📊 statistics

A Dirichlet-Multinomial-Poisson framework for the coherent analysis and forecast of cause-specific mortality

यह शोध पत्र एक पदानुक्रमित डिरिचलेट-मल्टीनोमियल-पॉइसन ढांचे का प्रस्ताव करता है जो कुल मृत्यु और कारण अनुपातों को संयुक्त रूप से मॉडल करके सुसंगत कारण-विशिष्ट मृत्यु दर पूर्वानुमान सुनिश्चित करता है, जो अमेरिकी और फ्रांसीसी डेटा के अनुभवजन्य विश्लेषणों में प्रतिस्पर्धी भविष्य कहनेवाला सटीकता और सु-अंशांकित अनिश्चितता प्रदर्शित करता है।

मूल लेखक: Andrea Nigri, Han Lin Shang, Francesco Ungolo

प्रकाशित 2026-03-03

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Andrea Nigri, Han Lin Shang, Francesco Ungolo

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

कल्पना कीजिए कि आप किसी शहर की जनसंख्या के भविष्य की भविष्यवाणी करने की कोशिश कर रहे हैं। आप जानते हैं कि दो चीजें होनी चाहिए:

कुल संख्या: आपको यह अनुमान लगाना होगा कि अगले वर्ष शहर में कितने लोगों की मृत्यु होगी।
कारण: आपको यह अनुमान लगाना होगा कि वे क्यों मरेंगे (कार दुर्घटनाएं, हृदय रोग, फ्लू, कैंसर, आदि)।

पुराने तरीकों के साथ समस्या
लंबे समय तक, सांख्यिकीविदों ने इन दोनों सवालों को अलग-अलग माना। उन्होंने कुल मौतों का अनुमान लगाने के लिए एक मॉडल बनाया और प्रत्येक विशिष्ट कारण के लिए दर्जनों अलग-अलग मॉडल बनाए।
इसे एक केक बनाने की तरह समझें जहाँ आप आटा, चीनी और अंडे को पूरी तरह से अलग-अलग रसोईघरों में, अलग-अलग तराजूों का उपयोग करके माप रहे हैं, और कभी यह जाँच ही नहीं रहे कि क्या वे आपस में मिल रहे हैं।

परिणाम: आप एक ऐसी भविष्यवाणी कर सकते हैं जो कहती है "1,000 लोग हृदय रोग से मरेंगे" और "1,000 लोग कैंसर से मरेंगे," लेकिन जब आप उन्हें जोड़ते हैं, तो आपको 2,000 मौतें मिलती हैं। फिर भी, आपका "कुल मृत्यु" वाला मॉडल केवल 1,500 की भविष्यवाणी करता है।
समस्या: यह गणितीय रूप से असंभव है। हिस्सों का योग हमेशा पूरे के बराबर होना चाहिए। जब ये मॉडल आपस में मेल नहीं खाते, तो यह "असंगत" पूर्वानुमान पैदा करता है जो नीति निर्माताओं को भ्रमित करता है और दीर्घकालिक योजना बनाना एक दुस्वप्न बना देता है।

नया समाधान: "डिरिचलेट-मल्टीनोमियल-पॉइसन" (DMP) ढांचा
इस शोध पत्र के लेखकों (एंड्रिया निग्री, हान लिन शांग और फ्रांसेस्को उंगोलो) ने एक नई, स्मार्ट रसोई बनाई है। अलग-अलग कमरों के बजाय, उन्होंने एक एकल, एकीकृत प्रणाली बनाई जो कुल संख्या और कारणों को एक साथ संभालती है।

यहाँ उनका नया सिस्टम एक सरल उपमा का उपयोग करते हुए काम करता है:

1. कुल पाई (पॉइसन भाग)

