Report
Reference
Les déterminants de l'évolution de la qualité de vie des personnes âgées de 65 à 84 ans en Suisse Une analyse longitudinale des
données du Panel suisse de ménages
BURTON-JEANGROS, Claudine, ZIMMERMANN-SLOUTSKIS, Dorith & Fondation Leenaards
Abstract
Cette recherche a été financée dans le cadre de l'appel à projets 2011 ‘Qualité de vie des personnes âgées' de la Fondation Leenaards. Ce rapport est composé d'une première section rappelant les intentions du projet financé; elle est suivie de deux chapitres rendant compte des analyses réalisées dans le cadre de cette recherche. Ces deux chapitres constituent la base d'articles –rédigés en anglais– qui seront soumis à des revues scientifiques. Le premier article présente les résultats relatifs à la distribution et l'évolution de la qualité de vie chez les hommes et femmes de 65 ans à 84 ans en Suisse, basés sur une analyse longitudinale des données du Panel suisse de ménages. Cet article d'orientation plutôt méthodologique sera soumis à une revue d'épidémiologie. Le second article porte sur la qualité de vie des femmes de 65 à 84 ans en Suisse, en prenant en compte différents déterminants sociaux associés à la distribution et l'évolution de leur qualité de vie mais. Il sera soumis à une revue de gérontologie sociale.
BURTON-JEANGROS, Claudine, ZIMMERMANN-SLOUTSKIS, Dorith & Fondation Leenaards.
Les déterminants de l'évolution de la qualité de vie des personnes âgées de 65 à 84 ans en Suisse Une analyse longitudinale des données du Panel suisse de ménages. Genève : Fondation Leenaards, 2013, 75 p.
Available at:
http://archive-ouverte.unige.ch/unige:48380
Disclaimer: layout of this document may differ from the published version.
1 / 1
Les déterminants de l’évolution de la qualité de vie des personnes âgées de 65 à 84 ans en Suisse
__________
Une analyse longitudinale des données du Panel suisse de ménages
Claudine Burton-Jeangros
Département de sociologie, Université de Genève Dorith Zimmermann-Sloutskis
dzs - data analysis and project management in physical activity and health sciences, Genève
Rapport de recherche
Projet financé par la Fondation Leenaards Janvier 2013
Université de Genève Département de Sociologie UNI MAIL, 40 bd du Pont d'Arve CH - 1211 Genève 4
www.unige.ch/ses/socio
DÉPARTEMENT DE SOCIOLOGIE
1
Table des matières
Avant-propos ... 3
Le projet de recherche ... 5
Introduction 5 Revue de la littérature 6 Questions de recherche 9 Les données du Panel suisse de ménages 10 Mesures de la qualité de vie et de ses déterminants 11 Modèles d’analyse et techniques statistiques 12 Références 14 Life satisfaction trajectories among the Swiss elderly: age, period, cohort (APC) effects in the Swiss Household Panel (SHP) data 2000-2010... 17
Abstract 17 Introduction 18 Method 20 Results 24 Conclusions 25 Social determinants in quality of life trajectories among Swiss elderly women. Age-period-cohort analysis between 2000 and 2010 ... 36
Abstract 36 Introduction 40 Quality of life among the elderly ... 40
Quality of life dynamics and its determinants ... 43
The Swiss context ... 44
Research questions and hypotheses 45 Method and analysis 47 Sample selection and method ... 47
Outcome (dependent variable) ... 51
Selected covariates (explanatory variables) ... 51
Structure for age, wave, birth year, and initial age ... 52
Satistical analysis ... 52
Results 54 Age and cohort distributions of respondents ... 54
Life satisfaction levels and trajectories of life satisfaction ... 55
2
Determinants of life satisfaction distribution ... 60
Determinants of age related life satisfaction trajectories ... 61
Discussion 67 Hypotheses regarding levels and trajectories in life satisfaction ... 67
Hypotheses regarding determinants of life satisfaction: ... 68
Interpretations ... 68
Limitations ... 69
Conclusions 70
References 71
3
Avant-propos
Cette recherche a été financée dans le cadre de l’appel à projets 2011 ‘Qualité de vie des personnes âgées’ de la Fondation Leenaards. Ce rapport est composé d’une première section rappelant les intentions du projet financé; elle est suivie de deux chapitres rendant compte des analyses réalisées dans le cadre de cette recherche.
Ces deux chapitres constituent la base d’articles – rédigés en anglais – qui seront soumis à des revues scientifiques. Le premier article présente les résultats relatifs à la distribution et l’évolution de la qualité de vie chez les hommes et femmes de 65 ans à 84 ans en Suisse, basés sur une analyse longitudinale des données du Panel suisse de ménages. Cet article d’orientation plutôt méthodologique sera soumis à une revue d’épidémiologie. Le second article porte sur la qualité de vie des femmes de 65 à 84 ans en Suisse, en prenant en compte différents déterminants sociaux associés à la distribution et l’évolution de leur qualité de vie mais. Il sera soumis à une revue de gérontologie sociale.
4
5
Le projet de recherche
Introduction
L’amélioration de la « qualité de vie » des personnes âgées suscite un important débat éthique et politique relatif à l’engagement des moyens appropriés pour y parvenir. Mais, qu’en est-il des déterminants sociaux et sanitaires de la qualité de vie, telle que les personnes âgées la perçoivent elles-mêmes au cours de leur vieillissement ?
Les recherches passées ont été principalement focalisées sur l’état objectif de santé comme déterminant de la qualité de vie des personnes âgées. L’importance des conditions de vie, des relations familiales et sociales, des activités de loisir, ainsi que des perceptions subjectives et de la satisfaction ressentie a été sous-estimée. En outre, le point de vue des personnes âgées sur leur propre qualité de vie et leur satisfaction par rapport aux prestations d’aide et de soins fournies se trouve peu représenté dans les recherches conduites à l’échelon international et suisse.
Actuellement, la majorité des personnes âgées de 65 ans et plus vit de manière autonome à domicile et est en bonne ou relativement bonne santé. Néanmoins, cette période de la vie est caractérisée par un grand nombre de changements potentiels, tels que la perte du conjoint, l’isolement social, le déclin cognitif, les incapacités physiques (Netuveli et Blane 2008). Alors qu’il semble particulièrement important d’étudier l’évolution de la qualité de vie au cours de la vieillesse, la plupart des travaux ont porté sur des données transversales ne permettant pas d’observer comment la qualité de vie au niveau individuel change au cours du temps, en lien avec différents déterminants – par exemple l’intégration sociale ou la situation de vie – qui sont eux-mêmes susceptibles d’évoluer au cours de cette période de la vie.
En raison du large spectre de variables sur divers domaines de la satisfaction et de leurs déterminants sociaux, y compris la santé, les données du Panel suisse de ménages fournissent une excellente base pour mener des analyses longitudinales sur la qualité de vie des personnes âgées de 65 ans et plus en Suisse. Le projet présenté ici vise à mieux connaître la distribution de la qualité de vie chez les personnes âgées, en prenant en compte les déterminants pouvant influencer cette
6
qualité de vie. Les analyses menées permettent en outre d’évaluer comment cette qualité de vie évolue au fil du temps.
