Mémoires d'Actuariat
Modélisation par apprentissage statistique du lien température-mortalité en Open Data et application prédictive
Auteur(s) SALAUN F.
Société Deloitte Conseil
Année 2024
Résumé
En France, depuis une cinquantaine d’années, les épisodes de chaleurs extrêmes s’avèrent de plus en plus nombreux et intenses. Selon Météo-France, cette tendance est amenée à se poursuivre dans les prochaines décennies. Il convient donc de s’interroger sur l’impact du dérèglement climatique sur la mortalité. Les températures journalières constituent une variable particulièrement intéressante pour mener une telle étude. En effet, une riche littérature a confirmé l’existence d’une variété de relations possibles entre température et mortalité, différenciées par âge, sexe, période et zone géographique. Ce mémoire vise à proposer une analyse prospective de la mortalité en fonction des scénarios climatiques, en utilisant des données en accès libre. L'étude, menée à l'échelle départementale et quotidienne, a conduit à comparer différentes extensions des modèles linéaires généralisés (GLM) par une méthodologie d'apprentissage statistique. Les modèles DLNM (Distributed Lag Non-Linear Models) ont été identifiés comme capables de reproduire fidèlement les faits stylisés, et notamment l’impact des températures extrêmes sur la mortalité. L’étude prospective menée à horizon 2070 a mis en avant une incertitude croissante concernant l'évolution des taux de mortalité, en raison des effets des vagues de chaleur. Ces dernières pourraient entraîner une surmortalité significative chez les personnes âgées, les individus de sexe féminin, et dans les territoires fortement urbanisés. Face à ces risques, une méthodologie a été proposée afin de quantifier l’apport de mesures d’adaptation. Cette étude possède des applications en tarification vie et santé. De plus, elle peut être appliquée dans le cadre de l’intégration du changement climatique dans le processus ORSA.
Abstract
Over the last fifty years or so, extreme heat events in France have become more frequent and more intense. According to Météo-France, this trend is set to continue over the coming decades. We therefore need to consider the impact of climate change on mortality. Daily temperatures are a particularly interesting variable for conducting such a study. A wealth of literature has confirmed the existence of a variety of possible relationships between temperature and mortality, differentiated by age, sex, period and geographical area. The aim of this master thesis is to propose a prospective analysis of mortality as a function of climate scenarios, using open-access data. The study, carried out on a departmental and daily scale, led to a comparison of different extensions of generalised linear models (GLM) using a statistical learning methodology. The DLNM models (Distributed Lag Non-Linear Models) were identified as being capable of faithfully reproducing the stylised facts, and in particular the impact of extreme temperatures on mortality. The prospective study carried out up to 2070 highlighted the growing uncertainty surrounding changes in mortality rates, due to the effects of heat waves. Heatwaves could lead to significant excess mortality among the elderly, among women and in highly urbanised areas. Faced with these risks, a methodology has been proposed to quantify the contribution of adaptation measures. This study has applications in life and health pricing. It can also be applied to the integration of climate change into the ORSA process.
Mémoire complet
Auteur(s) SALAUN F.
Société Deloitte Conseil
Année 2024
Résumé
En France, depuis une cinquantaine d’années, les épisodes de chaleurs extrêmes s’avèrent de plus en plus nombreux et intenses. Selon Météo-France, cette tendance est amenée à se poursuivre dans les prochaines décennies. Il convient donc de s’interroger sur l’impact du dérèglement climatique sur la mortalité. Les températures journalières constituent une variable particulièrement intéressante pour mener une telle étude. En effet, une riche littérature a confirmé l’existence d’une variété de relations possibles entre température et mortalité, différenciées par âge, sexe, période et zone géographique. Ce mémoire vise à proposer une analyse prospective de la mortalité en fonction des scénarios climatiques, en utilisant des données en accès libre. L'étude, menée à l'échelle départementale et quotidienne, a conduit à comparer différentes extensions des modèles linéaires généralisés (GLM) par une méthodologie d'apprentissage statistique. Les modèles DLNM (Distributed Lag Non-Linear Models) ont été identifiés comme capables de reproduire fidèlement les faits stylisés, et notamment l’impact des températures extrêmes sur la mortalité. L’étude prospective menée à horizon 2070 a mis en avant une incertitude croissante concernant l'évolution des taux de mortalité, en raison des effets des vagues de chaleur. Ces dernières pourraient entraîner une surmortalité significative chez les personnes âgées, les individus de sexe féminin, et dans les territoires fortement urbanisés. Face à ces risques, une méthodologie a été proposée afin de quantifier l’apport de mesures d’adaptation. Cette étude possède des applications en tarification vie et santé. De plus, elle peut être appliquée dans le cadre de l’intégration du changement climatique dans le processus ORSA.
Abstract
Over the last fifty years or so, extreme heat events in France have become more frequent and more intense. According to Météo-France, this trend is set to continue over the coming decades. We therefore need to consider the impact of climate change on mortality. Daily temperatures are a particularly interesting variable for conducting such a study. A wealth of literature has confirmed the existence of a variety of possible relationships between temperature and mortality, differentiated by age, sex, period and geographical area. The aim of this master thesis is to propose a prospective analysis of mortality as a function of climate scenarios, using open-access data. The study, carried out on a departmental and daily scale, led to a comparison of different extensions of generalised linear models (GLM) using a statistical learning methodology. The DLNM models (Distributed Lag Non-Linear Models) were identified as being capable of faithfully reproducing the stylised facts, and in particular the impact of extreme temperatures on mortality. The prospective study carried out up to 2070 highlighted the growing uncertainty surrounding changes in mortality rates, due to the effects of heat waves. Heatwaves could lead to significant excess mortality among the elderly, among women and in highly urbanised areas. Faced with these risks, a methodology has been proposed to quantify the contribution of adaptation measures. This study has applications in life and health pricing. It can also be applied to the integration of climate change into the ORSA process.
Mémoire complet
