Projects
Summary
Cities are the main ground on which our society and culture develop today. A diversified population and social cohesion are crucial for sustainable urban growth. However, cities are becoming more segregated and unequal, creating substantial differences in health, education, innovation, and economic growth outcomes even within the same urban area. Despite this, our current understanding of inequality is still based on census or survey information which is updated infrequently, contains only coarse-grained information, and it is scattered across different agencies or institutions. Furthermore, those traditional ways of understanding cities are incapable of following the sudden changes our society is experiencing. In this context, Esteban Moro (data scientist at MIT Connection Science at IDSS) pointed out to us the urgent need for a “rich Census” from heterogeneous data sources to better understand and model inequality.
On a larger spatial scale, the movements of the population from one region to another can be an important mechanism of spatial economic adjustment, affecting regional demographics and growth patterns, therefore, predicting human migration as accurately as possible is important for international trade, the spread of infectious diseases, or public policy development. One downside of most existing models is that either they have a fixed form and are therefore not able to capture more complicated migration dynamics, or they are based on machine learning algorithms which makes them questionable when used for governmental decision-making. The long-term collaboration with Prof. Roberto Basile (University University of L’Aquila) in the context of spatio-temporal semiparametric econometric models lies at the core of our proposal. The aim is to provide flexible migration models within Spain that capture the socio-economic characteristics of the points of origin and destination (as well as space-time trends) to be used as a tool to propel spatial equilibrium in labor markets within the country.
Objectives
WP1: Interpretability and fairness in predictive models
L1.1: Sparsity and dimension reduction in explainable models to improve interpretability
General objective: Development of methods to achieve sparsity in complex models: via mixed model reparametrization of smooth functions and the use of matheuristics for variable selection, quantiles, and bootstrapping resampling.
L1.1.-OE1. Variable selection in Generalized Additive Models (GAMs) stated as a cardinality-constrained mathematical optimization model.
Responsible and Team: PI1, PI2, MN, PM, AC, VG
Execution Period: T1-T8
Previous Result: Carrizosa and Guerrero (2014), Currie and Durban (2002), Rodríguez-Álvarez et al. (2019), Laria et al. (2019), Palacio et al. (2021)
L1.1.-OE2. Sparsity via quantiles as an alternative to PCA
Responsible and Team: PI2, CA, AM
Execution Period: T4-T8
Previous Result: Mendez-Civieta et al. (2022)
L1.1.-OE3. Variable selection via bootstrapping resampling for support vector machine
Responsible and Team: SB, PI2
Execution Period: T2-T8
Previous Result: Benítez-Peña et al. (2019, 2020a)
L1.2: Surrogate models to enhance interpretability and improve fairness in back-box models.
General objective: The study of neural networks interpretability through polynomials using Taylor expansion in the activation functions of a single hidden layer neural network, and employing combinatorial properties to find a final polynomial that approximates the neural network as a whole and to implement novel fair and interpretable algorithms, taking as basis top classification methods in the literature (such as the SVM) and, by means of different techniques of mathematical optimization, get their fair and/or interpretable versions.
L1.2.-OE1. Surrogate models (via splines) for complex functions in Mixed Integer Non-linear Optimization
Responsible and Team: VG, PI1, CD, AD,PreDoc
Execution Period: T4 – T16
Previous Results: Navarro-García et al. (2023), D’Ambrosio et al. (2019)
L1.2.-OE2. Neural Networks Interpretability through polynomials
Responsible and Team: PI2, PI1, IU, AC, PM, SL
Execution Period: T1 – T8
Previous Result: Morala et al. (2021a, 2021b)
L1.2.-OE3. Novel fair and interpretable algorithms via mathematical optimization and/or penalizations
Responsible and Team: AM, PI2, SB, OO
Execution Period: T4-T12
Previous Result: Quijano et al. (2021), Rufino et al (2023)
WP2: Methods for complex models in functional data
L2.1: New methods in Functional Regression
General objective: To develop new functional regression models for variable domain functional data and constrained models where prior knowledge about the nature of the relationship between the covariates and the response can be included. We will build on the results of Gellar et al. (2014) but from a fully functional point of view, and the novel definition of partial inner products between multidimensional basis in Masak et al., 2022. We will also explore the possible use of the results in Navarro-García et al. (2023) to estimate constrained functional models.