Revue de la littérature
Concepts, définitions et mesures de la qualité de vie
La qualité de vie des personnes âgées est une notion centrale dans les préoccupations médico-sociales et en matière de politiques publiques au vu de la place toujours croissante de la population âgée. Quoique la notion de « qualité de vie » soit perçue comme un bien universel et incontestable, sa définition reste aujourd’hui souvent floue et recouvre des conceptions fort diverses (Compagnone et al. 2007; Stanley & Cheek 2003). L’expérience du vieillissement varie selon les cultures (Antonucci et al. 2002) et les perceptions de santé et de qualité de vie varient également selon l’environnement social des personnes âgées (Blazer 2008).
Dès les années 1990, l’Organisation mondiale de la santé a soutenu le développement d’un instrument de mesure de la qualité de vie (The WHOQOL Group 1995). Cet article soulignait déjà le caractère multidimensionnel (1) de la qualité de vie d’une part, son caractère subjectif (2) d’autre part.
(1) Six domaines de la qualité de vie ont ainsi été identifiés : le domaine physique, le domaine psychologique, le niveau d’indépendance, les relations sociales, l’environnement et les croyances religieuses ou personnelles (The WHOQOL Group 1995). Les concepts et les mesures de la qualité de vie des personnes âgées restent cependant influencés par la présomption que celle-ci est principalement déterminée par leur état de santé. Ainsi, des indicateurs sur l’état de santé sont encore souvent utilisés comme proxies pour mesurer la qualité de vie en général (Guyatt et al. 1993).
La nécessité d’élargir cette approche est aujourd’hui soulignée : ‘QOL should include factors other than health’ (Netuveli et Blane 2008, p. 116).
(2) La qualité de vie est conçue comme une mesure de l’écart perçu par l’individu entre sa situation réelle et ses aspirations (Fry 2000). Ce caractère subjectif implique donc de mesurer les perceptions subjectives, i.e. les sentiments des personnes interviewées quant à leurs conditions de vie (McDowell 2006).
7
Déterminants objectifs et subjectifs de la qualité de vie des personnes âgées
Les enquêtes quantitatives utilisent une grande variété de mesures « objectives » de la qualité de vie en termes de biens et ressources disponibles, ainsi que
« subjectives » telles les perceptions et satisfactions par rapport à divers aspects de la vie (Netuveli & Blane 2008). Avec ces informations provenant de multiples questions fermées les chercheurs ont construit des indicateurs quantitatifs se référant à une ou plusieurs dimensions de la qualité de vie (Gautier et al. 2007;
Girardin Keciour & Spini 2006; Hambleton et al. 2009). Les approches qualitatives, plus rares, permettent de saisir de manière plus compréhensive les dimensions de la qualité de vie telles que les personnes âgées elles-mêmes les conçoivent (Bryant et al. 2004; Compagnone et al. 2007; Fry 2000).
La qualité de vie des personnes âgées est donc déterminée par des facteurs à la fois objectifs (niveau de vie, état de santé, capacités fonctionnelles, participation et contacts sociaux, activités de loirs …) et subjectifs (satisfaction avec la santé, sens de la vie …) (Wilhelmson et al. 2005). Les recherches passées ont été principalement focalisées sur l’état objectif de santé comme déterminant principal de la qualité de vie des personnes âgées (Compagnone et al. 2007). L’importance des conditions de vie, des relations familiales et sociales, des activités de loisir, ainsi que des perceptions subjectives et de la satisfaction ressentie en comparaison avec d’autres aînés a été sous-estimée (Blazer 2008; Henchoz et al. 2008; Netuveli &
Blane 2008; Siegrist & Wahrendorf 2009). La littérature récente tend toutefois à reconnaître la grande importance de la perception subjective qu’ont les personnes âgées elles-mêmes de leur situation sociale et médicale selon les standards qui leur sont propres et les comparaisons qu’elles font avec autrui (Blazer 2008). Ainsi, l’état
« objectif » de santé des personnes âgées ne déterminerait que partiellement le degré de satisfaction par rapport à leur santé (Paskulin & Molzahn 2007) puisque celui-ci résulte principalement de la comparaison qu’elles font avec l’état de santé d’autres aînés de leur âge (Henchoz et al. 2008). Ces comparaisons sociales servent donc aussi à définir des attentes ou aspirations qui interviennent dans l’évaluation de la qualité de vie. Elles peuvent contribuer à expliquer le ‘well-being paradox’ à savoir le fait que des personnes âgées souffrant d’importantes limitations dans leur vie quotidienne évaluent néanmoins positivement leur bien-être (Netuveli et Blane 2008).
8
Pour ce qui en est des facteurs objectifs, les personnes âgées d’un niveau social supérieur jouissent d’une meilleure qualité de vie objective et subjective. Les ressources financières jouent un rôle important (Low & Molzahn 2007; Low et al.
2008). En comparaison avec d’autres pays européens, les différences socio- économiques apparaissent cependant moins associées à la qualité de vie des personnes âgées en Suisse (von dem Knesebeck et al. 2007). Mais, quel que soit le niveau de vie objectif, la perception d’un niveau insatisfaisant en comparaison avec autrui ou de la détérioration de celui-ci, tendrait à diminuer la qualité de vie et être nuisible à la santé (Blazer 2008). Aux Etats-Unis la qualité de vie des personnes âgées en relation avec leur santé est significativement associée avec le statut socio- économique, mais tel n’est pas le cas au Canada. Ceci s’explique probablement par les différences considérables dans l’accès aux soins médicaux dans les deux systèmes de santé (Huguet et al. 2008). L’analyse de la qualité de vie doit donc s’intéresser aux inégalités sociales, qui se sont construites tout au long du parcours de vie des individus et persistent au cours de la vieillesse (Burton-Jeangros et al.
2009).
En effet, l’état de santé et la qualité de vie des personnes âgées se trouvent certainement influencés par les différences observées au cours des étapes antérieures à la vieillesse (Burton-Jeangros 2009). Ainsi, les antécédents sociaux et les situations défavorables intervenant tout au long du parcours de vie, tendraient à augmenter la probabilité de problèmes chroniques de santé et à influencer négativement les niveaux de revenu et de soutien social des personnes âgées entre 50 et 75 ans (Zimmermann et al. 2006). Ces résultats soulignent combien il est important d’étudier les transformations de la qualité de vie, tout au long du parcours de vie mais aussi spécifiquement au cours de la vieillesse. Les études longitudinales restent cependant encore rares (Zaninotto et al. 2009) et sont souvent limitées à un faible nombre d’observations (nombre limité de vagues). Les résultats récents d’une étude longitudinale conduite en Angleterre confirment l’importance des aptitudes physiques, des conditions de vie favorables et des relations familiales pour le maintien d’une bonne qualité de vie parmi les personnes âgées (Webb et al. 2010).
