Risques de décès aux très grands âges de la vie - INED - Institut National Etudes Démographiques Accéder directement au contenu
Thèse Année : 2022

Risks of death at very old ages

Risques de décès aux très grands âges de la vie

Hoang Khanh Linh Dang
  • Fonction : Auteur
  • PersonId : 1219057
  • IdRef : 26440632X

Résumé

The shape of the mortality curve at very old ages remains uncertain. The debate between a decelerating trajectory and an exponential increase of mortality with age is not settled. The lack of consensus is mainly due to the uneven quality of the data and the variety of assumptions used in mortality modelling. This thesis relies on high quality death counts data in France, Belgium and Quebec to determine the most plausible mortality trajectory at extreme ages using parametric models. We study various probability distributions that can beapplied to our data, namely the Poisson distribution, negative binomial distribution and binomial distribution, using a range of statistical tools to evaluate the performance of the models (confidence intervals, deviance residuals and information criteria). Population heterogeneity is taken into account, firstly by frailty models in which it is assumed unobservable, and next by the survival analysis models where it is assumed observable. According to the available data, the Poisson distribution remains appropriate for modelling mortality at very old ages. A decelerating mortality trajectory appears to be the most plausible for most female old-age populations, but an exponential increase of mortality with age is more convincing for males. An excess of male mortality is present in all three populations. Finally, we found no evidence of mortality plateau in our data. These results do not allow us to close the debate. To reach a definitive decision on the shape of the mortality trajectory, efforts to collect more data on deaths at very old ages must continue.
La forme de la courbe de mortalité aux très grands âges reste incertaine. Le débat entre une trajectoire de décélération et une croissance exponentielle avec l’âge n’est pas tranché. Ce manque de consensus est essentiellement dû à la qualité inégale des données et à la variété des hypothèses servant à la modélisation. Cette thèse mobilise des données d’excellente qualité sur les décès survenus en France, en Belgique et au Québec pour identifier la trajectoire la plus plausible aux âges extrêmes par des modèles paramétriques. Nous étudions les différentes lois de probabilité applicables à nos données : loi de Poisson, loi binomiale négative et loi binomiale, en nous appuyant sur une palette d’outils d’évaluation de la performance des modèles (intervalles de confiance, résidus de déviance et critères d’information). L’hétérogénéité de la population, d’abord supposée inobservable, est prise en compte par les modèles de fragilité puis, supposée observable, elle est étudiée par les modèles de l’analyse de survie. Selon les données disponibles, la loi de Poisson reste appropriée pour la modélisation de la mortalité aux très grands âges. Une trajectoire de décélération de la mortalité apparaît comme la plus plausible dans la majorité des populations féminines mais une croissance exponentielle est plus convaincante pour les populations masculines. Une surmortalité masculine est présente dans toutes populations. Et il n’est pas possible d’identifier un plateau de mortalité. Ces résultats ne permettent pas de clore le débat. Pour trancher définitivement sur la forme de la trajectoire de mortalité, les efforts de collecte sur les décès aux très grands âges doivent être poursuivis.
Fichier principal
Vignette du fichier
2022PA100032.pdf (1.72 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03954109 , version 1 (24-01-2023)

Identifiants

  • HAL Id : tel-03954109 , version 1

Citer

Hoang Khanh Linh Dang. Risques de décès aux très grands âges de la vie. Démographie. Université de Nanterre - Paris X, 2022. Français. ⟨NNT : 2022PA100032⟩. ⟨tel-03954109⟩
36 Consultations
19 Téléchargements

Partager

Gmail Facebook X LinkedIn More