SISTAN COMUNE DI BRESCIA Unità di Staff Statistica Rapporti di ricerca 21/2005 Tavole comunali di mortalità SISTAN COMUNE DI BRESCIA Unità di Staff Statistica Rapporti di ricerca 21/2005 Luigi Riva, Marco Trentini Tavole comunali di mortalità Collana CONOSCERE PER DECIDERE Brescia, 11/08/2005 La ricerca è stata impostata da Luigi Riva (Dipartimento Metodi Quantitativi Università degli Studi di Brescia), mentre Marco Trentini ha curato la realizzazione della stessa nonché la stesura della presente nota. Al fine di favorire la diffusione e l’utilizzazione dei dati, è consentita la riproduzione parziale o totale del contenuto della presente pubblicazione, subordinatamente alla citazione della fonte: SISTAN, Comune di Brescia, Unità di Staff Statistica. Tutela dei dati personali Il presente lavoro ha come obiettivo la costruzione di tavole di mortalità della popolazione residente nel Comune di Brescia. Il lavoro è previsto nel Programma Statistico Comunale 2002-2004, che costituisce una prima informativa agli interessati (art.10 L.675/1996). Il titolare del trattamento è il Comune di Brescia, il responsabile è il Responsabile dell’Unità di Staff Statistica. Sono fatti salvi i diritti degli interessati stabiliti dall’art.13 della L.675/1996, e dall’art.13 del Codice deontologico e di buona condotta per i trattamenti dei dati per finalità statistiche, pubblicato sulla Gazzetta Ufficiale 1 ottobre 2002, n. 230. NOTE E AVVERTENZE SEGNI CONVENZIONALI Trattino, -, quando il fenomeno non esiste, oppure esiste e viene rilevato, ma i casi non si sono verificati. PERCENTUALI E RAPPORTI Le composizioni percentuali ed i rapporti sono arrotondati alla prima cifra decimale. Il totale dei valori così calcolati può risultare non uguale a 100. PER INFORMAZIONI SISTEMA STATISTICO NAZIONALE COMUNE DI BRESCIA Unità di Staff Statistica Via A. Marchetti, n. 3 - 25126 Brescia Tel. 030 297-8363 - Fax 030 297-8368 E-mail: [email protected] SISTAN - Comune di Brescia - Unità di Staff Statistica 1. Premessa Obiettivo del presente lavoro è la costruzione delle tavole di mortalità della popolazione residente nel comune di Brescia, con riferimento al quinquennio dal 1997 al 2001. La sempre maggiore disponibilità di dati sulla popolazione residente, e sugli eventi demografici associati, ha portato ad una proliferazione (a volte non coordinata1) di tavole di mortalità territoriali, sempre per contemporanei, con una disaggregazione che si spinge fino al livello provinciale, massimo livello consentito dal metodo di stima e dai dati disponibili. La disponibilità di tavole di livello provinciale è considerata accettabile anche per i livelli territoriali inferiori dati gli obiettivi informativi2 e tenuto conto dei problemi di affidabilità delle stime per popolazioni poco numerose3. Normalmente si è ben coscienti che le popolazioni residenti nei centri urbani, almeno quelli di maggiore dimensione, hanno caratteristiche distinte, sia strutturali sia evolutive, rispetto alle popolazioni residenti in ambiti non urbani. Le ragioni sono note e riguardano gli stili e le condizioni di vita e di lavoro, la dotazione e l’accessibilità ai servizi, in sintesi tutti quegli elementi “ambientali” che definiscono il contesto nel quale accadono gli eventi demografici individuali e tra questi la morte. Possiamo dire, in un certo senso che, la tavola di mortalità riassume tutti questi elementi di contesto, attribuendo al territorio, Brescia, quella specifica legge di eliminazione della popolazione. Seguendo questa impostazione è chiara la difficoltà logica. L’utilizzo di tavole provinciali anziché comunali comporta più vantaggi che svantaggi4 finché l’obiettivo rimane quello di prevedere l’andamento della popolazione, ed eventualmente della sua struttura, per un arco medio di previsione, mentre diventa problematico non appena l’obiettivo diventa la mortalità locale in sé e la sua previsione. 1 Si pensi alle tavole di mortalità regionali e provinciali stimate dall’Istat e dalla regione Lombardia, ad esempio, utilizzando il medesimo metodo, ma fonti differenti. 2 Normalmente le tavole di mortalità vengono utilizzata nelle previsioni a breve e medio termine, da 20 anni in poi, della struttura della popolazione residente per sesso ed età ottenute utilizzando modelli del tipo coorte-componente. 3 Non dimentichiamoci che la usuale tavola per sesso e anno di età richiede la stima di almeno 200 probabilità di morte, la cui affidabilità dipende dal numero di morti per quell’età e sesso rapportato al numero di esposti al rischio. E’ proprio sulla stima degli esposti al rischio che sorgono i problemi di affidabilità in particolare per le età estreme. 4 I vantaggi essendo pratici e gli svantaggi teorici. 4 Tavole comunali di mortalità L’analisi della mortalità locale potrebbe apparire un tema di scarsa rilevanza operativa per una amministrazione pubblica locale, così non è. I campi di applicazione delle analisi di mortalità sono, in effetti, molteplici, ne consideriamo due: i servizi cimiteriali, e più in generale funebri, e l’analisi differenziale (territoriale, etnica ecc.) della mortalità. L’amministrazione pubblica locale, gestisce istituzionalmente i numerosi servizi cimiteriali; è evidente che per questo settore d’intervento il numero di morti costituisce la “domanda” potenziale. Una previsione affidabile del numero di morti (eventualmente specificata secondo alcune variabili differenziali influenti per il problema5) su un arco di tempo medio consente una programmazione più puntuale sia in ambito urbanistico, sia in ambito gestionale. Quanto all’analisi differenziale si pensi alla stima della mortalità su aree, e quindi sottopopolazioni, limitate sia per caratteristiche proprie (ad esempio l’appartenenza a comunità straniere) sia per eventi sperimentati (ad esempio le famiglie assegnatarie di alloggi di edilizia pubblica e convenzionata concentrate in grandi agglomerazioni, come il quartiere di S. Polo nuovo). La costruzione di tavole di mortalità ad un elevato livello di dettaglio si scontra con due difficoltà legate la prima al metodo di analisi della mortalità (usualmente quello attuariale con la stima diretta delle probabilità di morte specifiche per sesso, età, …) la seconda, conseguenza della prima, alla identificazione e stima degli esposti al rischio (essendo la frequenza dei morti specifica per sesso, età, …, sostanzialmente certa). È evidente perché l’elemento critico del metodo attuariale è la fonte dei dati. La moderna gestione informatizzata delle anagrafi della popolazione residente permette di disporre (o di ricostruire) per ogni individuo tutti gli eventi demografici rilevanti ai fini della residenza (nascita, morte, immigrazioni ed emigrazioni anche ripetute) e di altre informazioni differenziali6, ricostruendo, in questo modo le biografie individuali dei residenti, limitatamente ai periodi di residenza. La disponibilità di dati longitudinali consente di superare la strettoia imposta dai metodi attuariali, che consiste nell’utilizzare le distribuzioni di frequenza invece che i dati individuali, per utilizzare proprio le potenzialità informative di questi ultimi. La soluzione adottata in questo lavoro è di utilizzare un adattamento del metodo di Kaplan e Meier, un metodo non parametrico di stima della 5 Ad esempio la zona territoriale che costituisce il “bacino d’utenza” dei cimiteri; la mortalità dei non cattolici, per la necessità di dotare i cimiteri di spazi e strutture ad hoc. 6 Informazioni che possono essere di stato (ad esempio il sesso e l’età), ma anche dinamiche come la carriera matrimoniale, il luogo di residenza e così via. SISTAN - Comune di Brescia - Unità di Staff Statistica 5 sopravvivenza originariamente sviluppato nell’ambito dell’analisi epidemiologica, ed in particolare del follow up medico. Di seguito ne riassumiamo gli elementi essenziali. Negli studi medici una persona viene seguita a partire da una certa data di presa in carico (il momento del ricovero, del riconoscimento della malattia ecc.) fino al momento della morte, oppure fino al momento in cui, per qualsivoglia ragione, lascia il campo d’osservazione. L’esperienza dell’osservazione degli accadimenti cui l’individuo è sottoposto (che possono essere la morte per la specifica causa che si sta analizzando o l’uscita per qualsiasi altro motivo) porta a ritenere plausibile l’ipotesi che, in ogni istante di tempo, possa accadere uno ed un solo dei due eventi considerati. La probabilità di sopravvivenza fino a quella durata viene pertanto stimata dal rapporto che vede al denominatore il numero di esposti al rischio prima dell’evento, vale a dire un istante prima del momento di accadimento dell’evento, ed al numeratore il numero di esposti al rischio nell’istante successivo, pari al denominatore meno 1. Il prodotto delle probabilità di sopravvivenza, conteggiate a partire dal primo istante di tempo e fino al momento prescelto, vale a dire per tutti gli eventi accaduti fino a quello in osservazione, costituisce, sotto alcune ipotesi specifiche, una stima della funzione di sopravvivenza fino a quel momento. Il metodo tratteggiato, essendo centrato sul singolo evento e sulla sua unica durata temporale, permette di superare la “costrizione” del metodo attuariale, che consiste nel trattare dati aggregati (distribuzioni di frequenza dell’età in anni compiuti) e fornisce un impianto più affidabile e robusto per la stima della mortalità: ogni individuo, in effetti, viene osservato per la durata di esposizione al rischio. Si aggiunga che, ritenendo sufficientemente affidabili stime puntuali riferite a istanti in cui gli esposti al rischio sono superiori a 30, si ottiene una stima della sopravvivenza affidabile anche per le età avanzate, in generale per quelle età per le quali il metodo attuariale risulta poco affidabile. L’applicazione di questo metodo al di fuori degli studi epidemiologici risulta particolarmente utile anche se richiede adattamenti, precisazioni e anche alcuni ritocchi essenziali sia nell’impostazione sia negli aspetti computazionali (a tutto questo è dedicata la parte metodologica nel punto 2). Segnaliamo, infine, la generalità del metodo, che significa la sua applicabilità quanto meno a tutti gli ambiti in cui si procede alla stima di tavole di eliminazione per eventi non ripetibili7. 7 Quindi stima di tavole di primo nuzialità e stima di tavole di fecondità per ordine di generazione. 6 Tavole comunali di mortalità L’applicazione di un metodo analitico richiede la disponibilità di dati adeguati. L’informatizzazione delle anagrafi, ed in particolare l’implementazione di sistemi informativi “storici”, vale a dire in grado di ricostruire la sequenza di eventi anagrafici che interessano le persone residenti, permette di disporre di informazioni di dettaglio sugli eventi che interessano la popolazione. A questi aspetti è dedicato il punto 3. Nel punto 4 vengono presentati alcuni risultati di sintesi, e alcune note a commento allo scopo di chiarire l’importanza che ha l’analisi della mortalità a livello locale sul sistema locale dei servizi. La bibliografia chiude la nota. In appendice vengono presentate oltre alla tavola comunale per età e genere le tavole per età, genere distinte secondo la componente nativa e immigrata. Le tavole riproducono le principali funzioni biometriche adottate nelle tavole provinciali di mortalità realizzate da Istat. Presentiamo, infine, le tavole secondo una modalità di tabulazione non tradizionale in percentili della funzione di sopravvivenza. Questa modalità di tabulazione non solo risulta di leggibilità immediata anche per non esperti, ma ha il pregio ulteriore di permettere confronti immediati tra tavole. SISTAN - Comune di Brescia - Unità di Staff Statistica 7 2. Il metodo Le tavole di mortalità sono tradizionalmente ottenute applicando un metodo di stima di tipo aggregato: ciò comporta l’assunzione di modelli ed ipotesi sui comportamenti collettivi quanto meno restrittive, quando non del tutto realistiche. Fenomeni come la cosiddetta “rettangolarizzazione” della funzione di sopravvivenza mettono a dura prova la capacità informativa delle tavole così come tradizionalmente costruite e tabulate. Questi aspetti sono esaminati nel prossimo punto. Un approccio allo studio della mortalità che, data la natura dei problemi affrontati, sfrutta l’informazione sul percorso di vita individuale, è quello seguito negli studi in ambito medico in cui il paziente entra nell’osservazione al momento del verificarsi di un certo evento (ad esempio il ricovero o l’avvio di un trattamento) e viene seguito sino all’uscita, che può avvenire per la specifica causa di morte oggetto di studio, oppure per qualsivoglia altra ragione, compresa la morte per causa differente rispetto a quella di studio. L’approccio “epidemiologico” si presta ad essere esportato al di fuori dello specifico contesto sperimentale con alcuni adattamenti, precisazioni e anche alcuni ritocchi sia nell’impostazione sia negli aspetti computazionali (a tutto questo è dedicato il successivo punto 2). Approfondiamo, nel prossimo punto, gli aspetti critici dell’approccio tradizionale. 