Télécharger la présentation orale
Transcription
Télécharger la présentation orale
Congrès national des Observatoires régionaux de la santé 2008 - Les inégalités de santé Marseille, 16-17 octobre 2008 Place-based inequalities in health: evidence and new directions Ana V. Diez Roux MD PhD Center for Integrative Approaches to Health Disparities Department of Epidemiology University of Michigan October, 2008 Les inégalités de santé basées sur les lieux ; constats et nouvelles perspectives Ana DIEZ-ROUX, Université du Michigan Bonjour. Je suis désolée de ne pas être en mesure de m’exprimer en français, ce matin. Je pourrais vous parler en espagnol, mais cela ne serait pas d’une grande aide. Je vais donc m’exprimer en anglais. C'est un grand plaisir pour moi d’être ici. Je tiens à remercier les organisateurs pour leur aimable invitation, et pour la chance qui m’est donnée d’être ici avec vous à Marseille pour cet événement très intéressant. Ainsi que je l’ai déjà expliqué aux organisateurs, mon arrière grand-père était de Marseille. Il a embarqué pour l’Argentine, il y a de ça très longtemps. 1 Outline • Why places/neighborhoods are relevant to understanding health inequalities • Illustrate some of the ways in which neighborhoods/places may be related to health and contribute to health inequalities • Highlight evidence needs/challenges in this area and policy implications Je vais vous parler d’une autre dimension des inégalités. Lisa a évoqué plusieurs travaux portant sur les interventions au cours de l’existence. Je vais vous parler pour ma part des inégalités basées sur les lieux et du rôle des lieux et des quartiers dans la contribution des inégalités. Je veux vous parler de trois choses. Je vais vous dire pourquoi je pense que le voisinage est une notion pertinente pour comprendre les inégalités de santé ; je vais vous donner des exemples de la façon par laquelle le voisinage ou les lieux sont reliés à la santé et contribuent aux inégalités. Je m’appuierai sur des exemples issus de travaux réalisés aux Etats-Unis. Certains sont spécifiques aux Etats-Unis, mais j’espère que les thèmes généraux seront également pertinents pour vous, en France. Je finirai en soulignant les besoins d’améliorer notre connaissance pour faire face aux défis dans ce domaine et je m’avancerai un petit peu sur le thème de l’implication des politiques. 2 Why study the impact of neighborhoods on health • Insufficiency of purely individual-based explanations • Neighborhoods as contexts for: – Physical exposures – Social exposures • Contribute to health inequalities • Public health and policy relevance Premièrement, pourquoi étudier l’impact du voisinage? Je crois qu’il apparaît clairement, depuis assez longtemps, que les explications basées sur l’individu sont souvent insuffisantes pour expliquer les différences de santé entre individus. De fait, beaucoup des stratégies qui ont essayé de se baser sur l’intervention, qui ont cherché à améliorer la santé en modifiant les comportements individuels, ont eu des résultats décevants. L’une des raisons suggérées est que ces interventions, assez souvent, ne se sont pas accompagnées de changements dans l’environnement et dans le cadre de vie des personnes, rendant plus difficile l’adoption des changements demandés. Les lieux de voisinage sont des contextes où les expositions à la fois physiques et sociales peuvent participer de la santé. Par le terme d’exposition physique et sociale, je n’entends pas seulement les expositions classiquement associées à la santé (comme la pollution de l’air, les expositions toxiques, etc.) mais aussi les façons dont les communautés sont construites et structurées et la façon dont cela affecte les comportements des individus à l’intérieur d’une communauté. Pas seulement leur comportement vis-à-vis de la santé, mais aussi la façon dont ils interagissent socialement, dont ils s’impliquent dans la santé. Les voisinages ont des caractéristiques sociales en lien avec les normes sociales (sécurité, cohésion, etc. – autant d’éléments qui peuvent agir comme facteurs accélérateurs ou freineurs de stress). Dans notre société – et je suppose que la France ne constitue pas une exception – les personnes font l’objet d’une ségrégation dans différents domaines, en fonction de leur revenu et notablement aux Etats-Unis en fonction de leur appartenance ethnique. Ces différences peuvent expliquer les variations entre les groupes sociaux. Bien évidemment, si nous constatons que les quartiers ont des liens forts avec les inégalités de santé, cela signifie qu’il y a beaucoup d’actions possibles à concevoir, 3 d’interventions au niveau du quartier ou de la communauté, avec des implications substantielles pour la santé. Space (and places) as a key dimension across which health is patterned L’espace et les lieux sont une dimension-clef du modèle sanitaire et nous le savons depuis longtemps. C'est une considération de base des recherches épidémiologiques, depuis le début. 