Een interpreteerbaar stukgewijs model voor menselijke sterfte: het Christopher–Samba‑model

Waarom dit van belang is voor het dagelijks leven

Hoe uw sterftekansen veranderen naarmate u ouder wordt klinkt misschien morbide, maar het bepaalt stilletjes alles van pensioensystemen en premies voor levensverzekeringen tot ziekenhuisplanning en volksgezondheidsbeleid. Dit artikel introduceert een nieuwe manier om die veranderende risico’s over een leven te beschrijven met slechts een paar makkelijk te begrijpen getallen. Door deze patronen helderder en beter vergelijkbaar te maken tussen landen en door de tijd heen, helpt het model ons te zien hoe verbeteringen in de geneeskunde, levensstandaard en veroudering de menselijke levensduur hervormen.

Een eenvoudig beeld van leven en dood

Wereldwijd volgt de menselijke sterfte een verrassend regelmatig patroon. Het sterfterisico is hoog direct na de geboorte, daalt snel in de vroege kinderjaren, blijft zeer laag in de jonge volwassenheid en stijgt daarna weer naarmate mensen ouder worden, uiteindelijk sterk toenemend op hoge leeftijd. Traditionele wiskundige modellen kunnen deze algemene vorm reproduceren, maar ze gebruiken vaak veel abstracte parameters die moeilijk te interpreteren zijn voor niet‑specialisten en zelfs voor beleidsmakers. Dat bemoeilijkt het direct toepassen van modelresultaten bij het vergelijken van landen, het monitoren van vooruitgang of het plannen van toekomstige gezondheids‑ en pensioenbehoeften.

Een tweedelige kijk op de levensloop

De auteurs stellen het Christopher–Samba (C–S) model voor, een nieuwe "stukgewijze" benadering die de vroege kinderjaren en de rest van het leven afzonderlijk behandelt. Het eerste deel richt zich op de leeftijden 0 tot 5. Hier daalt het sterfterisico op een vloeiende, exponentiële manier en vangt het de snelle verbetering van overleving na de kwetsbare pasgeborenperiode. Twee parameters beschrijven deze fase: de ene geeft de kans op overlijden in het eerste levensjaar weer, de andere beschrijft hoe snel dat risico van het ene jaar op het andere afneemt. Samen vormen ze een compacte samenvatting van de zuigelingen‑ en kindersterfte in een bevolking.

Belangrijke keerpunten in veroudering

Na de leeftijd van 5 schakelt het C–S‑model over op een herschreven versie van een logistische kromme, die eerst langzaam stijgt en op hogere leeftijden steiler wordt voordat ze weer afvlakt. In plaats van ondoorzichtige wiskundige constanten drukken de auteurs deze kromme uit in termen van twee concrete leeftijden. De eerste is de leeftijd waarop de jaarlijkse kans op overlijden ongeveer 1 procent bereikt, die zij het begin van verhoogde sterfte noemen. De tweede is de leeftijd waarop die kans ongeveer 10 procent bereikt, omschreven als de leeftijd van ernstige sterfte. Deze twee leeftijden fungeren als wegwijzers langs de weg van veroudering: ze markeren wanneer het sterfterisico voor het eerst betekenis krijgt voor bevolkingsverandering en wanneer het voor de weinigen die extreme ouderdom bereiken zeer hoog wordt.

Wat het model onthult tussen landen

Om hun benadering te testen, pasten de auteurs het C–S‑model toe op gedetailleerde sterftedata uit tien landen uit de Human Mortality Database, waaronder Australië, Canada, Chili, Duitsland, Hongkong, Italië, Japan, Korea, het Verenigd Koninkrijk en de Verenigde Staten. Voor elk land bekeken ze een vroeg jaar (vanaf 1921) en een recent jaar rond 2020–2023. Het model paste goed bij de waargenomen gegevens in alle gevallen en presteerde ongeveer even nauwkeurig als verschillende klassieke sterftemodellen, ondanks dat het minder parameters gebruikte. De resultaten tonen duidelijk bekende historische trends: kindersterfte is gedaald van dubbele‑cijferpercentages in het begin van de twintigste eeuw tot ruim onder 1 procent in de meeste landen met hoge inkomens, en de overleving van het ene kinderjaar naar het volgende is sterk verbeterd.

Verschuivende risicoleeftijden en ongelijkmatige data

De nieuwe parameters verhelderen ook hoe veroudering zelf veranderd is. In landen als Australië, Canada en de Verenigde Staten is de leeftijd waarop het jaarlijkse sterfterisico 1 procent bereikt naar voren verschoven met één tot drie decennia, wat betekent dat mensen nu veel meer jaren doorbrengen in een fase van zeer lage sterfte. Daarentegen is de leeftijd van ernstige sterfte — de 10 procent drempel — slechts beperkt opgeschoven, meestal met minder dan tien jaar, en verschilt nog steeds duidelijk tussen landen. Hongkong en Japan vallen bijvoorbeeld op door bijzonder late leeftijden voor zowel verhoogde als ernstige sterfte, wat hun uitzonderlijk langlevende populaties weerspiegelt. Wanneer de auteurs het model toepasten op landen met slechtere of grovere sterftedata, zoals India, vonden ze dat de resultaten minder stabiel waren, wat het belang van goede gegevensregistratie of zorgvuldige gladstrijkmethoden onderstreept.

Wat dit betekent voor ons begrip van levensduur

Simpel gezegd biedt het Christopher–Samba‑model een heldere, compacte manier om te beschrijven hoe het sterfterisico vroeg in het leven daalt en later weer stijgt, met vier cijfers die direct aansluiten op alledaagse concepten: risico op kindersterfte, de snelheid van verbetering in kinderoverleving en twee mijlpaalleeftijden die het begin van merkbare sterfte en het toetreden tot zeer hoog risico markeren. Omdat deze getallen gemakkelijk te interpreteren en te vergelijken zijn, geven ze onderzoekers, verzekeraars en beleidsmakers een helderder beeld van hoe en wanneer mensen overlijden, hoe dat in de afgelopen eeuw veranderd is en hoe het mogelijk zal blijven veranderen naarmate samenlevingen verouderen. Het model vervangt niet alle andere modellen, maar het is een praktisch, interpreteerbaar instrument dat helpt complexe sterftepatronen te vertalen naar inzichten die echte beleidsbeslissingen kunnen sturen.

Bronvermelding: 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

Trefwoorden: menselijke sterfte, verouderingspatronen, sterftemodellering, levensverwachting, volksgezondheid demografie