Synthetic Population Generation using Deep Generative Methods - Boosting Policy Games on Public Health

Abstract

Dypgenerative metoder har vist seg å være vellykkede til å produsere syntetiske populasjoner med et betydelig antall attributter på individuelle dataposter. Syntetiske populasjoner kan berike simuleringer i folkehelsepolitiske spill med virkelighetsnære data. I tillegg kan variabelrike syntetiske populasjoner støtte offentlig styring gjennom å øke datagranulariteten for å spesifisere analysen av undergrupper og av mindre steder. Til slutt kan syntetiske populasjoner etterligne resultater fra intervensjoner for å evaluere politikk i spill og i det virkelige liv. Gitt tilstrekkelig epidemiologisk styrke, kan syntetiske populasjoner støtte forskning på virkelig folkehelsepolitikk.

Hovedbidraget til dette prosjektet er å tilpasse State-of-the-Art befolkningsgenerering ved hjelp av dype generative metoder til folkehelseområdet. Hvis individuelle originale data er tilgjengelige, gir dype generative metoder robuste og granulære høyfunksjonspopulasjoner for å utforske ulikheter i helse. Imidlertid bidrar mangelen på forklarbarhet av utdata fra nevrale nettverk til den eksisterende mangelen på standarder; det er komplisert å måle hvor godt de statistiske mønstrene i originale individuelle data reproduserer seg i en syntetisk populasjon med mange funksjoner.

Dette prosjektet foreslår et kvasieksperimentelt rammeverk for å vurdere kvaliteten på de syntetiske populasjonene, da kvaliteten på syntetiske populasjoner må vurderes i deres spesielle og tiltenkte brukskontekst. Prosjektet tar sikte på å produsere syntetiske populasjoner som kan brukes i politiske spill i undervisningen av studenter på universitetsnivå på området folkehelserelatert politikkanalyse og planlegging med spesiell vekt på ulikheter i helse. Derfor vektlegges evaluering av de syntetiske populasjonene ved å undersøke forskjeller og likheter fra de opprinnelige dataene og analyserer forskjeller i ytelse på et kvasi-eksperiment ved å bruke heterogene behandlingseffekter fra observasjonsdata. Sammenligning av prediksjonsresultater fra kausalskogmodellen er foreslått som en levedyktig ekstern valideringsmetode for syntetiske populasjoner beregnet for bruk i analyser med helseutfall.

Deep generative methods have proven successful in producing synthetic populations with a significant number of attributes on individual data records. Synthetic populations can enrich, i.e., simulations in public health policy games with data close to real life. In addition, feature-rich synthetic populations support public governance by increasing data granularity to boost analysis on subgroups and in smaller locations. Finally, synthetic populations can mimic results from interventions to evaluate policies in games and real life. Given sufficient epidemiological strength, synthetic populations can support exploring real-life public health policy.

The main contribution of this project is to adapt state-of-the-art population generation by deep generative methods to the area of public health. If individual original data are available, deep generative methods provide robust and granular high-featured populations to, i.e. explore inequalities in health. However, the lack of explainability of outputs from neural networks adds to the existing lack of standards; measuring how well, i.e. the statistical patterns in original individual data reproduce in a high-featured synthetic population, is complicated.

This project proposes a quasi-experimental framework for assessing the quality of the synthetic populations, as the quality of synthetic populations has to be assessed in their particular and intended use context. This project aims to provide synthetic populations applicable to policy games teaching university-level students public health-related policy analysis and planning, particularly emphasising inequalities in health. Hence, this project evaluates the synthetic populations by examining differences and similarities from the original data and analyses differences in performance on a quasi-experiment using heterogeneous treatment effects from observational data. Comparing prediction outputs from the causal forest model is proposed as a viable external validation method for synthetic populations intended for use in analysis with health outcomes.