Mortalité toutes causes
La mortalité toutes causes correspond à l’ensemble des décès survenus dans une population pendant une période donnée, quelle qu’en soit la cause.
Cet indicateur paraît très simple, mais il est particulièrement puissant. Il permet de mesurer directement combien de personnes meurent réellement, sans dépendre entièrement de la manière dont chaque décès a été attribué à une maladie précise.
C’est pour cette raison qu’il est souvent utilisé pour étudier l’impact global d’une épidémie, d’une catastrophe, d’une crise sanitaire ou d’une évolution démographique.
Pourquoi regarder tous les décès ?
Attribuer un décès à une cause unique peut être difficile.
Une personne peut être atteinte simultanément de plusieurs maladies. Une infection peut déstabiliser une insuffisance cardiaque. Un cancer peut rendre une personne plus vulnérable à une pneumonie. Une complication liée à un traitement peut intervenir dans une chaîne causale complexe.
La mortalité toutes causes évite en partie ce problème en posant une question plus simple :
Combien de personnes sont mortes, toutes causes confondues ?
Le comptage des décès est généralement plus robuste que leur classification fine par cause.
Le principal avantage : moins dépendre du diagnostic
Supposons qu’une nouvelle maladie infectieuse apparaisse.
Au début, les capacités diagnostiques sont limitées. Certaines personnes malades ne sont jamais testées. D’autres décèdent avant qu’un diagnostic précis soit établi.
Le nombre de décès officiellement attribués à cette maladie peut alors sous-estimer son impact.
La mortalité toutes causes peut révéler qu’un nombre inhabituel de décès survient malgré les imperfections du diagnostic.
Elle permet donc d’observer le signal global sans avoir besoin de classifier parfaitement chaque décès.
Exemple simple
Imaginons une population dans laquelle on observe habituellement environ :
1 000 décès par mois.
Pendant un mois particulier, on en observe :
1 400.
La mortalité toutes causes a donc augmenté de 40 % par rapport au niveau habituel.
Cette observation ne dit pas encore pourquoi 400 décès supplémentaires sont survenus.
Mais elle indique qu’un événement inhabituel mérite d’être étudié.
Mortalité toutes causes et mortalité spécifique
Ces deux indicateurs répondent à des questions différentes.
| Indicateur | Question principale |
|---|---|
| Mortalité toutes causes | Combien de personnes meurent au total ? |
| Mortalité spécifique | Combien meurent d’une cause particulière ? |
La mortalité toutes causes est plus robuste face aux erreurs de classification.
La mortalité spécifique est plus informative sur les causes possibles.
Les deux approches sont donc complémentaires.
Une mesure relativement difficile à manipuler
Il est généralement plus difficile de modifier artificiellement le nombre total de décès que le nombre de décès attribués à une cause donnée.
Les définitions diagnostiques peuvent changer.
Les habitudes de certification peuvent varier.
Mais une personne décédée reste un décès dans la statistique globale.
Cela ne signifie pas que la mortalité toutes causes est parfaite. Les systèmes d’enregistrement peuvent eux aussi connaître des retards, des erreurs ou des différences de couverture.
Mais elle constitue souvent l’un des indicateurs les plus robustes disponibles.
Une limite majeure : elle ne dit pas pourquoi
Le principal défaut de la mortalité toutes causes est exactement l’inverse de son principal avantage.
Elle regroupe tout.
Une augmentation peut être liée à :
- une épidémie ;
- une canicule ;
- une vague de froid ;
- une guerre ;
- une catastrophe naturelle ;
- une crise du système de soins ;
- une augmentation des overdoses ;
- des accidents ;
- plusieurs causes simultanées.
Observer davantage de décès ne permet donc pas d’attribuer automatiquement cette augmentation à la cause que l’on soupçonne.
Corrélation temporelle et attribution
Supposons qu’un nouveau traitement soit introduit en janvier et que la mortalité toutes causes augmente en février.
Cette succession temporelle ne suffit pas à démontrer que le traitement a provoqué l’augmentation.
