[논문 리뷰] Properties of a Stochastic Model for Life Table Data: Exploring Life Expectancy Limits

Christos H. Skiadas, Charilaos Skiadas|arXiv (Cornell University)|2011. 01. 10.

Insurance, Mortality, Demography, Risk Management참고 문헌 2인용 수 10

한 줄 요약

이 논문은 생명력이 확률적 과정으로 간주되는 첫 번째 외부 시간 이론을 기반으로 한 확률 모델을 제안하여 생명 예상 수명의 한계를 분석한다. 이 모델은 유아 사망률을 포함한 사망률 데이터에 더 잘 맞추며, 고전적 모델인 고프메르츠 법칙보다 우수한 성능을 보이며, 7개 국가의 생애표 추세를 예측하여 고령기 사망률과 장수의 한계에 대한 통찰을 제공한다.

ABSTRACT

In this paper we explore the life expectancy limits by based on the stochastic modeling of mortality and applying the first exit or hitting time theory of a stochastic process. The main assumption is that the health state or the "vitality", according to Strehler and Mildvan, of an individual is a stochastic variable and thus it was introduced and applied a first exit time density function to mortality data. The model is used to estimate the development of mortality rates in the late stages of the human life span, to make better fitting to population mortality data including the infant mortality, to compare it with the classical Gompertz curve, and to make comparisons between the Carey med-fly data and the population mortality data estimating the health state or "vitality" functions. Furthermore, we apply the model to the life table data of Italy, France, USA, Canada, Sweden, Norway and Japan, and we analyze the characteristic parameters of the model and make forecasts.

연구 동기 및 목표

• 생명력이 잠재적이고 시간에 따라 변화하는 변수로 간주되는 확률적 과정을 사용하여 인간의 사망률을 모델링한다.
• 생명력이 건강 상태에서 벗어나는 첫 번째 외부 시간을 분석하여 생명 예상 수명의 한계를 탐구한다.
• 고전적 모델인 고프메르츠 법칙이 실패하는 영역인 영아기 및 극도로 노령기의 사망률 데이터에 대한 적합도를 향상시킨다.
• 메드필(medfly) 및 인간 인구 데이터를 사용하여 제안된 모델을 고프메르츠 곡선과 비교한다.
• 생애표 데이터에서의 사망률 추세를 예측하고, 일곱 개의 선진국의 특성적 파라미터를 추출한다.

제안 방법

• 생명력을 확률적 과정으로 모델링하며, 이는 확산 유형의 확률적 미분 방정식에 의해 지배된다.
• 첫 번째 외부 시간(도달 시간) 이론을 적용하여 흡수 경계에 도달하는 첫 번째 통과 시간으로 사망(고장) 분포를 계산한다.
• 이탈리아, 프랑스, 미국, 캐나다, 스웨덴, 노르웨이, 일본의 관측된 생애표 데이터에 첫 번째 외부 시간 밀도를 피팅하여 모델 파라미터를 추정한다.
• 첫 번째 외부 시간 밀도 함수를 사용하여 사망률을 모델링하며, 특히 고령기 단계에서 고프메르츠 법칙이 위험을 과소평가하는 영역에 초점을 맞춘다.
• 모델의 적합도를 고프메르츠 법칙과 비교하고, 사망률 가속도를 포착하는 능력을 평가한다.
• 생명력 과정의 평균 흡수 시간과 변동성과 같은 특성적 파라미터를 추출하고 분석한다.

실험 결과

연구 질문

• RQ1 확률적 생명력 과정의 첫 번째 외부 시간은 인간 사망률을 모델링할 때 고프메르츠 법칙과 어떻게 비교되는가?
• RQ2 이 확률 모델은 고전적 사망률 모델보다 영아기 및 고령기 사망 패턴을 더 잘 포착할 수 있는가?
• RQ3 다양한 국가 인구에서 생명력 과정의 특성적 파라미터는 무엇인가?
• RQ4 이 모델의 생명 예상 수명 예측은 고소득 국가의 관측 데이터와 어떻게 비교되는가?
• RQ5 이 모델은 극도로 나이든 연령에서 관측된 사망률 정체 또는 감속 현상을 어느 정도 설명하는가?

주요 결과

• 확률 모델은 고프메르츠 모델과 비교해 볼 때 영아기 및 고령기에서 더 나은 데이터 적합도를 보인다.
• 모델은 고령기에서 관측된 사망률 감속 현상을 성공적으로 포착하며, 고프메르츠 법칙은 이를 재현하지 못한다.
• 일곱 개 국가의 생애표 데이터에서 추정된 파라미터는 생명력 감쇠와 변동성에 대해 일관된 패턴을 보인다.
• 첫 번째 외부 시간 밀도 함수는 특히 생애 후반기의 위험률을 효과적으로 모델링한다.
• Carey의 메드필 데이터와의 비교에서 사망률 역학에 대해 정성적으로 유사한 패턴을 보이며, 모델의 생물학적 타당성을 뒷받침한다.
• 고프메르츠 법칙이 예측하는 것보다 모델은 더 높은 생명 예상 수명 한계를 예측하며, 이는 확률적 생명력 프레임워크 하에서 인간 장수의 잠재적 연장 가능성을 시사한다.