सबसे पहले, मॉडल पूछता है: "पाई कितनी बड़ी है?"
यह एक विशिष्ट वर्ष के लिए एक विशिष्ट आयु वर्ग के लिए अपेक्षित मौतों की कुल संख्या का प्रतिनिधित्व करता है। मॉडल इस कुल संख्या को एक यादृच्छिक घटना (जैसे पासा फेंकना) के रूप में मानता है, यह स्वीकार करते हुए कि हम सटीक संख्या की भविष्यवाणी नहीं कर सकते, केवल संभावित सीमा का अनुमान लगा सकते हैं। यह उनके नाम का "पॉइसन" (Poisson) भाग है।

2. पाई को काटना (डिरिचलेट-मल्टीनोमियल भाग)

एक बार जब पाई का आकार निर्धारित हो जाता है, तो मॉडल पूछता है: "हम इसे कैसे काटते हैं?"
यह मौतों के अनुपात का प्रतिनिधित्व करता है जो प्रत्येक विशिष्ट कारण (हृदय रोग, कैंसर, आदि) से होते हैं।

कल्पना कीजिए कि पाई एक पिज्जा है। मॉडल केवल पेपरोनी के टुकड़े का अनुमान नहीं लगाता; यह पेपरोनी, पनीर और मशरूम के अनुपात का अनुमान लगाता है।
महत्वपूर्ण बात यह है कि मॉडल जानता है कि यदि पेपरोनी का टुकड़ा बड़ा होता है, तो पिज्जा के आकार को समान रखने के लिए पनीर का टुकड़ा छोटा होना अनिवार्य है। यह "डिरिचलेट" (Dirichlet) भाग है। यह सुनिश्चित करता है कि स्लाइस हमेशा पाई के 100% के बराबर हों।

3. गुप्त सॉस (समानता/Coherence)

इस पेपर का जादू यह है कि यह "कुल पाई" और "काटने की प्रक्रिया" को एक गणितीय रेसिपी में एक साथ जोड़ता है।

यदि मॉडल कुल मौतों में बड़ी वृद्धि की भविष्यवाणी करता है (शायद महामारी के कारण), तो यह स्वचालित रूप से स्लाइस को समायोजित करता है।
यदि मॉडल भविष्यवाणी करता है कि हृदय रोग अधिक आम हो रहा है, तो यह सुनिश्चित करने के लिए कि सब कुछ पूरी तरह से फिट बैठता है, कुल पाई का आकार और अन्य स्लाइस को स्वचालित रूप से समायोजित करता है।

यह बेहतर क्यों है?

कोई गणितीय त्रुटि नहीं: कारणों का योग हमेशा कुल संख्या के बराबर होगा। अब "कारणों से 2,000 मौतें" बनाम "1,500 कुल मौतें" जैसी समस्या नहीं रहेगी।
बेहतर अनिश्चितता: यह आपको केवल एक संख्या नहीं देता; यह संभावनाओं की एक सीमा देता है (जैसे यह कहना कि "कुल मौतें 1,400 और 1,600 के बीच होंगी और इस सीमा के भीतर स्लाइस कैसे दिख सकते हैं")।
वास्तविक दुनिया का परीक्षण: लेखकों ने 1979 से 2023 तक संयुक्त राज्य अमेरिका और फ्रांस के डेटा पर इस मॉडल का परीक्षण किया। उन्होंने हृदय रोग, कैंसर और संक्रामक रोगों जैसे प्रमुख कारणों को देखा।

परिणाम
जब उन्होंने अपने नए "एकीकृत रसोई" (DMP) की तुलना पुराने "अलग-अलग रसोईघरों" (पारंपरिक मॉडल जैसे ली-कार्टर) से की:

नया मॉडल कुल मौतों की संख्या की भविष्यवाणी करने में अधिक सटीक था।
यह कैंसर या हृदय रोग जैसे विशिष्ट कारणों की भविष्यवाणी करने में उतना ही अच्छा (या बेहतर) था।
सबसे महत्वपूर्ण बात यह है कि इसने विश्वसनीय, सुसंगत पूर्वानुमान प्रदान किए जो आपस में विरोधाभासी नहीं थे।

