,并用于提供估计数,而样条回归模型则用于掌握具体国家的趋势。因此,由此产生的死亡率估计数纳入了总体儿童死亡率的趋势,同时也捕捉了数据驱动的趋势。该模型使用联合国儿童死亡率估算机构间小组的数据库,对195个国家进行了拟合,产生了从1990年到2015年的估计数,如果有数据的话,估计数可以更早。结果表明,在全球一级,五岁以下幼儿死亡率超过每1 000名活产死亡34人,五岁以下幼儿死亡率每增加1%,五岁以下幼儿死亡率与五岁以下幼儿死亡率的比率就会下降0.6%。在五岁以下幼儿死亡率为每1 000名活产死亡34人以下的情况下,五岁以下幼儿的新生儿死亡率保持在54%左右,但是,五岁以下幼儿死亡率与死亡率之间的关系因国家而异。联合国儿童死亡率估算机构间小组现已采用这一模式。
2016-12-12 stat.AP
Joint Models for Cause-of-Death Mortality in Multiple Populations
我们共同研究了在多国环境中各种死因的特定死亡率的建模。我们应用多输出高斯过程(MOGP),一种空间机器学习方法,来平滑和外推多个国家和两种性别的多种死因死亡率。为了保持灵活性和可扩展性,我们研究了具有Kronecker结构内核和潜在因子的MOGP。特别是,我们开发了一个自定义的多层次MOGP,利用网格结构的死亡率表,有效地捕捉异质性和依赖性在不同的因素输入。结果与人类死因数据库(HCD)的数据集进行了说明。我们讨论了一个涉及三个欧洲国家癌症变异的案例研究,以及一项考虑了八个顶级原因并包括与全因分析比较的美国研究。我们的模型提供了对特定原因死亡率趋势的共性的见解,并展示了相应数据融合的机会。
2021-11-12 q-fin.ST stat.AP
Estimating maternal mortality using data from national civil registration vital statistics systems: A Bayesian hierarchical bivariate random walk model to estimate sensitivity and specificity of reporting
民事登记人口动态统计数据被用于编制国家孕产妇死亡率估计数,但由于对孕产妇死亡的错误分类,这些数据往往存在重大报告错误。可以通过比较基于民事登记和人口动态统计系统的孕产妇和非孕产妇死亡人数与从专门研究中获得的人数来评估民事登记和人口动态统计系统的准确性,专门研究是对特定国家时期孕产妇死亡率的严格评估。我们开发了贝叶斯双变量随机游动模型,以估计CRVS数据中孕产妇死亡率报告的敏感性和特异性,以及相关的CRVS调整因子。该模型适用于民事登记和人口动态统计的全球数据集和专门研究数据。验证工作表明,该模型在预测没有专门研究的国家时期基于CRVS的孕产妇死亡比例方面表现良好。联合国孕产妇死亡率机构间小组在使用民事登记和人口动态统计数据估计孕产妇死亡率时使用了新模型来解释错误分类错误。
2019-09-18 stat.AP
Excess deaths and Hurricane María
我们澄清了飓风玛丽亚等灾害的直接和间接影响之间的区别,并使用波多黎各生命统计系统的数据来估计2017年9月飓风袭击该岛后立即发生的每月超额死亡人数。我们使用贝叶斯线性回归模型拟合2010年至2016年的月度数据,以预测2017年所有月份的月度死亡人数,发现2017年9月和10月的实际数字与预测数字存在较大偏差,但2017年11月和12月的超额死亡率证据要弱得多。这些偏差转化为910例额外死亡,95%的不确定性区间为440至1,390。我们还发现,几乎没有证据表明2017年飓风前的死亡率大幅上升,这表明这种大幅上升不仅仅是随机发生的,因此,飓风后的死亡率上升可以合理地归因于飓风。
2020-03-06 stat.AP
Cancer mortality projection: disparities, COVID-19, and late diagnosis impact
该研究采用贝叶斯模型预测英格兰乳腺癌与肺癌死亡率,量化地区、剥夺程度、COVID-19及诊断延迟造成的差异与超额死亡。
2024-05-09 stat.AP
Identifying patterns of main causes of death in the young EU population
死亡模式的研究是许多领域的热门研究课题。我们特别感兴趣的是与年龄-性别组合有关的主要死亡原因中的死亡率模式。我们使用符号数据分析(SDA),包括三个维度:年龄,性别和主要死亡原因的模式。在这项研究中,我们提出了一种替代方法,以确定欧盟国家的集群在年轻人口中具有相似的死亡率模式,同时考虑到不同年龄性别群体的主要死亡原因之间的死亡分布的综合信息。我们探讨在确定的集群和其他一些社会人口指标的死亡率模式之间可能存在的关系。我们使用欧盟2016年的粗死亡率数据作为最新的完整数据。
2022-10-11 stat.AP stat.ML
Improvements in Age-Specific Mortality at the Oldest Ages