La question des différences de genre en matière de qualité de vie est par ailleurs encore peu étudiée (Zaninotto et al. 2009). Or, des inégalités entre hommes et
9
femmes sont documentées sur différents plans tout au long des trajectoires individuelles : notamment les femmes vivent plus longtemps mais sont en moins bonne santé (Annandale & Hunt 2000), la division du travail entre activités rémunérées et tâches domestiques est genrée (Maruani 2006). Il est donc également important d’étudier comment ces éléments influencent la qualité de vie au cours de la vieillesse en se demandant si cette étape de la vie gommerait les écarts liés aux rôles sociaux associés aux étapes précédentes de la vie ou si au contraire des écarts persistent entre hommes et femmes. Zaninotto et al. (2009) suggèrent plutôt le maintien de différences en relevant par exemple que la vie en couple a une influence positive pour la qualité de vie des hommes, mais pas pour celle des femmes.
Questions de recherche
La grande majorité des personnes âgées de 65 ans vit une vie autonome à domicile et est en bonne santé. Ainsi, nous faisons l’hypothèse que la qualité de vie des personnes âgées résulte principalement de leurs conditions de vie et de leur insertion sociale et relationnelle. L’axe principal des analyses portera sur les associations entre les facteurs liés aux ressources socio-économiques, l’intégration sociale et l’état de santé pour expliquer les changements dans l’appréciation de la qualité de vie.
Une attention particulière sera accordée aux différences en fonction de l’âge. En effet, il est a priori attendu que la qualité de vie décline avec le vieillissement individuel; il apparaît ainsi pertinent de comparer les personnes de 65 à 74 ans, qui entrent dans la vieillesse à celles de 75 à 84 ans qui sont supposées connaître un certain nombre de pertes au fur et à mesure du vieillissement. Toutefois, la comparaison entre catégories d’âge cache souvent des effets de cohortes et de périodes, issus du fait que les personnes observées sont nées à des époques différentes et vivent les évènements lors de différentes années. Afin de prendre en considération le changement social dans l’évaluation de la qualité de vie, nous comparerons deux cohortes successives à l’intérieur de chacune des catégories d’âge. Enfin, l’analyse longitudinale permettra également d’étudier les trajectoires individuelles de qualité de vie, en montrant quels sont les facteurs (âge, déterminants
10
sociaux) qui influencent la stabilité ou le déclin de cette évaluation au fil du temps tout en contrôlant pour les effets de cohortes et de périodes.
Par ailleurs, le genre étant un important paramètre de différenciation des trajectoires sociales et de la qualité de vie, nous comparerons dans un premier temps la distribution et la trajectoire de la qualité de vie entre les hommes et les femmes.
Dans un second temps, l’analyse se centrera sur les déterminants de la qualité de vie chez les femmes de 65 à 84 ans.
Les données du Panel suisse de ménages
L’objectif principal du Panel suisse de ménages (PSM) est d’observer le changement social, notamment la dynamique de l’évolution des conditions de vie de la population en Suisse. L’enquête du PSM représente une base de données longitudinales unique en Suisse, portant sur un vaste ensemble de sujets et d’approches dans le domaine des sciences sociales (www.swisspanel.ch) (Zimmermann & Budowski 2003; Zimmermann & Tillmann 2004).
Le PSM est une enquête menée annuellement auprès d’un échantillon aléatoire de ménages privés résidant en Suisse. Tous les membres d’un ménage, âgés de 14 ans et plus, sont interviewés individuellement par téléphone sur la base d’un questionnaire hautement standardisé (CATI – Computer Assisted Telephone Interviewing)1. La collecte de données a débuté en 1999 avec un premier échantillon composé de 5’074 ménages et de 12’931 individus (PSM_I). Dès 2004, un deuxième échantillon, composé de 2’538 ménages et de 6’569 individus est interrogé en parallèle (PSM_II). Actuellement, les données disponibles du PSM contiennent les informations récoltées depuis 1999 jusqu’en 2011, c’est-à-dire treize vagues annuelles.
La satisfaction de la vie n’ayant pas été mesurée lors de la première vague du Panel en 1999, les analyses ont été menées sur les vagues 2000 à 2010. Le sous-
1 Les interviews sont menées par l’Institut M.I.S. Trend de Lausanne sous la responsabilité de Mme Hélène Miauton, directrice.
11
échantillon des personnes âgées de 65 ans à 84 ans2, utilisé pour nos analyses, contient les données agrégées pour les années 2000 à 2010 (« pooled data ») de 2492 personnes (1090 hommes et 1402 femmes), générant 11099observations. Le nombre moyen de vagues annuelles de suivi est de 4.5±3.1 avec 186 (7.5%) (2046 observations) des personnes participant aux 11 vagues et 407 (16%) à 8 vagues ou plus.
Mesures de la qualité de vie et de ses déterminants
La « qualité de vie » est mesurée par le degré de « satisfaction de vie » avec la vie en général et divers domaines de celles-ci : la situation financière, vivre seul(e) ou en couple, les relations avec les autres, les loisirs et la santé. Les questions de satisfaction ont toutes le même format: Dans quelle mesure êtes-vous satisfait de (…), si 0 signifie "pas du tout satisfait" et 10 "tout à fait satisfait" ?.
Parmi les nombreux déterminants possibles, nous avons retenus :
• le niveau de formation, défini par la plus haute formation achevée au cours de l’existence avec certificat ou diplôme ;
• la satisfaction avec le revenu du ménage, évaluée sur une échelle de 0 à 10 (0=pas satisfait du tout et 10=très satisfait) ;
• l’évaluation de la situation de vie - basée sur la typologie des ménages par PACO3 - distinguant ceux qui vivent seul(e)s de ceux qui vivent avec quelqu’un d’autre dans leur ménage, le plus souvent avec leur époux, épouse ou partenaire ;
• les indicateurs du soutien pratique et émotionnel sont construits sur la base de l’aide obtenue ou de celle qu’il serait possible d’obtenir de la part de personnes extérieures au ménage, telles un partenaire, des parents, des
2 Font partie du sous-échantillon toutes les personnes qui affichent 65-84 ans au moment de chaque vague d’interviews entre 2000 et 2010.
3 Panel Comparability (PACO) project, which was funded by the European Commission under the Human Capital and Mobility Programme (1993-1996).
12
enfants, des amis proches, des collègues de travail ou des voisins. “En cas de nécessité, à votre avis, dans quelle mesure les personnes mentionnées vivant hors du ménage peuvent-elles vous aider pratiquement (c'est-à-dire par une aide concrète ou un conseil utile), si 0 signifie ‘pas du tout’ et 10 ‘beaucoup’ ?”
et “Et à quel point les personnes mentionnées peuvent-elles être là en cas de besoin en faisant preuve de compréhension, en parlant avec vous par exemple, si 0 signifie ‘pas du tout’ et 10 ‘beaucoup’?” ;
• L’état de santé est évalué par la question directe suivante : « Nous allons aborder maintenant différents aspects concernant votre santé. Comment allez-vous en ce moment? » Les personnes répondant « très bien ou bien » sont considérées comme étant en bonne santé.