2.1 L’approccio tradizionale: aspetti critici Le tavole di mortalità sono uno strumento piuttosto usuale nell’analisi della mortalità di una popolazione; altrettanto consolidato è il metodo utilizzato che consiste nella stima di una delle funzioni biometriche8 (di solito la probabilità di morte o il tasso di mortalità) utilizzando dati aggregati. È evidente che per stimare la forza della mortalità alle diverse età, e secondo i fattori differenziali ritenuti rilevanti, si dovrebbe seguire una generazione di persone con quelle caratteristiche fino alla sua estinzione, analisi per generazioni. La difficoltà di questo metodo è evidente, ed è la ragione per cui, solitamente, si procede ad analizzare la mortalità facendo riferimento ad una popolazione, e agli eventi da essa sperimentati, in un certo periodo di tempo, solitamente uno o più anni. L‘uso di dati per contemporanei porta a costruire tavole di mortalità che sono approssimazioni delle tavole vere, per generazioni. Segnaliamo, in particolare, che le tavole per 8 Essendo le altre ricavabili secondo relazioni ben note. 8 Tavole comunali di mortalità contemporanei tendono a sovrastimare la sopravvivenza alle età più elevate9. Operativamente le tavole di mortalità tradizionali si costruiscono a partire dalla stima delle probabilità di morte, per una certa età, calcolate come rapporti tra l’aggregato delle persone morte di quell’età, in un anno, e la popolazione iniziale esposta al rischio, di pari età e nello stesso periodo, mantenendo, normalmente, il sesso come variabile differenziale. La stima delle probabilità di morte secondo il metodo illustrato presenta alcuni particolari aspetti che elenchiamo di seguito: • il modello assunto nella stima delle probabilità è quello frequentista; • il tempo viene scandito da intervalli annuali costanti su tutto l’arco delle età considerate; • emigrazione e immigrazione entrano nel modello semplicemente come fattori correttivi della popolazione esposta al rischio, e la durata dell’esposizione non è rilevante. I tre punti meritano alcune precisazioni. La stima della probabilità di morte per età è determinata dal rapporto tra due grandezza, delle quali il numeratore è parte del denominatore. La robustezza delle stime, in particolare alle età estreme, è determinata, pertanto, dalla numerosità degli eventi e dalla numerosità della popolazione esposta al rischio. Frequenze numericamente modeste (diciamo sotto i 100 casi) anche su uno solo, se non su entrambi, i fattori del rapporto rendono le stime poco affidabili, in quanto estremamente sensibili a piccole variazioni delle frequenze. In altre parole, anche poche morti possono modificare sensibilmente i valori dei rapporti di mortalità. Per ovviare a questo problema si procede in due modi. In primo luogo si allarga la base dei dati di riferimento considerando l’esperienza vissuta dalla popolazione su più anni di calendario (ottenendo tavole riferite, ad esempio, ad un quinquennio). In secondo luogo si interpolano i valori grezzi di una delle funzioni biometriche, solitamente la distribuzione delle probabilità di morte per età, al fine di individuare il modello regolare sottostante utilizzando due strategie: la prima consiste nel perequare i valori grezzi con medie mobili di diversa ampiezza, e la seconda nel sostituire gli stessi valori grezzi con quelli calcolati a partire da modelli empirici. Quest’ultima soluzione viene utilizzata in particolare per la stima della mortalità alle età senili. Al termine delle procedure di interpolazione, giustificate sì dall’esigenza di individuare il modello regolare sottostante, ma necessarie data 9 Ciò è facilmente intuibile dal momento che man mano si procede con l’età si effettuano i calcoli relativamente a generazioni via via più vecchie. In ambito demografico c’è ampia condivisione sul fatto che sopravvivano le persone più resistenti, e che, quindi, i sopravviventi siano via via maggiormente resistenti alla forza della mortalità. SISTAN - Comune di Brescia - Unità di Staff Statistica 9 l’erraticità delle stime soprattutto alle età estreme, i valori stimati sono privi di coerenza rispetto ai dati originari, nel senso che applicando i valori stimati della funzione biometrica scelta alla consistenza della popolazione per ogni età, si ottengono stime del numero di morti molto distanti dal numero effettivo. È prassi riscalare i valori stimati utilizzando come fattore di scala per ogni età il rapporto tra il numero di morti osservati ed il numero di morti attesi secondo la probabilità di morte stimata. L’uniformità della scansione temporale sull’arco delle età è forse ancor più problematica. In situazioni di declino “lento” e continuo della sopravvivenza, tale scelta risulta comprensibile in quanto la scansione del tempo è coerente con l’evoluzione del fenomeno e ben lo rappresenta. In situazioni, come quelle attuali, caratterizzata dalla stabilità della mortalità fino alle età elevate e da una brusca caduta successiva (si parla a proposito di rettangolarizzazione della funzione di sopravvivenza) la scansione annuale perde quasi completamente il suo potere di rappresentazione. E’ normale che nelle età centrali siano necessarie anche decine di classi di età perché la coorte subisca un calo del 10%, mentre alle età avanzate, in un solo anno, la coorte può addirittura dimezzare. Questo problema può trovare una soluzione nelle modalità di tabulazione delle tavole di mortalità. Tradizionalmente le tavole di mortalità sono tabulate per età col che soffrono di almeno due difetti rilevanti: il primo, già considerato, riguarda lo scarso potere di rappresentazione quando si considera la cadenza della mortalità; il secondo riguarda la caratteristica a fisarmonica delle tavole la cui età limite non fissa, ma varia anche tra sottopopolazioni. Una soluzione ai problemi presentati da questa modalità di tabulazione delle tavole consiste nel procedere secondo la proposta di L. Riva, vale a dire tabulando i percentili della funzione di sopravvivenza10. Veniamo ora al trattamento delle migrazioni. Nel calcolo delle probabilità di morte, specifiche per età, genere, …, le migrazioni entrano come saldo a “correggere” il denominatore del rapporto, vale a dire gli esposti al rischio. L’ipotesi implicita in questo modo di procedere è che la durata dell’esposizione degli immigrati sia pari alla durata dell’esposizione degli emigrati. In situazioni di migrazioni poco significative questo modo di procedere potrebbe apportare solo correzioni minime, e rispondere più ad esigenze logiche che empiriche. In situazioni di elevata dinamica migratoria, come quella che sta vivendo Brescia negli anni recenti, e data la consistente 10 Al proposito si veda: L. Riva, Sulla tabulazione delle tavole di mortalità, Rapporti di ricerca del Dipartimento Metodi Quantitativi, n.78, 1994. 10 Tavole comunali di mortalità presenza di stranieri extracomunitari, la questione risulta piuttosto delicata dal momento che sono coinvolte sottopopolazioni numerose e particolarmente esposte ad alcuni rischi di morte in particolare alle età intermedie. In questo caso l’assunzione della pari durata risulta poco realistica. 2.2 Un modello analitico per la stima della funzione di sopravvivenza Il superamento delle difficoltà logiche e computazionali del metodo tradizionale di calcolo prende le mosse da una riconsiderazione della base informativa disponibile. La moderna gestione informatizzata delle anagrafi della popolazione residente secondo un criterio storico11, permette di ricostruire, per individui con determinate caratteristiche differenziali12, gli eventi demografici rilevanti ai fini della residenza (nascita, morte, immigrazioni ed emigrazioni anche ripetute). In questo modo è possibile ricostruire le biografie degli individuali, o meglio, gli spezzoni delle biografie individuali che iniziano con gli eventi che comportano l’iscrizione anagrafica (la nascita o l’immigrazione) e che terminano con gli eventi che ne comportano la cancellazione (la morte e l’emigrazione). La cancellazione per emigrazione comporta l’uscita della persona dal campo di osservazione, mentre la cancellazione per morte è proprio l’evento che si vuole seguire13. Il concetto di dati longitudinali di fonte anagrafica merita un approfondimento. I sistemi informativi anagrafici consentono al più di ricostruire la situazione di un individuo a partire da un dato momento, che può coincidere o con l’immigrazione o con la nascita o con il caricamento in anagrafe al momento dell’implementazione del sistema informatico. Ugualmente la persona sarà seguita fino alla morte, all’emigrazione oppure fino al termine del periodo di osservazione. 11 Vale a dire una gestione che comporta la registrazione cronologica di tutti gli accadimenti rilevanti dal punto di vista anagrafico. 12 Informazioni che possono essere di stato (ad esempio il sesso e l’età), ma anche dinamiche come la carriera matrimoniale, il luogo di residenza e così via. 13 Il fatto di considerare i residenti, per il periodo di effettiva residenza, quindi una popolazione collegata ad un particolare territorio giusto per il tempo che è rimasta residente, non costituisce un limite di questo approccio, anzi. L’idea sottostante l’analisi territoriale della mortalità è che il territorio, il comune di Brescia ad esempio, sia una variabile che riassume molteplici elementi di contesto, che sarebbero altrimenti difficili da analizzare e misurare: si tratta di elementi quali la dotazione e l’accessibilità dei servizi, gli stili di vita e via dicendo. Chi ha stabilito la propria residenza, anche temporaneamente, a Brescia è stato pertanto sottoposto, per quel determinato periodo, ad una specifica legge di mortalità, sintetizzata dalla tavola comunale. SISTAN - Comune di Brescia - Unità di Staff Statistica 11 Gli eventi sperimentati dai residenti possono allora essere ricostruiti in modo completo e coerente solo relativamente ad un preciso periodo di riferimento che va dal momento del caricamento dell’archivio anagrafico fino all’ultimo momento disponibile, nel nostro dal 31.12.1996 e il 31.12.2001. Avendo a disposizione dati individuali organizzati cronologicamente14, non vi è alcun motivo, né metodologico né computistico, per analizzare la mortalità (o qualsiasi altro evento non ripetibile) ricorrendo a dati di sintesi della matrice dei dati, come sono, ad esempio, la distribuzione dei morti per sesso ed età. La soluzione utilizzata in questo lavoro è di stimare la mortalità seguendo un metodo, quello di Kaplan e Meier, non parametrico, sviluppato all’interno del disegno sperimentale utilizzato nell’ambito dell’analisi epidemiologica, ed in particolare del follow up medico. Negli studi medici una persona viene seguita a partire da una certa data di presa in carico (il momento del ricovero, del riconoscimento della malattia ecc.) fino al momento della morte, oppure fino al momento in cui, per qualsivoglia ragione, deve lasciare il campo d’osservazione (ad esempio per trasferimento presso altra struttura, dimissioni o altro). L’esperienza dell’osservazione degli accadimenti cui l’individuo è sottoposto (che possono essere la morte per la specifica causa che si sta analizzando o l’uscita per qualsiasi altro motivo) porta a ritenere plausibile l’ipotesi che, in ogni istante di tempo, possa accadere uno ed un solo degli eventi considerati, la morte o l’uscita dall’osservazione, e ciò per ogni individuo. In termini più rigorosi, l’ipotesi di base di Kaplan e Meier è che il modello di distribuzione dei decessi, in un certo istante di tempo, segua una legge binomiale. Se consideriamo, pertanto, la durata della sopravvivenza, misurata in modo estremamente preciso, tale che ogni evento accada in un istante distinto, allora la probabilità di sopravvivenza a quella durata può essere stimata da un rapporto che vede al denominatore il numero di esposti al rischio prima dell’evento (vale a dire un istante prima del momento di accadimento dell’evento) ed al numeratore il numero di esposti al rischio nell’istante successivo, pari al denominatore meno 1. La durata a cui ci si riferisce è misurata dall’età15 dell’individuo che sperimenta l’evento. In questo modo si è in grado di fornire una stima di probabilità di sopravvivenza ad una certa età, e questo per tutti gli eventi di morte. 14 Vale a dire dati longitudinali ancorché censurati e troncati. L’età altro non è se non la durata della vita dal momento della nascita. Non si equivochi considerando l’età espressa solo in anni compiuti, una età può essere misurata in qualsiasi sottomultiplo o multiplo dell’unità di tempo. 