До 99,7% повысили точность прогнозов продолжительности жизни ученые из Перми
Новая модель учитывает параметры, которые игнорировали старые подходы
Ученые «Пермского национального исследовательского политехнического университета» впервые в России создали математическую модель для прогнозирования продолжительности жизни, которая работает с точностью 99,7%. Она учитывает младенческую смертность и прогресс современной медицины, что позволяет применять ее для планирования в отечественном здравоохранении, пенсионной системе и социальной сфере как на федеральном уровне, так и в отдельных регионах, сообщает пресс-служба вуза.
Для создания новой модели ученые взяли за основу принцип, заложенный в существующих разработках, согласно которому с возрастом риск смерти растет. Также они включили ежегодное увеличение продолжительности жизни благодаря прогрессу медицины. Это значит, что смертность не будет считаться постоянной величиной, а станет снижаться по мере появления новых лекарств, вакцин и методов лечения.
Исследователи учли и динамику рисков в раннем детском возрасте. На основе статистических данных они выявили, что в первый год показатели смертности наиболее высокие, однако к пяти годам они достигают минимальных значений. Учет этой особенности позволяет скорректировать прогнозы для младших возрастных групп и, как следствие, повысить точность общих демографических показателей.
В результате ученые создали новую математическую модель, которая отражает то, что старые подходы игнорировали. Чтобы проверить ее, они взяли статистику смертности за 2004–2009 годы, которая охватывала все возрастные группы — от младенцев до пожилых. Исследователи настроили ее на основе этих данных, провели расчеты, а затем сверили полученные прогнозы с показателями за 2010 год.
Результат показал, что новая модель повторяет реальные сведения с точностью 99,7%. Благодаря учету динамики детской смертности и ежегодного прогресса в медицине она дала верные прогнозы для всех возрастов, а не только для взрослых, как большинство существующих аналогов. При этом модель не требует огромных массивов данных, что особенно важно в ситуациях, когда статистика неполная.
Разработанное решение может использоваться для планирования в системе здравоохранения, пенсионного обеспечения и социального страхования. На его основе власти смогут точнее оценивать, сколько больничных мест и лекарств потребуется в будущем, какой размер пенсий закладывать в бюджет и многое другое.