Modèles d’analyse et techniques statistiques
L’objectif principal des analyses est de mettre en évidence la distribution et la tendance avec l’âge (trajectoire) de la qualité de vie selon deux catégories d’âge (65- 74 et 75-84) pour des cohortes différentes à des périodes différentes (1936-1945 versus 1926-1935 pour les 65-74 ans et 1936-1935 versus 1916-1925 pour les 75-84 ans). L’association entre d’une part la qualité de vie et sa trajectoire et d’autre part les déterminants sélectionnés ci-dessus sera étudiée pour les mêmes catégories d’âge et cohortes.
Nous nous intéressons ici principalement aux déterminants du changement de la satisfaction avec la vie en général. L'effet causal est mis en évidence à partir de la comparaison des individus différents entre eux par leur exposition à la cause. Deux notions de causalité seront particulièrement distinguées, chacune d'elle ayant des implications différentes, mais complémentaires et non contradictoires: la causalité relative et la causalité absolue (Rothman et al. 2008).
Les analyses feront usage de techniques et modèles statistiques récents, adaptés à l’analyse de données longitudinales issues d’observations multiples et répétées fournies par les mêmes personnes: « Generalized Estimation Equation (GEE) » ;
« Multilevel Mixed model» et « Hierarchical Age-Period-Cohort (HAPC) model», une forme spécifique du mixed model. Les déterminants ont été introduits dans ces
13
modèles, soit pour ajustement, soit pour estimer leur effet indépendant ou commun sur la qualité de vie ou sa trajectoire (Diggle et al. 2002 ; Fitzmaurice et al. 2004 ; Singer & Willett 2003).
Principaux résultats
Alors que la satisfaction de la vie semble a priori relativement stable au cours du vieillissement, la comparaison de cohortes de naissance successives montre des variations entre groupes de personnes âgées. Les cohortes plus récentes sont globalement moins satisfaites de leur vie que les cohortes plus anciennes, tant parmi les ‘jeunes vieux’ (65-74 ans) que les ‘vieux vieux’ (75-84 ans). Cependant, la satisfaction avec la vie est plus stable parmi les cohortes plus récentes, disposant globalement de plus de ressources socio-économiques. S’il est clairement apparu que la satisfaction de la vie est influencée par les conditions socio-économiques dans lesquelles ont vécu et vivent les personnes âgées, leurs capacités individuelles à faire face aux pertes liées au vieillissement affectent également leur satisfaction.
Ces travaux d’analyse contribuent à mieux comprendre les déterminants et la trajectoire de la qualité de vie au cours du vieillissement dans la population âgée vivant à domicile en Suisse, en y intégrant des éléments subjectifs, mesurés ici en termes de satisfaction. La mise en évidence des processus influençant la qualité de vie au cours du temps peut aider à la formulation de mesures de politiques sociales et sanitaires adaptées aux besoins de cette population, en portant une attention particulière aux différences entre hommes et femmes et entre milieux sociaux. En outre, sur le plan de la recherche, ces analyses permettent de contribuer à la clarification du concept de qualité de vie et en particulier à élucider la part que joue le vieillissement (âge), la cohorte et/ou la période sur celle-ci, au delà des déterminants connus. Ces analyses offrent également une contribution méthodologique quant aux mesures à privilégier dans ce domaine.
14
Références
Annandale, E. and Hunt, K. (2000) Gender Inequalities in Health. Buckingham, Philadelphia: Open University Press.
Antonucci, T.C., Okorodudu, C. and Akiyama, H. (2002) Well-Being among Older Adults on Different Continents. The Journal of Social Issues, 58, 617-626.
Blazer, D.G. (2008) How do you feel about...? Health outcomes in late life and self- perceptions of health and well-being. Gerontologist, 48, 415-422.
Bowling, A. and Stenner, P. (2011) Which measure of quality of life performs best in older age? A comparison of the OPQOL, CASP-19 and WHOQOL-OLD. J Epidemiol Community Health, 65, 273-280.
Bryant, T., Brown, I., Cogan, T., Dallaire, C., Laforest, S., McGowan, P. et al. (2004) What do Canadian seniors say supports their quality of life? Findings from a national participatory research study. Can J Public Health, 95, 299-303.
Burton-Jeangros, C. (2009) Les inégalités face à la santé: l'impact des trajectoires familiales et professionnelles sur les hommes et les femmes. In Oris, M., Widmer, E., de Ribeaupierre, A., Joye, D., Spini, D., Labouvie-Vief, G. et al. (eds.) Transitions dans les parcours de vie et construction des inégalités, Lausanne: Presses polytechniques et universitaires romandes.
Burton-Jeangros, C., Widmer, E. and Dannefer, D. (2009) Cumulative and compensatory effects over the life course. Swiss Journal of Sociology (special issue), 35.
Compagnone, P.D., Van, M.T. and Bouisson, J. (2007) Definition of the quality of life by elderly. European Review of Applied Psychology-Revue Europeenne De Psychologie Appliquee, 57, 175-182.
Diggle, P.J., Haegertxy, P., Liang, K.-Y. and Zeger, S.L. (2002) Analysis of Longitudinal Data. Oxford New York: Oxford University Press.
Fitzmaurice, G.M., Laird, N.M. and Ware, J.H. (2004) Applied Longitudinal Analysis.
Hoboken, New Jersey: John Wiley & Sons.
Fry, P.S. (2000) Whose quality of life is it anyway? Why not ask seniors to tell us about it? Int J Aging Hum Dev, 50, 361-383.
Gautier, A., Kubiak, C. and Collin, J.-F. (2007) Qualité de vie : une évaluation positive. In Beck, F., Guilbert, P. and Gautier, A. (eds.) Baromètre santé 2005 : attitudes et comportements de santé, Saint-Denis: INPES.
15
Girardin Keciour, M. and Spini, D. (2006) Well-being and frailty process in later life : an evolution of the effectiveness of downward social comparison. Schweizerische Zeitschrift für Soziologie = Revue suisse de sociologie, 32, 389-406.
Guyatt, G.H., Feeny, D.H. and Patrick, D.L. (1993) Measuring Health-Related Quality of Life. Ann Intern Med, 118, 622-629.
Hambleton, P., Keeling, S. and McKenzie, M. (2009) The jungle of quality of life:
Mapping measures and meanings for elders. Australasian Journal on Ageing, 28, 3- 6.
Henchoz, K., Cavalli, S. and Girardin, M. (2008) Perception de la santé et comparaison sociale dans le grand âge. Sciences sociales et santé, 47-72.
Hickey, A., Barker, M., McGee, H. and O'Boyle, C. (2005) Measuring health-related quality of life in older patient populations: a review of current approaches.
Pharmacoeconomics, 23, 971-993.
Huguet, N., Kaplan, M.S. and Feeny, D. (2008) Socioeconomic status and health- related quality of life among elderly people: results from the Joint Canada/United States Survey of Health. Soc Sci Med, 66, 803-810.
Hyde, M., Wiggins, R.D., Higgs, P. and Blane, D.B. (2003) A measure of quality of life in early old age: the theory, development and properties of a needs satisfaction model (CASP-19). Aging Ment Health, 7, 186-194.
Idler, E.L. and Benyamini, Y. (1997) Self-rated health and mortality: a review of twenty-seven community studies. J Health Soc Behav, 38, 21-37.