Il faut examiner d’autres explications :
- saison grippale ;
- canicule ou vague de froid ;
- modification démographique ;
- autre épidémie ;
- changements dans les soins ;
- hasard statistique.
Une corrélation temporelle peut générer une hypothèse, mais elle ne constitue pas à elle seule une preuve causale.
Le rôle du niveau attendu
La mortalité toutes causes devient particulièrement informative lorsqu’on la compare à un niveau attendu.
Pour cela, on estime combien de décès auraient probablement eu lieu en l’absence d’un événement exceptionnel.
On peut utiliser :
- les années précédentes ;
- les tendances démographiques ;
- la saisonnalité ;
- la structure d’âge ;
- des modèles statistiques.
La différence entre les décès observés et attendus correspond à la surmortalité ou, lorsqu’elle est négative, à une sous-mortalité.
Cette notion sera développée dans la fiche suivante.
La saisonnalité
La mortalité n’est pas constante au cours de l’année.
Dans de nombreux pays tempérés, elle est généralement plus élevée en hiver.
Plusieurs phénomènes peuvent y contribuer :
- infections respiratoires ;
- froid ;
- maladies cardiovasculaires ;
- fragilité accrue des personnes âgées.
Comparer un mois d’hiver à un mois d’été sans tenir compte de cette saisonnalité peut donc produire une interprétation erronée.
Le niveau attendu doit être comparé à des périodes réellement comparables.
Effet des canicules
Les vagues de chaleur illustrent bien l’intérêt de la mortalité toutes causes.
Une canicule peut provoquer des décès directement liés à la chaleur, mais aussi aggraver :
- maladies cardiovasculaires ;
- pathologies respiratoires ;
- déshydratation ;
- insuffisance rénale.
Tous les décès ne seront pas nécessairement classés comme « décès dus à la chaleur ».
L’augmentation globale de mortalité peut alors mieux refléter l’impact sanitaire réel de l’événement.
Déplacement de mortalité
Un phénomène important complique toutefois l’interprétation : le déplacement de mortalité, parfois appelé mortality displacement ou effet de moisson.
Une crise sanitaire peut entraîner le décès anticipé de personnes très fragiles qui auraient probablement décédé quelques semaines ou quelques mois plus tard.
On peut alors observer :
- une forte augmentation de mortalité pendant la crise ;
- puis une mortalité légèrement inférieure à la normale dans les semaines suivantes.
Cela ne signifie pas que les premiers décès n’étaient pas réels.
Cela signifie que l’événement peut avoir avancé dans le temps certains décès.
Pourquoi la période choisie est importante
Si l’on regarde uniquement la semaine de pointe, l’impact peut sembler énorme.
Si l’on étudie une année entière, une partie de cet effet peut être compensée par une baisse ultérieure.
Inversement, une analyse trop large peut diluer un événement bref mais important.
Le choix de la période doit donc correspondre à la question étudiée.
Cette difficulté reviendra souvent dans les débats sur la surmortalité.
Mortalité toutes causes et vieillissement
Une population vieillissante peut connaître davantage de décès même si l’état de santé à âge égal s’améliore.
Supposons qu’un pays ait chaque année davantage de personnes de plus de 80 ans.
Le nombre total de décès peut augmenter simplement parce qu’un plus grand nombre de personnes se trouve dans les classes d’âge où le risque de décès est naturellement élevé.
Comparer les décès bruts entre deux années éloignées sans tenir compte de cette évolution démographique peut donc être trompeur.
Standardiser la mortalité
Pour comparer correctement différentes populations ou différentes périodes, on peut utiliser des taux de mortalité standardisés sur l’âge.
Cela permet de distinguer :
l’augmentation due au vieillissement de la population
de
l’augmentation du risque de mourir à âge comparable.
Les nombres bruts et standardisés restent toutefois tous deux utiles.
Le nombre brut mesure la charge réelle de décès.
Le taux standardisé facilite la comparaison des risques.