4 NYT Jan 2006 Voici juste un exemple, en l’occurrence un graphique provenant d’un article du New York Times. Il y a quelques années, il y a eu une série d’articles sur le diabète et la ville de New York. La carte montre les prévalences de diabète par quartiers de New York. De considérables différences apparaissent entre les quartiers, qui se répartissent en quatre à cinq niveaux de prévalence. 5 Voici un autre exemple tiré d’un atlas en Espagne, qui montre les variations de mortalité entre les villes espagnoles. Là, il s’agit de Barcelone. De grandes différences de mortalité (associée aux cancers des poumons, aux cancers de l’appareil respiratoire, etc.) apparaissent entre les quartiers. Je suis sûre que vous avez vu beaucoup d’autres cartes de la sorte et que vous disposez de cartes similaires pour Marseille ou d’autres villes françaises. C'est un modèle spatial très éprouvé, très solide, pour beaucoup de troubles médicaux. 6 • Residential segregation by socioeconomic/ethnic characteristics predictive of health • Place-based features as contributors and perpetuators of social differences in health Il est évident qu’il existe une ségrégation résidentielle en fonction des caractéristiques socio-économiques et des facteurs ethniques, qui sont – nous le savons – reliés à la santé. Cette séparation crée un modèle spatial. 7 • Residential segregation by socioeconomic/ethnic characteristics predictive of health • Place-based features as contributors and perpetuators of social differences in health Mais il peut aussi y avoir des caractères propres aux lieux qui participent à la santé et perpétuent les inégalités sociales de santé. 8 • Residential segregation by socioeconomic/ethnic characteristics predictive of health • Place-based features as contributors and perpetuators of social differences in health Je tiens à souligner que ces deux aspects se renforcent l’un l’autre. Quand la ségrégation spatiale s’accroit, les ressources liées à la santé sont inégalement distribuées dans l’espace -aussi bien les ressources physiques que sociales. Les personnes aisées disposant de ressources choisiront de ne pas vivre dans ces aires spatiales. C'est un cercle vicieux, qui se perpétue. Dans les études épidémiologiques, nous essayons souvent de distinguer ces aspects, qui entretiennent des liens très proches. 9 How do places affect health? Je veux me concentrer maintenant sur la seconde partie. Comment les lieux affectent-ils la santé ? Y a-t-il des canaux spécifiques à cet égard ? 10 Voici deux photographies, contrastées, de deux quartiers de ma ville natale, à Buenos Aires (Argentine). Il n’est pas difficile pour vous d’imaginer que vivre dans l’un ou l’autre quartier est très différent. Je suis sûr que vous pouvez trouver, ici à Marseille ou dans d’autres villes françaises, des contrastes aussi évidents entre quartiers. Il s’agit là de contrastes extrêmes. 11 The example of cardiovascular disease Mais parlons plus en détail du continuum qui fait que certains lieux diffèrent, dans leur impact pour la santé. Je souhaite prendre l’exemple des maladies cardiovasculaires, chroniques. Souvent, lorsqu’on évoque les différences entre quartiers, les gens songent en premier lieu aux maladies infectieuses, mais je souhaite ici traiter d’un exemple différent, celui des maladies chroniques – lesquelles sont une cause majeure de décès dans beaucoup de pays. 12 Physical environment Accessibility of recreational resources Transportation, sidewalks, bike lanes, Design of public spaces Land use, density, street connectivity, urban form Aesthetic quality Availability and relative cost of “healthy” foods Food and tobacco advertising Sport and leisure time physical activity Walking Stress and psychosocial factors Diet Smoking Availability of tobacco Noise Proximate biological factors Blood pressure Body mass index Clinical Diabetes cardiovascular Blood lipids disease Stress response Others Sleep disturbance and stress Air pollution Social environment Safety and violence Social support and cohesion Social norms Inflammation Endothelial function Heart rate variability Arrythmia Stress and psychosocial factors Behaviors (diet, physical activity, smoking) Diez Roux J Urb Health 2003 Il s’agit d’un modèle assez compliqué, qui tente de montrer les différentes façons dont les caractéristiques d’un lieu sont reliés aux maladies cardiovasculaires. Des caractéristiques relèvent du cadre physique et d’autres, du cadre social. Le cadre physique inclut notamment l’accès aux ressources de loisir, aux transports ; la densité du quartier, la façon dont il se prête à l’activité physique telle que la marche, les qualités esthétiques, la présence d’une offre d’alimentation équilibrée, la publicité, le bruit, la pollution de l’air. Le cadre social inclut la sécurité, les normes sociales. Un mécanisme spécifique fait la médiation entre ces caractéristiques et les conséquences possibles en termes de maladies cardiovasculaires. Je tiens à mettre l’accent également sur les relations entre le cadre physique et le cadre social. 