L2.1.-OE1. Functional regression models for partially observed functional data
Responsible and Team: CA, PI1, PH
Execution Period: T1-T10
Previous Result: Aguilera-Morillo et al. (2017), Durban and Aguilera-Morillo (2017), Aguilera-Morillo et al. (2013)
L2.1.-OE2. Constrained estimation in functional regression
Responsible and Team: PI1, VG, MN
Execution Period: T1 – T6
Previous Result: Navarro-Garcia et al. (2023), Durban and Aguilera-Morilllo (2017)
L2.2: New perspectives for Functional Principal Components
General objective: To introduce a novel functional PLS approach that can be seen as an extension of the FPCA developed by (Lilla et al., 2016), an alternative to the penalized one-dimensional functional PLS, and a novel penalized functional PLS approach for 2D/3D domain functional data. Develop a Functional Principal Component Analysis (FPCA) methodology for functional data with complex values based on the general Karhunen-Loève representation, and the development of a new and robust methodology inspired by the FPCA but benefiting from the use of quantile-based estimators.
L2.2.-OE1. PLS methodology applicable to functional data defined over complex domains
Responsible and Team: CA, PI1, PI2, HH, PH, LS, PostDoc
Execution Period: T1-T8
Previous Results: Aguilera et al. (2010), Aguilera et al. (2016)
L2.2.-OE2. Functional Principal Components Analysis (FPCA) methodology for complex-valued functional data
Responsible and Team: PI2, CA, HH, GB, PostDoc
Execution Period: T1-T6
Previous Results: Henández-Roig et al. (2020, 2021)
L2.2.-OE3. Robust Functional Principal Component using quantile-based estimators
Responsible and Team: AM, PI2, JG
Execution Period: T1-T4
Previous Results: Mendez-Civieta et al. (2021,2022)
General objective: The overall objective of this research is to develop new exploratory analyses using functional depths and custom-defined outlyingness indices. Special emphasis will be placed on the analysis of massive multivariate functional samples using the Fast Massive Unsupervised Outlier Detection (FastMUOD) indices, functional data clustering based on the epigraph and epigraph indices, and research on new approaches using FDA for real state monitoring of engineering systems.
L2.3.-OE1. Clustering and Classification in Multivariate Functional Data based on indexes
Responsible and Team: PI2, OO, BP, FS
Execution Period: T1-T8
Previous Results: Pulido et al. (2023), Ojo et al. (2022)
L2.3.-OE2. New approaches using FDA for real-life condition monitoring for engineering systems
Responsible and Team: PI2, CY, GB, OO
Execution Period: T1-T12
Previous Results: New topic for the team.
WP3: Models and tools for policy making
L3.1: Smooth models for demographic change
General objective: The aim is to develop models for detecting inequalities in mortality rates disaggregated by different factors, and to construct models to understand the spatial structure of migration models. We will build on Camarda (2019) and use Lagrange multipliers to achieve coherent predictions, and use semiparametric gravity models as an initial proposal for detecting spatial patterns in internal migrations in Spain
L3.1.-OE1. Constrained smooth methods for joint modelling of sub-populations
Responsible and Team: PI1, VG, MN, CC
Execution Period: T3-T12
Previous Results: Currie et al. (2004), Camarda (2019), Navarro-Garcia et al. (2023)
L3.1.-OE2. Spatio-temporal gravity models
Responsible and Team: PI1, RB, MC
Execution Period: T8-T16
Previous results: Basile et al. (2021), Lee and Durban (2011)
L3.2: Models and tools for monitoring inequalities social behavior
WP4: Software development
General objective: Update and improve the software packages developed by the team in the NEREPE project and implement at least five packages during the execution of ASMOCS. The following is a brief outline of the packages already available in the open market and those that are intended to be developed.
asgl: Python package that solves several linear and quantile regression related models for simultaneous variable selection and prediction, in low and high dimensional frameworks. This package is directly related to L1.1.
