📊 statistics

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

Deze paper introduceert een hiërarchisch Dirichlet-Multinomiaal-Poisson-raamwerk dat coherentie garandeert tussen totale en oorzakelijke sterftecijfers door sterftecijfers als stochastische variabelen te modelleren, wat leidt tot betrouwbare en goed gekalibreerde projecties voor verschillende landen en geslachten.

Oorspronkelijke auteurs: Andrea Nigri, Han Lin Shang, Francesco Ungolo

Gepubliceerd 2026-03-03

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Andrea Nigri, Han Lin Shang, Francesco Ungolo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

🏥 De Grote Doodrekening: Hoe je voorspelt wie er overlijdt en waarom

Stel je voor dat je een enorme, complexe puzzel hebt. De puzzelstukjes zijn de mensen die in een land (zoals de VS of Frankrijk) overlijden. De vraag is: Hoeveel mensen sterven er in totaal, en wat is de reden?

Soms sterven ze aan een hartziektes, soms aan kanker, soms aan een ongeluk en soms aan een infectie.

🚫 Het oude probleem: De "Losse Kaarten" aanpak

Vroeger deden statistici dit zo: ze maakten één kaartje voor hartziektes, één voor kanker, één voor ongelukken, enzovoort. Ze voorspelden elk kaartje apart.

Het probleem hiermee?
Stel je voor dat je de voorspellingen van al die losse kaartjes optelt. Dan kom je vaak uit op een totaal dat niet klopt met het werkelijke aantal mensen dat overlijdt.

Het kan zijn dat je voorspelt dat er 100 mensen aan kanker sterven én 100 aan hartziektes, maar dat het totaal aantal doden in dat jaar maar 150 is. Dat is wiskundig onmogelijk!
Of je voorspelt dat er meer mensen sterven dan er überhaupt mensen in het land wonen.

Dit noemen de auteurs incoherentie. Het is alsof je een budgetplanning maakt waarbij je uitgaven voor eten, huur en auto meer zijn dan je totale salaris. Het werkt niet voor beleidsmakers die echt plannen moeten maken.

✅ De nieuwe oplossing: De "Dirichlet-Multinomial-Poisson" (DMP) methode

De auteurs van dit artikel (Andrea Nigri, Han Lin Shang en Francesco Ungolo) hebben een slimme nieuwe manier bedacht om deze puzzel op te lossen. Ze noemen hun methode het DMP-framework.

Laten we het vergelijken met het bakken van een taart:

De Taartgrootte (De Poisson-deel):
Eerst kijken ze naar de totale taart. Hoe groot is hij? Dit is het totale aantal doden in een jaar. Ze gebruiken een wiskundig model (Poisson) om te voorspellen of de taart dit jaar groter of kleiner wordt dan vorig jaar. Dit hangt af van factoren zoals de leeftijd van de bevolking en gebeurtenissen in de tijd (zoals een pandemie of nieuwe medicijnen).
De Smaakverdeling (De Dirichlet-deel):
Nu de taartgrootte bekend is, moeten ze beslissen hoe die taart verdeeld wordt over de smaken. Hoeveel stukjes zijn er voor kanker? Hoeveel voor hartziektes?
In plaats van elke smaak apart te voorspellen, kijken ze naar de verhouding. Ze gebruiken een model (Dirichlet) dat ervoor zorgt dat de stukjes altijd samen 100% van de taart vormen. Als het aandeel kanker iets groter wordt, moet het aandeel van een andere ziekte automatisch iets kleiner worden.

Het magische trucje:
Door deze twee stappen samen te doen in één groot model, is het resultaat altijd coherent.

Als je de stukjes (oorzaken) optelt, krijg je precies de totale taartgrootte.
Er is geen "wiskundig gat" meer.

🧠 Waarom is dit zo slim? (De Analogie van de Orkestleider)

Stel je een orkest voor.

De oude methode was alsof elke muzikant (elke ziekte) zijn eigen partituur speelde zonder naar de dirigent te luisteren. Soms speelden ze te hard, soms te zacht, en samen klonk het als een puinhoop.
De nieuwe DMP-methode is alsof er één dirigent is. De dirigent bepaalt eerst hoe hard het hele orkest moet spelen (totaal aantal doden). Daarna geeft hij aan elke sectie (hart, longen, kanker) precies aan hoe hard zij moeten spelen ten opzichte van elkaar. Zo blijft het muziekstuk harmonieus en klopt het totaal.

📊 Wat hebben ze ontdekt?

De auteurs hebben dit model getest met data uit de Verenigde Staten en Frankrijk, van 1979 tot 2023. Ze hebben gekeken of hun methode beter voorspelde dan de oude methoden.

