Mortalité

Secteur de la mortalité

Objectif et perspective

Afin de saisir l’impact démographique des changements dans le contexte socio-économique, l’iSDG fournit une représentation endogène de la mortalité. Comme les différents facteurs qui influencent la mortalité ont des impacts spécifiques à l’âge, le modèle inclut des taux de mortalité spécifiques à l’âge. Pour ce faire, nous spécifions des valeurs initiales d’espérance de vie à la naissance pour les femmes et les hommes, puis nous utilisons l’espérance de vie pour rechercher les taux de mortalité spécifiques à l’âge, sur la base de relations numériques tabulées estimées empiriquement entre l’espérance de vie à la naissance et les taux de mortalité spécifiques à l’âge et au sexe dans diverses régions [1]. Ces taux sont modifiés au fil du temps par une série d’effets causés par des changements dans le PIB par habitant, l’accès aux soins de santé de base, le nombre moyen d’années de scolarité, la suffisance de l’alimentation, accès à l’électricité, exposition à la pollution atmosphérique, accès à l’eau potable et à l’assainissement, et stabilité politique et absence de violence. Les taux de mortalité par cause sont également suivis. Ces causes comprennent les treize grandes catégories de causes issues des données de l’OMS sur la charge de morbidité [2]. Une distribution initiale des causes de mortalité est spécifiée, au fil du temps la distribution est modifiée par des changements dans les facteurs mentionnés ci-dessus

Les résultats du secteur sont les décès (personne/année) par âge et par sexe. Les décès permettent de calculer l’espérance de vie, la mortalité infantile, la mortalité des enfants de moins de cinq ans et la mortalité maternelle. L’espérance de vie, un indicateur clé pour l’indice de développement humain, influence des variables importantes dans d’autres secteurs du modèle, par exemple la productivité dans les secteurs agriculture, industrie et services

Structure du secteur et principales hypothèses

Variables d’entrée exogènes

Aucun

Variables d’initialisation

  • PIB réel par habitant initialement perçu - Unités : RLCU/personne/an

  • Espérance de vie initiale par sexe - Unités : Années

  • Proportion initiale de la mortalité due aux PM 2,5 - Unités : Dmnl

  • Proportion initiale de la mortalité due au manque d’accès à l’eau et à l’assainissement - Unités : Dmnl

Détails de modélisation

L’utilisation de la différenciation des sexes et des cohortes d’un an signifie que les taux de décès et leurs causes sont calculés séparément pour chaque groupe d’âge. Cela permet d’introduire l’impact d’interventions spécifiques exclusivement sur les groupes d’âge cibles.

Notes et références

[1] Les démographes du Population Council ont découvert que le schéma des taux de mortalité par âge varie légèrement dans les différentes régions du monde. Plus précisément, ils ont constaté qu’il existe quatre schémas :(a) l’Ouest (base) ; (b) l’Est (taux de mortalité infantile plus élevé qu’à l’Ouest, taux de plus en plus élevé au-delà de 50 ans, et plus faible pour les autres âges, par rapport à l’Ouest) ; (c) le Nord (taux de mortalité infantile plus faible, taux faible au-delà de 45 ou 50 ans, et plus élevé pour les autres âges, par rapport à l’Ouest) ; et (d) le Sud (taux de mortalité plus élevé pour les moins de 5 ans, mortalité plus faible entre 40 et 65 ans, et plus élevé au-delà de 65 ans, par rapport à l’Ouest). Nous avons testé ces quatre tables de mortalité dans dix pays, et elles se sont avérées extrêmement précises.

[2] Les causes de mortalité utilisées dans le modèle sont : sida, diarrhéique, parasitaire et vectorielle, respiratoire, maternelle, néonatale, nutritionnelle, néoplasmes, diabète, cardiovasculaire, routière, violence, autre.

[3] Baker, D., Leon, J., Smith Greenaway, E. G.; Collins, J., & Marcela, M. (2011, June). The Education Effect on Population Health: A Reassessment. Population and Development Revue, 37(2): 307–332.

Carrin, G., Mathauer, I., Xu, K., Evans, D. B. (2008). Bulletin of the World Health Organization, 86, 11: 817-908.

Preston, S.A. (1975). The Changing Relation between Mortality and Level of Economic Development. Population Studies, 29(2): 2231-2248.

[4] Kunitz, S. J., (2007). The health of populations: General theories and particular realities. Oxford University Press.

[5] Kunitz, S. J., (2007). The health of populations: General theories and particular realities. Oxford University Press.

[6] Fogel, R.W. (1984). Nutrition and the Decline in Mortality Since 1700: Some Preliminary Findings. NBER Working Paper No. 1402.

[7] Ezzati, M., & Kammen, D.M. (2002). Evaluating the health benefits of transitions in household energy technologies in Kenya. Energy Policy, 30, 815–826

World Bank, (2008). The Welfare Impact of Rural Electrification: A Reassessment of the Costs and Benefits, An IEG Impact Evaluation. Washington, DC: World Bank.

[8] World Health Organization (2012). Global costs and benefits of drinking-water supply and sanitation interventions to reach the MDG target and universal coverage. Geneva: World Health Organization.

[9] World Health Organization (2013). Health effects of particulate matter. Copenhagen: World Health Organization Regional Office for Europe.

[10] Lin, R.-T., Chien, L.-C., Chen, Y.-M., & Chan, C.-C. (2014). Governance matters: An ecological association between governance and child mortality. International Health Advance Access. April 7, 2014

[11] Kopits, E., Cropper, M. (2008). Why Have Traffic Fatalities Declined in Industrialised Countries? Journal of Transport Economics and Policy, 42, 1: 129–154.

[12] World Bank (2010). The Costs to Developing Countries of Adapting to Climate Change, New Methods and Estimates from the Global Report of the Economics of Adaptation to Climate Change Study. Washington, DC: World Bank.

[13] Collste, D., Pedercini, M. & Cornell, S.E. (2017). Policy coherence to achieve the SDGs: Using integrated simulation models to assess effective policies. Sustainability Science, 12: 921-931.