A Probabilistic Framework for Estimating the Modal Age at Death
यह शोध पत्र एक संभाव्य ढांचे का प्रस्ताव करता है जो मृत्यु की गणना को पॉइसन वितरणों (Poisson distributions) के साथ मॉडल करता है और मृत्यु की मोडल आयु (modal age at death) के पूर्ण पश्च वितरण (full posterior distribution) और विश्वसनीय अंतरालों (credible intervals) का अनुमान लगाने के लिए या तो स्वतंत्र गामा पूर्व (independent gamma priors) या द्वितीय-क्रम के रैंडम-वॉक पूर्व (second-order random-walk priors) का उपयोग करता है, जो मौजूदा एकल-संख्या अनुमानकों (single-number estimators) और बूटस्ट्रैप विधियों की तुलना में बेहतर सटीकता और मजबूती प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जनसांख्यिकीविद् (demographers) यह समझने के लिए कि लोग कितने लंबे समय तक जीवित रह रहे हैं, अक्सर मृत्यु की औसत आयु को देखते हैं। लेकिन औसत भ्रामक हो सकते हैं, विशेष रूपकर जब कुछ बहुत कम उम्र की मौतें संख्या को नीचे खींच लेती हैं, जिससे इस वास्तविकता को छिपा दिया जाता है कि अधिकांश लोग बहुत लंबे समय तक जीवित रहते हैं। एक अधिक प्रकट करने वाला माप "मोडल आयु" (modal age) है। यह सरल शब्दों में वह एकल आयु है जहाँ सबसे अधिक लोग मरते हैं। यदि आप किसी देश में एक वर्ष के दौरान मरने वाले प्रत्येक व्यक्ति को एक पंक्ति में खड़ा करें और गिनें कि कितने लोग 80 वर्ष की आयु में मरे, कितने 81 की, और इसी तरह, तो मोडल आयु उस शिखर (peak) पर मौजूद संख्या है। जीवन प्रत्याशा (life expectancy) के विपरीत, जो तब बदल जाती है जब कुछ बच्चे कम उम्र में मर जाते हैं, मोडल आयु विशेष रूप रूप से वृद्ध वयस्कों के अस्तित्व के बारे में बताती है। यह ट्रैक करती है कि क्या मृत्यु का वक्र (death curve) वृद्ध आयु की ओर खिसक रहा है, जो इस बात का संकेत है कि लोग न केवल लंबे समय तक जीवित रह रहे हैं, बल्कि बुढ़ापे की पूरी प्रक्रिया को पीछे धकेला जा रहा है।
दशकों तक, शोधकर्ताओं ने इस संख्या को सटीकता से निर्धारित करने का प्रयास किया है, लेकिन इसे सटीकता से मापना अत्यंत कठिन है। किसी भी दिए गए वर्ष में, 89 वर्ष की आयु में होने वाली मौतों की संख्या 90 वर्ष की तुलना में केवल थोड़ी सी अधिक हो सकती है। क्योंकि ये संख्याएँ वास्तविक मानव जीवन पर आधारित होती हैं, वे यादृच्छिक रूप से (randomly) उतार-चढ़ाव करती हैं। डेटा में एक छोटा सा, यादृच्छिक उछाल यह दिखा सकता है कि शिखर एक वर्ष से खिसक गया है, भले ही अंतर्निहित वास्तविकता में कोई बदलाव न हुआ हो। पारंपरिक तरीके आमतौर पर उत्तर के रूप में एक एकल संख्या देते हैं, शायद अनिश्चितता की एक सीमा के साथ जो अलग से गणना की गई हो। यह दृष्टिकोण इस तथ्य को पकड़ने में संघर्ष करता है कि कई मामलों में, डेटा दो पड़ोसी आयु के बीच अंतर करने में सक्षम नहीं होता है। यह शिखर को एक निश्चित बिंदु के बजाय संभावना के एक धुंधले क्षेत्र के रूप में मानता है।
सदर्न डेनमार्क विश्वविद्यालय के शोधकर्ता सिल्वियो सी. पेट्रिसियो और पाओला वाज़क्वेज़-कास्टिलो द्वारा किया गया एक नया अध्ययन इस समस्या को देखने का एक अलग तरीका प्रदान करता है। डेटा को एक एकल संख्या में बदलने के बजाय, उन्होंने एक ऐसा ढांचा बनाया है जो मोडल आयु के संपूर्ण संभाव्यता वितरण (probability distribution) की गणना करता है। कल्पना कीजिए कि शोधकर्ता पूछ रहे हैं, "देखी गई मौतों को देखते हुए, क्या इस बात की संभावना है कि शिखर 89 पर है? क्या 90 पर होने की संभावना है? क्या 91 पर होने की संभावना है?" मौतों की गणना में प्राकृतिक यादृच्छिकता को ध्यान में रखते हुए हजारों सिमुलेशन चलाकर, उन्होंने अनिश्चितता की एक पूर्ण तस्वीर तैयार की। उनकी विधि मृत्यु दर को एक ऐसे पहेली के रूप में देखती है जहाँ टुकड़े आपस में जुड़े हुए हैं। उन्होंने एक सांख्यिकीय दृष्टिकोण का उपयोग किया जो डेटा को एक-दूसरे को सूचित करने की अनुमति देता है, जिससे मृत्यु वक्र के वास्तविक आकार का सम्मान करते हुए यादृच्छिक शोर (random noise) को सुधारा जा सके।