De resultaten:

Betere Voorspellingen: Hun nieuwe model gaf de meest accurate voorspellingen voor het totale aantal doden.
Stabiel: Zelfs als ze voorspellingen maakten voor de toekomst (bijvoorbeeld 15 jaar vooruit), bleef het model stabiel. De oude methoden begonnen soms "uit te dijen" en onrealistische scenario's te geven.
Vertrouwen: Omdat het model alles in één keer berekent, kunnen ze ook beter zeggen: "We zijn 95% zeker dat het aantal hartdoden tussen X en Y ligt." Bij de oude methoden was die zekerheid vaak wazig of onjuist.

🏁 Conclusie voor de gewone mens

Dit artikel zegt eigenlijk: "Hé, als we willen weten hoe gezond onze samenleving wordt en waar we geld moeten investeren (bijvoorbeeld meer artsen voor kanker of meer preventie voor ongelukken), moeten we stoppen met het apart voorspellen van ziektes."

In plaats daarvan moeten we kijken naar het geheel. Als we het totaal in de gaten houden en de verdeling tussen ziektes slim laten meebewegen, krijgen we een veel betrouwbaarder beeld van de toekomst. Het is een stap naar een wereld waar beleidsmakers op een stevige, wiskundige basis kunnen bouwen, zonder dat hun cijfers in elkaar zakken.

Kortom: Geen losse puzzelstukjes meer, maar één complete, goed passende puzzel.

Titel: Een Dirichlet-Multinomial-Poisson-raamwerk voor de coherente analyse en prognose van sterfte per oorzaak

Auteurs: Andrea Nigri, Han Lin Shang, en Francesco Ungolo.

1. Het Probleem

Traditionele methoden voor het projecteren van sterftecijfers, zoals het Lee-Carter (LC) model, modelleren vaak sterfte per oorzaak afzonderlijk. Deze aanpak leidt tot een fundamenteel demografisch probleem: incoherentie.

Wanneer sterfte per oorzaak onafhankelijk wordt geprojecteerd, kan de som van de voorspelde sterftecijfers per oorzaak niet overeenkomen met het totaal aantal sterfgevallen in de populatie.
Dit resulteert in onrealistische langetermijnprognoses die de basisdemografische beperkingen schenden (dat sterfte per oorzaak collectief uitputtend en wederzijds uitsluitend moet zijn).
Bestaande compositional data analysis (CoDa) methoden lossen dit deels op door te werken met verhoudingen, maar modelleren vaak niet direct de sterftecijfers (rates) en kunnen onnauwkeurigheden introduceren bij de aggregatie.

2. Methodologie: Het DMP-raamwerk

De auteurs stellen een hiërarchisch probabilistisch raamwerk voor: het Dirichlet-Multinomial-Poisson (DMP) model. Dit model behandelt zowel het totale aantal sterfgevallen als de verdeling over oorzaken als stochastische variabelen binnen één geïntegreerd systeem.

De drie lagen van het model:

Poisson-verdeling (Totaal): Het totale aantal sterfgevallen ( $Y_{a,t}$ $Y_{a, t}$ ) voor een leeftijdsgroep $a$ $a$ en periode $t$ $t$ volgt een Poisson-verdeling. De verwachting wordt bepaald door de blootstelling aan risico ( $E_{a,t}$ $E_{a, t}$ ) en het totale sterftecijfer ( $m_{a,t}$ $m_{a, t}$ ).
- $Y_{a,t} \sim \text{Poisson}(E_{a,t} m_{a,t})$
Dirichlet-verdeling (Samenstelling): De vector van sterftecijfers per oorzaak ( $Y_{a,t,c}$ $Y_{a, t, c}$ ) volgt een Dirichlet-Multinomial (DM) verdeling, gegeven het totale aantal sterfgevallen.
- De waarschijnlijkheid dat een sterfgeval door oorzaak $c$ wordt veroorzaakt, wordt gemodelleerd via een Dirichlet-verdeling met parameter $\alpha_{a,t} = \phi \gamma_{a,t}$ .
- De verhoudingen $\gamma_{a,t,c}$ worden omgezet via een softmax-functie van een lineaire voorspeller ( $\eta_{a,t,c}$ ), wat zorgt voor coherente sommen (som = 1).
Dynamische componenten:
- Het model kan worden gekoppeld aan een Lee-Carter (LC) structuur of een Lee-Carter-Age-Period (AP) structuur.
- LC-DMP: Gebruikt een gemeenschappelijke tijdsindex ( $\kappa_t$ ) die zowel het totale sterftecijfer als de verdeling over oorzaken beïnvloedt. Dit zorgt voor een sterke koppeling tussen de algemene trend en de verschuivingen in oorzaken.
- AP-DMP: Gebruikt additieve leeftijd- en periode-effecten.
- Regularisatie: Parameters worden gladgestreken met behulp van tweede-orde Gaussische random walks (RW2) om overfitting te voorkomen en demografische continuïteit te waarborgen.