glasp: R package that implements the Group Linear Algorithm with Sparse Principal decomposition, an algorithm for supervised variable selection and clustering, glasp method proposes a unified implementation to deal with, but not limited to, linear regression, logistic regression, and proportional hazards models with right-censoring. This package is directly related to L.1.1.
qpca: Python package for the implementation of a robust, quantile based alternative to traditional principal component analysis. This package is directly related to L1.1.-OE2
metrics-computation: Python package for the computation of different evaluation metrics on the coefficients of linear regression models. This package is directly related to L1.1.
data-generation: Python package for the generation of synthetic (high dimensional) datasets. used in the evaluation of model performance. This package is directly related to L1.1.
fpqr: Python package for the usage of dimension reduction techniques based on a quantile PLS. This package is directly related to L1.1.
fqpca: R package for the usage of quantile based robust alternatives to Functional Principal Components. This package is directly related to L2.2-O3.
pen-fplsr: R package for the implementation of different versions of penalized functional partial least squares regression for 1D and 2D functional data. This package is directly related to L2.2.-OE1.
ehyclus: R package for the implementation of clustering techniques for functional data in one and more dimensions based on the epigraph and the hypograph indexes. To be developed. This package is directly related to L2.3-OE1.
nn2poly: R package implementing the NN2Poly method for interpretability of neural networks by means of polynomials. Future implementation in Python is also expected. This package is directly related to L1.2.
fdaoutlier: R package implementing various outlier detection techniques for functional data. The implemented methods work for univariate and multivariate functional data. Future development and updates to the package is expected. This package is directly related to L2.3.
cpsplines: Python package to perform constrained regression under shape constraints on the component functions of the dependent variable. Future development and updates to the package is expected. This package is directly related to L3.1-OE1.
ambss: Python package implementing a matheuristic to solve the best subset problem in GAMs. To be developed. This package is directly related to L1.1-OE1.
Responsible and Team: All the research team and the work team except foreigners are involved in this WP.
Execution Period: T1-T16
Previous Results: The packages described in this WP
WP5: Solving real problems in
AL.1: Biomedicine (Thematic area: Health and ODS3).
General objective: As explained in the justification of the proposal, ASMOCS is included in «oriented research» and this implies that part of the work will be destined to the application of all the methodology and software developed in the four previous WPs to real problems arising from the team’s collaborations with companies and institutions. The main application lines (AL) and their relationship with the ODs are as follows:
AL1. Biomedicine (Thematic area: Health and ODS3)
AL1.1. Oncology
Responsible and Team: PI2, CA, AM
Specific related objectives: L1.1.-OE2, L1.2.-OE3.
Interested companies and institutions: Gregorio Marañón Hospital.
Execution Period: T1-T16
AL1.2. Spectroscopy signals
Responsible and Team: CA, PI2, HH, PostDoc
Specific related objectives: L2.2.-OE2
Interested companies and institutions: Instituto de Investigación Sanitaria Fundación Jiménez Díaz, Madrid y Servicio de Endocrinología y Nutrición, Hospital Ramón y Cajal. Madrid.
Execution Period: T1-T6
AL1.3. Neuroimages
Responsible and Team: PI2, CA, HH, BP, LS
Specific related objectives: L2.2.-OE1
Interested companies and institutions: Politecnico di Milano, Italy
Execution Period: T1-T3
AL1.4. Wearable devices and biomedical problems
Responsible and Team: PI1, AM, CA, PH, JG
Specific related objectives: L2.2.-OE3
Interested companies and institutions: Mailman School of Public Health, Galdakao University Hospital, Bilbao
Execution Period: T1-T12
AL.2: Industry and Finance (Thematics area: Digital world, industry, space and defense, ODS9, ODS12).
AL2.1. Defense and aerospace applications
Responsible and Team: PI2, CY
Specific related objectives: L2.3.-OE1, L2.3.-OE2
Interested companies and institutions: Integral Innovation Solutions
Execution Period: T1-T4 and T13-T16
AL2.2.. Financial decisions
Responsible and Team: PI2, PI1, SB, AM, VG, OO,
Specific related objectives: L1.1.-OE2
Interested companies and institutions: Banco Santander, Universia, TCC, El Corte Inglés.
