MétaCan
Menu
Back to cohort
Record W2777594229 · doi:10.3917/gs1.151.0041

La forme de la courbe de mortalité des centenaires canadiens-français

2016· article· fr· W2777594229 on OpenAlexaffabout
Nadine Ouellette

Bibliographic record

VenueGérontologie et société · 2016
Typearticle
Languagefr
FieldSocial Sciences
TopicInsurance, Mortality, Demography, Risk Management
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Avec la baisse remarquable de la mortalité aux grands âges depuis la seconde moitié du XX e siècle, le nombre de centenaires s’est accru de manière spectaculaire dans les pays à faible mortalité. En cette ère de prolongation de la longévité humaine, il devient de plus en plus important de disposer de bonnes estimations des risques de décès aux très grands âges. Pour apporter un éclairage inédit sur la courbe de mortalité au-delà de 100 ans, dont la forme demeure largement imprécise et donne lieu à d’importants débats scientifiques, nous utilisons des données sur tous les centenaires canadiens-français nés au Québec entre 1870 et 1896 et décédés au Québec entre 1970 et 2009. Grâce aux registres paroissiaux du Québec et aux recensements canadiens de 1901 et 1911, l’âge au décès de ces personnes a pu être authentifié et les données validées servent de base au calcul des taux de mortalité, qui sont ensuite modélisés à l’aide d’une approche souple de lissage par P-splines. Nous utilisons en complément des données sur les septuagénaires, octogénaires et nonagénaires québécois issues de la Base de données sur la longévité canadienne. Nos analyses, restreintes au sexe féminin pour des raisons d’effectifs masculins trop faibles, montrent que le rythme d’accroissement des taux de mortalité s’amenuise avec l’âge au sein de cette population, mettant ainsi en évidence l’infléchissement de la courbe des risques de décès aux grands âges.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.313
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0050.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0010.006
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.033
GPT teacher head0.367
Teacher spread0.334 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations6
Published2016
Admission routes2
Has abstractyes

Explore more

Same venueGérontologie et sociétéSame topicInsurance, Mortality, Demography, Risk ManagementFrench-language works237,207