Le recours aux soins à Paris et Antananarivo : Une

Transcription

Unité 707
Master Professionnel 2 ème année
Statistique Appliquée aux Sciences
Sociales et de la Santé
Epidémiologie et Sciences de
l’Information
Institut de Santé Publique, d'Épidémiologie et de
Pr Guy Thomas
Développement , Pr Roger Salamon
Faculté de médecine Saint -Antoine
Université Victor Segalen – Bordeaux 2
Université Pierre et Marie Curie – Paris 6
146 rue Léo Saignat - 33 076 Bordeaux Cedex
27 rue Chaligny – 75571 Paris Cedex 12
Le recours aux soins à Paris et Antananarivo :
Une comparaison des facteurs sociaux associés au
renoncement aux soins pour raisons financières et au
fait de disposer, ou non, d’un médecin régulier
Par Sylvain TERRONI
Rapport de stage
Maître de stage : Pierre CHAUVIN
Médecin épidémiologiste - CR1-HDR
Inserm U 707 – Université Paris 6
Tuteur : Anne Gegout-Petit
Professeur agrégé de statistique
ISPED – Université Bordeaux 2
Avril - Juillet 2005
Master Professionnel II « Statistique Appliquée aux Sciences Sociales et de la Santé »
Je tiens à exprimer mes sincères remerciements à Monsieur le Professeur Guy THOMAS,
directeur de l’unité INSERM U707 ainsi qu’ à l’ensemble de l’équipe 3 « Déterminants sociaux de la
santé et du recours aux soins » et plus particulièrement à :
Pierre CHAUVIN, épidémiologiste, pour son encadrement, ses conseils méthodologiques et les
relectures de ce rapport.
Isabelle PARIZOT, sociologue, pour une meilleure compréhension des bases de données
d’Antananarivo et de Paris XXième ainsi que ses connaissances sociologiques.
Emilie REHANY et Fabienne BAZIN, doctorantes, pour leur soutien informatique et statistique.
Je remercie également l’ensemble des stagiaires et doctorants de l’unité U707 pour leur accueil.
Sylvain TERRONI
Page 1
SOMMAIRE
INTRODUCTION..................................................................................................................................................................... 3
PRÉSENTATION DE LA STRUCTURE D’ACCUEIL................................................................................................... 4
1. L’Institut National de la Santé Et de la Recherche Médicale (INSERM).............................................................. 4
2. L’unité de recherche U707 : Épidémiologie, Systèmes d’information, Modélisation......................................... 5
3. Équipe 3 : « Déterminants sociaux de la santé et du recours aux soins » .............................................................. 5
JUSTIFICATION DE L’ ÉTUDE.......................................................................................................................................... 6
MATÉRIEL ET MÉTHODES ................................................................................................................................................ 8
1. Les échantillons................................................................................................................................................................ 8
2. Les questionnaires ........................................................................................................................................................... 8
3. Les variables ..................................................................................................................................................................... 9
4. Analyse statistique........................................................................................................................................................... 9
RÉSULTATS........................................................................................................................................................................... 11
1. Les données manquantes .............................................................................................................................................. 11
2. Le renoncement aux soins pour raisons financières au cours des douze derniers mois .................................... 12
2.1 Étude Paris XXième ................................................................................................................................................. 12
2.1.1 Les variables d’ajustement........................................................................................................................... 12
2.1.2 L’analyse univariée ....................................................................................................................................... 15
2.1.3 L’analyse multivariée ................................................................................................................................... 18
2.2. Étude Antananarivo.............................................................................................................................................. 21
2.2.1. Les variables d’ajustement.......................................................................................................................... 21
2.2.2 L’analyse univariée ....................................................................................................................................... 23
2.2.3 L’analyse multivariée ................................................................................................................................... 26
2.3. Analyse comparative ............................................................................................................................................ 28
2.4. Synthèse et commentaires ................................................................................................................................... 29
3. Avoir un médecin régulier ou non.............................................................................................................................. 30
3.1 Étude Paris XXième ................................................................................................................................................. 30
3.1.2. L’analyse univariée ...................................................................................................................................... 33
3.1.3. L’analyse multivariée .................................................................................................................................. 35
3.2 Étude Antananarivo............................................................................................................................................... 37
3.2.2. L’analyse univariée ...................................................................................................................................... 40
3.2.3. L’analyse multivariée .................................................................................................................................. 43
3.3 Analyse comparative ............................................................................................................................................. 45
3.4 Synthèse et commentaires..................................................................................................................................... 46
DISCUSSION GÉNÉRALE.................................................................................................................................................. 48
BILAN DU STAGE................................................................................................................................................................ 51
RÉFÉRENCE........................................................................................................................................................................... 52
ANNEXES ................................................................................................................................................................................ 54
ANNEXE 1 – Liste des tableaux et figures du rapport..................................................................................................... 55
ANNEXE 2 – Codage des variables .................................................................................................................................... 57
ANNEXE 3 – Exemple de test de chi2 de tendance.......................................................................................................... 68
ANNEXE 4 – Exemple de test de comparaison de deux proportions............................................................................ 70
ANNEXE 5 – Programme et sorties SAS du modèle final sur le renoncement aux soins pour raisons financières à
Paris ........................................................................................................................................................................................... 71
Sylvain TERRONI
Page 2
INTRODUCTION
Du 4 avril au 31 juillet 2005, j’ai réalisé mon stage de Master professionnel à l’Institut National
de la Santé Et de la Recherche Médicale (INSERM) et plus particulièrement au sein de l’unité U707,
intitulée « Epidémiologie, Systèmes d’information, Modélisation » où j’ai intégré l’équipe 3
« Déterminants sociaux de la santé et du recours aux soins » dirigée par Pierre Chauvin.
Cette dernière coordonne avec l’équipe de recherche sur les inégalités sociales du Centre
Maurice Halbwachs (CNRS1 -EHESS2 -ENS3 ) et l’Institut National d’Etudes Démographiques (INED)
un programme de recherche multidisciplinaire ayant pour objectif de comparer les relations entre la
santé, les inégalités et les ruptures sociales (SIRS) dans de grandes métropoles. A ce jour, il porte sur
les agglomérations suivantes : Abidjan (Côte d’Ivoire), New York (Etats-Unis), Paris (France), Sao
Paulo (Brésil), Varsovie (Pologne) et Antananarivo (Madagascar).
A partir de ce programme, l’objectif de mon stage était de réaliser une étude comparative entre
Antananarivo et Paris et de déterminer les éventuels facteurs de risque de deux comportements de
recours aux soins différents.
Le premier fait référence au renoncement aux soins pour raison financière au cours des douze
derniers mois. Cette thématique est une question classique, posée en France par l’Institut de Recherche
et Documentation en Economie de la Santé (IRDES) dans ses enquêtes biannuelles sur la santé et la
protection sociale intitulées « Santé, soins et protection sociale ».
Le second est le fait d’avoir, ou non, un médecin régulier. Celui-ci étant à même d’orienter au
mieux le patient au sein du système de soins, avoir un médecin régulier est considéré comme un atout
pour le suivi et la prise en charge des personnes.
Après une présentation succincte de la structure d’accueil, la justification des deux études ainsi
que les méthodes utilisées seront explicitées. Puis, chacune des deux analyses sera détaillée dans la
partie résultats. Enfin, une discussion et un bilan du stage constitueront les deux dernières parties de ce
mémoire.
1
Centre National de la Recherche Scientifique.
Ecole des Hautes Etudes en Sciences Sociales.
3
Ecole Normale Supérieure.
2
Sylvain TERRONI
Page 3
PRÉSENTATION DE LA STRUCTURE D’ACCUEIL
1. L’Institut National de la Santé Et de la Recherche Médicale (INSERM)
Créée en 1964, il est le successeur de l’INH (Institut National d’Hygiène) fondé en 1941 à
l’instigation du secrétaire d’État à la Santé (1).
Depuis 1983, l’INSERM est un établissement public à caractère scientifique et technologique,
placé sous la double tutelle du Ministère de la Santé et du Ministère de la Recherche. Il a comme
mission de conduire des recherches biologiques, médicales et de santé publique afin d'améliorer la
compréhension des maladies et de raccourcir les délais pour faire bénéficier les patients, le monde
médical et les partenaires nationaux mais aussi internationaux, des résultats de la recherche.
En 1984, un décret établi un nouveau statut des personnels de l’INSERM qui deviennent
fonctionnaires, comme ceux du CNRS.
A ce jour, il est le seul organisme public de recherche français entièrement dédié à la santé
humaine. Il compte 360 unités et équipes de recherche (80% localisées dans des universités et des
centres hospitalo-universitaires) et un effectif de 13 000 personnes (dont 6500 salariés INSERM). Le
budget total s’élevait à environ 508 millions d’euros en 2003, dont près de 71% provenait de
subventions de l’État.
Nommé en février 2001, Christian Bréchot est le Directeur général de l’institut dont le siège
social se situe au 101 rue de Tolbiac dans le XIIIème arrondissement de Paris.
Pour gérer ses 360 structures de recherche, l’INSERM s’est doté d’administrations déléguées
régionales réparties à Lille, Paris, Strasbourg, Bordeaux, Toulouse, Montpellier, Marseille et Lyon.
L’une des principales instances sur laquelle repose l’institut est le conseil d’administration. Il
délibère sur le budget et traite les principales affaires administratives et financières de l’institut. Un
conseil scientifique étudie la situation et les perspectives de développement de la recherche médicale
et en santé. Enfin, il existe des Conseils Scientifiques Consultatifs Régionaux (CSCR) qui ont pour
principal objectif d’étudier la situation et les perspectives régionales de développement de la recherche
biomédicale et dans le domaine de la santé et des Commissions Scientifiques Spécialisées (CSS) –
dont une est dédiée à la santé publique, l’épidémiologie et les sciences humaines – qui évaluent la
production et les projets scientifiques des chercheurs et des structures dans chaque discipline.
Par ailleurs, l’INSERM est en partenariat avec de nombreuses instances extérieures telles que
les universités, les Centres Hospitaliers Universitaires (CHU), l’industrie (groupes ou entreprises
pharmaceutiques), les agences de santé telles que l’Institut National de Veille Sanitaire (INVS), les
organismes de protection sociale, les associations et fondations, la communauté scientifique
internationale et les autres organismes de recherche tels que l’institut Pasteur, le Commissariat à
l’Energie Atomique (CEA), l’Institut National d’Etudes Démographiques (INED) ou encore le CNRS.
Sylvain TERRONI
Page 4
2. L’unité de recherche U707 : Épidémiologie, Systèmes d’information, Modélisation
Sous la direction du Pr. Guy Thomas (PU-PH1 ), elle a succédé le 31 décembre 2004 à l’unité de
recherche U444 (2). Elle est située à la faculté de médecine de l’hôpital Saint-Antoine dans le XIIème
arrondissement de Paris. Actuellement, elle est composée d’environ 80 chercheurs, ingénieurs,
doctorants, stagiaires et personnels administratifs. L’unité est liée très étroitement à l’Ecole Doctorale
« Santé Publique et Sciences de l’Information Biomédicale » (ED 693, Université Paris 6) qui est
dirigée par A.J. Valleron et au Master II de Biomathématiques, dont le responsable est G. Thomas.
Ses objectifs sont d’apporter des réponses dans trois domaines de la santé publique : les
maladies infectieuses, le recours aux soins et la performance hospitalière. Pour cela, l’organisation de
la recherche s’articule autour de quatre équipes : « Epidémiologie des maladies infectieuses »,
« Réseau sentinelles », « Déterminants sociaux de la santé et du recours aux soins » et « Performance
hospitalière ». En résumé, les équipes 1 et 2 se consacrent à l’épidémiologie des maladies infectieuses,
l’équipe 3 développe un programme d’épidémiologie sociale et l’équipe 4 étudie la performance des
structures de soins, composante critique de l’épidémiologie hospitalière. Les problématiques
développées dans les équipes se trouvent être à l’origine de préoccupations communes de part la
complémentarité des thèmes épidémiologiques, le rôle des modèles mathématiques et l’exploitation de
systèmes d’information.
Le déroulement de mon stage s’est réalisé au sein de l’équipe 3.
3. Équipe 3 : « Déterminants sociaux de la santé et du recours aux soins »
Elle fut créée en 2002 (2). Coordonnée par Pierre Chauvin (CR1-HDR2 ), elle est composée
d’épidémiologistes et de sociologues (chercheurs, post-doctorants et doctorants), d’une ingénieur
d’étude, d’une coordinatrice de séminaire, d’un superviseur de l’enquête SIRS, d’une personne
chargée de la gestion administrative, du suivi comptable et des demandes de subventions. Des
enquêteurs vacataires sont recrutés temporairement en fonction des études en cours.
Son thème de recherche concerne essentiellement l’étude des inter-relations entre les situations
sociales et les comportements de recours aux soins, en associant les approches épidémiologique et
sociologique, et en conjuguant les méthodes de modélisation statistique et les méthodes qualitatives.
Les travaux effectués ont pour objectif de développer des recherches en santé publique caractérisées
par trois dimensions. En premier lieu, le système de recours aux soins est envisagé dans diverses
composantes à la fois hospitalières et de ville, préventive et curative. Prendre en compte les
caractéristiques sociales individuelles des personnes (situation socio-économique, conditions de vie,
caractéristiques psychosociales, insertion et supports sociaux) est le second objectif. Enfin, l’accent est
mis sur l’importance des collaborations multidisciplinaires entre chercheurs en épidémiologie et en
sciences sociales.
Cette équipe coordonne entre autre le réseau régional de recherche en santé publique « SIRS –
Ile de France » soutenu par l’INSERM. Ce fut à partir de ce projet que l’une de mes deux études a été
réalisée.
1
2
Professeur des Universités – Praticien Hospitalier.
Chargé de Recherche première classe – Habilité à diriger des recherches.
Sylvain TERRONI
Page 5
JUSTIFICATION DE L’ ÉTUDE
Les disparités Nord/Sud et Est/Ouest sont flagrantes et connues. En effet, d’un point de vue
économique, les deux pays étudiés s’opposent. Madagascar, une des anciennes colonies françaises, est
l’un des pays les plus pauvres du monde avec un produit intérieur brut (PIB) de 5,5 milliards de
dollars en 2003 (3). La dépense nationale de santé représentait 2,1% du PIB en 2002 (4). En ce qui
concerne la politique de santé, le maintien de la gratuité des soins par le gouvernement en 2003 a été
un fait marquant, même si le résultat au niveau de l’accès aux soins n’a pas été probant. Cette gratuité
a été effective au début et a fait exploser le nombre de consultations, mais ensuite, du fait de pénuries,
les patients ont été contraints d’acheter eux-mêmes leurs médicaments (5). Selon une enquête
démographique et de santé réalisée par l’INSTAT, 1,7 million d'enfants n'ont pas accès à des soins
médicaux en cas de maladies (6).
A l’opposé, la France est la quatrième puissance économique mondiale avec un PIB qui
s’élevait en 2003 à 1557,2 milliards d’euros (7). La dépense nationale de santé représentait 10,5 % du
PIB en 2004, soit une augmentation de 0,1 point par rapport à 2003 (8). Il est l’un des plus fort taux
observés en Europe. En 2003, la France se situait au cinquième rang des pays de l’Organisation de
Coopération et de Développement Economique (OCDE) pour cet indicateur . Sa croissance de la
consommation de soins et de biens médicaux 1 était de 3,4% en volume en 2004 (10).
Ces deux capitales peuvent être prises comme les représentants emblématiques de deux
ensembles géographiques et sociaux différents : les pays du tiers-monde du Sud aux structures sociales
traditionnelles et les pays développés du Nord aux structures sociales modernes.
Un des défis majeurs en matière de santé est de réduire l'inégalité de l'accès aux soins. Si la
situation est particulièrement dramatique au Sud, on assiste également, même dans les pays
développés, à la mise à l'écart des systèmes de soins d'une part croissante de la population (11). De nos
jours, il est établi que l’origine de ces inégalités peut provenir des circonstances sociales, celles-ci
affectant la santé des individus. En particulier, des ruptures sociales émaillant la trajectoire
biographique des individus peuvent, dans certains cas, conduire à une dégradation tant de la sécurité
sanitaire collective que de la cohésion sociale des populations. A l’heure de la mondialisation, il paraît
primordial de pouvoir expliquer ce phénomène et de progresser dans la compréhension des
mécanismes sous-jacents (12).
Ainsi, nous nous sommes intéressés à deux thèmes majeurs de l’accès aux soins : le
renoncement aux soins pour raisons financières et le recours aux soins, ce dernier étant représenté par
le fait d’avoir ou non un médecin régulier. Selon l’IRDES, le pourcentage de renoncement aux soins
pour raisons financières au cours des douze derniers mois en France en 2002 était de 11 % (13). En ce
qui concerne le recours aux soins, le médecin de famille est le premier interlocuteur pour la majorité
des problèmes de santé. Il est à même d’orienter au mieux le patient au sein du système de soins. Les
examens et consultations de prévention s’avèrent important pour préserver la santé des populations
ainsi que pour déceler le plus tôt possible d’éventuelles maladies ou infections et, ainsi, améliorer les
1
La consommation de soins et biens médicaux comprend les soins hospitaliers, les soins ambulatoires (médecins, dentistes,
auxiliaires médicaux, laboratoires d’analyses, cures thermales), les transports sanitaires et les biens médicaux (médicaments,
optique, prothèses, petits matériels et pansement) (9).
Sylvain TERRONI
Page 6
chances de guérison et/ou diminuer les risques de transmission. De ce point de vue, le fait d’avoir un
médecin de famille (ou un médecin régulier) est considéré comme une « bonne pratique médicale » et
un gage de qualité de la prise en charge d’un individu.
D’autres obstacles que proprement financiers sont en jeu derrière ces déclarations de
renoncement aux soins et de non recours aux soins. La plupart des travaux existant étudient
essentiellement les caractéristiques sociodémographiques tels que l’âge, le sexe, le bénéfice d’une
assurance complémentaire, le revenu par unité de consommation, la catégorie socio-professionnelle, le
statut d’emploi et l’état de santé (13,14) mais beaucoup plus rarement des caractéristiques
individuelles se référant aux ruptures sociales, à l’intégration sociale, à la représentation de la santé et
de la médecine ou encore au caractère psychologique de la personne. Dans les pays en développement,
si l’obstacle financier et la faiblesse de l’offre de soins sont éminemment primordiaux, les
déterminants sociaux précités méritent aussi d’être étudiés.
Notre objectif est de rechercher les éventuelles caractéristiques individuelles associées avec le
fait de déclarer ou non avoir déjà renoncer aux soins pour raisons financières ainsi que d’avoir ou non
un médecin régulier. Cela a été réalisé en étudiant les critères suivant : le statut sociodémographique
(situation familiale, vie professionnelle, nationalité, durée de résidence dans le quartier),
l’intégration sociale (la religion, le type d’aide, la participation ou non à une association, le sentiment
d’isolement, la relation avec le voisinage), les ruptures sociales (le sentiment d’avoir eu ou non une
enfance heureuse, le nombre de difficultés à l’enfance et à l’âge adulte), la représentation de la santé et
de la médecine (résistance à la maladie, acceptation de la maladie, priorité portée à la santé, confiance
dans le système de santé, perception des services médicaux du quartier, relation entre maladie ou
guérison et Dieu, conditions de vie nuisibles à la santé) ainsi que certaines caractéristiques
psychologiques (niveau d’estime de soi, sentiment d’efficacité personnel, caractère dépressif).
Ainsi, ce travail a pour but d’étudier des éléments rarement (voire jamais) pris en compte dans
l’étude des liens entre les situations sociales et la santé, tout en ajustant sur l’âge, le sexe, le bénéfice
d’une assurance complémentaire, le revenu par unité de consommation, la catégorie socioprofessionnelle, le statut d’emploi et l’état de santé. Elle s’inscrit dans une réflexion sur la santé
urbaine 1 dans les grandes métropoles. Par conséquent, cette recherche entend prendre en compte de
façon comparative l’ensemble de ces dimensions dans le but d’étudier ultérieurement leurs impacts sur
les états de santé et de recours aux soins. Elle s’inscrit dans l’analyse comparative des deux
dynamiques urbaines pour mieux apprécier les facteurs communs ou spécifiques du renoncement et du
recours aux soins.
1
En anglais : urban health studies
Sylvain TERRONI
Page 7
MATÉRIEL ET MÉTHODES
Les données étudiées résultent de deux enquêtes transversales conduites en population générale,
auprès d’échantillons aléatoires et représentatifs.
1. Les échantillons
L’enquête SIRS à Antananarivo a été menée auprès du même échantillon de personnes que
l’enquête emploi. Dans un premier temps, un sondage stratifié selo n le type d’habitation et le niveau
d’instruction a permis de créer quatre strates. Au sein de celles-ci, des segments ont été tirés selon un
tirage aléatoire proportionnel à la taille de l’échantillon. Dans un second temps, l’échantillon de
ménages a été constitué par tirage aléatoire systématique sur liste au sein de chaque segment. Au final,
l’échantillon était composé de 2807 malgaches âgés de 18 ans ou plus.
Pour Paris, l’enquête portait sur les quartiers relevant de la Politique de la Ville dans le XXième
arrondissement et plus précisément, les quartiers de Belleville -Amandiers et de Saint-Blaise.
L’échantillon a été constitué par l’Agence Parisienne d’Urbanisme (APUR) à partir de la liste
exhaustive des foyers fiscaux (Direction Générale des Impôts) et d’un recensement des foyers et des
hôtels meublés des quartiers sélectionnés. Au final, l’échantillon était composé de 889 parisiens
majeurs, soit 594 sur la zone de Belleville -Amandiers et 295 sur la zone de Saint-Blaise.
2. Les questionnaires
Ils ont été élaborés par les chercheurs intégrés au réseau SIRS International, c'est-à-dire par les
membres des équipes travaillant dans chacune des six villes étudiées, en particulier l’équipe de
recherche sur les déterminants sociaux de la santé et du recours aux soins (INSERM U707), l’équipe
de recherche sur les inégalités sociales (CNRS-EHESS-ENS) et l’unité de recherche « Croissance,
inégalités, populations et rôle de l’Etat » (IRD1 ) (15). Une partie des questions qui ont été posées dans
d'autres enquêtes ont été reprises, telles que celles de l'Institut National de la Statistique et des Etudes
Economiques (INSEE), de l'Institut National Etudes Démographiques (INED) ou encore de l’IRDES
et de nouvelles questions ont été crées afin de répondre à la problématique SIRS.
Dans les deux cas, il est composé de treize parties : « les ressources », le « rapport aux services
publics et citoyenneté », « logement et quartier », « formation et expérience professionnelle »,
« enfance et jeunesse », « couple et famille », « vie sociale et familiale », « santé ressentie », « recours
aux soins », « santé mentale », « habitudes de vie», « santé des femmes » et « attitudes, représentations
et expérience de la santé ». Il est constitué de questions factuelles et subjectives.
Dans les deux villes, il a été administré en face à face sans témoin au domicile de la personne
interrogée (en français à Paris, en malagasy à Antananarivo, la traduction du questionnaire ayant été
effectuée par l’IRD et l’INSTAT2 à Madagascar). Le recueil des données a eu lieu entre avril et juin
2003 à Antananarivo et entre le 2 octobre et le 15 novembre 2003 à Paris.
1
2
Institut de Recherche pour le Développement.
Institut National de la Statistique.
Sylvain TERRONI
Page 8
3. Les variables
Nous distinguons trois catégories de variables (Annexe 2).
La première correspond aux deux variables dépendantes étudiées : le renoncement aux soins
pour raisons financières au cours des douze derniers mois et le fait de consulter ou non un médecin
régulier.
La deuxième catégorie fait référence aux variables d’ajustement. Celles-ci regroupent le sexe,
l’âge, le diplôme, le nombre de maladies chroniques, la couverture maladie, le revenu par unité de
consommation et la situation professionnelle.
Les variables explicatives constituent la dernière catégorie. Elles rassemblent des variables de
type socio-démographique (la situation familiale, la vie professionnelle, la nationalité, la durée de
résidence dans le quartier), des variables d’intégration sociale (la religion, le type d’aide, la
participation à une association, le sentiment d’isolement, la relation avec le voisinage), des variables
de rupture sociale (enfance heureuse, le nombre de difficultés au cours de la jeunesse, le nombre de
difficultés rencontrées à l’âge adulte), des variables de représentation de la santé et de la médecine (la
résistance à la maladie, l’acceptation de la maladie, la priorité portée à sa santé, la confiance dans le
système de santé, la perception des services médicaux du quartier, la relation entre la maladie ou
guérison et dieu, les conditions de vie nuisibles à la santé) et des variables psychologiques (le niveau
d’estime de soi, le sentiment d’efficacité personnel, le caractère dépressif).
Toutes ces variables explicatives ont été exploitées pour les deux analyses, excepté la variable « durée
de résidence dans le quartier » qui n’a logiquement pas été prise en compte lors de la première étude.
Les études ont nécessité l’utilisation d’une variable de poids. Il est à noter également que la
variable situation professionnelle à Antananarivo est issue de l’enquête emploi qui s’est déroulée peu
de temps avant l’enquête SIRS. De plus, les variables se référant au type d’aide et au revenu par unité
de consommation ainsi que la variable de poids étaient déjà présentes dans le fichier de données initial.
4. Analyse statistique
Lorsque la variable dépendante n’est pas quantitative mais qualitative ou catégorielle le modèle
de régression linéaire n’est pas approprié. Sachant que la variable dépendante de nos études prend
comme valeur un attribut et non une valeur numérique, la régression logistique était la plus adéquate.
En effet, elles reposaient sur la relation entre une variable dépendante binaire (renoncement ou non
aux soins pour raisons financières pour la première analyse et avoir ou non un médecin régulier pour la
deuxième analyse) et des variables explicatives étant des facteurs de risques potentiels.
Pour l’ensemble des régressions logistiques effectuées, la même procédure a été suivie
concernant les analyses univariées, puis multivariées, d’après le modèle suivant : les variables d’intérêt
étaient supposées indépendantes et identiquement distribuées suivant une loi de Bernoulli de
paramètre ? i , conditionnellement aux variables explicatives xi . En appliquant la transformation
« logit » au modèle de régression logistique, on obtient la relation linéaire suivante entre les
paramètres :
Sylvain TERRONI
Page 9
Logit (? i ) ? ln ?? ( xi ) /(1 ? ? ( x i )) ? ? ? 0 ? ? 1 xi1 ? ... ? ? k x ik
L’analyse statistique des données a été réalisée à l’aide du logiciel SAS? (16). Elle a nécessité
l’utilisation d’une variable de poids. Pour mesurer l’association entre deux variables qualitatives, les
tests d’indépendance du chi2 et du chi2 de tendance (seuil de signification fixé à 5 %) ont été utilisés.
Pour les analyses comparatives, des tests de comparaisons de proportions entre deux échantillons
indépendants ont été réalisés (seuil de signification fixé à 5 %). La mesure d’association entre un
facteur explicatif et l’outcome a été exprimée par l’intermédiaire de l’odds ratio.
Pour les analyses univariées et multivariées, les variables étaient considérées comme
significatives lorsque leurs p-values étaient inférieures à 5%. Chacune d’entre elles ont été effectuées
en ajustant à chaque fois sur les variables d’ajustement pré citées. Les individus présentant des
données manquantes pour la variable dépendante ou pour au moins une des variables d’ajustement ont
été écartés des études.
Notre stratégie d’analyse a été d’inclure dans le modèle multivarié toutes les variables qui
avaient une p-value inférieure à 25% en univarié. Ce seuil a été privilé gié afin de ne pas éliminer
d’emblée les variables importantes. Ensuite, nous avons retiré du modèle la variable qui, à chaque
étape, apportait le moins d’information, tout en vérifiant que celle -ci n’était pas un facteur de
confusion (pourcentage de varia tion des odds ratio supérieur à 20-25%). Cette procédure d’élimination
progressive a été effectuée jusqu’à obtenir un modèle constitué uniquement de variables significatives
(p-values inférieures à 5%). Une fois obtenue le modèle réduit, des termes d’interactions pertinents ont
été introduits et une procédure descendante fut à nouveau réalisée afin de savoir si d’éventuels termes
d’interaction étaient significatifs (seuil de signification fixé à 5 %). Les variables impliquées dans une
interaction significative étaient maintenues dans le modèle.