15 12 Tavole comunali di mortalità In presenza di una popolazione chiusa, che entra per nascita ed esce per morte, e seguita per l’intero arco della vita, non vi sarebbero particolari problemi di calcolo. Nel caso di popolazioni aperte e seguite solo per un arco di tempo limitato è necessario procedere introducendo alcuni elementi correttivi. La presenza di migrazioni (che supponiamo senza eccessive forzature siano caratterizzate da data di accadimento16 distinta) modifica la popolazione degli esposti al rischio, e quindi il denominatore della probabilità di sopravvivenza: ovviamente l’immigrazione accresce il numero degli esposti al rischio a partire dall’età alla quale avviene, l’emigrazione diminuisce il numero degli esposti al rischio a partire dall’età alla quale avviene. Quanto a come trattare i due fenomeni viene assunta l’ipotesi che la migrazione e la mortalità siano eventi indipendenti ed in competizione, vale a dire che non vi siano cause comuni o legami tra di esse. La mortalità e la migrazione, si applicano, pertanto, ai sopravviventi (nell’ordine alla mortalità ed alla migrazione) all’inizio di ogni intervallo di età. Il fatto di seguire solo gli eventi che si verificano in un arco di tempo limitato, per esempio cinque anni, può essere risolto in maniera coerente con l’approccio seguito per le immigrazioni ed emigrazioni. Consideriamo una persona nata prima del periodo di osservazione e che sia ancora residente alla fine dello stesso periodo: è evidente che sarà seguita dal momento di inizio del periodo di osservazione, quando ha compiuto l’età e1, sino al termine del periodo stesso, osservazione avrà compiuto l’età e2. Ciò è coerente, per altro, con il significato stesso di una tavola di mortalità territoriale. L’immigrazione accresce il numero degli esposti al rischio a partire dall’età e1, mentre l’uscita dal campo di osservazione diminuisce il numero degli esposti al rischio a partire dall’età e2, in analogia con quanto avviene per immigrazioni ed emigrazioni. Il calcolo delle probabilità di sopravvivenza alle singole età consente di stimare la funzione di sopravvivenza, che altro non è se non la probabilità di sopravvivenza fino ad una data età: operativamente si tratta di calcolare la probabilità di sopravvivenza all’ultima età, date le probabilità di sopravvivenza alle età immediatamente precedenti. Se supponiamo che le morti nella nostra popolazione avvengano in istanti di tempo indipendenti tra di loro, allora la stima della funzione di sopravvivenza (che altro non è se non la probabilità di sopravvivenza fino ad una data età) può essere ottenuta come prodotto delle probabilità 16 Anche in questo caso non si equivochi considerando la data di nascita solo come giorno mese ed anno di nascita; la data di nascita può essere specificata, non solo nell’astrologia, fino all’ora, minuto o secondo. SISTAN - Comune di Brescia - Unità di Staff Statistica 13 di sopravvivenza17, conteggiate a partire dal primo istante di tempo, l’età 0, e fino al momento prescelto, vale a dire per tutte le morti accadute fino a quella che si sta considerando. Procedendo in questo modo si ottengono stime della funzione di sopravvivenza calcolate alle età in cui si sono verificati gli eventi; passare ad una tabulazione della funzione di sopravvivenza per età fisse, ad esempio per anno, mese o altro, risulta piuttosto semplice: si utilizza come stima della funzione fino a quella durata, il valore della funzione di sopravvivenza riferito alla durata precedente più vicina18. Chiaramente la funzione di sopravvivenza prima del primo evento vale 1, e dopo l’ultimo evento 0. Una volta calcolata la funzione di sopravvivenza è possibile passare al calcolo delle funzioni biometriche che definiscono le tavole di mortalità in base alle relazioni codificate, oppure procedere tabulando la tavola secondo i quantili, ad esempio i percentili, della funzione di sopravvivenza. Alcune considerazioni a commento del metodo presentato. • Il metodo di Kaplan e Meier, essendo centrato sul singolo evento e sulla sua unica durata temporale, permette di superare la “costrizione” del metodo attuariale, che consiste nel trattare dati aggregati (distribuzioni di frequenza dell’età in anni compiuti) e fornisce un impianto più affidabile e robusto per la stima della mortalità: ogni individuo, in effetti, viene osservato per la propria durata effettiva di vita. Si aggiunga che, ritenendo sufficientemente affidabili stime puntuali riferite a istanti in cui gli esposti al rischio sono superiori a 30, si ottiene una stima della sopravvivenza affidabile anche per le età avanzate, in generale per quelle età per le quali il metodo attuariale risulta poco attendibile. • Le stime ottenute col metodo di Kaplan-Meier risentono della numerosità degli eventi, e in specifico del numero dei morti: maggiore è il numero di morti, maggiore è il numero di punti della funzione di sopravvivenza stimata, anzi il numero di punti della funzione di sopravvivenza è proprio pari al numero di morti. Ovviamente la densità di punti per ogni intervallo costante di età (un giorno, un mese, un anno) o per ogni intervallo costante di sopravivenza (un percentile, un quartile) è variabile e dipende dalle caratteristiche della mortalità di quella specifica popolazione. 17 Per questa ragione di parla di product-limit estimates, o stime PL, della funzione di sopravvivenza. 18 Occorre considerare a questo proposito che la funzione di sopravvivenza non è continua, ma è continua a destra: da qui, per inciso, le definizione di probabilità limite data alle stime costruite in questo modo. 14 • Tavole comunali di mortalità La minore erraticità delle stime, soprattutto alle età estreme, rende il metodo di Kaplan-Meier più affidabile rispetto al metodo tradizionale al punto che non è più necessario interpolare le stime grezze in modo da fare emergere i valori del modello di mortalità sottostante. • Si è detto che la funzione di sopravvivenza calcolata ad età fisse, ad esempio per anno, altro non è se non una particolare tabulazione della funzione di sopravvivenza calcolata alle singole età di morte. In modo più formale si utilizza come stima della funzione di sopravvivenza ad una certa età la statistica ordinale più vicina, vale a dire il valore della funzione di sopravvivenza riferito all’età, inferiore a quella fissata, e più prossima ad essa. Questo metodo di stima della funzione per età fisse presenta una particolarità che costituisce un indubbio vantaggio nel caso dell’aggregazione delle tavole di mortalità. Supponiamo di partizionare la popolazione originaria, ad esempio la popolazione maschile, in due sottogruppi: nel nostro caso i nativi e gli immigrati e di calcolare per ogni sottogruppo la funzione di sopravvivenza alle stesse età fisse. La funzione di sopravvivenza dell’intera popolazione per ogni età è allora immediatamente calcolabile prendendo una statistica ordinale delle funzioni di sopravvivenza delle sottopopolazioni, vale a dire il valore minimo. L’applicazione di questo metodo richiede adattamenti, precisazioni e anche alcuni ritocchi essenziali sia nell’impostazione sia negli aspetti computazionali (a tutto questo è dedicata la parte metodologica). SISTAN - Comune di Brescia - Unità di Staff Statistica 15 3. I dati I dati utilizzati nel presente lavoro sono stati ricostruiti utilizzando il sistema informatico che gestisce, in modo integrato, l’Anagrafe e lo Stato civile del comune di Brescia. L’utilizzo di un metodo analitico di stima della mortalità richiede la ricostruzione delle biografie individuali di coloro che hanno stabilito la residenza, anche per un solo giorno, nel territorio comunale in un certo arco di tempo. In mancanza di un archivio individuale di tipo storico, quindi già organizzato per sequenze organizzate cronologicamente di eventi, abbiamo proceduto utilizzando i dati provenienti dall’archivio dei residenti al 31 dicembre di ogni anno dal 1996 al 2001, e dagli archivi dei residenti morti ed emigrati durante lo stesso periodo. Gli archivi dei residenti dal 1996 al 1998 derivano dal sistema informativo di Gestione del Registro della Popolazione Residente, GRPR, che gestiva l’anagrafe fino al mese di ottobre 1999, quando venne implementato il nuovo Sistema Informativo della Popolazione (SIPo). Gli archivi rimanenti (popolazione residente alla data del 31 dicembre dal 1999 al 2001), e gli archivi dei morti ed emigrati, derivano dal Sistema Informativo della Popolazione (SIPo). La continuità delle chiavi ha permesso di mantenere un elevato livello di integrazione tra i due sistemi informativi. I problemi maggiormente rilevanti che abbiamo incontrato nella ricostruzione delle biografie riguardano gli ingressi per nascita e immigrazione. La situazione anagrafica al 31 dicembre di ogni anno ha permesso di ricavare le informazioni sull’immigrazione e sulla nascita avvenute nell’anno trascorso; per le persone entrate ed uscite nello stesso anno solare le informazioni su nascita o immigrazione sono state ricavate dagli archivi dei morti e degli emigrati. La ricostruzione delle biografie individuali è avvenuta estraendo dagli archivi, per ogni individuo, tutti gli eventi rilevanti ai fini della residenza: nascita, immigrazioni, emigrazioni e morte. La matrice delle biografie individuali è stata ottenuta accoppiando ad ogni evento di ingresso (per nascita o immigrazione) l’evento di uscita più prossimo (emigrazione, morte o il termine convenzionale del 31/12/2001 per le persone residenti sopravviventi a quella data). Ogni biografia è stata pertanto spezzata in due o più sequenze di coppie ingressi/uscite che costituiscono gli spezzoni di linee di vita utilizzati nelle elaborazioni. La struttura della matrice dei dati di base è riportata nella tabella 1, mentre nella successiva tabella riportiamo alcuni dati descrittivi della stessa. 16 Tavole comunali di mortalità Il riferimento per le elaborazioni è dato dagli oltre 232.424 spezzoni di linee di vita ricostruiti, relativi a 230.610 persone, 1.800 delle quali avevano sperimentato almeno una emigrazione. Tabella 1 – Linee di vita ricostruite per evento di ingresso ed uscita Evento di ingresso Immigrazione prima del 31.12.1996 Evento di uscita fine osservazione 31.12.2001 Emigrazione Morte Nascita prima del 31.12.1996 fine osservazione 31.12.2001 Emigrazione Morte Immigrazione dopo il 31.12.1996 fine osservazione 31.12.2001 Emigrazione Morte Nascita dopo il 31.12.1996 fine osservazione 31.12.2001 Emigrazione Morte Totale F M T 48.302 37.686 85.988 6.042 6.618 12.660 3.734 3.161 6.895 37.785 37.369 75.154 3.835 4.016 7.851 1.179 1.331 2.510 12.085 14.727 26.812 2.416 3.335 5.751 150 135 285 3.651 3.909 7.560 449 483 932 13 119.641 13 112.783 26 232.424 Complessivamente nel periodo di osservazione si sono verificate 9.716 morti così distribuite quanto ad evento di ingresso e per anno dell’evento. Tabella 2 – Distribuzione dei morti per evento di ingresso e genere Evento di ingresso Nascita prima del 31.12.1996 Nascita dopo il 31.12.1996 Immigrazione prima del 31.12.1996 Immigrazione dopo il 31.12.1996 Totale Femmine 1.179 13 3.734 150 5.076 Maschi 1.331 13 3.161 135 4.640 Totale 2.510 26 6.895 285 9.716 SISTAN - Comune di Brescia - Unità di Staff Statistica 17 Tabella 3 – Distribuzione dei morti anno e genere Anno dell’evento 1997 1998 1999 2000 2001 Femmine 1064 1035 1014 964 999 Maschi 941 948 956 847 948 Totale 2005 1983 1970 1811 1947 Le informazioni raccolte comprendono accanto ai dati identificativi degli individui (si tratta dei dati sostanzialmente non modificabili come il codice individuale, il sesso, la data di nascita e il luogo di nascita) altri dati sugli eventi anagrafici e di stato civile che si ritengono rilevanti nell’analisi della mortalità (ad esempio dati familiari come la relazione di parentela con l’intestatario della scheda di famiglia, la data e il luogo del matrimonio o divorzio, la cittadinanza). Da questi ultimi è possibile ricavare sia informazioni di stato, valide o alla data di riferimento dell’archivio (ad esempio la cittadinanza) o a partire dalla data dell’evento (ad esempio lo stato civile che si modifica in relazione alla data di matrimonio, di vedovanza o di divorzio). Le informazioni di stato non modificabili sono le prime naturali variabili differenziali, mentre le altre informazioni “qualificano” la biografia a partire da quella data. Quanto alla qualità dei dati non vi sono particolari osservazioni essendo un argomento affrontato innumerevoli volte19; ricordiamo solamente che i dati relativi all’anno 2001 non sono aggiornati con le risultanze del 14° Censimento generale della popolazione riferito al 21 ottobre 2001. Inoltre le informazioni utilizzate nel lavoro hanno un buon grado di affidabilità, anche perché riguardano, nella maggior parte, dati ed eventi certificabili e quindi periodicamente verificabili. 19 Per approfondimenti si rimanda, ad esempio, a L. Riva, M. Trentini, Un’applicazione della contabilità demografica all’anagrafe del Comune di Brescia, Rapporti di ricerca del Dipartimento Metodi Quantitativi, n. 155, 1999. 