शोधकर्ताओं ने अपने तरीके का परीक्षण सिम्युलेटेड (simulated) डेटा का उपयोग करके किया जहाँ वे पहले से ही वास्तविक उत्तर जानते थे। उन्होंने विभिन्न जनसंख्या आकारों और विभिन्न मृत्यु पैटर्न के साथ परिदृश्य बनाए, जिनमें कुछ ऐसे भी थे जहाँ डेटा इतना अव्यवस्थित था कि उसमें एक माध्यमिक, छोटा शिखर भी मौजूद था। इन परीक्षणों में, उनका नया तरीका मौजूदा तकनीकों की तुलना में काफी अधिक सटीक साबित हुआ। जब डेटा साफ था और एक एकल शिखर दिखा रहा था, तो उनके अनुमान स्वतंत्र गणनाओं से प्राप्त अनुमानों की तुलना में कहीं अधिक सटीक थे। कुछ मामलों में, उनके अनुमानों में त्रुटि मानक दृष्टिकोण की त्रुटि से दस गुना अधिक कम थी। यहाँ तक कि जब डेटा एक माध्यमिक शिखर से जटिल था, तब भी उनकी विधि मजबूत बनी रही, और मौजूदा सर्वोत्तम स्मूथिंग (smoothing) तकनीकों के लगभग समान प्रदर्शन किया। महत्वपूर्ण रूप से, उनकी विधि ने विश्वास का एक विश्वसनीय माप प्रदान किया। जबकि अन्य तरीकों ने ऐसे अंतराल (intervals) दिए जो या तो भरोसेमंद होने के लिए बहुत संकीर्ण थे या उपयोगी होने के लिए बहुत व्यापक, नया दृष्टिकोण लगातार सही उत्तर को अपने गणना किए गए दायरे के भीतर कैप्चर करने में सफल रहा।
इसके बाद टीम ने डेनमार्क, फ्रांस, जापान और स्वीडन की महिलाओं के वास्तविक दुनिया के डेटा का उपयोग करते हुए, 1960 से वर्तमान तक के रिकॉर्ड देखे। परिणामों ने एक स्पष्ट रुझान दिखाया: मोडल आयु की मृत्यु में चारों देशों में निरंतर वृद्धि हुई है, जो इस बात की पुष्टि करती है कि मानव मृत्यु का शिखर वृद्ध आयु की ओर बढ़ रहा है। उदाहरण के लिए, जापान में, शिखर इस अवधि के दौरान लगभग 79 से 92 वर्ष तक बढ़ गया। अध्ययन ने उनके दृष्टिकोण की स्थिरता को भी प्रदर्शित किया। जब शोधकर्ताओं ने अपने विश्लेषण का शुरुआती बिंदु बदला—मॉडल को 40 वर्ष से कम, या 50 वर्ष से कम, या 60 वर्ष से कम की मौतों को अनदेखा करने के लिए कहा—तो उनके परिणाम बहुत कम बदले। यह स्थिरता पुराने मॉडलों की तुलना में एक बड़ा लाभ है, जो गणना में शामिल आयु के आधार पर अपने उत्तरों को महत्वपूर्ण रूप से बदल सकते थे।
शायद इस नए ढांचे का सबसे शक्तिशाली अनुप्रयोग तब सामने आया जब शोधकर्ताओं ने 2020 के वर्ष को देखा, जो वैश्विक व्यवधान का समय था। फ्रांस में, डेटा ने उस वर्ष मोडल आयु में गिरावट का सुझाव दिया। हालांकि 2019 और 2020 के मानक एरर बार व्यक्तिगत रूप से ओवरलैप (overlap) होते थे, जिससे यह कहना कठिन था कि वास्तव में कोई परिवर्तन हुआ है या नहीं, नए तरीके ने सीधे परिवर्तन की संभावना की गणना की। इसने पाया कि मोडल आयु में वास्तव में गिरावट आने की 99 प्रतिशत संभावना थी। बदलाव की संभावना को मापने की यह क्षमता, केवल संभावनाओं की एक सीमा बताने के बजाय, यह समझने के लिए एक स्पष्ट उपकरण प्रदान करती है कि विशिष्ट घटनाएं दीर्घायविता को कैसे प्रभावित करती हैं। अध्ययन यह निष्कर्ष निकालता है कि अनिश्चितता के पूर्ण वितरण को अपनाने से, बजाय इसके कि उसे एक एकल संख्या के पीछे छिपा दिया जाए, हम मानव जीवन के परिवर्तन की बहुत अधिक सच्ची तस्वीर प्राप्त कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।