Low, G. and Molzahn, A.E. (2007) Predictors of quality of life in old age: a cross- validation study. Res Nurs Health, 30, 141-150.
Low, G., Molzahn, A.E. and Kalfoss, M. (2008) Quality of life of older adults in Canada and Norway: examining the Iowa model. West J Nurs Res, 30, 458-476.
Maruani, M. (2006) Travail et emploi des femmes. Paris: Editions La Découverte.
Netuveli, G. and Blane, D. (2008) Quality of life in older ages. Br Med Bull, 85, 113- 126.
Paskulin, L.M. and Molzahn, A. (2007) Quality of life of older adults in Canada and Brazil. West J Nurs Res, 29, 10-26; discussion 27-35.
Rothman, K.J., Greenland, S. and Lash, T.L. (2008) Modern Epidemiology.
Philadelphia, USA: Wolters Kluwer Lippincott Williams & Wilkins.
Siegrist, J. and Wahrendorf, M. (2009) Participation in socially productive activities and quality of life in early old age: findings from SHARE. Journal of European Social Policy, 19, 317-326.
Singer, J.D. and Willet, J.B. (2003) Applied Longitudinal Data Analysis - Modeling Change and Event Occurence. Oxford NewYork: Oxford University Press.
16
Stanley, M. and Cheek, J. (2003) Well-being and older people: a review of the literature. Can J Occup Ther, 70, 51-59.
von dem Knesebeck, O., Wahrendorf, M. and Hyde, M. (2007) Socio-Economic Position and Quality of Life among Older People in 10 European Countries: Results of the SHARE Study. Ageing and Society, 27, 269-284.
Webb, E., Blane, D., McMunn, A. and Netuveli, G. (2010) Proximal predictors of change in quality of life at older ages. J Epidemiol Community Health.
Wilhelmson, K., Andersson, C., Waern, M. and Allebeck, P. (2005) Elderly People's Perspectives on Quality of Life. Ageing & Society, 25, 585-600.
Zaninotto, P., Falaschetti, E. and Sacker, A. (2009) Age trajectories of quality of life among older adults: results from the English Longitudinal Study of Ageing. Qual Life Res, 18, 1301-1309.
Zimmermann, E. and Budowski, M. (2003) The Swiss Household Panel Survey: A Multidimensional Database for Monitoring Social Change. In Joye, D., Renschler, I.
and Hainard, G. (eds.) Social change and social reporting, Neuchâtel: UNESCO &
SIDOS.
Zimmermann, E. and Tillmann, R. (2004) Vivre en Suisse 1999-2000 - Une Année dans la vie des ménages et familles en Suisse. Leben in der Schweiz 1999-2000 - Ein Jahr im Leben der Schweizer Familien und Haushalte. In Oris, M. (ed.) Population, Family and Society, Bern: Peter Lang.
Zimmermann, E., Stuckelberger, A. and Meyer, P.C. (2006) Effects of cumulative disadvantage and disruptive life events on the physical and mental health of individuals between the ages of 50-74 years: analysis from the Swiss Household Panel. Swiss Journal of Sociology 32, 527-555.
17
Life satisfaction trajectories among the Swiss elderly:
age, period, cohort (APC) effects in the Swiss Household Panel (SHP) data 2000-2010
Dorith Zimmermann-Sloutskis & Claudine Burton-Jeangros
Abstract
Aging life satisfaction (LS) trajectories are widely discussed and theories and methods of analysis are diverse, issues are multifactorial and patterns controversial.
LS depends on external objective living conditions and on internal personal traits, with coping mechanisms making somehow the link between them. Several study designs have been used to estimate patterns in LS trajectories, but most of them were repeated cross-sectional surveys. The main issue in the analysis of aging trajectories over time is to solve the “identification problem” due to the perfect linear dependency between age, period and cohort (APC) (cohort=period-age). The Swiss Household Panel (SHP), a longitudinal survey on social changes was used to estimate LS trajectories in older men and women aged 65 to 84 years between 2000 and 2010. We used the multilevel hierarchical age-period-cohort (HAPC) mixed model to estimate the aging effect net of period and cohort bias and separate the between and the within-subjects variance. HAPC methods have been applied to repeated CS surveys introducing synthetic cohorts in the random level-2 model. With the currently used SHP longitudinal data, the main random effects were the within and between subjects variation (55%) and cohort did not add much to the total variance. Period was cancelling the significant decline on aging since both slopes were increasing by one year. Men were slightly more satisfied than women. More recent cohorts at identical age were less satisfied than former cohorts but coped better with aging in both genders. These results emphasize the importance of using longitudinal data for highlighting the aging decline in LS among the elderly population, net of cohort and period effects, and for further research about individual or social determinants of LS.
18
Introduction
Intuitively, life satisfaction (LS) is expected to decline in old age as health and resources deteriorate. However different theories exist regarding aging and well- being trajectories. Some reported a U-shape pattern of LS on age over the life cycle, with satisfaction being the lowest during midlife (Blanchflower and Oswald 2008). A stable trend or even an improvement of LS with aging would result from better adaptation and regulation of emotions or to inherited personality traits (Gross et al.
1997). Others are reporting a decline of life satisfaction in old age, due to the impact of negative events such as disease, economic deprivation or the narrowing of social integration and participation (Netuveli et al. 2006). Next to assessing the influence of individual aging on life satisfaction, these studies acknowledge the relevance of taking into account cohort effects. Successive cohorts, born and having lived in different socio-economic contexts might react differently to their environment and their social conditions, which is likely to influence their satisfaction with life in older age.
Correlates with LS are multifaceted, including characteristics “internal” to the individual such as personality traits and “external” characteristics such as socio- economic factors. The interactions between individual characteristics and life circumstances he/she is living through are also affected by the individual coping mechanisms with life events which are themselves influenced by education or past life experiences (Diener 1999).These influences are likely to affect individual quality of life along aging but also to vary among cohorts. If individual coping mechanisms to overcome stress, deprivation and negative life events are efficient, LS trajectories should remain relatively stable over aging. However if negative events are perceived as destructive, LS trajectories might sharply decline during that period of the life course. In the analysis of LS trajectories, it is often difficult to differentiate the role played by individual traits, objective circumstances and experiences the persons lived through.
Most studies on LS trajectories are based either on one cross-sectional (CS) survey or on repeated CS studies. In the first ones, the assessment of aging is potentially biased by cohort and/or period effects. In the second ones, it is possible to separate the cohort effect from the age trajectories across synthetic cohorts but assessing
19
within subjects variation is impossible. In this article, we assess the relationship between life satisfaction (LS) and age as well as the trajectory of LS over aging, net of cohort and period effects, among men and women aged 65 to 84 years, using the nationally representative Swiss Household Panel (SHP) longitudinal survey. Several statistical methods exist to solve the “identification problem” due to the perfect linear dependency between age, period and cohort (APC) (cohort=period-age). The panel design of the SHP survey can be considered as a “cohorts within a cohort” and special statistical methods to separate the aging effect from the period and cohort effects are needed. We selected here a recently developed method mostly applied in the past to repeated CS studies, namely the multilevel Hierarchical Age-Period- Cohort (HAPC) mixed model. The HAPC was used here to disentangle the period and cohort effects from the aging effect as applied in repeated CS data and the repeated individual observations feature of the data permitted additionally to assess the respective parts of within- and of between-subjects variability out of the total variance (Singer and Willette 2003). We expect the part of LS inherent to individual personality traits to be expressed by the within-subject part of the variance out of the total variance, and the part due to external factors such as socio-economic issues or negative life event to be expressed by the between-subjects variance. If out of the total variance the within-subject variability is predominant, then time-variant explanatory variables characterizing individual traits should be explored. On the other hand, if the between-subjects variance is higher, then looking for between group time-invariant population covariates should be a priority in accounting for the heterogeneity across subjects sharing common characteristics.