La qualité de prédiction du modèle a été calculée par l’intermédiaire de l’aire sous la courbe de
ROC (17). Une bonne qualité de prédiction se traduit par le fait que la courbe frôle l’axe des
ordonnées et l’axe des abscisses : plus l’aire sous la courbe est proche de 1, plus le modèle a une
bonne qualité de prédiction. Le test de Hosmer - Lemeshow a permis de calculer l’adéquation globale
du modèle (18). Enfin, les proportions de faux positifs, de vrais négatifs, le s valeurs prédictives
positives et négatives ainsi que la sensibilité et la spécificité ont été déterminées afin de mesurer les
performances diagnostiques du modèle.
1
1
En anglais : Receiving Operator Characteristics.
Sylvain TERRONI
Page 10
RÉSULTATS
1. Les données manquantes
Comme il a été précisé précédemment, les analyses univariées et multivariées ont été ajustées
sur les sept variables suivantes : sexe, âge, revenu par unité de consommation, situation
professionnelle, diplôme, couverture maladie et nombre de maladies chroniques. Ainsi, il nous
semblait important de réaliser les analyses sur des variables qui ne présentaient pas de données
manquantes tant pour les variables d’intérêt que d’ajustement.
Concernant les études menées à Paris, la population était composée de 889 individus. Que ce
soit pour le renoncement aux soins ou le fait d’avoir ou non un médecin régulier, aucune donnée
manquante n’était observée pour ces deux variables dépendantes. Pour les sept variables d’ajustement,
seule la variable diplôme présentait des données manquantes. En effet, pour 25 individus interrogés,
aucune modalité de diplôme n’était mentionnée. Représentant une proportion inférieure à 5% par
rapport à la population totale (2,81%), ces individus ont été exclus des analyses. Pour les deux études,
notre population d’étude à Paris était donc restreinte à 864 individus.
A Antananarivo, notre population initiale était de 2807 individus. Pour l’étude du renoncement
aux soins pour raisons financières, nous constations 39 données manquantes pour la variable à
expliquer, à savoir le renoncement aux soins pour raisons financières, soit 1,39 % de la population de
départ. De plus, hormis pour la variable nombre de maladies chroniques, 77 individus présentaient au
minimum une donnée manquante en fonction des variables d’ajustement. Ces 116 individus étant
jugés inexploitables et représentant un pourcentage relativement faible par rapport à la population
totale (4,13%), ils ont été exclus de toute l’analyse. Après suppression de ces données manquantes, la
population d’étude était de 2691 individus.
De même, pour la seconde analyse, nous n’avions aucune information quant à la variable
dépendante (avoir ou non un médecin régulier) pour 17 individus. A cela s’ajoutait que 81 personnes
présentaient des données manquantes pour au moins une des sept variables d’ajustement. Par
conséquent, 98 individus, représentant 3,49% de la population totale, ont été supprimés de la deuxième
analyse à Antananarivo. L’effectif était alors de 2709 individus.
Dans tous les cas, les pourcentages de données manquantes étant inférieures à 5%, il aurait été
peu probable que ces individus exclus des populations initiales influencent de façon sensible la
précision et la validité des coefficients tout au long des analyses.
Sylvain TERRONI
Page 11
2. Le renoncement aux soins pour raisons financières au cours des douze derniers mois
2.1 Étude Paris XXième
La proportion de français ne renonçant pas aux soins pour raisons financières (80,21%) est
quatre fois plus importante par rapport à celle qui renonce aux soins pour raisons financières (19,79
%). Les types de soins auxquels les personnes renoncent en majeure partie sont essentiellement les
prothèses ou les appareils dentaires (47,95%) et les autres soins dentaires (43,27%). A l’opposé, les
radiologies, scanner et autre examen d’imagerie médicale (8,77%) et les analyses de laboratoire et
prises de sang (7,60%) sont les plus rarement cités.
2.1.1 Les variables d’ajustement
Tableau 1. Statistiques descriptives des variables d’ajustement après suppression des données manquantes,
Renoncement aux soins pour raisons financières, Paris.
Total
Effectif (%)(1)
Renoncement
aux soins
379 (43,87%)
485 (56,13%)
76 (8,80%)
95 (10,99%)
p (2)
Pas de
renoncement
aux soins
Sexe
0,851
Homme
Femme
303 (35,07%)
390 (45,14%)
Age
[18 ; 30[
249 (28,82%)
35 (4,05%)
[30 ; 39[
194 (22,45%)
43 (4,98%)
[39 ; 52[
217 (25,12%)
51 (5,90%)
> =52
204 (23,61%)
42 (4,86%)
Nombre de maladies chroniques
Aucune maladie
416 (48,15%)
59 (6,83%)
1 maladie
206 (23,84%)
30 (3,47%)
2 maladies
106 (12,27%)
33 (3,82%)
3 ou plus maladies
136 (15,74%)
49 (5,67%)
Couverture maladie
Sécurité sociale et complémentaire
681 (78,82%)
131 (15,16%)
Sécurité sociale
174 (20,14%)
36 (4,17%)
Pas de sécurité sociale
9 (1,04%)
4 (0,46%
Revenu par unité de consommation
[0 ; 766,6[
209 (24,19%)
52 (6,02%)
[766,6 ; 1194,4[
212 (24,54%)
51 (5,90%)
[1194,4 ; 1746,6[
222 (25,69%)
39 (4,51%)
[1746,6 ; 10000]
221 (25,58%)
29 (3,36%)
Situation Professionnelle
Actif occupé
489 (56,60%)
91 (10,53%)
Chômeur
111 (12,85%)
36 (4,17%)
Inactif
264 (30,55%)
44 (5,09%)
Diplôme
Diplôme du supérieur
378 (43,75%)
67 (7,75%)
CAP, Baccalauréat
260 (30,09%)
51 (5,90%)
BEPC
76 (8,80%)
14 (1,62%)
CEPE (Certificat de fin d’études primaires)
54 (6,25%)
11 (1,27%)
Aucun diplôme
96 (11,11%)
28 (3,24%)
(1)
Les pourcentages se rapportent à la population totale de 864 individus.
(2)
La p-value correspond au test d’indépendance du chi-2.
0,054
214 (24,77%)
151 (17,48%)
166 (19,21%)
162 (18,75%)
<0,0001
357 (41,32%)
176 (20,37%)
73 (8,45%)
87 (10,07%)
0,283
550 (63,66%)
138 (15,97%)
5 (0,58%
0,004
157 (18,17%)
161 (18,63%)
183 (21,18%)
192 (20,22%)
0,001
398 (46,06%)
75 (8,68%)
220 (25,46%)
0,145
311 (35,99%)
209 (24,19%)
62 (7,18%)
43 (4,98%)
68 (7,87%)
Le Tableau 1. présente les caractéristiques principales de l’échantillon sur lequel nos analyses
univariées et multivariées vont être basées.
Sylvain TERRONI
Page 12
Au sein de cet échantillon, al proportion de femmes (56,13 %) est supérieure à celle des
hommes (43,87 %). Environ la moitié des individus n’ont aucune maladie chronique (48,15%) et un
peu moins d’un sixième a au moins trois maladies chroniques (15,86%). Près de 1% des personnes
interrogées n’ont pas de sécurité sociale (1,04%). A l’opposé 78,82% des résidents ont une sécurité
sociale et une couverture maladie complémentaire et/ou une prise en charge à 100%. Nous constatons
également que 56,60% de notre échantillon est constitué d’actifs occupés. Parmi ceux-ci, 51,62%
occupe un travail salarié (contrat à durée indéterminée, contrat à durée déterminée, emploi aidé,
contrat d’apprentissage ou d’alternance, emploi jeune, contrat emploi solidarité, stage de formation
rémunéré) et 4,86% un travail non salarié (à son compte, aide familial, travail non déclaré). Enfin, la
variable diplôme nous informe que nous avons approximativement la même proportion de personnes
au sein de l’échantillon ayant le CAP, BEP ou autre diplôme de ce niveau (15,39%) que de personnes
ayant le baccalauréat (14,81%). Enfin, plus le niveau d’étude est élevé, plus la proportion d’individus
est importante (CAP, Baccalauréat : 30,09%, Diplôme du supérieur : 43,75%). Pour cette dernière
catégorie, 14,70% des individus ont un niveau bac + 2 et 28,94% ont un niveau bac + 3 et au-delà.
Le test d’indépendance du chi2 met en évidence une association significative entre la variable
renoncement aux soins pour raisons financières au cours des douze derniers mois et les variables
suivantes : nombre de maladies chroniques (p<0,0001), revenu par unité de consommation (p=0,004)
et situation professionnelle (p=0,001). Pour les deux premières, le test du chi2 de tendance montre
respectivement une augmentation régulière et significative (chi2=33,21) et une diminution régulière et
significative (chi2=11,02) de la proportion de personnes ayant renoncé aux soins pour raisons
financières au cours des douze derniers mois en fonction du nombre de maladies chroniques
(proportions de personnes renonçant aux soins en fonction des maladies chroniques : 14,18% pour
aucune maladie, 14,56% pour une maladie, 31,13% pour deux maladies et 36,03% pour trois maladies
et plus) et en fonction du revenu par unité de consommation (proportions de personnes renonçant aux
soins en fonction du revenu par unité de consommation : 24,88% pour le premier quartile, 24,06%
pour le deuxième quartile, 17,57% pour le troisième quartile et 13,12% pour le quatrième quartile)
(Annexe 3).
Il n’y a pas d’association significative à 5% entre la variable dépendante et chacune des
variables suivantes : sexe (p=0,851), âge (p=0,054), couverture maladie (p=0,283) et diplôme
(p=0,145).
Le Tableau 2. présente les résultats obtenus lorsque que les sept variables d’ajustement sont
entrées dans un même modèle, avec comme outcome le renoncement aux soins pour raisons
financières au cours des douze derniers mois. Nous constatons qu’en ajustant sur ces variables, celles
se référant au nombre de maladies chroniques (p<0,0001), au revenu par unité de consommation
(p=0,047) et à la situation professionnelle (p=0,009) ont une association significative à 5% avec la
variable dépendante. Ainsi, ce sont les mêmes variables significatives que celles observées dans le
Tableau 1.
Sylvain TERRONI
Page 13
Tableau 2. Résultats du modèle multivarié pour les variables d’ajustement, Renoncement aux soins pour
raisons financières, Paris.
Odds ratio
IC 95%(1)
1,00
0,92
[0,64 ; 1,33]
1,00
1,82
1,48
1,37
[1,07 ; 3,10]
[0,87 ; 2,50]
[0,74 ; 2,56]
1,00
1,01
2,72
3,41
[0,61 ; 1,65]
[1,60 ; 4,62]
[2,05 ; 5,67]
1,00
1,02
2,57
[0,65 ; 1,61]
[0,61 ; 10,87]
1,00
0,95
0,65
0,47
[0,59 ; 1,54]
[0,38 ; 1,11]
[0,26 ; 0,86]
1,00
1,63
0,65
[0,98 ; 2,73]
[0,39 ; 1,08]
1,00
0,85
0,80
0,72
1,24
[0,55 ; 1,32]
[0,40 ; 1,59]
[0,32 ; 1,65]
[0,68 ; 2,24]
Sexe
p(2)
0,656
Homme
Femme
Age
[18 ; 30[
[30 ; 39[
[39 ; 52[
[52 ; 93]
Aucune maladie
1 maladie
2 maladies
3 ou plus maladies
Couverture maladie
Sécurité sociale
[0 ; 766,6[
[766,6 ; 1194,4[
[1194,4 ; 1746,6[
[1746,6 ; 10000]
Actif occupé
Chômeur
Inactif
Diplôme
CAP, Baccalauréat
BEPC
Aucun diplôme
(1)
Intervalle de confiance à 95%.
(2)
La p-value correspond au test de Wald.
0,175
< 0,0001
0,439
0,047
0,009
0,620
En ajustant sur l’ensemble des variables, nous pouvons effectuer les commentaires suivants.
Tout d’abord, les femmes ont moins de risque de renoncer aux soins pour raisons financières
par rapport aux hommes, mais la différence n’est pas significative (OR Femme/Homme = 0,92 :
IC95%=[0,64 ; 1,33]).
Le risque de renoncer aux soins est plus élevé pour les individus de 30 à 38 ans, de 39 à 51 et
pour les plus de 52 ans par rapport à ceux âgés de 18 à 29 ans, mais cela n’est significatif qu’entre les
classes d’âge [30 ; 39[ et [18 ; 30[ (OR [30 ; 39[/[18 ; 30[ =1,82 : IC95%= [1,07 ; 3,10]).
Les résidents ayant deux, trois ou plus maladies chroniques ont significativement plus de risque
de renoncer aux soins pour raisons financières par rapport à ceux qui en n’ont aucune (OR 2 /0 = 2,72 :
IC95%= [1,60 ; 4,62] et OR [3 ; 15]/0 = 3,41 : IC95%= [2,05 ; 5,67]).
Le risque de renoncer aux soins est plus important pour les personnes n’ayant pas de sécurité
sociale par rapport à celles qui ont une sécurité sociale et une complémentaire (OR Pas de sécurité sociale /
Sécurité sociale et complémentaire = 2,57 : IC95%=[0,61 ; 10,87]). Toutefois, cette différence n’est pas significative.
En ce qui concerne la variable revenu par unité de consommation, nous pouvons constater que
le risque de renoncer aux soins semble diminuer avec un niveau de quartile de plus en plus élevé.
Seuls les individus appartenant au quatrième quartile ont un risque significativement plus faible de
renoncer aux soins par rapport aux individus du premier quartile (OR [1746,6 ; 10000]/ [0 ; 766,6[ = 0,47 : IC95%=
[0,26 ; 0,86]).
Sylvain TERRONI
Page 14
Par ailleurs, par rapport aux actifs occupés, les chômeurs et les inactifs ont respectivement un
risque plus élevé et plus faible de renoncer aux soins, mais dans les deux cas, cela n’est pas significatif
(OR Chômeur/Actif occupé = 1,63 : IC95% = [0,98 ; 2,73] et OR Inactif/Actif occupé = 0,65 : IC95% = [0,39 ; 1,08]).
Enfin, les personnes qui n’ont aucun diplôme ont plus de risque de renoncer aux soins pour raisons
financières par rapport à ceux qui possèdent un diplôme du supérieur (OR Aucun diplôme/Diplôme du supérieur =
1,24 : IC95%= [0,68 ; 2,24]) mais cela n’est pas significatif non plus.
2.1.2 L’analyse univariée
Les résultats de l’analyse univariée sont présentés dans le Tableau 3.
Tableau 3. Résultats de l’analyse univariée(1), Renoncement aux soins pour raisons financières, Paris.
Situation familiale
Relation sentimentale avec enfant(s)
Relation sentimentale sans enfant
Célibataire avec enfant(s)
Célibataire sans enfant
Vie professionnelle
Emplois stable et continu
Amélioration de la situation
Dégradation de la situation
Situation instable
N’a jamais travaillé / Formation
Nationalité
Française
Autre
Variables d’intégration sociale
Religion
Pratique régulière
Pratique occasionnelle
Pas de pratique
Type d’aide
Intégrés
Assistants
Assistés
Séparés
Participation à une association
Non
Oui
Sentiment d’isolement
Non
Oui
Relation avec le voisinage
Bonne
Mauvaise
Pas de relation
Variables de rupture sociale
Enfance heureuse
Oui
Non
Nombre de difficultés dans la jeunesse
0
1
[2 ; 3]
[4 ; 13]
Nombre de difficultés à l’âge adulte
0
1
2
[3 ; 11]
Sylvain TERRONI
n (%)
Odds ratio
IC 95%
345 (39,93 %)
246 (28,47 %)
117 (13,54 %)
156 (18,06 %)
1,00
0,80
1,15
0,74
[0,48 ; 1,34]
[0,68 ; 1,97]
[0,42 ; 1,30]
123 (14,23 %)
297 (34,37 %)
82 (9,49 %)
269 (31,13 %)
81 (9,37%)
1,00
0,88
1,40
1,55
2,26
[0,47 ; 1,66]
[0,67 ; 2,93]
[0,86 ; 2,78]
[0,98 ; 5,23]
685 (79,28 %)
179 (20,72 %)
1,00
0,86
[0,54 ; 1,36]
193 (22,34 %)
272 (31,48 %)
399 (46,18 %)
1,00
1,29
1,40
[0,78 ; 2,16]
[0,85 ; 2,30]
624 (72,22 %)
149 (17,24 %)
36 (4,17 %)
55 (6,36 %)
1,00
1,72
0,60
1,21
[1,06 ; 2,78]
[0,21 ; 1,68]
[0,58 ; 2,51]
682 (78,94 %)
182 (21,06 %)
1,00
1,19
[0,77 ; 1,85]
684 (79,16 %)
179 (20,72 %)
1,00
1,67
[1,11 ; 2,51]
666 (77,08 %)
44 (5,9 %)
153 (17,71 %)
1,00
1,07
1,10
[0,49 ; 2,37]
[0,70 ; 1,75]
744 (86,11 %)
117 (13,54 %)
1,00
2,37
[1,50 ; 3,74]
250 (28,94 %)
213 (24,65 %)
273 (31,60 %)
128 (14,81 %)
1,00
1,87
2,14
2,26
[1,08 ; 3,22]
[1,29 ; 3,53]
[1,24 ; 4,14]
138 (15,97 %)
380 (43,98 %)
170 (19,66 %)
176 (20,37 %)
1,00
2,53
2,42
4,28
[1,18 ; 5,45]
[1,05 ; 5,54]
[1,91 ; 9,59]
p
0,566
0,059
0,517
0,416
0,094
0,436
0,013
0,912
0,0002
0,016
0,002
Page 15
n (%)
Odds ratio
IC 95%
p
Représentation de la santé et de la médecine
Résistance à la maladie
0,492
Oui
761 (88,08 %)
1,00
Non
102 (11,80 %)
1,20
[0,71 ; 2,03]
Acceptation de la maladie
0,880
Oui
454 (52,55 %)
1,00
Non
407 (47,11 %)
0,97
[0,68 ; 1,39]
Priorité portée à sa santé
0,166
Oui
622 (71,99 %)
1,00
Non
232 (26,85 %)
1,33
[0,89 ; 2,00]
Confiance dans le système de santé
0,003
Oui
737 (85,30 %)
1,00
Non
126 (14,58 %)
2,00
[1,27 ; 3,15]
Perception des services médicaux du quartier
0,610
Satisfaisant
773 (89,47%)
1,00
Pas satisfaisant
91 (10,53%)
1,15
[0,67 ; 2,00]
Relation entre maladie ou guérison et Dieu
0,548
Non
538 (62,27 %)
1,00
Oui
318 (36,80 %)
0,89
[0,60 ; 1,31]
Conditions de vie nuisibles à la santé
<0,0001
Non
444 (51,39 %)
1,00
Oui
420 (48,61 %)
3,27
[2,17 ; 4,93]
Variables psychologiques
Niveau d’estime de soi
0,266
Fort
453 (53,43 %)
1,00
Moyen
238 (27,55 %)
0,91
[0,59 ; 1,41]
Faible
161 (18,63 %)
1,37
[0,86 ; 2,19]
Sentiment d’efficacité personnel
0,639
Fort
308 (35,65 %)
1,00
Moyen
311 (35,99 %)
0,81
[0,53 ; 1,25]
Faible
236 (27,31 %)
0,93
[0,60 ; 1,46]
Dépression
0,0027
Non
721 (83,45%)
1,00
[1,27 ; 3,13]
Oui
143 (16,55%)
1,99
(1)
ajustée sur les variables sexe, âge, nombre de maladies chroniques, couverture maladie, revenu par unité de consommation,
situation professionnelle et diplôme.
Les commentaires sont réalisés à partir des odds ratio et de leurs intervalles de confiance
respectifs.
En ce qui concerne les variables d’intégration sociale, le risque de renoncer aux soins pour
raisons financières est significativement plus élevé pour les individus ayant un sentiment d’isolement
par rapport à ceux qui en n’ont pas (OR Oui/Non = 1,67 : IC95%= [1,11 ; 2,51]). De plus, les personnes
définies comme « assistantes » ont un risque significativement plus élevé de renoncer aux soins pour
raisons financières par rapport aux personnes dites « intégrées » (OR Assistants/Intégrés = 1,72 : IC95% =[1,06
; 2,78]).
Dans le domaine des ruptures sociales, les individus n’ayant pas vécu une enfance heureuse ont
un risque significativement plus important de renoncer aux soins par rapport à ceux qui ont eu une
enfance heureuse (OR Non/Oui = 2,37 : IC95%= [1,50 ; 3,74]). Nous observons également que le risque de
renoncer aux soins augmente significativement avec le nombre de difficultés connues au cours de
l’enfance (OR 1/0 = 1,87 : IC95%= [1,08 ; 3,22], OR [2; 3]/0 = 2,14 : IC95%= [1,29 ; 3,53] et OR [4 ; 13]/0 =
2,26 : IC95%= [1,24 ; 4,14]). De plus, le test du chi2 de tendance montre une augmentation régulière et
significative (chi2 = 9,23) de la proportion de personnes ayant renoncé aux soins pour raisons
financières au cours des douze derniers mois en fonction du nombre de difficultés rencontrées au cours
de l’enfance (proportions de résidents renonçant aux soins en fonction des difficultés à l’enfance :
12,40% pour aucune difficulté, 19,72% pour une difficulté, 23,44% pour deux ou trois difficultés et
Sylvain TERRONI
Page 16
26,56% pour quatre et plus diffic ultés). De même, le test du chi2 de tendance met en évidence une
augmentation régulière et significative de la proportion de personnes ayant renoncé aux soins pour
raisons financières au cours des douze derniers mois en fonction du nombre de difficultés rencontrées
après l’âge de dix-huit ans (proportions de résidents renonçant aux soins en fonction des difficultés à
l’âge adulte : 6,52% pour aucune difficulté, 17,63% pour une difficulté, 20,59% pour deux difficultés
et 34,09% pour trois et plus difficultés). Pour un résident, quelque soit le nombre de difficultés
rencontrées après l’âge de maturité, il existe un risque significativement plus important de renoncer
aux soins pour raisons financières par rapport à celui qui n’a connu aucune difficulté à l’âge adulte
(OR1/0 =2,53 : IC95%= [1,18 ; 5,45], OR2/0 =2,42 : IC95%= [1,05 ; 5,54]), OR [3 ; 11]/0= 4,28 : IC95%= [1,91 ;
9,59]).
Par l’intermédiaire des variables de représentation de la santé et de la médecine, nous constatons
que les personnes ne considérant pas leur santé comme une priorité dans leur vie ont plus de risque de
renoncer aux soins pour raisons financières que les personnes qui considèrent leur santé comme une
priorité (OR Non /Oui = 1,33 : IC95%= [0,89 ; 2,00]), mais cela n’est pas significatif.
Les individus qui n’ont pas confiance envers le système de santé ont significativement plus de
risque de renoncer aux soins pour raisons financières que ceux qui ont confiance dans le système de
santé (OR Non /Oui = 2,00 : IC95%= [1,27 ; 3,15]).
Les résidents déclarant avoir des conditions de vie nuisibles à leur santé physique,
psychologique ou à leur moral ont un risque significativement plus élevé de renoncer aux soins pour
raisons financières par rapport à ceux qui déclarent ne pas en avoir (OR Oui/No n = 3,27 : IC95% = [2,17 ;
4,93]). Il s’agit essentiellement de problèmes économiques ou financiers (16,67%)1 , de mauvaises
conditions de travail (15,04%) ou de logement (12,04%).
Enfin, les personnes définies comme dépressives ont significativement plus de risque de
renoncer aux soins pour raisons financières que celles qui ne sont pas présentées comme dépressives
(OR Oui/Non = 1,99 : IC95%= [1,27 ; 3,13]).
Nous observons une différence significative à 5% entre le renoncement aux soins pour raisons
financ ières au cours des douze derniers mois et les sept variables suivantes : sentiment d’isolement
(p=0,013), enfance heureuse ou non (p=0,0002), le nombre de difficultés dans la jeunesse (p=0,016),
le nombre de difficultés à l’âge adulte (p=0,002), la confiance ou non dans le système de santé
(p=0,003), les conditions de vie nuisibles à la santé (moral, physique, psychologique) (p<0,0001) et le
caractère dépressif ou non de la personne (p=0,0027). Il n’y a pas de différence significative à 5%
entre chacune des quatorze autres variables et la variable dépendante. Toutefois, les variables vie
professionnelle (p=0,059), type d’aide (p=0,094) et priorité portée à sa santé (p=0,166) ont été
retenues pour l’analyse multivariée du fait d’une p-value inférieure à 25%.
1
Une même personne pouvant donner plusieurs types d’explication, la somme des pourcentages peut-être supérieure à 100%.
Sylvain TERRONI
Page 17
2.1.3 L’analyse multivariée
Après suppressions successives des variables se référant au sentiment d’isolement (p=0,908), à
l’estime de soi (p=0,648), à la priorité portée à sa santé (p=0,299), au fait d’avoir eu une enfance
heureuse ou non (p=0,135) et au caractère dépressif ou non de la personne (p=0,083), les résultats du
modèle final réduit sont les suivants (Tableau 4.).
Tableau 4. Résultats de l’analyse multivariée(1) sans interaction, Renoncement aux soins pour raisons
financières, Paris.
n (%)
Odds ratio
IC 95%
p
Vie professionnelle
0,026
Emploi stable et continu
123 (14,24 %)
1,00
297 (34,37 %)
0,67
[0,34 ; 1,30]
82 (9,49 %)
0,98
[0,44 ; 2,15]
Situation instable
269 (31,13 %)
1,14
[0,61 ; 2,12]
81 (9,37%)
2,77
[1,13 ; 6,75]
Variable d’intégration sociale
Type d’aide
0,003
Intégrés
624 (72,22 %)
1,00
Assistants
149 (17,24 %)
2,52
[1,48 ; 4,29]
Assistés
36 (4,17 %)
0,60
[0,20 ; 1,82]
Séparés
55 (6,36 %)
1,79
[0,78 ; 4,11]
0,028
0
250 (28,94 %)
1,00
1
213 (24,65 %)
2,11
[1,19 ; 3,74]
[2 ; 3]
273 (31,60 %)
2,16
[1,26 ; 3,70]
[4 ; 13]
128 (14,81 %)
1,75
[0,91 ; 3,37]
0,038
0
138 (15,97 %)
1,00
1
380 (43,98 %)
2,49
[1,12 ; 5,54]
2
170 (19,66 %)
2,20
[0,93 ; 5,26]
[3 ; 11]
176 (20,37 %)
3,40
[1,44 ; 8,06]
0,023
Oui
737 (85,30 %)
1,00
Non
126 (14,58 %)
1,76
[1,08 ; 2,89]
< 0,0001
Non
444 (51,39 %)
1,00
Oui
420 (48,61 %)
2,99
[1,94 ; 4,61]
(1)
A l’issue de la méthode pas à pas descendante, le modèle final sans interaction comporte six
variables : celle concernant la vie professionnelle, une variable d’intégration sociale (type d’aide),
deux variables de rupture sociale (nombre de difficultés dans la jeunesse et nombre de difficultés à
l’âge adulte) et deux variables de représentation de la santé et de la médecine (confiance dans le
système de santé et conditions de vie nuisibles à la santé). Elles sont toutes significativement associées
(au seuil de 5%) au renoncement aux soins pour raisons financières au cours des douze derniers mois.
Au cours de la procédure, aucune variable n’a été décelée comme facteur de confusion.
En ajustant sur l’ensemble des variables, les commentaires suivants résultent du Tableau 4.
Les personnes en formation ou qui n’ont jamais travaillé ont significativement plus de risque de
renoncer aux soins pour raisons financières que celles qui ont un emploi stable et continu (OR Jamais
travaillé ou en formation/Emploi stable et continu = 2,77 : IC95%= [1,13 ; 6,75]).
