XiaoMi-AI文件搜索系统
World File Search System生育率
2. 人口，最新人口普查和估计数（2022
斜体 可靠性较低的估计数 a “代码”表示数据来源，具体如下： DF 事实上 DJ 法律上 SSDF 事实上的抽样调查 SSDJ 法律上的抽样调查 ♦ 数据指的是 2022 年。1 包括游牧人口的普通家庭和集体家庭以及单独计算的人口在内的总常住人口。 2 数据指的是国家预测。 3 普查后估计数。 4 根据 2022 年人口普查结果。 5 来源：国家统计局 (2016) 对各项卫生计划和干预措施的人口预测和优先目标估计。 6 数据指的是常住人口。 7 根据 2015 年人口普查的估计或预测。 8 来源：1984 年埃塞俄比亚人口和住房普查（国家级分析报告）。 9 根据 2000 年快速人口普查结果以及 1995 年、2002 年和 2010 年厄立特里亚人口与健康调查得出的估计数。10 估计数还考虑了 2007 年人口普查的结果。11 根据 2021 年人口普查的结果。12 仅限家庭人口。13 数据是考虑了 2019 年人口普查结果的预测数。14 两种性别的数字都包括双性人。15 数据是基于 2016 年人口普查的预测数。16 数据仅指利比亚国民。17 数据是基于 2018 年人口普查的预测数。18 包括游牧人口。19 不包括圣布兰登岛和阿加莱加岛。20 根据 2011 年人口普查的结果。 21 主要数据。22 根据 2010 年至 2011 年进行的全国人口与健康调查结果以及特别是 2014 年人口和住房普查的结果进行预测。23 数据是指基于 2017 年人口普查的国家预测。24 根据 2012 年人口普查进行预测。25 资料来源：国家人口委员会。26 数据是队列成分法预测，使用 2020 年的预测数字作为基准人口，生育率和死亡率参数来自 2010 年南苏丹家庭健康调查，并考虑到这一时期接近移民的人口。27 根据 2022 年人口普查进行预测。28 数据是指圣赫勒拿常住人口。29 数据是实际的人口普查统计数据，已根据年龄和性别错误进行了调整。30 根据 2014 年人口普查结果。 31 包括北部地区（前萨基亚埃尔阿姆拉）和南部地区（前里奥德奥罗）。 32 数据截至 4 月 20 日。 33 数据指调整了 18% 的漏报率的常住人口，包括机构人口。 34 数据截至 12 月 31 日。 35 来源：数据来自卫生部的行政数据。 36 根据 2016 年人口普查结果。 37 为确保保密性，包括总数在内的数值随机向上或向下四舍五入为“5”或“10”的倍数。因此，当这些数据被加在一起或分组时，总值可能与单个值不匹配，因为总数和小计是独立四舍五入的。同样，根据四舍五入数据计算的百分比可能不一定等于 100%。38 已根据人口普查净漏报进行调整（包括对未完全统计的印第安保留地进行调整）。39 初步的普查后估计。40 数据已调整，包括 2294 的无响应估计值。
在医疗保健领域建立公平的人工智能
演讲者简介 Michael Cary 是杜克大学护理学院 Elizabeth C. Clipp 护理系主任，并于 2022 年 1 月被任命为首任 AI 健康公平学者。他的工作利用复杂的生物医学和医疗保健数据集以及创新的数据科学方法来识别导致老年人（主要是老年非裔美国人）功能衰退和再入院的风险因素，他们面临残疾风险。 2021 年 2 月，Cary 博士的工作得到了正式认可，他被提名为 Samuel DuBois Cook 协会颁发的 Raymond Gavins 杰出教师奖的获得者，该奖项旨在表彰、庆祝和肯定杜克大学非裔美国学生、教师和工作人员的存在。 Anuj Gangopadhyaya 是城市研究所卫生政策中心的高级研究员。他的研究重点是安全网计划对低收入家庭儿童的健康和福祉、家庭收入和教育成就结果的影响。他主要研究医疗补助资格扩大对儿童教育成就的影响、劳动所得税抵免计划对孕产妇和儿童健康的影响以及平价医疗法案医疗补助扩大对成年劳动力供应和育龄妇女生育率的影响。他还帮助领导 Urban 的 Medicare 模拟模型 (MCARE-SIM)，估计拟议的政策变化对计划支出、受益人支出和服务使用的潜在影响。Gangopadhyaya 在伊利诺伊大学芝加哥分校获得经济学博士学位。Maia Hightower 博士，医学博士、公共卫生硕士、工商管理硕士是 Equality AI 的首席执行官兼创始人，曾任芝加哥大学医学院执行副总裁兼首席数字化转型官。Hightower 博士是医疗保健和数字化转型交叉领域的领军人物。凭借其深厚的专业知识和战略领导力，她站在争取道德 AI 和反对算法偏见的斗争的最前线，确保医疗保健的数字化未来是公平和公正的。 Hightower 博士是负责任 AI 领域备受追捧的全国性演讲者，她深入研究了数字技术、健康公平、多样性和包容性等细微差别。她主张医疗保健数字化转型的价值必须对所有利益相关者公平，尤其是最脆弱的利益相关者。她的使命核心是 Equality AI，这是一家早期投资者支持的医疗技术初创公司。在数据科学家已成为护理团队不可或缺的一部分的世界中，Equality AI 解决方案使数字化护理团队能够实现健康公平目标。这家初创公司专注于负责任的 AI 工具和策略，以开发公平且无偏见的算法。Hightower 博士的愿景很明确：建立一种包容和公平的医疗 IT 文化。她开发了医疗 IT 公平成熟度模型 (HITEM)，以消除医疗 IT 中固有的偏见。她被《健康数据管理》评为“医疗 IT 领域最具影响力的女性”之一，并被《贝克尔医院评论》评为该领域的关键影响者。拥有超过 15 年的高管经验，Hightower 博士已经驾驭了学术医疗中心、临床整合网络和负责任的护理组织中复杂的医疗 IT 问题。在担任芝加哥大学医学院执行副总裁兼首席数字化转型官期间，她带头制定数字 IT 战略和 IT 运营，通过技术创新推动患者护理的变革。此外，作为犹他大学健康中心前首席医疗信息官和健康公平、多样性和包容性高级总监，她将临床见解与战略 IT 计划相结合，利用数据和数据驱动的见解确保技术进步与健康公平和机构战略重点保持一致。 Hightower 博士在康奈尔大学获得学士学位，在罗彻斯特大学医学院获得医学博士学位和公共卫生硕士学位，随后在加州大学圣地亚哥分校担任内科和儿科住院医师。她还拥有宾夕法尼亚大学沃顿商学院的工商管理硕士学位。