Prediction of U.S. Cancer Mortality Counts Using Semiparametric Bayesian Techniques
利用半参数贝叶斯方法预测美国癌症死亡人数AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确建模死亡人数时间序列并生成短期预测分布，对应时间序列与预测方法；具体应用领域为公共卫生。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用半参数贝叶斯方法预测美国癌症死亡人数
- 研究问题
- 作者研究如何对美国常见癌症的死亡人数进行短期预测，并在稍长预测期内适应时间序列可能出现的突然变化。
- 方法与思路
- 作者为相邻时期死亡人数的变化斜率设置狄利克雷过程先验，构建局部线性模型，再加入加速度项形成局部二次模型。
- 材料陈述的贡献
- 摘要提出两类半参数贝叶斯预测模型，通过马尔可夫链蒙特卡洛获得未来死亡人数的预测分布、均值和方差，并展示癌症数据应用。
- 阅读关注点
- 应核对局部斜率与加速度的模型设定、先验敏感性、不同预测期的评价方式，以及预测分布是否妥善反映计数数据特征。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；预测精度、比较基准与突变适应范围未说明，不能推断刊本变化。
原文摘要
We present two models for the short-term prediction of the number of deaths arising from common cancers in the United States. The first is a local linear model, in which the slope of the segment joining the number of deaths for any two consecutive time periods is assumed to be random with a nonparametric distribution, which has a Dirichlet process prior. For slightly longer prediction periods, we present a local quadratic model. This extension of the local linear model includes an additional “acceleration” term that allows it to quickly adjust to sudden changes in the time series. The proposed models can be used to obtain the predictive distributions of the future number of deaths, as well their means and variances through Markov chain Monte Carlo techniques. We illustrate our methods by runs on data from selected cancer sites.