18 августа 2023

Краткосрочное прогнозирование показателей смертности на основе оперативных данных методами машинного обучения

2 202

Гусев А.В., Андрейченко А. Е., Котловский М.Ю., Тарасенко Т.Д., Деев И.А., Кобякова О.С.

Аннотация

В исследовании была рассмотрена возможность создания и сравнения краткосрочных предиктивных моделей смертности населения региона в ковидный период (2020) и до него (2019) с использованием алгоритма машинного обучения (CatBoost). Использовали оперативные данных о числе умерших Федеральной службы государственной статистики и дополнительно справочники субъектов РФ (демографические и общегеографические данные, сведения о медицинских организациях, показатели системы здравоохранения, медицинские мониторинги, показатели рисков опасностей и др.). Для данных 2019 г. ошибка модели уменьшалась с увеличением периода обучения с 13 до 0,5%. В 2020 г. данного уменьшения не наблюдалось, и ошибка варьировалась между 8 и 16%. Не удалось повысить точность прогнозов при присоединении характеристик регионов. Агрегированные данные имели черты случайного процесса, и отсутствовали предикторы, имеющие значимое влияние на причины смертности или значимо ассоциированные с ними.

Гусев А.В., Андрейченко А. Е., Котловский М.Ю., Тарасенко Т.Д., Деев И.А., Кобякова О.С. Краткосрочное прогнозирование показателей смертности на основе оперативных данных методами машинного обучения. Демографическое обозрение. – 2023. – Т.10, №2. – С. 132-142. https://doi.org/10.17323/demreview.v10i2.17768

Поделиться

Подпишитесь на нашу рассылку

Хотите получать интересную и полезную информацию о цифровом здравоохранении и искусственном интеллекте для медицины?
Включайтесь в нашу рассылку!

Присоединяйтесь

Наши группы в соц сетях