The purpose of this study is to analyze the dynamic of life satisfaction trajectory with aging across the later part of the life course among Swiss men and women aged 65 to 84 years, born between 1916 and 1945. The main goal is to assess aging change in LS net of period or cohort effect. The analysis is based on “real” (respectively not synthetic) cohorts across ten calendar years (2000-2010). Considering the decline in health and in resources individuals typically encounter, as they grow older, we expect LS to decline.
20
Method
The nationally representative Swiss Household Panel (SHP) survey was used to assess the aging life satisfaction (LS) trajectory, net of cohort and period effects, among Swiss men and women aged 65 to 84 years.
The degree of life satisfaction (LS) (outcome) in general was considered here as a proxy-measure for quality of life score (QOL). The question was “In general, how satisfied are you with your life if 0 means "not at all satisfied" and 10 means
"completely satisfied"”? LS is analyzed on a continuous scale. SL trajectories are estimated for the individual and the population aging change.
The Swiss Household Panel data collection started in 1999 with the aim to observe social change, in particular the dynamics of living conditions within the Swiss population (www.swisspanel.ch) (Zimmermann & Budowski 2003; Zimmermann &
Tillmann 2004). Based on an initial random sample of private households living in Switzerland, the survey is repeated yearly. All household members, aged 14 and over, are interviewed through a CATI (Computer Assisted Telephone Interviewing) procedure. The initial sample, selected in 1999, was composed of 5,074 households and 12,931 individuals. In 2004, a complementary sample of 2,538 households and 6,569 individuals has been added and its units are followed annually ever since. The total number of individuals starting at any time between the waves 1999 and 2010 is 15,507 (82,146 observations). Out of this total number, 7,788 entered in 1999 and 3,823 during the refreshment sample in 2004; the remaining 3,896 individuals joined the SHP in between either because they turned 14 years or because they joined the household as a spouse. Since life satisfaction has not been recorded in the first SHP wave (1999), we therefore included in the present study waves 2000 to 2010. For the present analysis, we retain the SHP subsample of 1,090 men (43.7%) and 1,402 women (56.3%), aged 65 to 84 years, generating 11,099 observations (mean age=72.2±5.3). The exclusion of age above 85 years is motivated by the instability of the results due to small numbers. In the SHP data between 2000 and 2010, only 4%
of men and women above 65 years were 85 years and older. The average wave participation was 6.5 ± 3.1 (6.5 in men 6.6 in women). Data have been weighted by yearly transversal weights in order to represent the elderly women of general population at each calendar year.
21
The SHP is based on multiple cohorts within the main survey cohort over one decade (2000-2010). Since subjects could enter the study at different calendar years and at different age joining the age trajectory of their specific birth cohort, we considered the design as “cohorts within a cohort”. In this kind of data the estimation of the longitudinal aging effect is facing the identification problem of the age (A)-period (P)- cohort (C) perfect linearity (A=P-C). To overcome the perfect APC correlation we used here the multilevel hierarchical age-period-cohort (HAPC) mixed model to estimate the aging effect net of period and cohort effects. Most HAPC models use age for synthetic cohorts in repeated CS studies, in the SHP data subjects are followed yearly and it is possible to estimate the within- and between- subjects variability. The fixed estimate of age was introduced in level-1 and the random effect of age in level-2. Age is time-variant but fixed by the study design. The random part of age allowed individuals to vary in the intercept and the slope (between) around the population mean trajectory and each individual to vary within his/her own trajectory.
Period was introduced in two different ways, once as a dummy time-variant in level-1 without a random part in level-2, and once as time-invariant, coded as the mean period for each subject, and introduced only as random in level-2. Period as time- variant changes for each subject as he/she gets older by one year as does age (within-subject time-variant covariate); theoretically period can appear in level-1, modifying the within-subjects variance but it can also appear in level-2 for the between-subjects variance. However we did not add period as time-variant in level-2 because period is inherent to the study design and varies like age by a year increment. Then we also introduced “period” as a time-invariant covariate computed as the individual mean period over all his/her follow-up waves. The time-invariant period component was introduced only in level-2. Both models for period are compared in terms of their statistical model fit.
Cohort (birth year) is by definition time-invariant and was introduced only in level-2 as a random effect. So far, most HAPC models introducing cohort as random have been applied to repeated cross-sectional data (O’Brian et al. 2008; Yang 2006; Yang and Land 2006, 2008; Reither et al. (2009); (Zheng et al. 2011)). In our analysis, we included a random intercept and slope for the between individuals variation, only possible when observations are repeated for each individual, in addition to the random effect for cohorts also possible in repeated CS studies for synthetic cohorts.
22
The HAPC model permitted us to disentangle the period and cohort effects from the aging effect and to assess the respective part of within- and of between-subjects variability out of the total variance (Singer and Willette 2003). The unconditional mean mixed model including no covariate in level-1 and only a random intercept in level-2 is presented to express the amount of autocorrelation (interclass correlation, ρ). The unconditional growth model permitted to assess the part of within subjects variance explained by aging. The next conditional models including period or birth year permitted to isolate the aging effect from cohort and period effects. The shape of the panel data is presented as an APC table with birth years (cohorts) in rows, periods in columns and age in diagonals (Figure 1). All successive models are presented in a step by step taxonomy table in men and women separately (Table 4a for men and Table 4b for women). The variance partitioning is presented (Clarke et al. 2011) Singer and Willette 2003). Age was centered to the mean population age (age-72 years), period was centered to 2005, the mean population period (period- 2005) and birth year to 1933 (birth year-1933). Centering age, period and birth year were important in order to get interpretable LS scores in the intercept close to the population grand mean. Individual LS trajectories over aging are presented graphically for the different models and for three birth cohort categories (1916-1925, 1926-1935, and 1936-1945).
The descriptive analysis and the HAPC models were carried out in several steps as:
1. An APC table (Table 1) and a descriptive pooled analysis assessing for each period (2000 to 2010) the distributions for age, birth year and LS (Table 2) and graphically LS for linear age, birth year and period by gender (Figure 1- 1a to 1c).
2. The unconditional mean model for the estimation of the part of between- subjects variance expected out of the total variance, once only across individuals and then across time-invariant between-subjects covariates: gender, cohorts, mean individual period. We assessed how much the between subjects covariates added to the between-subjects variance (Table 3).
