Benjamin-Samuel Schlüter - Bayesian Hierarchical Models applied to subnational mortality estimation: three applications

Le Recteur de l'Université catholique de Louvain fait savoir que

Benjamin-Samuel Schlüter

soutiendra publiquement sa dissertation pour l'obtention du titre de Docteur en sciences politiques et sociales

“Bayesian Hierarchical Models applied to subnational mortality estimation: three applications”

Abstract

Subnational mortality estimation allows measuring spatial disparities in mortality and their evolution over time. It thus reflects a fundamental aspect of health inequalities. This however means estimating mortality indicators for small population sizes where the stochasticity in death counts is high. This, in turn, can lead to unclear underlying mortality levels. In these contexts, Bayesian Hierarchical Models (BHM) offer good performances, finding an appropriate balance between robustness and sensitivity.

This dissertation is articulated around three applications where the research questions related to subnational mortality estimation are addressed thanks to statistical opportunities offered by BHM. First, I assess the possibility to estimate the probability of dying for children aged 5 to 14 years old at a subnational level in a sample of Sub-Saharan countries using survey data. Second, I measure the heterogeneity of the mortality shock in the context of the COVID-19 pandemic at the district level in Belgium. Third, I compare the performances of models allowing to estimate mortality age schedules at a subnational level. These three applications allow defining general guidelines for subnational mortality estimation.

Résumé

L'estimation sous-nationale de la mortalité permet de mesurer les disparités spatiales de la mortalité et leurs évolutions dans le temps. Elle reflète ainsi un aspect fondamental des inégalités en matière de santé. Cela implique cependant d'estimer des indicateurs de mortalité pour des populations de petite taille, pour laquelle la stochasticité du nombre de décès est élevée. Cela peut conduire à des niveaux de mortalité sous-jacents peu clairs. Dans ces contextes, les modèles hiérarchiques bayésiens (MHB) offrent de bonnes performances, trouvant un équilibre approprié entre robustesse et sensibilité.

Cette thèse s'articule autour de trois applications où les questions de recherche liées à l'estimation de la mortalité sous-nationale sont abordées grâce aux opportunités statistiques offertes par les MHB. Premièrement, j'évalue la possibilité d'estimer la probabilité de décès des enfants âgés de 5 à 14 ans à un niveau sous-national dans un échantillon de pays Sub-Sahariens en utilisant des données d'enquête. Ensuite, je mesure l'hétérogénéité du choc de mortalité dans le contexte de la pandémie de COVID-19 au niveau des arrondissements en Belgique. Enfin, je compare les performances de modèles permettant d'estimer les schémas par âge de mortalité au niveau sous-national. Ces trois applications permettent de définir des recommandations pour l'estimation de la mortalité au niveau sous-national.

Membres du jury

Prof. Bruno Masquelier (UCLouvain), promoteur et secrétaire du jury
Prof. Philippe Bocquier (UCLouvain), président du jury
Prof. Monica Alexander (University of Toronto), évaluatrice externe
Dr. Danzhen You (UNICEF), comité d’accompagnement
Prof. Stéphane Helleringer (New York University), comité d’accompagnement