Retards d’enregistrement
Les données de mortalité ne sont pas toujours immédiatement complètes.
Un décès peut être enregistré plusieurs jours ou semaines après sa survenue.
Les données les plus récentes peuvent donc sembler artificiellement faibles.
Les organismes statistiques corrigent parfois progressivement les chiffres à mesure que les déclarations arrivent.
Une courbe de mortalité publiée aujourd’hui peut donc être révisée ultérieurement.
Cela ne signifie pas nécessairement qu’elle était frauduleuse ou erronée : les données étaient simplement incomplètes au moment de leur publication.
La date du décès et la date d’enregistrement
Il faut également distinguer :
la date à laquelle le décès est survenu
et
la date à laquelle il a été enregistré.
Pour étudier une vague épidémique, il est généralement préférable d’utiliser la date réelle du décès.
Sinon, un retard administratif peut créer artificiellement des pics ou des creux.
Cette différence est particulièrement importante lorsqu’on analyse des périodes courtes.
Les comparaisons internationales
Comparer la mortalité toutes causes entre pays peut être instructif, mais reste délicat.
Les pays peuvent différer par :
- structure d’âge ;
- croissance démographique ;
- qualité de l’enregistrement ;
- saisonnalité ;
- calendrier des crises ;
- habitudes sociales ;
- système de santé.
Les comparaisons doivent donc idéalement utiliser des méthodes harmonisées.
Un simple graphique brut ne suffit pas toujours.
Mortalité toutes causes pendant le Covid
Pendant la pandémie de Covid-19, la mortalité toutes causes est devenue un indicateur central.
Elle permettait de vérifier si les décès officiellement attribués au Covid correspondaient à une augmentation globale de la mortalité.
Dans de nombreux contextes, des excès de mortalité importants ont effectivement été observés.
Mais leur interprétation détaillée demande davantage de prudence.
Une partie peut être liée directement aux infections.
Une autre peut provenir indirectement :
- retard de soins ;
- saturation hospitalière ;
- effets sociaux ;
- autres changements sanitaires.
La mortalité toutes causes mesure l’impact global, pas automatiquement la contribution exacte de chaque mécanisme.
Sous-mortalité pendant certaines périodes
Il est également possible d’observer moins de décès que prévu.
Pendant certaines périodes de restrictions sanitaires, par exemple, plusieurs phénomènes peuvent réduire certaines causes de mortalité :
- circulation plus faible d’autres infections ;
- diminution de certains accidents ;
- changements de mobilité.
Une épidémie peut donc augmenter fortement certaines causes tout en en réduisant d’autres.
La mortalité toutes causes correspond au résultat net de toutes ces évolutions.
La difficulté du contrefactuel
Pour savoir si un événement a augmenté la mortalité, il faut comparer ce qui s’est réellement passé à ce qui se serait probablement produit sans cet événement.
Mais cette seconde situation n’est jamais directement observable.
C’est un contrefactuel.
On doit donc l’estimer à partir :
- des années précédentes ;
- des tendances historiques ;
- de populations comparables ;
- de modèles statistiques.
Toute estimation de surmortalité dépend donc partiellement de la manière dont ce contrefactuel est construit.
Un indicateur robuste, mais pas magique
La mortalité toutes causes possède une grande force : elle évite beaucoup de disputes sur la classification individuelle des décès.
Mais elle ne résout pas automatiquement les problèmes de causalité.
Une hausse globale constitue une observation robuste.
Attribuer cette hausse à une cause précise nécessite encore :
- des données spécifiques ;
- une chronologie cohérente ;
- des comparaisons ;
- l’examen d’autres explications.
Il faut donc distinguer détecter un phénomène et l’expliquer.
Une erreur fréquente : « la mortalité toutes causes augmente, donc X en est responsable »
Ce raisonnement apparaît régulièrement dans les controverses sanitaires.
On observe une augmentation des décès puis on cherche un événement ayant eu lieu peu auparavant :
- vaccination ;
- nouvelle politique ;
- changement environnemental ;
- infection ;
- médicament.
