Un modello interpretabile a tratti per la mortalità umana: il modello Christopher–Samba

Perché questo conta nella vita di tutti i giorni

Come cambiano le probabilità di morire con l’avanzare dell’età può sembrare macabro, ma influenza silenziosamente tutto, dai sistemi pensionistici e dai premi delle assicurazioni sulla vita alla pianificazione ospedaliera e alle politiche di sanità pubblica. Questo articolo introduce un nuovo modo di descrivere quei rischi variabili nell’arco della vita usando solo pochi numeri facili da comprendere. Rendendo questi schemi più chiari e comparabili fra paesi e nel tempo, il modello ci aiuta a vedere come i miglioramenti nella medicina, nelle condizioni di vita e nell’invecchiamento stiano rimodellando la durata della vita umana.

Un quadro semplice di vita e morte

Nel mondo, la mortalità umana segue uno schema sorprendentemente regolare. Il rischio di morte è elevato subito dopo la nascita, cala rapidamente nella prima infanzia, rimane molto basso durante la giovane età adulta, poi risale con l’invecchiamento fino a crescere ripidamente in età avanzata. I modelli matematici tradizionali possono riprodurre questa forma complessiva, ma spesso si basano su molti parametri astratti difficili da interpretare per i non specialisti e persino per i decisori politici. Ciò rende complicato usare direttamente i risultati del modello quando si confrontano paesi, si monitora il progresso o si pianificano future esigenze sanitarie e pensionistiche.

Una visione in due parti del corso della vita

Gli autori propongono il modello Christopher–Samba (C–S), un nuovo approccio “a tratti” che tratta separatamente la prima infanzia e il resto della vita. La prima parte si concentra sulle età da 0 a 5 anni. Qui il rischio di morte diminuisce in modo regolare ed esponenziale, catturando i rapidi miglioramenti di sopravvivenza che si verificano dopo il periodo fragile del neonato. Due parametri descrivono questa fase: uno riflette la probabilità di morire nel primo anno di vita e l’altro descrive quanto rapidamente quel rischio diminuisce da un anno all’altro. Insieme forniscono un riassunto compatto delle condizioni di sopravvivenza infantile e dei bambini in una popolazione.

Punti di svolta chiave nell’invecchiamento

Dopo i 5 anni, il modello C–S passa a una versione rielaborata di una curva logistica, che cresce lentamente all’inizio e poi più ripidamente in età avanzata prima di stabilizzarsi. Invece di usare costanti matematiche opache, gli autori riformulano questa curva in termini di due età concrete. La prima è l’età alla quale la probabilità annua di morte raggiunge circa l’1 percento, che chiamano inizio dell’aumento della mortalità. La seconda è l’età alla quale quella probabilità raggiunge circa il 10 percento, descritta come età di mortalità severa. Queste due età fungono da tappe lungo il percorso dell’invecchiamento, segnando quando il rischio di morte comincia a incidere sul cambiamento demografico e quando diventa molto elevato per i pochi che raggiungono età estremamente avanzate.

Cosa rivela il modello tra i paesi

Per mettere alla prova il loro approccio, gli autori hanno applicato il modello C–S a dati dettagliati di mortalità di dieci paesi tratti dall’Human Mortality Database, tra cui Australia, Canada, Cile, Germania, Hong Kong, Italia, Giappone, Corea, Regno Unito e Stati Uniti. Per ciascun paese hanno esaminato un anno iniziale (a partire dal 1921) e un anno recente intorno al periodo 2020–2023. Il modello ha adattato bene i dati osservati in tutti i casi e ha avuto una precisione comparabile a diversi modelli classici di mortalità, pur usando meno parametri. I risultati mostrano in modo vivido tendenze storiche familiari: le morti infantili sono crollate da percentuali a due cifre all’inizio del XX secolo a ben sotto l’1 percento nella maggior parte dei paesi ad alto reddito oggi, e la sopravvivenza da un anno all’altro nell’infanzia è migliorata drasticamente.

Spostamenti delle età di rischio e dati non omogenei

I nuovi parametri illuminano anche come sia cambiato l’invecchiamento stesso. In paesi come Australia, Canada e Stati Uniti, l’età alla quale il rischio annuo di morte raggiunge l’1 percento si è spostata in avanti di una o più decadi, il che significa che le persone ora trascorrono molte più anni in una fase di mortalità molto bassa. Al contrario, l’età di mortalità severa—la soglia del 10 percento—si è mossa solo modestamente, tipicamente di meno di dieci anni, e continua a differire in modo evidente tra i paesi. Hong Kong e Giappone, per esempio, si distinguono per età particolarmente avanzate sia per l’inizio che per la mortalità severa, riflettendo le loro popolazioni eccezionalmente longeve. Quando gli autori hanno esplorato l’applicazione del modello a paesi con dati di mortalità più poveri o più aggregati, come l’India, hanno riscontrato che i risultati erano meno stabili, sottolineando la necessità di registri di buona qualità o di metodi accurati di levigatura dei dati.

Cosa significa per la nostra comprensione della longevità

In termini semplici, il modello Christopher–Samba offre un modo chiaro e compatto per descrivere come il rischio di morte diminuisce nella prima infanzia e risale poi con l’età, usando quattro numeri che si mappano direttamente su concetti quotidiani: rischio di morte infantile, velocità del miglioramento nella sopravvivenza dell’infanzia e due età‑tappa che segnano l’inizio di una mortalità osservabile e l’arrivo di un rischio molto elevato. Poiché questi numeri sono facili da interpretare e da confrontare, forniscono a ricercatori, assicuratori e decisori politici una visione più chiara di come e quando le persone muoiono, di come ciò sia cambiato nell’ultimo secolo e di come potrebbe continuare a cambiare con l’invecchiamento delle società. Il modello non sostituisce tutti gli altri, ma è uno strumento pratico e interpretabile che aiuta a tradurre schemi di mortalità complessi in intuizioni utili per decisioni concrete nel mondo reale.

Citazione: Lalromawia, C., Pasupuleti, S.S.R. An interpretable piecewise model for human mortality: the Christopher–Samba model. Sci Rep 16, 12361 (2026). https://doi.org/10.1038/s41598-026-40550-2

Parole chiave: mortalità umana, schemi di invecchiamento, modellizzazione della mortalità, aspettativa di vita, sanità pubblica demografia