Краткосрочное прогнозирование показателей смертности на основе оперативных данных методом машинного обучения

Abstract

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.

Keywords

• смертность населения
• причины смерти
• индивидуальные деперсонифицированные данные о смертности
• пандемия COVID-19
• цифровое здравоохранение
• искусственный интеллект