L'espérance de vie au Canada a atteint des sommets historiques, mais de nouveaux défis, tels que les changements climatiques, le vieillissement de la population et les crises de santé publique, modifient les tendances en matière de mortalité. La Saskatchewan se classe régulièrement parmi les provinces où l'espérance de vie est la plus faible au Canada. Cette province est confrontée à des risques particuliers liés à la consommation d'opioïdes, aux décès liés à l'alcool et aux températures extrêmes, mais les modèles de prévision actuels négligent souvent ces déterminants. Cette étude comble cette lacune en proposant une approche simple, mais efficace, basée sur un réseau neuronal combinant des prévisions fondées sur des données, qui intègre des séries chronologiques et des modèles d'apprentissage automatique. La performance de l'approche proposée est évaluée à l'aide de sources de données secondaires telles que les statistiques démographiques canadiennes et la surveillance nationale de la pollution atmosphérique. De plus, nous développons un outil de prévision basé sur Shiny qui intègre des facteurs environnementaux et démographiques, permettant ainsi de prendre des décisions opportunes et fondées sur des preuves afin de réduire la mortalité évitable et d'améliorer la santé de la population.