Execution Period: T1-T16
AL2.3. Electricity production
Responsible and Team: VG, PI1, CD, AD, PreDoc
Specific related objectives:
Interested companies and institutions: Electricité de France (EDF)
Execution Period: T11 – T12
AL.3: Social Change (Thematic Areas: Culture, creativity and inclusive society. Civil security for society ODS5, ODS10).
AL3.1. Using data to fight against inequalities
Responsible and Team: IU, EM
Specific related objectives: L3.2.-OE2.
Interested companies and institutions: Orange Innovation.
Execution Period: T1-T16
AL3.2. Understand social problems (pandemics, cyberwarfare, disinformation campaigns, migrations.) arising from the use of new technologies
Responsible and Team: MC, PI1, IU, RB
Specific related objectives: L3.2.-OE1.
Interested companies and institutions: UNICEF, WHO, the Spanish National Council for AI
Execution Period: T1-T16
AL3.3. Demographic challenge
Responsible and Team: PI1, VG, CC.
Specific related objectives: L3.1.-OE1. L3.1.-OE2
Interested companies and institutions. Mutualidad de la Abogacía, Instituto de Actuarios de España, Institut National d’Etudes Démographiques
Execution Period: T3-T16
TRANSMODEL
Project PDC2022-133359-I00, funded by MICIU/ AEI/10.13039/501100011033 and by the European Union “NextGenerationEU/PRTR”.
Summary
In recent years we have seen an explosion in the amount of information available from all kinds of sources. Weather data, sports data, economic indicators, medical data, genetic data, texts… Advances in data collection technologies have posed a difficult challenge in extracting increasingly complex and larger datasets. Being able to analyze these data rigorously and draw useful conclusions has become one of the most demanded objectives of the moment, which highlights the great importance of research work in statistics and machine learning. In this sense, the reference project that gives rise to this Proof of Concept (PID2019-104901RB-I00: New strategies in penalized regression with applications in health, demography and economics) with acronym NEREPE has developed relevant methodological advances throughout the evolution of the seven general objectives described in the project report. However, the development of new statistical methodologies in line with current challenges is only a first step.
This proposal encompasses two main objectives that should evolve after this first step: (1) the development and improvement of free software packages that give access to all users interested in the state-of-the-art statistical methodologies developed throughout the NEREPE project, and (2) the work on different use cases that demonstrate the feasibility and usefulness of these methodologies.
Objectives
OG1 - Desarrollo de prototipos en los ecosistemas de referencia en estadística y machine learning
OG1E1: Implementación eficiente y escalable del método NN2Poly.
OG1E2: Desarrollo de interfaz pública para la librería cpsplines.
OG1E3: Generalización de la librería cpsplines al caso multidimensional.
OG1E4: Implementación escalable de selección de variables en modelos de regresión penalizada.
OG1E5: Mejora en la eficiencia de la implementación de la librería asgl.
OG1E6: Mejora de la eficiencia y portabilidad de la implementación de la librería fpqr.
OG2 - Transferencia de conocimiento con carácter social y empresarial
OG2E1: Aplicación del método NN2Poly a datos de movilidad urbana.
OG2E2: Aplicación del método de selección de variables en modelos de regresión penalizada para la pesca sostenible.
OG2E3: Aplicación de la metodología fpqr en el ámbito financiero.
OG2E4: Aplicación de técnicas de regresión cuantílica al ámbito médico genético.
OG2E5: Interpretabilidad y transferencia.
OG2E6: Mantenimiento predictivo usando análisis de datos multivariantes.
¿Por qué este proyecto?
España figura entre los veinte países más longevos del mundo, con una esperanza de vida que supera los 82 años. Pero esa longevidad no se reparte de forma uniforme. Hay municipios donde una proporción extraordinariamente alta de personas llega a los 85, los 90 o incluso los 100 años, y donde eso ocurre de forma sostenida, año tras año, desde hace más de una década. La pregunta que da origen a este proyecto es sencilla de formular aunque difícil de responder: ¿Qué tienen esos lugares que no tienen los demás?
