Trajectoire des taux de mortalité aux âges extrêmes de la vie
Notice bibliographique
Résumé
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. 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.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».