无残疾预期寿命估计的重复数据：沙利文方法及其扩展

数据集获取

源站：https://search.dataone.org/view/sha256%3Ac1fd793e3c9e1714eb809ef305be0a922d37f4fca062b439565916ba4f6f9c10

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

快速老龄化的社会，如当今的美国，其特征是慢性功能障碍的患病率增加。对无残疾预期寿命（DFLE）进行稳健估计，对于考察额外的生命年限是否在健康状况良好中度过，以及预期寿命的增长是否快于残疾率的下降，至关重要。沙利文方法自发表三十多年来，仍是估计DFLE最广泛使用的方法。因此，令人惊讶的是，沙利文并未对其方法提供任何正式论证。文献中的争论集中于沙利文方法的性质，并就沙利文方法所需的假设得出了相互矛盾的结果。在本文中，我们为沙利文方法建立了统计学基础。我们证明，在平稳性假设下，沙利文估计量是无偏且一致的。这解决了文献中的争论，该争论此前普遍认为需要额外的假设。我们还表明，标准方差估计量是一致的且近似无偏。

最后，我们证明沙利文的方法可以扩展到在没有平稳性假设的情况下估计DFLE。只要具备队列寿命表以及连续的横截面残疾调查或纵向调查，这种扩展就是可能的。我们对1907年和1912年美国出生队列的实证分析表明，虽然死亡率大致保持平稳，但在此期间残疾率有所下降。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。