Skip to content

GCRI · Health Nexus

面向卫生证据的统计

Probability and statistics turn incomplete, delayed and biased health data into estimates with stated uncertainty. In this field they handle survey sampling, small numbers, under-reporting and shifting baselines, so that every indicator carries a range and the assumptions behind it rather than a single, overconfident number.

02申请

概率与统计在此发挥的作用。

概率与统计为描述不确定性和从数据中学习提供了数学框架,是各风险学科中估计、检验和预测的基础。在健康与生物安全领域,统计方法可量化相互关联的 系统中损失的可能性和不确定性。它们使风险决策背后的证据明确且可复现。权威描述见 STEM Commons.

调查加权与小区域估计

住户调查数据结合其抽样设计进行分析,小区域模型在各区之间借用信息以估计次国家覆盖率,可信区间与估计值并列绘制于地图上。

超额死亡率的预期基线

Models fitted to past mortality with trend and seasonality give the expected count against which observed deaths are compared, and the baseline’s uncertainty is carried into the excess.

校正病例漏报

Capture-recapture, serosurveys and multiplier methods estimate how many infections surveillance misses, so case counts are read against what they are likely to represent.

03监测

尾部拟合。

团队遵循该方法时会使用的界面:其指标、状态与决策。名称为示例,数值仅作示意。

尾部拟合

健康 · 健康证据统计 · 运行 R-6555

Shape parameter uncertainGCRI · Health Nexus

重现水平曲线

方法卡

方法
概率与统计
方法
超阈值峰值
阈值
第 97 百分位
标签
模型生成

参数

广义帕累托拟合

形状参数 ξ0.28−0.040.48若大于零则为重尾
尺度 σ2.31.07.5变量单位
超阈值次数136去簇化
Tail fit: the screen’s structure, terms and states for Health.Example names and illustrative values; a design, not a record or a live system.
04数据

该方法使用的输入。

本平台概率与统计所使用的数据集和记录,及其各自的作用和数值所带标签。数据来源列于 来源登记册.

数据角色标签
DHS and MICS microdataDesign-based and model-based estimation估算
人口动态登记序列基线建模已发布统计
Serosurveys病例确认率校准观测
附完整性元数据的常规报告Adjustment for missing reports已报告
05部门特征

卫生证据统计的行业特征。

健康证据所涉及的各部门统计数据及其相互依赖的强度:研究必须共同观察和建模的内容。

选择角点 · 悬停连线6 / 15 项关系

签名

卫生及其合作伙伴

卫生部门为基础设施提供运营人力(0.3),为粮食提供农业劳动力(0.3),为水提供公用事业人力(0.2)。

W · E · I · F · H · B

部门
4 共 6
关系
6 共 15
耦合
0.42 占总量份额

当前最强的关系

  • 水 → 粮食 · 灌溉0.8
  • 粮食 → 健康 · 营养0.7
  • 基础设施 → 水 · 管道、水坝和处理设施0.6
  • 水 → 健康 · 饮用水和卫生设施0.7
典型城市区域的教学数值,不是任何地点的测量值。耦合是所涉关系强度的总和,以全部十五种关系的占比表示。
06验证

结果如何核查。

通过诊断、交叉验证和对假设的敏感性来检查结果。独立复现确认研究发现。

核查如何开展
基于设计的方差Standard errors account for clustering, stratification and survey weights
后验预测检验Models must reproduce the observed data before they are used to estimate or predict
Sensitivity to priors and baselines结果在替代假设下重新计算,并报告其差异范围

推断依赖于关于独立性、分布和抽样的假设,而这些假设未必成立。样本过小或存在偏差会限制可靠性。

07方法与证据

How statistics for health evidence is modelled, measured and tested.