संक्षेप में
यह शोध पत्र मृत्यु दर के पूर्वानुमान का एक नया तरीका प्रस्तावित करता है जो अंकगणित के बुनियादी नियम का सम्मान करता है: पूर्ण अपने हिस्सों का योग है। कुल और हिस्सों को एक साथ मॉडल करके, उन्होंने एक ऐसा उपकरण बनाया है जो सरकारों और स्वास्थ्य संगठनों के लिए अधिक विश्वसनीय है, जो भविष्य की योजना बनाने, संसाधन आवंटित करने और यह समझने में मदद करता है कि बीमारियाँ समय के साथ कैसे बदल रही हैं। यह अलग-अलग कमरों में मौसम का अनुमान लगाने के बजाय एक विशाल, सटीक मौसम मानचित्र होने जैसा है जो पूरे शहर को कवर करता है।

यहाँ शोध पत्र "A Dirichlet-Multinomial-Poisson framework for the coherent analysis and forecast of cause-specific mortality" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

मृत्यु दर के पूर्वानुमान के पारंपरिक दृष्टिकोण अक्सर विशिष्ट कारणों से होने वाली मृत्यु की दरों को स्वतंत्र रूप से मॉडल करते हैं (जैसे, प्रत्येक कारण के लिए अलग से ली-कार्टर (Lee-Carter) मॉडल लागू करना)। यह दृष्टिकोण एक मौलिक असंगति की समस्या (incoherence problem) से ग्रस्त है: विशिष्ट कारणों से होने वाली अनुमानित मौतों का योग अक्सर जनसंख्या में अनुमानित कुल मौतों से मेल नहीं खाता है।

परिणाम: इसके कारण अवास्तविक दीर्घकालिक अनुमान लगते हैं, बुनियादी जनसांख्यिकीय बाधाओं (परस्पर अनन्य और सामूहिक रूप से पूर्ण कारणों) का उल्लंघन होता है, और नीति नियोजन एवं संसाधन आवंटन को जटिल बनाता है।
सांख्यिकीय चुनौती: कारणों द्वारा मृत्यु का मॉडलिंग करने के लिए कंपोजिशनल डेटा (compositional data) (अनुपात जो 1 के योग के बराबर होते हैं) को संभालने की आवश्यकता होती है, जबकि साथ ही कुल मृत्यु संख्या को भी मॉडल करना होता है, जो स्वयं के सांख्यिकीय उतार-चढ़ाव के अधीन है। कंपोजिशनल डेटा विश्लेषण (CoDa) में उपयोग किए जाने वाले मानक रूपांतरण (जैसे लॉग-अनुपात) दर-आधारित व्याख्याओं को विकृत कर सकते हैं या कुल (totals) और घटकों (components) के बीच अनिश्चितता को सही ढंग से प्रसारित करने में विफल हो सकते हैं।

2. कार्यप्रणाली: डिरिचलेट-मल्टीनोमियल-पॉइसन (DMP) ढांचा

लेखक एक पदानुक्रमित संभाव्यता ढांचे (hierarchical probabilistic framework) का प्रस्ताव करते हैं जो कुल मृत्यु संख्या और कारणों के बीच मृत्यु के आवंटन दोनों को यादृच्छिक चरों (random variables) के रूप में मानता है। यह निर्माण द्वारा सामंजस्य (coherence) सुनिश्चित करता है।

A. पदानुक्रमित संरचना (Hierarchical Structure)

यह मॉडल मृत्यु प्रक्रिया को दो जुड़े हुए स्तरों में विभाजित करता है:

कुल मृत्यु (पॉइसन स्तर - Poisson Layer): आयु $a$ और अवधि $t$ के लिए कुल मृत्यु ( $Y_{a,t}$ ) एक पॉइसन वितरण (Poisson distribution) का पालन करती है:
$Y_{a,t} \sim \text{Poisson}(E_{a,t} m_{a,t})$
जहाँ $E_{a,t}$ एक्सपोजर (exposure) है और $m_{a,t}$ कुल मृत्यु दर है।
कारण आवंटन (डिरिचलेट-मल्टीनोमियल स्तर - Dirichlet-Multinomial Layer): कुल मृत्यु $Y_{a,t}$ $Y_{a, t}$ की स्थिति में, कारणों के आधार पर मृत्यु का वेक्टर ( $Y_{a,t,1}, \dots, Y_{a,t,C}$ $Y_{a, t, 1}, \dots, Y_{a, t, C}$ ) एक डिरिचलेट-मल्टीनोमियल (DM) वितरण का पालन करता है।
- कारण $c$ द्वारा मृत्यु की संभावना ( $\gamma_{a,t,c}$ ) एक डिरिचलेट वितरण का अनुसरण करती है जिसे $\alpha_{a,t} = \phi \gamma_{a,t}$ द्वारा पैरामीटराइज किया गया है।
- संभावनाओं को एक लेटेंट लीनियर प्रेडिक्टर $\eta_{a,t,c}$ के सॉफ्टमैक्स फंक्शन (softmax function) के माध्यम से मॉडल किया जाता है:
  $\gamma_{a,t,c} = \frac{\exp(\eta_{a,t,c})}{\sum_{c'} \exp(\eta_{a,t,c'})}$
- DM वितरण सांद्रता पैरामीटर $\phi$ के माध्यम से ओवरडिस्पर्शन (overdispersion) (मल्टीनोमियल से अधिक भिन्नता) को ध्यान में रखता है।

B. कोवेरिएट मॉडलिंग (आयु-अवधि और ली-कार्टर)

लेटेंट प्रेडिक्टर्स ( $\eta_{a,t,c}$ ) और लॉग-कुल दर ( $\log m_{a,t}$ ) को अस्थायी गतिशीलता को पकड़ने के लिए दो अलग-अलग संरचनाओं का उपयोग करके मॉडल किया गया है:

आयु-अवधि (Age-Period - AP) मॉडल:
- कुल दर: $\log m_{a,t} = \nu_0 + \delta_a + \pi_t$
- कारण संभावनाएँ: $\eta_{a,t,c} = \phi_{0,c} + \zeta_{a,c} + \lambda_{t,c}$
- ओवरफिटिंग को रोकने और सुचारू जनसांख्यिकीय संक्रमणों को पकड़ने के लिए मापदंडों को सेकंड-ऑर्डर रैंडम वॉक (RW2) का उपयोग करके स्मूथ किया जाता है।
ली-कार्टर (Lee-Carter - LC) मॉडल:
- कुल दर: $\log m_{a,t} = \nu_0 + \delta_a + \beta_a \kappa_t$
- कारण संभावनाएँ: $\eta_{a,t,c} = \phi_{0,c} + \zeta_{a,c} + \vartheta_c \kappa_t$
- अवधि प्रभाव $\kappa_t$ को कुल मृत्यु स्तर और कारण संरचना के बीच साझा किया जाता है, जो फर्स्ट-ऑर्डर रैंडम वॉक (RW1) द्वारा संचालित होता है। यह मॉडल को उन व्यवस्थित पुनर्वितरणों को पकड़ने की अनुमति देता है जो उन्हीं धर्मनिरपेक्ष रुझानों (secular trends) द्वारा संचालित होते हैं जो कुल मृत्यु दर को प्रभावित करते हैं।

