Il est difficile de pr\u00e9voir pr\u00e9cis\u00e9ment les tendances d\u00e9mographiques. Cependant, une bonne compr\u00e9hension de ces tendances reste essentielle tant pour les d\u00e9cideurs\u00b7euses politiques que pour de nombreuses entreprises. L’\u00e9volution de l’esp\u00e9rance de vie repr\u00e9sente un outil relativement grossier pour quantifier l’impact de mesures prises sur les diff\u00e9rentes causes de d\u00e9c\u00e8s, telles qu\u2019un nouveau m\u00e9dicament ou une loi sur la s\u00e9curit\u00e9. La Professeure S\u00e9verine Arnold et ses co-auteurs proposent une approche plus sophistiqu\u00e9e, qui permet de mesurer l’impact relatif de ces mesures sur la r\u00e9partition par \u00e2ge des populations futures, y compris les taux de d\u00e9pendance des personnes \u00e2g\u00e9es.<\/p>\n\n\n\n
Bien comprendre les tendances d\u00e9mographiques est tr\u00e8s important pour de nombreuses organisations:<\/p>\n\n\n\n
La complexit\u00e9 de la d\u00e9mographie repr\u00e9sente le principal d\u00e9fi: il est difficile de faire des pr\u00e9visions pr\u00e9cises sur les populations. Heureusement, des chercheurs\u00b7euses comme la Professeure S\u00e9verine Arnold et ses co-auteurs Alexandre Boumezoued, Nicole El Karoui et H\u00e9lo\u00efse Labit Hardy font des progr\u00e8s consid\u00e9rables qui nous permettent de mieux comprendre. Pour ce faire, l’\u00e9quipe utilise des m\u00e9thodes innovantes en appliquant aux populations humaines des mod\u00e8les initialement d\u00e9velopp\u00e9s pour l’\u00e9tude des populations d’arbres et d’oiseaux.<\/p>\n\n\n\n
De pr\u00e9c\u00e9dentes \u00e9tudes ont montr\u00e9 l’impact des causes de mortalit\u00e9 sur l’esp\u00e9rance de vie. Dans un article cosign\u00e9, intitul\u00e9 \u00ab\u00a0Cause-of-Death Mortality: What Can Be Learned From Population Dynamics?\u00a0\u00bb S\u00e9verine Arnold va cependant plus loin en combinant l’analyse de la mortalit\u00e9 avec la dynamique de la population pour obtenir une analyse plus pouss\u00e9e de l’impact des causes de d\u00e9c\u00e8s sur la future r\u00e9partition par \u00e2ge.<\/p>\n\n\n\n
Par exemple, comment la gu\u00e9rison d’une maladie en particulier ou la baisse du nombre de d\u00e9c\u00e8s \u00e0 v\u00e9lo gr\u00e2ce au port du casque obligatoire, peut-elle affecter la pyramide des \u00e2ges de la population au fil du temps? Et comment le taux de d\u00e9pendance des personnes \u00e2g\u00e9es peut-il \u00eatre affect\u00e9 en raison de l’impact sur la r\u00e9partition par \u00e2ge? Ce taux consid\u00e8re le nombre de personnes \u00e2g\u00e9es de 65 ans et + et le divise par le nombre de personnes actives \u00e2g\u00e9es de 15 \u00e0 65 ans. Il donne ainsi une id\u00e9e de la charge de la population \u00e2g\u00e9e sur la population active, ce qui est important pour la planification du syst\u00e8me de s\u00e9curit\u00e9 sociale, par exemple.<\/p>\n\n\n\n
Un aspect particuli\u00e8rement int\u00e9ressant de l’approche de la chercheuse S\u00e9verine Arnold a \u00e9t\u00e9 de mettre l’accent sur la comparaison des effets de la r\u00e9duction des d\u00e9c\u00e8s li\u00e9s \u00e0 diff\u00e9rentes causes (dans l’ensemble, l’\u00e9quipe a examin\u00e9 six causes de d\u00e9c\u00e8s diff\u00e9rentes). L’esp\u00e9rance de vie est la mesure \u00e0 laquelle nous avons tendance \u00e0 penser lorsque nous \u00e9valuons l’impact d’une cause sp\u00e9cifique de d\u00e9c\u00e8s. Quel est l’impact d’une politique sur l’esp\u00e9rance de vie, par exemple? Ainsi, si vous envisagez d’affecter des ressources \u00e0 la r\u00e9duction soit des cas de cancer soit des taux d’accidents, vous pourriez naturellement supposer que la r\u00e9duction des cas de cancer aura l\u2019effet le plus important sur l\u2019esp\u00e9rance de vie en g\u00e9n\u00e9ral.<\/p>\n\n\n\n
Il est toutefois important de tenir compte de l’impact respectif sur la dynamique de la population et la r\u00e9partition par \u00e2ge. La Prof. Arnold et ses co-auteurs ont mod\u00e9lis\u00e9 une situation dans laquelle le taux, \u00e0 la fois d’accidents et de cancers, a \u00e9t\u00e9 amen\u00e9 \u00e0 un niveau qui produisait des gains d’esp\u00e9rance de vie similaires. Mais si les gains d\u2019esp\u00e9rance de vie \u00e9taient similaires, l’impact sur la r\u00e9partition par \u00e2ge \u00e9tait nettement diff\u00e9rent, car le cancer touche principalement les personnes \u00e2g\u00e9es. Lorsque vous supprimez le cancer, vous sauvez beaucoup de vies, mais \u00e0 un \u00e2ge plus avanc\u00e9. Lorsque vous supprimez les accidents, vous sauvez beaucoup de personnes plus jeunes \u2013 environ 25-30 ans. Ces personnes, qui \u00e0 pr\u00e9sent ne meurent plus, pourraient bien avoir des enfants. Ainsi, \u00e0 long terme, les impacts sur la structure d\u2019\u00e2ge de la population et sur le taux de d\u00e9pendance des personnes \u00e2g\u00e9es sont tr\u00e8s diff\u00e9rents.<\/p>\n\n\n\n
Les cons\u00e9quences de ces r\u00e9sultats sont bien s\u00fbr importantes pour les d\u00e9cideurs\u00b7euses, mais elles le sont aussi pour les entreprises. De nombreuses soci\u00e9t\u00e9s ont des mod\u00e8les d’activit\u00e9 qui d\u00e9pendent de leur capacit\u00e9 \u00e0 r\u00e9pondre efficacement aux besoins de certains segments de la population. Par cons\u00e9quent, elles consacrent des ressources consid\u00e9rables \u00e0 la pr\u00e9vision des tendances d\u00e9mographiques. \u00c0 pr\u00e9sent, elles peuvent disposer d’un nouvel outil. Car le mod\u00e8le que S\u00e9verine Arnold et ses co-auteurs ont d\u00e9velopp\u00e9 permet aux organisations d’\u00e9valuer plus pr\u00e9cis\u00e9ment l’impact des \u00e9v\u00e9nements affectant l’esp\u00e9rance de vie \u2013 une nouvelle mesure politique, un nouveau produit ou service pharmaceutique \u2013 sur la pyramide des \u00e2ges des populations futures de consommateurs\u00b7trices.<\/p>\n\n\n\n
Papier de recherche:<\/p>\n\n\n\n
Alexandre Boumezoued, H\u00e9lo\u00efse Labit Hardy, Nicole El Karoui, S\u00e9verine Arnold (2018). Cause-of-death mortality: What can be learned from population dynamics?<\/a> Insurance: Mathematics and Economics<\/em> 78: 301-315.<\/p>\n\n\n\n Cr\u00e9dit photo:
\n\n\n\n