13 MESA Neighborhood Study • Ancillary study to the Multiethnic Study of Atherosclerosis – Longitudinal study of 6800+ participants aged 4564 years in six sites • NY, Baltimore, Forsyth, St. Paul, Los Angeles, Chicago – Detailed measures of cardiovascular disease, biologic markers, and behaviors – Neighborhood-level data Pour la suite, je vais vous communiquer un certain nombre d’exemples concrets, de données empiriques tirées d’études d’observation, quant à la façon dont ces caractéristiques se relient entre elles. Pour ce faire, je vais utiliser l’exemple d’une étude longitudinale qui s’intitule « l’Etude multiethnique de l’athérosclérose ». Il s’agit d’une grande étude longitudinale portant sur les facteurs de maladies cardiovasculaires dans six endroits différents des Etats-Unis. Nous avons ajouté à l’étude – qui est très biomédicale, biologique – des mesures par quartier. 14 Are place-based factors related to diet? Je vais d’abord traiter du régime alimentaire. Les lieux en tant que facteurs ont-il un lien avec le régime alimentaire ? Nous avons notamment dressé des portraits des magasins d’alimentation disponibles dans le quartier. Nous les avons classés par type. Si nous avons procédé de la sorte, c'est d’abord parce que les données étaient disponibles, mais aussi parce qu’aux EtatsUnis – contrairement peut-être à la France – il est plutôt avéré que les supermarchés sont la source principale d’une alimentation saine. Les choses sont ainsi. 15 Adjusted ratios of stores per population by area socioeconomic characteristics Type of Store Lowest Income Middle Income Grocers 3.9 (3.3-4.7) 2.1 (1.8-2.6) Supermarkets 0.5 (0.3-0.8) 1.0 (0.7-1.3) Convenience Stores 1.9 (1.4-2.5) 1.6 (1.2-2.1) Meat & Fish Markets Fruit & Veg. Markets 1.9 (1.3-2.7) 1.0 (0.7-1.5) 0.8 (0.5-1.4) 0.5 (0.3-0.8) Natural Food Stores Liquor Stores 0.4 1.5 (0.2-0.7) (1.1-1.9) 0.5 0.9 (0.3-0.8) (0.7-1.2) Moore and Diez Roux 2004 Ce tableau montre les ratios de magasins par populations, aires socio-économiques, revenus au niveau du quartier. 16 Adjusted ratios of stores per population by area socioeconomic characteristics Type of Store Lowest Income Middle Income Grocers 3.9 (3.3-4.7) 2.1 (1.8-2.6) Supermarkets 0.5 (0.3-0.8) 1.0 (0.7-1.3) Convenience Stores 1.9 (1.4-2.5) 1.6 (1.2-2.1) Meat & Fish Markets Fruit & Veg. Markets 1.9 (1.3-2.7) 1.0 (0.7-1.5) 0.8 (0.5-1.4) 0.5 (0.3-0.8) Natural Food Stores Liquor Stores 0.4 1.5 (0.2-0.7) (1.1-1.9) 0.5 0.9 (0.3-0.8) (0.7-1.2) Moore and Diez Roux 2004 Vous pouvez constater que les quartiers à revenus plus faibles ont systématiquement moins de supermarchés, et sont davantage susceptibles d’abriter des magasins de vins et spiritueux. (liquor stores) Cela a été rapporté par beaucoup d’autres études. 17 Adjusted ratios of stores per population by area socioeconomic characteristics Type of Store Lowest Income Middle Income Grocers 3.9 (3.3-4.7) 2.1 (1.8-2.6) Supermarkets 0.5 (0.3-0.8) 1.0 (0.7-1.3) Convenience Stores 1.9 (1.4-2.5) 1.6 (1.2-2.1) Meat & Fish Markets Fruit & Veg. Markets 1.9 (1.3-2.7) 1.0 (0.7-1.5) 0.8 (0.5-1.4) 0.5 (0.3-0.8) Natural Food Stores Liquor Stores 0.4 1.5 (0.2-0.7) (1.1-1.9) 0.5 0.9 (0.3-0.8) (0.7-1.2) Moore and Diez Roux 2004 Ces quartiers regroupent aussi beaucoup de petits magasins d’alimentation de proximité (grocers). Si vous regardez le tableau, vous vous apercevez que l’offre de nourriture saine et équilibrée y est réduite. Bien sûr, en prenant acte du fait que ces magasins sont présents, on peut songer à des mécanismes pour encourager la présence d’aliments qui contribuent à une alimentation saine et équilibrée. Des pratiques émergent, mais elles ne sont pas répandues dans beaucoup de villes. 18 Bonus Picture Voici un exemple en provenance de la ville de Baltimore. Nous avons visité les magasins, et systématiquement évalué l’offre en matière d’aliments équilibrés. 19 Food stores and healthy food availability indices in Baltimore Franco, Diez Roux et al AJPM in press Ces points verts indiquent les magasins d’alimentation. Plus grands sont les points, et plus importante est la quantité d’aliments sains disponibles. En périphérie et dans les quartiers hauts de la ville, la population est majoritairement blanche et aisée. Au milieu, la population prédominante est noire. Vous voyez clairement la corrélation entre les aires socio-économiques, leur composition socio-ethnique et l’offre d’alimentation équilibrée disponible en vis-à-vis. 20 Healthy Foods Availability Index (HFAI) of two supermarkets Location Baltimore City Baltimore County Racial Composition 97% Black 93% White Median HH Income $ 20,833 $ 57,391 Avail. Points Avail. Points Skim milk Yes 2 Yes 3 Fruits 17 2 59 4 Vegetables 38 3 74 4 Lean meat No 2 Yes 3 Frozen foods No 0 Yes 3 Low Na foods No 0 Yes 2 100% whole wheat bread Yes 2 Yes 4 Low sugar cereals Yes 2 Yes 2 HFAI (0 to 27) 18 25 Franco et al AJPM in press Dans cette diapositive, apparaît une comparaison entre deux supermarchés de taille similaire, situé pour l’un dans une aire défavorisée, pour l’autre dans une aire favorisée. L’évaluation montre que le supermarché situé dans l’aire pauvre est clairement moins à même d’offrir des aliments équilibrés. 