18 Tavole comunali di mortalità Profili della tutela dei dati personali Il presente lavoro ha come obiettivo l’analisi della mortalità della popolazione residente nel Comune di Brescia nel quinquennio dal 1997 al 2001 . Il lavoro è previsto nel Programma Statistico Comunale 2003-2005 del Comune di Brescia, che costituisce una prima informativa agli interessati (art.10 L.675/1996). La realizzazione del progetto ha richiesto l’utilizzo dei dati personali, registrati su supporto informatico, dei residenti in anagrafe. I dati personali utilizzati comprendono principalmente gli identificativi delle persone, limitatamente ai codici individuali (matricole individuali e familiari). L’uso degli identificativi personali è limitato alle fasi di costruzione dell’archivio necessario per le elaborazioni. Gli archivi contengono dati sensibili (ex art. 22 L.675/1996) relativi all’appartenenza a gruppi etnici (la cittadinanza anagrafica). Il trattamento di dati sensibili per finalità statistiche è autorizzato (artt. 6-22 del d.lg. 135/1999) che riconosce la statistica pubblica tra le attività di rilevante interesse pubblico, purché vengano identificati i tipi di dati e le operazioni strettamente pertinenti e necessarie rispetto alle finalità perseguite nei singoli casi. Le elaborazioni sono state effettuate nel rispetto delle “Norme in materia di trattamento dei dati per finalità storiche, statistiche e di ricerca scientifica” (d.lgs. 281/1999), e delle norme sul trattamento dei dati personali di cui all’art.6 bis d.lgs. 322/1989 “Norme sul Sistema Statistico Nazionale”, e nel rispetto del segreto statistico (art. 9 Disposizioni per la tutela del segreto statistico, d.lgs. 322/1989) ed infine del Codice deontologico e di buona condotta per i trattamenti dei dati per finalità statistiche, pubblicato sulla Gazzetta Ufficiale 1 ottobre 2002, n. 230. In specifico si è operato nel modo seguente: • l’esternazione dei dati avviene esclusivamente sotto forma di tabelle e grafici; • le tabulazioni sono state verificate in modo tale che la frequenza minima per ogni cella sia superiore ad una soglia minima pari a cinque, in considerazione della natura dei dai (art.4 Codice deontologico) ed alla identificabilità degli interessati; • la regola della soglia non è stata applicata (in conformità a quanto previsto dal c.1 lett.c) dell’art.4 del Codice deontologico) per le variabili pubbliche, vale a dire riferite a caratteri o combinazioni di caratteri oggetto di rilevazione che faccia riferimento ad informazioni presenti in pubblici registri elenchi atti o documenti o fonti conoscibili da chiunque; SISTAN - Comune di Brescia - Unità di Staff Statistica • • 19 i dati sono conservati sul server dell’Unità di Staff Statistica. L’accesso ai dati è consentito da parte del Responsabile del trattamento solo per ragioni d’ufficio ed è limitato ad alcuni utilizzatori tramite l’uso di password; i dati sono conservati per usi futuri limitatamente alle sole finalità statistiche. 20 Tavole comunali di mortalità 4. Presentazione delle tavole comunali di mortalità Presentiamo di seguito, con alcune note a commento, i principali risultati riferiti alle tavole comuni di mortalità. Le tabulazioni sono state ottenute, come già evidenziato, a partire dalla stima della funzione di sopravvivenza per anno di età. I dati tabulati sono quelli grezzi, vale a dire quelli ottenuti direttamente dai dati originari; su di essi non sono state effettuate le trasformazioni (perequazioni, interpolazioni e posizionamento, scaling, dei tassi) usualmente applicate alle probabilità di morte grezze. La scelta è intenzionale: vogliamo mostrare la qualità del risultato ottenibile applicando un metodo analitico di calcolo della funzione di sopravvivenza. Nulla vieta di procedere poi alle operazioni usuali di “sistemazione” dei dati grezzi secondo, ad esempio, la metodologia Istat. Il commento tratterà i dati come se fossero relativi alle generazioni, ed a rigore così non è; rimandiamo a qualsiasi manuale di demografia per le avvertenze del caso. 4.1 Le tavole di mortalità dei residenti Presentiamo di seguito alcuni risultati relativamente alle tavole per genere, avvalendoci di una delle funzioni, la speranza di vita all’età x che riteniamo sia di maggiore comprensibilità: si tratta della durata attesa della vita per coloro che hanno raggiunto l’età x. La speranza all’età 0 è pari a 77,3 anni per i maschi e 83,8 per le femmine con una differenza di 6,5 anni. Su questo dato, idealmente la durata media di vita delle nuove generazioni, non vi sono particolari osservazioni da fare. L’importanza della speranza di vita alla nascita a livello locale è limitata: in fondo la mortalità interesserà i nuovi nati tra molti anni. Maggiore, invece, può essere l’interesse ad usare questa misura nei confronti territoriali, come sorta di misura di sintesi della forza della mortalità. A livello locale è maggiormente utile concentrarsi sulle fasce di età su cui la mortalità agisce con maggiore intensità, o, per converso, sulle durate di vita a partire da quelle età. La speranza di vita a 65 anni, età di uscita, quasi, definitiva dal mondo del lavoro, è di 17,2 anni per i maschi e ben 21,5 per le femmine, con una differenza, in valore assoluto, di 4,3 anni. I sopravviventi di 75 anni hanno, invece, una speranza di 10,8 anni per i maschi e 13,5 per le femmine, che diventano 5,6 e 7,1 per le persone di 85 anni di età. La differenza tra maschi e femmine è sempre a favore di queste, anche se, al crescere dell’età, diminuisce passando da 6,5 anni all’età 0, a 4,3 a 65 anni e a 2,7 a 75 anni: i maschi che sopravvivono hanno una maggiore resistenza alla mortalità. SISTAN - Comune di Brescia - Unità di Staff Statistica 21 Tabella 4 – Speranza di vita per alcune età e per genere Età x ex Speranza di vita all’età x Differenza anni e decimi di anno Maschi Femmine 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 77,3 72,5 67,6 62,7 57,8 53,2 48,4 43,6 38,9 34,2 29,6 25,2 21,1 17,2 13,8 10,8 8,0 5,6 3,7 2,5 1,2 0 FemmineMaschi 83,8 79,0 74,1 69,1 64,1 59,3 54,4 49,5 44,6 39,9 35,1 30,5 25,9 21,5 17,3 13,5 10,0 7,1 5,0 3,3 2,1 0,5 6,5 6,5 6,5 6,4 6,3 6,1 6,0 5,9 5,8 5,7 5,5 5,3 4,7 4,3 3,5 2,7 2,0 1,5 1,3 0,8 0,9 0,5 I grafici della funzione di sopravvivenza e dei percentili della stessa forniscono ulteriori informazioni di dettaglio, su cui non vale la pena di scendere nel dettaglio. Figura 1 – Funzione di sopravvivenza per genere 100000 90000 80000 70000 lx 60000 Maschi 50000 Femmine 40000 30000 20000 10000 0 0 10 20 30 40 50 Età 60 70 80 90 100 22 Tavole comunali di mortalità Figura 2 – Distribuzione dei percentili della funzione di sopravvivenza per genere 100 90 80 Percentile 70 60 50 40 30 20 10 0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 Età Femmine Maschi Figura 3 – Distribuzione dei morti per genere 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 0 5 10 15 20 25 30 35 40 45 50 Maschi 55 60 65 70 Femmine 75 80 85 90 95 100 105 SISTAN - Comune di Brescia - Unità di Staff Statistica 23 4.2 Le tavole di mortalità per alcune variabili differenziali Abbiamo calcolato le tavole di mortalità utilizzando la distinzione tra nativi, cioè i residenti a Brescia sin dalla nascita, ed immigrati. Le tavole non mostrano differenze particolarmente significative come testimoniato dalla tabella seguente nella quale riportiamo i quartili delle funzioni di sopravvivenza. Tabella 5 – Quartili delle funzioni di sopravvivenza per genere e nascita Femmine Quartili della distribuzione I Mediana III Età estrema Differenza interquartile Maschi Quartili della distribuzione I Mediana III Età estrema Differenza interquartile Totale Native Immigrate 79,2 87,6 93,4 109,5 79,2 87,6 93,4 104,9 78,7 86,4 92,4 109,5 14,2 14,2 13,7 Totale Nativi Immigrati 70,6 80,7 88,0 106,4 70,5 80,4 87,8 106,4 70,6 80,7 88,0 106,4 17,4 17,3 17,4 |T-N| 0,0 0,0 0,0 4,6 |T-N| 0,1 0,3 0,2 0,0 |T-I| 0,5 1,2 1,0 0,0 |T-I| 0,0 0,0 0,0 0,0 |I-N| 0,5 1,2 1 4,6 |I-N| 0,1 0,3 0,2 0,0 Abbiamo, infine, calcolato la funzione di sopravvivenza nel primo anno di vita utilizzando l’età in mesi a partire dalla nascita. Tabella 6 – Funzione di sopravvivenza nel 1° anno di vita Calcolo effettuato su 25 morti Età in mesi 0 1 2 3 4 5 6 7 8 9 10 11 12 lx Qx* 10000 100000 99918 99882 99882 99882 99846 99821 99821 99821 99821 99821 99821 99809 8,25 3,57 0,00 0,00 3,63 2,42 0,00 0,00 0,00 0,00 0,00 1,23 1,23 24 Tavole comunali di mortalità 4.3 Confronti con altre tavole disponibili Abbiamo confrontato le tavole comunali con quelle più prossime sia per scala territoriale che per periodo si tratta delle tavole provinciali di mortalità calcolate dall’Istat relativamente alla provincia di Brescia per l’anno 2000. Le maggiori differenze tra le tavole sono evidenziate dai grafici successivi che commentiamo in modo sintetico. • Il profilo delle funzioni biometriche, a parte una maggiore erraticità dei valori della tavola comunale (che, ricordiamo, non è interpolata) è sostanzialmente simile nelle due tavole. In altre parole il modello di mortalità sembra essere il medesimo, anche se quello comunale appare traslato verso destra ad indicare una diversa distribuzione della mortalità a cavallo dell’età in cui raggiunge il massimo (punto di Lexis). • La funzione di sopravvivenza della tavola comunale è più spostata verso destra, e mostra, quindi, una maggiore tendenza al modello “rettangolare”: bassa mortalità fino ad età elevate e forte impennata successiva. Ciò comporta la riduzione del numero di morti nelle età comprese tra 65 e 80 per i maschi, e tra i 65 e i 90 per le femmine, ed un ovvio aumento nelle età successive. • La figura successiva mette in evidenza le differenze tra la speranza di vita della tavola comunale e della tavola Istat distintamente per genere. Figura 4 – Differenza tra la speranza di vita della tavola comunale e della tavola Istat per età e genere. 2 1,5 1 0,5 0 -0,5 -1 -1,5 -2 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 Età Maschi Femmine 75 80 85 90 95 100 SISTAN - Comune di Brescia - Unità di Staff Statistica 25 Le differenze sono positive e piuttosto significative in termini assoluti dal momento che variano intorno al valore di 1,5 anni fino ai 70 anni per i maschi e agli 80 anni per le femmine, dopo di che si riducono fino a diventare negative. In termini relativi tali differenze sono ancor rilevanti. La differenza rispetto alla speranza di vita calcolata sulla tavola Istat è del 10% per le femmine di 70 anni e aumenta al 17,5% e al 17,6% passando ad 80 e 85 anni, per scendere fino al 14,6% ai 90 anni. Per i maschi la differenza è dell’11,6% ai 70 anni e sale al 13,9% in corrispondenza degli 80 anni, per calare al 12,5% successivamente agli 85 anni di età. Figura 5 – Confronto tra le funzioni di sopravvivenza dei maschi. Tavola comunale di mortalità (1997-2001) e tavola provinciale Istat 2000 100000 90000 80000 70000 60000 50000 40000 30000 20000 10000 0 0 5 10 15 20 25 30 35 40 45 50 55 Comunale 60 65 70 Istat 75 80 85 90 95 100 105 26 Tavole comunali di mortalità Figura 6 – Confronto tra i decessi calcolati dalla tavola di mortalità dei maschi. Tavola comunale di mortalità (1997-2001) e tavola provinciale Istat 2000 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 Comunale 70 75 80 85 90 95 100 105 Istat Figura 7 – Confronto tra le funzioni di sopravvivenza delle femmine. Tavola comunale di mortalità (1997-2001) e tavola provinciale Istat 2000 100000 90000 80000 70000 60000 50000 40000 30000 20000 10000 0 0 5 10 15 20 25 30 35 40 45 50 55 Comunale 60 65 70 75 Istat 80 85 90 95 100 105 SISTAN - Comune di Brescia - Unità di Staff Statistica 27 Figura 8 – Confronto tra i decessi calcolati dalla tavola di mortalità delle femmine. Tavola comunale di mortalità (1997-2001) e tavola provinciale Istat 2000 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 0 5 10 15 20 25 30 35 40 45 50 55 Comunale 60 65 70 75 80 85 90 95 100 105 Istat 4.4 Qualche nota a commento Torniamo, in questo punto, all’argomento, già segnalato in premessa, dell’importanza operativa dell’analisi della mortalità a livello locale. Solitamente le tavole di mortalità a livello locale vengono elaborate al fine di disporre di parametri adeguati, ad esempio delle probabilità di morte per età e genere, da utilizzare per le previsioni demografiche. Anche se la realizzazione di previsioni demografiche rimane la ragione principale di realizzazione di tavole di mortalità, le analisi di mortalità a livello locale hanno un rilevante carattere operativo, come cercheremo di argomentare di seguito. I campi di applicazione delle analisi di mortalità sono molteplici, ne segnaliamo due che riguardano gli effetti diretti, il numero di morti, ed indiretti, della mortalità sulla popolazione locale e sui servizi. Quanto al primo aspetto, la stima del numero di morti, segnaliamo che l’amministrazione locale ha competenze sulla pianificazione, programmazione e gestione dei servizi cimiteriali, e più in generale dei servizi funebri. Una previsione affidabile del numero di morti, che costituiscono la “domanda” potenziale dei servizi funebri e cimiteriali (eventualmente specificata secondo alcune variabili differenziali influenti per il problema20) su un arco di tempo medio, consente una migliore 20 Ad esempio