特定死亡率的改善是不均匀的,无论是在不同年龄还是在不同时间。我们提出了一个两步程序来估计1950年至2019年10个欧洲国家85岁及以上年龄别死亡率(ASDR)的死亡率改善率(RMI)。在第一步中,我们使用四种不同的方法平滑原始死亡计数并估计ASDR:一种参数(gamma-Gompertz-Makeham),两种非参数(P-样条和PCLM),以及一种新的贝叶斯方法来处理零死亡计数年龄引起的波动。我们比较了四种平滑方法的拟合优度,并根据最佳拟合方法计算了年度ASDR差异。我们在第二步中将分段线性函数拟合到这些差异。每个线性段的斜率反映了相应年份范围内的平均RMI。对于每个年龄,我们计算最后一个线性段的拟合优度,以评估当前死亡率变化的估计RMI的信息量。估计的死亡率改善或恶化率(RMI)可用于制定短期的社会、健康和社会规划,以及更精确的死亡率预测。
2023-03-29 stat.AP
Effect of marital status on death rates. Part 2: Transient mortality spikes
我们研究当一个种群经历周围环境的突然变化时会发生什么。这种“突然转变”的物理和生活的社会系统的几个案例进行了分析,从中可以看出,所有共享一个共同的模式。首先,死亡率急剧上升,随后是一个缓慢得多的松弛过程,在此过程中,死亡率按幂律下降(指数接近0.7)。这导致我们提出一个一般原则,可以概括如下:“生活条件的任何突然变化都会产生死亡率峰值,这是一种选择过程。“这就是我们所谓的瞬态冲击猜想。它提供了一个定性模型,导致可测试的预测。例如,婚姻当然会带来环境和社会条件的重大变化,根据我们的推测,人们会在结婚后的几个月内预期死亡率会飙升。乍一看,这似乎是一个不太可能的命题,但我们证明(通过三种不同的方法),即使在这里,死亡率峰值的存在是由坚实的经验证据支持。
2015-08-20 physics.soc-ph stat.AP
A Dirichlet-Multinomial-Poisson framework for the coherent analysis and forecast of cause-specific mortality
University of Foggia(福贾大学);Macquarie University(麦考瑞大学);UNSW Sydney(新南威尔士大学悉尼分校)
本文提出一种狄利克雷-多项式-泊松框架,用于一致分析和预测特定原因死亡率,通过建模总死亡数和各原因死亡数的随机性,提高预测准确性与一致性。
2026-03-01 stat.AP stat.ME
Estimating excess mortality during the Covid-19 pandemic in Aotearoa New Zealand
University of Canterbury(坎特伯雷大学);Stats NZ(新西兰统计局);Australian Actuaries Institute Mortality Working Group(澳大利亚精算师协会死亡率工作组)
本文通过拟泊松回归模型估计新冠疫情期间新西兰的超额死亡率,发现2020-21年超额死亡率为负,2022-23年新冠死亡是主要贡献因素。
2025-12-20 q-bio.PE stat.AP
Forecast reconciliation meets compositional data analysis: A study of Italian cause-specific age-at-death
University of Foggia(福贾大学);Sapienza University of Rome(罗马智慧大学);University of Campania ”Luigi Vanvitelli”(坎帕尼亚路易吉·凡维特利大学);Macquarie University(麦考瑞大学)
本研究将成分数据分析整合到分层时间序列预测中,提出新框架用于意大利死因别死亡率预测,确保聚合一致性并显著提升预测可靠性,尤其在总死亡率及按死因和性别的预测中表现优于传统方法。
2026-09-17 stat.AP stat.ME
A polynomial regression model for excess mortality in Mexico 2020-2022 due to the COVID-19 pandemic
本文基于墨西哥1998–2022年国家死亡登记数据,构建多项式回归模型估计2020–2022年因COVID-19导致的超额死亡率,并与INEGI的估计结果进行对比。
2023-12-10 stat.AP
Estimating Global and Country-Specific Excess Mortality During the COVID-19 Pandemic
估计COVID-19对世界上每个国家的真实死亡负担是一项困难但至关重要的公共卫生工作。将死亡直接或间接归因于COVID-19是有问题的。一个更容易实现的目标是“超额死亡”,即特定时期的死亡人数相对于“正常时期”的预期死亡人数,我们在2020年和2021年的月度时间尺度上对所有国家进行了估计。超额死亡率需要两个数字,总死亡人数和预期死亡人数,但许多国家无法获得前者,因此需要对这些国家进行建模。预期死亡人数是基于历史数据,我们开发了一个模型,用于为所有国家生成预期估计值,并且在计算超额时,我们考虑到模型预期数字的不确定性。我们描述了为产生世界卫生组织(WHO)超额死亡估计数而开发的方法。为了实现可解释性和透明性,我们开发了一个相对简单的过度分散泊松计数框架,在该框架内可以对各种数据类型进行建模。我们使用有国家月度数据的国家的数据,为没有数据的国家建立一个具有时变系数的预测性对数线性回归模型。对于一些国家来说,只有国家以下一级的数据,我们为这些数据构建了一个多项模型,基于以下假设:随着时间的推移,次区域的死亡比例大致保持不变。根据我们的建模,2020-2021年全球超额死亡率的点估计值为1490万,95%可信区间为(1330,1660)万。这导致超额死亡人数与报告的COVID-19死亡人数之比的点估计值为2. 75,这是一个巨大的差异。