21 Adjusted relative probability (95% CL) of having a good diet for 1st vs. 4th quartile of food environment Relative Probability 2.00 1.50 Supermarkets Aggregate Surv ey 1.00 0.75 0.50 0.25 0.73 0.68 0.60 0.45 AHEI Western AHEI Western Dietary Indicators 0.10 • Participants with worst availability of supermarkets were 32-55% less likely to have a good quality diet • Those who lived in areas with the worst ranked local food environments were 27-40% less likely to have a good diet Moore, Diez Roux et al. AJE 2008 Il s’avère que le régime alimentaire est associé au type de zone résidentielle. Ce graphique fait apparaître la probabilité comparée d’avoir un régime alimentaire sain, selon que les personnes vivent dans la zone où l’offre d’alimentation équilibrée est la moins bonne, en comparaison avec la zone où l’offre est la plus développée. La probabilité se base sur des mesures de la présence des supermarchés, ainsi que sur une étude dans laquelle il était demandé aux personnes de rendre compte de l’offre d’alimentation. Vous voyez que les personnes vivant dans les zones où les supermarchés sont le moins présents sont trente à quarante pour cent moins susceptibles d’avoir un régime alimentaire de qualité. Vous pouvez me dire qu’il existe des effets bidirectionnels. Bien sûr, l’offre des magasins dépend de la demande des clients, ce qui est vrai jusqu’à un certain point. Cependant, il faut souligner que, même si ces relations bidirectionnelles sont vraies, une personne vivant dans un quartier pauvre avec une offre d’alimentation réduite aura des difficultés à modifier son régime alimentaire, même si elle est très motivée à le faire. Certaines y parviendront, parce qu’elles trouveront un moyen d’aller chercher leurs aliments endehors du quartier, mais beaucoup n’y parviendront pas. Du point de vue de l’action publique, c'est une intervention pertinente, même s’il existe des effets bidirectionnels. 22 The physical environment and physical activity Qu’en est-il de l’activité physique ? Nous avons recensé les localisations des installations d’activité physique et de loisirs. 23 Percent of tracts without a recreational facility by racial/ethnic composition and median income adjusted for tract area* 100 90 Pvalue for trend= <0.0001 81,4 80 Percent 70 60 Pvalue for trend= <0.0001 79,4 73,5 69,6 64,9 57,3 45,5 50 40 38,4 30 20 10 0 Tract Racial/Ethnic Composition and Median Income * Proportions were adjusted to the mean area of the tracts using logistic regression Moore et al 2008 Cette diapositive montre que la probabilité de ne pas disposer de telles installations dans le quartier – par pourcentage d’étendues non dotées - est plus élevée pour les zones où prédominent des minorités noires, hispaniques, par rapport aux zones à prédominance blanche. La probabilité dépend aussi fortement de la structuration spatiale par revenus. 24 Percent of participants reporting physical activity and prevalence ratios (PR) of activity by resource densities for windows of varying size* 60 50 PR*=1.07 (0.97-1.19) PR=1.14 (1.03-1.26) PR=1.13 (1.00-1.28) PR=1.28 (1.05-1.55) Lowest resource density tertile 40 Percent reporting 30 physical activity Highest resource density tertile 20 10 0 1/2 mile 1 mile 2 mile 5 mile *Adjusted for age, sex, race/ethnicity, income, site, neighborhood violence. Resource densities are adjusted for population. Diez Roux et al 2006 Si vous vous penchez sur la relation entre la densité des installations – nous avons obtenu ces chiffres en utilisant la Geographic Information System (GIS) Method, en nous basant non seulement sur la présence d’installations sportives, mais aussi sur l’offre qu’elles proposent – il apparaît que les personnes vivant dans les zones où la densité de ces installations est plus élevée sont davantage susceptibles d’être actives physiquement que les personnes vivant dans des zones à densité plus faible. 25 Associations of land use measures with walking >90 min/week (vs. not walking) Walking to places OR [95% CI] Walking for exercise OR [95% CI] Density (hundreds of persons/hectare) 1.41 [1.21,1.65] 1.09 [1.08,1.11] % parcel area in retail (in 10% increments) 1.28 [1.00,1.65] 1.08 [1.01,1.16] Entropy (0-1; 1 is even) 2.24 [1.43,3.51] 1.61 [1.33,1.96] Adjusted for age, sex, race/ethnicity, income, and street connectivity. Land use measures are for 200 m buffers around the home. Rodriguez et al unpublished Ce ne sont pas seulement les installations physiques et sportives qui comptent, mais les façons dont les quartiers sont bâtis. Se prêtent-ils à la marche ? Cette notion fait particulièrement sens aux Etats-Unis – ce qui n’est sans doute pas aussi vrai dans des villes telles que Marseille, qui se prêtent agréablement à la marche piétonne. Cette diapositive se base sur des mesures GIS, dont deux utilisées par les urbanistes pour déterminer s’il y a un usage « mixte » de la marche, entre zones commerciales et zones résidentielles. La présence de gradients renvoie à la proportion d’utilisation de l’espace, dans des mesures entropiques propres aux urbanistes. La capacité à marcher d’un lieu à un autre dans la vie quotidienne est évaluée. Marcher est une source majeure d’activité physique. 