人口统计与神经网络表征的黑-白死亡风险差距比较

《Discover Public Health》：Comparing demographic and neural-network-based representations of the black–white mortality hazard gap

　　

美国黑人与白人之间的死亡率差距持续存在，但现有分析可能继承了一个表征问题，研究人员称之为不公平误差——一种具有社会模式性的假阴性误差，即使在存在显著平均死亡率差异的情况下，也可能掩盖美国黑人中已观测到的死亡。本研究提出一种分析性探测方法，通过神经网络呈现死亡率风险的替代表征，以恢复传统基准可能掩盖的风险。利用健康与退休研究（Health and Retirement Study, HRS）中15,259名受访者嵌套的154,639个个体-时间区间的生存记录，回归基准证实了与年龄分级的黑-白死亡率模式，但在常规阈值和患病率校准阈值下正确分类的死亡很少，且对黑人的敏感性较低。基于神经网络的预测在种族-性别组中大幅减少了假阴性，同时定位了黑人中与生物物理和心理测量输入相关的潜在扭曲来源。因此，神经网络（neural network, NN）对黑人和白人死亡风险的表征可以通过提供关于在临床、学术和干预环境以及不同数据环境中的可扩展应用中，观测死亡在何时、何地以及对于何人最容易发生假阴性位移的见解，来补充基于回归的人口统计基准。

**论文解读：人口统计与神经网络表征的黑-白死亡风险差距比较**

**一、研究背景与问题**

美国黑人与白人之间的死亡率差异持续存在，这一健康不平等现象长期以来是人口科学研究的核心议题。自二十世纪初种族特异性死亡率统计出现以来，大量研究记录了美国黑人相对于白人更高的死亡风险，并将这一差距归因于系统性歧视、受限的社会经济流动性和累积健康劣势。然而，现有分析可能面临一个被忽视的表征问题。在死亡事件相对于生存事件较为罕见、且死亡在不同规模的亚组间分布不均的条件下，整体准确性看似满意的模型可能无法对不同群体中的观测事件具有同等的敏感性。当死亡被错误分类为生存的概率在人数较少的群体中更高时，分类问题本身便成为死亡率差距表征的一部分。这一现象被定义为“不公平误差”（inequitable error），即一种有模式的假阴性误差，即使在平均死亡率差异显著的情况下，也可能掩盖黑人中已记录的死亡。这一区别至关重要，因为大多数种族死亡率差异研究依赖于基于平均值的对比，而回归模型虽然擅长估计这类对比，却可能在个体死亡分类层面存在系统性偏差。本研究旨在通过神经网络模型提供另一种死亡风险表征，以探测不公平误差的存在及其结构性特征。

**二、研究设计与结论**

本研究使用健康与退休研究（Health and Retirement Study, HRS）的数据，将原始的基于波次的宽格式数据重构为个体层面的有序离散风险区间序列，共获得15,259名受访者的154,639条个体-时间区间记录。研究首先构建离散时间风险回归模型，采用对数年龄、样条年龄和种族特异性样条年龄三种规格，估计非西班牙裔黑人和白人的平均死亡率表征，并作为分类基准。随后，研究训练了一个全连接神经网络风险模型，该模型通过并行的数据分支处理人口统计、时间变化健康指标、生物物理测量（“生物负荷”分支）和心理测量（“人格”分支）输入，学习从预测变量到区间特异性死亡风险的映射。为了评估分类性能，研究使用常规0.50阈值和患病率校准阈值两种决策规则，并重点关注非西班牙裔黑人和白人男女性别的敏感性、特异性、假阴性数量和预测风险。此外，研究还通过将生物负荷和人格输入设定为常数，对比完整模型与受限模型的预测差异，以定位生物物理和心理测量信息对死亡风险可见性的贡献区域。所有模型均在10个受访者级别的数据划分上训练和评估，每个划分使用20个训练种子，以确保结果的稳健性。

**三、主要研究结果**

**离散时间风险回归模型结果**：在所有规格中，年龄均与死亡率强烈相关，慢性疾病、行动限制和较差的自评健康与更高的死亡风险一致相关。种族系数在多数模型中较小且不显著，但图1显示，基于模型隐含平均风险的种族特异性死亡曲线仍表明，老年黑人男性的拟合死亡风险更高，而种族特异性样条模型显示在晚年阶段黑白差距有所收敛。

**表征探测一与回归基准**：完整的神经网络模型在所有种族-性别组中均实现了高敏感性，范围从黑人女性的0.963到白人男性的0.976，假阴性数量相应较低。相比之下，基于样条的回归模型在常规0.50阈值下仅正确分类很少的死亡，敏感性在0.010至0.075之间；即使使用患病率校准阈值，回归模型的敏感性也远低于完整神经网络。当生物负荷和人格输入被设为零时，神经网络对死亡的敏感性大幅下降，趋于接近回归基准的水平，表明这些输入领域对减少假阴性错误至关重要。

**表征探测二**：通过对比完整输入与受限输入的预测风险差异，研究发现可恢复的死亡风险在年龄-时间区间上的分布存在种族和性别差异。非西班牙裔黑人的表征显示出比白人更多的多峰结构，其中黑人男性的恢复风险区域最为广泛和强烈，跨越从较年轻年龄到晚年生命的多个区间。黑人女性的风险集中在约75岁开始并在85岁附近达到峰值，而白人女性则集中在较窄的80-90岁年龄范围。这些模式表明，生物物理和心理测量信息对死亡风险可见性的贡献并非仅由年龄驱动，还与观测区间配置交互相关。

**四、讨论与结论**

本研究通过神经网络模型对观测死亡的高维映射，揭示了不公平误差的结构性特征。结果表明，即使平均死亡风险差异已被统计检测到，观测死亡仍容易受到假阴性分类的影响，尤其是在黑人群体中。生物物理和心理测量的抑制使神经网络的敏感性向回归基准移动，证实了这些输入领域对死亡可见性的关键作用。研究观察到风险恢复的年龄-区间异质性，与已知的晚年死亡率集中模式一致，但也显示出独立于年龄的区间特异性变异。本研究将不公平误差定义为死亡率风险预测中可能的表征问题，并提供了一种可扩展的探测方法。研究结论认为，非西班牙裔黑人和女性的死亡率风险不仅平均而言更高，而且以更大的异质性和不规则性呈现，使得观测死亡更容易受到特定分类误差的影响。本研究的贡献在于通过生物负荷和人格输入的高维映射，跨时间位置渲染这种异质性，从而为诊断分类误差提供基准，并强调在人口健康研究中关注群体内健康风险和韧性分析的重要性。研究局限性包括仅适用于存活至50岁的人群、未涉及更早的生命历程死亡率过程、在稀疏事件条件下可能存在数据特征干扰，以及探测结果本质上是事后诊断而非因果推断。