2022-05-18 stat.AP stat.ME
A framework for estimating and visualising excess mortality during the COVID-19 pandemic
2019冠状病毒病相关死亡低估了大流行对死亡率的负担,因为它们存在完整性和准确性问题。超额死亡率是一个受欢迎的替代方法,因为它将观察到的死亡人数与基于大流行没有发生的假设的预期死亡人数进行比较。如果大流行没有发生,预计死亡人数取决于人口趋势、温度和时空模式。除此之外,还需要高地理分辨率来审查国家内部的趋势和不同公共卫生政策的有效性。在本教程中,我们提出了一个框架,使用R来估计和可视化高地理分辨率下的超额死亡率。我们展示了一个案例研究,估计2020年意大利的超额死亡人数。所提出的框架是快速实施,并允许结合不同的模型,并提出在任何年龄,性别,空间和时间的聚合所需的结果。这使得它在在线监测流行病负担和及时制定政策方面特别强大和有吸引力。
2023-03-06 stat.AP stat.CO
The effect of the COVID-19 health disruptions on breast cancer mortality for older women: A semi-Markov modelling approach
本研究提出一种半马尔可夫模型,量化COVID-19公共卫生措施导致的诊断延迟对英格兰65至89岁女性乳腺癌死亡率的影响,发现5年内乳腺癌死亡增加3-6%、晚期登记增加4-6%,为评估诊疗服务中断提供了稳健工具。
2023-11-21 stat.AP
Hierarchical Latent Class Models for Mortality Surveillance Using Partially Verified Verbal Autopsies
针对新发传染病下VA分析依赖领域知识或大型标注数据的问题,提出带结构化先验的贝叶斯分层潜在类别模型,以处理部分信息性验证并估计亚人群死因别死亡率。
2025-06-14 stat.AP stat.ME
Preliminary study of mortality by cause and sociodemographic characteristics, municipality of San Francisco, Antioquia (Columbia), 2001-2010
目的:确定安蒂奥基亚省旧金山市2001-2010年死亡原因和社会人口特征的结构。方法学:通过DANE提供的电子媒体数据库从死亡事件的次要来源获得回顾性纵向数据的定量描述性研究。按死因组描述社会人口统计学变量,按性别和每年组的潜在寿命损失年数(APVP)绘制生命表〈动〉<动>,并计算死因。结果如下:外部原因和攻击,杀人,作为主要的死亡原因发生在研究的十年期间,特别是在男性中,死亡率较高,更有可能在此期间死亡和预期寿命较短。平均而言,2001-2010年,男性和外部原因造成的潜在寿命损失较多。结论:在过去十年中,男性的死亡率较高,原因包括外部原因、袭击、谋杀和年轻男性的比例较高。导致更多潜在寿命损失的死亡原因是外部原因。妇女在出生时和整个十年的预期寿命高于男子,因此,市政府必须分析这些死亡原因的现状,并执行有助于降低死亡率的公共政策,从而提高人口的预期寿命。
2019-09-15 q-bio.PE stat.AP
Interpreting Net Survival: What We Estimate Versus What We Think We Estimate
London School of Hygiene & Tropical Medicine(伦敦卫生与热带医学院)
净生存应解释为移除了普通人口其他原因死亡的生存,而非因果反事实,因治疗引起的其他原因死亡无法通过分层消除。
2026-03-01 stat.AP stat.ME stat.OT
Mortality in a heterogeneous population - Lee-Carter's methodology
欧盟偿付能力II指令建议保险公司更加重视风险管理方法。风险管理的意义是量化风险和应用减少不确定性的方法的能力。在人寿保险中,风险是描述预期寿命的随机变量的结果。本文将提出一个建议,随机死亡率建模的基础上李和卡特的方法。最大似然法是死亡率模型中常用的参数估计方法。该方法假定总体是齐次的,死亡人数服从泊松分布。本文的目的是改变对死亡人数分布的假设。结果表明,当死亡人数服从负二项分布时,该模型能较好地拟合历史数据。
2018-03-29 econ.EM stat.AP
The network survival method for estimating adult mortality: Evidence from a survey experiment in Rwanda
成人死亡率是人口健康和福祉的一个重要指标。富裕国家拥有高质量的生命登记系统,但贫穷国家缺乏这一基础设施,必须依赖往往有问题的估计。在本文中,我们介绍了网络生存方法,一种新的方法来估计成人死亡率。我们得到精确的条件下,它产生的估计是一致的和无偏的。此外,我们开发了一个分析框架的敏感性分析。为了评估网络生存方法在现实环境中的性能,我们在卢旺达进行了一项具有全国代表性的调查实验(n= 4,669)。网络生存估计数与其他方法的估计数相似,尽管网络生存估计数是用小得多的样本进行的,并且完全基于卢旺达的数据,不需要模型生命表或汇集其他国家的数据。我们的分析结果表明,网络生存的方法具有吸引力的属性,我们的实证结果表明,它可以用于可靠的估计成人死亡率的国家是迫切需要的。