3. For men and women separately, a step by step model building taxonomy method (Singer) was conducted: a) the pooled LS regressed on age (model 1), on birth year and on period (Figures 1b and 1c), b) the unconditional mean model with
23
random intercept for subjects (model 2), c) the unconditional mean model with random intercept for subjects and birth year (model 3), d) the unconditional growth model adding age at level-1 and level-2. The growth model was used to assess the part of within-subject variance in the intercept and slope attributable to individual aging trajectory through the pseudo-R2 statistic (R2ε) (model 4), e) the growth model including centered age and period as time-variant in level-1, with a random intercept and slope for age but no additional random effect for period (model 5), f) the growth model including age and mean individual period as time-invariant in level-1 but no additional random effect in level-2 for period (model 6); f) the growth model including age in level-1 and birth year as time-invariant in level-2 (model 7) (Table 4a for men and Table 4b for women).
4. We defined three birth cohort categories to assess graphically the LS age trajectories (1916-1925, 1926-1935, and 1936-1945).
The models in Table 4 and Table for men and women are:
Model 1:
Yij= γ + γagei + ζ Model 2:
Yij= γ00 + [εij + ζ1i] Model 3:
Yij= γ00 + [εij + ζ1i + ζ3i] Model 4:
Yij= γ00 + γ10 ageij + [εij + ζ1i + ζ2i ageij + ζ3i] Model 5:
Yij= γ00 + γ10 ageij + γ20 periodij [εij + ζ1i + ζ2i ageij + ζ3i] Model 6:
Yij= γ00 + γ10 ageij + γ20 periodi [εij + ζ1i + ζ2i ageij + ζ3i] Model 7:
Yij= γ00 + γ10 ageij + γ20 irth yeari [εij + ζ1i + ζ2i ageij + ζ3i]
24
(Note: when a covariate is time-variant the index is ij, when it is time-invariant the index is i)
Results
Our sample selection for the population aged 65 to 84 years resulted in a data shape with identical ages at each period (p>0.5 in men and women) but consequently individuals belonged to more recent cohorts for each age as time (period) progresses (p<0.0001 in men and women) (Table 2). The overall weighted mean in LS score was 8.3±1.6 in men and 8.2±1.7 in women (p=0.1). Since age is similar across periods (p=0.21) while birth years are significantly different across periods (p<0.0001), the difference between periods in LS is not due to aging but results from a cohort effect, with more recent cohorts (born at later periods) being less satisfied (Table 2).
Slightly more than half (55%) of the LS score variability is attributable to within- individual traits (ρ=0.55), while the other half can be attributed to between group characteristics. Only a very small portion (about 1%) is explained by gender, birth year or mean period. This is not surprising since LS was not different in men and women and since individuals are nested within birth cohorts. The other half of the variability is attributable to socio-economic-demographic or life events external to the person (Table 3).
In the pooled data including all periods and observations, the LS population trajectories regressed on quadratic age is counter intuitively flat and the change over time is not significant (estimate in men=-0.002, p=0.63; estimate in women=-0.003, p=0.55). The pooled LS trajectories on quadratic birth year is declining in women, with more recent cohorts being significantly less satisfied than former ones (estimate in women=-0.004, p=0.01), but differences are not significant in men (estimate in men=-0.006, p=0.11). In both men and women, when the period is more recent, closer to 2010, and concomitantly when the mean birth year is more recent, closer to 1945, LS declines on period. This means that the apparent stable LS trajectory on age is biased towards the null (flat trajectory) due to a significant cohort effect, with more recent cohorts more likely to be unsatisfied with their life (Figure 2 - 2a, 2b 2c).
25
Compared to the pooled analysis, when the longitudinal elements such as within individuals intercept and slopes are introduced, most of the within-individual variance is due to the individual intercept and only a small portion (6% in men and 4% in women), although significant, is attributable to individual aging. Adding birth year as random in level-2 in addition to the between individual variance in the intercept and slope did not change much the results. Birth year and the person identification number (ID) correspond to almost identical information for the between-variance. In the mixed multilevel model, adding period as time-variant canceled the effect of age.
The significant period (time-varying wave) estimate suggests that as time goes on, a yearly population rate of decline in LS for an average individual age is observed, probably due to health problems or negative life events like widowing or loss of close friends. However, after adjustment for the mean individual period (time-invariant), the LS trajectory declined significantly with aging (Table 4 and Table and Figure 2. When adjusting for birth year (time-invariant) in level-2, with a random intercept and slope for age at level-1, men and women experience a steep and significant decline in life satisfaction with aging. Adjustment for time-invariant covariates like birth year or mean period was important for the estimation of the aging LS decline. However, if period (time-varying) was introduced in level-1, the conditional LS rate of change on age was not significant because period and age both represent the same dimension of one unit year change (Table 4 and Table ).
Finally, the LS age trajectories for three birth cohorts show that at an identical age in men and in women, LS is lower in more recent cohorts but the decline is steeper in former cohorts although their LS score at identical age is higher (Figure 3).
Conclusions
On the whole men are slightly more satisfied with their life than woman. About half of the total variance in LS trajectories is due to between-individual variation, suggesting that socio-economic characteristics are as important as individual traits or coping mechanisms towards life events in determining the shape of life satisfaction. These results suggest that it is important in further studies on LS to include both within- subjects time-variant and between-subjects time-invariant covariates to better understand determinants of LS trajectory on age. Most of the within-individual
26
variance is related to the individual intercept and only a small proportion, about 5%, to individual aging. This indicates that what matters is how individuals cope with events in general (which defines the level of their satisfaction with life at the beginning of the observation), more than the fact that they are growing old.
The pooled population age trajectory of LS is almost flat and not significant, suggesting that life satisfaction remains stable as people grow older. However, the pooled trajectory of LS on birth year highlighted the existence of a cohort effect: more recent cohorts are less satisfied with their life, but former, more satisfied, cohorts experience a sharper LS decline over time. Applying the HAPC mixed model allowed us to solve the identification problem of the perfect correlation between age-period- cohort and to estimate the aging LS decline net of cohort and/or period effect.
Well-being among aging Swiss elderly men and women is significantly declining. The significant unexplained variance due to birth year suggests that any regression analysis on LS and aging should consider birth year as a confounding variable. The observed crude flat trajectory was affected by a significant cohort effect, with more recent cohorts less satisfied at identical age than older ones. In studying health and socio-economic associates to life satisfaction trajectory, cohorts who experienced common events in youth or education opportunities should be considered in the analysis. A better understanding of life conditions in early life, life events and individual traits contribute to a better understanding of the steady drop in LS in older age.
This knowledge is lacking in Switzerland and can provide more insight about determinants of LS pattern in further studies. Our upcoming paper on the effect of selected determinants on LS trajectories net of cohort and/or period effects will contribute to fill this gap.
27
References
Blanchflower D G, Oswald A J (2008) Is well-being U-shaped over the life cycle?
Social Science and Medicine 66: 1733-1749.
Clarke P, Marshall V, House J, Lantz P (2011) The Social Structuring of Mental Health over the Adult Life Course: Advancing Theory in the Sociology of Aging.
