Opzioni
Abstract
Il progressivo calo dei tassi di fertilità e l’invecchiamento della popolazione mondiale rendono sempre più importanti previsioni accurate della mortalità. Sebbene l’aspettativa di vita sia cresciuta costantemente negli ultimi decenni, eventi recenti come la pandemia hanno sollevato interrogativi sulla sostenibilità di questi trend. La pandemia ha modificato profondamente il quadro della mortalità, mettendo in luce l’urgenza di capire meglio come i grandi eventi globali influenzino i tassi di mortalità. Questa tesi presenta modelli stocastici della mortalità, pensati per essere interpretabili e pratici, utili soprattutto per la pianificazione delle politiche pubbliche, con un’attenzione particolare alla mortalità regionale in Italia. La prima parte si concentra sull’integrazione di fattori economici, ambientali e legati allo stile di vita per la previsione della mortalità. Questi modelli, inizialmente sviluppati per singole popolazioni, vengono successivamente estesi a più popolazioni, raggruppate tramite tecniche di clustering basate sulla somiglianza dei percorsi di mortalità. La seconda parte della tesi analizza la mortalità regionale italiana attraverso modelli mistura bayesiani, introducendo effetti di coorte e sottolineando le crescenti disparità nella mortalità in età avanzata. Questo approccio aiuta a capire meglio come si evolvono le tendenze della mortalità nelle diverse regioni e a cogliere le disuguaglianze crescenti nella speranza di vita. I modelli presentati offrono strumenti pratici per i decisori politici e i pianificatori, permettendo di prevedere l’evoluzione della mortalità e valutare a priori l’impatto delle potenziali politiche.
The global shift toward lower fertility rates and an aging population underscores the importance of accurate mortality forecasts. Over the past few decades, life expectancy has continued to rise, but recent events, such as the pandemic, have raised questions about the sustainability of these trends. The pandemic’s impact on mortality and the resulting economic effects have emphasized the need to better understand the complex relationships between mortality and global events. This thesis proposes interpretable stochastic mortality models that incorporate external variables and are suitable for public policy planning, with a subsequent focus on regional mortality in Italy. The first part focuses on models that integrate economic, environmental, and lifestyle factors to predict mortality. These models are extended from single populations to multiple populations, grouped through clustering techniques based on mortality path similarities. The second part of the thesis models regional mortality in Italy using Bayesian mixture models, introducing cohort effects and capturing disparities in adult mortality. This approach enhances the understanding of regional mortality trends and the growing inequalities in lifespan within populations. The models presented offer practical tools for policymakers and planners to forecast mortality and assess the impact of potential interventions.
Archivio
Diritti
open access