la zona territoriale che costituisce il “bacino d’utenza” dei cimiteri; la mortalità dei non cattolici, per la necessità di dotare i cimiteri di spazi e strutture ad hoc. 28 Tavole comunali di mortalità pianificazione del servizio sia in ambito urbanistico ed edilizio, sia in ambito gestionale. È banale notare che il numero di morti ad ogni età dipende dalle probabilità di morte specifiche per età, ma anche dalla distribuzione della popolazione, dal contingente a cui quelle probabilità vanno applicate. La situazione demografica attuale, che vede l’invecchiamento delle consistenti generazioni dell’inizio degli anni ’60, ci indica un aumento del contingente demografico e di conseguenza, a parità di probabilità di morte per età, l’aumento del numero annuo di morti. Figura 9 Piramide delle età della popolazione residente al 31.12.2004 Valori assoluti 100 95 90 85 80 75 70 65 60 55 50 45 40 35 30 25 20 15 10 5 0 2000 1500 1000 Femmine 500 0 500 1000 1500 2000 Maschi La modifica del profilo della distribuzione delle probabilità di morte, a seguito della “rettangolarizzazione” della funzione di sopravvivenza può rallentare, ma difficilmente contrastare, questo fenomeno. Il secondo aspetto, che riguarda l’impatto della mortalità sulla domanda dei servizi, va meglio precisato. Lo scenario all’interno del quale si colloca il tema è dato dai compiti del comune in materia di coordinamento del sistema dei servizi pubblici sociali ed assistenziali. Riprendendo quanto già detto, anche il numero di sopravviventi ad ogni età dipende dalle probabilità di morte specifiche per età, ma anche dalla distribuzione della popolazione, cioè dal contingente a cui quelle probabilità vanno applicate. Consideriamo l’effetto dell’allungamento della durata media di vita, ad esempio conseguente alla “rettangolarizzazione” della funzione di sopravvivenza. L’aumento della durata media di vita, a partire da certe SISTAN - Comune di Brescia - Unità di Staff Statistica 29 età in poi, porta con sé l’aumento del numero dei sopravviventi, vale a dire l’aumento della domanda potenziale di servizi, ma non necessariamente l’aumento della domanda effettiva. L’impatto della mortalità sulla domanda effettiva dei servizi richiede la valutazione dell’effetto singolo e congiunto di ben quattro fattori: • la distribuzione della popolazione per età, ed in particolare la consistenza delle generazioni che via via invecchiano rispetto alle generazioni precedenti; • l’allungamento della durata di vita per effetto di innumerevoli fattori sanitari, alimentari, economici, educativi, sociali, lavorativi, culturali; • la qualità della popolazione che sopravvive, misurata ad esempio dalla speranza di vita in condizione di buona salute, dal momento che si può ritenere che, a parità di altre condizioni, i sopravvissuti alla selezione delle mortalità siano quelli più resistenti agli specifici rischi che si sono manifestati; • i tassi di presa in carico da parte dei servizi che dipendono dalle condizioni sanitarie e sociali individuali e dalle decisioni circa il livello e standard di servizio che l’erogatore di servizi vuole soddisfare. I primi due, l’effetto di popolazione e di mortalità, agiscono nella stessa direzione, vale a dire aumentando il numero di sopravviventi per età e quindi la domanda potenziale dei servizi. La trasformazione della domanda potenziale in effettiva dipende invece dagli altri due elementi, il primo dei quali può essere visto come una sorta di vincolo socio-demografico, mentre il secondo sintetizza le politiche di intervento pubblico nel settore sociale ed assistenziale. Si può facilmente verificare che lo scenario tracciato è destinato a mettere i servizi pubblici sotto pressione con una domanda potenziale in aumento; anche perché le uniche leve su cui si può intervenire riguardano la presa in carico dal momento che i primi tre fattori sono al di fuori delle possibilità di intervento da parte di qualsiasi soggetto pubblico. I servizi si trovano, e troveranno sempre più, a svolgere un ruolo selettivo, volto a trasformare in domanda effettiva solo quella parte di domanda potenziale che può essere soddisfatta dati i vincoli economici esistenti. 30 Tavole comunali di mortalità 5. Riferimenti bibliografici 5.1 Pubblicazioni dell’Unità di Staff Statistica Misure di efficacia del Servizio Anagrafe, Documenti di lavoro, n. 11/97, dicembre 1997 Un’applicazione della contabilità demografica all’anagrafe del Comune di Brescia, Rapporti di ricerca, n. 14/98, giugno 1998 Il piano regolatore cimiteriale. Quadro di riferimento e proposte operative, Pro memoria n. 1, 2001 Piano regolatore cimiteriale. Documentazione statistica di base, Documenti di lavoro, n. 2/2001 La rete comunale dei servizi sociali agli anziani, Rapporti di ricerca, n. 17/2003 5.2 Bibliografia J.R. Anderson, L. Bernstein, M.C. Pike, Approximate confidence intervals for probabilities of survival and quantiles in life-table analysis, Biometrics, 1982 J. Anson, The parameters of death: a proposed parametrisation of the mortality curve, Michigan University, Ann Arbor, 1985 J. Anson, The Parameters of Death: A Consideration of the Quantity of Information in a Life Table Using a Polynominal Representation of the Surivorship Curve, Statistics in Medicine, 1988 J. Anson, Model Mortality Patterns: A Parametric Evaluation, Population Studies, 1991 J. Anson, The Second Dimension: A Proposal Measure of the Rectangularity of Mortality curves, Genus, 1992; si veda anche: Letter to the Editor, Nathan Keyfitz and Antonio Golini comment on the article by John Anson (Genus, vol. XLVIII, No. 1-2), Genus, 1992 J. Anson, The Shape of Mortality Curves: an Analysis of Counties in England and Wales, European Journal of Population, 1993 D. Blanchet, Immigration et rèctangolarization de la structure par àge d' une population, Population, 1988 M. Boldrini M., Statistica. Teoria e metodi, Giuffrè, Milano, 1972 W. Brass, On the scale of mortality, in: W. Brass (Editor), Biological aspects of Demography, Taylor and Francis, London, 1971 G. Caselli, J. Vallin J., G. Wunsch, Analisi demografica. Nuovi approcci: dall’omogeneità all’eterogeneità delle popolazioni, Carocci, Roma, 2001 SISTAN - Comune di Brescia - Unità di Staff Statistica 31 G. Caselli, J. Vallin J., G. Wunsch, Demografia. La dinamica delle popolazioni, Carocci, Roma, 2001 L. Ciucci, Un aspetto metodologico della proiezione della popolazione anziana: l' errore dovuto all' aggregazione delle ultime età, Materiali di Studi e Ricerche, Dipartimento di Scienze Demografiche, Roma, 1991 J.M. Chambers, W. S. Cleveland, B. Kleiner, P. A. Tukey, Graphical methods of data analysis, Wassworth International Group, Belmont, 1983 C. L. Chiang, The Life Table and Its Application, Krieger publishing Company, FL, 1984 P. Congdon, Analysing mortality in London: life-tables with frailty, The Statistician, 1994 D. Costa, Causes of Improving Health and Longevity at Older Ages: A Review of the Explanation, Genus, 51(1), 2005 D. R. Cox, D. Oakes, Analysis of Survival Data, London, Chapman and Hall, 1984 J. Duchenne, G. Wunsch, Les tables de mortalitè limite: quand la biologie vient au secours du dèmographe, in: M. Loriaux, D. Remy, E. Vilquin, Population agèes et revolution grise, Ciaco, Bruxelles, 1986 J. F. Freis, The compression of morbidity, Mildbank Memorial Fund Quarterly, 1983 V. V. Frolkis, K. K. Muradian, Life span prolongation, CRC Press, Boca Raton, 1991 Istat, Anagrafe della popolazione, Metodi e norme, serie B, n. 29, 1992 Istat, Tavole di mortalità della popolazione italiana per provincia e regioni di residenza- Anno 1998, Informazioni, n-19, 2002 Istat, Tavole di mortalità della popolazione italiana per provincia e regioni di residenza-Anno 2000, http://demo.istat.it/ E. K. Harris, A. Albert, Survivorship Analysis for Clinical Studies, Marcel Dekker, New York, 1991 M. Hartman, Past and Recent Experiments in Modelling mortaLity at all Ages, Stockholm Research Report in Demography, 13, 1983 S. Horiuchi, J.R. Wilmoth, Deceleration in the Age Pattern of Mortality at Older Ages, Demography 35(4), 1998 V. Kannisto, On the Survival of Centenarians and the Span of Life, Population Studies, 1988 E. Kaplan E., P. Meier, Non Parametric Estimation for Incomplete Observations, Journal of the American Statistical Association, n. 53, 1958 N. Keyfitz, A. Golini, Mortality Comparison: The Male-Female Ratio, Genus, 1975 32 Tavole comunali di mortalità P. Laslett, A Fresh Map of Life. The Emergence of Third Age, Weidenfeld and Nicolson, London, 1989 S. Ledermann, J. Breas, Les dimensions de la mortalitè, Population, 1959 E. T. Lee, Statistical Methods for Survival Data Analysis, Lifetime Learning Publications, Belmont, California, Wadsworth, 1980 R. Lee, Age Structure and Dependency, in Encyclopedia of Population, Paul Demeny, Geoffrey McNicoll, eds. (New York: Macmillan Reference USA), 2003 R. Lee, L. Carter, Modeling and Forecasting U.S. Mortality, Journal of the American Statistical Association v.87 n.419, 1992 M. Livi Bacci, Introduzione alla demografia, Loescher, Torino, 1981 C. Maccheroni, La mortalità differenziale misurata in termini di dissomiglianza tra “durate di vita residua”. I divari di mortalità fra i sessi secondo le tavole di mortalità italiane di questo secolo, Rivista Italiana di Economia Demografia e Statistica, atti della XXX riunione scientifica della SIEDS, volume XLI, n. 14, 1987 R. Mehl, Valorisation des ages dans la sociètè actuelle, in: Les ages de la vie, P.U.F., Paris, 1982 A. M. Mood, F. A. Graybill, D. C. Boes, Introduction to the Theory of Statistics, McGraw Hill, New York, 1974 G.C. Myers, K. G. Manton, Compression of Mortality: Myth or Reality?, Gerontologist, 1984 D. Nagnur, Rectangularization of the Survival Curve and Entropy: The Canadian Experience, 1921-1981, Canadian Studies in Population, 1986 D. Nagnur, M. Nagrodski, Epidemiological Transition in the Context of Demographic Change: The Evolution of Canadian Mortality Pattern, Canadian Studies of Population, 1990 J. Oeppen, J. W. Vaupel, Broken Limits to Life Expectancy, Science 296, 2002 A. Parant, Croissance dèmographique et vieillissement, Population, 1992 L. Riva, Sulla tabulazione delle tavole di mortalità, Università degli Studi di Brescia, Quaderni del Dipartimento Metodi Quantitativi, Brescia, 1994 L. Rondini Linda, L' evoluzione della mortalità secondo il criterio delle età corrispondenti, Atti della XXVI Riunione Scientifica della Società Italiana di Statistica, Firenze, 1969 L. Roussel, A. Girard, Règimes dèmographiques et ages de la vie,Les ages de la vie, P.U.F., Paris, 1982 G. A. Sacher, Life Table Modification and Life Prolongation, in: C. E. Finch, L. Hayflick (Editors), Handbook of the biology of aging, Van Nostrand Reinhold, New York, 1977 SISTAN - Comune di Brescia - Unità di Staff Statistica 33 J. Silber, On Inequality Before Death and Life Table Summary Measures, Genus, 1988 W. Siler, Parameters of Mortality in Human Populations with Widely Varying Life Spans, Statistics in Medicine, 1983 A. R. Tatcher, Mortality at the Highest Ages, Journal of the Institute of Actuaries, 1987 A. R. Tatcher, Trends in Numbers and Mortality at High Ages in England and Wales, Population Studies, 1992 H. D. Tolley, Statistical Tests for Bounds to Human Life Expectancy, Proceedings of the Social Statistics Section of the American Statistical Association, 1990 J. Vallin, Hypothèses sur l' avenir de l' espèrance de vie, Società Italiana di Economia Demografia e Statistica, 1992 J. Vallin, L' àvenir de l' esperance de vie, INED, Paris, 1993 J. W. Vaupel, How Change in Age-Specific Mortality Affects Life Expectancy, Population Studies 40, 1986R. Walford, Maximum Life Span, Avon, New York, 1984 J. R. Wilmoth, G. Caselli, A Simple Model for the Statistical Analysis of Large Arrays of Mortality Data: Rectangular vs. Diagonal Structure, IIASA, Laxenburg, 1987 34 Tavole comunali di mortalità SISTAN - Comune di Brescia - Unità di Staff Statistica Appendice A Procedura per il calcolo delle tavole di mortalità 1997-2001 35 36 Tavole comunali di mortalità - Appendice Consideriamo gli eventi demografici (nascita, morte, immigrazioni ed emigrazioni) sperimenti dagli individui residenti in un dato territorio (nel nostro caso il comune di Brescia) per un arco temporale definito (nel nostro caso il periodo dal 1.1.1997 al 31.12.2001). Il punto di partenza è dato dalla ricostruzione della sequenza degli eventi (la biografia) riferiti alla residenza, che ogni individuo ha sperimentato durante quel periodo di tempo. Le biografie individuali hanno inizio con la nascita, per i nativi, con la prima immigrazione, per gli immigrati, o al momento dell’ingresso nel periodo di osservazione (1.1.1997), e hanno termine quando si verifica uno di questi tre eventi: • la morte; • l’emigrazione; • la conclusione del periodo di osservazione (31 dicembre 2001). Quanto alla morte non vi sono osservazioni da fare poiché si tratta di evento non ripetibile; la persona può, invece immigrare ed emigrare più volte. La biografia che non inizia per nascite o immigrazione all’interno del periodo, inizia con l’inizio di questo stesso periodo, così, per analogia, la biografia che non si interrompe per morte o emigrazione risulta comunque troncata alla data di fine del periodo di osservazione21. Ogni biografia individuale è scomposta in una o più parti, i periodi di residenza nel territorio considerato, comprese tra un evento di inizio ed un evento di uscita, o la data di fine dell’osservazione. La differenza tra l’età (espressa nell’unità di misura più fine disponibile: giorni nel nostro caso) di uscita e di ingresso (per ogni coppia di eventi) definisce la durata della sopravvivenza; si può ritenere che tale durata sia unica per ogni coppia di eventi ingresso/uscita22. Procederemo ora ad illustrare in modo esemplificativo il metodo utilizzato. Se tutte le persone entrate nell’osservazione al momento della nascita fossero seguite fino al momento della morte una stima della sopravvivenza, per ogni singola ed unica durata di sopravvivenza, sarebbe semplicemente data dalla frazione di individui che sopravvivono più a lungo di quella durata, quindi da un rapporto che vede al denominatore il numero di individui esposti al rischio prima di quella morte, ed al numeratore il numero degli individui esposti al rischio dopo che l’evento è accaduto. In questo caso è sufficiente calcolare, per ogni singola durata di sopravvivenza, il numero di esposti al rischio (che costituisce il 21 Alcune biografie saranno censurate a sinistra, altre a destra, altre infine sia a sinistra sia a destra. 