26 The stress pathway Il est également possible que les caractéristiques du quartier aient des liens avec le stress. 27 Cortisol profiles by categories of neighborhood violence 3,5 3 Log Cortisol 2,5 neighborhood violence tertile 1 2 neighborhood violence tertile 3 1,5 1 0,5 0 0 120 240 360 480 600 720 840 960 1080 Minutes Since Wakeup Adjusted for age, sex, race, and income. Nous disposons de peu de données sur le sujet. Voici quelques données préliminaires. Nous avons collecté des mesures du taux de cortisol. Le graphique montre des courbes d’évolution, sur le rythme circadien classique, pour des quartiers marqués par un taux de violence élevé et pour des quartiers où ce taux est plus faible. Le déclin du taux de cortisol durant la journée n’est pas aussi prononcé dans les quartiers qui se caractérisent par un taux de violence élevé. Beaucoup y voient des implications en termes de santé. Nous ne savons pas exactement de quelle façon la régulation du taux de cortisol est liée à la santé, mais certains avancent que les variations du taux de cortisol peuvent favoriser la dépression ou d’autres troubles de santé. 28 What about biomedical risk factors? Qu’en est-il des facteurs de risque biomédicaux ? 29 Physical environment Accessibility of recreational resources Sport and leisure time physical activity Transportation, sidewalks, bike lanes Design of public spaces Land use, density, street connectivity, and urban form Aesthetic quality Walking Stress and psychosocial factors Availability and relative cost of “healthy” foods Diet Food and tobacco advertising Smoking Availability of tobacco Noise Proximate biological factors Blood pressure Body mass index Clinical Diabetes cardiovascular Blood lipids disease Stress response Others Sleep disturbance and stress Inflammation Endothelial function Heart rate variability Arrythmia Air pollution Social environment Safety and violence Social support and cohesion Social norms Stress and psychosocial factors Behaviors (diet, physical activity, smoking) Nous nous sommes intéressés à des dimensions mentionnées précédemment, en rapport avec la pression sanguine et le diabète. Nous avons mesuré les attributs des quartiers par des enquêtes sur les zones et des techniques de mesures assez compliquées, dans lesquelles l’épidémiologie n’excelle pas encore. Il y a un accent mis dans ce domaine. Nous avons utilisé des techniques de mesure assez sophistiquées, dont je pourrais vous entretenir plus en détail à l’occasion. 30 Community survey scales Walking/PA environment 1. My neighborhood offers many opportunities to be physically active. 2. Local sports clubs and other facilities in my neighborhood offer many opportunities to get exercise. 3. It is pleasant to walk in my neighborhood. 4. The trees in my neighborhood provide enough shade. 5. In my neighborhood it is easy to walk places. 6. I often see other people walking in my neighborhood. 7. I often see other people exercise (f or example jog, bicycle, play sports) in my neighborhood. Availability of healthy foods 1. A large selection of fresh fruits and vegetables is available in my neighborhood. 2. The fresh fruits and vegetables in my neighborhood are of high quality. 3. A large selection of low fat products is available in my neighborhood. Safety 1. I feel safe walking in my neighborhood day or night. 2. Violence is not a problem in my neighborhood. 3. My neighborhood is safe from crime Social cohesion 1. People around here are willing to help their neighbors. 2. People in my neighborhood generally get along with each other. 3. People in my neighborhood can be trusted. 4. People in my neighborhood share the same values Nous avons estimé les prévalences relatives de l’hypotension, en association avec ces caractéristiques. Nous avons découvert que les personnes vivant dans des cadres propices à la marche, à une offre d’alimentation équilibrée, avec un bon niveau de sécurité et de cohésion, étaient moins susceptibles d’être en hypotension – même en tenant compte de l’ajustement des paramètres individuels. 31 Diapositive 32 Relative prevalence of hypertension Relative prevalence of hypertension associated with better neighborhood characteristics 1 0.81 0.8 0.72 0.80 0.77 0.77 0.71 0.71 0.51 0.6 W W 1 et y M Sa f et y Sa f M 2 So ci al C oh So es ci io al n C M oh 1 es io n M 2 al ki ng En vi al ro ki ng nm En en tM vi ro 1 nm en tM 2 H ea lth y Fo H od ea s lth M y 1 Fo od s M 2 0.5 Neighborhood Characteristics Model 1 (M1): adjusted for site, age, gender; Model 2 (M2): adjusted for site, age, gender, education, income, Based on EB estimates Mujahid, Diez Roux et al Epidemiology 2008 Nous avons étudié cela de façon longitudinale. Les mêmes mesures – qui ont à voir avec les ressources en termes d’activité physique, d’offre d’alimentation équilibrée dans le quartier – sont associées à une réduction du risque de développer un diabète de type II sur une période de cinq ans. Ces associations sont présentes non seulement dans les sections transversales, mais aussi dans les sections longitudinales. 