[논문 리뷰] Probabilistic Estimation of Hidden Migrant Fatalities Along the Central Mediterranean Route

Gregor Zens, Zoe Sigman|arXiv (Cornell University)|2026. 03. 20.

Trauma and Emergency Care Studies인용 수 0

한 줄 요약

본 논문은 Central Mediterranean route를 따라 총 이주 민족 사망자 수와 치명적 사건의 총수를 추정하기 위해 관측되지 않은 사건과 사망자를 고려한 베이지안 잠재-클래스, 시간 구분형 모델을 개발한다.

ABSTRACT

Estimating the number of migrants who die or go missing along dangerous routes such as the Central Mediterranean remains challenging as available records are incomplete. Some incidents are never documented, and fatalities associated with such unobserved incidents are absent from observed totals. We propose a Bayesian approach for probabilistic estimation of total migrant fatalities in such settings. Building on recent developments in multiple-systems estimation, we develop a time-stratified latent-class framework that accommodates missing fatality counts for unobserved incidents. We apply the method to recoded incident-level data from the Missing Migrants Project for the Central Mediterranean route from 2014 to 2025, encompassing 25,712 fatalities across 1,562 incidents. Our model yields 95% credible intervals of 30,426-39,172 fatalities and 2,200-2,591 deadly incidents, indicating that approximately 66%-85% of fatalities and 60%-71% of incidents are reflected in the available data. We estimate that unreported fatalities were concentrated between 2014 and 2016. Furthermore, we document that reporting likelihood increases with incident severity, implying that smaller incidents are most likely to remain undetected. While contingent on modeling assumptions and incomplete data, our method provides a broadly applicable and principled alternative to naive data adjustment methods.

연구 동기 및 목표

• 2014–2025년 동안 Central Mediterranean route에서 이주 민족 사망자 및 치명적 사건의 총수를 정량화한다.
• 관찰되지 않은 사건 및 관련 사망자 수를 고려하는 확률 프레임워크를 개발한다.
• 보고 원천 간의 의존성 및 사망자와 보고 패턴 간의 의존성을 모델링한다.
• 감시 및 사건 역학의 변화를 반영하기 위해 시간 구분화를 도입한다.
• 관찰 데이터가 실제 사망 부담을 얼마나 포착하는지 평가하고 더 많이 누락된 기간을 식별한다.

제안 방법

• 관측되지 않은 사망자를 가진 표기된 사건에 대한 시간 구분 잠재-클래스 베이지안 모델을 제안한다.
• 보고 패턴을 모델링하기 위해 UN/IGO, Official, NGO/Humanitarian, Media의 네 가지 범주 메타-관찰자 코딩을 사용한다.
• 잠재 클래스 내에서 클러스터별 가우시안 분포로 로그-사망 표식을 모델링한다.
• 구간당 사건 총수를 Poisson으로 간주하고 관찰되지 않은(놓친) 사건으로 데이터를 보강한다.
• 활성 잠재 클러스터의 수를 추론하고 구간 간 클러스터 매개변수를 공유하기 위해 희소한 유한 혼합 사전(prior)을 적용한다.
• 잠재 분류 및 매개변수를 샘플링하기 위해 데이터 보강이 포함된 Gibbs 샘플러를 구현한다.

(a) Posterior distribution of the total number of incidents.

실험 결과

연구 질문

• RQ1 2014년부터 2025년까지 Central Mediterranean route에서 이주 관련 사망자 및 치명적 사건의 총수는 얼마인가요?
• RQ2 이 수치가 시간 및 계절에 따라 어떻게 변합니까?
• RQ3 사건의 심각도가 서로 다른 감시 시스템에 의해 포착될 확률과 어떻게 관련되나요?
• RQ4 잠재-클래스 구조와 시간 구분이 순진한 데이터 보정에 비해 추정치를 어떻게 개선할 수 있나요?

주요 결과

• 기초 모델은 95% 신뢰 구간의 사망자가 30,426에서 39,172 사이(대략 하루에 7–9명)이며, 2,200–2,591건의 치명적인 사건으로 추정한다.
• Observed data from the Missing Migrants Project record 25,712 fatalities and 1,562 incidents, suggesting about 66%–85% of fatalities and 60%–71% of incidents are captured in the data.
• Unobserved fatalities were likely concentrated in 2014–2016.
• The average reporting likelihood increases with incident severity, so smaller incidents are more likely to go undetected.
• Reporting patterns are temporally variable but show overall stability in aggregate, with complex dependencies between reporters and between fatalities and reporting.

(b) Posterior distribution of the total number of fatalities.