Inferentie:

Het model wordt geschat via Bayesiaanse inferentie met behulp van Hamiltonian Monte Carlo (HMC) in Stan.
Dit maakt het mogelijk om onzekerheid in zowel de parameters als de projecties (predictieve distributies) volledig te kwantificeren.

3. Belangrijkste Bijdragen

Coherentie bij constructie: Het model garandeert dat de som van de sterftecijfers per oorzaak exact gelijk is aan het totaal sterftecijfer voor elke leeftijd en periode, zowel voor puntprognoses als voor onzekerheidsintervallen.
Dubbele variabiliteit: Het model vangt twee soorten variatie tegelijkertijd op: variatie in het totale aantal sterfgevallen (via Poisson) en variatie in de verhoudingen tussen oorzaken (via Dirichlet-Multinomial).
Geïntegreerde onzekerheid: In tegenstelling tot twee-staps methoden (eerst totaal, dan verdeling), levert het DMP-raamwerk een gezamenlijke predictieve distributie op die alle bronnen van onzekerheid (stochastische variabiliteit en parameteronzekerheid) correct doorgeeft.
Interpreteerbaarheid: Door het gebruik van leeftijd-periode-effecten blijven de demografische patronen (zoals veroudering en periode-effecten zoals pandemieën) direct interpreteerbaar.

4. Empirische Resultaten

De methode werd getest op data uit de Human Mortality Database voor de Verenigde Staten en Frankrijk (1979–2023), gesplitst per geslacht en gegroepeerd in zes hoofd-sterfteoorzaken (infectieus, neoplasmata, hart- en vaatziekten, ademhalingsziektes, externe oorzaken, overig).

Evaluatie:

Gebruik van een rolling 15-jaar out-of-sample validatie (trainen op data tot 2008/2007, testen op de daaropvolgende 15 jaar).
Vergelijking met:
1. Het standaard Lee-Carter model (apart per oorzaak).
2. Een CoDa-benadering (Compositional Data Analysis).

Kernbevindingen:

Algemene Sterfte: Het DMP-LC model presteerde consistent het beste (laagste RMSE en MAE) voor het voorspellen van het totaal sterftecijfer in beide landen en voor beide geslachten. Het Lee-Carter model (apart per oorzaak) en CoDa presteerden slechter op het totaal.
Sterfte per Oorzaak:
- DMP-LC en DMP-AP presteerden zeer competitief voor specifieke oorzaken (zoals hart- en vaatziekten en neoplasmata), vaak in de top-2.
- Hoewel CoDa soms de laagste fouten had voor specifieke oorzaken (vooral bij vrouwen in Frankrijk), faalde het vaak bij het voorspellen van het totaal.
Stabiliteit: DMP-LC leverde de meest stabiele extrapolaties, vooral bij oorzaken met gladde trends. DMP-AP toonde soms meer variabiliteit in de projectie van het niveau.
Coherentie: Alleen het DMP-raamwerk garandeerde dat de projecties intern consistent waren. De "apart per oorzaak" modellen leverden soms onmogelijke scenario's op waarbij de som van de oorzaken afweek van het totaal.

5. Betekenis en Conclusie

De studie concludeert dat het Dirichlet-Multinomial-Poisson (DMP) raamwerk, en specifiek de variant gekoppeld aan Lee-Carter (DMP-LC), een superieure methode biedt voor langetermijnprognoses van sterfte per oorzaak.

Beleid en Planning: Voor volksgezondheidsbeleid en actuariële risicobeheersing is het cruciaal om niet alleen de totale levensverwachting te kennen, maar ook de samenstelling van sterfte. Incoherente modellen kunnen leiden tot misleidende resource-toewijzing.
Trade-off: Hoewel het model rekenkundig intensiever is dan traditionele methoden, biedt het de enige oplossing die tegelijkertijd accurate totale prognoses, coherente decompositie en juiste onzekerheidskwantificering biedt.
Toekomst: De auteurs suggereren dat toekomstig onderzoek zich kan richten op het variëren van de Dirichlet-concentratieparameter per leeftijd of het introduceren van cohort-effecten, mits dit leidt tot meetbare verbeteringen in de voorspellende nauwkeurigheid.

Kortom, dit artikel biedt een robuust statistisch fundament voor het overbruggen van de kloof tussen demografische coherentie en geavanceerde probabilistische modellering.