Background: Lexis surfaces are widely used to analyze demographic trends across periods, ages, and birth cohorts. When used to visualize rates or trends, these plots usually do not convey information about population size. The failure to communicate population size in Lexis surfaces can lead to misinterpretations of mortality or other conditions that populations face. For example, high mortality rates at very high ages have historically been experienced by only a small proportion of a population or cohort. Objective: We propose enhanced Lexis surfaces that include a visual representation of population size. The examples we present demonstrate how such plots can give readers a more intuitive understanding of the demographic development of a population over time. Methods: Visualizations are implemented using an R-Shiny application, building upon perception theories. Results: We present example plots for enhanced Lexis surfaces that show trends in cohort mortality and first-order differences in cohort mortality developments. These plots illustrate how adding the cohort size dimension allows us to extend the analytical potential of standard Lexis surfaces. Contribution: Our enhanced Lexis surfaces improve conventional depictions of period, age, and cohort trends in demographic developments of populations. An online interactive visualization tool based on Human Mortality Database data allows users to generate and export enhanced Lexis surfaces for their research. The R code to generate the application (and a link to the deployed application) can be accessed at https://github.com/cimentadaj/lexis_plot.

中文翻译：

---

探索具有强化Lexis曲面的人口的人口历史

背景：Lexis曲面被广泛用于分析各个时期，年龄和出生人群的人口趋势。当用于可视化比率或趋势时，这些图通常不会传达有关人口规模的信息。无法在Lexis曲面上传达人口规模可能导致对死亡率或人口面临的其他状况的误解。例如，历史上只有很小一部分人口或同龄人经历过很高的死亡率。目标：我们提出了增强的Lexis曲面，其中包括人口规模的可视化表示。我们提供的示例说明了这些图如何使读者更直观地了解人口随时间推移的人口发展情况。方法：可视化是使用R-Shiny应用程序实现的，建立在感知理论上。结果：我们提供了增强的Lexis表面的示例图，该图显示了队列死亡率的趋势以及队列死亡率发展的一级差异。这些图说明了增加队列大小尺寸如何使我们能够扩展标准Lexis表面的分析潜力。贡献：我们经过改良的Lexis表面改善了人口统计学发展时期，年龄和同类人群趋势的传统描述。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。我们提供了增强的Lexis表面的示例图，其中显示了队列死亡率的趋势以及队列死亡率发展的一级差异。这些图说明了增加队列大小尺寸如何使我们能够扩展标准Lexis表面的分析潜力。贡献：我们经过改良的Lexis表面改善了人口统计学发展时期，年龄和同类人群趋势的传统描述。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。我们提供了增强的Lexis表面的示例图，其中显示了队列死亡率的趋势以及队列死亡率发展的一级差异。这些图说明了增加队列大小尺寸如何使我们能够扩展标准Lexis表面的分析潜力。贡献：我们经过改良的Lexis表面改善了人口统计学发展时期，年龄和同类人群趋势的传统描述。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。这些图说明了增加队列大小尺寸如何使我们能够扩展标准Lexis表面的分析潜力。贡献：我们经过改良的Lexis表面改善了人口统计学发展时期，年龄和同类人群趋势的传统描述。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。这些图说明了增加队列大小尺寸如何使我们能够扩展标准Lexis表面的分析潜力。贡献：我们经过改良的Lexis表面改善了人口统计学发展时期，年龄和同类人群趋势的传统描述。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。基于人类死亡率数据库数据的在线交互式可视化工具使用户能够生成和导出增强的Lexis表面以进行研究。可以在https://github.com/cimentadaj/lexis_plot上访问用于生成应用程序的R代码（以及指向已部署应用程序的链接）。