Beyond the Kannisto-Thatcher Database on Old Age Mortality: an assessment of data quality at advanced ages
Notice bibliographique
Résumé
The old age population in developed countries has been increasing remarkably, yet internationally comparable high quality data on oldest-old mortality remain relatively scarce.The Kannisto-Thatcher Old Age Mortality Database (KTD) is a unique source providing uniformly recalculated old-age mortality data for 35 countries.Our study addresses a number of data quality issues relevant to population and death statistics at the most advanced ages.Following previous studies by Väinö Kannisto, we apply the same set of measures.This allows us to identify dubious or irregular mortality patterns.Deviations such as this often suggest that the data quality has serious problems.We update previously published findings by extending the analyses made so far to thirty five countries and by adding data on longer historical periods.In addition, we propose a systematic classification of countryand period-specific data, thus simultaneously accounting for each indicator of data quality.We apply conventional procedures of hierarchical cluster analysis to distinguish four data quality clusters (best data quality, acceptable data quality, conditionally acceptable quality, and weak quality).We show that the reliability of old-age mortality estimates has been improving in time.However, the mortality indicators for the most advanced ages of a number of countries, such as Chile, Canada, and the USA should be treated with caution even for the most recent decade.Canada, Ireland, Finland, Lithuania, New Zealand (Non-Maori), Norway, Portugal, Spain, and the USA have particular problems in their historical data series.After having compared the KTD with official data, we conclude that the methods used for extinct and almost extinct generations produce more accurate population estimates than those published by national statistical offices.The most reliable official data come from the countries with fully functioning population registers. Keywords: old age mortality
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».