La proximité temporelle peut être intéressante, mais elle ne suffit pas.
Pour démontrer un lien causal, il faudrait notamment montrer que :
- le calendrier est cohérent ;
- les groupes davantage exposés présentent davantage de risque ;
- d’autres explications sont insuffisantes ;
- le phénomène se retrouve dans plusieurs analyses ;
- l’ampleur observée correspond à ce que l’hypothèse devrait produire.
Une courbe superposée à une autre ne démontre pas une causalité.
Une autre erreur : « pas de surmortalité, donc aucun impact »
L’erreur inverse existe aussi.
Un événement peut provoquer certains décès mais être compensé statistiquement par une diminution d’autres causes.
Il est donc possible qu’une intervention ou une maladie ait un effet réel sans modifier fortement la mortalité toutes causes à l’échelle d’une population entière.
La mortalité globale est particulièrement utile pour mesurer un effet net important, mais elle peut manquer de sensibilité pour certains événements rares ou certains sous-groupes.
Mortalité toutes causes et sous-groupes
Une absence d’augmentation globale peut masquer un effet important dans une catégorie particulière.
Par exemple, un phénomène peut augmenter la mortalité chez les personnes très âgées mais avoir peu d’effet chez les jeunes.
Examiner uniquement le taux global mélange les deux groupes.
Il peut donc être nécessaire d’étudier :
- l’âge ;
- le sexe ;
- la région ;
- les périodes ;
- les catégories de risque.
Comme toujours, l’agrégation peut masquer des différences importantes.
Graphiques et choix de l’axe
Les graphiques de mortalité sont également faciles à présenter de manière trompeuse.
Une échelle verticale très resserrée peut amplifier visuellement de petites variations.
Une échelle trop large peut au contraire les rendre presque invisibles.
Il faut donc regarder :
- la valeur de départ de l’axe ;
- l’unité ;
- la période ;
- les moyennes utilisées ;
- le niveau attendu ;
- les intervalles d’incertitude.
Le graphique est une représentation des données, pas les données elles-mêmes.
Une leçon d’esprit critique
La mortalité toutes causes constitue un excellent exemple de la différence entre constater et expliquer.
Elle peut permettre de dire avec une bonne confiance :
« davantage de personnes sont mortes que prévu pendant cette période. »
Mais elle ne permet pas automatiquement de dire :
« nous savons pourquoi toutes ces personnes sont mortes. »
Cette distinction est essentielle.
Un bon raisonnement commence par établir solidement le phénomène avant de discuter de ses causes.
À retenir
La mortalité toutes causes compte l’ensemble des décès, quelle que soit leur cause.
Elle est particulièrement robuste car elle dépend moins des erreurs de diagnostic ou de classification des causes individuelles.
Elle permet de détecter un impact global sur une population et constitue la base des analyses de surmortalité.
Mais elle ne permet pas à elle seule d’attribuer une augmentation à une cause précise.
Son interprétation doit tenir compte :
de la saisonnalité, du vieillissement de la population, des tendances historiques, des retards d’enregistrement, du choix de la période et des autres événements susceptibles d’influencer la mortalité.
C’est donc un indicateur très puissant pour répondre à :
« y a-t-il davantage de décès que prévu ? »
mais beaucoup moins suffisant pour répondre seul à :
« pourquoi ? »
Pour aller plus loin
Organisation mondiale de la santé — travaux sur la mortalité toutes causes et l’excès de mortalité. Des ressources importantes pour comprendre l’utilisation de ces indicateurs lors des crises sanitaires.
EuroMOMO — European Mortality Monitoring. Un système européen de surveillance de la mortalité permettant de suivre les écarts par rapport aux niveaux attendus.
David Spiegelhalter — travaux sur l’interprétation statistique de la mortalité et des risques. Particulièrement utiles pour comprendre les problèmes de comparaison, d’incertitude et de communication pendant les crises sanitaires.