22 Questa ipotesi non è per nulla irrealistica dal momento che ogni evento è identificato da una data di accadimento unica, dipende dalla finezza della specificazione, basta introdurre, oltre all’anno, mese e giorno, l’ora, il minuto, il secondo e così via. SISTAN - Comune di Brescia - Unità di Staff Statistica 37 denominatore del rapporto) ottenendo il numeratore togliendo 1 ad denominare. Vale inoltre che la funzione di sopravvivenza prima del primo evento è pari a 1 e a 0 dopo l’ultimo evento. Il caso ora illustrato rappresenta una situazione non realistica, al di fuori di particolari studi epidemiologici, perché: • le persone entrano in osservazione non solo per nascita, ma per immigrazione, col che cambia il numero degli esposti al rischio che, a partire da quell’unica età all’immigrazione, aumenta di una unità; • l’uscita dall’osservazione avviene anche per emigrazione, col che cambia il numero degli esposti al rischio che, a partire da quell’unica età all’emigrazione, diminuisce di una unità; • le persone non sono seguite per tutto l’arco della loro vita, ma solo per un periodo di osservazione limitato: i dati sono censurati a sinistra e a destra. Il metodo di stima precedente non è adeguato quando si è in presenza di immigrati, emigrati e di dati troncati, né sono sufficienti semplici adattamenti computistici dal momento che il problema di fondo riguarda il fatto che è l’insieme sotto osservazione a non essere più composto da biografie riferite a situazioni omogenee. Per tenere conto di questo problema procediamo individuando sulla linea delle durate di sopravvivenza (che va, ad esempio, da 0 a 40.000 giorni, o da 0 a 480.000 ore) le età alla morte di ognuno. Ogni evento (immigrazione, emigrazione, morte o inizio o fine dell’osservazione) accade ad una data età, a cui corrisponde uno ed un solo punto sulla ipotetica linea delle durate di sopravvivenza, in modo tale che non vi siano due eventi associati ad uno stesso punto. Consideriamo ora due persone (A e B) con due durate di sopravvivenza contigue, vale a dire due età alla morte contigue (e1 ed e2). E’ semplice calcolare (con la logica già vista) la proporzione di sopravviventi ad ogni età, ovviamente dopo aver fatto le opportune correzioni sul numero degli esposti al rischio in modo da considerare gli emigrati, gli immigrati, gli entrati e gli usciti per fine del periodo d’osservazione. Possiamo considerare la durata della sopravvivenza di B, persona morta in e2, come costituita da due periodi: il primo fino alla morte di A (all’età e1) ed il secondo dalla morte di A alla propria, di durata pari alla differenza tra le due età alla morte, e2-e1, che equivale a dire, in termini di probabilità di sopravvivenza, che la probabilità di sopravvivere all’età e2 equivale alla probabilità di sopravvivere per la durata e2-e1, data la sopravvivenza fino ad e1 . Essendo gli eventi morte di A e morte di B indipendenti, possiamo esprimere la probabilità condizionale come prodotto delle probabilità di 38 Tavole comunali di mortalità - Appendice sopravvivenza fino ad e1 (che riguarda A e B) per la probabilità di sopravvivenza per e2-e1, per il solo B. Lo stimatore di Kaplan-Meier della probabilità di sopravvivenza fino ad e2 è dato dal prodotto delle frequenze relative dei sopravvissuti fino ad e1 per la frequenza dei sopravvissuti per la durata e2-e1. Se consideriamo tutti gli individui morti nel periodo d’osservazione otteniamo la stima della probabilità di sopravvivenza ad ogni durata di morte come il prodotto delle frequenze relative dei sopravviventi per tutti le durate fino a quella considerata. La stima delle frequenze relative dei sopravviventi richiede la conoscenza del solo numero di esposti al rischio per ogni età, che a sua volta dipende dal tipo di evento che si verifica. Operativamente la costruzione della funzione di sopravvivenza avviene nel modo illustrato di seguito. 1. Si estraggono dagli spezzoni di biografie gli eventi individuali rilevanti per il calcolo degli esposti al rischio, quindi morte, emigrazione, o uscita per completamento del periodo d’osservazione, immigrazione ed entrata nel periodo di osservazione, con le età rispettive. Mentre l’immigrazione e l’entrata nel periodo d’osservazione ha come effetto quello di aumentare il numero di esposti al rischio a partire dall’età in cui si è verificato l’evento, gli altri eventi hanno l’effetto di diminuire il numero di esposti al rischio a partire dall’età di accadimento. Le nascite avvengono all’età 0 e precedono tutti gli altri eventi 2. Si ordinano tutti gli eventi sulle età e si procede al calcolo degli esposti al rischio dall’età 0. In corrispondenza del primo evento, quale esso sia, collochiamo gli esposti al rischio dalla nascita, e procediamo di seguito ad aumentare tale numero in corrispondenza delle immigrazioni e delle entrate, e a ridurlo in corrispondenza delle emigrazioni, delle morti o delle uscite per fine del periodo di osservazione. 3. Dal momento che si analizza la mortalità si possono trascurare tutti gli altri eventi e mantenere l’attenzione solo sui casi di morte, per i quali si procede a calcolare la frequenza relativa dei sopravviventi, che è data dal rapporto con al denominatore dagli esposti al rischio ed al numeratore i sopravviventi prima di quella morte, vale a dire dal denominatore meno 1. Nel caso in cui a quell’età l’evento abbia interessato più soggetti si procede al nello stesso modo: al denominatore poniamo gli esposti al rischio ed al numeratore i sopravviventi prima di quelle morti. 4. Nell’ipotesi che valga l’indipendenza degli eventi, si può calcolare la funzione di sopravvivenza come prodotto delle frequenze relative dei sopravviventi, distintamente per ogni età di morte. 5. Calcolata la funzione di sopravvivenza ad ogni età si procede alla tabulazione dei dati per le età standard in anni compiuti, finendo così per disporre di una delle funzioni biometriche delle tavole di eliminazione. SISTAN - Comune di Brescia - Unità di Staff Statistica 39 La tabella che segue riprende i passi del calcolo precedente relativamente alla situazione illustrata in tabella 1. Tab. 1 – Modalità di calcolo della funzione di sopravvivenza Età all’evento 0 1148 9882 9958 10148 10323 11473 11475 11985 12604 12611 12647 12882 13661 13782 13810 14294 15362 15803 19533 22490 23662 24805 24940 27259 33230 Tipo di evento Nascita Imm. Cens. sx Morte Imm. Emi. Morte Imm. Emi. Imm. Cens. sx Cens. dx Cens. dx Imm. Morte Cens. dx Morte Imm. Morte Imm. Imm. Cens. dx Cens. dx Morte Morte Morte Esposti al Esposti al rischio rischio dopo prima l’evento degli eventi di uscita 5 6 7 6 7 7 6 7 5 6 6 5 6 6 7 6 7 5 6 6 5 6 4 5 3 4 4 3 4 4 5 4 5 3 4 2 3 1 2 0 1 Esposti al rischio prima della morte Frazione di sopraviventi (n-1)/n 7 6 6 4 4 3 2 1 Stima della funzione di sopravvivenza 1 6/7 0,86 5/6 0,71=0,83*0,86 5/6 0,59=0,86*0,71 ¾ 0,44=0,75*0,59 ¾ 0,33= ,75*0,44 2/3 0,15=0,66*0,33 ½ 0,08=0,15*0,5 0/1 0 I calcoli contenuti nella tabella precedente sono realizzabili utilizzando un foglio elettronico. La funzione di sopravvivenza risultante è tabulata e graficata di seguito, ovviamente vengono considerati, a questo punto, solo i morti. Tab. 2 – Tabulazione della funzione di sopravvivenza Età alla morte in Età alla morte in anni Stima della funzione giorni e frazioni di anno di sopravvivenza 0 0,00 1,00 9958 27,25 0,86 11473 31,40 0,71 13782 37,72 0,59 14294 39,12 0,44 15803 43,25 0,33 24940 68,25 0,15 27259 74,60 0,08 33230 90,94 0 Tavole comunali di mortalità - Appendice 40 Tab. 3 – Tabulazione della funzione di sopravvivenza standard Età Stima della funzione di sopravvivenza Età 1 1 … 1 0,86 … 0,86 0,71 … 0,71 0,59 … 0,59 0,44 0 1 … 26 27 … 30 31 … 36 37 … 38 39 Stima della funzione di sopravvivenza 0,44 0,33 … 0,33 0,15 … 0,15 0,08 … 0,08 0 42 43 … 67 68 … 73 74 … 89 90 Fig. 1 – Funzione di sopravvivenza 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0 10 20 30 40 50 60 70 80 90 Età in anni Da notare: • il grafico (per anno di età per ragioni di interpretabilità) mostra con immediatezza la forma a gradini della funzione di sopravvivenza, forma che rimane invariata all’infittirsi delle stime; SISTAN - Comune di Brescia - Unità di Staff Statistica • 41 immediato è il passaggio al calcolo dei percentili, o in generale dei quantili interpolando adeguatamente i dati. Le stime ottenute in questo modo risentono della numerosità degli eventi, e in specifico del numero dei morti: maggiore è il numero di morti, maggiore è il numero di punti della funzione di sopravvivenza stimata, anzi il numero di punti della funzione è proprio pari al numero di morti, naturalmente purché si misuri l’età in modo analitico. Ovviamente la densità di punti per ogni intervallo costante di età (un giorno, un mese, un anno) o per ogni intervallo costante di sopravivenza (un percentile, un quartile) dipende dalle caratteristiche della mortalità di quella specifica popolazione. 42 Tavole comunali di mortalità - Appendice SISTAN - Comune di Brescia - Unità di Staff Statistica Appendice B Comune di Brescia Tavole di mortalità 1997-2001 Tabulazione tradizionale 43 Tavole comunali di mortalità - Appendice 44 Tabulazione tradizionale Vengono riportate le tre tavole, per ogni genere, riferite alla popolazione: • totale; • nativa, riferita ai soli individui nati a Brescia; • immigrata, riferita agli individui immigrati. Numero di morti su cui è calcolata la tavola Popolazione Maschi Femmine 4.640 5.076 Totale 1.346 1.193 Nativa 3.294 3.883 Immigrata Le variabili della tavola di mortalità A partire dalla stima della funzione di sopravvivenza, lx, vale a dire dei sopravviventi all’età x di una generazione fittizia di 100.000 individui, per ogni x = 0, 1, 2, …, , è possibile calcolare le altre variabili della tavola di mortalità, le funzioni biometriche associate alla tavole, e più precisamente: • i morti tra i compleanni x e x+1: dx = lx - lx+1 • la probabilità di morte tra le età x e x+1, probabilità che un individuo che ha compiuto x anni muoia prima di arrivare al compleanno x+1: qx = dx / l x • il numero di anni vissuti tra i compleanni x e x+1 (numero di individui della popolazione stazionaria associata alla tavola con x anni compiuti): Lx = (lx + lx+1)/ 2 valida per tutte le età esclusa l’età 0; L0 = h * l0 + (1 – h) * l1 dove h è la frazione di anno vissuta dai d0 morti di età tra 0 e 1; Valori di h stimati Popolazione Totale Nativa Immigrata • • Maschi 0,17 0,17 1,00 Femmine 1,00 1,00 1,00 la probabilità prospettiva di morte, probabilità che un individuo che ha compiuto x anni al 31.12 dell’anno di osservazione, muoia entro il 31.12 dell’anno successivo: Qx = (Lx - Lx+1)/ Lx la speranza di vita, o vita media, il numero medio di anni che restano da vivere ai sopravviventi all’età x: ex = 0,5 + (lx+1 + lx+2 + … l -1) / lx per tutte le età esclusa l’età 0; e0 = 0,5 + (l1 + l2 + … l -1) / l0 per l’età 0, che approssima per eccesso il valore effettivo. SISTAN - Comune di Brescia - Unità di Staff Statistica 45 Comune di Brescia - 1997-2001 – Maschi - Totale Età x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 lx 100000 99769 99744 99744 99744 99693 99693 99693 99668 99617 99617 99617 99617 99617 99617 99416 99319 99319 99233 99233 99212 99093 98972 98922 98748 98596 98422 98362 98308 98308 98191 98085 98004 97866 97828 97715 97639 97581 97465 97347 97168 97046 96837 96600 96448 96313 96065 95880 95623 95274 95002 dx 1000qx 231 25 0 0 51 0 0 25 