Trajectoire des taux de mortalité aux âges extrêmes de la vie: Une représentation paramétrique des données récentes de la France, de la Belgique et du Québec

Résumé En Fr

Throughout adult lifespan, age-specific death rates increase at a pace which is very close to an exponential pace as depicted by the Gompertz model. At very old ages, however, changes in the risk of death remain a matter of debate, mainly because data are insufficient both in terms of quantity and quality. The availability of exceptionally reliable recent data for the French, Belgian and French-Canadian populations beyond the age of 90 gives us a new opportunity to refine our understanding of the human mortality trajectory at the highest ages and to test different models to adjust these data. A deceleration in the pace of increase of death rates is confirmed among females in very old age and logistic-type models (Beard and Kannisto) always provide the best adjustments. Among males, although the data do not completely rule out these logistic-type models, they are more often optimally described by Gompertz-type exponential growth. The low number of male survivors at very old ages could explain this result.

Au cours de la vie des adultes, les taux de mortalité par âge augmentent à un rythme assez proche du rythme exponentiel décrit par le modèle de Gompertz. Aux très grands âges, toutefois, l’évolution de ce risque de décès reste encore un sujet de débat, principalement du fait de données insuffisantes en quantité et en qualité. La disponibilité de données récentes exceptionnellement fiables pour les populations française, belge et canadienne-française au-delà de 90 ans nous donne une nouvelle opportunité de mettre à jour les connaissances sur la trajectoire de mortalité aux âges le plus élevés de la vie humaine et de tester différents modèles pour ajuster ces données. Une décélération du rythme d’accroissement des taux de mortalité est confirmée chez les femmes très âgées et les modèles de type logistique (Beard et Kannisto) donnent toujours les meilleurs ajustements. Chez les hommes, bien que les données n’écartent pas complètement ces modèles logistiques, elles sont le plus souvent ajustées de façon optimale par une croissance exponentielle de type Gompertz. Le nombre de survivants masculins trop faible aux très grands âges pourrait être à l’origine de ce résultat.