Longevidad 360º es un proyecto de investigación financiado por el Observatorio Social de la Fundación «la Caixa» a través de su Convocatoria Conecta, orientada a proyectos que combinan rigor académico con impacto social directo. De los 206 proyectos presentados en su cuarta edición, este fue uno de los 13 seleccionados. Su duración es de dos años y reúne a tres instituciones con perfiles muy distintos y complementarios: la Universidad Carlos III de Madrid, la Fundación Mutualidad y Cruz Roja Española.
La pregunta de investigación
El proyecto parte de una doble inquietud. Por un lado, queremos saber dónde están exactamente las zonas de España donde la longevidad es mayor y más persistente, y qué factores del entorno, la economía o el medioambiente pueden explicarlo. Por otro, queremos entender cómo viven realmente esas personas: qué fortalezas tienen, a qué vulnerabilidades se enfrentan, y qué podemos aprender de ellas para diseñar mejores políticas y programas de envejecimiento.
La investigación busca así responder, de forma a la vez estadística y humana, cómo influyen las condiciones del entorno en el envejecimiento activo y saludable, y qué estrategias de intervención y sensibilización pueden mejorarse a partir de ese conocimiento.
La problemática
El envejecimiento de la población es uno de los grandes retos de nuestro tiempo, y en España se manifiesta con especial intensidad. Vivir más años es, en principio, una buena noticia. Pero la población mayor de 85 años, a pesar de haber superado la media nacional con creces, se enfrenta con frecuencia a situaciones de soledad no deseada, enfermedades crónicas, dependencia y falta de recursos. Todo eso no solo afecta a su propia calidad de vida, sino también a sus familias, a sus comunidades y al conjunto del sistema de cuidados.
Existen algunos estudios previos que han intentado identificar zonas con alta concentración de personas longevas en España, como el Proyecto DEMOS de la Fundación Matriz o el Programa MAYORSIG. Sin embargo, estas iniciativas lo hacen de forma puntual en el tiempo o se limitan a comunidades autónomas concretas. Este proyecto aborda por primera vez el estudio de la longevidad de forma global, cubriendo todo el territorio nacional a lo largo de doce años, y transversal, con el objetivo de generar conocimiento útil para el conjunto de la sociedad.
A esto se suma otra dimensión igualmente importante: la sociedad española necesita actualizar su visión del envejecimiento. Las personas mayores no son solo un grupo vulnerable al que hay que atender. Son también portadoras de historia, experiencia y fortalezas que merece la pena conocer y reconocer. Este proyecto quiere contribuir a ese cambio de mirada.
El conocimiento que buscamos generar
El proyecto tiene tres objetivos principales. El primero es identificar, con base estadística sólida, las zonas geográficas de España donde la longevidad ha sido especialmente alta de forma sostenida durante la última década, lo que en la literatura científica se conoce como clústeres de longevidad geo-temporales. El segundo es analizar qué variables socioeconómicas y medioambientales están asociadas a esa distribución, desarrollando modelos que permitan entender qué factores tienen un papel relevante. El tercero es construir una base de conocimiento cualitativo, a partir de las propias personas longevas, que oriente el diseño de políticas, servicios e intervenciones más ajustadas a sus necesidades reales.
Además de estos objetivos científicos, el proyecto busca llegar más allá del ámbito académico. Los resultados se traducirán en recomendaciones prácticas para instituciones y administraciones, y en una campaña de sensibilización dirigida a la población general que ponga en valor las fortalezas del envejecimiento y desafíe los estereotipos negativos asociados a la vejez.
Diseño de la investigación y metodología
El proyecto se estructura en tres fases que se desarrollan de forma parcialmente solapada a lo largo de 24 meses.
Fase 1 – Análisis estadístico de la longevidad
La primera fase trabaja con datos de población municipal del Instituto Nacional de Estadística correspondientes a siete cortes bienales entre 2012 y 2024. Para cada municipio y cada año se calcula una serie de índices de longevidad basados en métricas reconocidas en la literatura internacional, que miden la concentración de personas de 85 años o más en relación con la población mayor de 65 y con la población total. A partir de ahí se identifican los municipios con patrones de longevidad excepcionales y sostenidos en el tiempo.
