[論文レビュー] Predicting Long-Term Self-Rated Health in Small Areas Using Ordinal Regression and Microsimulation

Seán Caulfield Curley, Karl Mason+1 more|arXiv (Cornell University)|Jan 20, 2026

demographic modeling and climate adaptation被引用数 0

ひとこと要約

この論文はアイルランドのオープンソースのミクロシミュレーションと序数回帰を組み合わせ、将来の自己評価健康(SRH)を細かい地理的尺度で予測し、マイクロデータと国勢調査分布を整合させ、老化と移動のシナリオの下で未来を探る。

ABSTRACT

This paper presents an approach for predicting the self-rated health of individuals in a future population utilising the individuals' socio-economic characteristics. An open-source microsimulation is used to project Ireland's population into the future where each individual is defined by a number of demographic and socio-economic characteristics. The model is disaggregated spatially at the Electoral Division level, allowing for analysis of results at that, or any broader geographical scales. Ordinal regression is utilised to predict an individual's self-rated health based on their socio-economic characteristics and this method is shown to match well to Ireland's 2022 distribution of health statuses. Due to differences in the health status distributions of the health microdata and the national data, an alignment technique is proposed to bring predictions closer to real values. It is illustrated for one potential future population that the effects of an ageing population may outweigh other improvements in socio-economic outcomes to disimprove Ireland's mean self-rated health slightly. Health modelling at this kind of granular scale could offer local authorities a chance to predict and combat health issues which may arise in their local populations in the future.

研究の動機と目的

• アイルランドの小地域（選挙区分：Electoral Divisions）で将来の自己評価健康(SRH)分布を予測する。
• 動的なオープンソースのミクロシミュレーション（SEMIPro）と序数回帰を統合して、SRHを社会経済的特性から予測する。
• マイクロデータのSRH分布を国勢調査分布と整合させ、予測精度を向上させる。
• 人口動態や社会経済的変化（高齢化、教育、移住など）がSRHの推移に与える影響を探る。
• 地域保健計画やシナリオ分析の有用性を示す。

提案手法

• SEMIProミクロシミュレーションを用いて、年齢、性別、婚姻状況、市民権、最近アイルランドに移住、教育水準、主要経済状況などの属性を持つ合成個人を作成する。
• SRHに対する序数回帰モデルを、予測因子として年齢層、性別、婚姻状況、経済状態、教育、地域を用いて適用する；潜在変数Y*としきい値を用いた累積モデルでSRHカテゴリの確率を推定する。
• cohortごとの予測SRH分布を要素ごとの比率と再正規化で国勢調査分布と整合させる。
• 年次と cohort間の比率を対数比（ALR）変換し、ガウス過程（GP）回帰で未来のSRH分布を予測する；年次とcohort間の比率をモデル化し、不確実性を1000回のモンテカルロサンプリングで表現する。
• 2022年のEDレベルの平均SRHを観測値と比較して予測を検証し、高い適合を示す（R^2約0.9、MSE約0.0037）。
• ケーススタディおよびシナリオ分析（例：M1移民シナリオと2057年予測）を用いて地理的格差と政策的関連性を示す。

Figure 1: A graphical summary of how the approach operates. Note that synthetic individuals are created for this example and are not based on individuals from either dataset.

実験結果

リサーチクエスチョン

• RQ1 序数回帰はミクロシミュレーション文脈で個々のSRHを社会経済属性から正確に予測できるか。
• RQ2 ミクロシミュレーションで生成された人口は小地域のSRH分布を実際に再現できるか。
• RQ3 定義された移民シナリオの下で、2057年までの国全体のSRH分布に対する agingと教育の変化の影響はどれほどか。
• RQ4 マイクロデータのSRHを国勢調査SRH分布と整合させることは予測精度にどのように影響するか。
• RQ5 SRHの地理的パターンはどのように現れ、地域保健計画にどのような示唆を与えるか。

主な発見

• Electoral DivisionレベルのSRH分布は観測された2022年分布と良く整合し、平均R^2は約0.9、平均MSEは約0.0037。
• SRH悪化の最も強い負の予測因子は「病気や障害により働けない」であり、正の予測因子には「学生」「就労」「家族・家庭の世話をする」が含まれる。
• 年齢はSRHの強い負の予測因子であり、教育水準が高いほど地域を問わずSRHが良好になる傾向。
• 将来の予測（2057年まで、M1移民シナリオ下）は、Very GoodおよびGood SRHの割合が初期に上昇するが、不確実性は90%信頼区間でとられ、2030年代半ば頃にパターンが安定化する。
• 実際の結果の注記（出典元のみ）: 本論文はアイルランドのSRH分布は最近の国勢調査間で比較的安定していると報告しているが、2057年までには顕著な変化が見込まれる。

Figure 2: A flowchart summarising the workings of the SEMIPro Irish microsimulation model (Caulfield Curley et al., 2025a ) .