2017-02-19 stat.AP
The sociospatial factors of death: Analyzing effects of geospatially-distributed variables in a Bayesian mortality model for Hong Kong
人类死亡率在一定程度上是多种社会经济因素的函数,这些因素在空间和时间上都不同。调整其他协变量后,人类寿命与家庭财富呈正相关。然而,一个地理区域的死亡率在多大程度上是该区域及其邻国社会经济因素的函数尚不清楚。关于这种关系的时间组成部分的信息也很少。以香港多个人口普查年度的地区为例,我们证明了财富指标变量与长寿之间的关系存在差异:(a)富裕但被社会贫困地区包围的地区与(b)富裕地区被类似富裕地区包围的地区。我们还表明,纳入空间分布的变量减少了死亡率预测的不确定性,在每个人口普查年相比,基线模型。我们的结果表明,地理死亡率模型应纳入非本地信息(例如,空间邻居),以降低其死亡率估计的方差,并指出对死亡率的社会空间溢出效应进行更深入的分析。
2021-01-25 cs.SI physics.soc-ph stat.AP
Age-period modeling of mortality gaps: the cases of cancer and circulatory diseases
Sapienza University of Rome(罗马第一大学);University of Foggia(福贾大学);Macquarie University(麦考瑞大学)
本文在年龄-时期框架下比较了双泊松、二元泊松和Skellam三种分布模型,分析意大利1960至2015年癌症与循环系统疾病的死亡计数差异,发现Skellam分布能更准确简洁地捕捉死亡率差距。
2025-10-13 stat.AP stat.ME
Spatiotemporal dynamic of COVID-19 mortality in the city of Sao Paulo, Brazil: shifting the high risk from the best to the worst socio-economic conditions
目前,巴西是世界上COVID-19疫情增长最快的国家之一,迄今已造成至少9.4万人确诊死亡。圣保罗市特别脆弱,因为它是该国人口最多的城市。分析COVID-19的时空动态对于帮助迫切需要整合更好的行动来应对这一流行病非常重要。因此,本研究旨在分析2020年3月至7月期间巴西人口最多城市的COVID-19死亡率,同时考虑到时空结构、人口的社会经济背景,并使用精细粒度水平。为此,我们进行了一项生态研究,使用来自死亡率信息系统的二级公共数据。我们按性别和年龄描述了每个流行病学周和整个时期的死亡率。我们使用时空和空间架构以及潜在高斯贝叶斯模型方法中的泊松概率分布对死亡进行建模。我们得到了时间和时空趋势和社会经济条件的相对风险。为了减少可能的次级通报,我们考虑了确诊和疑似死亡病例。我们的研究结果显示,在这一时期结束时,时间趋势明显稳定,但未来可能会发生变化。死亡率随着年龄的增长而增加,男性死亡率更高。在整个研究期间,社会条件最差的地区的死亡风险更大。然而,随着时间的推移,这并不是一个统一的模式,因为我们发现,从社会经济条件最好的地区的高风险转移到最差的地区。我们的研究强调了在死亡风险较高的地区进行地理筛查的重要性,目前,社会经济环境更差,这是通过综合公共卫生行动减少疾病死亡率和卫生不平等的一个关键方面。
2020-08-05 q-bio.PE stat.AP
Modeling and forecasting subnational age distribution of death counts
Macquarie University(麦考瑞大学);University of York(约克大学)
本文提出方法建模和预测次国家死亡计数的年龄分布,通过非线性空间转换提升预测准确性,为人口统计和精算研究提供支持。
2026-04-22 stat.AP stat.ME
COVID-19 Clinical footprint to infer about mortality
本研究基于墨西哥160万名SARS-CoV-2阳性患者数据,用合并症、症状和住院等变量构建临床足迹,并借助多元Bernoulli分布支持Bayesian死亡风险推断。
2021-04-15 stat.AP stat.ME
A flexible Bayesian framework to estimate age- and cause-specific child mortality over time from sample registration data
为了在年轻群体中实施针对疾病的干预措施,中低收入国家的决策者需要及时准确地估计特定年龄和原因的儿童死亡率。在最需要这些干预措施的情况下,没有高质量的数据,但有一个推动创建样本登记系统,收集详细的死亡率信息。目前从这些数据估计死亡率的方法采用多阶段框架,没有严格的统计理由,分别估计全因死亡率和特定原因死亡率,不足以适应捕捉数据的重要特征。我们提出了一个灵活的贝叶斯建模框架来估计样本登记数据的年龄和原因特定的儿童死亡率。我们提供了一个理论上的理由框架,通过模拟探索其属性,并使用它来估计死亡率的趋势,使用的数据在中国的妇幼健康监测系统。
