跨死因、人群组与地理区域的raking死亡率调整及不确定性量化
统计方法学
2025-09-16 v4 数值分析
数值分析
应用统计
统计计算
摘要
全球疾病、伤害和风险因素研究（GBD）是有史以来规模最大、最详细的科学努力，用于量化健康水平和趋势。这一全球健康模型用于估计死亡率和其他健康指标，在不同尺度上运行，导致大量结果数据集，涵盖全球区域及其不同子区域，或涵盖一种死因及其不同子死因。这些模型不一定产生一致的数据表，例如，每个子区域的死亡人数之和等于全球区域的死亡人数。Raking广泛用于调查推断和全球健康模型中，用于调整列联表中的观测值以匹配给定的边际值，在后一种情况下，用于协调具有不同粒度的模型之间的估计。全球健康模型的结果通常将不确定性（如标准差或置信区间）与点估计相关联。在本文中，我们提出了一种不确定性传播方法，仅通过一次求解，就能获得与计算密集的蒙特卡洛方法几乎相同的不确定性估计，后者将数千个观测值和边际样本通过整个raking过程。我们引入了一种凸优化方法，提供了一个统一的框架来扩展raking，例如不确定性传播、带微分权重的raking、带不同损失函数的raking，以确保估计的边界得到尊重，验证约束的可行性，将边际值作为硬约束或聚合观测值进行raking，以及处理缺失数据。
引用
@article{arxiv.2407.20520,
title = {Raking mortality rates across cause, population group and geography with uncertainty quantification},
author = {Ariane Ducellier and Alexander Hsu and Parkes Kendrick and Bill Gustafson and Laura Dwyer-Lindgren and Christopher Murray and Peng Zheng and Aleksandr Aravkin},
journal= {arXiv preprint arXiv:2407.20520},
year = {2025}
}