Sylvain TERRONI
Page 18
Les individus définis comme « assistants » ont significativement plus de risque de renoncer aux
soins pour raisons financières que ceux définis comme « intégrés » (OR Assistants/Intégrés = 2,52 : IC95%=
[1,48 ; 4,29]).
Dès lors qu’un individu a connu au moins une difficulté au cours de son enfance, il a
significativement plus de risque de renoncer aux soins pour raisons financières (OR 1/0 = 2,11 : IC95%=
[1,19 ; 3,74] et OR [2 ; 3]/ 0 = 2,16 : IC95%= [1,26 ; 3,70]).
Le constat est identique en ce qui concerne les difficultés rencontrées à l’âge adulte. En effet,
une personne ayant connu une difficulté après l’âge de dix-huit ans a significativement plus de risque
de renoncer aux soins pour raisons financières par rapport à une personne qui n’a connu aucune
difficulté après la majorité (OR 1/0 = 2,49 : IC95%= [1,12 ; 5,54]). Et cela est vrai également dès lors
qu’elle a subi au moins trois difficultés (OR [3 ; 11]/ 0 = 3,40 : IC95%= [1,44 ; 8,06]).
Les résidents qui n’ont pas confiance dans le système de santé ont significativement plus de
risque de renoncer aux soins pour raisons financières par rapport à ceux qui ont confiance dans ce
système (OR Non/Oui = 1,76 : IC95%= [1,08 ; 2,89]).
Enfin, les individus ayant des conditions de vie nuisibles à leur santé ont un risque
significativement plus important de renoncer aux soins pour raisons financières par rapport à ceux qui
n’ont pas de conditions de vie nuisibles à leur santé (OR Oui/Non = 2,99: IC95%= [1,94 ; 4,61]).
Cinq termes d’interaction ont été testés : vie professionnelle*type d’aide, vie
professionnelle*conditions de vie nuisibles à la santé, vie professionnelle*confiance dans le système
de santé, type d’aide*confiance dans le système de santé et type d’aide*conditions de vie nuisibles à la
santé. Seul ce dernier terme était significatif à 5%.
Ainsi, ajusté sur l’ensemble des variables, les individus dit « séparés » ont plus de risque de
renoncer aux soins pour raisons financières par rapport aux « intégrés » en l’absence de conditions de
vie nuisibles à la santé, et ce de manière significative (OR Séparés/Intégrés = 3,98 : IC95%= [1,45 ; 10,89])
(Tableau 5.). A cela s’ajoute qu’en présence de conditions de vie nuisibles à la santé, les « assistants »
ont significativement plus de risque de renoncer aux soins pour raisons financières que les « intégrés »
(OR Assistants/Intégrés = 3,72 : IC95%= [1,84 ; 7,53]).
Pour les quatre autres variables du modèle, les valeurs des odds ratio et des intervalles de
confiance du Tableau 5. diffèrent très légèrement de celles observées au Tableau 4. : cela ne change en
rien les commentaires.
Sylvain TERRONI
Page 19
Tableau 5. Résultats de l’analyse multivariée(1)avec interaction, Renoncement aux soins pour raisons
IC 95% (2)
Odds ratio
p
Type d’aide
Souci=Non
Souci=Oui
Souci=Non
Souci= Oui
0,029
Intégrés
1,00
1,00
Assistants
1,61
3,72
[0,70 ; 3,68]
[1,84 ; 7,51]
Assistés
0,31
0,74
[0,02 ; 4,31]
[0,21 ; 2,62]
Séparés
3,98
0,64
[1,45 ; 10,89]
[0,17 ; 2,33]
Vie professionnelle
0,026
1,00
0,68
[0,35 ; 1,33]
0,98
[0,44 ; 2,18]
Situation instable
1,15
[0,62 ; 2,17]
2,83
[1,15 ; 6,93]
0,027
0
1,00
1
2,14
[1,20 ; 3,83]
[2 ; 3]
2,19
[1,27 ; 3,78]
[4 ; 13]
1,79
[0,93 ; 3,45]
0,032
0
1,00
1
2,61
[1,16 ; 5,85]
2
2,27
[0,94 ; 5,47]
[3 ; 11]
3,56
[1,48 ; 8,53]
0,034
Oui
1,00
Non
1,72
[1,04 ; 2,83]
(1)
(2)
L’intervalle de confiance pour le terme d’interaction où souci=oui a été obtenu par la matrice de variance covariance.
La valeur de la statistique de test d’Hosmer-Lemeshow est de 10,61 avec 8 degrés de liberté et
une p-value de 0,225. Il en résulte une bonne adéquation du modèle (Annexe 5).
Figure 1. Courbe de ROC, Renoncement aux soins pour raisons financières, Paris.
Sensitivity1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1 - Specificity
L’aire sous la courbe de ROC est égale à 0,776, ce qui est une bonne qualité de prédiction
(Figure 1.). De plus, pour un point de coupure fixé aléatoirement à 0,5, nous constatons que 78,8% de
Sylvain TERRONI
Page 20
notre population d’étude est bien classée par le modèle. Les pourcentages de faux positifs et de faux
négatifs sont respectivement de 52,5% et 17,9%, la sensibilité du modèle est de 21,6% et sa spécificité
de 93,8%. Enfin, ses valeurs prédictives positives et négatives sont de 47,5% et 79,29%.
2.2. Étude Antananarivo
La proportion d’individus ne renonçant pas aux soins pour raisons financières est trois fois plus
importante (75,14 %) que celle qui renonce aux soins pour raisons financières (24,86 %). Les types de
soins auxquels les personnes renoncent en majeure partie sont ceux portés sur les prothèses, les
appareils dentaires et autres soins dentaires (62,63%)1 et les consultations, visites ou soins de
généralistes ou de spécialistes (40,66%). A l’opposé, les soins ophtalmiques (16,00%) et les achats de
médicaments (22,87%) sont les moins souvent cités.
2.2.1. Les variables d’ajustement
Tableau 6. Statistiques descriptives de la variable à expliquer et des variables d’ajustement après suppression
des données manquantes, Renoncement aux soins pour raisons financières, Antananarivo.
Total
Effectif (%) (1)
Renoncement
aux soins
p(2)
Pas de
renoncement
aux soins
Sexe
<0,0001
Homme
Femme
1306 (48,53 %)
1385 (51,47 %)
276 (10,26%)
393 (14,60%)
1030 (38,28%)
992 (36,86%)
Age
[18 ; 28[
758 (28,17 %)
189 (7,02%)
569 (21,14%)
[28 ; 38[
640 (23,78 %)
148 (5,50%)
492 (18,28%)
[38 ; 49[
656 (24,38 %)
156 (5,78%)
500 (18,58%)
[49 ; 92]
637 (23,67 %)
176 (6,54%)
461 (17,13%)
Aucune maladie
892 (33,15 %)
164 (6,09%)
728 (27,05%)
1 maladie
613 (22,78 %)
128 (4,76%)
485 (18,02%)
2 maladies
509 (18,91 %)
122 (4,53%)
387 (14,38%)
3 ou plus maladies
677 (25,16 %)
255 (9,48%)
422 (15,68%)
Couverture maladie
A une couverture maladie actuellement
635 (23,60 %)
130 (4,83%)
505 (18,77%)
Pas de couverture maladie actuellement
2056 (76,40 %)
539 (20,03%) 1517 (56,37%)
[0 ; 124,28[
707 (26,27 %)
233 (8,66%)
474 (17,61%)
[124,28 ; 196,43[
705 (26,20 %)
193 (7,17%)
512 (19,03%)
[196,43 ; 319,10[
609 (22,63 %)
136 (5,05%)
473 (17,58%)
> =319,10
670 (24,89 %)
107 (3,98%)
563 (20,92%)
Actif occupé
1829 (67,97%)
501 (18,62%) 1328 (49,31%)
Chômeur
172 (6,39 %)
42 (1,60%)
130 (4,83%)
Inactif
690 (25,64 %)
125 (4,64%)
565 (20,99%)
Diplôme
254 (9,44 %)
44 (1,63%)
210 (7,80%)
CAP, Baccalauréat
446 (16,59 %)
78 (2,90%)
368 (13,67%)
BEPC
609 (22,63 %)
121 (4,49%)
488 (18,13%)
760 (28,24 %)
192 (7,14%)
568 (21,11%)
Aucun diplôme
622 (23,11 %)
234 (8,69%)
388 (14,42%)
(1)
(2)
1
0,279
<0,0001
0,003
<0,0001
<0,0001
<0,0001
Sylvain TERRONI
Page 21
Le Tableau 6. présente quelques caractéristiques de l’échantillon sur lequel les régressions
logistiques on été réalisées. Au sein de notre échantillon étudié, la proportion de femmes (51,47%) est
légèrement plus élevée que celle des hommes (48,53%). La proportion de résidents ayant trois ou plus
maladies chroniques représentent la deuxième proportion la plus élevée (25,16%) après celle
correspondant à ceux qui n’ont aucune maladie chronique (33,15%). Environ trois quarts des individus
déclarent ne pas avoir de couverture sociale au moment de l’enquête (76,40%). Enfin, 67,97% des
résidents sont des actifs occupés, 28,24% ont le certificat de fin d’études primaires et moins de 10%
sont diplômés du supérieur.
Exceptée pour la variable âge (p=0,279), nous constatons une association significative à 5%
entre la variable renoncement aux soins pour raisons financières au cours des douze derniers mois et
toutes les autres variables d’ajustement. De plus, en fonction du revenu par unité de consommation, le
test du chi2 de tendance (chi2 = 6,48) montre une diminution régulière et significative de la proportion
de personnes ayant renoncé aux soins pour raisons financières au cours des douze derniers mois
(proportions de résidents renonçant aux soins en fonction du revenu par unité de consommation :
32,96% pour le premier quartile, 27,38% pour le deuxième quartile, 22,33% pour le troisième quartile
et 15,97% pour le quatrième quartile).
Un modèle multivarié comprenant l’ensemble des variables d’ajustement montre les résultats
suivants (Tableau 7.).
Tableau 7. Résultats du modèle multivarié pour les variables d’ajustement, Renoncement aux soins pour raisons
financières, Antananarivo.
Odds ratio
IC 95%
1,00
1,35
[1,11 ; 1,63]
1,00
0,71
0,78
0,94
[0,54 ; 0,92]
[0,60 ; 1,01]
[0,72 ; 1,22]
1,00
1,12
1,36
2,38
[0,86 ; 1,45]
[1,04 ; 1,79]
[1,88 ; 3,03]
1,00
1,05
[0,83 ; 1,33]
1,00
0,91
0,76
0,50
[0,71 ; 1,16]
[0,58 ; 0,99]
[0,37 ; 0,69]
1,00
0,82
0,57
[0,56 ; 1,21]
[0,45 ; 0,72]
1,00
0,97
0,98
1,12
1,63
[0,64 ; 1,48]
[0,66 ; 1,47]
[0,75 ; 1,67]
[1,08 ; 2,46]
Sexe
Homme
Femme
Age
p (1)
0,002
0,038
[18 ; 28[
[28 ; 38[
[38 ; 49[
[49 ; 92]
Aucune maladie
1 maladie
2 maladies
3 ou plus maladies
Couverture maladie
[0 ; 124,28[
[124,28 ; 196,43[
[196,43 ; 319,10[
> =319,10
Actif occupé
Chômeur
Inactif
Diplôme
CAP, Baccalauréat
BEPC
Aucun diplôme
(1)
< 0,0001
0,668
0,0001
< 0,0001
0,003
Sylvain TERRONI
Page 22
Seule la variable couverture maladie n’est pas significative à 5% (p=0,668).
Toute chose étant égale par ailleurs, nous pouvons effectuer les commentaires suivants.
Les femmes ont un risque plus élevé de renoncer aux soins pour raisons financières par rapport
aux hommes, et ce de manière significative (OR Femme/Homme = 1,35 : IC95%= [1,11 ; 1,63]).
Le risque de renoncer aux soins pour raisons financières est significativement plus faible pour
les individus de 28 à 37 ans par rapport à ceux âgés de 18 à 27 ans (OR [28 ; 38[/18 ; 28[ = 0,71 : IC95% =
[0,54 ; 0,92]). Il est également moins important pour les deux autres catégories d’âge en comparaison
avec les 18-27 ans, mais ces différences ne sont pas significatives (OR [38 ; 49[/[18 ; 28[ = 0,78 : IC95%=
[0,60 ; 1,01] et OR >=49/[18 ; 28[ =0,94 : IC95%= [0,72 ; 1,22]). Les résidents ayant deux ou trois et plus
maladies chroniques ont significativement plus de risque de renoncer aux soins pour raisons
financières par rapport à ceux qui n’en ont aucune (OR 2 /0 = 1,36 : IC95%= [1,04 ; 1,79] et OR [3 ; 15]/0 =
2,38 : IC95%= [1,88 ; 3,03]). En ce qui concerne le revenu par unité de consommation, le risque de
renoncer aux soins diminue quand on s’élève dans l’échelle des revenus. Toutefois, seuls les individus
appartenant aux troisième et quatrième quartiles ont un risque significativement plus faible de
renoncer aux soins pour raisons financières que les individus du premier quartile (OR [196,43 ; 319,10[/[0 ;
124,28[ = 0,76 : IC95%= [0,58 ; 0,99] et OR> =319,10/[0 ; 124,28[ = 0,50 : IC95% = [0,37 ; 0,69]). Par ailleurs, les
inactifs ont un risque significativement moins important de renoncer aux soins pour raisons financières
que les actifs occupés (OR Inactif/Actif occupé = 0,57 : IC95%= [0,45 ; 0,72]). Enfin, un individu non diplômé
à un risque significativement plus fort de renoncer aux soins pour raisons financières par rapport à un
individu diplômé du supérieur (OR Aucun diplôme/Diplôme du supérieur = 1,63 : IC95%= [1,08 ; 2,46]).
2.2.2 L’analyse univariée
Le Tableau 8. présente les résultats des analyses univariées.
Tableau 8. Résultats de l’analyse univariée(1), Renoncement aux soins pour raisons financières, Antananarivo.
Situation familiale
Vie professionnelle
Situation instable
Ethnie
Merina
Betsileo
Autre
Religion
Pas de pratique
Type d’aide
Intégrés
Assistants
Assistés
Séparés
Sylvain TERRONI
n (%)
Odds ratio
IC 95%
1702 (63,25%)
382 (14,19%)
293 (10,89%)
304 (11,30%)
1,00
0,97
1,25
0,70
[0,70 ; 1,35]
[0,94 ; 1,68]
[0,49 ; 1,02]
1100 (40,88%)
337 (12,52%)
130 (4,83%)
598 (22,22%)
469 (17,43%)
1,00
1,01
0,74
1,34
0,69
[0,74 ; 1,39]
[0,46 ; 1,18]
[1,06 ; 1,71]
[0,46 ; 1,01]
2391 (88,85%)
133 (4,94%)
185 (6,87%)
1,00
0,69
1,16
[0,43 ; 1,12]
[0,80 ; 1,68]
1066 (39,61%)
1533 (56,97%)
82 (3,05%)
1,00
0,99
1,58
[0,82 ; 1,22]
[0,95 ; 2,64]
1657 (61,57%)
238 (8,84%)
384 (14,27%)
412 (15,31%)
1,00
1,09
0,93
0,96
[0,79 ; 1,52]
[0,70 ; 1,23]
[0,74 ; 1,25]
p
0,088
0,002
0,226
0,193
0,866
Page 23
n (%)
Odds ratio
IC 95%
p
0,203
Non
772 (28,69%)
1,00
Oui
1919 (71,31%)
1,14
[0,93 ; 1,41]
0,063
Non
2211 (82,16%)
1,00
Oui
464 (17,24%)
1,25
[0,99 ; 1,57]
0,215
Bonne
2446 (90,90%)
1,00
Mauvaise
215 (7,99%)
1,24
[0,90 ; 1,70]
Pas de relation
21 (0,78%)
0,35
[0,06 ; 2,18]
Enfance heureuse
0,450
Oui
2402 (89,26%)
1,00
Non
273 (10,15%)
0,89
[0,66 ; 1,20]
<0,0001
0
701 (26,05%)
1,00
1
570 (21,18%)
1,39
[1,02 ; 1,87]
[2 ; 3]
878 (32,63%)
1,91
[1,46 ; 2,50]
[4 ; 9]
542 (20,14%)
2,04
[1,51 ; 2,74]
<0,0001
0
140 (5,20%)
1,00
1
1071 (39,80%)
1,90
[0,97 ; 3,71]
2
672 (24,97%)
3,16
[1,60 ; 6,22]
[3 ; 10]
808 (30,03%)
3,09
[1,56 ; 6,10]
0,062
Oui
2228 (82,79%)
1,00
Non
453 (16,83%)
1,26
[0,99 ; 1,60]
0,071
Oui
1152 (42,81%)
1,00
Non
1531 (56,89%)
1,19
[0,99 ; 1,43]
Priorité portée à la santé
<0,0001
Oui
2447 (90,93%)
1,00
Non
236 (8,77%)
1,84
[1,37 ; 2,47]
0,280
Oui
2229 (82,83%)
1,00
Non
460 (17,09%)
0,87
[0,68 ; 1,12]
0,201
Satisfaisant
1686 (62,65%)
1,00
Pas satisfaisant
1003 (37,27%)
0,88
[0,73 ; 1,07]
0,642
Non
388 (14,42%)
1,00
Oui
2296 (85,32%)
1,06
[0,82 ; 1,38]
<0,0001
Non
1864 (69,27%)
1,00
Oui
815 (30,29%)
1,94
[1,59 ; 2,36]
0,014
Fort
991 (36,83%)
1,00
Moyen
846 (31,44%)
0,99
[0,78 ; 1,25]
Faible
851 (31,62%)
1,34
[1,06 ; 1,68]
0,641
Fort
1191 (44,26%)
1,00
Moyen
857 (31,85%)
1,09
[0,87 ; 1,35]
Faible
639 (23,75%)
1,11
[0,87 ; 1,40]
Dépression
0,407
Non
2458 (91,34%)
1,00
Oui
233 (8,66%)
1,14
[0,83 ; 1,56]
(1)
Dans un premier temps, nous observons une différence significative à 5 % entre le renoncement
aux soins pour raisons financières et les six variables suivantes : vie professionnelle (p=0,002),
Sylvain TERRONI
Page 24
nombre de difficultés dans la jeunesse (p<0,0001), nombre de difficultés à l’âge adulte (p<0,0001),
priorité portée à sa santé (p<0,0001), conditions de vie nuisibles à la santé (physique, psychologique)
ou au moral (p<0,0001) et niveau d’estime de soi (p=0,014). Il n’y a pas de différence significative à 5
% entre chacune des quinze variables restantes et la variable dépendante. Toutefois, les variables se
référant à la situation familiale (p=0,088), à l’ethnie (p=0,226), à la pratique religieuse (p=0,193), à la
participation ou non à une association (p=0,203), au sentiment d’isolement (p=0,063), à la relation
avec le voisinage (p=0,215), à la résistance ou non à la maladie (p=0,062), à l’acceptation ou non de la
maladie (p=0,071) et à la perception des services médicaux dans le quartier (p=0,201) ont été retenues
pour l’analyse multivariée du fait d’une p-value inférieure à 25%.
Dans un second temps, les commentaires suivants résultent des odds ratio et de leurs intervalles
de confiance respectifs du Tableau 8.
Tout d’abord, le risque de renoncer aux soins pour raisons financières est significativement plus
élevé pour les personnes ayant une situation instable par rapport à celles qui ont un emploi stable et
continu (OR Situation instable/Emploi stable=1,34 : IC95%= [1,06 ; 1,71]).
Dans le domaine des ruptures sociales, nous observons que le risque de renoncer aux soins
augmente significativement avec le nombre de difficultés rencontrées au cours de l’enfance (OR 1/0 =
1,39 : IC95%= [1,02 ; 1,87], OR [2; 3]/0 =1,91 : IC95%= [1,46 ; 2,50] et OR [4 ; 9]/0=2,04 : IC95%= [1,51 ;
2,74]). Le test du chi2 de tendance (chi2 = 58,19) montre une augmentation régulière et significative
de la proportion de personnes ayant renoncé aux soins pour raisons financières au cours des douze
derniers mois en fonction du nombre de difficultés au cours de l’enfance (proportions de personnes
renonçant aux soins en fonction des difficultés rencontrées au cours de l’enfance : 14,12% pour
aucune difficulté, 22,46% pour une difficulté, 29,73% pour deux ou trois difficultés et 33,39% pour
plus de quatre difficultés). Par ailleurs, un individu ayant deux ou trois (et plus de trois) difficultés à
l’âge adulte a significativement plus de risque de renoncer aux soins pour raisons financières par
rapport à un individu qui n’a aucune difficulté à l’âge adulte (OR2/0 =3,16 : IC95%= [1,60 ; 6,22] et OR
[3 ; 10]/0 =3,09 : IC95%= [1,56 ; 6,10]).
Les personnes ne considérant pas leur santé comme une priorité dans leur vie ont
significativement plus de risque de renoncer aux soins pour raisons financières que les personnes qui
considèrent leur santé comme une priorité (OR Non/Oui=1,84 : IC95%= [1,37 ; 2,47]). Le constat est
identique pour celles qui n’acceptent pas d’être malade (OR Non/Oui =1,19: IC95%= [0,99 ; 1,43]) et
celles qui ont le sentiment de résister faiblement à la maladie, mais cela n’est pas significatif (OR
Oui/Non =1,26 : IC95%= [0,99 ; 1,60]).
Le sentiment d’avoir des conditions de vie nuisibles à sa santé entraînent chez les résidents un
risque significativement plus élevé de renoncer aux soins pour raisons financières (OR Oui/Non= 1,94 :
IC95%= [1,59 ; 2,36]). Ce sont essentiellement les problèmes économiques ou financiers (43,65% 1 )
ainsi que l’alimentation et l’habitude de vie (42,85%) qui sont les plus souvent cités. A l’opposé, les
problèmes de logement (22,20%) et les problèmes familiaux (20,33%) sont plus rarement cités.
Enfin, le risque de renoncer aux soins pour raisons financières est significativement plus
important pour les individ us ayant une faible estime de soi par rapport à ceux qui ont une forte estime
de soi (OR Faible estime de soi/Forte estime de soi=1,34 : IC95%= [1,06 ; 1,68]).
1
Sylvain TERRONI
Page 25
2.2.3 L’analyse multivariée
Après suppressions successives des variables se référant au sentiment d’isolement (p=0,722), à
la pratique religieuse (p=0,677), à la situation familiale (p=0,675), à la relation voisinage (p=0,254), à
l’estime de soi (p=0,206), à l’ethnie (p=0,172), à la résistance maladie (p=0,124), à l’acceptation de la
maladie (p=0,093), à la vie professionnelle (p=0,059) et à la perception des services médicaux du
quartier (p=0,054), le modèle final réduit en multivariée comporte cinq variables explicatives : une
variable d’intégration sociale (appartenance à une association ou non), deux variables de
représentation de la santé et de la médecine (priorité portée à sa santé, conditions de vie nuisibles à la
santé) et deux variables de rupture sociale (difficultés rencontrées au cours de l’enfance ainsi qu’à
l’âge adulte). Au cours de la procédure, aucune variable n’était facteur de confusion.
Tableau 9. Résultats de l’analyse multivariée(1) avant interaction, Renoncement aux soins pour raisons
n (%)
Odds ratio
IC 95%
p
0,048
Non
772 (28,69%)
1,00
Oui
1919 (71,31%)
1,25
[1,01 ; 1,56]
0,0014
0
701 (26,05%)
1,00
1
570 (21,18%)
1,26
[0,92 ; 1,71]
[2 ; 3]
878 (32,63%)
1,64
[1,24 ; 2,16]
[4 ; 9]
542 (20,14%)
1,67
[1,23 ; 2,27]
0,0004
0
140 (5,20%)
1,00
1
1071 (39,80%)
1,73
[0,88 ; 3,41]
2
672 (24,97%)
2,57
[1,29 ; 5,12]
[3 ; 10]
808 (30,03%)
2,59
[1,30 ; 5,18]
0,0007
Oui
2447 (91,20%)
1,00
Non
236 (8,80%)
1,72
[1,26 ; 2,34]
<0,0001
Non
1864 (69,58%)
1,00
Oui
815 (30,42%)
1,84
[1,51 ; 2,25]
(1)
Ces variables ont toutes un effet significatif (au seuil de 5%) sur le renoncement aux soins pour
raisons financières au cours des douze derniers mois à Antananarivo. En ajustant sur l’ensemble des
variables, les commentaires suivants sont issus du Tableau 9.
La variable d’intégration sociale montre que les personnes appartenant à une association ont
significativement plus de risque de renoncer aux soins pour raisons financières par rapport à celles qui
n’intègrent aucune association (OR Oui/Non= 1,25 : IC95%= [1,01 ; 1,56]).
En ce qui concerne les variables de rupture sociale, dès lors qu’une personne a connu au moins
une difficulté au cours de son enfance ou après l’âge de dix-huit ans, elle encourt un risque plus élevé
de renoncer aux soins pour raisons financières qu’une personne qui n’a connu aucune difficulté. En
effet, le risque de renoncer aux soins pour raisons financières augmente avec le nombre de difficultés
rencontrées au cours de l’enfance (OR 1/0 = 1,26 : IC95%= [0,92 ; 1,71], OR [2 ; 3]/0 =1,64 : IC95%= [1,24 ;
Sylvain TERRONI
Page 26
2,16] et OR [4 ; 9]/0 =1,67 : IC95%= [1,23 ; 2,27]). Toutefois, cela n’est significatif que pour les deux
dernières catégories de difficultés, c’est à dire, à partir de deux difficultés rencontrées dans l’enfance.
De même manière, ce risque est significativement plus important pour un individu ayant deux
difficultés à l’âge adulte par rapport à un individu n’en n’ayant pas (OR 2/0 = 2,57 : IC95%= [1,29 ;
5,12]) ainsi que pour celui qui connaît trois difficultés ou plus à l’âge adulte par rapport à celui qui
n’en connaît pas (OR [3; 10]/0 = 2,59 : IC95%= [1,30 ; 5,18]). Il semble qu’il y ait, comme pour les
difficultés vécues dans l’enfance, une sorte d’effet de seuil : le risque s’élève à partir de deux
difficultés et au-delà.
Les variables de représentation de la santé et de la médecine mettent en évidence deux points
essentiels. Les résidents dont la santé n’est pas une de leur priorité ont un risque significativement plus
élevé de renoncer aux soins pour raisons financières par rapport à ceux qui considèrent leur santé
comme une priorité (OR Non/Oui = 1,72 : IC95%= [1,26 ; 2,34]). A cela s’ajoute que ce risque est
significativement plus important pour les individus dont les conditions de vie nuisent à leur santé
physique, psychologique ou à leur moral (OR Oui/Non =1,84 : IC95%= [1,51 ; 2,25]).
Une fois le modèle réduit final obtenu, l’ensemble des interactions pertinentes ont été testées
(participation ou non à une association*priorité portée à sa santé, participation ou non à une
association*conditions de vie nuisibles à la santé et conditions de vie nuisibles à la santé*priorité
portée à la santé). Seul ce dernier terme était significatif à 5% (Tableau 10.).
Tableau 10. Résultats de l’analyse multivariée(1) avec interaction, Renoncement aux soins pour raisons
Odds ratio
IC 95% (2)
p
Priorité=Non
Priorité=Oui
Priorité=Non
Priorité=Oui
0,0064
Non
1,00
1,00
Oui
1,66
3,98
[1,36 ; 2,04]
[2,19 ; 7,20]
0,0006
0
1,00
1
1,27
[0,94 ; 1,73]
[2 ; 3]
1,69
[1,28 ; 2,22]
[4 ; 9]
1,70
[1,25 ; 2,31]
0,0004
0
1,00
1
1,72
[0,87 ; 3,38]
2
2,57
[1,30 ; 5,11]
[3 ; 10]
2,57
[1,29 ; 5,12]
(1)
(2)
L’intervalle de confiance pour le terme d’interaction où priorité=oui a été obtenu par la matrice de variance covariance.
En insérant le terme d’interaction entre les conditions de vie nuisibles à la santé et la priorité
portée à sa santé, la variable se rapportant à la participation ou non à une associa tion n’intervenait plus
dans le modèle final.