2021-05-18 stat.AP
Child Mortality Estimation Incorporating Summary Birth History Data
联合国可持续发展目标3.2旨在到2030年将5岁以下儿童死亡率降至每1,000例活产死亡25例。儿童死亡率往往集中在发展中区域,在这些区域,评估这一目标实现情况所需的大部分信息来自调查和人口普查。在这两种情况下,妇女都会被问及她们的出生史,但详细程度不同。完整的出生史数据包含每个被调查母亲的子女的出生和死亡日期。相比之下,出生史汇总数据只包含每个母亲出生的孩子总数和死亡的孩子总数。需要采用专门的方法将这类数据纳入儿童死亡率趋势分析。我们开发了一个贝叶斯框架内的数据增强方案,其中SBH数据,出生和死亡日期作为辅助变量。由于我们为数据指定了一个全概率模型,因此可以适应这些数据中存在的许多众所周知的偏差,以及对潜在死亡率的时空平滑。我们说明了我们的方法在模拟中,表明不确定性降低时,将SBH数据简单地分析所有可用的FBH数据。我们还将我们的方法应用于马拉维中部地区的数据。我们比较著名的黄铜方法。
2018-10-09 stat.AP stat.ME
Social Determinants of Health and Fentanyl Overdose Mortality Across US Counties: An XGBoost and SHAP Analysis Identifying Silent Risk Counties and Treatment Deserts
Clark University(克拉克大学);Yeshiva University(耶鲁大学)
本文利用XGBoost和SHAP分析,探讨健康社会决定因素对美国各县芬太尼过量死亡率的影响,识别高风险地区及治疗不足区域,提出优先干预策略。
2026-05-06 cs.LG stat.AP
Shifting attention to old age: Detecting mortality deceleration using focused model selection
老年死亡率上升的下降是人口研究中反复讨论的一个现象。虽然死亡率下降可以在伽玛-Gompertz模型中解释为异质群体中的选择效应,但这种现象可能难以统计评估,因为它涉及死亡年龄分布的尾部。通过使用聚焦信息准则(FIC)进行模型选择,我们可以直接针对这些高级年龄的模型性能。如果方差参数落在参数空间的边界上,则gamma-Gompertz模型退化为没有死亡减速的竞争Gompertz模型.我们开发了一个新版本的FIC,适用于这种非标准条件。在一项模拟研究中,新的FIC在检测死亡率减速方面优于其他方法。FIC灭绝的法裔加拿大出生队列的应用表明,集中的模型选择可以用来反驳以前的断言死亡率减速。
2019-05-14 stat.AP stat.ME
The interaction of transmission intensity, mortality, and the economy: a retrospective analysis of the COVID-19 pandemic
Imperial College London(伦敦帝国理工学院);National University of Singapore(新加坡国立大学);University of Copenhagen(哥本哈根大学)
COVID-19疫情迄今已导致超过640万人登记死亡,并对经济活动产生深远影响。在这里,我们研究了2020年1月至2022年12月25个欧洲国家SARS-CoV-2大流行期间传播,死亡率和经济的相互作用。我们采用贝叶斯混合效应模型与自回归项。我们发现,疾病传播强度的增加降低了国内生产总值(GDP),增加了每日超额死亡,与GDP相比,对超额死亡的影响更持久,GDP恢复得更快。从广义上讲,我们的研究结果强化了一个直观的现象,即重要的经济活动来自于不同的人与人之间的互动。我们报告了非药物干预措施(NPI)对传播强度,超额死亡和GDP变化的有效性,以及对政策制定者的影响。我们的研究结果突出了一个复杂的成本效益权衡从个人NPI。例如,禁止国际旅行可以增加GDP,减少超额死亡。我们考虑国家随机效应及其与GDP过度变化和过度死亡的关联。例如,欧洲较发达国家通常对COVID-19大流行采取更谨慎的态度,优先考虑医疗保健,并将过多的死亡人数置于经济表现之上。我们的模型没有完全捕捉到长期的经济损害,以及长期的疾病影响(长期新冠肺炎)。我们的研究结果强调,疾病对一个国家的影响是复杂和多方面的,从经济和疾病负担中提取最佳结果的简单启发式结论具有挑战性。
2023-02-15 cs.LG q-bio.PE stat.AP
The long shadow of pandemic: Understanding the lingering effects of cause-specific mortality shocks
University of Nebraska-Lincoln(内布拉斯加大学林肯分校);University of Waterloo(滑铁卢大学)
本文提出一种新的随机死亡模型,通过伽玛密度似然衰减函数捕捉年龄和死亡原因特定的长期死亡冲击效应,揭示了不同人口群体的持久性模式差异,并为人寿保险和年金产品尾部风险提供了关键见解。
2026-10-15 stat.AP
