基于 Lee-Carter 模型的特定年龄死亡率建模和预测

封面

如何引用文章

全文:

详细

论证。人口死亡率高问题仍然是俄罗斯最重要的公共卫生问题之一。国家政策的优先任务之一是降低劳动年龄人口的死亡率,延长预期寿命。预测人口死亡率是合理分配各类资源的工具。

目标。 基于Lee-Carter模型的奥伦堡地区死亡率建模和预测。

材料与方法。研究了1991-2020年奥伦堡地区的年龄和性别死亡率以及总人口。 使用Lee-Carter方法对人口死亡率进行建模和预测。 根据计算得到的参数,构建了带漂移的随机游走模型,并进行了精度评定。

结果。对于奥伦堡地区,Lee-Carter模型描述了男性人口的死亡率。 通过对奥伦堡地区男性人口死亡率的建模,获得了87%的拟合精度,足以评估长期预测的结果,并构建了到2035年的死亡率预测。

结论。对所得结果的分析表明,大流行病对人口死亡率的影响是短期的,在未来几年中,奥伦堡州男性人口的死亡率将继续下降。

作者简介

Evgenii Borschuk

Orenburg State Medical University

Email: be@nm.ru
ORCID iD: 0000-0002-3617-5908

PhD, Professor, Head of the Department of Public Health and Healthcare No. 1

俄罗斯联邦, 7 Park Ave., Orenburg, 460000

Dmitrii Begun

Orenburg State Medical University

Email: be@nm.ru
ORCID iD: 0000-0002-8920-6675
SPIN 代码: 8443-4400

MD, Dr. Sci. (Medicine), Professor of the Department of Public Health and Healthcare No. 1

俄罗斯联邦, 7 Park Ave., Orenburg, 460000

Irina Bolodurina

Orenburg State Medical University; Orenburg State University

Email: prmat@mail.osu.ru
ORCID iD: 0000-0003-0096-2587
SPIN 代码: 4848-0669

Dr. Sci. (Engineering), Professor

俄罗斯联邦, 7 Park Ave., Orenburg, 460000; Orenburg

Larisa Menshikova

Northern State Medical University

Email: menshikova1807@gmail.com
ORCID iD: 0000-0002-1525-2003
SPIN 代码: 9700-6736

MD, Dr. Sci. (Med.), Professor

俄罗斯联邦, Arkhangelsk

Svetlana Kolesnik

Orenburg State University

Email: svkolesnik_osu@mail.ru
ORCID iD: 0009-0009-3008-0308
SPIN 代码: 7548-3688
俄罗斯联邦, Orenburg

Aislu Duisembaeva

Orenburg State University

编辑信件的主要联系方式.
Email: k.kro1@yandex.ru
ORCID iD: 0000-0001-5762-4277
SPIN 代码: 7164-7107
Scopus 作者 ID: 58149835100
俄罗斯联邦, Orenburg