51 0 0 0 0 0 201 97 0 86 0 20 119 121 50 174 153 174 60 54 0 117 106 81 138 38 113 76 58 116 118 180 122 209 236 153 134 249 185 257 348 273 350 Lx 1000*Qx 2,31 100000 0,25 99756 0,00 99744 0,00 99744 0,51 99719 0,00 99693 0,00 99693 0,25 99681 0,51 99643 0,00 99617 0,00 99617 0,00 99617 0,00 99617 0,00 99617 2,02 99516 0,98 99367 0,00 99319 0,87 99276 0,00 99233 0,21 99223 1,20 99153 1,23 99032 0,50 98947 1,76 98835 1,54 98672 1,76 98509 0,61 98392 0,55 98335 0,00 98308 1,19 98250 1,08 98138 0,83 98044 1,40 97935 0,39 97847 1,16 97771 0,78 97677 0,59 97610 1,19 97523 1,21 97406 1,85 97258 1,25 97107 2,16 96941 2,44 96719 1,58 96524 1,39 96381 2,58 96189 1,92 95972 2,68 95751 3,64 95449 2,86 95138 3,69 94826 2,44 0,12 0,00 0,25 0,25 0,00 0,13 0,38 0,26 0,00 0,00 0,00 0,00 1,01 1,50 0,49 0,43 0,43 0,10 0,70 1,21 0,86 1,13 1,65 1,65 1,19 0,58 0,27 0,59 1,13 0,96 1,12 0,90 0,77 0,97 0,68 0,89 1,20 1,53 1,55 1,70 2,30 2,01 1,49 1,99 2,25 2,30 3,16 3,25 3,28 4,15 ex 77,30 76,48 75,50 74,50 73,50 72,53 71,53 70,53 69,55 68,59 67,59 66,59 65,59 64,59 63,59 62,71 61,77 60,77 59,83 58,83 57,84 56,91 55,98 55,00 54,10 53,18 52,28 51,31 50,34 49,34 48,39 47,45 46,48 45,55 44,57 43,62 42,65 41,68 40,73 39,77 38,85 37,89 36,98 36,06 35,12 34,17 33,26 32,32 31,41 30,52 29,60 Età x 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 lx 94651 94214 93983 93377 92862 92318 91581 90888 90078 89289 88631 87587 86511 85421 84343 82702 80948 79412 77818 75916 73854 71707 69442 67091 64605 62224 59477 56959 54081 50861 48352 45006 41656 38061 34508 30882 27702 24330 19741 16986 14499 10920 8287 6395 4928 3583 2823 1609 868 600 274 137 dx 1000qx 437 231 607 515 544 737 693 810 789 657 1044 1076 1089 1078 1642 1754 1535 1594 1902 2063 2147 2265 2351 2487 2381 2747 2517 2879 3220 2509 3346 3350 3595 3553 3626 3180 3373 4589 2755 2487 3579 2633 1892 1467 1345 760 1214 741 268 326 137 137 4,61 2,45 6,45 5,52 5,85 7,98 7,57 8,92 8,76 7,36 11,78 12,29 12,59 12,62 19,46 21,21 18,97 20,07 24,44 27,17 29,06 31,59 33,85 37,06 36,85 44,15 42,32 50,54 59,53 49,33 69,20 74,44 86,30 93,34 105,07 102,97 121,75 188,61 139,56 146,42 246,81 241,14 228,34 229,37 272,85 212,12 430,07 460,54 308,64 542,86 500,00 1000,0 Lx 1000*Qx 94433 94099 93680 93119 92590 91950 91235 90483 89683 88960 88109 87049 85966 84882 83522 81825 80180 78615 76867 74885 72780 70574 68266 65848 63414 60850 58218 55520 52471 49607 46679 43331 39858 36285 32695 29292 26016 22035 18363 15742 12710 9604 7341 5661 4256 3203 2216 1239 734 437 206 69 3,54 4,45 5,99 5,68 6,92 7,78 8,24 8,84 8,06 9,56 12,03 12,44 12,61 16,02 20,33 20,10 19,51 22,23 25,79 28,11 30,31 32,70 35,43 36,96 40,43 43,26 46,34 54,92 54,59 59,02 71,73 80,14 89,66 98,92 104,08 111,85 153,01 166,64 142,73 192,65 244,38 235,62 228,79 248,29 247,28 308,17 441,13 407,31 404,38 529,41 666,67 1000,0 ex 28,71 27,84 26,91 26,08 25,22 24,37 23,56 22,74 21,94 21,13 20,28 19,52 18,75 17,98 17,21 16,54 15,89 15,19 14,49 13,84 13,21 12,59 11,98 11,39 10,81 10,20 9,65 9,05 8,51 8,01 7,40 6,92 6,43 5,99 5,56 5,15 4,69 4,27 4,14 3,73 3,29 3,20 3,06 2,82 2,51 2,26 1,74 1,67 1,67 1,19 1,00 0,50 Tavole comunali di mortalità - Appendice 46 Comune di Brescia - 1997-2001 – Maschi - Nativi Età x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 lx 100000 99769 99744 99744 99744 99693 99693 99693 99668 99643 99617 99617 99617 99617 99617 99563 99509 99458 99357 99283 99212 99148 99090 99038 98900 98757 98651 98551 98433 98397 98317 98228 98162 98040 97985 97851 97771 97677 97555 97417 97300 97192 96969 96751 96542 96403 96153 95882 95658 95279 95048 dx 1000qx 231 25 0 0 51 0 0 25 25 26 0 0 0 0 54 53 51 101 74 70 65 58 52 139 143 106 100 119 35 80 90 66 121 55 134 80 94 122 138 117 107 223 218 209 138 250 271 224 379 231 337 2,31 0,25 0,00 0,00 0,51 0,00 0,00 0,25 0,26 0,26 0,00 0,00 0,00 0,00 0,55 0,54 0,51 1,02 0,75 0,71 0,65 0,58 0,52 1,40 1,44 1,07 1,01 1,21 0,36 0,82 0,91 0,67 1,24 0,56 1,36 0,82 0,96 1,25 1,42 1,20 1,10 2,30 2,25 2,16 1,43 2,60 2,82 2,34 3,96 2,42 3,54 Lx 1000*Qx 99961 99756 99744 99744 99719 99693 99693 99681 99655 99630 99617 99617 99617 99617 99590 99536 99484 99407 99320 99247 99180 99119 99064 98969 98828 98704 98601 98492 98415 98357 98272 98195 98101 98013 97918 97811 97724 97616 97486 97358 97246 97081 96860 96646 96472 96278 96017 95770 95468 95164 94880 2,04 0,12 0,00 0,25 0,25 0,00 0,13 0,25 0,26 0,13 0,00 0,00 0,00 0,27 0,54 0,52 0,77 0,88 0,73 0,68 0,62 0,55 0,96 1,42 1,26 1,04 1,11 0,78 0,59 0,86 0,79 0,95 0,90 0,96 1,09 0,89 1,10 1,33 1,31 1,15 1,70 2,27 2,21 1,80 2,02 2,71 2,58 3,15 3,19 2,98 3,99 ex 77,54 76,72 75,74 74,74 73,74 72,78 71,78 70,78 69,80 68,81 67,83 66,83 65,83 64,83 63,83 62,87 61,90 60,93 59,99 59,04 58,08 57,12 56,15 55,18 54,25 53,33 52,39 51,44 50,50 49,52 48,56 47,60 46,64 45,69 44,72 43,78 42,81 41,86 40,91 39,96 39,01 38,05 37,14 36,22 35,30 34,35 33,44 32,53 31,61 30,73 29,80 Età x 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 lx 94711 94291 93983 93377 92862 92318 91581 90957 90089 89289 88631 87605 86596 85585 84343 82738 81189 79649 78120 76258 74327 72294 70127 67984 65452 63119 60403 57924 55077 51957 49163 45573 42128 38697 35176 31740 28314 24954 20565 17629 15163 11767 8770 6841 5155 3756 2976 1819 1077 754 310 155 dx 1000qx 421 307 607 515 544 737 625 868 800 657 1026 1008 1011 1242 1605 1548 1540 1529 1863 1930 2033 2168 2143 2532 2333 2716 2479 2847 3120 2794 3591 3445 3430 3521 3436 3425 3361 4389 2936 2466 3396 2997 1930 1686 1399 780 1157 742 323 444 155 155 4,44 3,26 6,45 5,52 5,85 7,98 6,82 9,54 8,88 7,36 11,58 11,51 11,67 14,52 19,03 18,72 18,97 19,19 23,85 25,31 27,35 29,98 30,56 37,24 35,65 43,03 41,04 49,16 56,64 53,77 73,04 75,59 81,43 91,00 97,69 107,92 118,69 175,87 142,76 139,89 223,94 254,70 220,02 246,45 271,37 207,66 388,75 407,69 300,00 588,57 500,00 1000,0 Lx 1000*Qx 94501 94137 93680 93119 92590 91950 91269 90523 89689 88960 88118 87101 86091 84964 83540 81963 80419 78885 77189 75292 73311 71210 69055 66718 64286 61761 59164 56501 53517 50560 47368 43850 40412 36937 33458 30027 26634 22759 19097 16396 13465 10269 7805 5998 4455 3366 2397 1448 916 532 233 78 3,85 4,85 5,99 5,68 6,92 7,40 8,18 9,21 8,13 9,46 11,55 11,59 13,09 16,76 18,88 18,84 19,08 21,50 24,57 26,32 28,65 30,27 33,85 36,46 39,27 42,05 45,01 52,81 55,25 63,14 74,27 78,40 86,01 94,18 102,54 113,00 145,48 160,91 141,43 178,75 237,38 239,89 231,60 257,16 244,51 287,71 395,93 367,63 418,82 562,75 666,67 1000,0 ex 28,91 28,04 27,13 26,30 25,44 24,59 23,78 22,94 22,16 21,35 20,51 19,74 18,97 18,18 17,44 16,77 16,08 15,38 14,68 14,02 13,37 12,74 12,11 11,48 10,90 10,29 9,73 9,12 8,57 8,05 7,48 7,03 6,57 6,11 5,67 5,23 4,80 4,38 4,20 3,82 3,36 3,19 3,10 2,84 2,60 2,39 1,88 1,76 1,63 1,12 1,00 0,50 SISTAN - Comune di Brescia - Unità di Staff Statistica 47 Comune di Brescia - 1997-2001 – Maschi – Immigrati Età x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 lx 100000 100000 100000 100000 100000 99848 99848 99848 99731 99617 99617 99617 99617 99617 99617 99416 99319 99319 99233 99233 99233 99093 98972 98922 98748 98596 98422 98362 98308 98308 98191 98085 98004 97866 97828 97715 97639 97581 97465 97347 97168 97046 96837 96600 96448 96313 96065 95880 95623 95274 95002 dx 1000qx 0 0 0 0 152 0 0 117 114 0 0 0 0 0 201 97 0 86 0 0 140 121 50 174 153 174 60 54 0 117 106 81 138 38 113 76 58 116 118 180 122 209 236 153 134 249 185 257 348 273 350 Lx 1000*Qx 0,00 100000 0,00 100000 0,00 100000 0,00 100000 1,52 99924 0,00 99848 0,00 99848 1,17 99789 1,14 99674 0,00 99617 0,00 99617 0,00 99617 0,00 99617 0,00 99617 2,02 99517 0,98 99367 0,00 99319 0,87 99276 0,00 99233 0,00 99233 1,41 99163 1,23 99032 0,50 98947 1,76 98835 1,54 98672 1,76 98509 0,61 98392 0,55 98335 0,00 98308 1,19 98250 1,08 98138 0,83 98044 1,40 97935 0,39 97847 1,16 97771 0,78 97677 0,59 97610 1,19 97523 1,21 97406 1,85 97258 1,25 97107 2,16 96941 2,44 96719 1,58 96524 1,39 96381 2,58 96189 1,92 95972 2,68 95751 3,64 95449 2,86 95138 3,69 94826 0,00 0,00 0,00 0,76 0,76 0,00 0,58 1,15 0,57 0,00 0,00 0,00 0,00 1,01 1,50 0,49 0,43 0,43 0,00 0,70 1,32 0,86 1,13 1,65 1,65 1,19 0,58 0,27 0,59 1,13 0,96 1,12 0,90 0,77 0,97 0,68 0,89 1,20 1,53 1,55 1,70 2,30 2,01 1,49 1,99 2,25 2,30 3,16 3,25 3,28 4,15 ex 77,32 76,32 75,32 74,32 73,32 72,43 71,43 70,43 69,51 68,59 67,59 66,59 65,59 64,59 63,59 62,72 61,78 60,78 59,83 58,83 57,83 56,91 55,98 55,01 54,11 53,19 52,28 51,31 50,34 49,34 48,40 47,45 46,49 45,56 44,57 43,62 42,66 41,68 40,73 39,78 38,85 37,90 36,98 36,07 35,13 34,18 33,26 32,33 31,41 30,52 29,61 Età x 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 lx 94651 94214 93992 93538 92976 92372 91620 90888 90078 89391 88698 87587 86511 85421 84390 82702 80948 79412 77818 75916 73854 71707 69442 67091 64605 62224 59477 56959 54081 50861 48352 45006 41656 38061 34508 30882 27702 24330 19741 16986 14499 10920 8287 6395 4928 3583 2823 1609 868 600 274 137 dx 1000qx 437 223 453 562 604 752 732 810 687 693 1111 1076 1089 1031 1689 1754 1535 1594 1902 2063 2147 2265 2351 2487 2381 2747 2517 2879 3220 2509 3346 3350 3595 3553 3626 3180 3373 4589 2755 2487 3579 2633 1892 1467 1345 760 1214 741 268 326 137 137 4,61 2,36 4,82 6,01 6,50 8,14 7,99 8,92 7,62 7,75 12,53 12,29 12,59 12,07 20,01 21,21 18,97 20,07 24,44 27,17 29,06 31,59 33,85 37,06 36,85 44,15 42,32 50,54 59,53 49,33 69,20 74,44 86,30 93,34 105,07 102,97 121,75 188,61 139,56 146,42 246,81 241,14 228,34 229,37 272,85 212,12 430,07 460,54 308,64 542,86 500,00 1000,0 Lx 1000*Qx 94433 94103 93765 93257 92674 91996 91254 90483 89734 89045 88143 87049 85966 84906 83546 81825 80180 78615 76867 74885 72780 70574 68266 65848 63414 60850 58218 55520 52471 49607 46679 43331 39858 36285 32695 29292 26016 22035 18363 15742 12710 9604 7341 5661 4256 3203 2216 1239 734 437 206 69 3,49 3,59 5,41 6,25 7,32 8,07 8,45 8,27 7,69 10,13 12,41 12,44 12,33 16,02 20,60 20,10 19,51 22,23 25,79 28,11 30,31 32,70 35,43 36,96 40,43 43,26 46,34 54,92 54,59 59,02 71,73 80,14 89,66 98,92 104,08 111,85 153,01 166,64 142,73 192,65 244,38 235,62 228,79 248,29 247,28 308,17 441,13 407,31 404,38 529,41 666,67 1000,0 ex 28,72 27,85 26,91 26,04 25,20 24,36 23,55 22,74 21,94 21,10 20,27 19,52 18,75 17,99 17,20 16,54 15,89 15,19 14,49 13,84 13,21 12,59 11,98 11,39 10,81 10,20 9,65 9,05 8,51 8,01 7,40 6,92 6,43 5,99 5,56 5,15 4,69 4,27 4,14 3,73 3,29 3,20 3,06 2,82 2,51 2,26 1,74 1,67 1,67 1,19 1,00 0,50 Tavole comunali di mortalità - Appendice 48 Comune di Brescia - 1997-2001 – Femmine - Totale Età x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 lx 100000 99750 99750 99722 99722 99722 99655 99655 99655 99655 99655 99616 99616 99616 99616 99616 99616 99579 99579 99579 99579 99547 99486 99459 99381 99381 99381 99331 99280 99253 99226 99171 99117 99005 98976 98976 98944 98909 98836 98717 98717 98632 98541 98449 98253 98004 97903 97853 97751 97702 97466 97160 96823 96617 dx 1000qx 250 0 29 0 0 66 0 0 0 0 39 0 0 0 0 0 38 0 0 0 31 61 28 78 0 0 50 51 27 27 55 54 111 29 0 32 35 73 119 0 85 91 92 196 249 101 51 101 49 236 306 337 206 207 Lx 1000*Qx 2,50 100000 0,00 99750 0,29 99736 0,00 99722 0,00 99722 0,67 99689 0,00 99655 0,00 99655 0,00 99655 0,00 99655 0,39 99636 0,00 99616 0,00 99616 0,00 99616 0,00 99616 0,00 99616 0,38 99597 0,00 99579 0,00 99579 0,00 99579 0,32 99563 0,61 99517 0,28 99472 0,78 99420 0,00 99381 0,00 99381 0,50 99356 0,52 99306 0,27 99267 0,27 99240 0,55 99199 0,55 99144 1,12 99061 0,30 98991 0,00 98976 0,32 98960 0,36 98927 0,74 98872 1,20 98776 0,00 98717 0,86 98674 0,92 98586 0,94 98495 1,99 98351 2,54 98128 1,03 97953 0,52 97878 1,04 97802 0,50 97727 2,42 97584 3,14 97313 3,47 96992 2,13 96720 2,14 96514 2,50 0,14 0,14 0,00 0,33 0,33 0,00 0,00 0,00 0,20 0,20 0,00 0,00 0,00 0,00 0,19 0,19 0,00 0,00 0,16 0,46 0,44 0,53 0,39 0,00 0,25 0,51 0,39 0,27 0,41 0,55 0,84 0,71 0,15 0,16 0,34 0,55 0,97 0,60 0,43 0,89 0,93 1,46 2,26 1,78 0,77 0,78 0,77 1,46 2,78 3,30 2,80 2,13 1,72 ex 83,80 83,01 82,01 81,03 80,03 79,03 78,08 77,08 76,08 75,08 74,08 73,11 72,11 71,11 70,11 69,11 68,11 67,14 66,14 65,14 64,14 63,16 62,19 61,21 60,26 59,26 58,26 57,29 56,32 55,33 54,35 53,38 52,41 51,46 50,48 49,48 48,50 47,51 46,55 45,60 44,60 43,64 42,68 41,72 40,80 39,90 38,95 37,97 37,00 36,02 35,11 34,22 33,33 32,40 Età x 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 lx 96410 96285 96068 95818 95615 95416 95061 94753 94240 93619 93105 92543 91768 91100 90430 89490 88628 87328 86112 84949 83905 82217 79928 78637 76424 74284 72197 69002 66798 63752 60380 56115 52571 46957 42421 38360 34482 30503 25906 23478 19140 14694 12138 9794 6471 4588 3309 2481 1257 978 489 163 dx 1000qx 125 218 249 204 198 356 307 514 621 514 562 775 667 671 940 862 1300 1217 1162 1044 1688 2289 1292 2213 2140 2087 3195 2204 3046 3372 4265 3544 5614 4537 4061 3878 3979 4598 2428 4338 4446 2557 2344 3323 1882 1279 828 1224 279 489 326 163 1,30 2,26 2,59 2,13 2,07 3,73 3,23 5,42 6,59 5,49 6,04 8,38 7,27 7,36 10,39 9,63 14,67 13,93 13,50 12,29 20,11 27,84 16,16 28,14 28,01 28,10 44,25 31,94 45,60 52,89 