Ajusté sur l’ensemble des variables, le terme d’interaction montre de manière significative que
les résidents ayant des conditions de vie nuisibles à leur santé ont plus de risque de renoncer aux soins
pour raisons financières par rapport à ceux qui ne connaissent pas d’évènements nuisibles à leur santé,
et ce, lorsqu’ils ne considèrent pas leur santé comme une priorité (OR Oui/Non= 1,66 : IC95%= [1,36 ;
2,04]). Ce risque semble augmenter lorsque la santé est considérée comme une priorité (OR Oui/Non =
Sylvain TERRONI
Page 27
3,98 : IC95%= [2,19 ; 7,20]). Pour les deux autres variables du modèle, les valeurs des odds ratio et des
intervalles de confiance diffèrent très légèrement du Tableau 9. : cela ne change en rien les
commentaires.
Afin de valider le bon ajustement du modèle aux observations, la statistique de test de HosmerLemeshow a été calculée (p=0,653). Cela équivaut à une bonne adéquation du modèle. A cela s’ajoute
une assez bonne qualité de prédiction du modèle car l’aire sous la courbe de ROC est égale à 0,705
(Figure 2.).
Figure 2. Courbe de ROC, Renoncement aux soins pour raisons financières, Antananarivo.
Sensitivity
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1 - Specificity
Pour un seuil fixé aléatoirement à 0,5, 75,9 % de notre population d’étude est bien classée par le
modèle, les pourcentages de faux positifs et de faux négatifs sont respectivement de 50,3% et 22,3%.
La sensibilité du modèle est de 13% et sa spécificité de 95,8%. Dans la population d’étude, ses valeurs
prédictives positives et négatives sont respectivement de 49,70% et 77,69%.
2.3. Analyse comparative
D’un point de vue général, nous constatons que le proportion de personnes renonçant aux soins
pour raisons financières est significativement différente entre les deux populations. En effet, la
proportion d’individus renonçant aux soins à Paris est significativement inférieure à celle observée à
Antananarivo (t = -3,072) (Annexe 4).
De même, la proportion de femmes à Paris renonçant aux soins pour raisons financières est
significativement inférieure à celle d’Antananarivo (t = -3,792). Mais, aucune conclusion ne peut être
formulée quant à l’existence d’une différence significative entre les proportions d’hommes à Paris et à
Antananarivo renonçant aux soins pour raisons financières (t = -0,45).
Selon la situation professionnelle, seule la proportion d’actifs occupés à Paris renonçant aux
soins pour raisons financières est significativement inférieure à celle d’Antananarivo (t = -4,035). De
Sylvain TERRONI
Page 28
part des statistiques de test supérieures à -1,645, nous ne pouvons pas conclure1 quant à une éventuelle
différence significative entre les proportions de chômeurs à Paris et à Antananarivo renonçant aux
soins pour raisons financières (t=1,473) ainsi qu’entre les proportions d’inactifs à Paris et à
Antananarivo renonçant aux soins pour raisons financières (t = -0,524).
Quelque soit le diplôme, aucune information ne peut être établie sur une éventuelle différence
significative entre la proportion de résidents à Paris et à Antananarivo renonçant aux soins pour
raisons financières (aucun diplôme : t = -1,601 ; CEPE : t = -0,803 ; BEPC : t = -0,272 ; CAP,
Baccalauréat : t = 0,719 ; Diplôme du supérieur : t = 0,60).
Pour aucune ou une maladie chronique (respectivement t = -1,880 et t =-1,988), la proportion de
personnes à Paris renonçant aux soins pour raisons financières est significativement inférieure à celle
d’Antananarivo.
Dans le cas où le résident n’est pas assuré, aucune conclusion ne peut être formulée quant à
l’existence d’une différence significative entre les proportions de personnes à Paris et à Antananarivo
renonçant aux soins pour raisons financières (t = 1,759).
Pour les plus jeunes (t = -3,581) et les plus âgés (t = -1,967), les proportions de personnes à
Paris renonçant aux soins pour raisons financières sont significativement inférieures à celles
d’Antananarivo.
Enfin, si l’on compare par rapport au premier quartile du revenu par unité de consommation (le
plus faible), la proportion de résidents à Paris qui renonce aux soins pour raisons financières est
significativement inférieure à celle d’Antananarivo (t = -2,215).
2.4. Synthèse et commentaires
Ces deux analyses nous apportent plusieurs informations.
Tout d’abord, les proportions de résidents à Paris renonçant aux soins pour raisons financières
sont significativement inférieures à celles observées à Antananarivo pour les femmes, les actifs
occupés, les plus jeunes, les plus âgés, les moins aisés et ceux ayant aucune ou une maladie chronique.
De plus, les résultats des régressions logistiques montrent que le renoncement aux soins pour
raisons financières est lié à des dimensions qui, dans les deux capitales, dépassent la seule situation
socio-économique des personnes. En effet, pour Paris, les variables qui ont un effet significatif à 5%
en multivariée sont la vie professionnelle, les deux variables de rupture sociale (nombre de difficultés
dans la jeunesse et nombre de difficultés à l’âge adulte), la confiance envers le système de santé et le
terme d’interaction entre le type d’aide et le fait d’avoir des conditions de vie nuisibles à la santé. Pour
Antananarivo, nous constatons également la présence des deux variables de rupture sociale ainsi qu’un
terme d’interaction faisant intervenir la variable se référant aux conditions de vie nuisibles à la santé et
le fait de considérer la santé comme une priorité ou non.
Que ce soit à Paris ou à Antananarivo, deux variables de ruptures sociales sont présentes dans le
modèle final. Elles ont pour conséquence de s’opposer à l’intégration au système social. En effet, les
difficultés issues de l’enfance ont pu fragiliser l’individu au moment d’une période importante de
construction de soi et de socialisation, d’élaboration de son rapport aux autres. Cela a des
répercussions sur la santé et le bien être de la personne. Le cumul des difficultés, que ce soit à
1
Nous reviendrons dans la discussion sur les questions de puissance statistique liées à la faiblesse de l’effectif des
échantillons (particulièrement à Paris).
Sylvain TERRONI
Page 29
l’enfance ou à l’âge adulte entraîne un accroissement de l’isolement chez l’individu concerné. Ces
ruptures sociales conduisent à la perte de ressources relationnelles telles que le soutien social et
familial permettant de faire face à la maladie et qu’elles risquent de s’accompagner de comportements
à risque, tel que le renoncement aux soins (19,20).
Dans le cas de Paris, ce raisonnement est valable également pour les «séparés ». Ils sont
synonymes d’une mise hors du jeu social (21). Les personnes n’ayant jamais travaillé ou étant en
formation sont mal intégrées au marché de l’emploi et engendre une rupture sociale. En ce qui
concerne les «assistants », ils ont tendance à renoncer aux soins au profit de leurs proches. A
l’opposé, les individus qui ont un sentiment d’assurance, de sécurité vis à vis du système de soins de
part leur expérience personnelle ou de leur entourage ne renonceront pas aux soins en cas de mauvaise
santé.
Par ailleurs, à Antananarivo, le fait que la santé soit une priorité engendre des coûts plus
importants pour ces individus. Il en résulte un risque plus élevé de renoncer aux soins.
3. Avoir un médecin régulier ou non
3.1 Étude Paris XXième
Au sein du fichier de données issu de l’enquête SIRS de Paris XXème , la proportion des
personnes interrogées déclarant avoir un médecin régulier (73,73%) est environ trois fois supérieure à
celle qui ne déclare pas avoir de médecin régulier (26,27%). Le fait qu’ils changent de médecin
(20,25%)1 , qu’ils se soignent seuls (20,70%) ou qu’ils considèrent être en bonne santé (56,39%) sont
les principales raisons pour lesquelles certains de ces individus n’ont pas de suivi médical régulier.
Après suppression des données manquantes, le Tableau 11. présente l’échantillon sur lequel les
analyses ont été réalisées.
La répartition de la population d’étude en fonction des variables d’ajustement est identique à
celle observée pour la première analyse sur le renoncement aux soins pour raisons financières au cours
des douze derniers mois (cf. Tableau 1.).
En fonction des sept variables d’ajustement, les individus déclarant ne pas consulter de médecin
régulièrement ont les principales caractéristiques suivantes. Ce sont des hommes (15,28%). Ils sont
âgées entre 18 et 29 ans (12,15%). Ils n’ont aucune maladie chronique (18,29%) et ont une sécurité
sociale ainsi qu’une complémentaire (18,75%). Par ailleurs, ce sont des actifs occupés (15,16%) et
diplômés du supérieur (13,66%).
Par l’intermédiaire du test d’indépendance du chi2, toutes les variables, exceptée la variable
revenu par unité de consommation (p=0,494), sont significativement liées avec la variable
dichotomique « avoir un médecin régulier ou non » au seuil de 5%.
De plus, le test du chi2 de tendance (chi-2 = 64,00) montre une diminution régulière et
significative de la proportion de personnes n’ayant pas de médecin régulier en fonction de l’âge : les
1
Sylvain TERRONI
Page 30
proportions de personnes n’ayant pas de médecin régulier sont de 42,17% pour les [18 ; 30[, de
30,41% pour les [30 ; 39[, de 20,28% pour les [39 ; 52[ et de 9,31% pour les individus âgés de 52 ans
et plus. Il permet également de conclure à une diminution régulière et significative de la proportion de
personnes n’ayant pas de médecin régulier en fonction du nombre de maladies chroniques (chi2 =
41,08). Les proportions de personnes n’ayant pas de médecin régulier en fonction du nombre de
maladies chroniques sont respectivement de 37,98%, 20,49%, 15,09% et 8,03% pour aucune, une,
deux et pour trois et plus maladies chroniques.
Tableau 11. Statistiques descriptives des variables d’ajustement après suppression des données manquantes,
Avoir ou non un médecin régulier, Paris.
Total
Effectif (%) (1)
Médecin régulier
Pas de médecin
régulier
Sexe
p(2)
<0,0001
Homme
Femme
379 (43,87%)
485 (56,13%)
247 (28,59%)
390 (45,14%)
132 (15,28%)
95 (10,99%)
[18 ; 30[
249 (28,82%)
144 (16,67%)
[30 ; 39[
194 (22,45%)
135 (15,63%)
[39 ; 52[
217 (25,12%)
173 (20,02%)
> =52
204 (23,61%)
185 (21,41%)
Aucune maladie
416 (48,15%)
258 (29,86%)
1 maladie
205 (23,73%)
163 (18,87%)
2 maladies
106 (12,27%)
90 (10,42%)
3 ou plus maladies
137 (15,86%)
126 (14,58%)
Couverture maladie
681 (78,82%)
519 (60,07%)
Sécurité sociale
174 (20,14%)
114 (13,19%)
9 (1,04%)
4 (0,46%)
[0 ; 766,6[
209 (24,19%)
154 (17,82%)
[766,6 ; 1194,4[
212 (24,54%)
164 (18,98%)
[1194,4 ; 1746,6[
222 (25,69%)
163 (18,87%)
[1746,6 ; 10000]
221 (25,58%)
156 (18,06%)
Actif occupé
489 (56,60%)
358 (41,44%)
Chômeur
111 (12,85%)
68 (7,87%)
Inactif
264 (30,55%)
211 (24,42%)
Diplôme
378 (43,75%)
260 (30,09%)
CAP, Baccalauréat
260 (30,09%)
191 (22,11%)
BEPC
76 (8,80%)
58 (6,71%)
54 (6,25%)
49 (5,67%)
Aucun diplôme
96 (11,11%)
79 (9,14%)
(1)
(2)
105 (12,15%)
59 (6,83%)
44 (5,09%)
19 (2,20%)
Age
<0,0001
<0,0001
158 (18,29%)
42 (4,86%)
16 (1,85%)
11 (1,27%)
0,0036
162 (18,75%)
60 (6,94%)
5 (0,58%)
0,494
55 (6,37%)
48 (5,56%)
59 (6,83%)
65 (7,52%)
0,001
131 (15,16%)
43 (4,98%)
53 (6,13%)
0,016
118 (13,66%)
69 (7,99%)
18 (2,08%)
5 (0,58%)
17 (1,97%)
Par l’intermédiaire d’un modèle multivarié comprenant l’ensemble des variables d’ajustement,
il en résulte le tableau suivant (Tableau 12.).
Les commentaires suivants se font en ajustent sur l’ensemble des variables.
Premièrement, sur les sept variables étudiées, quatre ont une association significative à 5% avec
la variable dépendante : sexe (p<0,0001), âge (p<0,0001), nombre de maladies chroniques (p<0,0001)
et situation professionnelle (p=0,026).
Deuxièmement, nous pouvons constater que les femmes ont significativement moins de risque
de ne pas avoir un médecin régulier que les hommes (OR Femme/Homme =0,50 : IC95%= [0,36 ; 0,71]).
Sylvain TERRONI
Page 31
Par rapport aux plus jeunes, le risque de pas avoir un médecin régulier diminue
significativement avec l’âge (OR [30 ; 39[/[18 ; 30[=0,64 : IC95%= [0,42 ; 0,99], OR [39 ; 52[/[18 ; 30[=0,45 :
IC95%= [0,28 ; 0,71] et OR >=52/[18 ; 30[=0,25 : IC95%= [0,13 ; 0,47]).
Le constat est le même en ce qui concerne le nombre de maladies chroniques. Par rapport à un
sujet qui n’a pas de maladie chronique, celui qui a au moins une maladie a significativement moins de
risque de ne pas avoir un médecin régulier (OR 1/0 =0,51 : IC95% = [0,34 ; 0,77], OR 2/0 =0,39 : IC95%=
[0,21; 0,73], OR >=3/0=0,20 : IC95%= [0,10 ; 0,40]).
Enfin, les chômeurs ont significativement plus de risque de ne pas avoir de médecin régulier par
rapport aux actifs occupés (OR Chômeur/Actif occupé=2,01 : IC95%= [1,21 ; 3,34]). De même, les inactifs ont
plus de risque de ne pas avoir de médecin régulier par rapport aux actifs occupés, mais cela n’est pas
significatif (OR Inactif/Actif occupé=1,24 : IC95%= [0,77 ; 2,00]).
Tableau 12. Résultats du modèle multivarié pour les variables d’ajustement, Avoir ou non un médecin régulier,
Paris.
Odds ratio
IC 95%
1,00
0,50
[0,36 ; 0,71]
1,00
0,64
0,45
0,25
[0,42 ; 0,99]
[0,28 ; 0,71]
[0,13 ; 0,47]
1,00
0,51
0,39
0,20
[0,34 ; 0,77]
[0,21 ; 0,73]
[0,10 ; 0,40]
1,00
1,15
3,96
[0,77 ; 1,72]
[0,90 ; 17,40]
1,00
1,02
1,02
1,37
[0,62 ; 1,69]
[0,61 ; 1,70]
[0,80 ; 2,34]
1,00
2,01
1,24
[1,21 ; 3,34]
[0,77 ; 2,00]
1,00
0,78
0,79
0,58
0,89
[0,53 ; 1,15]
[0,42 ; 1,50]
[0,19 ; 1,74]
[0,46 ; 1,72]
Sexe
Homme
Femme
Age
[18 ; 30[
[30 ; 39[
[39 ; 52[
> =52
Aucune maladie
1 maladie
2 maladies
3 ou plus maladies
Couverture maladie
Sécurité sociale
[0 ; 766,6[
[766,6 ; 1194,4[
[1194,4 ; 1746,6[
[1746,6 ; 10000]
Actif occupé
Chômeur
Inactif
Diplôme
CAP, Baccalauréat
BEPC
Aucun diplôme
(1)
Sylvain TERRONI
p(1)
<0,0001
<0,0001
<0,0001
0,167
0,549
0,026
0,673
Page 32
3.1.2. L’analyse univariée
Le Tableau 13. présente les résultats de l’analyse univariée.
Tableau 13. Résultats de l’analyse univariée(1), Avoir ou non un médecin régulier, Paris.
Situation familiale
Vie professionnelle
Situation instable
Nationalité
Française
Autre
Durée de résidence dans le quartier (2)
<1
[1 ; 3]
[4 ; 7]
[8 ; 20]
> 21
Religion
Pas de pratique
Type d’aide
Intégrés
Assistants
Assistés
Séparés
Non
Oui
Non
Oui
Bonne
Mauvaise
Pas de relation
Enfance heureuse
Oui
Non
0
1
[2 ; 3]
[4 ; 13]
0
1
2
[3 ; 11]
Oui
Non
Sylvain TERRONI
n (%)
Odds ratio
IC 95%
345 (39,93 %)
246 (28,47 %)
117 (13,54 %)
156 (18,06 %)
1,00
1,66
1,70
2,00
[1,04 ; 2,65]
[0,91 ; 3,19]
[1,21 ; 3,32]
123 (14,44 %)
297 (34,86 %)
82 (9,62 %)
269 (31,57 %)
81 (9,51%)
1,00
1,34
2,07
1,32
1,52
[0,75 ; 2,40]
[0,96 ; 4,47]
[0,74 ; 2,37]
[0,72 ; 3,20]
685 (79,28 %)
179 (20,72 %)
1,00
0,99
[0,64 ; 1,54]
82 (9,49 %)
181 (20,95 %)
175 (20,25 %)
226 (26,16 %)
199 (23,03 %)
1,00
0,57
0,36
0,30
0,22
[0,32 ; 1,00]
[0,20 ; 0,65]
[0,16 ; 0,55]
[0,11 ; 0,44]
193 (22,34 %)
272 (31,48 %)
399 (46,18 %)
1,00
1,65
1,78
[0,99 ; 2,76]
[1,09 ; 2,91]
624 (72,22 %)
149 (17,24 %)
36 (4,16 %)
55 (6,37 %)
1,00
0,74
1,44
1,43
[0,44 ; 1,24]
[0,61 ; 3,40]
[0,72 ; 2,84]
682 (78,94 %)
182 (21,06 %)
1,00
0,81
[0,53 ; 1,25]
684 (79,16 %)
179 (20,72 %)
1,00
1,90
[1,22 ; 2,95]
666 (77,08 %)
44 (5,09 %)
153 (17,71 %)
1,00
3,33
1,93
[1,63 ; 6,79]
[1,26 ; 2,95]
744 (86,11 %)
117 (13,54 %)
1,00
1,38
[0,82 ; 2,33]
250 (28,93 %)
213 (24,65 %)
273 (31,60 %)
128 (14,81 %)
1,00
0,53
0,83
1,05
[0,33 ; 0,85]
[0,54 ; 1,27]
[0,59 ; 1,87]
138 (15,97 %)
380 (43,98 %)
170 (19,67 %)
176 (20,37 %)
1,00
1,56
0,93
1,47
[0,97 ; 2,53]
[0,51 ; 1,71]
[0,80 ; 2,72]
761 (88,08 %)
102 (11,80 %)
1,00
0,72
[0,38 ; 1,38]
p
0,034
0,433
0,974
< 0,0001
0,066
0,315
0,344
0,004
0,0001
0,224
0,040
0,099
0,324
Page 33
n (%)
Odds ratio
IC 95%
p
0,422
Oui
454 (52,55 %)
1,00
Non
407 (47,11 %)
1,15
[0,82 ; 1,61]
0,967
Oui
622 (71,99 %)
1,00
Non
232 (26,85 %)
1,01
[0,69 ; 1,47]
0,405
Oui
737 (85,30 %)
1,00
Non
126 (14,58 %)
0,81
[0,49 ; 1,33]
0,848
Satisfaisant
773 (89,47%)
1,00
Pas satisfaisant
91 (10,53%)
0,94
[0,53 ; 1,69]
0,218
Non
538 (62,27 %)
1,00
Oui
318 (36,80 %)
0,79
[0,54 ; 1,15]
0,267
Non
444 (51,39 %)
1,00
Oui
420 (48,61 %)
1,22
[0,86 ; 1,74]
0,299
Fort
453 (53,43 %)
1,00
Moyen
238 (27,55 %)
1,33
[0,89 ; 1,98]
Faible
161 (18,63 %)
1,30
[0,82 ; 2,05]
0,088
Fort
308 (35,65 %)
1,00
Moyen
311 (35,99 %)
1,49
[0,99 ; 2,23]
Faible
236 (27,31 %)
1,53
[0,99 ; 2,37]
Dépression
0,275
Non
721 (83,45%)
1,00
Oui
143 (16,55%)
0,73
[0,42 ; 1,28]
(1)
(2)
en années
Les résidents ayant une relation sentimentale sans enfant ou qui sont célibataires sans enfant ont
significativement plus de risque de ne pas avoir de médecin régulier par rapport à ceux qui ont une
relation sentimentale et qui ont au moins un enfant (OR Relation sentimentale sans enfant/Relation sentimentale avec
enfant(s)=1,66 : IC95%= [1,04 ; 2,65] et OR Célibataire sans enfant/Relation sentimentale avec enfant(s)=2,00 : IC95%= [1,21 ;
3,32]). A cela s’ajoute que, quelque soit le statut conjugal, les individus qui ont au moins un enfant ont
significativement moins de risque de ne pas avoir de médecin régulier par rapport à ceux qui n’ont pas
d’enfant (OR Individu avec enfant(s)/Individu sans enfant=0,61 : IC95%= [0,41 ; 0,92]).
Le risque de ne pas avoir de médecin régulier diminue avec le nombre d’années de résidence
dans le quartier (OR [1 ; 3]/<1 = 0,57 : IC95% = [0,32 ; 1,00], OR [4 ; 7]/<1 = 0,36 : IC95%= [0,20 ; 0,65], OR [8 ;
20]/<1 = 0,30 : IC95% = [0,16 ; 0,55] et OR >21/<1 = 0,22 : IC95%= [0,11 ; 0,44]). Ce risque est significatif à
partir de la quatrième année de résidence dans le quartier. De plus, le test du chi2 de tendance (chi2 =
40,66) montre une diminution régulière et significative de la proportion de personnes n’ayant pas de
médecin régulier en fonction du nombre d’années de résidence dans le quartier. Les proportions de
résidents n’ayant pas de médecin régulier dans le quartier sont de 54,88% pour une durée inférieure à
moins d’un an, de 38,12% pour une durée comprise entre 1 et 3 ans, de 26,86% pour une durée
comprise entre 4 et 7 ans, de 18,14% pour une durée comprise entre 8 et 20 ans et de 12,06% pour
une durée supérieure à 21 ans.
En ce qui concerne les variables d’intégration sociale, le risque de ne pas avoir de médecin
régulier augmente lorsque la personne n’adhère à aucune pratique religieuse (OR Pas de pratique/Pratique
régulière=1,78 : IC95%= [1,09 ; 2,91]). Ce risque est plus important également pour les sujets ayant un
Sylvain TERRONI
Page 34
sentiment d’isolement par rapport à ceux qui n’en ont pas (OR Oui/Non=1,90 : IC95%= [1,22 ; 2,95]).
Enfin, les individus ayant de mauvaises relations avec leur voisinage ont significativement plus de
risque de ne pas avoir de médecin régulier par rapport à ceux qui ont de bonnes relations avec leur
voisinage (OR Mauvaise relation/Bonne relation=3,33 : IC95%= [1,63 ; 6,79]). De même, ce risque est
significativement plus important pour les sujets qui n’ont pas de relation avec leur voisinage (OR Pas de
relation/Bonne relation =1,93 : IC95%= [1,26 ; 2,95]).
Les variables de rupture sociale mettent en évidence le fait que les résidents déclarant ne pas
avoir eu une enfance heureuse ont plus de risque de ne pas avoir de médecin régulier par rapport à
ceux qui ont le sentiment d’avoir eu une enfance heureuse, mais cela n’est pas significatif (OR Non/Oui=
1,38 : IC95%= [0,82 ; 2,33]). A cela s’ajoute qu’un individu ayant rencontré une difficulté dans sa
jeunesse a significativement moins de risque de ne pas avoir de médecin régulier par rapport à celui
qui n’en a eu aucune (OR 1/0 = 0,53 : IC95%= [0,33 ; 0,85]).
Par l’intermédiaire des variables psychologiques, un résident ayant un faible sentiment
d’efficacité personnel a un risque plus important de ne pas avoir un médecin régulier par rapport à un
résident qui a un fort sentiment d’efficacité personnel (OR Faible sentiment d’efficacité personnel/Fort sentiment d’efficacité
personnel = 1,53 : IC95% = [0,99 ; 2,37]). Le constat est le même pour l’estime de soi (OR Faible estime de soi/Forte
estime de soi =1,30 : IC95%= [0,82 ; 2,05]). A l’opposé, ceux qui sont définis « dépressifs » ont un risque
plus faible de ne pas avoir de médecin régulier par rapport à ceux qui ne sont pas définis en tant que tel
(OR Oui/Non=0,73: IC95% = [0,42 ; 1,28]).
Par ailleurs, nous constatons une différence significative à 5 % entre le fait de ne pas avoir de
médecin régulier et les cinq variables suivantes : la situation familiale (p=0,034), la durée de résidence
dans le quartier (p=<0,0001), le sentiment d’isolement (p=0,004), la relation avec le voisinage
(p=0,0001) et le nombre de difficultés rencontrées au cours de l’enfance (p=0,040). Il n’y a pas de
différence significative à 5 % entre chacune des dix-neuf autres variables et la variable dépendante.
Toutefois, les variables religion (p=0,066), perception de l’enfance (p=0,224), nombre de difficultés à
l’âge adulte (p=0,099), relation entre maladie ou guérison et Dieu (p=0,218) et sentiment d’efficacité
personnel (p=0,088) ont été retenues pour l’analyse multivariée du fait d’une p-value inférieure à 25%.
3.1.3. L’analyse multivariée
Après suppressions successives des variables se référant à la relation entre la maladie ou la
guérison et Dieu (p=0,982), au sentiment d’avoir eu ou non une enfance heureuse (p=0,469), à la
pratique religieuse (p=0,249), aux difficultés rencontrées après la majorité (p=0,147), au sentiment
d’efficacité personnel (p=0,130), aux difficultés rencontrées au cours de l’enfance (p=0,097) et au
sentiment d’isolement (p=0,057), les résultats du modèle final réduit sont présentés dans le Tableau
14.
Sylvain TERRONI
Page 35
Tableau 14. Résultats de l’analyse multivariée(1), Avoir ou non un médecin régulier, Paris.
n (%)
Odds ratio
IC 95%
p
Situation familiale
0,0354
345 (39,93 %)
1,00
246 (28,47 %)
1,66
[1,02 ; 2,69]
117 (13,54 %)
1,55
[0,80 ; 2,98]
156 (18,06 %)
2,12
[1,26 ; 3,59]
0,0007
Bonne
666 (77,08 %)
1,00
Mauvaise
44 (5,09 %)
3,82
[1,84 ; 7,94]
Pas de relation
153 (17,71 %)
1,46
[0,93 ; 2,29]
<0,0001
<1
82 (9,49 %)
1,00
[1 ; 3]
181 (20,95 %)
0,56
[0,31 ; 1,00]
[4 ; 7]
175 (20,25 %)
0,34
[0,18 ; 0,63]
[8 ; 20]
226 (26,16 %)
0,28
[0,15 ; 0,54]
> 21
199 (23,03 %)
0,22
[0,11 ; 0,44]
(1)
(2)
en années
Au cours de cette procédure descendante, aucun facteur de confusion n’a été détecté. Le modèle
final est composé de trois variables explicatives : celles concernant la situation familiale, la relation
avec le voisinage et la durée de résidence dans le quartier.
Les commentaires ci-dessous s’effectuent en ajustant sur l’ensemble des variables présentes
dans le modèle final.
Les individus qui n’ont pas d’enfant et ayant une relation sentimentale ou non ont un risque
significativement plus élevé de ne pas avoir de médecin régulier par rapport à ceux qui ont une relation
sentimentale avec au moins un enfant (OR Relation sentimentale sans enfant/Relation sentimentale avec enfant(s)=1,66 : IC95%=
[1,02 ; 2,69] et OR Célibataire sans enfant/Relation sentimentale avec enfant(s)=2,12 : IC95%= [1,26 ; 3,59]).