32 Reduction in risk of developing type II diabetes associated with better neighborhood characteristics 10% Risk of type 2 diabetes 0% -10% Physical activity resources Healthy food resources Physical activity and healthy food resources -20% -30% -36% -38% -40% -45% -50% -60% -70% Data from 5 years of follow-up (2000-2006) of the Multi-Ethnic Study of Atherosclerosis, adjusted for age, gender, family history of diabetes, income, assets, education, race/ethnicity, alcohol use, and cigarette smoking. Auchincloss et al unpublished 33 Challenges in studying place effects • Theoretical models – Causal specificity • Spatial scale – Area size and processes as linked – Areas in context • Measuring relevant neighborhood- or area-level attributes • History and time lags • Multilevel causal processes Quels sont les autres enjeux ? Je vous ai communiqué un certain nombre de données relatives aux quartiers et je n’ai pas le temps d’entrer dans le détail de chacune d’entre elles, mais je veux les mentionner. Le premier est l’importance d’articuler correctement les modèles théoriques suivant lesquels ces effets de quartier sont opérants. Je crois que nous devons nous montrer très précis dans notre raisonnement. En effet, lier à toute chose les observations faites sur les quartiers ne nous aide pas à comprendre les processus, les limites de l’inférence causale et à construire des arguments convaincants. Nous devons nous montrer davantage spécifiques. Ces observations ne nous éclairent pas beaucoup non plus sur le pourquoi de l’utilité de certaines interventions. En ce qui les concerne, les sciences sociales ont mieux développé les modèles théoriques sur la façon dont un contexte impacte la santé. Nous avons fait beaucoup de progrès en la matière, mais nous n’utilisons pas ces modèles autant que nous le devrions. Les échelles d’espace soulèvent une autre problématique. Beaucoup d’entres vous ont une idée vague de ce que désigne le terme de quartier (neighborhood). Je ne l’ai pas beaucoup explicité. L’une des problématiques à traiter pour le développement des modèles théoriques est la détermination d’une échelle spatiale pertinente par rapport au thème traité. Cela peut être différent selon qu’on s’intéresse à l’impact du quartier sur la santé mentale, ou bien à l’impact du quartier sur le régime alimentaire ou sur les habitudes d’achat alimentaire. Il faut s’intéresser parfois à un espace assez vaste et ne pas se limiter à de petits quartiers. Evoquons aussi le fait que les zones géographiques ne sont pas indépendantes les unes des autres. Elles entretiennent des liens. Ce qui survient dans un quartier proche affecte mon quartier. Aussi, étudier la dynamique à l’œuvre dans un quartier pauvre entouré par des quartiers pauvres n’est pas la même chose que d’étudier la dynamique à l’œuvre 34 dans un quartier pauvre entouré par des quartiers aisés. Il existe des manières analytiques d’élaborer les modèles spatiaux. Un autre défi est de mesurer si les caractéristiques du quartier qui sont habituellement prises en considération sont les plus pertinentes. C'est une tâche ardue. Si nos mesures ne sont pas assez complètes, nous ne serons pas aptes à détecter tous les effets que nous voulons tester. Lisa a évoqué l’importance de l’histoire et des écarts dans le temps. Très clairement, pour certains éléments, le contexte a un impact immédiat. Par exemple, que vous marchiez beaucoup ou pas dépend directement du type de quartier où vous vivez. Mais pour d’autres éléments, le contexte n’a pas un impact aussi immédiat. Il serait très positif de pouvoir étudier l’impact du quartier tout au long de l’existence. D’un autre côté, il ne sera pas facile de collecter les données. Il est déjà difficile de mesurer les expositions tout au long de la vie à un niveau individuel. Nous devons réfléchir de façon critique aux caractéristiques d’exposition à mesurer dès maintenant pour disposer de bonnes variables de substitution (proxy) quant à l’exposition d’une personne au cours de son existence. Même lorsque les personnes déménagent, elles peuvent déménager vers des quartiers similaires. Bien sûr, cela n’est pas parfait. Mais en tant qu’épidémiologiste, nous devons faire avec des données imparfaites. 35 Multilevel causal processes • Contexts underspecified • Individual-level confounders (exchangeability) and mediators • Dynamic and recursive processes Le dernier aspect sur lequel je souhaite me concentrer, durant les quelques minutes d’exposé qu’il me reste, est le fait que nous avons à faire à des processus de causalité multiple. Je vais préciser ce que j’entends par là et les implications de ces processus. Trois problèmes méthodologiques nous attendent, dès lors que nous nous intéressons aux effets des quartiers de résidence. Le premier est que, souvent, le contexte est globalement sous-spécifié par rapport aux caractéristiques individuelles, les spécifications sont insuffisantes. Des variables individuelles peuvent nous induire en erreur dans le raisonnement causal. Un autre problème est celui-ci : pouvons-nous contrôler les facteurs individuels dans les données d’observation ? Pouvons-nous vraiment, lorsque nous procédons à l’ajustement des paramètres individuels, comparer de façon équivalente des personnes qui vivent dans des quartiers différents ? Il y a des limites à ce que nous pouvons tirer des données d’observation, en particulier lorsqu’il s’agit de traiter des processus dynamiques et récursifs. 