Summary

Background

 Understanding potential patterns in future population levels is crucial for anticipating and planning for changing age structures, resource and health-care needs, and environmental and economic landscapes. Future fertility patterns are a key input to estimation of future population size, but they are surrounded by substantial uncertainty and diverging methodologies of estimation and forecasting, leading to important differences in global population projections. Changing population size and age structure might have profound economic, social, and geopolitical impacts in many countries. In this study, we developed novel methods for forecasting mortality, fertility, migration, and population. We also assessed potential economic and geopolitical effects of future demographic shifts. 

Methods

 We modelled future population in reference and alternative scenarios as a function of fertility, migration, and mortality rates. We developed statistical models for completed cohort fertility at age 50 years (CCF50). Completed cohort fertility is much more stable over time than the period measure of the total fertility rate (TFR). We modelled CCF50 as a time-series random walk function of educational attainment and contraceptive met need. Age-specific fertility rates were modelled as a function of CCF50 and covariates. We modelled age-specific mortality to 2100 using underlying mortality, a risk factor scalar, and an autoregressive integrated moving average (ARIMA) model. Net migration was modelled as a function of the Socio-demographic Index, crude population growth rate, and deaths from war and natural disasters; and use of an ARIMA model. The model framework was used to develop a reference scenario and alternative scenarios based on the pace of change in educational attainment and contraceptive met need. We estimated the size of gross domestic product for each country and territory in the reference scenario. Forecast uncertainty intervals (UIs) incorporated uncertainty propagated from past data inputs, model estimation, and forecast data distributions. 

Findings

 The global TFR in the reference scenario was forecasted to be 1·66 (95% UI 1·33–2·08) in 2100. In the reference scenario, the global population was projected to peak in 2064 at 9·73 billion (8·84–10·9) people and decline to 8·79 billion (6·83–11·8) in 2100. The reference projections for the five largest countries in 2100 were India (1·09 billion [0·72–1·71], Nigeria (791 million [594–1056]), China (732 million [456–1499]), the USA (336 million [248–456]), and Pakistan (248 million [151–427]). Findings also suggest a shifting age structure in many parts of the world, with 2·37 billion (1·91–2·87) individuals older than 65 years and 1·70 billion (1·11–2·81) individuals younger than 20 years, forecasted globally in 2100. By 2050, 151 countries were forecasted to have a TFR lower than the replacement level (TFR <2·1), and 183 were forecasted to have a TFR lower than replacement by 2100. 23 countries in the reference scenario, including Japan, Thailand, and Spain, were forecasted to have population declines greater than 50% from 2017 to 2100; China's population was forecasted to decline by 48·0% (−6·1 to 68·4). China was forecasted to become the largest economy by 2035 but in the reference scenario, the USA was forecasted to once again become the largest economy in 2098. Our alternative scenarios suggest that meeting the Sustainable Development Goals targets for education and contraceptive met need would result in a global population of 6·29 billion (4·82–8·73) in 2100 and a population of 6·88 billion (5·27–9·51) when assuming 99th percentile rates of change in these drivers. 

Interpretation

 Our findings suggest that continued trends in female educational attainment and access to contraception will hasten declines in fertility and slow population growth. A sustained TFR lower than the replacement level in many countries, including China and India, would have economic, social, environmental, and geopolitical consequences. Policy options to adapt to continued low fertility, while sustaining and enhancing female reproductive health, will be crucial in the years to come. 

Funding

 Bill & Melinda Gates Foundation.

Abstract Background Microbiome studies have uncovered associations between microbes and human, animal, and plant health outcomes. This has led to an interest in developing microbial interventions for treatment of disease and optimization of crop yields which requires identification of microbiome features that impact the outcome in the population of interest. That task is challenging because of the high dimensionality of microbiome data and the confounding that results from the complex and dynamic interactions among host, environment, and microbiome. In the presence of such confounding, variable selection and estimation procedures may have unsatisfactory performance in identifying microbial features with an effect on the outcome. Results In this manuscript, we aim to estimate population-level effects of individual microbiome features while controlling for confounding by a categorical variable. Due to the high dimensionality and confounding-induced correlation between features, we propose feature screening, selection, and estimation conditional on each stratum of the confounder followed by a standardization approach to estimation of population-level effects of individual features. Comprehensive simulation studies demonstrate the advantages of our approach in recovering relevant features. Utilizing a potential-outcomes framework, we outline assumptions required to ascribe causal, rather than associational, interpretations to the identified microbiome effects. We conducted an agricultural study of the rhizosphere microbiome of sorghum in which nitrogen fertilizer application is a confounding variable. In this study, the proposed approach identified microbial taxa that are consistent with biological understanding of potential plant-microbe interactions. Conclusions Standardization enables more accurate identification of individual microbiome features with an effect on the outcome of interest compared to other variable selection and estimation procedures when there is confounding by a categorical variable.

Abstract Development of cereal crops with high nitrogen-use efficiency (NUE) is a priority for worldwide agriculture. In addition to conventional plant breeding and genetic engineering, the use of the plant microbiome offers another approach to improve crop NUE. To gain insight into the bacterial communities associated with sorghum lines that differ in NUE, a field experiment was designed comparing 24 diverse sorghum lines under sufficient and deficient nitrogen (N). Amplicon sequencing and untargeted gas chromatography-mass spectrometry (GC-MS) were used to characterize the bacterial communities and the root metabolome associated with sorghum genotypes varying in sensitivity to low N. We demonstrated that N stress and sorghum type (energy, sweet, and grain sorghum) significantly influenced the root-associated bacterial communities and root metabolite composition of sorghum. Sorghum NUE was positively correlated with the bacterial richness and diversity in the rhizosphere. The greater alpha diversity in high NUE lines was associated with the decreased abundance of a dominant bacterial taxa, Pseudomonas . Multiple strong correlations were detected between root metabolites and rhizosphere bacterial communities in response to N stress and indicate that the shift in the sorghum microbiome due to low-N is associated with the root metabolites of the host plant. Taken together, our study provides new insight into the links between host genetic regulation of root metabolites and root-associated microbiome of sorghum genotypes differing in NUE and tolerance to low-N stress.