模型、其假设、数据和不确定性,以科学家或工程师会核查的形式呈现。结构遵循已发表的方法。所取数值仅为示意,不是研究发现。

模型、方程与假设

健康证据统计所采用的模型结构、其所作假设,以及各项假设如何检验。

要素 i 的风险Ri = f(Hi, Ei, Vi, Ci)危害、风险暴露、脆弱性和应对能力
预期年度损失EAL = ∑k pk · Lkover events k with annual probability pk
耦合系统xt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
假设为何制作如何检验
在一次事件中,危害与暴露相互独立使损失积分保持可计算与基于联合记录拟合的 copula 进行比较
耦合在工作点附近是线性的让冲击通过 A 传播在线性范围之外施加扰动并比较
脆弱性曲线可以在不同地点之间迁移使用很少有本地曲线可用在有观测损失的地方据此进行验证
输入
带溯源信息的版本化数据集
成果
分布,绝不是单一数字
代码
连同模型卡和测试一起发布
复现
相同的数据、代码、环境和随机种子
标准的风险与状态空间表述;所列假设是该方法的典型假设,供审查之用,并非结果。
FAIR 指导原则 · GO FAIR 和 FORCE11W3C PROV · 万维网联盟关于一致处理不确定性的指南 · IPCCCEOS 分析就绪数据 · 地球观测卫星委员会
09流程

流程如何运行。

Process explorer · Process

健康证据统计:巨灾模型流程

10 steps5 stages

流程

健康证据统计:巨灾模型流程

巨灾模型通常包括危害、脆弱性、风险暴露与财务模块,并生成损失表、 年均损失、超越曲线、PML 与 TVaR。

  1. 01 危害

    1. 01事件目录数据集 · 模型开发者危害模块包含一个大型模拟事件目录,代表多种多样的合理情景。
    2. 03危害模块模型 · 模型开发者对于每个事件,危害模块给出当地的 危害强度 ,供脆弱性模块读取。
  2. 02 风险暴露与损害

    1. 02风险暴露数据集 · 转诊医院风险暴露模块存放组合数据,例如特定地点的信息。
    2. 04脆弱性模块模型 · 模型开发者脆弱性模块量化某一事件对风险暴露对象造成的预期损害。
  3. 03 财务

    1. 05财务模块模型 · 转诊医院财务模块计算所有事件情景造成的损失。基础损失、总损失与净损失的区别如下所示。
    2. 06事件损失表数据集 · 转诊医院事件损失表列出每个事件的年发生概率及其对组合造成的损失。
    3. 07年度损失表数据集 · 转诊医院有些模型还会从事件损失中抽样模拟年份。本概述不描述其格式。
  4. 04 指标

    1. 08超越概率 曲线模型 · 转诊医院发生曲线给出一年中最大损失超过某一金额的概率。累积曲线针对损失总和给出同样的概率。
    2. 09AAL、PML 与 TVaR模型 · 转诊医院年均损失是事件概率与损失乘积之和。PML 是发生曲线上的一个点。
  5. 05 结果的使用

    1. 10Use of resultsDecision · Referral hospitalThe tail metrics are used when considering a portfolio’s exposure and the level of catastrophe reinsurance an insurer requires.

依据公开来源对某一外部标准或方法的概述。它描述的是该框架的内容,而非任何运行记录。它并不表明 Nexus 或任何合作伙伴执行、认证或批准某一步骤。关口是该方法的一个步骤,绝不是 Nexus 的批准。

10管理责任

由谁维护该方法。

系统科学与建模 为联合体统筹概率与统计,并审查其在各平台上的应用。

12问题

问题与解答。

本领域中概率与统计的局限是什么?
推断依赖于关于独立性、分布和抽样的假设,而这些假设未必成立。样本过小或存在偏差会限制可靠性。
结果如何核查?
通过诊断、交叉验证和对假设的敏感性来检查结果。独立复现确认研究发现。
本页面上的数值是真实的吗?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
该方法还应用于何处?
维持社会运转的 规范方法页面 列出应用该方法的每个平台。
报告贡献

从本页贡献证据。

Reports 是联合体的季刊。您对该主题的了解可以成为下一期中的证据、案例或更正,署名归您,并在属于您本人作品时以 CC BY 4.0 发布。

GCRIHealth NexusGlobal Sector Risk and ResilienceCountry Systems Risk and ResilienceEvidence Brief
Health Nexus

带来一种方法、一个数据集或一个问题。

信息和咨询现已开放。每项咨询都会获得一个编号,并告知下一步;申请、付款、算力分配和注册只有在相应团队、条款和审查能力就绪时才会开放。