En tolkbar styckvis modell för mänsklig dödlighet: Christopher–Samba-modellen

Varför detta spelar roll i vardagen

Hur dina chanser att dö förändras med åldern kan låta morbidt, men det påverkar i det tysta allt från pensionssystem och livförsäkringspremier till sjukhusplanering och folkhälsopolitik. Denna artikel presenterar ett nytt sätt att beskriva dessa förändrade risker över livsloppet med bara några få lättbegripliga tal. Genom att göra mönstren klarare och mer jämförbara mellan länder och över tid hjälper modellen oss att se hur framsteg inom medicin, levnadsstandard och åldrande förändrar människors livslängd.

En enkel bild av liv och död

Globalt följer mänsklig dödlighet ett förvånansvärt regelbundet mönster. Dödsrisken är hög strax efter födseln, faller snabbt under tidig barndom, förblir mycket låg under ung vuxen ålder för att sedan stiga igen när människor blir äldre och slutligen öka brant i hög ålder. Traditionella matematiska modeller kan återskapa denna övergripande form, men de bygger ofta på många abstrakta parametrar som är svåra att tolka för icke-specialister och även för beslutsfattare. Det gör det svårt att använda modellresultaten direkt vid jämförelser mellan länder, uppföljning av framsteg eller planering för framtida hälso- och pensionsbehov.

En tvådelad bild av livets kurs

Författarna föreslår Christopher–Samba (C–S)-modellen, ett nytt "styckvis" tillvägagångssätt som behandlar tidig barndom och resten av livet separat. Den första delen fokuserar på åldrarna 0 till 5. Här minskar dödsrisken i en jämn, exponentiell takt och fångar de snabba förbättringarna i överlevnad som sker efter den sköra nyföddhetsperioden. Två parametrar beskriver denna fas: en återspeglar risken att dö under det första levnadsåret och den andra beskriver hur snabbt den risken minskar från ett år till nästa. Tillsammans ger de en kompakt sammanfattning av spädbarns- och barndomsöverlevnad i en population.

Viktiga vändpunkter i åldrandet

Efter fem års ålder växlar C–S-modellen till en omarbetad version av en logistisk kurva, som stiger långsamt först och sedan brantare i högre åldrar innan den planar ut. Istället för att använda svårbegripliga matematiska konstanter uttrycker författarna denna kurva i termer av två konkreta åldrar. Den första är den ålder då den årliga dödsrisken når ungefär 1 procent, vilket de kallar början av ökad dödlighet. Den andra är den ålder då risken når omkring 10 procent, beskriven som åldern för svår dödlighet. Dessa två åldrar fungerar som vägvisare längs åldrandets väg och markerar när dödsrisken först börjar påverka befolkningsförändring och när den blir mycket hög för de få som når extrem hög ålder.

Vad modellen avslöjar över länder

För att testa sin metod tillämpade författarna C–S-modellen på detaljerade dödlighetsdata från tio länder hämtade ur Human Mortality Database, inklusive Australien, Kanada, Chile, Tyskland, Hongkong, Italien, Japan, Korea, Storbritannien och USA. För varje land undersökte de ett tidigt år (från 1921 och framåt) och ett nyligt år runt 2020–2023. Modellen gav god överensstämmelse med observerade data i samtliga fall och presterade ungefär lika träffsäkert som flera klassiska dödlighetsmodeller, trots att den använde färre parametrar. Resultaten visar levande välbekanta historiska trender: spädbarnsdödligheten har sjunkit från tvåsiffriga procentandelar i början av 1900‑talet till långt under 1 procent i de flesta höginkomstländer idag, och överlevnaden från ett barndomsår till nästa har förbättrats dramatiskt.

Förskjutna riskåldrar och ojämna data

De nya parametrarna belyser också hur själva åldrandet har förändrats. I länder som Australien, Kanada och USA har den ålder då den årliga dödsrisken når 1 procent förskjutits framåt med en till tre årtionden, vilket innebär att människor nu tillbringar betydligt fler år i en fas med mycket låg dödlighet. Däremot har åldern för svår dödlighet—10‑procentsgränsen—flyttat sig endast måttligt, vanligtvis med mindre än tio år, och skiljer sig fortfarande tydligt mellan länder. Hongkong och Japan utmärker sig till exempel med särskilt sena åldrar för både ökad och svår dödlighet, vilket speglar deras exceptionellt långlivade befolkningar. När författarna undersökte att tillämpa modellen på länder med sämre eller grövre dödlighetsdata, såsom Indien, fann de att resultaten var mindre stabila, vilket understryker behovet av högkvalitativa register eller noggranna utjämningsmetoder.

Vad detta betyder för vår förståelse av livslängd

Enkelt uttryckt erbjuder Christopher–Samba-modellen ett rent, kompakt sätt att beskriva hur dödsrisken sjunker i tidig ålder och stiger igen med åldern, med hjälp av fyra tal som direkt motsvarar vardagliga begrepp: spädbarnsdödsrisk, takten i förbättringar av barndomsöverlevnad och två milstolpsåldrar som markerar början på märkbar dödlighet och inträdet i mycket hög risk. Eftersom dessa tal är lätta att tolka och jämföra ger de forskare, försäkringsgivare och beslutsfattare en klarare bild av hur och när människor dör, hur det har förändrats under det senaste århundradet och hur det kan fortsätta att förändras när samhällen åldras. Modellen är inte en ersättning för alla andra, men den är ett praktiskt, tolkbart verktyg som hjälper till att översätta komplexa dödlighetsmönster till insikter som kan vägleda verkliga beslut.

Citering: 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

Nyckelord: mänsklig dödlighet, åldringsmönster, dödlighetsmodellering, förväntad livslängd, folkhälsa demografi