L’intégration sociale est représentée exclusivement par la relation du résident avec son
voisinage. Ainsi, celui qui a de mauvaises relations a un risque significativement plus important de ne
pas avoir de médecin régulier par rapport à celui qui a de bonnes relations avec son voisinage
(OR Mauvaise relation/Bonne relation=3,82 : IC95%= [1,84 ; 7,94]). Le risque de ne pas avoir de médecin régulier
est également plus élevé pour une personne qui n’a pas de relation avec son voisinage par rapport à
une personne qui a de bonnes relations avec son voisinage (OR Pas de relation/Bonne relation=1,46 : IC95%=
[0,93 ; 2,29]), mais ce risque n’est pas significatif.
Enfin, le risque de ne pas avoir de médecin régulier a tendance à diminuer avec le nombre
d’années de résidence dans le quartier (OR [1 ; 3]/<1 = 0,56 : IC95%= [0,31 ; 1,00], OR [4 ; 7]/<1 = 0,34 :
IC95%= [0,18 ; 0,63], OR [8 ; 20]/<1 = 0,28 : IC95% = [0,15 ; 0,54] et OR >21/<1 = 0,22 : IC95%= [0,11 ; 0,44]),
et ce de manière significative à partir de la quatrième année.
L’interaction testée entre la relation avec le voisinage et la durée de résidence dans le quartier
n’était pas significative à 5%.
une p-value de 0,581. Il en résulte une bonne adéquation du modèle aux données. L’aire sous la courbe
de ROC est de 0,785, ce qui équivaut à une bonne qualité de prédiction (Figure 3.).
Sylvain TERRONI
Page 36
Figure 3. Courbe de ROC, Avoir ou non un médecin régulier, Paris.
Sensitivity
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1 - Specificity
Pour un seuil aléatoire fixé à 0,5, la proportion de classement correcte est de 75,6 %. Les
proportions de faux positifs et de faux négatifs sont respectivement de 39,7% et 21,5%. La sensibilité
du modèle est de 34,45% et sa spécificité de 91,35%. Ses valeurs prédictives positives et négatives
sont de l’ordre de 60,29% et 78,51%.
3.2 Étude Antananarivo
Cette étude a pour but d’analyser les facteurs de risque susceptibles d’expliquer le fait de ne pas
avoir un médecin régulier à Antananarivo. Après suppression des données manquantes, la proportion
des personnes interrogées ayant un médecin régulier est environ deux fois supérieure à celle qui n’a
pas de médecin régulier (67,59% vs 32,41%). Les principales raisons pour lesquelles certains de ces
individus n’ont pas de médecin régulier sont : l’absence de connaissance de médecin (32,69%)1 , le
manque de ressources (41,34%), la sensation d’être en bonne santé (37,02%) et le fait qu’ils préfèrent
se soigner seul (36,45%).
Les commentaires descriptifs se rapportant à la répartition de la population en fonction des sept
variables d’ajustement sont sensiblement identiques à ceux effectués lors de la première étude sur le
renoncement aux soins pour raisons financières au cours des douze derniers mois (cf. Tableau 6.).
1
Sylvain TERRONI
Page 37
De part le test d’indépendance du chi2, nous constatons que la variable dichotomique « avoir un
médecin régulier ou non » est significativement liée à 5% avec toutes les variables d’ajustement
présentées ci-dessous (Tableau 15.).
De plus, le test du chi2 de tendance (chi2=16,82) montre une diminution régulière et
significative de la proportion de personnes n’ayant pas de médecin régulier en fonction du revenu par
unité de consommation (proportions de personnes renonçant aux soins en fonction du revenu par unité
de consommation : 43,45% pour le premier quartile, 33,57% pour le deuxième quartile, 32,84% pour
le troisième quartile et 18,89% pour le denier quartile).
En fonction des sept variables d’ajustement, les individus déclarant ne pas consulter de médecin
régulièrement sont principalement des femmes (17,61%). Ils sont âgées entre 18 et 27 ans (10,56%).
Ils n’ont aucune maladie (12,26%) et n’ont pas de couverture sociale (28,49%). Par ailleurs, ce sont
principalement des actifs occupés (23,21%) et diplômés du CEPE (10,70%).
Tableau 15. Statistiques des variables d’ajustement après suppression des données manquantes, Avoir ou non un
médecin régulier, Antananarivo.
Effectif (%)
Effectif (%) (1)
Médecin régulier
Pas de médecin
régulier
Sexe
p(2)
0,039
Homme
Femme
1316 (48,58%)
1393 (51,42%)
915 (33,78%)
916 (33,81%)
401 (14,80%)
477 (17,61%)
[18 ; 28[
767 (28,31%)
[28 ; 38[
645 (23,81%)
[38 ; 49[
657 (24,25%)
[49 ; 92]
640 (23,63%)
Aucune maladie
898 (33,15%)
1 maladie
618 (22,81%)
2 maladies
514 (18,97%)
3 ou plus maladies
679 (25,06%)
Couverture maladie
642 (23,70%)
2067 (76,30%)
[0 ; 124,28[
718 (26,50%)
[124,28 ; 196,43[
715 (26,39%)
[196,43 ; 319,10[
609 (22,48%)
> =319,10
667 (24,62%)
Actif occupé
1830 (67,55%)
Chômeur
177 (6,53%)
Inactif
702 (25,91%)
Diplôme
254 (9,38%)
CAP, Baccalauréat
452 (16,68%)
BEPC
609 (22,48%)
759 (28,02%)
Aucun diplôme
635 (23,44%)
(1)
(2)
481 (17,76%)
419 (15,47%)
474 (17,50%)
457 (16,87%)
286 (10,56%)
226 (8,34%)
183 (6,76%)
183 (6,76%)
566 (20,89%)
436 (16,09%)
355 (13,10%)
474 (17,50%)
332 (12,26%)
182 (6,72%)
159 (5,87%)
205 (7,57%)
536 (19,78%)
1295 (47,8%)
106 (3,91%)
772 (28,49%)
406 (14,99%)
475 (17,53%)
409 (15,09%)
541 (19,97%)
312 (11,51%)
240 (8,85%)
200 (7,38%)
126 (4,65%)
1201 (44,33%)
122 (4,50%)
508 (18,75%)
629 (23,21%)
55 (2,03%)
194 (7,16%)
206 (7,60%)
352 (12,99%)
432 (15,95%)
469 (17,31%)
372 (13,73%)
48 (1,77%)
100 (3,69%)
177 (6,53%)
290 (10,70 %)
263 (9,71 %)
Age
0,0001
0,004
<0,0001
<0,0001
0,004
<0,0001
Lorsque les sept variables d’ajustement sont entrés dans un même modèle avec comme outcome
avoir un médecin régulier ou non, nous obtenons les résultats suivants (Tableau 16.).
Sylvain TERRONI
Page 38
Tableau 16. Résultats du modèle multivarié pour les variables d’ajustement, Avoir ou non un médecin régulier,
Antananarivo.
Odds ratio
IC 95%
1,00
1,20
[1,01 ; 1,43]
1,00
0,75
0,61
0,64
[0,59 ; 0,95]
[0,48 ; 0,78]
[0,50 ; 0,81]
1,00
0,67
0,81
0,64
[0,53 ; 0,85]
[0,63 ; 1,03]
[0,51 ; 0,81]
1,00
2,99
[1,96 ; 3,17]
1,00
0,70
0,82
0,49
[0,56 ; 0,88]
[0,64 ; 1,05]
[0,37 ; 0,65]
1,00
0,63
0,64
[0,44 ; 0,90]
[0,52 ; 0,79]
1,00
1,09
1,39
1,65
1,78
[0,73 ; 1,63]
[0,95 ; 2,03]
[1,13 ; 2,41]
[1,19 ; 2,64]
Sexe
Homme
Femme
Age
[18 ; 28[
[28 ; 38[
[38 ; 49[
[49 ; 92]
Aucune maladie
1 maladie
2 maladies
3 ou plus maladies
Couverture maladie
[0 ; 124,28[
[124,28 ; 196,43[
[196,43 ; 319,10[
> =319,10
Actif occupé
Chômeur
Inactif
Diplôme
CAP, Baccalauréat
BEPC
Aucun diplôme
(1)
p(1)
0,039
0,0001
0,0003
<0,0001
<0,0001
<0,0001
0,006
Toutes les variables sont significatives à 5% avec la variable dépendante. Toute chose étant
égale par ailleurs, nous pouvons effectuer les commentaires suivants.
Les femmes ont significativement plus de risque de ne pas avoir un médecin régulier que les
hommes (OR Femme/Homme =1,20 : IC95%= [1,01; 1,43]).
Par rapport à la catégorie des plus jeunes, quelque soit la catégorie d’âge considérée, le risque
de ne pas avoir un médecin régulier est significativement plus faible (OR [28 ; 38[/[18 ; 28[=0,75 : IC95%=
[0,59 ; 0,95], OR [38 ; 49[/[18 ; 28[=0,61 : IC95%= [0,48 ; 0,78] et OR >=49/[18 ; 28[=0,64 : IC95%= [0,50 ; 0,81]).
Le constat est identique si l’on s’intéresse au nombre de maladies chroniques. En effet, par
rapport à une personne n’ayant aucune maladie chronique, celle qui a au minimum une maladie a
moins de risque de ne pas avoir un médecin régulier. Ceci est significatif lorsque la personne a une ou
trois et plus maladies (OR 1/0=0,67 : IC95%= [0,53 ; 0,85] et OR >= 3/0 =0,64 : IC95%= [0,51 ; 0,81]).
Les résidents n’ayant pas actuellement une couverture maladie ont significativement plus de
risque de ne pas avoir de médecin régulier par rapport à ceux qui ont actuellement une couverture
maladie (OR Pas de couverture maladie/Couverture maladie =2,99 : IC95%= [1,96 ; 3,17]).
Dès lors qu’un individu a un revenu par unité de consommation appartenant au minimum au
deuxième quartile, celui-ci a moins de risque de ne pas avoir de médecin régulier par rapport à un
individu dont son revenu par unité de consommation se trouve dans le premier quartile. Ceci n’est
significatif que pour les deuxième et quatrième quartiles (OR 2ème quartile/1er quartile =0,70 : IC95%= [0,56 ;
0,88] et OR 4ème quartile/1er quartile =0,49 : IC95%= [0,37 ; 0,65]). Les chômeurs et les inactifs ont
Sylvain TERRONI
Page 39
significativement moins de risque de ne pas avoir de médecin régulier par rapport aux actifs occupés
(OR Chômeur/Actif occupé=0,63 : IC95%= [0,44 ; 0,90] et OR Inactif/Actif occupé=0,64 : IC95%= [0,52 ; 0,79]). Enfin,
les individus étant en possession d’un CEPE ou n’ayant pas de diplôme ont significativement plus de
risque de ne pas avoir un médecin régulier par rapport ceux qui sont diplômés du supérieur (OR
CEPE/Diplôme du supérieur =1,65 : IC95%= [1,13 ; 2,41] et OR Pas de diplôme/Diplôme du supérieur =1,78 : IC95%= [1,99 ;
2,64]).
3.2.2. L’analyse univariée
Le Tableau 17. récapitule les résultats de l’analyse univariée.
Tableau 17. Résultats de l’analyse univariée(1), Avoir ou non un médecin régulier, Antananarivo.
Situation familiale
Vie professionnelle
Situation instable
Ethnie
Merina
Betsileo
Autre
<1
[1 ; 9]
[10 ; 20]
>= 21
Religion
Pas de pratique
Type d’aide
Intégrés
Assistants
Assistés
Séparés
Non
Oui
Non
Oui
Bonne
Mauvaise
Pas de relation
Enfance heureuse
Oui
Non
Sylvain TERRONI
n (%)
Odds ratio
IC 95%
1704 (62,90%)
384 (14,17%)
296 (10,93%)
316 (11,66%)
1,00
0,81
0,97
0,99
[0,60 ; 1,09]
[0,73 ; 1,30]
[0,73 ; 1,35]
1099 (40,57%)
335 (12,37%)
130 (4,80%)
606 (22,37%)
480 (17,72%)
1,00
0,92
0,70
1,54
1,78
[0,67 ; 1,27]
[0,45 ; 1,10]
[1,23 ; 1,94]
[1,26 ; 2,51]
2391 (88,26%)
133 (4,91%)
185 (6,83%)
1,00
0,63
0,72
[0,40 ; 0,98]
[0,49 ; 1,06]
25 (0,93%)
664 (24,51%)
724 (26,73%)
1289 (47,58%)
1,00
1,35
1,33
1,12
[0,53 ; 3,42]
[0,52 ; 3,38]
[0,44 ; 2,84]
1078 (39,79%)
1540 (56,85%)
82 (3,03%)
1,00
1,17
2,28
[0,97 ; 1,40]
[1,39 ; 3,74]
1673 (61,76%)
237 (8,75%)
386 (14,25%)
413 (15,24%)
1,00
1,21
0,75
1,15
[0,89 ; 1,64]
[0,58 ; 0,98]
[0,90 ; 1,46]
777 (28,68%)
1932 (71,32%)
1,00
0,69
[0,57 ; 0,82]
2222 (82,03%)
468 (17,27%)
1,00
1,67
[1,34 ; 2,08]
2464 (90,96%)
215 (7,94%)
21 (0,78%)
1,00
1,12
0,38
[0,82 ; 1,53]
[0,08 ; 1,83]
2421 (89,37%)
273 (10,08%)
1,00
2,75
[2,10 ; 3,59]
p
0,532
<0,0001
0,037
0,241
0,003
0,033
<0,0001
<0,0001
0,359
<0,0001
Page 40
n (%)
Odds ratio
IC 95%
p
0,0034
0
701 (25,88%)
1,00
1
578 (21,34%)
1,17
[0,90 ; 1,51]
[2 ; 3]
879 (32,45%)
1,17
[0,92 ; 1,47]
[4 ; 13]
551 (20,34%)
1,61
[1,24 ; 2,10]
0,0027
0
147 (5,43%)
1,00
1
1075 (39,68%)
0,68
[0,44 ; 1,05]
2
680 (25,10%)
1,02
[0,65 ; 1,59]
[3 ; 10]
808 (29,83%)
0,85
[0,54 ; 1,34]
0,146
Oui
2242 (88,76%)
1,00
Non
459 (16,94%)
1,19
[0,94 ; 1,51]
0,209
Oui
1166 (43,04%)
1,00
Non
1535 (56,66%)
1,12
[0,94 ; 1,33]
0,019
Oui
2462 (90,88%)
1,00
Non
240 (8,86%)
1,41
[1,06 ; 1,87]
<0,0001
Oui
2245 (82,87%)
1,00
Non
462 (17,05%)
1,83
[1,47 ; 2,28]
0,740
Satisfaisant
1701 (62,79%)
1,00
Pas satisfaisant
1008 (37,21%)
0,97
[0,81 ; 1,16]
0,130
Non
390 (14,39%)
1,00
Oui
2312 (85,34%)
1,21
[0,94 ; 1,56]
0,089
Non
1878 (69,32%)
1,00
Oui
820 (30,27%)
0,84
[0,70 ; 1,03]
<0,0001
Fort
992 (36,62%)
1,00
Moyen
852 (31,45%)
1,47
[1,19 ; 1,82]
Faible
863 (31,86%)
1,64
[1,33 ; 2,04]
<0,0001
Fort
1193 (44,04%)
1,00
Moyen
859 (31,71%)
1,62
[0,90 ; 1,39]
Faible
653 (24,10%)
1,61
[1,82 ; 2,83]
Dépression
<0,0001
Non
2472 (91,25%)
1,00
Oui
237 (8,75%)
1,86
[1,39 ; 2,49]
(1)
(2)
en années
Les individus ayant une situation professionnelle instable ou qui n’ont jamais travaillé ou en
formation ont significativement plus de risque de ne pas avoir de médecin régulier par rapport à ceux
qui ont un emploi stable et continu (respectivement OR Situation instable/Emploi stable et continu = 1,54 : IC95%=
[1,23 ; 1,94] et OR N’a jamais travaillé ou en formation/Emploi stable et continu = 1,78 : IC95%= [1,26 ; 2,51]).
Les personnes appartenant à une ethnie autre que les Merina ont moins de risque de ne pas avoir
de médecin régulier par rapport à cette dernière, et ce de manière significative pour les personnes
appartenant à l’ethnie Betsileo (OR Betsileo/Merina = 0,63 : IC95%= [0,40 ; 0,98]).
En ce qui concerne les variables d’intégration sociale, les résidents n’ayant pas de pratique
religieuse ont significativement plus de risque de ne pas avoir de médecin régulier par rapport à ceux
qui ont une pratique religieuse régulière (OR Pas de pratique religieuse/Pratique religieuse régulière = 2,28 : IC95%=
[1,39 ; 3,74]). A l’opposé, les personnes définies comme « assistés » ont significativement moins de
Sylvain TERRONI
Page 41
risque de ne pas avoir de médecin régulier par rapport à celles qui sont définies comme « intégrés »
(OR Assistés/Intégrés = 0,75 : IC95%= [0,58 ; 0,98]). De même, les individus participant à une association ont
significativement moins de risque de ne pas avoir de médecin régulier par rapport à ceux qui ne
participent pas à une associa tion (OR Oui/Non = 0,69 : IC95%= [0,57 ; 0,82]). Enfin, les résidents qui
déclarent se sentir seul ont significativement plus de risque de ne pas avoir de médecin régulier par
rapport à ceux qui ne se sentent pas seul (OR Oui/Non = 1,67 : IC95%= [1,34 ; 2,08]).
Les variables de rupture sociale mettent en évidence que les personnes n’ayant pas eu une
enfance heureuse ont significativement plus de risque de ne pas avoir de médecin régulier par rapport
à ceux qui ont eu une enfance heureuse (OR Non/Oui = 2,75 : IC95%= [2,10 ; 3,59]). A cela s’ajoute qu’un
individu ayant rencontré plus de quatre difficultés dans sa jeunesse a significativement plus de risque
de ne pas avoir de médecin régulier par rapport à celui qui n’a eu aucune difficulté au cours de sa
jeunesse (OR [4 ;13]/ 0 = 1,61: IC95%= [1,24 ; 2,10]).
Le thème de la représentation de la santé et de la médecine montre que le risque de ne pas avoir
de médecin régulier est significativement plus important pour les résidents qui ne considèrent pas leur
santé comme une priorité par rapport à ceux qui la considère comme une priorité (OR Non/Oui = 1,41 :
IC95%= [1,06 ; 1,87]). De plus, les personnes déclarant ne pas avoir confiance dans le système de santé
ont un risque significativement plus fort de ne pas avoir de médecin régulier par rapport à ceux qui ont
confiance envers le système de santé (OR Non/Oui = 1,83 : IC95%= [1,47 ; 2,28]).
Les informations qu’apportent les variables psychologiques sont les suivantes. Tout d’abords, le
risque de ne pas avoir de médecin régulier augmente significativement avec un niveau d’estime de soi
de plus en plus faible (OR Niveau d’estime de soi moyen/Forte estime de soi = 1,47 : IC95%= [1,19 ; 1,82] et OR Faible estime
de soi moyen/Forte estime de soi=1,64 : IC95%= [1,33 ; 2,04]). De même, une personne ayant un sentiment
d’efficacité faible a un risque significativement plus élevé de ne pas avoir de médecin régulier par
rapport à celle qui a un sentiment d’efficacité élevé (OR Faible sentiment d’efficacité personnel/Fort sentiment d’efficacité
personnel = 1,61: IC95%= [1,82 ; 2,83]). Enfin, les individus définis comme dépressifs ont un risque
significativement plus élevé de ne pas avoir de médecin régulier par rapport à ceux qui ne sont pas
définis en tant que tel (OR Oui/Non = 1,86 [1,39 ; 2,49]).
Par ailleurs, les variables situation familiale (p=0,532), durée de résidence dans le quartier
(p=0,241), relation avec le voisinage (p=0,359), résistance à la maladie (p=0,146), acceptation de la
maladie (p=0,209), perception des services médicaux du quartier (p=0,740), relation entre maladie et
guérison et Dieu (p=0,130) et conditions nuisibles à la santé (p=0,089) ne sont pas significativement
liées à 5% à la variable dépendante. Parmi ces variables, seules la situation familiale, la relation avec
le voisinage et la perception des services médicaux du quartier n’ont pas été conservées pour l’analyse
multivariée du fait d’une p-value supérieure à 25%.
Sylvain TERRONI
Page 42
3.2.3. L’analyse multivariée
Après suppressions successives des variables difficultés rencontrées au cours de l’enfance
(p=0,709), résistance à la maladie (p=0,256), acceptation de la maladie (p=161), estime de soi
(p=0,129), temps de résidence dans le quartier (p=0,126), priorité portée à sa santé (p=0,092) et
nombre de difficultés rencontrées à l’âge adulte (p=0,059), les résultats du modèle final sont présentés
dans le Tableau 18. A noter qu’aucune variable n’était facteur de confusion.
Tableau 18. Résultats de l’analyse multivariée(1), Avoir ou non un médecin régulier, Antananarivo.
n (%)
Odds ratio
IC 95%
p
Vie professionnelle
<0,0001
1099 (40,57%)
1,00
335 (12,37%)
0,88
[0,63 ; 1,23]
130 (4,80%)
0,52
[0,33 ; 0,84]
Situation instable
606 (22,37%)
1,40
[1,10 ; 1,79]
480 (17,72%)
1,81
[1,26 ; 2,61]
Ethnie
0,039
Merina
2391 (88,26%)
1,00
Betsileo
133 (4,91%)
0,71
[0,44 ; 1,14]
Autre
185 (6,83%)
0,64
[0,43 ; 0,96]
Religion
0,018
1078 (39,79%)
1,00
1540 (56,85%)
1,06
[0,87 ; 1,30]
Pas de pratique
82 (3,03%)
2,25
[1,28 ; 3,94]
Type d’aide
0,020
Intégrés
1673 (61,76%)
1,00
Assistants
237 (8,75%)
1,26
[0,91; 1,75]
Assistés
386 (14,25%)
0,69
[0,52 ; 0,92]
Séparés
413 (15,24%)
1,00
[0,77 ; 1,30]
0,024
Non
777 (28,68%)
1,00
Oui
1932 (71,32%)
0,78
[0,64 ; 0,97]
<0,0001
Non
2222 (82,03%)
1,00
Oui
468 (17,27%)
1,69
[1,32 ; 2,16]
Enfance heureuse
<0,0001
Oui
2421 (89,37%)
1,00
Non
273 (10,08%)
2,75
[2,06 ; 3,65]
0,0002
Oui
2245 (82,87%)
1,00
Non
462 (17,05%)
1,60
[1,25 ; 2,05]
0,018
Non
390 (14,39%)
1,00
Oui
2312 (85,34%)
1,40
[1,06 ; 1,84]
0,0003
Non
1878 (69,32%)
1,00
Oui
820 (30,27%)
0,67
[0,54 ; 0,83]
0,0002
Fort
1193 (44,04%)
1,00
Moyen
859 (31,71%)
1,53
[1,24 ; 1,91]
Faible
653 (24,10%)
1,43
[1,12 ; 1,81]
Dépression
0,001
Non
2472 (91,25%)
1,00
Oui
237 (8,75%)
1,71
[1,24 ; 2,34]
(1)
Sylvain TERRONI
Page 43
Toute chose étant égale par ailleurs, nous pouvons effectuer les commentaires suivants.
Les résidents qui sont en situation instable ou n’ont jamais travaillé ou en formation ont
significativement plus de risque de ne pas avoir de médecin régulier que ceux qui ont un emploi stable
et continu (OR Situation instable/Emploi stable et continu = 1,40 : IC95%= [1,10 ; 1,79] et OR N’a jamais travaillé ou en
formation/Emploi stable et continu = 1,81 : IC95%= [1,26 ; 2,61]).
Les personnes appartenant à une ethnie différente des « Merina » ont moins de risque de ne pas
avoir de médecin régulier par rapport à cette dernière, et ce de manière significative pour les personnes
appartenant à une ethnie autre que celle des « Betsileo » (OR Autre/ Merina = 0,64 : IC95%= [0,43 ; 0,96]).
En ce qui concerne les variables d’intégration sociale, les individus n’ayant pas de pratique
religieuse ont plus de risque de ne pas avoir de médecin régulier par rapport à ceux qui pratique une
religion régulièrement, et ce de manière significative (OR Pas de pratique religieuse/Pratique religieuse régulière = 2,25 :
IC95%= [1,28 ; 3,94]). De plus, les « assistés » ont significativement moins de risque de ne pas avoir de
médecin régulier que les « intégrés » (OR Assistés/Intégrés = 0,69 : IC95%= [0,52 ; 0,92]). De même, les
résidents participant à une association ont significativement moins de risque de ne pas avoir de
médecin régulier que ceux ne participant pas à une association (OR Oui/Non = 0,78 : IC95%= [0,64 ;
0,97]). A l’opposé, les personnes déclarant se sentir seules ont significativement plus de risque de ne
pas avoir de médecin régulier que ceux déclarant ne pas se sentir seules (OR Oui/Non = 1,69 : IC95%=
[1,32 ; 2,16]).
La variable de rupture sociale montre que le risque de ne pas avoir de médecin régulier
augmente pour un individu n’ayant pas vécu une enfance heureuse (OR Non/Oui = 2,75 : IC95%= [2,06 ;
3,65]).
Pour les variables de représentation de la santé et de la médecine, les résidents ayant confiance
dans le système de santé ont significativement plus de risque de ne pas avoir de médecin régulier que
ceux qui n’ont pas confiance dans le système de santé (OR Non/Oui = 1,60 : IC95%= [1,25 ; 2,05]). A cela
s’ajoute que ceux déclarant un lien possible entre la maladie ou la guérison et Dieu ont
significativement plus de risque de ne pas avoir de médecin régulier (OR Oui/Non = 1,40 : IC95%= [1,06 ;
1,84]). Toutefois, le risque de ne pas avoir de médecin régulier diminue significativement avec des
conditions de vie nuisibles à la santé (OR Oui/Non = 0,67 : IC95%= [0,54 ; 0,83]).
Enfin, les variables psychologiques nous apportent deux informations. D’une part, une personne
ayant un sentiment d’efficacité personnel moyen ou faible a significativement plus de risque de ne pas
avoir de médecin régulier par rapport à celle qui a un sentiment d’efficacité fort (OR Sentiment d’efficacité
personnel moyen/Sentiment d’efficacité personnel fort= 1,53: IC95%= [1,24 ; 1,91] et OR Sentiment d’efficacité personnel faible/Sentiment
d’efficacité personnel faible= 1,43: IC95%= [1,12 ; 1,81]). D’autre part, les dépressifs ont significativement plus
de risque de ne pas avoir de médecin régulier que les non dépressifs (OR Oui/Non = 1,71 : IC95%= [1,24 ;
2,34]).
une p-value inférieure à 0,0001. Il en résulte une mauvaise adéquation du modèle aux données. L’aire
sous la courbe de ROC est de 0,681, ce qui équivaut à une assez bonne qualité de prédiction (Figure
4.).
Sylvain TERRONI
Page 44
Figure 4. Courbe de ROC, Avoir ou non un médecin régulier, Antananarivo.
Sensitivity
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1 - Specificity
Pour un seuil aléatoire fixé à 0,5, la proportion de classement correcte est de 70,8 %. Les
proportions de faux positifs et de faux négatifs sont respectivement de 45,6% et 25,9%. La sensibilité
du modèle est de 29,8% et sa spécificité de 88,9%. Ses vale urs prédictives positives et négatives sont
de l’ordre de 54,37% et 74,09%.
3.3 Analyse comparative
De part le test de comparaison de proportions de deux échantillons indépendants, nous
constatons que la proportion d’individus n’ayant pas de médecin régulier à Paris est significativement
inférieure à celle d’Antananarivo (t = -3,40).
De même, la proportion de femmes à Paris renonçant aux soins pour raisons financières est
significativement inférieure à celle d’Antananarivo (t = -6,04). A l’opposé, aucune conclusion ne peut
être formulée quant à l’existence d’une différence significative entre les proportions d’hommes à Paris
et à Antananarivo n’ayant pas de médecin régulier (t = 1,61).