70,64 63,15 106,79 96,61 95,73 101,09 115,38 150,73 93,71 184,76 232,28 174,00 193,12 339,29 290,91 278,76 250,16 493,33 222,22 500,00 666,67 1000,0 Lx 1000*Qx 96348 96176 95943 95717 95516 95238 94907 94496 93929 93362 92824 92155 91434 90765 89960 89059 87978 86720 85530 84427 83061 81073 79282 77530 75354 73240 70599 67900 65275 62066 58248 54343 49764 44689 40390 36421 32493 28205 24692 21309 16917 13416 10966 8132 5530 3949 2895 1869 1118 733 326 81 1,78 2,43 2,36 2,10 2,90 3,48 4,32 6,00 6,04 5,76 7,20 7,83 7,32 8,87 10,01 12,14 14,30 13,72 12,90 16,18 23,94 22,08 22,10 28,07 28,05 36,06 38,24 38,66 49,16 61,52 67,03 84,26 101,99 96,19 98,27 107,85 131,97 124,55 137,00 206,10 206,96 182,65 258,39 320,04 285,87 266,78 354,36 402,16 343,75 555,56 750,00 1000,0 ex 31,47 30,51 29,58 28,66 27,72 26,77 25,87 24,95 24,09 23,24 22,37 21,50 20,68 19,83 18,97 18,16 17,34 16,59 15,81 15,02 14,20 13,49 12,86 12,06 11,40 10,71 10,00 9,45 8,74 8,13 7,56 7,10 6,54 6,26 5,88 5,45 5,01 4,59 4,32 3,72 3,44 3,34 2,93 2,52 2,55 2,39 2,12 1,66 1,80 1,17 0,83 0,50 SISTAN - Comune di Brescia - Unità di Staff Statistica 49 Comune di Brescia - 1997-2001 – Femmine - Native Età x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 lx 100000 99750 99750 99722 99722 99722 99655 99655 99655 99655 99655 99616 99616 99616 99616 99616 99616 99579 99579 99579 99579 99547 99486 99459 99381 99381 99381 99331 99280 99253 99226 99171 99117 99005 98976 98976 98944 98909 98909 98717 98717 98632 98541 98449 98253 98004 97903 97853 97751 97702 97466 97160 96823 96617 dx 1000qx 250 0 29 0 0 66 0 0 0 0 39 0 0 0 0 0 38 0 0 0 31 61 28 78 0 0 50 51 27 27 55 54 111 29 0 32 35 0 192 0 85 91 92 196 249 101 51 101 49 236 306 337 206 207 Lx 1000*Qx 2,50 100000 0,00 99750 0,29 99736 0,00 99722 0,00 99722 0,67 99689 0,00 99655 0,00 99655 0,00 99655 0,00 99655 0,39 99636 0,00 99616 0,00 99616 0,00 99616 0,00 99616 0,00 99616 0,38 99597 0,00 99579 0,00 99579 0,00 99579 0,32 99563 0,61 99517 0,28 99472 0,78 99420 0,00 99381 0,00 99381 0,50 99356 0,52 99306 0,27 99267 0,27 99240 0,55 99199 0,55 99144 1,12 99061 0,30 98991 0,00 98976 0,32 98960 0,36 98927 0,00 98909 1,95 98813 0,00 98717 0,86 98674 0,92 98586 0,94 98495 1,99 98351 2,54 98128 1,03 97953 0,52 97878 1,04 97802 0,50 97727 2,42 97584 3,14 97313 3,47 96992 2,13 96720 2,14 96514 2,50 0,14 0,14 0,00 0,33 0,33 0,00 0,00 0,00 0,20 0,20 0,00 0,00 0,00 0,00 0,19 0,19 0,00 0,00 0,16 0,46 0,44 0,53 0,39 0,00 0,25 0,51 0,39 0,27 0,41 0,55 0,84 0,71 0,15 0,16 0,34 0,18 0,97 0,97 0,43 0,89 0,93 1,46 2,26 1,78 0,77 0,78 0,77 1,46 2,78 3,30 2,80 2,13 1,72 ex 83,88 83,08 82,08 81,11 80,11 79,11 78,16 77,16 76,16 75,16 74,16 73,19 72,19 71,19 70,19 69,19 68,19 67,21 66,21 65,21 64,21 63,23 62,27 61,29 60,34 59,34 58,34 57,37 56,40 55,41 54,43 53,46 52,48 51,54 50,56 49,56 48,57 47,59 46,59 45,68 44,68 43,72 42,76 41,80 40,88 39,98 39,02 38,04 37,08 36,10 35,19 34,30 33,41 32,48 Età x 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 lx 96410 96285 96068 95818 95615 95416 95061 94859 94348 93816 93396 92914 92030 91589 90811 89829 88628 87328 86112 84949 83905 82217 79928 78637 76424 74284 72197 69002 66798 63752 60380 56115 52571 46957 42421 38360 34482 30503 25906 23478 19140 14694 12138 9794 6471 4588 4129 3146 2447 1631 1360 1088 dx 1000qx 125 218 249 204 198 356 202 510 532 420 482 884 441 779 981 1201 1300 1217 1162 1044 1688 2289 1292 2213 2140 2087 3195 2204 3046 3372 4265 3544 5614 4537 4061 3878 3979 4598 2428 4338 4446 2557 2344 3323 1882 459 983 699 816 272 272 1088 1,30 2,26 2,59 2,13 2,07 3,73 2,12 5,38 5,64 4,48 5,16 9,51 4,79 8,50 10,80 13,37 14,67 13,93 13,50 12,29 20,11 27,84 16,16 28,14 28,01 28,10 44,25 31,94 45,60 52,89 70,64 63,15 106,79 96,61 95,73 101,09 115,38 150,73 93,71 184,76 232,28 174,00 193,12 339,29 290,91 100,00 238,10 222,22 333,33 166,67 200,00 1000,0 Lx 1000*Qx 96348 96176 95943 95717 95516 95238 94960 94604 94082 93606 93155 92472 91810 91200 90320 89229 87978 86720 85530 84427 83061 81073 79282 77530 75354 73240 70599 67900 65275 62066 58248 54343 49764 44689 40390 36421 32493 28205 24692 21309 16917 13416 10966 8132 5530 4359 3638 2797 2039 1495 1224 544 1,78 2,43 2,36 2,10 2,90 2,93 3,75 5,51 5,06 4,82 7,33 7,16 6,64 9,65 12,08 14,02 14,30 13,72 12,90 16,18 23,94 22,08 22,10 28,07 28,05 36,06 38,24 38,66 49,16 61,52 67,03 84,26 101,99 96,19 98,27 107,85 131,97 124,55 137,00 206,10 206,96 182,65 258,39 320,04 211,70 165,41 231,23 270,83 266,67 181,82 555,56 1000,0 ex 31,55 30,59 29,66 28,74 27,80 26,85 25,95 25,01 24,14 23,27 22,38 21,49 20,69 19,79 18,95 18,16 17,39 16,65 15,87 15,08 14,27 13,55 12,92 12,13 11,46 10,78 10,08 9,52 8,82 8,21 7,65 7,19 6,64 6,37 6,00 5,58 5,15 4,76 4,52 3,93 3,71 3,68 3,36 3,04 3,34 3,51 2,84 2,57 2,17 2,00 1,30 0,50 Tavole comunali di mortalità - Appendice 50 Comune di Brescia - 1997-2001 – Femmine – Immigrate Età x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 lx 100000 100000 100000 100000 100000 100000 100000 100000 99870 99870 99870 99870 99870 99870 99757 99757 99757 99656 99656 99656 99656 99656 99528 99528 99528 99484 99446 99414 99384 99357 99304 99279 99255 99255 99165 99099 99012 98968 98836 98769 98747 98680 98544 98475 98429 98337 98314 98199 98110 98067 97758 97598 97280 97119 dx 1000qx 0 0 0 0 0 0 0 130 0 0 0 0 0 113 0 0 101 0 0 0 0 128 0 0 44 38 32 30 28 53 25 24 0 90 66 88 43 132 66 22 68 136 68 46 92 23 115 89 43 309 160 318 161 244 Lx 1000*Qx 0,00 100000 0,00 100000 0,00 100000 0,00 100000 0,00 100000 0,00 100000 0,00 100000 1,30 99935 0,00 99870 0,00 99870 0,00 99870 0,00 99870 0,00 99870 1,13 99814 0,00 99757 0,00 99757 1,01 99707 0,00 99656 0,00 99656 0,00 99656 0,00 99656 1,29 99592 0,00 99528 0,00 99528 0,44 99506 0,38 99465 0,32 99430 0,30 99399 0,28 99370 0,53 99330 0,25 99291 0,24 99267 0,00 99255 0,91 99210 0,67 99132 0,88 99055 0,44 98990 1,34 98902 0,67 98803 0,22 98758 0,69 98713 1,38 98612 0,69 98510 0,47 98452 0,94 98383 0,24 98325 1,17 98257 0,91 98155 0,44 98089 3,16 97913 1,64 97678 3,26 97439 1,65 97199 2,51 96997 0,00 0,00 0,00 0,00 0,00 0,00 0,65 0,65 0,00 0,00 0,00 0,00 0,56 0,57 0,00 0,51 0,51 0,00 0,00 0,00 0,64 0,64 0,00 0,22 0,41 0,35 0,31 0,29 0,40 0,39 0,25 0,12 0,45 0,79 0,77 0,66 0,89 1,00 0,45 0,46 1,03 1,04 0,58 0,70 0,59 0,70 1,04 0,67 1,80 2,40 2,45 2,46 2,08 2,33 ex 84,55 83,55 82,55 81,55 80,55 79,55 78,55 77,55 76,65 75,65 74,65 73,65 72,65 71,65 70,73 69,73 68,73 67,80 66,80 65,80 64,80 63,80 62,88 61,88 60,88 59,91 58,93 57,95 56,97 55,98 55,01 54,03 53,04 52,04 51,09 50,12 49,17 48,19 47,25 46,28 45,29 44,32 43,38 42,41 41,43 40,47 39,48 38,53 37,56 36,58 35,69 34,75 33,86 32,92 Età x 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 lx 96875 96667 96457 96227 95826 95477 95077 94753 94240 93619 93105 92543 91768 91100 90430 89490 88783 87978 86823 85660 84486 83138 81638 79657 77678 75413 72915 70832 67803 64629 61378 57939 54824 51923 48513 43893 39822 35451 30945 26655 22456 18047 13401 10154 7845 5170 3309 2481 1257 978 489 163 dx 1000qx 208 211 229 401 350 399 324 514 621 514 562 775 667 671 940 708 804 1155 1163 1174 1349 1499 1981 1978 2265 2499 2083 3029 3174 3250 3439 3115 2902 3410 4620 4071 4371 4506 4290 4199 4409 4646 3247 2309 2675 1861 828 1224 279 489 326 163 2,14 2,18 2,38 4,17 3,65 4,18 3,41 5,42 6,59 5,49 6,04 8,38 7,27 7,36 10,39 7,91 9,06 13,13 13,39 13,71 15,96 18,03 24,27 24,84 29,16 33,13 28,57 42,76 46,81 50,29 56,04 53,76 52,93 65,67 95,24 92,74 109,75 127,12 138,64 157,52 196,33 257,43 242,29 227,44 340,96 359,91 250,16 493,33 222,22 500,00 666,67 1000,0 Lx 1000*Qx 96771 96562 96342 96027 95651 95277 94915 94496 93929 93362 92824 92155 91434 90765 89960 89136 88380 87401 86242 85073 83812 82388 80647 78668 76546 74164 71873 69317 66216 63004 59659 56382 53373 50218 46203 41857 37636 33198 28800 24555 20251 15724 11778 8999 6507 4240 2895 1869 1118 733 326 81 2,16 2,28 3,27 3,91 3,91 3,80 4,41 6,00 6,04 5,76 7,20 7,83 7,32 8,87 9,16 8,48 11,09 13,26 13,55 14,83 16,99 21,12 24,55 26,97 31,12 30,89 35,56 44,74 48,51 53,09 54,93 53,35 59,12 79,95 94,06 100,84 117,93 132,49 147,38 175,27 223,56 250,98 235,89 276,92 348,49 317,08 354,36 402,16 343,75 555,56 750,00 1000,0 ex 32,00 31,06 30,13 29,20 28,32 27,42 26,54 25,63 24,76 23,92 23,05 22,19 21,37 20,53 19,68 18,88 18,02 17,18 16,41 15,62 14,83 14,06 13,31 12,63 11,94 11,28 10,65 9,95 9,37 8,81 8,25 7,71 7,12 6,49 5,91 5,48 4,99 4,54 4,13 3,72 3,32 3,01 2,88 2,64 2,27 2,18 2,12 1,66 1,80 1,17 0,83 0,50 SISTAN - Comune di Brescia - Unità di Staff Statistica 51 Fig. 2 – Probabilità prospettive di sopravvivenza per genere 1000 900 800 700 600 500 400 300 200 100 0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 Maschi Femmine Fig. 3 – Speranza di vita per età e genere 100 90 80 70 60 50 40 30 20 10 0 0 5 10 15 20 25 30 35 40 45 50 Maschi 55 60 65 70 Femmine 75 80 85 90 95 100 105 52 Tavole comunali di mortalità - Appendice SISTAN - Comune di Brescia - Unità di Staff Statistica Appendice C Comune di Brescia Tavole di mortalità 1997-2001 Tabulazione dei percentili 53 54 Tavole comunali di mortalità - Appendice Tabulazione dei percentili della distribuzione Vengono riportate le tre tavole, per ogni genere, riferite alla popolazione: • totale; • nativa, riferita ai soli individui nati a Brescia; • immigrata, riferita agli individui immigrati. Numero di morti su cui è calcolata la tavola Popolazione Maschi Femmine 4.640 5.076 Totale 1.346 1.193 Nativa 3.294 3.883 Immigrata SISTAN - Comune di Brescia - Unità di Staff Statistica Comune di Brescia - 1997-2001 - Femmine Percentili 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 Totale 35,4 49,2 53,2 57,5 60,3 62,6 64,6 65,7 67,8 68,9 69,7 71,0 71,9 72,6 73,5 74,4 75,1 75,8 76,2 76,8 77,3 77,8 78,3 78,7 79,2 79,5 80,0 80,4 80,9 81,3 81,6 81,9 82,3 82,6 82,9 83,2 83,5 83,8 84,1 84,3 84,7 85,0 85,3 85,6 85,9 86,3 86,6 86,9 87,3 87,6 Immigrate 35,4 49,2 53,2 57,5 60,3 62,5 64,1 65,7 67,2 68,4 69,6 71,0 71,9 72,6 73,5 74,4 75,1 75,8 76,2 76,8 77,3 77,8 78,3 78,7 79,2 79,5 80,0 80,4 80,9 81,3 81,6 81,9 82,3 82,6 82,9 83,2 83,5 83,8 84,1 84,3 84,7 85,0 85,3 85,6 85,9 86,3 86,6 86,9 87,3 87,6 Native 32,3 44,9 51,2 56,3 59,9 62,6 64,6 65,7 67,8 68,9 69,7 70,4 71,2 72,0 72,7 73,5 74,5 75,1 75,5 75,9 76,6 77,4 77,7 78,2 78,7 79,1 79,6 80,0 80,3 80,6 81,0 81,5 81,9 82,1 82,5 82,8 83,2 83,5 83,8 84,1 84,4 84,6 84,7 85,0 85,2 85,6 85,9 86,1 86,2 86,4 55 Percentili 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 Età estrema Totale 87,9 88,1 88,3 88,6 88,8 89,0 89,2 89,5 89,7 89,9 90,1 90,4 90,6 90,9 91,1 91,3 91,6 91,8 92,0 92,2 92,5 92,7 92,9 93,2 93,4 93,6 93,9 94,1 94,3 94,5 94,8 94,9 95,2 95,5 95,6 95,8 96,1 96,3 96,7 97,1 97,4 97,9 98,2 98,5 99,1 99,5 100,7 101,9 104,2 109,5 Immigrate 87,9 88,1 88,3 88,6 88,8 89,0 89,2 89,5 89,7 89,9 90,1 90,4 90,6 90,9 91,1 91,3 91,6 91,8 92,0 92,2 92,5 92,7 92,9 93,2 93,4 93,6 93,9 94,1 94,3 94,5 94,8 94,9 95,2 95,5 95,6 95,8 96,1 96,3 96,7 97,1 97,4 97,9 98,2 98,5 99,1 99,5 100,1 101,2 102,2 104,9 Native 86,6 86,7 87,0 87,2 87,4 87,7 87,9 88,1 88,3 88,7 88,9 89,0 89,2 89,5 89,9 90,1 90,3 90,7 90,8 91,1 91,2 91,5 91,7 91,8 92,4 92,8 93,0 93,1 93,4 93,7 93,9 94,2 94,3 94,5 94,8 95,1 95,3 95,8 96,6 96,9 97,1 97,2 97,3 98,1 97,6 98,9 100,7 101,9 104,2 109,5 Tavole comunali di mortalità - Appendice 56 Comune di Brescia - 1997-2001 – Maschi Percentili 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 Totale 23,1 32,8 41,7 46,3 50,2 52,9 54,7 56,4 57,9 59,2 60,4 61,6 62,6 63,6 64,5 65,3 65,8 66,4 67,1 67,7 68,4 69,1 69,6 70,1 70,6 71,2 71,7 72,1 72,5 73,0 73,5 74,0 74,4 74,8 75,2 75,6 76,0 76,5 76,8 77,1 77,5 77,9 78,4 78,7 79,0 79,4 79,7 80,0 80,4 80,7 Immigrati 21,2 31,6 41,1 46,3 50,0 52,9 54,9 56,4 57,8 59,2 60,3 61,6 62,4 63,5 64,4 65,2 65,8 66,2 66,9 67,6 68,2 68,9 69,4 69,9 70,5 70,9 71,4 71,9 72,3 72,8 73,2 73,6 74,0 74,4 74,8 75,2 75,6 76,1 76,5 76,9 77,1 77,5 77,9 78,4 78,7 79,0 79,3 79,6 80,0 80,4 Nativi 23,1 32,8 41,7 46,3 50,2 52,9 54,7 56,4 57,9 59,2 60,4 61,6 62,6 63,6 64,5 65,3 65,8 66,4 67,1 67,7 68,4 69,1 69,6 70,1 70,6 71,2 71,7 72,1 72,5 73,0 73,5 74,0 74,4 74,8 75,2 75,6 76,0 76,5 76,8 77,1 77,5 77,9 78,4 78,7 79,0 79,4 79,7 80,0 80,4 80,7 Percentili 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 Età estrema Totale 81,0 81,3 81,6 81,9 82,2 82,5 82,8 83,0 83,3 83,6 83,9 84,2 84,4 84,7 85,1 85,3 85,5 85,9 86,2 86,5 86,8 87,1 87,4 87,7 88,0 88,2 88,5 88,6 88,9 89,1 89,4 89,8 90,2 90,6 91,0 91,4 91,6 91,9 92,4 92,7 93,0 93,4 93,8 94,5 95,1 95,7 96,8 97,4 98,6 106,4 Immigrati 80,7 81,1 81,4 81,7 82,0 82,4 82,6 82,9 83,1 83,5 83,8 84,0 84,2 84,5 84,8 85,2 85,4 85,7 86,0 86,3 86,6 86,9 87,2 87,5 87,8 88,0 88,3 88,5 88,7 88,9 89,2 89,5 89,9 90,3 90,6 91,1 91,4 91,6 91,9 92,4 92,7 93,0 93,8 94,1 94,9 95,5 96,3 97,5 98,4 Nativi 81,0 81,3 81,6 81,9 82,2 82,5 82,8 83,0 83,3 83,6 83,9 84,2 84,4 84,7 85,1 85,3 85,5 85,9 86,2 86,5 86,8 87,1 87,4 87,7 88,0 88,2 88,5 88,6 88,9 89,1 89,4 89,8 90,2 90,6 91,0 91,4 91,6 91,9 92,4 92,7 93,0 93,4 93,8 94,5 95,1 95,7 96,8 97,4 98,6 106,4 106,4