Leis de mortalidade:

convergncia ou divergncia
entre diferentes pontos de vista
sobre a mortalidade
portuguesa

Filipe Ribeiro, Universidade de vora/MPIDR

Jos Gonalves Dias, Instituto Universitrio de Lisboa (ISCTE-IUL)
Maria Filomena Mendes, Universidade de vora

vora, 12 de Setembro de 2012

 Ribeiro, Dias & Mendes

Introduo
Frequente utilizao da fora de
mortalidade na anlise do nmero de
mortes per capita;

Desenvolvimento de diversas leis de

mortalidade (modelos estatsticos);

No entanto, at aos dias de hoje,

nenhuma lei pode ser rotulada de
universal.
 Ribeiro, Dias & Mendes

Perguntas de partida

Serque algumas dessas leis se adequam

realidade portuguesa?

E qual ser a que se ajustar melhor?

 Ribeiro, Dias & Mendes

Perguntas de partida

Ser
possvel que uma s lei se adapte da
mesma forma a ambos os sexos?

E
o que nos dir a anlise dos parmetros
estimados pelos diferentes modelos?
 Ribeiro, Dias & Mendes

Dados
Recorreu-se
Human Mortality Database
(HMD), de onde se recolheram os dados
referentes:
Ao nmero de mortos por idade e sexo;
Ao nmero de expostos ao risco por idade e
sexo;
Para o perodo entre 1940 e 2009.
 Ribeiro, Dias & Mendes

Abordagem Metodolgica
Apsa anlise cuidada de algumas leis
de mortalidade, optou-se por aplicar um
estimador de mxima verosimilhana:

Em
que corresponde aos parmetros do
modelo a serem estimados.
 Ribeiro, Dias & Mendes

Abordagem Metodolgica
Destaforma, assumimos que o nmero
total de mortes (yij) no ano j e com idade
i, segue uma distribuio Poisson com
mdia ij Eij, em que Eij corresponde ao
nmero de indivduos expostos ao risco
no ano j e com idade i :
 Ribeiro, Dias & Mendes

Leis de mortalidade

Gompertz (1825):
 Ribeiro, Dias & Mendes

Leis de mortalidade

Makeham (1860):
 Ribeiro, Dias & Mendes

Leis de mortalidade

Kannisto (1992):
 Ribeiro, Dias & Mendes

Leis de mortalidade
No entanto, sabido que todas as
populaes so heterogneas e alguns
indivduos so mais frgeis do que outros,
da Vaupel et al. (1979):
 Ribeiro, Dias & Mendes

Ajustamentos (2009)
0.500
0.200

x
Gompertz fit
0.050
x

0.020
0.005
0.001

50 55 60 65 70 75 80 85 90 95 100

Idades
 Ribeiro, Dias & Mendes

Ajustamentos (2009)
0.500
0.200

x
GompertzMakeham fit
0.050
x

0.020
0.005
0.001

50 55 60 65 70 75 80 85 90 95 100

Idades
 Ribeiro, Dias & Mendes

Ajustamentos (2009)
0.500
0.200

x
Kannisto fit
0.050
x

0.020
0.005
0.001

50 55 60 65 70 75 80 85 90 95 100

Idades
 Ribeiro, Dias & Mendes

Ajustamentos (2009)
0.500
0.200

x
GGompertz fit
0.050
x

0.020
0.005
0.001

50 55 60 65 70 75 80 85 90 95 100

Idades
 Ribeiro, Dias & Mendes

Ajustamentos (2009)
0.500
0.200

x
GMakeham fit
0.050
x

0.020
0.005
0.001

50 55 60 65 70 75 80 85 90 95 100

Idades
 Ribeiro & Mendes

Ser que uma distribuio de

fragilidade diferente no se
ajustaria melhor?
 Ribeiro, Dias & Mendes

Hougaard
Deste modo, recorreu-se distribuio de
fragilidade derivada por Hougaard em
1986, aqui j com mortalidade de base
Gompertz:
 Ribeiro, Dias & Mendes

Hougaard
Aqui, o parmetro que vai permitir
identificar ou no a distribuio de
fragilidade gama como a mais correta.

Assim
com = 0, obtemos facilmente Z ~
Ga(1/2, 1/2), enquanto que com = 0.5
o resultado ser uma distribuio
Gaussiana Inversa.
 Ribeiro, Dias & Mendes

Distribuio de fragilidade
gama?

Homens G.G.
Mulheres G.G.
0.010
0.006
0.002

Homens H.G.
Mulheres H.G.

1940 1950 1960 1970 1980 1990 2000 2010

Ano
 Ribeiro, Dias & Mendes

Distribuio de fragilidade
gama?
0.14
0.12
0.10
0.08

Homens G.G. Homens H.G.

Mulheres G.G. Mulheres H.G.
0.06

1940 1950 1960 1970 1980 1990 2000 2010

Ano
 Ribeiro, Dias & Mendes

Distribuio de fragilidade
gama?
0.00 0.05 0.10 0.15 0.20 0.25 0.30

Homens G.G. Homens H.G.

Mulheres G.G. Mulheres H.G.

1940 1950 1960 1970 1980 1990 2000 2010

Ano
 Ribeiro, Dias & Mendes

Distribuio de fragilidade
gama?
0.5
0.4 HougaardGompertz

Homens Mulheres
0.3
0.2
0.1
0.0

1940 1950 1960 1970 1980 1990 2000 2010

Ano
 Ribeiro, Dias & Mendes

Intervalos de Confiana 99%

Gama
 Ribeiro, Dias & Mendes

Intervalos de Confiana 99%

Hougaard
 Ribeiro, Dias & Mendes

Intervalos de Confiana 99%

Hougaard
 Ribeiro, Dias & Mendes

Concluses I
Onvel de mortalidade aos 50 anos
encontra-se a diminuir;

Avelocidade de envelhecimento
encontra-se a aumentar para ambos os
sexos;

A
constante C parece desempenhar um
papel fundamental no ajuste do modelo,
pelo menos em anos mais recentes;
 Ribeiro, Dias & Mendes

Concluses II
Apesardo modelo desenvolvido por
Kannisto em 1992 apresentar resultados
muito prximos com o desenvolvido por
Vaupel et al. em 1979, o segundo surge
como melhor opo tendo em conta
que estamos perante uma populao
heterognea;
 Ribeiro, Dias & Mendes

Concluses III

Omodelo de fragilidade derivado por

Hougaard em 1986, e aqui aplicado com
uma mortalidade de base Gompertz,
permitiu concluir que, pelo menos para
Portugal, a distribuio de fragilidade
Gama a mais indicada.
 Ribeiro, Dias & Mendes

Referncias
Bongaarts, J. (2004). Long range terms in adult mortality:
models and projections methods. Paper presented at PAA,
Boston.
Gompertz, B. (1825). On the nature of the function expresive of
the law of human mortality, and on a new mode of
determining the value of life contingencies.Philosophal
Transactions of the Royal Society of London 115, 513-585.
Makeham, W. M. (1860). On the law of mortality. Journal of the
institute of actuaries 13, 283-287.
Thatcher, A. R., Kannisto, V., Vaupel, J. (1999). The force of
mortality at ages 80 to 120. Odense monographs on population
aging, 5. Odense University Press, Odense, Denmark.
Vaupel, J., Manton, K., Stallard, E. (1979). The impact of
heterogeneity in individual frailty on the dynamics of mortality.
Demography 16, 855-860.