論文の概要: Births are difficult to predict even with rich survey and full-population register data

• arxiv url: http://arxiv.org/abs/2609.01194v1
• Date: Tue, 01 Sep 2026 13:04:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.671362
• Title: Births are difficult to predict even with rich survey and full-population register data
• Title（参考訳）: 豊かな調査と全人口登録データであっても出生予測は困難である
• Authors: Elizaveta Sivak, Emily M. Cantrell, Thomas Emery, Javier Garcia-Bernardo, Flavio Hafner, Kasia Karpinska, Malte Lüken, Adrienne Mendrik, Joris Mulder, Hanzhang Ren, Varun Satish, Mark Verhagen, Angelica M. Maineri, Paulina Pankowska, Jasmin Abdel Ghany, Bruno Arpino, Giovanni Cassani, Julia Hellstrand, Katya Ivanova, Sanni Kuikka, Ana Macanovic, Charles Rahal, Felix C. Tropf, Roland J. Veen, Nicole Walasek, Daniël van Wijk, Kelsey Q. Wright, Emilio Zagheni, Henry Abbink, Emanuele Aliverti, Matteo Amestoy, Tilbe Atav, Nicola Barban, Sunnee Billingsley, Goan J. Booij, Louis Boucherie, Yael Broos, Li Ya Chang, Jamie C. Chiu, Chiara Ludovica Comolli, Boris Cule, Qixiang Fang, Dennis M. Feehan, Rachel Ganly, Erwin Gielens, Rolando M. Gonzales Martinez, Andrea Gradassi, Rosember Guerra-Urzola, Mario Guerra-Urzola, Stéphane Guerrier, Enamul Hassan, Vincent A. Haverhoek, Andrew T. Hendrickson, Amber Howard, Yuxuan Jin, Sayash Kapoor, Erik-Jan van Kesteren, Iris ten Klooster, Marie Labussiere, Lydia T. Liu, Tiffany Liu, Adam Maghout, Simone Meneghello, Lasse Mohr, Clara H. Mulder, Saul J. Newman, Jessica Nisén, Janis Norden, Mikkel Odgaard, Riccardo Omenti, Ozancan Ozdemir, Christina Pao, Paige Park, Gaia Penta, Juan C. Perdomo, Tanzir Pial, Alessio Piraccini, Federica Querin, Ziwei Rao, Christian Rellama, Adrien Remund, Frederieke Richert, Arnout van de Rijt, Mojtaba Rostami Kandroodi, Stijn J. Rotman, Lucas Sage, Germans Savcisens, Katrin Schwanitz, Steven Skiena, Alessandro Spata, Yannick Stadtfeld, Benedikt Stroebl, Gaetano Tedesco, Mathilde Theelen, Gianluca Tori, Abigail Tun-Mendicuti, Rishabh Tyagi, Keyon Vafa, Luiz Felipe Vecchietti, Linda Vecgaile, Willem R. J. Vermeulen, Maria-Pia Victoria Feser, Lionel A. Voirol, Thom B. Volker, Xinran Wang, Jiani Yan, Xinyi Zhao, Flora Zhou, Zuzana Zilincikova, Malvina Nissim, Matthew J. Salganik, Gert Stulp,
• Abstract要約: 我々は,3年以内に子どもを産むことの1つの成果を,予測の理想に近い設定で検討した。 147人の研究者が18～45歳のオランダ人の出生を調査データと全人口登録簿を用いて予測した。
• 参考スコア（独自算出の注目度）: 35.78566697533737
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Major life events have proven difficult to predict. Does this reflect limits of theory, data, and algorithms, or the large role of chance? We examine one outcome - having a child within three years - through a near-ideal setting for prediction: a data challenge where 147 researchers predicted births for Dutch residents aged 18-45, using survey data and full-population registers. Methods ranged from logistic regression to a large language model and transformers. Predictions were moderately accurate (best F1: register 0.59, survey 0.76); advanced models did not outperform classical ones; and the larger registers did not beat the survey. Simulating the stochastic biology of conception and pregnancy, we estimated a predictive ceiling (survey F1 ~ 0.86-0.94, register 0.88-0.96). Observed performance falls short of this ceiling, implicating imperfect data, methods, and unmodelled chance, while the ceiling itself shows that chance in reproduction alone sets a non-trivial limit on predicting individual lives.
• Abstract（参考訳）: 主要な生命現象は予測が難しいことが判明した。 これは理論、データ、アルゴリズムの限界を反映しているか、あるいはチャンスの大きな役割を反映しているのか? 147人の研究者が18～45歳のオランダ人住民の出生を調査データと全人口登録簿を用いて予測するデータ課題である。 手法はロジスティック回帰から大きな言語モデルやトランスフォーマーまで様々である。 予測は適度に正確であった(F1: register 0.59, survey 0.76)。 概念と妊娠の確率生物学をシミュレートし、予測天井を推定した(Survey F1 ~ 0.86-0.94, register 0.88-0.96)。 観測されたパフォーマンスは、この天井から外れており、不完全なデータ、方法、そして未モデル化の機会を暗示している。