Selon la situation professionnelle, la proportion d’actifs occupés à Paris renonçant aux soins
pour raisons financières est significativement inférieure à celle d’Antananarivo (t = -3,17). Le constat
est le même pour les inactifs (t = -2,40). Toutefois, la statistique de test étant supérieure à -1,645, nous
ne pouvons pas conclure quant à une éventuelle différence significative entre les proportions de
chômeurs n’ayant pas de médecin régulier à Paris et à Antananarivo (t =1,34).
Les proportions d’individus diplômés du CEPE ou non diplômés n’ayant pas de médecin
régulier à Paris sont significativement inférieures à celles d’Antananarivo (respectivement t = -4,27 et
t =-4,45).
Pour une, deux ou trois et plus maladies chroniques, la proportion de personnes à Paris n’ayant
pas de médecin régulier est significativement inférieure à celle d’Antananarivo (respectivement t =
-2,50, t = -3,30, t = -5,36).
Sylvain TERRONI
Page 45
Pour les plus jeunes (t = -7,65) et les plus âgés (t = -5,62), la proportion de personnes à Paris
n’ayant pas de médecin régulier sont significativement inférieures à celle d’Antananarivo.
Enfin, si l’on compare par rapport au premier, deuxième ou troisième quartiles de revenu par
unité de consommation, les proportions de résidents à Paris n’ayant pas de médecin régulier sont
significativement inférieures à celles d’Antananarivo (respectivement t = -4,46, t = -3,02, t = -1,72).
3.4 Synthèse et commentaires
Les proportions de résidents à Paris n’ayant pas de médecin régulier sont significativement
inférieures à celles observées à Antananarivo pour les femmes, les actifs occupés, les inactifs, les
diplômés du CEPE, les non diplômés, les individus ayant une, deux ou trois et plus maladies
chroniques, les plus jeunes, les plus âgés et pour les individus des trois premiers quartiles du revenu
par unité de consommation.
La raison commune entre les résidents à Paris et à Antananarivo sur le fait de déclarer ne pas
avoir de médecin régulier est qu’ils considèrent être en bonne santé. Celle -ci est la raison principale
pour les résidents parisiens alors qu’à Antananarivo, le manque de ressource est le plus souvent cité.
En ce qui concerne le modèle final à Paris, trois variables expliquent de manière significative le
risque de ne pas avoir de médecin régulier. Tout d’abord, si l’individu a de bonnes relations avec son
voisinage, il est probable qu’il consultera un médecin de part les conseils de ses voisins. A l’opposé,
s’il est en mauvais termes avec les personnes de son quartier, il n’aura aucun contact et se sentira isolé
socialement. Ainsi, il aura tendance à consulter différents médecins avant d’avoir un médecin régulier
qui le satisfera. Par ailleurs, que le résident ait une relation sentimentale ou non, le fait de ne pas avoir
d’enfant est associé à un risque plus important de ne pas avoir de médecin régulier. En effet, la
surveillance de la santé des enfants est primordiale et comprend de nombreux examens médicaux
obligatoires qui sont référencés dans un carnet de santé. Le fait d’emmener régulièrement son enfant
chez le médecin augmenterait la probabilité d’avoir, soi-même, un médecin régulier. Enfin, plus
l’individu réside depuis un certain temps dans un même quartier, plus il y aura ses habitudes et aura la
chance d’y avoir trouver un médecin régulier.
Pour Antananarivo, un nombre plus important de variables seraient susceptibles d’expliquer le
fait de ne pas avoir un médecin régulier. Une explication sociologique commune à nombre d’entre
elles a trait à l’influence des différents liens sociaux sur le recours aux soins. Par exemple, Madagascar
étant un pays où les églises occupent une place prépondérante, si la personne n’a aucune pratique
religieuse chrétienne, il est possible qu’elle ait moins recours à l’un ou l’autre des nombreux
dispensaires et services sociaux d’initiative confessionnelle. Il est possible aussi qu’ils aient plus
recours aux guérisseurs et à la médecine traditionnelle (par exemple, aux ody, des amulettes destinées
à écarter les maladies). Cette notion d’isolement social est également sous entendue par le sentiment
d’isolement mais aussi par l’appartenance ou non à une association. De plus, les personnes n’ayant
jamais travaillé ou étant en formation ou qui sont en situation instable professionnellement sont mal
intégrées au marché de l’emploi, ce qui engendre une rupture sociale supplémentaire. Il en est de
même pour les variables psychologiques : si l’individu a un sentiment d’efficacité personnelle moyen
ou faible, il aura tendance à s’isoler socialement. Le constat est identique s’il a un comportement
dépressif : il se refermera sur lui-même. Enfin, par définition, les « assistés » sont justement intégrés
dans le réseau d’aide et bénéficient de liens sociaux.
Sylvain TERRONI
Page 46
D’autres facteurs peuvent expliquer le fait de ne pas avoir de médecin régulier. En effet, il est
courant que d’une ethnie à une autre, les traditions changent : on observe ici que ceux qui
appartiennent à une ethnie différente des « Merina » et des « Betsileo » ont plus risque de ne pas avoir
de médecin régulier (ces différences ethniques mériteraient d’être confirmées par des spécialistes). Par
ailleurs, au cours de leur enfance, certains individus ont pu connaître un désintérêt total de la part de
leur parent. Il en résulterait une absence de suivi médical au cours de cette période qui se répercuterait
sur le suivi à l’âge adulte. Autre facteur corrélé avec le fait de ne pas avoir de médecin régulier : les
conditions de vie nuisibles à la santé. Qu’elle soit « objective » ou « subjective », une telle déclaration
s’accompagne sans doute d’un souci porté à sa santé et/ou d’un besoin ressenti de soins plus
importants, qui se traduisent à leur tour par une plus grande propension à avoir un médecin régulier. A
l’inverse, consulter plus régulièrement un médecin peut conduire à se soucier plus de l’impact péjoratif
pour la santé de ses conditions de vie.
Sylvain TERRONI
Page 47
DISCUSSION GÉNÉRALE
Que ce soit pour le renoncement aux soins pour raisons financières ou le fait d’avoir un médecin
régulier ou non, les deux études ont mis en évidence des facteurs explicatifs psycho sociaux.
Dans le cas de la premiè re analyse, les facteurs de risque potentiels étaient, à Paris, la vie
professionnelle, les deux variables de rupture sociale (nombre de difficultés dans la jeunesse et nombre
de difficultés à l’âge adulte), la confiance envers le système de santé et le terme d’interaction entre le
type d’aide et le fait d’avoir des conditions de vie nuisibles à la santé. A Antananarivo, nous
constations également la présence des deux variables de rupture sociale ainsi qu’un terme d’interaction
faisant intervenir la variable se référant aux conditions de vie nuisibles à la santé et le fait de
considérer la santé comme une priorité ou non.
Pour la deuxième analyse, la relation avec le voisinage, le fait d’avoir ou non un enfant et la
durée de résidence dans le quartier étaient les trois variables explicatives à Paris sur le fait de ne pas
avoir un médecin régulier. La même étude à Antananarivo présentait davantage de facteurs
explicatifs : la vie professionnelle, l’ethnie, quatre variables d’intégration sociale (religion, le type
d’aide, la participation à une association, le sentiment d’isolement), une variable de rupture sociale
(enfance heureuse ou non), trois variables de représentation de la santé et de la médecine (confiance
dans le système de santé, relation entre maladie, guérison et Dieu, conditions nuisibles à la santé) et
deux variables psychologiques (sentiment d’efficacité personnel, caractère dépressif).
Trois des quatre analyses réalisées présentaient une bonne adéquation du modèle. En effet, pour
le renoncement aux soins à Paris et à Antananarivo et le fait d’avoir ou non un médecin régulier à
Paris, la statistique de test d’Hosmer - Lemeshow n’était pas significative. Le modèle était bien adapté
aux données. A l’opposé, l’adéquation du modèle se référant au fait d’avoir ou non un médecin
régulier à Antananarivo n’était pas bonne. A cela s’ajoute que les modèles présentaient une bonne
spécificité mais une mauvaise sensibilité. Sachant que les valeurs prédictives dépendent de la
sensibilité et de la spécificité, il en résultait que dans chacun des cas, les valeurs prédictives négatives
étaient supérieures aux valeurs prédictives positives. Ainsi, la réalisation de ces études a rencontré
certaines limites. Les quatre premières font référence au questionnaire et à la construction de certaines
variables tandis que les quatre suivantes reposent sur la méthodologie statistique.
La première limite concerne l’interprétation des questions. Les comparaisons internationales
doivent être réalisées avec prudence du fait de la variabilité culturelle des populations étudiées. Les
réponses des individus au questionnaire SIRS peuvent varier en fonction de la ville étudiée. Par
exemple, pour la question faisant référence au fait d’avoir ou non un médecin régulier, certains
résidents à Antananarivo ont pu répondre par l’affirmative uniquement car ils ont la connaissance d’un
dispensaire ou qu’eux mêmes ou leurs conjoints ont fréquenté ou accompagné un ou plusieurs de leurs
enfants à ce dispensaire de santé. Par conséquent, cela entraîne des résultats biaisés et la modification
de certaines questions pour plus de précision serait alors primordiale dans le but de minimiser ce biais
de réponse.
Sylvain TERRONI
Page 48
La seconde limite tient au fait que certaines questions intimes impliquent un dévoilement total
de la personne interrogée et entraîne parfois un mélange de dénégations, de révélations incomplètes
ou partielles et de rétractations de la part des personnes interrogées (22). Ce problème,
particulièrement complexe, s’observe essentiellement pour les variables de difficultés rencontrées au
cours de l’enfance ou à l’âge adulte. De plus, il existe un sentiment de frustration chez la personne
lorsqu’elle déclare avoir renoncer aux soins alors qu’elle en avait besoin mais qu’elle n’a pas pu se les
payer. Ainsi, par orgueil, il se peut que les réponses se rapportant aux deux variables dépendantes
soient biaisées.
La construction de certaines variables représente une des limites de cette étude. En effet, le fait
d’additionner les difficultés rencontrées à l’enfance ou à l’âge adulte pour en faire un indicateur
composite peut apparaître peu pertinent du fait qu’elles correspondent à des problèmes d’ordre et de
gravité divers. Cette somme doit donc être considérée avec précaution : elle représente un indice de
cumul de problèmes et d’évènements douloureux (23). De même, la variable se rapportant au nombre
de maladies chroniques ne permet pas une évaluation rigoureuse de la prévalence de ces différentes
affections : pour être déclarée par l’enquêté, une affection doit être reconnue par lui mais également
par la médecine. Cependant, cet indicateur est utile pour permettre d’ajuster certaines analyses sur
l’état morbide déclaré des personnes (23). Par ailleurs, la variable d’ajustement se référant au revenu
par unité de consommation présente deux limites. D’une part, il est probable qu’en Afrique, certains
services médicaux se paient en échange d’un bien autre que financier. D’autre part, elle n’informe en
rien sur la capacité financière de la personne et sur son éventuel endettement. Enfin, tout en ayant une
équivalence nominale, la variable diplôme est susceptible de représenter des réalités sociales
extrêmement différentes selon les sociétés.
En ce qui concerne le questionnaire, la dernière limite repose exclusivement sur la
variable situation professionnelle à Antananarivo. En effet, elle résulte de la pré enquête sur l’emploi
réalisée avant l’enquête SIRS. Ainsi, il se peut qu’entre temps, la situation professionnelle des
individus interrogés ait évolué, même si c’est sans doute rare.
D’un point de vu statistique, la difficulté de l'utilisation de la régression logistique en sciences
sociales est due essentiellement à la fragilité des modèles explicatifs reliant comportements, attitudes,
connaissances et opinions. En effet, le principal inconvénient des deux fichiers de données étudiées est
le fait que ces données sont exclusivement déclaratives. Par conséquent, certaines réponses des
résidents ne sont pas factuelles car elles peuvent dépendre de leur humeur le jour du questionnaire et
engendrer un biais dans les résultats finaux.
Une autre limite repose sur l'existence de données manquantes qui est un réel problème sans
solution simple pleinement satisfaisante. Celle -ci fut observée essentiellement pour les données
d’Antananarivo. La solution qui consiste à éliminer les sujets présentant des données manquantes, au
moins tant que leur fréquence est très faible (méthode employée ici) est celle qui est la plus
fréquemment utilisée mais conduit à une perte de puissance liée à la réduction du nombre de sujets
effectivement utilisables dans l’analyse et revient à supposer que la survenue des données manquantes
est aléatoire, ce qui n'est pas nécessairement le cas. Afin d'éviter toute hypothèse sur la distribution des
Sylvain TERRONI
Page 49
valeurs manquantes, une autre solution consiste à coder les valeurs manquantes comme une catégorie à
part, mais cela conduirait généralement à une interprétation difficile de cette catégorie supplémentaire.
Les données manquantes n’ont pas été remplacées par la moyenne ni la médiane calculée sur les autres
valeurs de cette covariable car cette démarche reposerait sur des estimations douteuses et conduirait à
une surestimation de la précision de ces estimations.
La troisième limite concerne l’analyse multivariée, et plus particulièrement le nombre de
variables présentes dans chacun des modèles. Toutes les variables ayant été codées en classes, le
nombre de variables à utiliser dans les différentes analyses était supérieur au nombre initial de
variables. De plus, certaines variables incluses au sein du modèle multivarié appartenaient à un groupe
de variables de même nature et pouvaient entraîner un problème de colinéarité entre elles. A l’inverse,
pour le fait d’avoir ou non un médecin régulier à Antananarivo, le résultat significatif du test d’
Hosmer - Lemeshow peut s’expliquer par la non prise en compte de certaine(s) variable(s)
explicative(s). A titre d’exemple, il serait intéressant de prendre en considération le capital culturel.
Développée par Pierre Bourdieu, cette notion serait mesurée à Paris par un ensemble de connaissances,
de références culturelles, d’habitudes par exemple et à Antananarivo, par la capacité de lecture et
d’écriture. En effet, à Madagascar, le taux d’analphabète est de 47% (24). De plus, le temps de trajet
ou la distance jusqu’aux différentes formations sanitaires pourraient être pris en considération. Ils
dépendent de la densité médicale, du réseau de transport, de l’infrastructure routière et de facteurs
géographiques. Il est relativement difficile de se rendre à un centre de santé si les routes qui y mènent
ne sont pas carrossables pendant la saison des pluies (25).
L’ultime limite concerne l’enquête parisienne qui portait sur deux quartiers qui ne sauraient être
représentatifs de la population parisienne.
Par ailleurs, nous constatons que pour le renoncement aux soins dans les deux villes et sur le fait
d’avoir ou non un médecin régulier à Paris, les deux variables de ruptures sociales, difficultés
rencontrées au cours de l’enfance et à l’âge adulte, sont des facteurs de risque potentiels. Ainsi, une
analyse plus précise de ces deux variables dans des études ultérieures serait nécessaire.
A ce jour, il existe peu de références sur ces sujets, hormis les analyses réalisées au sein de
l’équipe 3 de l’unité U707 (12, 26-31). Il est donc nécessaire que ces résultats soient confirmés par
d’autres études, incluant un plus grand nombre de sujets et d’autres caractéristiques sociales et
sanitaires. A partir de septembre 2005, une enquête représentative va débuter à Paris et dans la
première couronne de départements franciliens, auprès d’un échantillon représentatif de 3000
ménages. Elle sera novatrice du fait qu’elle sera la première enquête représentative, longitudinale et
nominative permettant ainsi de contacter les personnes interrogées ultérieurement.
Sylvain TERRONI
Page 50
BILAN DU STAGE
Ce stage m’a permis de mettre en pratique et d’approfondir des méthodes statistiques apprises
au cours de l’année universitaire à l’occasion d’enquêtes comparatives de santé publique. Il a été très
formateur, tant sur le plan de la méthodologie statistique (programmation et régression logistique à
l’aide du logiciel SAS? ) que sur l’apprentissage des domaines de l’épidémiologie et de la sociologie.
De plus, de part ma formation initiale (baccalauréat économique et sociale), j’ai pris plaisir à
m’investir dans ce sujet. Par ailleurs, j’ai pu constater que la recherche bibliographique ainsi qu’une
stratégie d’analyse rigoureuse sont primordiaux pour mener au mieux une étude.
En dehors de ces analyses, j’ai pu participer à certaines activités de l’équipe 3 telles que des
séminaires de recherche - « Santé, recours aux soins et liens sociaux à Antananarivo » (Isabelle
Parizot, Pierre Chauvin) et « Patients et intervenants en soins palliatifs » (Michel Castra1 , Michèle
Levy-Soussan2 ) - ou encore la conférence du Pr. Lisa Berkman3 sur « Les déterminants sociaux de la
santé des populations : la contribution des réseaux sociaux et de l'intégration sociale ». Elles ont été
l’occasion de m’apporter des informations complémentaires pour l’élaboration de ma recherche et
d’enrichir ma culture sociologique. A cela s’ajoute ma participation à la réunion des enquêteurs
(première lecture du questionnaire) pour la future enquête SIRS qui débutera en septembre 2005.
Ainsi, j’ai pu découvrir une des étapes en amont d’une étude statistique.
L’accueil au sein de l’équipe de Pierre Chauvin a facilité le bon déroulement du stage. Par leur
disponibilité, chacun de ces membres a su me faire part de son expérience et m’a conseillé en temps
voulu. Ainsi, tout était requis pour qu’il se réalise dans les meilleures conditions possibles.
Ce stage est l’aboutissement de mon troisième cycle universitaire intitulé « Statistique
Appliquée aux Sciences sociales et de la Santé » à l’Université Bordeaux 2. Il ne fait que confirmer
mon intention de rechercher un emploi dans les secteurs de la santé et/ou du social.
1
Sociologue, auteur de « Bien mourir. Sociologie des soins palliatifs », PUF 2003.
Praticien hospitalier, enseignante en éthique médicale.
3
Présidente du Department of Society, Human Development and Health à la Harvard School of Public Health.
2
Sylvain TERRONI
Page 51
RÉFÉRENCE
(1) http://www.inserm.fr/fr/inserm/ : site de l’INSERM.
(2) http://www.u707.jussieu.fr/index_fr.htm : site de l’unité U707.
(3)http://www.groupecidr.org/programmes-de-developpement/dossiers-pays/madagascar---donneesgenerales---situation-interieure---politique-exterieure-article137.html : site du Groupe CIDR.
(4) http://www.who.int/countries/mdg/fr/ : site de l’Organisation Mondiale de la Santé.
(5) http://www.msf.fr/site/pays.nsf/pages/madagascar2004 : site de Médecins Sans Frontières.
(6) http://www.malango.net/info/index.php?region=madagascar&annee=&mmois=&id_article=303 :
site de Malango.
(7) INSEE. La France en bref. Paris, Edition Insee, 2005, 4 p.
(Site internet : http://www.insee.fr/fr/ppp/publications/intfrcbref.pdf).
(8) Fenima A, Geffroy Y. Les comptes nationaux de la santé en 2004. Paris, DRESS, Études et
Résultats, Juillet 2005 ; 413 : 1.
(11) http://www.chuv.ch/bdfm/cdsp/selection/20050623_S.pdf : site du centre de documentation en
santé publique.
(12) Bazin F, Parizot I, Chauvin P. Déterminants psychosociaux du renoncement aux soins pour
raisons financières dans 5 zones urbaines sensibles de la région parisienne. Paris, Inserm U444,
2001 ; p.3.
(13) http://www.sante.gouv.fr/htm/dossiers/hcaam/note_240205.pdf : site de la réunion du Haut
Conseil pour l’avenir de l’assurance maladie.
(14) Raynaud D. Les déterminants individuels de la santé : l’influence de la catégorie sociale et de
l’assurance maladie complémentaire. Paris, DRESS, Études et Résultats, Février 2005 ; 378 : 9-11.
(15) http://www.b3e.jussieu.fr/sirs/index_initial.html : site de SIRS international.
(16) http://www.id.unizh.ch/software/unix/statmath/sas/sasdoc/stat/index.htm : site de l’aide en SAS.
(17) Bouyer J, Hémon D, Cordier S, Derriennic F, Stucker I, Stengel B, Clavel J. Épidémiologie
Principes et méthodes quantitatives. Paris, Editions Inserm, 2001, 477 p.
(18) Hosmer D, Lemeshow S. Applied Logistic Regression. New York : Wiley-Interscience,1990.
(19) Paugam S. Santé, inégalités et ruptures sociales dans les grandes métropoles In : Parizot I,
Chauvin P, Firdion J-M, Paugam S. Les Mégapoles face au défi des nouvelles inégalités. Paris,
Flammarion, 2002, pp.1-7.
(20) Parizot I, Bazin F, Renahy E, Chauvin P. Enquête sur la santé et le recours aux soins dans les
quartiers défavorisés d’Ile de France. Rapport pour la Délégation Interministérielle à la Ville. Paris,
Inserm U444, décembre 2004, 110 p.
(21) Wachsberger J-M, Parizot I. Aider et être aidé : système et structure du soutien social informel à
Antananarivo (Madagascar) et à Paris (France). Paris, Inserm U444 et ERIS, 22 p.
(22) Trocmé N, Tourigny M. Facteurs associés à la décision d’entreprendre des poursuites
criminelles à la suite d’un signalement pour abus sexuel ou physique envers un enfant. Criminologie ,
2000 ; 33: 1-24.
(Site internet : http://www.erudit.org/revue/crimino/2000/v33/n2/004750ar.pdf).
Sylvain TERRONI
Page 52
(23) Parizot I, Péchoux S, Bazin F, Chauvin F. Enquête sur la santé et le recours aux soins dans les
quartiers de la politique de la ville du XXième arrondissement de Paris. Paris, Inserm U444, 2004, 150
p.
(24) http://www.haisoratra.org/breve.php3?id_breve=142 : site sur la littérature malgache.
(25) Wagstaff A. Pauvreté et inégalités dans le secteur de la santé. Bull WHO, 2002 ; 80 : 97-105.
(26) Chauvin P, Bazin F. Psychosocial factors in seeking care. International workshop on social
exclusion, inequality and health, Providence, Brown University, 4 June 2003.
(27) Parizot I, Chauvin P. Health perceptions and practices of Parisians in two poor neighbourhoods:
a cross sectional population survey in Paris city, 2003-2004. 3rd International conference on urban
Health, Boston, October 20-22 2004. Abstract in J Urban Health 2005; 82: ii27.
(28) Bazin F, Parizot I, Chauvin P. Social factors associated with the renouncement of healthcare for
insufficient financial means in underprivileged urban areas in the Paris region, France, 2001. 16th
World Congress of Epidemiology, Montreal, August 18-22 2002, abstract book: MP138.
(29) Bazin F, Parizot I, Le Pont F, Chauvin P. Intégration sociale et santé : résultats issus de l’étude
préliminaire Santé, inégalités et ruptures sociales (SIRS) conduite dans 5 zones urbaines sensibles
d’Ile-de-France. International workshop on social ties and health, Paris, Credes, 26-28 mai 2003.
(30) Bazin F, Parizot I, Chauvin P. Social factors associated with the renouncement of healthcare for
insufficient financial means in underprivileged urban areas in the Paris region, France, 2001.
Congress of the European Epidemiology Federation (IEA), Toledo, October 1-4 2003, abstract in Gac
Sanit 2003; 17(Supl 2): 129.
(31) Bazin F, Chauvin P. Original approach to the individual characteristics associated with forgone
healthcare: a study on the people who lived on income welfare in 2000, France, 2003. Congress of the
European Epidemiology Federation (IEA), Porto, September 8-11 2004. Abstract in J Epidemiol
Community Health 2004 ; 58 : A9.
(32) Auvray L, Doussin A, Le Fur P. Santé, soins et protection sociale 2002. Paris, CREDES, 2003,
230 p.
(33) Roubaud F. Madagascar après la tourmente : regards sur dix ans de transitions politique et
économique. Afrique contemporaine, 2002 ; 202 : 1-203.
(34) http://www.e-monsite.com/isabellesamyn/rubrique-1012550.html : site sur l’enseignement et la
recherche en psychopathologie.
(35) Le Pape A, Lecomte T. Prévalence et prise en charge médicale de la dépression en 1996-1997.
Paris, IRDES, Bulletin d’information en économie de la santé, Septembre 1999 ; 21 : 1-6.
(Site internet : http://www.irdes.fr/Publications/Bulletins/QuestEco/pdf/qesnum21.pdf. Site sur le Mini
diagnostic)
Sylvain TERRONI
Page 53
ANNEXES
ANNEXE 1 – Liste des tableaux et figures du rapport ............................................................ 55
ANNEXE 2 – Codage des variables......................................................................................... 57
ANNEXE 3 – Exemple de test de chi2 de tendance ................................................................ 68
ANNEXE 4 – Exemple de test de comparaison de deux proportions ...................................... 70
ANNEXE 5 – Programme et sorties SAS du modèle final sur le renoncement aux soins pour
raisons financières à Paris ........................................................................................................ 71
Sylvain TERRONI
Page 54
ANNEXE 1 – Liste des tableaux et figures du rapport
Liste des Tableaux
Tableau 1. Statistiques descriptives des variables d’ajustement après suppression des données
manquantes, Renoncement aux soins pour raisons financières, Paris................................12
Tableau 2. Résultats du modèle multivarié pour les variables d’ajustement, Renoncement aux soins
pour
raisons financières, Paris............................................................................14
Tableau 3. Résultats de l’analyse univariée(1), Renoncement aux soins pour raisons financières, Paris.
...................................................................................................................................15
Tableau 4. Résultats de l’analyse multivariée(1) sans interaction, Renoncement aux soins pour raisons
financières, Paris..........................................................................................................18
Tableau 5. Résultats de l’analyse multivariée(1)avec interaction, Renoncement aux soins pour raisons
financières, Paris..........................................................................................................20
Tableau 6. Statistiques descriptives de la variable à expliquer et des variables d’ajustement après
suppression des données manquantes, Renoncement aux soins pour raisons financières,
Antananarivo. ..............................................................................................................21
Tableau 7. Résultats du modèle multivarié pour les variables d’ajustement, Renoncement aux soins
pour raisons financières, Antananarivo. .........................................................................22
Tableau 8. Résultats de l’analyse univariée(1), Renoncement aux soins pour raisons financières,
Antananarivo. ..............................................................................................................23
Tableau 9. Résultats de l’analyse multivariée(1) avant interaction, Renoncement aux soins pour raisons
financières, Antananarivo. ............................................................................................26
Tableau 10. Résultats de l’analyse multivariée(1) avec interaction, Renoncement aux soins pour raisons
financières, Antananarivo. ............................................................................................27
Tableau 11. Statistiques descriptives des variables d’ajustement après suppression des données
manquantes, Avoir ou non un médecin régulier, Paris.....................................................31
Tableau 12. Résultats du modèle multivarié pour les variables d’ajustement, Avoir ou non un médecin
régulier, Paris...............................................................................................................32
Tableau 13. Résultats de l’analyse univariée(1), Avoir ou non un médecin régulier, Paris...................33
Tableau 14. Résultats de l’analyse multivariée(1), Avoir ou non un médecin régulier, Paris................36
Tableau 15. Statistiques des variables d’ajustement après suppression des données manquantes, Avoir
ou non un médecin régulier, Antananarivo. ....................................................................38
Tableau 16. Résultats du modèle multivarié pour les variables d’ajustement, Avoir ou non un médecin
régulier, Antananarivo. .................................................................................................39
Tableau 17. Résultats de l’analyse univariée(1), Avoir ou non un médecin régulier, Antananarivo. .....40
Tableau 18. Résultats de l’analyse multivariée(1), Avoir ou non un médecin régulier, Antananarivo. ..43
Tableau 19. Codage de la variable âge, Renoncement aux soins pour raisons financières,
Antananarivo. ..............................................................................................................58
Tableau 20. Codage de la variable âge, Renoncement aux soins pour raisons financières, Paris. ........58
Tableau 21. Codage de la variable nombre de maladies chroniques, Renoncement aux soins pour
raisons financières, Antananarivo. .................................................................................59
Tableau 22. Codage de la variable nombre de maladies chroniques, Renoncement aux soins pour
raisons financières, Paris...............................................................................................59
Tableau 23. Codage de la variable temps de résidence dans le quartier, Avoir ou non un médecin
régulier, Paris...............................................................................................................61
Tableau 24. Codage de la variable temps de résidence dans le quartier, Avoir ou non un médecin
régulier, Antananarivo. .................................................................................................62
Tableau 25. Codage de la variable nombre de difficultés à l’enfance, Renoncement aux soins pour
Tableau 26. Codage de la variable nombre de difficultés à l’enfance, Renoncement aux soins pour
Sylvain TERRONI
Page 55
Tableau 27. Codage de la variable nombre de difficultés à l’âge adulte, Renoncement aux soins pour
Tableau 28. Codage de la variable nombre de difficultés à l’âge adulte Renoncement aux soins pour
Tableau 29. Effectif observé à Paris et à Antananarivo en fonction du renoncement aux soins. ..........70
Tableau 30. Effectifs théoriques et observés en fonction de la variable maladies chroniques,
Renoncement aux soins pour raisons financières, Paris. ..................................................69
Tableau 31. Proportion de personnes ayant un médecin régulier en fonction des maladies chroniques,
Renoncement aux soins pour raisons financières, Paris. ..................................................69
Liste des Figures
Figure 1.