Forecasting Mortality Rates: A Linear Mixed-Effects Model
Masaryk University(马萨里克大学)
本文提出用于单/多人群分年龄死亡率建模预测的线性混合效应模型,经HMD数据验证,其拟合精度、校准鲁棒性及预测表现均优于经典LC、LL模型。
2025-11-16 stat.AP
Applications of Clustering with Mixed Type Data in Life Insurance
死亡抚恤金通常是影响寿险公司财务报表的最大现金流项目,其中一些寿险公司仍然没有系统的流程来跟踪和监测死亡索赔经验。在本文中,我们将探讨数据聚类,以检查和了解实际死亡索赔与预期的差异,这是开发风险管理关键监控系统的早期阶段。我们扩展了$k$原型聚类算法得出的推论,从人寿保险数据集只使用被保险人的特征和政策信息,而不考虑已知的死亡率。这种聚类具有有效处理分类、数值和空间属性的特性。使用间隙统计,从算法中获得的最优聚类,然后使用比较实际的预期死亡索赔经验的寿险投资组合。我们的经验数据包含观察,在2014年期间,约114万张保单,总保险金额超过6500亿美元。对于这个投资组合,该算法产生了三个自然集群,每个集群的实际死亡索赔低于预期,但具有不同的可变性。分析结果为管理层提供了一个过程,以识别保单持有人的属性,主导重大死亡率偏差,从而提高决策采取必要的行动。
2021-01-26 stat.AP
Forecasting mortality using Google trend
本文研究了以世界第一大经济体美国为代表的发达国家的动力模型。对死亡原因的早期监测至关重要,这可以为预防登革热等重大疾病做好准备。研究报告称,一些搜索查询,特别是谷歌趋势上与疾病相关的术语是必不可少的。为此,我们使用Wiener Cascade Model对主要死因或Google Trends中的扩展或更通用的术语进行解码。利用检索词的时间序列和小波尺度图,将检索查询模式分为不同的周期性层次。结果包括解码趋势、特征重要性和解码模式的准确性。关于预测因子的三个场景包括使用所有19个特征、前十个最周期性的预测因子或具有最高权重的十个预测因子。所有检索查询均涵盖2013年12月至2018年12月。结果表明,权重较高的搜索词和具有年周期模式的搜索词对死亡词的预测贡献较大,但只有权重较高的预测词才对死亡词的预测有价值。
2019-02-01 cs.SI stat.AP
Clustering country-level all-cause mortality data: a review
University College Dublin(都柏林大学)
本文综述了国家层面全部原因死亡数据的聚类应用,指出聚类主要用于预测和研究收敛性与不平等,并发现东西欧分裂及聚类提升预测准确性。
2025-12-04 stat.AP
State-space representation of early-life child mortality dynamics: linking event history analysis and orbit-based models
School of Computer Science and Applied Mathematics, University of the Witwatersrand(威特沃特斯兰德大学计算机科学与应用数学学院);Department of Mathematics and Applied Mathematics, University of Johannesburg(约翰内斯堡大学数学与应用数学系);National Institute for Theoretical and Computational Sciences (NITheCS)(国家理论与计算科学研究所)
本研究结合事件史分析与轨道理论,分析南非31081名儿童数据,发现母亲迁移在结构上关键而统计不显著,母亲死亡是主要预测因子,三变量子系统可恢复主要发现并暴露高风险集群。
2026-10-07 stat.AP stat.ME
Probabilistic Cause-of-death Assignment using Verbal Autopsies
在没有完全覆盖的民事登记和人口动态统计系统的区域,即使是最基本的人口指标也不确定。在这些地区,大多数死亡发生在医院外,没有记录。在世界范围内,只有不到三分之一的死亡被指定了原因,最贫穷的国家提供的信息最少。在这样的人群中,死因推断(VA)是一种常用的工具,用于评估死因,估计死因特异性死亡率和死因分布。VA使用与死者的照顾者进行访谈,以获取描述导致死亡的体征和症状的数据。本文开发了一种新的统计工具,称为InSilicoVA分类死亡原因使用通过VA获得的信息。InSilicoVA在特定个体的死因分配与人群中死因分布之间存在不确定性。使用并排比较观察到的数据和模拟数据,我们证明了InSilicoVA具有明显的优势相比,目前可用的方法。
2015-09-21 stat.AP
Estimating causes of maternal death in data-sparse contexts
了解世界各区域孕产妇死亡的根本原因,对于制定政策和分配资源以减少死亡率负担至关重要。然而,在许多国家,关于产妇死亡原因的数据很少,即使有数据,也没有涵盖所有面临风险的人口。在本文中,我们提出了一个贝叶斯分层多项式模型来估计孕产妇死亡原因分布的全球,区域和全球所有国家。该框架综合了各种来源的数据,为估计提供依据,包括来自民事登记和人口动态系统、小规模调查和研究的数据,以及来自保密查询和监视系统的高质量数据。该框架考虑到了不同的数据质量和覆盖范围,并考虑到了一个或多个死亡原因缺失的情况。我们说明了三个案例研究的国家,有不同的数据可用性的情况下,模型的结果。
