論文の概要: Learning Individual Reproductive Behavior from Aggregate Fertility Rates via Neural Posterior Estimation

• arxiv url: http://arxiv.org/abs/2506.22607v2
• Date: Wed, 23 Jul 2025 18:51:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:41.826876
• Title: Learning Individual Reproductive Behavior from Aggregate Fertility Rates via Neural Posterior Estimation
• Title（参考訳）: 神経後部推定による集団生殖率からの個人の生殖行動の学習
• Authors: Daniel Ciganda, Ignacio Campón, Iñaki Permanyer, Jakob H Macke,
• Abstract要約: 本稿では、人口統計学的に解釈可能な、生殖過程の個人レベルのシミュレーションモデルとを結合する、可能性のないベイズ的枠組みを提案する。 この枠組みは, 現代肥育を規定する中核的行動パラメータの回復に成功していることを示す。 年齢、希望する家族の大きさ、出生間隔など、個々のレベルの結果のサンプル外分布を予測する。
• 参考スコア（独自算出の注目度）: 5.024500157266982
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Age-specific fertility rates (ASFRs) provide the most extensive record of reproductive change, but their aggregate nature obscures the individual-level behavioral mechanisms that drive fertility trends. To bridge this micro-macro divide, we introduce a likelihood-free Bayesian framework that couples a demographically interpretable, individual-level simulation model of the reproductive process with Sequential Neural Posterior Estimation (SNPE). We show that this framework successfully recovers core behavioral parameters governing contemporary fertility, including preferences for family size, reproductive timing, and contraceptive failure, using only ASFRs. The framework's effectiveness is validated on cohorts from four countries with diverse fertility regimes. Most compellingly, the model, estimated solely on aggregate data, successfully predicts out-of-sample distributions of individual-level outcomes, including age at first sex, desired family size, and birth intervals. Because our framework yields complete synthetic life histories, it significantly reduces the data requirements for building microsimulation models and enables behaviorally explicit demographic forecasts.
• Abstract（参考訳）: 年齢別受精率(ASFR)は生殖の変化を最も広範囲に記録するが、その集合的な性質は、繁殖傾向を駆動する個体レベルの行動機構を曖昧にしている。 このマイクロマクロ分割を橋渡しするために、人口統計学的に解釈可能な個体レベルでのシミュレーションモデルをSNPE(Sequential Neural Posterior Estimation)と組み合わせた、可能性のないベイズ的枠組みを導入する。 この枠組みは,ASFRのみを用いて,家族の大きさや繁殖時期,避妊障害など,同時代の肥育を規定する中核的行動パラメータの回復に成功している。 この枠組みの有効性は、多様な肥育体制を持つ4カ国のコホートで検証されている。 最も説得力のあるのは、集計データのみに基づいて推定されたこのモデルは、年齢、希望する家族サイズ、出生間隔など、個々のレベルの結果のサンプル外分布をうまく予測する。 我々のフレームワークは完全な合成生活史を産み出すので、マイクロシミュレーションモデルを構築するためのデータ要求を著しく減らし、行動学的に明らかな人口統計予測を可能にします。

関連論文リスト

• Targeted Data Fusion for Causal Survival Analysis Under Distribution Shift [46.84912148188679]
  複数のデータソースにまたがる因果推論は、科学的発見の一般化性と複製性を高めるための有望な道を提供する。 既存のアプローチでは、検閲や離散的かつ連続的な時間の統合など、生存分析のユニークな課題に対処できない。 マルチソース設定におけるターゲットサイト固有の因果効果を推定する2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-01-30T23:21:25Z)
• Targeted Maximum Likelihood Estimation for Integral Projection Models in Population Ecology [4.209594014085132]
  積分射影モデルから導出した特性に対する頑健で効率的な推定器を開発する。 本研究はIdaho steppe plant communityとRotifer populationsの長期研究から得られた実データを用いて広範囲にわたるシミュレーションを行う。
  論文  参考訳（メタデータ） (2024-11-12T19:56:05Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• A Deep Generative Framework for Joint Households and Individuals Population Synthesis [0.562479170374811]
  世帯・個人・個人・個人関係を持つ合成集団を創出するための深い生成枠組みを提案する。 米国デラウェア州での申請の結果は、生成された家庭内レコードのリアリズムを確実にする能力を示している。
  論文  参考訳（メタデータ） (2024-06-30T23:01:58Z)
• Modeling, Inference, and Prediction in Mobility-Based Compartmental Models for Epidemiology [5.079807662054658]
  疾患の伝達と制御の鍵となる要因として,個人の移動が紹介される。 各区画の移動度分布関数を用いて, 疾患の動態を特徴付ける。 感染集団の時系列から移動度分布を推定する。
  論文  参考訳（メタデータ） (2024-06-17T18:13:57Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• Model and predict age and sex in healthy subjects using brain white matter features: A deep learning approach [8.202227194197066]
  拡散MRIは、脳のWM構造を非侵襲的に記述する強力なツールを提供する。 ファイバクラスタに基づく拡散特性を抽出し、新しいアンサンブルニューラルネットワークを用いて性別と年齢を予測する。 我々は,Human Connectome Project (HCP) の若年成人データセットを用いて実験を行い,性別予測では94.82%,年齢予測では2.51歳,年齢予測では94.82%の精度で得られた。
  論文  参考訳（メタデータ） (2022-02-08T01:50:12Z)
• Approximate Bayesian Computation for an Explicit-Duration Hidden Markov Model of COVID-19 Hospital Trajectories [55.786207368853084]
  新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。 幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。 本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-28T15:32:42Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• 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)
• 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)
• Survival Cluster Analysis [93.50540270973927]
  異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。 このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
  論文  参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。