関連論文リスト

• Predicting gestational age at birth in the context of preterm birth from multi-modal fetal MRI [0.7150253772413703]
  出生前は致命的な死亡率と生涯の死亡リスクに関係している。 出生時の妊娠年齢(GA)を予測するため,ベスポーク機械学習を用いたパイプラインを開発した。 パイプラインはR2スコアが0.13、平均絶対誤差が2.74週間に達する。
  論文  参考訳（メタデータ） (2026-06-18T12:39:40Z)
• Bayesian Elicitation with LLMs: Model Size Helps, Extra "Reasoning" Doesn't Always [0.0]
  大規模言語モデル (LLM) は、未知の量と関連する不確実性を推定するための人間の専門家の代替として提案されている。 我々は、健康率、性格特性分布、労働市場統計など、11のLCMに人口統計を推定するよう求め、これを検証した。 が結果を改善するかどうかをテストするために、各モデルの推論の取り組みを変える。
  論文  参考訳（メタデータ） (2026-04-02T11:00:13Z)
• Epistemic Reject Option Prediction [6.531546527140475]
  高精度なアプリケーションでは、予測モデルは正確な予測を生成するだけでなく、その不確実性を定量化し、伝達する必要がある。 Reject-option 予測は、予測の不確実性が高い場合にモデルを停止させることによってこの問題に対処する。 これは、トレーニングデータが不十分な入力を識別し、信頼できる判断を下すことができる、最初の原則付きフレームワークである。
  論文  参考訳（メタデータ） (2025-11-06T22:39:21Z)
• Prediction-Powered Causal Inferences [59.98498488132307]
  予測型因果推論(PPCI)に焦点をあてる まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。 次に、実験間での十分な表現制約伝達の妥当性を導入する。
  論文  参考訳（メタデータ） (2025-02-10T10:52:17Z)
• Understanding overfitting in random forest for probability estimation: a visualization and simulation study [1.7103406524471811]
  卵巣悪性度予測のケーススタディでは,c-statisticsを1。 これは過度な適合を示唆するが、パフォーマンスはテストデータで競争力があった。 本研究では,3つの実世界のケーススタディとシミュレーション研究において,データ空間を可視化し,ランダムな森林の挙動を理解することを目的とした。
  論文  参考訳（メタデータ） (2024-02-28T15:29:02Z)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Conformal Prediction Under Feedback Covariate Shift for Biomolecular Design [56.86533144730384]
  本稿では,トレーニングデータとテストデータが統計的に依存した環境での予測不確実性を定量化する手法を提案する。 モチベーション・ユースケースとして,本手法が設計したタンパク質の適合性予測の不確かさを定量化する方法を実データで示す。
  論文  参考訳（メタデータ） (2022-02-08T02:59:12Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)

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。