2021-12-07 stat.AP
Socio-Spatial Patterns of Suicide Mortality in the United States
University of Pittsburgh(匹兹堡大学);Old Dominion University(老道明大学);Kaiser Permanente Northern California(凯撒永久北加州医疗中心);University of California Berkeley(加州大学伯克利分校);Boston Children’s Hospital(波士顿儿童医院);Sorbonne Université(索邦大学);INSERM(法国国家健康与医学研究院)
研究通过整合社会连通性指数与自杀死亡数据,揭示了社会网络对自杀风险及保护性政策传播的影响。
2026-09-25 cs.SI physics.soc-ph stat.AP
Impact of heat waves and cold spells on cause-specific mortality in the city of Sao Paulo, Brazil
热浪和寒流对死亡率的影响已成为世界范围内的一个主要公共卫生问题,特别是在中低收入国家的老年人中。这项研究旨在调查2006年至2015年期间,不同定义下的热浪和寒流对圣保罗65岁及以上人群死因特异性死亡率的影响。本文采用具有分布滞后模型的准Poisson广义线性模型研究了死因别死亡率与极端气温事件的关系。为了评估不同持续时间下强度的影响,我们考虑了12个热浪和9个寒流定义。我们的研究结果显示,在几种定义下,与热浪和寒流有关的特定原因死亡人数有所增加。与热浪相关的最高死亡风险主要是在更高的温度阈值和更长的事件中确定的。我们证实,男性比女性更容易在热浪和寒冷天气中死于缺血性中风,而女性在寒冷天气中死于缺血性心脏病的风险更高,并且患慢性阻塞性肺病的风险往往高于男性。查明与热浪和寒流有关的死亡率对于制定和促进公共卫生措施十分重要。
2021-07-13 stat.AP stat.OT
Potential outcome approach to causal inference in assessing the short term impact of air pollution on mortality
空气污染短期影响的评估依赖于对污染-结果关联的因果解释,但到目前为止,很少有研究明确地在因果推断框架内面对这个问题。在本文中,我们重新制定的问题,评估短期影响的空气污染对健康的潜在结果的方法,因果推断。我们专注于2003-2006年期间,在米兰(意大利)大都市区暴露的两天内,高水平的PM10对死亡率的影响。在根据潜在结果之间的差异定义可归因死亡人数后,我们使用估计的倾向得分将每个高风险日与具有相似背景特征但PM10水平较低的日相匹配。然后,我们通过比较匹配日期之间的死亡率来估计影响。我们发现,在研究期间,每日暴露量大于40微克/立方米的1079人死亡(116; 2042)。这种影响在老年人中比在年轻人中更为明显。倾向得分匹配被证明是一个有吸引力的方法来评估历史的影响,在这一领域。
2016-08-30 stat.AP stat.ME
Causal comparative effectiveness analysis of dynamic continuous-time treatment initiation rules with sparsely measured outcomes and death
支持世界卫生组织目前建议的青少年早期抗逆转录病毒治疗(ART)的证据是不确定的。我们利用大量的观察数据,比较了HIV感染青少年的死亡率和CD 4细胞计数的动态治疗开始规则。我们的方法扩展了Robins等人(2008)开发的用于估计动态治疗方案(DTR)下结果分布的边际结构模型,以允许特定方案和连续体方案的因果比较。此外,我们提出了解决复杂数据集带来的三个挑战的策略:治疗启动过程的连续时间测量;感兴趣的纵向结果的稀疏测量,导致数据不完整;以及由于辍学和死亡而进行删失。我们推导出一个连续时间治疗开始的加权策略;使用插补来处理稀疏测量和脱落引起的缺失;并定义一个复合结局,将死亡和CD 4计数作为比较治疗方案的基础。我们的分析表明,立即启动ART导致较低的死亡率和较高的中位数值的复合结果,相对于其他启动规则。
2019-04-02 stat.AP stat.ME
Bayesian Age Category Reconciliation for Age- and Cause-specific Under-five Mortality Estimates
按性别分列的卫生数据对于有效的公共卫生规划和监测至关重要。例如,监测五岁以下儿童死亡率需要非常详细的年龄数据,因为在生命的最初几年内,潜在死亡原因的分布情况差异很大。比较研究人员往往不得不依赖于多个数据源,然而,这些数据源往往有不同层次的年龄汇总,这使得很难将数据组合成一个单一的,连贯的画面。为了解决这一挑战的背景下,五岁以下的死因特异性死亡率,我们提出了一种贝叶斯方法,校准数据与不同的年龄结构,以产生统一和准确的估计标准化的年龄组分布。我们认为按年龄分类的死亡人数作为完全分类的多项式数据,并表明,通过将部分分类的汇总数据,我们可以构建一个改进的贝叶斯估计的多项式参数下的Kullback-Leibler(KL)损失。我们说明了使用合成和真实数据的方法,表明所提出的方法在输入不完整的分类达到足够的性能。最后,我们提出了数值研究的结果,研究获得改进的估计所需的条件。这些研究提供了见解和解释,可用于帮助未来的研究,并为从业人员提供关于适当年龄分类水平的指导,目的是提高五岁以下儿童死因死亡率估计数的准确性和可靠性。