36 Contextual factors “True” relevant area Individual-level factors C—C’ Mediators Health C Confounders Available proxy Omitted variables Mismeasured variables Propensity score matching Instrumental variables Marginal structural models Très rapidement : ce graphique illustre quelque peu mon propos, s'agissant des sousspécifications de facteurs contextuels. Vous voyez ici les zones réellement pertinentes et les données de substitution disponibles (proxy) qui ne coïncident pas exactement. Vous voyez aussi les facteurs propres au niveau individuel (soit facilitants – « mediators » - soit perturbateurs – « confounders » - vis-à-vis de la santé). Des variables peuvent être omises ou insuffisamment renseignées. Certes, il existe en théorie des méthodes analytiques permettant d’évaluer la solidité de nos conclusions : techniques d’appariement sur la base d’un score de proportions, variables instrumentales, modèles structurels marginaux. En pratique, ces méthodes sont toujours difficiles à mettre en œuvre. Les modèles de structurels marginaux permettent de traiter les situations où des variables de médiation peuvent tout aussi bien être des facteurs facilitants que des facteurs perturbateurs. Par exemple, mon quartier d’origine peut avoir affecté mes opportunités en matière d’éducation, ce qui m’a conduit au quartier où je vis. L’éducation est à la fois un facteur facilitant et un facteur perturbateur. Nous pouvons utiliser des méthodes analytiques pour étudier cela de près, mais il faut bien comprendre que cela nécessite des données longitudinales riches dont nous disposons rarement. 37 Dynamic and recursive processes Structural features of neighborhoods Neighborhood food availability ? Dietary behaviors CVD Je voudrais maintenant parler un peu des processus dynamiques et récursifs. Voici quelques schémas simples pour illustrer ce concept. Nous nous intéressons aux caractéristiques structurelles du quartier, à la disponibilité d’une offre alimentaire équilibrée, aux comportements en matière de régime alimentaire. Nous savons que les caractéristiques structurelles du quartier déterminent la localisation des commerces, donc l’offre de biens alimentaires équilibrés. 38 Structural features of neighborhoods Neighborhood food availability ? Dietary behaviors CVD Family Income Il faut prendre en compte les revenus familiaux, interagissant avec les caractéristiques structurelles du quartier et influençant les attitudes en matière de régime alimentaire. 39 Structural features of neighborhoods Neighborhood food availability ? Dietary behaviors CVD Family Income Il faut aussi prendre en compte d’autres facteurs propres au quartier : les normes sociales, qui peuvent influer sur le régime alimentaire et le risque de maladies cardiovasculaires, indépendamment du niveau de l’offre d’une alimentation équilibrée. 40 Other neighborhood factors Structural features of neighborhoods Neighborhood food availability ? Dietary behaviors CVD Family Income Tout cela intervient dans une société qui a un certain mode de production et de distribution de la nourriture. Peut-être ces facteurs macroéconomiques sont-ils plus importants que les variables du quartier dans le façonnage du régime alimentaire. 41 Other neighborhood factors Structural features of neighborhoods Neighborhood food availability ? Dietary behaviors CVD Family Income Society-wide food production factors Nous sommes donc confrontés à un système complexe. Je suis sûre que, quelle que soit le domaine dans lequel vous avez travaillé – et par exemple, la génétique – vous parvenez à ce type de graphique compliqué. La génétique y mène tout particulièrement. Cette sophistication n’est pas propre aux effets de quartiers. 42 Neighborhood (spatial) patterning of health emerges from the functioning of a system: • individuals interact with their environment • individuals interact with each other • individuals and environments adapt and change over time Auchincloss and Diez Roux AJE 2008 En résumé, le modèle de quartier provient d’un système ouvert fonctionnel, dans lequel les individus interagissent avec leur environnement, entre eux-mêmes et où ils changent avec le temps. 43 General Process Example neighborhood differences in physical activity I. Health is affected by Availability of places to features of neighborhood be physically active and promotes physical activity II. Persons are sorted into Persons of lower income neighborhoods based on and minorities live in neighborhoods with less individual attributes resources De fait, nous nous penchons sur une série de processus entremêlés. La santé est influencée par les caractéristiques du quartier – comme l’illustre l’exemple qui apparaît à droite, où il est question de ce que la présence d’espaces permettant de pratiquer une activité physique contribue à la promotion de l’activité physique. Les personnes sont réparties dans des quartiers, en fonction de certaines caractéristiques ; ainsi, les personnes à faibles revenus et les personnes appartenant aux minorités vivent dans des quartiers moins bien dotés en ressources. 