C. अनुमान और पूर्वानुमान (Inference and Forecasting)

बायेसियन अनुमान (Bayesian Estimation): मापदंडों का अनुमान Stan सॉफ्टवेयर के माध्यम से हैमिल्टोनियन मोंटे कार्लो (HMC) का उपयोग करके लगाया जाता है। डेटा को पोस्टीरियर (posterior) को संचालित करने के लिए नॉन-इंफॉर्मेटिव प्रायर्स (non-informative priors) का उपयोग किया जाता है।
सुसंगत अनुमान (Coherent Projections): भविष्य के पूर्वानुमान अवधि प्रभावों ( $\pi_t$ या $\kappa_t$ ) और कारण-विशिष्ट लोडिंग के स्टोकेस्टिक विकास का अनुकरण करके उत्पन्न किए जाते हैं। क्योंकि यह मॉडल जेनेरेटिव (generative) है, इसलिए अनुमानित कारण-विशिष्ट दरों का योग गारंटीकृत रूप से अनुमानित कुल दर के बराबर होता है, और अनिश्चितता बैंड स्वाभाविक रूप से कुल गणना और कंपोजिशनल आवंटन दोनों से प्रसारित होते हैं।

3. मुख्य योगदान (Key Contributions)

एकीकृत सुसंगत ढांचा (Unified Coherent Framework): यह शोध पत्र एक एकल संभाव्यता मॉडल पेश करता है जो कुल मृत्यु गणनाओं और कारण-विशिष्ट अनुपातों दोनों को एक साथ मॉडल करता है, जिससे अलग-अलग मॉडलिंग दृष्टिकोणों में पाई जाने वाली असंगति समाप्त हो जाती है।
विक्षेपण का दोहरा स्रोत (Double Source of Dispersion): कुल (totals) के लिए पॉइसन (Poisson) और संरचना (composition) के लिए डिरिचलेट-मल्टीनोमियल (Dirichlet-Multinomial) को जोड़कर, यह मॉडल मृत्यु के आयतन (volume) और कारणों के मिश्रण (mix) दोनों में भिन्नता को पकड़ता है, जिसमें बाद वाले में ओवरडिस्पर्शन भी शामिल है।
एकीकृत अनिश्चितता मात्रा निर्धारण (Integrated Uncertainty Quantification): उन विधियों के विपरीत जो पोस्ट-हॉक (post-hoc) अनिश्चितता बैंड जोड़ती हैं, यह ढांचा संयुक्त पोस्टीरियर वितरण से सीधे प्रेडिक्टिव अनिश्चितता प्राप्त करता है, जो एग्रीगेट्स और उपसमूहों दोनों के लिए सुसंगत अनिश्चितता विवरण प्रदान करता है।
लचीलापन (Flexibility): यह ढांचा मानक जनसांख्यिकीय मॉडलों (AP और LC) के अनुकूल है, जिससे शोधकर्ताओं को डेटा के लिए सबसे उपयुक्त अस्थायी संरचना चुनने की अनुमति मिलती है जबकि सुसंगतता बनी रहती है।

4. अनुभवजन्य परिणाम (Empirical Results)

इस ढांचे का परीक्षण ह्यूमन मोरटैलिटी डेटाबेस (1979–2023) के डेटा पर संयुक्त राज्य अमेरिका और फ्रांस के लिए, लिंग के आधार पर अलग-अलग किया गया। अध्ययन ने एक रोलिंग 15-वर्षीय आउट-ऑफ-सैंपल (OOS) मूल्यांकन का उपयोग किया, जिसमें DMP मॉडलों (DMP-AP और DMP-LC) की तुलना निम्नलिखित से की गई:

स्वतंत्र रूप से प्रत्येक कारण के लिए फिट किया गया मानक ली-कार्टर (LC)।
कंपोजिशनल डेटा विश्लेषण (CoDa) विधियाँ (Kjærgaard et al., 2019)।

मुख्य निष्कर्ष:

कुल मृत्यु दर सटीकता (Total Mortality Accuracy): DMP-LC विनिर्देश ने दोनों देशों और लिंगों के लिए कुल मृत्यु दर के लिए लगातार न्यूनतम रूट मीन स्क्वेर्ड एरर (RMSE) और मीन एब्सोल्यूट एरर (MAE) प्राप्त किया। इसने मानक LC और CoDa दृष्टिकोणों को काफी बेहतर प्रदर्शन किया।
कारण-विशिष्ट प्रदर्शन (Cause-Specific Performance):
- DMP-LC और DMP-AP प्रमुख कारणों (जैसे, हृदय रोग, नियोप्लाज्म) के लिए व्यवस्थित रूप से शीर्ष प्रदर्शन करने वालों में शामिल थे।
- हालांकि CoDa कभी-कभी विशिष्ट व्यक्तिगत कारणों (विशेष रूप से फ्रांस में महिलाओं के लिए) के लिए कम त्रुटियां दिखाता है, लेकिन यह कुल मृत्यु दर पर खराब प्रदर्शन करता है और इसमें सिस्टम-लेवल सुसंगतता का अभाव है।
- स्वतंत्र रूप से फिट किए गए मानक LC मॉडल अक्सर असंगत कुल परिणाम देते हैं, भले ही व्यक्तिगत कारण फिट उचित हों।
स्थिरता (Stability): LC-आधारित सुसंगत मॉडल (DMP-LC) ने AP-आधारित मॉडल की तुलना में लंबी अवधि के विस्तार (extrapolations) के लिए अधिक स्थिर पूर्वानुमान प्रदान किया, जिसमें फ्रांस के लिए आउट-ऑफ-सैंपल पूर्वानुमानों में अधिक अस्थिरता देखी गई।
दृश्य फिट (Visual Fit): मॉडल देखे गए रुझानों को सफलतापूर्वक ट्रैक करते हैं और पूर्वानुमान अवधि के लिए विस्तृत, तर्कसंगत अनिश्चितता अंतराल उत्पन्न करते हैं, विशेष रूप से उच्च परिवर्तनशीलता वाले कारणों के लिए।

5. महत्व और निहितार्थ (Significance and Implications)

नीति प्रासंगिकता (Policy Relevance): यह ढांचा सार्वजनिक स्वास्थ्य और बीमा विज्ञान (actuarial science) में एक महत्वपूर्ण अंतर को संबोधित करता है। अब नीति निर्माता ऐसे पूर्वानुमानों पर भरोसा कर सकते हैं जहाँ विशिष्ट रोगों के बोझ का योग कुल मृत्यु भार के बराबर होता है, जिससे यह सुनिश्चित होता है कि संसाधन आवंटन रणनीतियाँ सुसंगत डेटा पर आधारित हैं।
जोखिम प्रबंधन (Risk Management): दीर्घायु जोखिम प्रबंधन (longevity risk management) और पेंशन योजना के लिए, कारणों और कुल के बीच संयुक्त अनिश्चितता को मापने की क्षमता महत्वपूर्ण है। DMP ढांचा इन जोखिमों के लिए एक एकीकृत वितरण प्रदान करता है।
पद्धतिगत प्रगति (Methodological Advancement): यह शोध पत्र प्रदर्शित करता है कि कंपोजिशनल बाधाओं को सीधे लाइकलीहुड फंक्शन (डिरिचलेट-मल्टीनोमियल के माध्यम से) में एकीकृत करना, पोस्ट-हॉक सुधारों या अलग मॉडलिंग की तुलना में बेहतर है। यह जटिल जनसांख्यिकीय पूर्वानुमान कार्यों के लिए बायेसियन पदानुक्रमित मॉडलिंग के उपयोग को मान्य करता है।

निष्कर्षतः, यह शोध पत्र डिरिचलेट-मल्टीनोमियल-पॉइसन (DMP) ढांचे, विशेष रूप से DMP-LC संस्करण को, कारण-विशिष्ट मृत्यु दर के पूर्वानुमान के लिए एक मजबूत, सुसंगत और सटीक विधि के रूप में स्थापित करता है, जो पारंपरिक स्वतंत्र मॉडलिंग दृष्टिकोणों की तुलना में महत्वपूर्ण सुधार प्रदान करता है।