利用学习算法和人口统计模拟来预测住宅型养老服务的支出

《Population Health Metrics》：Forecasting residential aged care expenditure with learning algorithm and demographic simulation

　　

摘要

在澳大利亚，住宅型老年护理服务占政府支出的很大比例，财务可持续性和人口结构的变化已成为亟待关注的问题。本研究利用纵向数据集，开发了一个统计模拟模型，用于预测入住住宅型老年护理服务的个人特征、入住人数以及相关的政府支出。我们的方法结合了集成学习技术（包括极端梯度提升算法XGBoost）和Hamilton–Perry人口预测方法，以准确预测居民的入住时长。这种结合使得对未来住宅型老年护理服务的发展趋势能够做出更可靠的预测。分析是在州层面进行的，以反映地区间的差异。我们研究了人口特征（如年龄、婚姻状况和性别）以及医疗特征（包括痴呆症状况和护理需求，这些需求通过“老年护理资助工具”ACFI进行衡量）。研究发现，XGBoost在预测居民入住时长方面优于以往使用的生存模型。模拟模型预测，直到2041年，入住住宅型老年护理服务的居民人数和政府总支出将持续增加。该模型还为未来的研究提供了基础，提供了关于使用模式和财务可持续性挑战的微观层面见解。