論文の概要: Random cohort effects and age groups dependency structure for mortality modelling and forecasting: Mixed-effects time-series model approach

• arxiv url: http://arxiv.org/abs/2112.15258v1
• Date: Fri, 31 Dec 2021 01:15:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-03 23:00:36.463943
• Title: Random cohort effects and age groups dependency structure for mortality modelling and forecasting: Mixed-effects time-series model approach
• Title（参考訳）: 死亡予測モデルにおけるランダムコホート効果と年齢群依存性構造:混合効果時系列モデルアプローチ
• Authors: Ka Kin Lam, Bo Wang
• Abstract要約: 本稿では, 死亡予測と死亡予測のための混合効果型時系列手法を提案する。 提案手法の能力は、実証的な男女死亡データを用いた2つの応用を通して実証される。
• 参考スコア（独自算出の注目度）: 3.450774887322348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There have been significant efforts devoted to solving the longevity risk given that a continuous growth in population ageing has become a severe issue for many developed countries over the past few decades. The Cairns-Blake-Dowd (CBD) model, which incorporates cohort effects parameters in its parsimonious design, is one of the most well-known approaches for mortality modelling at higher ages and longevity risk. This article proposes a novel mixed-effects time-series approach for mortality modelling and forecasting with considerations of age groups dependence and random cohort effects parameters. The proposed model can disclose more mortality data information and provide a natural quantification of the model parameters uncertainties with no pre-specified constraint required for estimating the cohort effects parameters. The abilities of the proposed approach are demonstrated through two applications with empirical male and female mortality data. The proposed approach shows remarkable improvements in terms of forecast accuracy compared to the CBD model in the short-, mid-and long-term forecasting using mortality data of several developed countries in the numerical examples.
• Abstract（参考訳）: 過去数十年間、人口高齢化の継続的な成長が多くの先進国で深刻な問題となっていることを考えると、長寿リスクの解決に力を入れてきた。 Cairns-Blake-Dowdモデル(CBD)は、コホート効果のパラメータを同種の設計に組み込んだもので、高齢化と長寿命化のリスクをモデル化するための最もよく知られたアプローチの1つである。 本稿では,年齢群依存とランダムコホート効果パラメータを考慮した死亡率モデリングと予測のための新しい混合効果時系列手法を提案する。 提案モデルでは,コホート効果パラメータを推定するのに必要となる制約がなければ,より多くの死亡データ情報を開示し,モデルパラメータの自然な定量化を行うことができる。 提案手法の能力は, 経験的男女死亡データを用いた2つの応用により実証された。 提案手法は,いくつかの先進国の死亡率データを用いた短期・中期・長期予測において,cbdモデルと比較して予測精度が著しく向上することを示す。

関連論文リスト

• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• A comparison of short-term probabilistic forecasts for the incidence of COVID-19 using mechanistic and statistical time series models [15.031837435365532]
  感染拡大の短期予測は、リスク評価と公衆衛生決定において重要な要素である。 一般的な力学モデルの短期確率予測と統計時系列モデルの予測を比較した。 平均的に、統計時系列モデルからの確率予測は、メカニスティックモデルからの予測の少なくとも全体としては正確であることがわかった。
  論文  参考訳（メタデータ） (2023-05-01T16:37:43Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches [3.450774887322348]
  社会福祉政策における意思決定には,人口動態の正確な予測モデルが重要である。 本稿では,自然立方体スプライン平均関数を用いたガウス過程回帰を用いた新しい非パラメトリック手法を提案する。
  論文  参考訳（メタデータ） (2021-02-18T23:49:25Z)
• Multipopulation mortality modelling and forecasting: The multivariate functional principal component with time weightings approaches [3.450774887322348]
  共同死亡モデルと複数個体群予測のための2つの新しいモデルを提案する。 最初の提案モデルは、独立した関数型データモデルをマルチ人口モデル設定に拡張する。 2番目の提案モデルは、予測精度の観点から、最初のモデルと現在のモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-02-18T21:01:58Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。