参考

  1. Zemlyanova EV. Attitude of population and experts to the measures for reduction of mortality in Russia (literature review). Social Aspects of Population Health. 2013;(3):3. EDN: QINGER
  2. Bolotova EV, Samorodskaya IV, Dudnikova AV. The structure of mortality and potential years life lost from respiratory diseases of the population of economically active age (15–72 years) of the Russian Federation in 2019. Vrach (The Doctor). 2021;32(11):5–10. EDN: EHMGSS doi: 10.29296/25877305-2021-11-01
  3. Kozlova OA, Makarova MN, Tukhtarova EH, Belenkova TV. The labour conditions as a factor of the working age population mortality. Fundamental Research. 2015;(7-1):161–165. EDN: UDXTXB
  4. Nizamov IG, Sadykova TI. Health of economically active population as a basis of social-and-economical development of Russia and its regions. Public Health and Health Care. 2012;(4):28–33. EDN: PMSMIT
  5. Rodionova LA, Kopnova ED. Statistical approaches to analysis and modeling of seasonality in demographic data. Demographic Review. 2019;6(2):104–141. EDN: FJVXKS
  6. Denisenko MB, Varshavskaya EYa. Working life expectancy in Russia. Higher School of Economics Economic Journal. 2017;21(4):592–622. EDN: YLBIWS
  7. Ivanova AE, Kondrakova EV. Grounds for life expectancy projections in Russian regions up to 2025. Social Aspects of Population Health. 2008;(1):8. EDN: JVWSNB
  8. Lazarev AV, Kalininskaya AA, Vasilieva TP. Organizational reserves saving the population's health from diseases of the circulatory system. Problems of Social Hygiene, Public Health and History of Medicine. 2020;28(S):762–765. EDN: DGCWUU doi: 10.32687/0869-866X-2020-28-s1-762-765
  9. Temeshova NV. Implementation of the concept of demographic policy of the Russian Federation for the period till 2025 in 2016–2020. In: State and municipal administration in the Kamchatka territory: problems and solutions. Petropavlovsk-Kamchatsky; 2018. P. 70–78. EDN: YTTQTJ
  10. Soyan ShCh. Life expectancy as an indicator of the quality of life of the population. Natural Resources, Environment and Society. 2021;(3):42–46. EDN: KXIIUS doi: 10.24412/2658-4441-2021-3-42-46
  11. Lakman IA, Askarov RA, Prudnikov VB, et al. Predicting mortality by causes in the Republic of Bashkortostan using the Lee–Carter model. Problemy Prognozirovaniya. 2021;(5):124–138. EDN: ISEHRS doi: 10.47711/0868-6351-188-124-138
  12. Booth H. Demographic forecasting: 1980 to 2005 in review. International Journal of Forecasting, 2006;22(3):547–581. doi: 10.1016/j.ijforecast.2006.04.001
  13. Cancho-Candela R, Llano JMA, Ardura-Fernández J. Decline and loss of birth seasonality in Spain: analysis of 33,421,731 births over 60 years. Journal of Epidemiology & Community Health. 2007;61(8):713–718. doi: 10.1136/jech.2006.050211
  14. Lee RD, Carter LR. Modeling and forecasting U.S. mortality. Journal of the American Statistical Association. 1992;87(419):659–671. doi: 10.1080/01621459.1992.10475265
  15. Haberman S, Russolillo M. Lee–Carter mortality forecasting: application to the Italian population. 2005. Actuarial Research Paper No. 167.
  16. Khubaev G. Regression models for forecasting life period of population of administrative-territorial education: construction and evaluation of quality. Bulletin of Science and Practice. 2018;4(9):206–217. EDN: XZBZZR doi: 10.5281/zenodo.1418761
  17. Supraniuk SB, Toprak S. Forecast of mortality from cardiovascular and cerebrovascular diseases of working-age residents of the region. In: Current Issues of Scientific Knowledge. Kurgan; 2020, P. 255–261. EDN: DHZBVD
  18. Edeleva AN, Starodubov VI, Fedotkin MA, et al. Mathematical modeling in performance management of medical organizations providing inpatient care to the elderly. Social Aspects of Population Health. 2018;(2):2. EDN: XUFBWH
  19. Buleshov MA, Alipbekova SN, Tuktibayeva SA. Modern medical and social aspects of morbidity and mortality rates in the working age population. Bulletin of the Kazakh National Medical University. 2021;(1):285–288. EDN: TJDVBJ
  20. Zaitseva NV, Kiryanov DA, Kamaltdinov MR, et al. Health risks analysis and complex procedure for estimating the effectiveness of targeted activities performed within regional public healthcare systems and aimed at reducing mortality among the population caused by cardiovascular diseases and oncological diseases. Health Care of the Russian Federation. 2021;65(4):302–309. EDN: DVUUDG doi: 10.47470/0044-197X-2021-65-4-302-309
  21. Cerda-Hern'andez J, Sikov A. Lee-Carter method for forecasting mortality for Peruvian Population. 2018. Papers 1811.09622, arXiv.org.
  22. Belliard M, Williams I. Proyección estocástica de la mortalidad. Una aplicación de Lee-Carter en la Argentina. Revista Latinoamericana de Población. 2013;7(13):129–148.

补充文件

附件文件
动作
1. JATS XML
2. Fig. 1. Mortality rates of the male and female population of the Orenburg region per 1000 population.

下载 (138KB)
3. Fig. 2. Age-specific mortality rates among males in the Orenburg region per 1000 population.

下载 (99KB)
4. Fig. 3. Age-specific mortality rates among females in the Orenburg region per 1000 population.

下载 (98KB)
5. Fig. 4. Values of the aₓ parameter for the baseline period 1991–2020.

下载 (92KB)
6. Fig. 5. Values of the bₓ parameter for the baseline period 1991–2020.

下载 (99KB)
7. Fig. 6. Values of the kt parameter for the base period 1991–2020.

下载 (109KB)
8. Fig. 7. Forecast of the mortality index until 2035.

下载 (166KB)

版权所有 © Eco-Vector, 2024

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».