44 General process Example neighborhood differences in physical activity III. Persons select neighborhoods based on preferences for certain attributes Physically active persons choose to live in neighborhoods with more PA resources IV. People change their behavior in response to the behavior of others around them Seeing more people walk in the neighborhood stimulates individuals to walk V. Neighborhoods change in response to the behavior of residents The presence of more physically active residents increases the availability of recreational resources D’autres processus sont à l’œuvre. Ainsi, les personnes sélectionnent les quartiers en se basant sur leurs préférences, en fonction des attributs. Les personnes modifient leur comportement en réponse aux comportements de celles qui les entourent. Les quartiers évoluent en fonction des comportements adoptés par les résidents. Les processus dynamiques apparaissent clairement. C'est pourquoi je pense que nous devons élargir la façon dont nous étudions les impacts provenant des quartiers, pour obtenir différents types de connaissance. 45 Modeling complexity • From describing associations to modeling the processes that generate them • Prediction of effects – Under conditions different from those observed – Accounting for feed back loops and adaptation of people and environments over time • Conclusions contingent on validity of the model • Process of building these models can highlight policyrelevant areas where we need mode data! Auchincloss A. Diez Roux AV. A new tool for epidemiology? The usefulness of dynamic agent models In understanding place effects on health. AJE 2008 Un domaine nouveau, qui commence à être exploré, vise à modéliser cette complexité en utilisant une approche de simulation et un modèle. C'est intéressant, car cela nous permet de passer de la description des associations à la modélisation des processus qui génèrent ces associations. Cependant, nous ne pourrons pas tout de suite nous servir de ces modélisations dans le cadre expérimental, surtout dans le domaine traité. Quoi qu’il en soit, le fait de concevoir ces modèles peut servir à mettre en évidence les champs dans lesquels nous manquons de données et nous amener à en collecter de nouvelles. Ce type de données sera ensuite plus utile, pour mettre en œuvre des politiques, que les données d’observation disponibles. 46 Need for multiple types of evidence…. • Rigorous observational studies • Natural experiments • Qualitative studies • Simulation/systems approaches • Action based on “best available evidence” and systematic evaluation of this action Pour finir, je pense que nous avons besoin de différents types de résultats dans ce domaine, comme : des études d’observation rigoureuses, qui seront toujours informatives en dépit de leurs limites ; des expérimentations naturelles, beaucoup plus qu’à l’heure actuelle. Les quartiers évoluent en permanence. Evaluer ces changements, avec une méthode régressive, peut être très utile pour évaluer l’impact des changements du quartier sur la santé. Nous avons besoin aussi : d’études qualitatives, pour comprendre la façon dont les personnes vivent dans leur quartier et perçoivent ses effets, de sorte à penser à des interventions à tester ; des approches de simulation/système, en complément ; enfin, comme cela s’est souvent produit historiquement dans le champ de la santé publique, nous devons dans certains cas entreprendre des actions fondées sur les preuves les plus tangibles. Cela fait partie de notre responsabilité. Nous avons besoin d’évaluer ensuite de façon régressive, de sorte à en tirer des leçons. 47 Why focus on places/neighborhoods? • Mutually reinforcing nature of place –based and individual inequalities • Neighborhood differences not “naturally” determined • Result from specific policies, amenable to intervention • Health impact of non health policies • Changes in neighborhood environments likely to have multiple health and non health benefits Pourquoi s’intéresser aux lieux et aux quartiers ? Parce qu’ils renforcent naturellement les inégalités de lieux et les inégalités entre individus. Les différences entre quartiers ne sont pas spontanées ; elles résultent de politiques et elles sont sensibles aux interventions. Il faut aussi tenir compte de l’impact, pour la santé, de politiques dont l’objet n’était pas la santé. Enfin, les changements dans le cadre des quartiers peuvent avoir des effets multiples, bénéfiques ou pas pour la santé. 48 “New” paradigm in public health Interdisciplinary Transportation, urban planning, food access, community development policies as health policies photo Transportation Alternatives Un nouveau paradigme de la santé publique apparaît, davantage transversal. Il inclut les transports collectifs, la planification urbaine, l’offre alimentaire, les politiques de développement social, en tant que composantes des politiques de santé. Merci beaucoup. 49