Figure 2.
Figure 3.
Figure 4.
Courbe de ROC, Renoncement aux soins pour raisons financières, Paris............................20
Courbe de ROC, Renoncement aux soins pour raisons financières, Antananarivo. ..............28
Courbe de ROC, Avoir ou non un médecin régulier, Paris.................................................37
Courbe de ROC, Avoir ou non un médecin régulier, Antananarivo. ...................................45
Sylvain TERRONI
Page 56
ANNEXE 2 – Codage des variables
Cette annexe a pour objectif d’expliquer la terminologie ainsi que la construction des variables
utilisées au sein des deux analyses.
Les variables dépendantes
Pour la première étude, la variable dépendante – dichotomique – est le renoncement aux soins
pour raisons financières.
Pour Antananarivo, elle résulte de la question suivante : « Au cours des 12 derniers mois, vous est-il
arrivé de renoncer, par vous-même, à des soins pour des raisons financières ? » où seules deux
réponses sont possibles : « oui » et « non ».
Dans le cadre de l’analyse de Paris XX ème , elle est obtenue par l’intermédiaire de deux questions et
non d’une seule. En effet, nous nous sommes appuyés sur les deux questions suivantes pour recoder la
variable de renoncement : «Au cours de votre vie, vous est-il arrivé de renoncer, par vous-même, à
certains soins pour des raisons financières ?» et « Si oui, était-ce au moins une fois au cours des 12
derniers mois ? ». Ainsi, les personnes ayant répondu « oui » à ces deux questions sont considérées
comme celles ayant renoncées à des soins pour des raisons financières au cours des douze derniers
mois.
Dans le cas de la seconde étude, la variable dépendante est le fait d’avoir ou non un médecin
régulier et correspond à la réponse à la question : « Avez-vous un médecin régulier qui vous connaît
déjà et que vous allez consulter en priorité si vous êtes malade (médecin de famille ou médecin de
quartier par exemple) ? ». Deux seules réponses sont également possibles : « oui » et « non ».
En ce qui concerne les variables indépendantes, nous distinguons deux catégories : celles que
l’on veut prendre en compte indépendamment de toute considération statistique issue des observations
de l’enquête (variables d’ajustement) et celles pour lesquelles la décision sera prise en fonction des
observations. A noter que les exemples de cette annexe sont issus uniquement de la première étude.
Les variables d’ajustement
Elles sont considérées comme les facteurs de risque connus de façon empirique et/ou reconnus
dans la littérature par les études antérieures. Ainsi, les sept variables suivantes ont été
systématiquement utilisées pour les deux études : le sexe, l’âge, le nombre de maladies chroniques, la
couverture maladie, le revenu par unité de consommation, la situation professionnelle et le diplôme.
Le sexe (sexe1 sous SAS) : représenté par deux catégories, les hommes (classe de référence) et
les femmes.
L’âge (cat_age1 sous SAS) : dans le fichier initial, cette variable était présente en continue.
Afin de savoir si elle devait être plutôt utilisée en classe ou en continue, une analyse a été réalisée pour
valider ou non l’hypothèse de linéarité du logit. Ainsi, des indicatrices ont été créées à partir des
Sylvain TERRONI
Page 57
quartiles de distribution ou de tableaux de fréquence dans le but de mieux équilibrer les effectifs au
sein de chaque classe. Pour le cas d’Antananarivo, un quart des individus de l’échantillon étaient âgés
de 18 à 27 ans, un quart de 28 à 37 ans, un quart de 38 à 48 ans et le quart restant de 49 à 92 ans. La
décision de conserver la variable âge en continue ou en indicatrices a été basée sur la comparaison des
odds ratio respectifs. Le Tableau 19. présente les statistiques permettant de choisir la décision de
codage de cette variable. A noter que la classe de référence est la catégorie d’âge la plus jeune.
Tableau 19. Codage de la variable âge, Renoncement aux soins pour raisons financières, Antananarivo.
Variable
Quantitative
Classes
OR
Codage en
classes (1)
IC95%
[18 ; 28[
1,00
[28 ; 38[
0,90
[0,70 ; 1,15]
[38 ; 49[
0,93
[0,73 ; 1,19]
[49 ; 92]
1,13
[0,89 ; 1,44]
(1)
L’odds ratio est calculé par rapport à la classe de référence [18 ; 28[.
p
?
OR
Codage en
continu (1)
p
0,294
0,0026
1,00
1,02
1,04
1,09
0,414
Age
Pour calculer l’odds ratio pour chaque classe, les centres de classes ont été pris pour référence :
respectivement 22,5, 32,5, 43 et 70,5 ans. Pour le centre de classe égal à 22,5 ans, l’odds ratio était
égal à 1 (classe de référence). Pour une augmentation de 10 ans d’âge (32,5 – 22,5), l’odds ratio en
continu était égal à 1,0018^10, soit 1,018. Pour une augmentation de 20,5 ans d’âge (43 – 22,5), il était
égal à 1,0018^20,5, soit 1,038. Pour une augmentation de 48 ans d’âge (70,5-22,5), il était égal à
1,0018^48, soit 1,091. Les odds ratio ainsi obtenus ont été comparés aux odds ratio de la variable âge
en indicatrices.
Si chaque odds ratio de la variable en continue était compris dans l’intervalle de confiance
correspondant de l’odds ratio de la variable en classe, la variable âge pouvait être conservée en
continue ou en classe. Dans le cas contraire, la variable âge était utilisée en catégorielle. Au vu des
résultats du Tableau 19., les odds ratio de la variable en continue appartenaient tous respectivement
aux intervalles de confiance des odds ratio de la variable en classes. Ainsi, pour Antananarivo, nous
avons décidé d’utiliser la variable âge en quatre classes.
Le même procédé a été réalisé pour les données à Paris XXième (Tableau 20.).
Tableau 20. Codage de la variable âge, Renoncement aux soins pour raisons financières, Paris.
Variable
Quantitative
Classes
OR
Codage en
classes (1)
IC95%
[18 ; 30[
1,00
[30 ; 39[
1,76
[1,08 ; 2,87]
[39 ; 52[
1,72
[1,06 ; 2,79]
[52 ; 93]
1,80
[1,12 ; 2,90]
(1)
L’ odds ratio est calculé par rapport à la classe de référence [18 ; 30[.
Age
p
?
OR
Codage en
continu (1)
p
0,053
0,0056
1,00
1,06
1,12
1,31
0,274
Les odds ratio obtenus étaient comparés aux odds ratio de la variable âge en indicatrices. Le
deuxième odds ratio de la variable en continue n’étant pas compris dans l’intervalle de confiance du
deuxième odds ratio de la variable en classe, la variable âge a été utilisée en classe pour l’étude
réalisée sur Paris.
Sylvain TERRONI
Page 58
Le nombre de maladies chroniques (chronikbis sous SAS) : elle est un indicateur de l’état de
santé de la personne interrogée. Pour les deux études, cette variable a été obtenue par sommation brute
d’une liste de vingt deux maladies chroniques au sein du questionnaire de Paris et d’une liste de vingt
trois au sein du questionnaire de Tana. Cette maladie supplémentaire correspond au «paludisme,
malaria grave et fréquent » qui semblait inutile à insérer au sein du questionnaire de Paris.
Tableau 21. Codage de la variable nombre de maladies chroniques, Renoncement aux soins pour rais ons
Variable
Quantitative
Classes
OR
Codage en
classes (1)
IC95%
0
1,00
1
1,19
[0,92 ; 1,54]
2
1,38
[1,06 ; 1,81]
[3 ; 15]
2,70
[2,14 ; 3,41]
(1)
L’odds ratio est calculé par rapport à la classe de référence 0.
p
?
OR
Codage en
continu (1)
p
<0,0001
0,2287
1,00
1,26
1,59
8,00
<0,0001
Maladies Chroniques
Cette variable a été utilisée en catégorielle du fait que le dernier odds ratio de la variable en
continue n’était pas compris dans l’intervalle de confiance du dernier odds ratio de la variable en
classe.
Tableau 22. Codage de la variable nombre de maladies chroniques, Renoncement aux soins pour raisons
Variable
Quantitative
Classes
OR
Codage en
classes (1)
IC95%
0
1,00
1
1,02
[0,63 ; 1,64]
2
2,68
[1,63 ; 4,40]
[3 ; 15]
3,43
[2,20 ; 5,35]
(1)
L’odds ratio est ici calculé par rapport à la classe de référence 0.
Maladies Chroniques
p
?
OR
Codage en
continu (1)
p
<0,0001
0,2204
1,00
1,25
1,56
7,45
<0,0001
L’hypothèse de linéarité du logit n’était pas vérifiée. En effet, les troisième et quatrième odds
ratio de la variable en continue n’étant pas compris dans les intervalles de confiance des troisième et
quatrième odds ratio de la variable en classe, la variable nombre de maladies chroniques a été utilisée
en catégorielle pour l’étude réalisée sur Paris.
Pour cette variable, la classe de référence est la première catégorie : aucune maladie chronique.
La couverture maladie (couvmal sous SAS) : dans le cas de Paris, trois catégories ont été crées :
« Pas de sécurité sociale », « Sécurité sociale maladie » et « Sécurité sociale maladie et
complémentaire et/ou prise en charge à 100% », à partir des trois questions suivantes : « Actuellement,
avez-vous la sécurité sociale maladie ? », « Si oui, êtes-vous pris en charge à 100% pour raison
médicale ? » et « Si oui, bénéficiez-vous d’une couverture maladie complémentaire ? ».
Pour Antananarivo, deux classes ont été créées : « a une couverture maladie actuellement » et
« n’a pas de couverture maladie actuellement ». Lorsque l’information n’était pas présente pour la
question « Actuellement, bénéficiez-vous d’une couverture d’une couverture / assurance maladie ? » et
Sylvain TERRONI
Page 59
que l’individu a répondu qu’il n’a jamais eu au moins trois mois au cours de sa vie une couverture
sociale maladie, l’hypothèse qu’il n’a pas de sécurité sociale actuellement a été faite. Dans le cas où il
a eu au cours de sa vie une couverture sociale maladie au moins trois mois et que nous avions aucune
information s’il bénéficiait ou non actuellement d’une couverture maladie, ce cas était alors considéré
comme donnée manquante.
La classe de référence est le fait d’avoir une couverture sociale actuellement pour Antananarivo
et de posséder une sécurité sociale maladie et complémentaire et/ou charge à 100% à Paris.
Le revenu par unité de consommation (revcucx4 sous SAS) : il était déjà calculé lorsque j’ai eu
en ma possession la table des données. Il représente l’ensemble des ressources financières disponibles
dans le ménage rapporté à la taille du ménage (32). Pour cela, une variable dite unité de consommation
est créée. Le nombre d’unités de consommation d’un ménage est le nombre de parts entre lesquelles
on divise le revenu disponible du ménage pour estimer ce dont dispose chaque individu pour vivre. Il
est calculé en affectant 1 pour le premier adulte du ménage, 0,5 pour la seconde personne, 0,3 pour les
personnes de rang 3 et 4 et 0,4 pour les personnes de rang égal ou supérieur à 5. Puis, le revenu du
ménage est rapporté au nombre d’unités de consommation pour obtenir le revenu par unité de
consommation. Celui-ci a été découpé en quartiles où le premier équivaut aux plus démunis (classe de
référence) et le dernier aux plus aisés.
Ainsi, pour Paris, les quartiles de revenu en euro par unité de consommation sont [0 ; 766,6[,
[766,6 ; 1194,4[, [1194,4 ; 1746,6[ et [1746,6 ; 10000] et pour Antananarivo, les quartiles de revenu en
franc malgache par unité de consommation sont respectivement [0 ; 124,28[, [124,28 ; 196,43[,
[196,43 ; 319,10[ et > 319,10.
A titre d’information, il est possible qu’un individu ait un revenu par unité de consommation nul
si celui-ci (et/ou son ménage) ne dispose d’aucun revenu monétaire au moment de l’enquête.
La situation professio nnelle (sitprof sous SAS) : trois classes la composent : les actifs occupés
(classe de référence), les chômeurs et les inactifs. Pour Antananarivo, elle est issue de l’enquête
emploi qui s’est déroulée peu de temps avant l’enquête SIRS.
Le diplôme (diplome1 sous SAS) : cette variable a substitué la catégorie socioprofessionnelle du
fait que celle -ci présentait un nombre trop important de données manquantes pour le cas
d’Antananarivo (32,60%). Le nombre cumulé en année d’études a été privilégié pour le codage de
cette variable. Ainsi, cinq classes ont été crées : aucun diplôme, certificat d’études primaires, brevet
élémentaire, CAP/BEP/baccalauréat, études supérieures (classe de référence).
Sylvain TERRONI
Page 60
Les variables explicatives
Nous pouvons distinguer quatre catégories distinctes.
Les variables socio-démographiques
La situation familiale (famille sous SAS) : celle -ci comprend quatre catégories : « Relation de
couple avec enfant(s) » (classe de référence), « Relation de couple sans enfant », « Célibataire avec
enfant(s) », « Célibataire sans enfant ». La terminologie « relation de couple » regroupe les individus
qui vivent en couple (quelque soit leur statut marital) mais également ceux qui ont une relation
sentimentale ou amoureuse « qui compte beaucoup pour eux » (tel que l’interrogeait le questionnaire).
La vie professionnelle (prof sous SAS) : cinq catégories composent cette variable : « Emploi
stable et continu » (classe de référence), « Amélioration de la situation », Dégradation de la
situation », « Situation instable » et « N’a jamais travaillé ou en formation ».
Nationalité et Ethnie (national1 et ethn sous SAS) : pour Antananarivo, 99,65% des résidents
sont de nationalité malgache et cela n’aurait donc pas été intéressant de prendre en compte la
nationalité. Toutefois, la notion d’ethnie a une place importante au sein de la communauté malgache et
ceci explique le choix d’avoir privilégié cette variable au lieu de la nationalité pour Antananarivo (33).
Ainsi, Merina (classe de référence), Betsileo et « Autres» sont les trois catégories de la variable
ethnie.
En ce qui concerne Paris XXième , française (classe de référence) et étrangère correspondent aux deux
classes de la variable nationalité.
Le temps de résidence dans le quartier (tps sous SAS) : cette variable continue n’intervient
qu’au sein de la deuxième étude. Pour information, les modalités 0 et 97 dans le questionnaire
correspondent respectivement à un temps de résidence inférieur à un an et au fait que le sujet habite les
lieux depuis toujours.
Tableau 23. Codage de la variable temps de résidence dans le quartier, Avoir ou non un médecin régulier, Paris.
Variable
Quantitative
Classes
OR
Codage
classes (1)
IC95%
<1
1,00
[1 ; 3]
0,51
[0,30 ; 0,87]
[4 ; 7]
0,30
[0,17 ; 0,52]
[8 ; 20]
0,18
[0,11 ; 0,32]
[21 ; 97]
0,11
[0,06 ; 0,21]
(1)
L’odds ratio est calculé par rapport à la classe de référence < 1.
Temps de résidence
dans le quartier
p
?
OR
Codage en
continu (1)
p
<0,0001
-0,0234
1,00
0,97
0,89
0,73
0,25
<0,0001
Aucun des odds ratio de la variable en continue ne sont inclus dans les intervalles de confiance
respectifs des odds ratio de la variable en classe. Cette variable a donc été utilisée en catégorielle.
Sylvain TERRONI
Page 61
Tableau 24. Codage de la variable temps de résidence dans le quartier, Avoir ou non un médecin régulier,
Antananarivo.
Variable
Quantitative
Classes
OR
Codage
classes (1)
IC95%
<1
1,00
[1 ; 9]
1,34
[0,55 ; 3,26]
[10 ; 20]
1,20
[0,50 ; 2,92]
[21 ; 99]
1,09
[0,45 ; 2,63]
(1)
L’odds ratio est calculé par rapport à la classe de référence < 1.
Temps de résidence
dans le quartier
p
?
OR
Codage en
continu (1)
p
0,219
0,0013
1,00
1,01
1,01
1,08
0,230
Les odds ratio de la variable en continue sont inclus dans les intervalles de confiance respectifs
des odds ratio de la variable en classe. Dans un souci de similitude avec l’étude de Paris, cette variable
a été utilisée en catégorielle. Dans les deux cas, la classe de référence est la durée de résidence
inférieure à un an.
Les variables d’intégration sociale
La pratique religieuse (religion sous SAS) : cette variable comporte trois modalités : « Pratique
régulière » (classe de référence), « Pratique occasionnelle » et « Pas de pratique ». A noter que, pour
des raisons socio politiques (à Madagascar) et légales (en France), la religion elle -même n’était pas
recueillie.
La participation à une association (assoce sous SAS) : variable binaire : « oui » et « non »
(classe de référence).
Le sentiment ou non d’isolement (seul sous SAS) : variable binaire : « oui » et « non » (classe
de référence).
Les relations avec le voisinage (rel_vois sous SAS): les items « très bonnes » et plutôt bonnes »
ont été regroupés pour former la classe « bonnes » (classe de référence). De même, les items « plutôt
mauvaises » et « très mauvaises » ont été regroupés pour former la catégorie « mauvaises ». Enfin, la
dernière classe correspond à ceux qui n’ont aucune relation avec leur voisin.
Le type d’aide (position sous SAS) : c’est la deuxième variable qui était déjà recodée lorsque
j’ai eu en ma possession la table des données. Par définition, les « intégrés » sont ceux qui donnent et
reçoivent de l’aide, les « assistants » sont ceux qui donnent mais qui ne reçoivent pas d’aide, les
« assistés » sont ceux qui reçoivent mais ne donnent pas d’aide et les « séparés » sont ceux qui ne
reçoivent et ne donnent aucune aide.
Ces aides peuvent être de natures très diverses : aide pour trouver un logement ou un emploi,
financière, matérielle, aide dans la vie quotidienne, hébergement, assistance administrative, soutien
moral ou affectif. L’ensemble de ces aides participe à l’intégration sociale des individus.
Si l’individu avait répondu au moins un oui à la question « Au cours des six derniers mois, avez-vous
été aidé… ? » et au moins un oui à la question « Au cours des six derniers mois, avez-vous aidé ou
aidez-vous quelqu’un… ? » alors il était considéré comme « intégré » (classe de référence). S’il avait
Sylvain TERRONI
Page 62
répondu au moins un oui à la première et au moins un non à la deuxième, il était défini comme
«assisté ». S’il avait répondu au moins un non à la première et au moins un oui à la deuxième, il était
considéré comme un «assistant ». Enfin, s’il avait répondu au moins un non aux deux questions, il était
défini comme « séparé ».
Les variables de ruptures sociales
Enfance heureuse (enfance sous SAS) : variable binaire : « oui » (classe de référence) et
« non ».
Nombre de difficultés rencontrées à l’enfance (cat_difenfance1 sous SAS) : cette variable
correspond aux évènements douloureux vécus avant l’âge de dix-huit ans. Un cumul des difficultés a
été effectué parmi plusieurs variables regroupées par thèmes : ruptures de lien de filiation (à 16 ans ne
vivait pas avec ses parents, décès de l’un des deux parents, décès d’un frère et/ou d’une sœur,
placement ou adoption avant 18 ans, père et/mère inconnu), fragilisation du lien de filiation (conflit
grave avec un membre de la famille, divorce ou séparation des parents, tentatives suicide parents ou
frère/sœur), environnement familial dégradé (problèmes d’argent dans la famille, problèmes de santé
des parents), difficultés dans les lieux de socialisation (problèmes importants avec des camarades de
classe ou des personnes du voisinage, goût pour les études) et problèmes personnels (problèmes
personnels de santé, tentative de suicide, mauvais traitements, abus sexuels).
Dès lors, l’hypothèse de linéarité du logit a été vérifiée afin de savoir si cette variable devait
être utilisée en classe ou en continue (Tableau 25.).
Tableau 25. Codage de la variable nombre de difficultés à l’enfance, Renoncement aux soins pour raisons
Variable
Quantitative
Classes
OR
Codage en
classes (1)
IC95%
0
1,00
1
1,69
[1,02 ; 2,80]
[2 ; 3]
2,12
[1,32 ; 3,38]
[4 ; 13]
2,52
[1,47 ; 4,33]
(1)
Nombre de
difficultés au cours
de l’enfance
p
?
OR
Codage en
continu (1)
p
0,003
0,159
1,00
1,17
1,49
3,88
0,0002
Les odds ratio de la variable en continue appartenaient respectivement tous aux intervalles de
confiance des odds ratio de la variable en classes. Dans le cas de l’étude pour Paris, cette variable a été
utilisée en catégorielle.
De même, pour Antananarivo, l’hypothèse de linéarité du logit a été vérifiée (Tableau 26.). Le
deuxième et troisième odds ratio n’étant pas compris dans les intervalles de confiance des deuxième et
troisième odds ratio de la variable en classe, la variable nombre de difficultés rencontrées à l’enfance a
également été utilisée en catégorielle.
Sylvain TERRONI
Page 63
Tableau 26. Codage de la variable nombre de difficultés à l’enfance, Renoncement aux soins pour raisons
Variable
Quantitative
Nombre de
difficultés au cours
de l’enfance
(1)
Classes
OR
Codage en
classes (1)
IC95%
p
?
OR
Codage en
continu (1)
p
0
1
[2 ; 3]
[4 ; 9]
1,00
1,77
2,59
3,07
[1,32 ; 2,36]
[1,99 ; 3,34]
[2,32 ; 4,05]
<0,0001
0,203
1,00
1,23
1,66
3,74
<0,0001
Dans les deux cas, la classe de référence est la première catégorie : aucune difficulté au cours de
l’enfance.
Nombre de difficultés rencontrées à l’âge adulte (cat_diffadulte sous SAS) : contrairement à la
précédente variable, celle -ci correspond aux nombres de difficultés encourues après l’âge de dix-huit
ans. Un cumul a été également réalisé parmi plusieurs variables : les problèmes personnels (graves
problèmes de santé, tentative de suicide, problèmes alcool ou drogue, condamnation en justice,
violences physiques ou sexuelles, violences psychologiques ou morales), les problèmes avec les
enfants (placement de l’un de ses enfants, décès de l’un de ces enfants), les problèmes financiers, les
problèmes dans le couple (maladie grave du partenaire, comportement violent du conjoint à l’égard de
la personne interrogée, comportement violent de la personne interrogée à l’égard du conjoint,
alcoolisme ou toxicomanie de la part du conjoint, comportement violent du conjoint à l’égard des
enfants, comportement violent de la personne interrogée à l’égard des enfants, comportement violent
de l’un des enfants envers la personne interrogée).
Puis, l’hypothèse de linéarité du logit a été vérifiée afin de savoir si cette variable devait être
utilisée en classe ou en continue (Tableau 27.).
Tableau 27. Codage de la variable nombre de difficultés à l’âge adulte, Renoncement aux soins pour raisons
Variable
Quantitative
Nombre de
difficultés à l’âge
adulte
Classes
OR
Codage en
classes (1)
IC95%
0
1,00
1
3,27
[1,56 ; 6,89]
2
4,00
[1,82 ; 8,81]
[3 ; 11]
7,90
[3,68 ; 16,94]
(1)
p
?
OR
Codage en
continu (1)
p
<0,0001
0,313
1,00
1,37
1,88
8,97
<0,0001
Sachant que le premier odds ratio de la variable en continue n’était pas compris dans
l’intervalle de confiance du premier odds ratio de la variable en classe, la variable nombre de
difficultés à l’âge adulte a été utilisée en catégorielle pour l’étude réalisée sur Paris.
Sylvain TERRONI
Page 64
Tableau 28. Codage de la variable nombre de difficultés à l’âge adulte Renoncement aux soins pour raisons
Variable
Quantitative
Nombre de
difficultés à l’âge
adulte
Classes
OR
Codage en
classes (1)
IC95%
0
1,00
1
2,60
[1,38 ; 4,90]
2
4,64
[2,45 ; 8,77]
[3 ; 10]
5,91
[3,14 ; 11,11]
(1)
p
?
OR
Codage en
continu (1)
p
<0,0001
0,218
1,00
1,24
1,55
4,13
<0,0001
Les deuxième et troisième odds ratio de la variable en continue n’étaient pas compris dans les
intervalles de confiance des deuxième et troisième odds ratio de la variable en classe. Ainsi, la variable
représentant le nombre de difficultés rencontrées après la majorité à Antananarivo a été également
utilisée en catégorielle.
Dans les deux cas, la classe de référence est la première catégorie : aucune difficulté à l’âge
adulte.
Les variables de représentation de la santé et de la médecine
Les trois variables se référant à la résistance à la maladie (« Je pense tomber malade plus
facilement que les autres »), à l’acceptation de la maladie (« Je ne supporte pas d’être malade même si
ce n’est pas grave ») et à la priorité portée à sa santé (« La santé est une priorité dans ma vie »)
résultent de la traduction de questions issues du Health perceptions questionnaire (12). Toutes les trois
sont des variables à deux modalités «oui » (classes de référence) et « non ». A noter que la réponse
affirmative à la première question s’interprète comme une faible résistance à la maladie.
Sous SAS, elles sont désignées respectivement par les termes suivant : resistance, acceptation et
priorite.
Confiance dans le système de santé (confiance sous SAS) : deux modalités constituent cette
variable : « oui » (classe de référence) et « non ».
Conditions de vie nuisibles à la santé (souci sous SAS) : cette variable a été créée à partir de la
question suivante : « Selon vous, est-ce que certaines choses dans votre vie nuisent à votre santé
physique, psychologique ou à votre moral ? ». Il en résulte deux modalités : « oui » et « non » (classe
de référence).
Relation entre maladie ou guérison et Dieu (dieu sous SAS) : deux modalités « oui » et « non »
(classe de référence) constituent les réponses (regroupées) à la question : « Pensez-vous que la maladie
et la guérison dépendent de Dieu, du destin ou de la providence ? »
La perception des services médicaux dans le quartie r (percept2 sous SAS) : elle distingue ceux
qui sont satisfaits (classe de référence) de ceux qui ne le sont pas.
Sylvain TERRONI
Page 65
Les variables psychologiques
Elles sont au nombre de trois : l’estime de soi, le sentiment d’efficacité personnel et le caractère
dépressif. Les deux premiers concepts permettent de caractériser l'image qu'un individu a de lui-même.
L’estime de soi (cat_estime sous SAS) : un score a été réalisé à partir de quatre questions issues
de l’échelle de Rosenberg (34). Celle -ci est élaborée à partir de batteries d’items élémentaires qui
rassemblés par sommation brute fournit une valeur composite sensée représenter une évaluation de la
dimension explorée de l’estime de soi : « Dans l’ensemble, je suis satisfait de moi », « Je pense que
j’ai de bonnes qualités », « Je suis capable de faire les choses aussi bien que la plupart des gens » et «
Parfois, je me sens réellement inutile ». Pour les trois premières affirmations, un point a été attribué si
la personne était tout à fait d’accord avec l’affirmation, deux points si elle était plutôt d’accord, trois
points si était plutôt pas d’accord et quatre points si elle n’ était pas du tout d’accord. Pour la dernière
affirmation, les points ont été attribués en sens inverse. Le résultat obtenu correspondait à une note
d'estime de soi. Le score a finalement été regroupé en trois classes, en fonction des tertiles. Pour Paris,
les trois catégories sont les suivantes : estime de soi haute [5 ; 8] (classe de référence), moyenne [9 ;
10] et faible [11 ; 18].