Una vez identificadas las zonas de mayor interés, se desarrollan modelos estadísticos que relacionan esos patrones de longevidad con variables socioeconómicas procedentes del INE y variables medioambientales de AEMET, con el objetivo de detectar qué factores del entorno pueden estar contribuyendo a esa longevidad. Esta es la fase que recoge y visualiza esta web a través de MAVEL.
Fase 2 – Análisis cualitativo de las personas longevas
La segunda fase lleva la investigación al territorio. A partir de los municipios identificados en la primera fase, se selecciona una muestra representativa atendiendo a criterios de diversidad geográfica y de presencia de Cruz Roja en el territorio. El objetivo es entrevistar a al menos 2.000 personas mayores de 85 años distribuidas por toda la geografía española.
Las entrevistas, realizadas en formato personal y en un entorno cómodo para las personas participantes, recogen información sobre hábitos de vida, estado de salud, situación de vivienda, ingresos, redes de apoyo, discapacidad y bienestar subjetivo. Todo el proceso cuenta con consentimiento informado y cumple con la normativa de protección de datos. Los datos se analizan posteriormente mediante técnicas descriptivas y multivariantes para detectar patrones comunes y posibles diferencias entre personas longevas en municipios con distintos niveles de longevidad.
Fase 3 – Planes de sensibilización e intervención
La tercera fase traduce los hallazgos de las dos anteriores en recomendaciones concretas. Se elaboran planes de intervención adaptados a las necesidades detectadas, orientados a mejorar la calidad de vida de las personas de edad muy avanzada y a optimizar los servicios de salud y atención social en las zonas con alta longevidad. Al mismo tiempo, se diseña una campaña de comunicación y sensibilización para la población general que resalta las fortalezas del envejecimiento, promueve una percepción más positiva y realista de las personas mayores y difunde los aprendizajes extraídos de las zonas más longevas de España.
Los resultados se publicarán en revistas científicas de demografía, salud pública y gerontología, y se presentarán en congresos nacionales e internacionales. Los datos anonimizados se pondrán a disposición de la comunidad investigadora en repositorios accesibles.
Las entidades implicadas
Universidad Carlos III de Madrid
La UC3M lidera la coordinación metodológica del proyecto a través de su Departamento de Estadística. El equipo está encabezado por la Dra. Maria Luz Durbán, Catedrática y Directora del Departamento, con más de 20 años de experiencia en el desarrollo de modelos estadísticos y de machine learning para el análisis de datos complejos, especialmente en demografía, salud pública y medioambiente. La acompañan el Dr. Stefano Cabras, Catedrático de Estadística con amplia experiencia en modelización bayesiana, y la Dra. Vanesa Guerrero, profesora titular y premio L’Oréal-UNESCO «La Mujer y la Ciencia», especializada en optimización matemática para el análisis de datos complejos.
La Fundación Mutualidad coordina la parte práctica del proyecto: el diseño y validación de la encuesta, la gestión del trabajo de campo y la producción de los materiales de comunicación y del informe final. Su equipo combina experiencia en gestión de proyectos sociales, conocimiento actuarial y financiero del envejecimiento, y una sólida trayectoria en el diseño de investigaciones sociosanitarias. La Fundación Mutualidad y la UC3M ya habían colaborado previamente en el marco del Consejo Científico de la Escuela de Pensamiento de la Fundación, lo que facilita una coordinación fluida entre ambas instituciones.
Cruz Roja Española aporta algo que ninguna otra institución puede ofrecer en igual medida: su red territorial. Con presencia en todo el país y una larga experiencia en atención directa a personas mayores y en situación de vulnerabilidad, Cruz Roja se encarga de ejecutar las entrevistas personales con la población de estudio, formando y coordinando al personal y voluntariado que las llevará a cabo. Su participación garantiza que la investigación llegue donde tiene que llegar, con el trato y la sensibilidad que requiere trabajar con personas de edad muy avanzada.
Referencias y más información
– Ficha del proyecto en la Convocatoria Conecta (4ª edición) del Observatorio Social de la Fundación «la Caixa»:
https://elobservatoriosocial.fundacionlacaixa.org/es/-/convocatoria-conecta-4-edicion
– Ficha del proyecto en el portal de investigación de la Universidad Carlos III de Madrid:
http://researchportal.uc3m.es/display/act577551