2023-02-21 stat.AP stat.ME
Modeling and forecasting age-specific drug overdose mortality in the United States
本文提出药物成瘾的年龄结构模型,结合增强集合卡尔曼滤波(EnKF)分析1999-2020年美国过量致死数据,预测死亡率趋势并估计模型参数。
2023-03-28 q-bio.PE q-bio.QM stat.AP
Estimating excess mortality in high-income countries during the COVID-19 pandemic
针对新冠疫情死亡人数量化缺乏黄金标准的问题,提出经年龄调整的年度超额死亡率计算方法,应用于30国数据并对比现有估算,强调年龄调整的重要性。
2023-12-19 stat.AP stat.ME
Dependent stochastic block models for age-indexed sequences of directed causes-of-death networks
Bocconi Institute for Data Science and Analytics, Bocconi University(博科尼大学数据科学与分析研究所);Department of Decision Sciences, Bocconi University(博科尼大学决策科学系)
针对死亡率建模中缺乏适配年龄索引有向死因网络序列的随机块模型的问题,提出一种贝叶斯依赖随机块模型,可学习根本与促成死因的年龄平滑群体结构,在模拟和美国死亡率数据上表现优异,为理解“绝望死亡”等现象提供新视角。
2025-10-02 stat.AP stat.ME
Bayesian Nested Latent Class Models for Cause-of-Death Assignment using Verbal Autopsies Across Multiple Domains
本文提出LCVA框架,利用嵌套潜在类别模型联合建模多领域口头尸检数据,解决分布偏移问题,实现死因分配与死亡比例估计,并优于现有方法。
2023-06-22 stat.AP stat.ME
Analyzing Cause-Specific Mortality Trends using Compositional Functional Data Analysis
我们研究的动态原因-特异性死亡率在国家之间考虑他们的功能组成。我们开发了一个新的框架,这样的数据结构,特别注意功能PCA。应用这种方法的一个子集的世界卫生组织死亡率数据库揭示了主要模式的变化的原因-特异性率多年来为男性和女性,使我们能够在预测的子空间进行聚类。结果给出了许多见解的持续趋势,只有部分解释过去的文献,认为国家正在经历。我们还能够显示男性和女性死亡原因的不同演变:例如,我们可以看到,虽然男性肺癌发病率稳定,但女性的发病率仍在上升。
2020-07-31 stat.AP stat.ME
A Bayesian approach to estimate the completeness of death registration
本研究提出带GL先验的分层贝叶斯线性混合模型,基于GBD 2019数据集估计多层面死亡登记完整性,可提升参数估计与预测精度,并以哥伦比亚各省数据验证了方法有效性。
2023-10-03 math.ST stat.AP stat.TH
Pandemic Data Quality Modelling: A Bayesian Approach
针对大流行病病例报告错误、延迟及超额死亡滞后影响死亡率数据质量的问题,本文提出一种考虑相对正常死亡水平之超额死亡率的贝叶斯方法,用于评估大流行病死亡率数据质量。
2023-04-23 stat.AP stat.OT
State Drug Policy Effectiveness: Comparative Policy Analysis of Drug Overdose Mortality
Battelle Memorial Institute(巴特尔纪念研究所);Legal Sciences, LLC(法律科学有限责任公司)
阿片类药物过量率已达到流行病水平,国家一级的政策创新也随之而来,以防止过量死亡。国家一级的禁毒法是一套可能相互加强或削弱的政策,分析人员使用统计方法处理政策共线性的工具有限。本文使用了一种称为层次聚类的机器学习方法,通过将具有在给定时间生效的类似政策集的州分组在一起,以药物过量死亡为因变量,在50个州,10年中断的时间序列回归中进行分析,从而凭经验生成“政策束”。政策集群是从处方药滥用政策系统中按州和年份观察到的138个二项式变量中产生的。集群将策略减少到10个捆绑包。该方法允许对不同捆绑包的相对效果进行排名,并且是推荐最有可能成功的捆绑包的工具。这项研究表明,一套平衡药物辅助治疗,纳洛酮获取,好撒玛利亚人法律,药物辅助治疗,处方药监测计划和医用大麻合法化的政策导致过量死亡人数减少,但直到其生效的第二年。
2020-10-05 cs.LG econ.EM stat.AP