L'efficacité personnelle (cat_senteffi sous SAS): il mesure globalement le niveau de
performance qu'un individu se sent en mesure de réaliser dans une certaine activité. Son principe
d’élaboration est similaire a celui de l’estime de soi. En effet, un score a été réalisé à partir des quatre
questions suivantes : « J’ai confiance en moi pour résoudre les problèmes qui se présentent », « Si je
n’arrive pas à faire quelque chose, je continue d’essayer jusqu’à ce que j’y arrive », « Si quelque chose
me paraît trop difficile, je ne prends même pas la peine d’essayer » et « Quand j’ai quelque chose
d’important à faire, je ne fais pas tous les efforts nécessaires ». Pour les deux premières affirmations,
un point a été attribué si la personne était tout à fait d’accord avec l’affirmation, deux points si elle
était plutôt d’accord, trois points si elle était plutôt pas d’accord et quatre points si elle n’ était pas du
tout d’accord. Pour les deux dernières affirmations, les points ont été attribués en sens inverse. Puis, le
score a été regroupé en trois classes, en fonction des tertiles. Pour Paris, les trois catégories sont les
suivantes : sentiment d’efficacité personnel haut [4 ; 6] (classe de référence), sentiment d’efficacité
personnel moyen [7 ; 8] et sentiment d’efficacité personnel faible [9 ; 15].
Le caractère dépressif (depressi1 sous SAS) : le Mini International Neuropsychiatric Interview
(MINI) est un entretien pratiqué par un médecin auprès de son patient à partir de questions structurées
et rapides (35). Il est destiné à établir le diagnostic de divers troubles mentaux parmi lesquels la
dépression. La première partie de ce module porte sur trois symptômes (la tristesse, la perte d’intérêt,
la fatigue) et la deuxième partie en comporte six (modification de l’appétit, troubles du sommeil,
lenteurs ou agitations inhabituelles, sentiment de culpabilité, difficultés de concentration et de prise de
décision, idées de mort). Ainsi, les personnes ayant répondu oui à au moins quatre items au total, dont
au moins deux dans la partie 1 étaient considérées comme dépressives. Dans le cas contraire, elles
n’étaient pas définies en tant que dépressives (classe de référence).
Sylvain TERRONI
Page 66
Comme il a été stipulé au début de cette annexe, les exemples illustratifs cités sont issus
exclusivement de l’analyse du renoncement aux soins. Pour la deuxième étude, les échantillons sur
lesquels ont été effectués nos analyses différaient peu des précédents, ce qui ne modifiait en rien le
découpage des différentes variables catégorielles.
La variable poids
Pour chaque analyse, l’instruction weight a été utilisée (« weight nom_variable; »). Lorsque que
j’ai eu en ma possession le fichier initial, elle était déjà créée. Nécessaire dans le cas
d’hétéroscédasticité (la variance du bruit n’est pas constante sur toute l'étendue de variation de la
variable indépendante x), elle indique à SAS que l’utilisateur souhaite pondérer chaque observation
par la valeur correspondante de la variable numérique spécifiée.
Sylvain TERRONI
Page 67
ANNEXE 3 – Exemple de test de chi2 de tendance
Le test de tendance est généralement utilisé pour étudier une relation dose-réponse. Il permet de
conclure, par exemple, à l'existence d'une tendance linéaire, selon le temps, ou d'une diminution ou
d'une augmentation de la prévalence d'un comportement de santé. Toutefois, ce test ne permet pas de
quantifier l’intensité de la relation.
Nous traitons la question suivante : est-ce que la proportion de personnes ayant renoncée aux
soins pour raisons financières au cours des douze derniers mois à Paris augmente avec le nombre de
maladies chroniques ?
Nous présentons la démarche pour réaliser ce test. A noter que tous les tests de chi2 de tendance
intervenant dans le mémoire ont nécessité le même procédé.
Les deux hypothèses testées sont :
H0 : p0 = p1 = p2 =p3 = p4 vs H1 : p0 > p1 > p2 > p3 > p4
où p0 , p1 , p2 , p3 et p4 représentent respectivement les proportions de résidents de Paris XXième
renonçant aux soins pour raisons financières et ayant aucune maladie, une maladie, deux maladies,
plus de trois maladies.
L’objectif est de savoir s’il y a une tendance à la hausse ou non de la proportion d’individus
renonçant aux soins pour raisons financières en fonction du nombre de maladies chroniques. Pour cela,
nous attribuons un score à chaque modalité (ici, les valeurs centrales).
La statistique du chi2 de tendance est :
C?
3
n
?
n1 n 2
?? x ?o ? e ??
?
?n? n ? x ? ?? n x ? ?
2
i
i
1i
i
1i
2
2
i
i
Dans notre exemple, n est l’effectif total, n1 est l’effectif des individus renonçant aux soins, n2
est l’effectif des individus ne renonçant pas aux soins, xi est la valeur du score, o1i sont les individus
qui ont l’événement, e1i est l’effectif théorique correspondant et ni est l’effectif dans chaque catégorie.
Le Tableau 29. présente les effectifs observés et théoriques du nombre de résidents à Paris
renonçant ou pas aux soins en fonction du nombre de maladies chroniques.
Sylvain TERRONI
Page 68
Tableau 29. Effectifs théoriques et observés en fonction de la variable maladies chroniques, Renoncement aux
soins pour raisons financières, Paris.
0
Centres de classe
1
2
[3 ; 15]
1
2
9
30 (40,77)
33 (20,98)
49 (26,92)
171
0
(1)
Total
Renoncement aux
soins
59 (82,33)
Pas Renoncement
aux soins
357 (333,67)
176 (165,23)
73 (85,02)
87 (109,08)
693
Total
416
206
106
136
864
(1)
Le nombre entre parenthèses représente l’effectif théorique.
Le résultat du test du chi2 de tendance est de 33,21, ce qui est supérieur à 3,84 (chi2 à 1 degré
de liberté au seuil de 5%). Ainsi, le test est amené à rejeter H0 . La propension de personnes ayant
renoncée aux soins pour raisons financières au cours des douze derniers mois augmente
significativement avec le nombre de maladies chroniques.
Tableau 30. Proportion de personnes ayant un médecin régulier en fonction des maladies chroniques,
Renoncement aux soins pour raisons financières, Paris.
Renoncement aux
soins
0
1
2
[3 ; 15]
14,18 %
14,56 %
31,13 %
36,03 %
La tendance à l’augmentation est linéaire (test puissant). Ainsi, le test du chi2 nous indique qu'il
y a une augmentation réguliè re et significative de la proportion de personnes ayant renoncée aux soins
pour raisons financières au cours des douze derniers mois en fonction du nombre de maladies
chroniques.
Sylvain TERRONI
Page 69
ANNEXE 4 – Exemple de test de comparaison de deux proportions
Nous présentons la démarche pour réaliser ce test uniquement pour le cas où l’on compare les
proportions de personnes renonçant aux soins pour raisons financières à Paris et à Antananarivo (deux
échantillons indépendants). Tous les autres tests de comparaison de proportions ont nécessité le même
procédé.
Notons
?
?
?
?
?
?
p1 : proportion de résidents renonçant aux soins à Paris.
p2 : proportion de résidents renonçant aux soins à Antananarivo.
n1 : taille de l’échantillon de Paris (n1 = 864).
n2 : taille de l’échantillon d’ Antananarivo (n2 = 2691).
Xi = 1 si le ième individu à Paris renonce aux soins et 0 sinon.
Yi = 1 si le ième individu à Antananarivo renonce aux soins et 0 sinon.
Xi et Yi sont indépendants et suivent respectivement des lois de Bernoulli de paramètre p1 et p2 .
Soit les deux hypothèses H0 : p1 = p2 contre H1 : p1 < p2
La statistique de test est la suivante :
T?
?P?1? P?? ?1 ? 1 ?
P1 ? P2
n1
n2
où T suit une loi normale N (0 ; 1), P 1 et P 2 sont les estimateurs de p1 et p2 et P représente l’estimateur
de la proportion commune de résidents renonçant aux soins (Paris et Antananarivo confondues).
Tableau 31. Effectif observé à Paris et à Antananarivo en fonction du renoncement aux soins.
Renonce aux
soins
Ne renonce
pas aux soins
Total
Paris
171
693
864
Antananarivo
669
2022
2691
Total
840
2715
3555
Nous en déduisons que P1 = 171/864 = 0,198, P2 = 669/2691 = 0,249 et P = (171+669)/3555 = 0,236.
Puis, nous nous assurons que les contraintes suivantes soient toutes supérieures à 5 :
864*0,198 = 171,07, 864*0,802 = 692,93, 2691*0,249 = 670,06 et 2691*0,751 = 2020,94.
Cela étant vérifié, t la réalisation de T est égale à – 3,072. D’après la table de la loi normale avec un a
égal à 5%, t < - 1,645, ce qui entraîne le rejet de H0 . La proportion de personnes renonçant aux soins
pour raisons financières à Paris est inférieure à celle observée à Antananarivo, avec un risque d’erreur
de seconde espèce. Le plus petit niveau a pour lequel le test correspondant serait significatif est égal à
0,11%.
Sylvain TERRONI
Page 70
ANNEXE 5 – Programme et sorties SAS du modèle final sur le
renoncement aux soins pour raisons financières à Paris
Programme du modèle final avec intéraction SAS
proc logistic data=france.table1 descending;
class SEXE1(ref='0')cat_age1 (ref='1') REVCUCX4(ref='1')diplome1
(ref='5')couvmal (ref='2')chronikbis (ref='1')sitprof (ref='0')
cat_difenfance1(ref='0')cat_diffadulte(ref='0')confiance(ref='1')souci(ref=
'0')prof(ref='0')POSITION(ref='1')/ param=ref;
model renonce = SEXE1 cat_age1 REVCUCX4 couvmal chronikbis diplome1 sitprof
cat_difenfance1 cat_diffadulte confiance souci prof POSITION
souci*POSITION/ covb ctable pprob = (0.1 to 0.9 by 0.1) lackfit
outroc=croc;
weight ponderat;
run;
Sorties principales de SAS
Test de significativité des variables d’ajustement et des variables explicatives du modèle final.
Type III Analysis of Effects
Effect
SEXE1
cat_age1
REVCUCX4
COUVMAL
chronikbis
diplome 1
sitprof
cat_difenfance1
cat_diffadulte
confiance
souci
prof
POSITION
souci*POSITION
DF
Wald
Chi-Square
Pr > ChiSq
1
3
3
2
3
4
2
3
3
1
1
4
3
3
0.0008
7.1603
3.9522
1.2876
11.1097
5.3185
9.2298
9.1632
8.8032
4.5133
14.5347
11.0674
8.5788
9.0282
0.9776
0.0670
0.2667
0.5253
0.0111
0.2561
0.0099
0.0272
0.0320
0.0336
0.0001
0.0258
0.0354
0.0289
Valeurs des coefficients estimés, des écarts-types, de la statistique de Wald et de la p-value
associée à chaque paramètre du modèle final.
Parameter
Intercept
SEXE1
cat_age1
cat_age1
cat_age1
REVCUCX4
REVCUCX4
REVCUCX4
COUVMAL
COUVMAL
chronikbis
chronikbis
chron ikbis
diplome1
diplome1
diplome1
diplome1
sitprof
sitprof
cat_difenfance1
cat_difenfance1
cat_difenfance1
cat_diffadulte
cat_diffadulte
Sylvain TERRONI
1
2
3
4
2
3
4
0
1
2
3
4
1
2
3
4
1
2
1
2
3
1
2
DF
Estimate
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
-3.9438
0.00582
0.8053
0.3128
0.4469
0.1021
-0.2926
-0.4696
0.7591
-0.1314
-0.1329
0.5619
0.7888
0.1081
-0.2700
-0.6157
-0.3790
0.5199
-0.5496
0.7608
0.7856
0.5815
0.9595
0.8180
Standard
Error
0.6281
0.2070
0.3096
0.3078
0.3760
0.2725
0.2981
0.3373
0.7842
0.2594
0.2762
0.3031
0.3063
0.3419
0.4796
0.3878
0.2466
0.2972
0.2934
0.2970
0.2782
0.3358
0.4119
0.4493
Wald
Chi-Square
P r > ChiSq
39.4192
0.0008
6.7636
1.0329
1.4125
0.1403
0.9630
1.9383
0.9372
0.2567
0.2316
3.4368
6.6316
0.1000
0.3169
2.5204
2.3628
3.0590
3.5086
6.5627
7.9750
2.9987
5.4260
3.3144
<.0001
0.9776
0.0093
0.3095
0.2346
0.7079
0.3264
0.1639
0.3330
0.6124
0.6304
0.0638
0.0100
0.7519
0.5735
0.1124
0.1243
0.0803
0.0611
0.0104
0.0047
0.0833
0.0198
0.0687
Page 71
cat_diffadulte
confiance
souci
prof
prof
prof
prof
POSITION
POSITION
POSITION
souci*POSITION
souci*POSITION
souci*POSITION
3
0
1
1
2
3
4
2
3
4
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
3
4
1.2691
0.5416
1.0162
-0.3910
-0.0193
0.1436
1.0379
0.4742
-1.1684
1.3812
0.8410
0.8640
-1.8336
0.4460
0.2549
0.2665
0.3437
0.4087
0.3215
0.4582
0.4236
1.3420
0.5138
0.5376
1.4852
0.8296
8.0970
4.5133
14.5347
1.2938
0.0022
0.1994
5.1313
1.2534
0.7580
7.2261
2.4475
0.3384
4.8858
0.0044
0.0336
0.0001
0.2554
0.9624
0.6552
0.0235
0.2629
0.3840
0.0072
0.1177
0.5607
0.0271
Les résultats suivant correspondent aux odds ratio et à leurs intervalles de confiance respectifs.
Odds Ratio Estimates
Effect
SEXE1
cat_age1
cat_age1
cat_age1
REVCUCX4
REVCUCX4
REVCUCX4
COUVMAL
COUVMAL
chronikbis
chronikbis
chronikbis
diplome1
diplome1
diplome1
diplome1
sitprof
sitprof
cat_difenfance1
cat_difenfance1
cat_difenfance1
cat_diffadulte
cat_diffadulte
cat_diffadulte
confiance
prof
prof
prof
prof
1
2
3
4
2
3
4
0
1
2
3
4
1
2
3
4
1
2
1
2
3
1
2
3
0
1
2
3
4
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
vs
0
1
1
1
1
1
1
2
2
1
1
1
5
5
5
5
0
0
0
0
0
0
0
0
1
0
0
0
0
Point
Estimate
1.006
2.237
1.367
1.563
1.107
0.746
0.625
2.136
0.877
0.876
1.754
2.201
1.114
0.763
0.540
0.685
1.682
0.577
2.140
2.194
1.789
2.610
2.2 66
3.558
1.719
0.676
0.981
1.154
2.823
95% Wald
Confidence Limits
0.670
1.509
1.219
4.105
0.748
2.499
0.748
3.267
0.649
1.889
0.416
1.339
0.323
1.211
0.459
9.935
0.527
1.458
0.510
1.504
0.968
3.177
1.207
4.011
0.570
2.178
0.298
1.954
0.253
1.155
0.422
1.110
0.939
3.012
0.325
1.026
1.196
3.830
1.272
3.784
0.926
3.454
1.164
5.852
0.939
5.466
1.484
8.527
1.043
2.833
0.345
1.327
0.440
2.185
0.615
2.168
1.150
6.930
La valeur c correspond à l’aire sous la courbe de ROC.
Association of Predicted Probabilities and Observed Responses
Percent Concordant
Percent Discordant
Percent Tied
Pairs
77.5
22.2
0.3
118624
Somers' D
Gamma
Tau-a
c
0.552
0.554
0.182
0.776
La matrice de variance covariance permet de calculer les odds ratio des termes d’interaction
ainsi que leurs intervalles de confiance respectifs. De part sa longueur, nous avons laissé expressément
la partie de la matrice de variance covariance nécessaire au calcul de l’odds ratio et de son intervalle
de confiance du terme d’interaction (dans le cas où souci=1).
Estimated Covariance Matrix
V ariable
Intercept
SEXE11
cat_age12
cat_age13
cat_age14
REVCUCX42
REVCUCX43
REVCUCX44
COUVMAL0
COUVMAL1
chronikbis2
chronikbis3
chronikbis4
diplome11
diplome12
diplome13
Sylvain TERRONI
prof4
-0.11982
0.005068
0.031649
0.029608
0.047267
-0.0034
-0.00187
0.005325
-0.00861
0.002608
0.000782
-0.00127
0.002724
0.008002
0.009432
-0.00004
POSITION2
-0.05093
0.008286
0.004274
-0.01085
-0.00866
0.004175
-0.0009
-0.0023
-0.01169
0.002904
0.002381
-0.0074
0.008806
-0.01122
-0.00328
-0.00748
POSITION3
POSITION4
-0.03664
0.002332
-0.0044
-0.0081
-0.00172
-0.00895
-0.01073
-0.01321
0.003644
0.007315
0.002726
0.004387
-0.00699
-0.01912
-0.01657
-0.00614
-0.07583
0.009967
0.007441
-0.00684
-0.01753
0.002597
-0.00397
0.003202
-0.01575
0.002664
-0.00439
-0.00162
0.008625
-0.00023
-0.01862
-0.00124
souci1POSITION2
0.041048
-0.00749
-0.00082
0.001745
-0.01053
-0.00046
0.005753
0.002932
0.018495
-0.00811
0.000456
0.01416
0.002279
-0.00471
-0.00493
-0.01828
Page 72
diplome14
sitprof1
sitprof2
cat_difenfance11
cat_difenfance12
cat_difenfance13
cat_diffadulte1
cat_diffadulte2
cat_diffadulte3
confiance0
souci1
prof1
prof2
prof3
prof4
POSITION2
POSITION3
POSITION4
souci1POSITION2
so uci1POSITION3
souci1POSITION4
?
0.005311
0.006885
-0.02638
0.007139
0.003156
0.002654
0.004931
0.018248
0.009424
0.000396
0.007078
0.064545
0.064881
0.069946
0.209931
0.026112
-0.01053
0.02416
-0.01908
-0.0061
-0.03796
-0.01071
0.005268
-0.00776
-0.00129
0.00002
0.002412
0.000418
0.006195
0.000281
0.004953
0.045141
-0.00176
0.009178
0.004723
0.026112
0.179423
0.042906
0.055479
-0.16972
-0.04062
-0.05129
-0.00389
0.003039
0.00323
0. 00514
0.013133
0.018968
0.000201
-0.01538
-0.00505
0.00355
0.043966
0.009643
0.001788
-0.0055 2
-0.01053
0.042906
1.801047
0.043723
-0.04033
-1.79446
-0.04349
-0.01138
-0.00147
-0.00207
0.007074
0.005063
0.005558
0.018076
0.022603
0.021658
0.006651
0.043273
0.007123
0.004187
0.007875
0.02416
0.055479
0.043723
0.263983
-0.04647
-0.04078
-0.25716
0.004254
0.007952
0.00487
0.011462
0.01463
0.003932
0.006697
0.003101
0.013849
-0.00763
-0.0685
-0.00671
-0.01526
-0.00497
-0.01908
-0.16972
-0.04033
-0.04647
0.288968
0.058706
0.072822
Exemple des calculs des odds ratio pour les assistants dans le cas où souci = non
OR Assistant/Intégré = exp (0,4742) = 1,607 (où 0,4742 est le coefficient estimé du
paramètre se référant aux « assistants »).
?
IC95% = exp (0,472 ± 1,96*0,4236) = [0,70 ; 3,68] (où 0,4236 est l’écart-type pour la
variable se référant aux « assistants »).
Exemple des calculs des odds ratio pour les assistants dans le cas où souci = 1
Pour souci=1, il faut la variance du coefficient estimé des assistants et la variance du
terme d’interaction, d’où l’utilisation de la matrice de variance-covariance.
OR Assistant/Intégré = exp (0,4742+0,8410) = 3,72 (où 0,8410 est le coefficient estimé du
terme d’interaction souci*position1).
IC95% = exp (0,4742+0,8410 ± 1,96*v(0,1794+0,2889-2*0,1697)) = [1,84 ; 7,51] (où
0,1794 est la variance estimée de la variable « assistant », 0,2889 est la variance estimée du
terme d’interaction et - 0,1697 est la covariance entre le terme d’interaction et la variable
« assistant » ).
Résultat du test d’adéquation d’Hosmer-Lemeshow.
Hosmer and Lemeshow Goodness-of-Fit Test
Chi-Square
DF
10.6078
Pr > ChiSq
8
0.2249
En règle général, le modèle n’est pas bien adapté aux données si ce test est significatif. Cela est
contraire à notre exemple, du fait d’une p-value supérieure à 5% (test non significatif).
Les résultats suivant permettent de déterminer pour un seuil fixé aléatoirement (c=0,5), la
proportion de classement correct, la sens ibilité et la spécificité du test, les proportions de faux positifs
et de faux négatifs ainsi que les valeurs prédictives positives et négatives du modèle.
Classification Table
Prob
Level
0.100
0.200
0.300
0.400
0.500
Sylvain TERRONI
Correct
NonEvent Event
153
108
78
55
38
289
471
545
595
632
Incorrect
Non Event Event
385
203
129
79
42
23
68
98
121
138
Percentages
Sensi- Speci- False
Correct tivity ficity
POS
52.0
68.1
73.3
76.5
78.8
86.9
61.4
44.3
31.3
21.6
42.9
69.9
80.9
88.3
93.8
71.6
65.3
62.3
59.0
52.5
False
NEG
7.4
12.6
15.2
16.9
17.9
Page 73
0.600
0.700
0.800
0.900
22
13
5
0
652
669
674
674
22
5
0
0
154
163
171
176
79.3
80.2
79.9
79.3
12.5
7.4
2.8
0.0
96.7
99.3
100.0
100.0
50.0
27.8
0.0
.
19.1
19.6
20.2
20.7
Au seuil c=0,5, nous en déduisons que :
?
?
?
?
?
?
?
Proportion de classement correct : 78,8%
Sensibilité : 21,6%
Spécificité : 93,8%
Faux positif : 52,5%
Faux négatif : 17,9%
Valeur prédictive positive : (38/ (38+42)) = 47,5%
Valeur prédictive négative : (632/ (138+632)) = 79,3%
Sylvain TERRONI
Page 74
RÉSUMÉ
CONTEXTE : Un des défis majeurs en matière de santé est, au Nord comme au Sud, de mieux comprendre les
déterminants sociaux de l’accès aux soins. OBJECTIF : Réaliser une étude comparative entre Antananarivo et Paris et
déterminer les éventuels facteurs de risque psycho sociaux de deux comportements d’accès aux soins : le renoncement
aux soins pour raisons financières et le fait d’avoir (ou non) un médecin régulier. MÉTHODES : Les échantillons sont
issus d’enquêtes transversales conduites en population générale sur 2807 individus à Antananarivo et 897 individus à
Paris. Les données étudiées étaient des données socio démographiques, d’intégration sociale, de rupture sociale, de
représentation de la santé et de la médecine ainsi que certaines caractéris tiques psychologiques. Elles ont été analysées
sous SAS? en utilisant des modèles de régressions logistiques, ajustés sur l’âge, le sexe, le nombre de maladies
chroniques, la couverture maladie, le revenu par unité de consommation, la situation professionnelle et le diplôme. Pour
les deux études, la stratégie d’analyse a été d’inclure dans le modèle multivarié toutes les variables qui avaient une pvalue inférieure à 25% en univarié. Tout en contrôlant les facteurs de confusion, une procédure d’élimination progressive
a été effectuée jusqu’à obtenir un modèle constitué uniquement de variables significatives et d’éventuels termes
d’interaction. Enfin, la qualité de prédiction, l’adaptation aux données et les performances diagnostiques de chaque
modèle ont été déterminées. RÉSULTATS : Pour le renoncement aux soins, les facteurs de risque à Paris étaient la vie
professionnelle, le nombre de difficultés à l’enfance et à l’âge adulte, la confiance envers le système de santé et le terme
d’interaction entre le type d’aide et le fait d’avoir des conditions de vie nuisibles à la santé. A Antananarivo, les deux
variables de rupture sociale étaient présentes ainsi qu’un terme d’interaction faisant intervenir les conditions de vie
nuisibles à la santé et la priorité portée à sa santé. Pour le recours à un médecin régulier, la relation avec le voisinage, le
fait d’avoir ou non un enfant et la durée de résidence dans le quartier étaient les trois variables explicatives à Paris. La
même étude à Antananarivo présentait davantage de facteurs explicatifs : la vie professionnelle, l’ethnie, quatre variables
d’intégration sociale (religion, type d’aide, participation à une association, sentiment d’isolement), une variable de
rupture sociale (enfance heureuse ou non), trois variables de représentation de la santé et de la médecine (confiance dans
le système de santé, relation entre maladie, guérison et Dieu, conditions nuisibles à la santé) et deux variables
psychologiques (sentiment d’efficacité personnel, caractère dépressif). Seul le dernier modèle présentait une mauvaise
adéquation aux données. Tous les modèles présentaient une faible spécificité. DISCUSSION : A Paris ou à
Antananarivo, les deux études mettaient en évidence des facteurs explicatifs psycho sociaux sur l’accès aux soins. Ces
résultats incitent à étudier de façon plus approfondie l’impact de ces facteurs sur les états de santé et l’accès aux soins en
population générale.
ABSTRACT
BACKGROUND : A major public health issue, in industrialized as well as in developing countries, is to better
understand the social determinants of access to healthcare. Objectives : We studied comparatively the situation in
Antananarivo and Paris to determine the possible psychosocial factors associated with two behaviours in relation to
healthcare: to forgo healthcare for financial reasons, and to have or not a regular family doctor. METHODS : Study
samples are from general population cross sectional surveys performed among 2087 individuals in Antananarivo and 897
individuals in Paris. Collected data that have been analyzed were: socioeconomic data, social integration and social
rupture characteristics, health beliefs and expectations, and some psychological characteristics. The analysis used SAS?
software to perform logistic regression models, adjusted on age, gender, number of chronic diseases, health insurance,
income, occupation and educational status. For both studies, we included in the multivariate analysis all variables with a
p value < 0.25 in univariate analysis, and then performed a backward selection until only significant variables were left
in the model. Confusion and interaction factors were systematically studied. Predictive performances, adjustment and
diagnostic performances of each model have been estimated. RESULTS : In Paris, to forgo healthcare for financial
reasons was related to occupation history, the number of difficulties encountered during childhood and adulthood, the
trust in the healthcare system and the interaction between social support and unhealthy living conditions. In
Antananarivo, the same two characteristics of social rupture were also associated, as well as an interaction between
unhealthy living conditions and the level of priority given to people’s own health. In Paris, parenthood, good
relationships with the neighbours and the length of stay in the same neighbourhood were associated with having a
regular family doctor. In Antananarivo, many more factors were to be found : the occupation history, the ethnic group,
four variables of social integration (relig ious practices, social support, participation in a community organisation,
isolation feeling), a happy childhood or not, the trust in the healthcare system, religious beliefs about disease and cure,
unhealthy living conditions, self-efficacy and self-esteem. That last model was the only one which appeared poorly
adjusted on data ; all models expressed a poor specificity. DISCUSSION : Both studies show psychosocial factors
associated with healthcare utilisation in Paris and in Antananarivo. Such results speak in favour of more detailed studies
about the impact of the factors mentionned above on access to healthcare in general population.
Sylvain TERRONI
Page 75

Le recours aux soins à Paris et Antananarivo : Une

Transcription

Documents pareils

OFFRES D`EMPLOI Postes basés à Antananarivo 1

MADAGASCAR Région ACP : Afrique de l`Est Population : 17

Formation en ASSISTANT de DIRECTION

voyage-decouvertes madagascar

APPEL à CANDIDATURES pour le DESS "Etudes d`Impacts

CURRICULUM VITAE

Télécharger la version PDF avec photos ici

FTHM Conseils_ consultant juridique 2015

Lisez la lettre de la FIA au Maire d`Antananarivo