Torsten Kleinow (Research Centre for Longevity Risk van de UvA), Andrew Cairns (Heriot-Watt University) en Jie Wen (Lloyds Banking Group) presenteren een nieuwe methodologie om deze ongelijkheid met grotere precisie in kaart te brengen.

Hun methode kan door beleidsmakers worden gebruikt om verschillen in levensverwachting gedetailleerder te analyseren. Dit maakt gerichter beleid mogelijk om gezondheidsongelijkheid tegen te gaan.

Lokale ongelijkheid is moeilijk te duiden

Om sterfteverschillen te analyseren, maken onderzoekers en beleidsmakers vaak gebruik van algemene maatstaven, zoals de Index of Multiple Deprivation (IMD). Hoewel dergelijke indices effectief zijn om sociaaleconomische ongelijkheid op nationaal niveau in beeld te brengen, blijken ze minder accuraat bij analyses op regionaal of buurtniveau. Buurten worden vaak geclassificeerd op basis van een geaggregeerde score, waardoor nuances in de lokale context verloren gaan.

Studies die sterftecijfers op lokaal niveau analyseren, richten zich bovendien vaak op 1 factor, zoals inkomen of opleiding. In de praktijk hangt de levensverwachting echter samen met meerdere variabelen die elkaar beïnvloeden. Voor pensioenfondsen en verzekeraars die langlevenrisico’s inschatten, en voor overheden die gezondheidsbeleid vormgeven, is het essentieel om te begrijpen hoe deze factoren op lokaal niveau op elkaar inwerken.

Innovatie via gedetailleerde modellering op buurtniveau

In de publicatie Drivers of mortality: risk factors and inequality introduceren Andrew Cairns, Torsten Kleinow en Jie Wen een nieuwe sociaaleconomische index. De kern van hun aanpak ligt in het gebruik van gedetailleerde waarnemingen van buurtkenmerken, die via lokale lineaire regressie (LLR) worden gekoppeld aan lokale sterftecijfers.

Deze statistische methode maakt het mogelijk om meerdere sociaal-economische variabelen gelijktijdig te modelleren. In tegenstelling tot traditionele methoden hoeft de relatie tussen variabelen niet vooraf strikt te worden vastgelegd; het model past zich aan de lokale datastructuur aan. Hierdoor kunnen interacties tussen variabelen – die per regio kunnen verschillen – nauwkeuriger worden geïdentificeerd.

Nieuwe patronen in levensverwachting

De onderzoekers pasten deze index toe op gedetailleerde buurtgegevens uit Engeland. De analyse bracht verschillende patronen aan het licht die in standaardmodellen vaak buiten beschouwing blijven. Zo kwam het belang van de stedelijk-landelijke dimensie naar voren: de levensverwachting in landelijke gebieden bleek hoger dan in steden met een vergelijkbaar sociaal-economisch profiel.

Daarnaast werd duidelijk dat analyses van sterfte op buurtniveau rekening moeten houden met lokale kenmerken om vertekeningen te voorkomen. Met name de aanwezigheid van verzorgingstehuizen heeft een sterke invloed op de gemeten sterftecijfers. Het voorgestelde model corrigeert voor dit effect en levert resultaten op die beter de onderliggende sociaal-economische factoren weerspiegelen die de levensverwachting in een buurt bepalen.

Een interactieve digitale tool

Voortbouwend op dit onderzoek hebben de onderzoekers de Index of Scottish Life Expectancy (THISLE) ontwikkeld, een interactieve digitale applicatie waarin het model wordt toegepast op zeer gedetailleerde data uit Schotland. De tool bestrijkt bijna 7.000 kleine geografische gebieden (‘data zones’) en biedt inzicht in sterfterisico en levensverwachting op buurtniveau, uitgesplitst naar leeftijd en geslacht.

De applicatie laat zien dat de verschillen aanzienlijk zijn: tussen gebieden kan het verschil in levensverwachting oplopen tot wel 20 jaar. Gebruikers kunnen bovendien verkennen hoe deze patronen binnen het land variëren. Door geavanceerde statistische modellering toegankelijk te maken in een gebruiksvriendelijke interface, stelt THISLE beleidsmakers, zorgorganisaties en lokale partijen in staat om beter te bepalen waar interventies het meest urgent zijn en om de sociale factoren achter deze verschillen beter te begrijpen.

Toepasbaarheid en maatschappelijke waarde

De ontwikkelde methodiek is gebaseerd op breed toepasbare statistische technieken. Dit betekent dat de index ook in andere landen kan worden ingezet, mits er vergelijkbare data op buurtniveau beschikbaar zijn.

Op maatschappelijk vlak maakt deze fijnmazige analyse het mogelijk om beleid beter te baseren op empirisch bewijs. In plaats van generiek beleid maakt dit onderzoek de weg vrij voor gerichte maatregelen die inspelen op specifieke risicofactoren binnen een regio of gemeenschap. Nauwkeuriger meten is daarbij geen doel op zich, maar een noodzakelijke voorwaarde voor effectief beleid dat de levensverwachting en het welzijn van burgers daadwerkelijk verbetert.

Meer weten?

Betrokken Impact Centre: Research Centre for Longevity Risk

Publicatie

• Drivers of mortality: risk factors and inequality. A.J.G. Cairns, T. Kleinow en J. Wen (2024). Journal of the Royal Statistical Society Series A: Statistics in Society, 187.

Overige bronnen

• Scottish Life Expectancy (THISLE) Mapping tool
• New app from Heriot-Watt shows sharp differences in life expectancy (March 23, 2026). The Herald Scotland