The United Nations' Sustainable Development Goal 3.2 aims to reduce under-five child mortality to 25 deaths per 1000 live births by 2030. Child mortality tends to be concentrated in developing regions where information needed to assess achievement of this goal often comes from surveys and censuses. In both, women are asked about their birth histories, but with varying degrees of detail. Full birth history (FBH) data contain the reported dates of births and deaths of every surveyed mother's children. In contrast, summary birth history (SBH) data contain only the total number of children born and total number of children who died for each mother. Specialized methods are needed to accommodate this type of data into analyses of child mortality trends. We develop a data augmentation scheme within a Bayesian framework where for SBH data, birth and death dates are introduced as auxiliary variables. Since we specify a full probability model for the data, many of the well-known biases that exist in this data can be accommodated, along with space-time smoothing on the underlying mortality rates. We illustrate our approach in a simulation, showing robustness to model misspecification and that uncertainty is reduced when incorporating SBH data over simply analyzing all available FBH data. We also apply our approach to data from the Central region of Malawi and compare with the well-known Brass method.

中文翻译：

---

结合出生史摘要数据的儿童死亡率估计

联合国可持续发展目标 3.2 旨在到 2030 年将 5 岁以下儿童死亡率降低到每 1000 名活产中 25 人死亡。儿童死亡率往往集中在发展中地区，评估实现这一目标所需的信息通常来自调查和人口普查. 在这两种情况下，女性都会被问及她们的出生史，但细节程度不同。完整的出生史 (FBH) 数据包含每个被调查母亲的孩子报告的出生和死亡日期。相比之下，摘要出生史 (SBH) 数据仅包含每位母亲的出生儿童总数和死亡儿童总数。需要专门的方法将此类数据纳入儿童死亡率趋势分析。我们在贝叶斯框架内开发了一种数据增强方案，其中对于 SBH 数据，出生日期和死亡日期作为辅助变量引入。由于我们为数据指定了一个完整的概率模型，因此可以适应该数据中存在的许多众所周知的偏差，以及潜在死亡率的时空平滑。我们在模拟中说明了我们的方法，显示了对模型错误指定的鲁棒性，并且当结合 SBH 数据而不是简单地分析所有可用的 FBH 数据时，不确定性会降低。我们还将我们的方法应用于马拉维中部地区的数据，并与著名的 Brass 方法进行比较。我们在模拟中说明了我们的方法，显示了对模型错误指定的鲁棒性，并且当结合 SBH 数据而不是简单地分析所有可用的 FBH 数据时，不确定性会降低。我们还将我们的方法应用于马拉维中部地区的数据，并与著名的 Brass 方法进行比较。我们在模拟中说明了我们的方法，显示了对模型错误指定的鲁棒性，并且当结合 SBH 数据而不是简单地分析所有可用的 FBH 数据时，不确定性会降低。我们还将我们的方法应用于马拉维中部地区的数据，并与著名的 Brass 方法进行比较。