Social forces; a scientific medium of social study and interpretation 89(4):1287-1313 doi:10.1353/sof.2011.0036
Diener E, Suh, E. M., Lucas, R. E., & Smith, H. L. (1999) Subjective well-being:
Three decades of progress. Psychological Bulletin 125:276-302
Netuveli G R, Wiggins D, Hildon Z, Montgomery S. M, and Blane D (2006) Quality of Life at Older Ages: Evidence from the English Longitudinal Study of Aging (wave 1).
Journal of Epidemiology and Community Health 60(4): 357–63.
Reither EN, Hauser RM, Yang Y (2009) Do birth cohorts matter? Age-period-cohort analyses of the obesity epidemic in the United States. Social Science and Medicine 69(10):1439-48 doi:10.1016/j.socscimed.2009.08.040
Zheng H, Yang Y, Land KC (2011) Variance Function Regression in Hierarchical Age-Period-Cohort Models: Applications to the Study of Self-Reported Health.
American sociological review 76(6):955-983 doi:10.1177/0003122411430940
28
Table 1: APC table, birth years (rows), (3 birth year categories in different color patterns), periods (columns), and age and the corresponding numbers of observations (n) (diagonals)
Birth year /period 2000 n 2001 n 2002 n 2003 n 2004 n 2005 n 2006 n 2007 n 2008 n 2009 n 2010 N 1916 84 12
1917 83 11 84 6 . . . . . . . . .
1918 82 20 83 14 84 12 . . . . . . . .
1919 81 25 82 20 83 15 84 15 . . . . . . . 1920 80 18 81 13 82 12 83 9 84 18 . . . . . . 1921 79 16 80 17 81 11 82 10 83 19 84 16 . . . . . 1922 78 32 79 29 80 24 81 20 82 32 83 22 84 21 . . . . 1923 77 35 78 31 79 24 80 17 81 27 82 23 83 25 84 22 . . . 1924 76 38 77 39 78 33 79 31 80 46 81 36 82 33 83 31 84 33 . . 1925 75 42 76 36 77 27 78 27 79 40 80 30 81 30 82 30 83 24 84 22 . 1926 74 42 75 40 76 28 77 23 78 39 79 34 80 31 81 33 82 33 83 33 84 33 1927 73 41 74 37 75 30 76 28 77 41 78 36 79 38 80 34 81 29 82 30 83 33 1928 72 56 73 51 74 38 75 33 76 50 77 34 78 34 79 35 80 30 81 28 82 31 1929 71 59 72 52 73 45 74 42 75 56 76 44 77 46 78 42 79 44 80 40 81 41 1930 70 63 71 62 72 50 73 43 74 59 75 42 76 45 77 45 78 42 79 51 80 49 1931 69 64 70 57 71 52 72 45 73 74 74 61 75 67 76 63 77 63 78 61 79 58 1932 68 58 69 50 70 47 71 39 72 70 73 55 74 47 75 56 76 53 77 57 78 57 1933 67 71 68 63 69 58 70 47 71 63 72 49 73 50 74 49 75 48 76 53 77 55 1934 66 71 67 64 68 51 69 45 70 69 71 57 72 64 73 68 74 65 75 63 76 63 1935 65 64 66 63 67 52 68 45 69 66 70 52 71 58 72 60 73 53 74 51 75 61 1936 . 65 53 66 46 67 43 68 72 69 53 70 57 71 53 72 52 73 55 74 55 1937 . . 65 74 66 69 67 92 68 81 69 79 70 83 71 78 72 79 73 77 1938 . . . 65 66 66 94 67 76 68 87 69 89 70 88 71 87 72 91 1939 . . . . 65 79 66 65 67 68 68 68 69 61 70 66 71 64 1940 . . . . . 65 69 66 69 67 72 68 66 69 70 70 70 1941 . . . . . . 65 104 66 107 67 100 68 102 69 103
1942 . . . . . . . 65 101 66 97 67 99 68 104
1943 . . . . . . . . 65 102 66 99 67 107
1944 . . . . . . . . . 65 109 66 111
1945 . . . . . . . . . . 65 124
29
Table 2: Distribution of age, birth year and life satisfaction (LS) score, by period in men and women. SHP 2000-2010, age 65-84 years
Men Women Men and women
Age Birth year LS Age Birth year LS Age Birth year LS
mean± std mean± std mean± std mean± std mean± std mean± std mean± std mean± std mean± std 2000 71.4± 4.8 1928.6± 4.8 8.6± 1.5 72.2± 5.2 1927.8± 5.2 8.4± 1.8 71.9± 5.1 1928.1± 5.1 8.5± 1.7 2001 71.7± 4.8 1929.3± 4.8 8.4± 1.6 72.3± 5.1 1928.7± 5.1 8.3± 1.7 72.0± 5.0 1929.0± 5.0 8.4± 1.7 2002 71.8± 4.9 1930.3± 4.9 8.3± 1.4 72.1± 5.3 1929.9± 5.3 8.2± 1.7 72.0± 5.1 1930.0± 5.1 8.3± 1.6 2003 71.9± 5.0 1931.1± 5.0 8.4± 1.3 72.1± 5.4 1931.0± 5.4 8.3± 1.7 72.0± 5.2 1931.0± 5.2 8.3± 1.6 2004 72.1± 5.1 1931.9± 5.1 8.3± 1.5 72.5± 5.4 1931.5± 5.4 8.3± 1.6 72.3± 5.3 1931.7± 5.3 8.3± 1.6 2005 72.0± 5.1 1933.0± 5.1 8.4± 1.4 72.8± 5.5 1932.2± 5.5 8.2± 1.7 72.5± 5.4 1932.5± 5.4 8.3± 1.6 2006 72.0± 5.3 1934.0± 5.3 8.3± 1.5 72.6± 5.6 1933.4± 5.6 8.1± 1.7 72.3± 5.4 1933.7± 5.4 8.1± 1.6 2007 72.1± 5.3 1934.9± 5.3 8.3± 1.5 72.4± 5.5 1934.6± 5.5 8.1± 1.7 72.3± 5.4 1934.7± 5.4 8.2± 1.6 2008 72.2± 5.3 1935.8± 5.3 8.2± 1.5 72.5± 5.6 1935.5± 5.6 8.2± 1.6 72.4± 5.5 1935.6± 5.5 8.2± 1.5 2009 72.1± 5.4 1936.9± 5.4 8.2± 1.5 72.4± 5.4 1936.6± 5.4 8.1± 1.7 72.3± 5.4 1936.7± 5.4 8.1± 1.6 2010 72.0± 5.5 1938.0± 5.5 8.2± 1.4 72.6± 5.5 1937.4± 5.5 8.1± 1.6 72.3± 5.5 1937.7± 5.5 8.1± 1.6 2000-2010 72.0± 5.2 1933.6± 6.0 8.3± 1.5 72.4± 5.4 1933.2± 5.4 8.2± 1.7 72.2± 5.3 1933.4± 6.1 8.2± 1.6
p-value 0.55 <0.0001 0.01 0.62 <0.0001 0.004
p-values between waves
