Résultats
L'autocorrélation
spatiale.
La
corrélation spatiale de la santé.
- Le tableau suivant produit les coefficients de Moran
conjointement avec diverses statistiques permettant
d'apprécier leur précision . Les variables
apparaissent par ordre décroissant de I .
Tableau
11. Corrélation spatiale des variables relatives
à la santé .
|
Libellé de la
variable
|
I de
Moran
|
I
std
|
Proba H0
vraie
|
Intervalle de confiance
|
Nombre de
communes
|
|
|
|
|
|
Borne
inférieure
|
Borne
supérieure
|
|
|
SMR toutes causes (hom
85-93)
|
0.631
|
17.44
|
0.0000
|
0.56
|
0.702
|
557
|
|
SMR toutes cause <65 ans
(hom.85-93)
|
0.629
|
17.39
|
0.0000
|
0.558
|
0.7
|
557
|
|
SMR par BPCO (hom
85-93)
|
0.506
|
13.99
|
0.0000
|
0.435
|
0.577
|
557
|
|
Prévalence de surcharge
pond. 1985-1987
|
0.465
|
12.73
|
0.0000
|
0.393
|
0.537
|
549
|
|
Prévalence de surcharge
pond. 1982-1984
|
0.455
|
12.46
|
0.0000
|
0.383
|
0.527
|
549
|
|
SMR par cirrhose du foie (hom
85-93)
|
0.43
|
11.89
|
0.0000
|
0.359
|
0.501
|
557
|
|
SMR par accident de la route
(hom 85-93)
|
0.425
|
11.77
|
0.0000
|
0.354
|
0.496
|
557
|
|
SIR cancer du poumon (hom
87-93)
|
0.392
|
10.87
|
0.0000
|
0.321
|
0.464
|
557
|
|
Prévalence de
surpondéré 1979-1981
|
0.388
|
10.63
|
0.0000
|
0.316
|
0.46
|
549
|
|
SMR par chute (fem
85-93)
|
0.385
|
10.65
|
0.0000
|
0.313
|
0.456
|
557
|
|
Prévalence de
surpondéré 1988-1990
|
0.376
|
10.29
|
0.0000
|
0.304
|
0.447
|
549
|
|
Admission hospitalière
<=14 ans (Tx STD)
|
0.378
|
11.94
|
0.0000
|
0.310
|
0.446
|
589
|
|
Admission hospitalière
15-64 ans (Tx STD)
|
0.363
|
10.51
|
0.0000
|
0.295
|
0.431
|
589
|
|
Admission hospitalière 61
+ ans (Tx STD)
|
0.334
|
9.69
|
0.0000
|
0.266
|
0.402
|
589
|
|
SMR par suicide (hom
85-93)
|
0.359
|
9.94
|
0.0000
|
0.288
|
0.43
|
557
|
|
SMR affection ischémique
(hom 85-93)
|
0.349
|
9.66
|
0.0000
|
0.277
|
0.42
|
557
|
|
SMR par cancer du poumon (hom
85-93)
|
0.339
|
9.39
|
0.0000
|
0.268
|
0.41
|
557
|
|
SMR toutes causes (fem
85-93)
|
0.323
|
8.96
|
0.0000
|
0.252
|
0.394
|
557
|
|
SMR aff.
Vasculaire-céréb. (hom
85-93)
|
0.306
|
8.48
|
0.0000
|
0.235
|
0.377
|
557
|
|
SMR affec.
Vasculaire-céréb. (fem
85-93
|
0.301
|
8.35
|
0.0000
|
0.23
|
0.372
|
557
|
|
SIR cancer du sein (fem
87-93)
|
0.282
|
7.83
|
0.0000
|
0.211
|
0.353
|
557
|
|
SMR cirrhose du foie (fem
85-93)
|
0.282
|
7.82
|
0.0000
|
0.211
|
0.353
|
557
|
|
SMR par BPCO (fem
85-93)
|
0.28
|
7.78
|
0.0000
|
0.209
|
0.352
|
557
|
|
SMR toutes cause <65 ans (fem
.85-93)
|
0.265
|
7.36
|
0.0000
|
0.194
|
0.336
|
557
|
|
SMR pneumonie / influenza (fem
85-93)
|
0.26
|
7.23
|
0.0000
|
0.189
|
0.332
|
557
|
|
SMR pneumonie / influenza (hom
85-93)
|
0.26
|
7.21
|
0.0000
|
0.189
|
0.331
|
557
|
|
SMR cancer du poumon (fem
85-93)
|
0.253
|
7.04
|
0.0000
|
0.182
|
0.325
|
557
|
|
SMR par chute (hom
85-93)
|
0.25
|
6.93
|
0.0000
|
0.178
|
0.321
|
557
|
|
SMR accident de la route (fem
85-93)
|
0.236
|
6.54
|
0.0000
|
0.164
|
0.307
|
557
|
|
SMR affection ischémique
(fem 85-93)
|
0.225
|
6.24
|
0.0000
|
0.153
|
0.296
|
557
|
|
SMR cancer du sein (fem
85-93)
|
0.145
|
4.04
|
0.0000
|
0.074
|
0.216
|
557
|
|
SMR suicide (fem
85-93)
|
0.137
|
3.81
|
0.0001
|
0.065
|
0.208
|
557
|
|
SMR cancer utérus (fem
85-93)
|
0.114
|
3.18
|
0.0007
|
0.043
|
0.185
|
557
|
|
SMR par cancer prostate (hom
85-93)
|
0.097
|
2.74
|
0.0031
|
0.026
|
0.169
|
557
|
Le tableau attire plusieurs remarques :
Toutes les causes de mortalité
considérées dans ce travail présentent
un degré significatif d'autocorrélation
spatiale, toujours positive . Cela signifie que, quelle que
soit la cause de mortalité considérée
ici, il existe toujours une distribution spatiale
non-aléatoire .
La mortalité masculine présente
systématiquement une corrélation spatiale
supérieure à celle des femmes , sauf pour les
chutes. La différences entre les sexes est plus forte
pour la mortalité toutes causes confondues (avant 65
ans et tous âges confondus), pour les bronchites
chroniques obstructives, la cirrhose du foie, les accidents
de la route et le suicide . Elle est pratiquement nulle pour
la mortalité "pneumonie et influenza" et pour les
accidents vasculaires cérébraux .
Chez l'homme, la mortalité toutes causes
enregistre les coefficients de corrélation spatiale
les plus élevés , suivie des affections les
plus liées aux comportements (BPCO , surcharge
pondérale, accidents de la route, suicides,
affections ischémiques et cancer du poumon) . Il y a
beaucoup moins de différences en ce qui concerne la
mortalité chez la femme, à l'exception de la
mortalité par chute, vraisemblablement liée
à l'ostéoporose.
Le taux standardisé d'admission
hospitalière présente également une
corrélation spatiale très nette ce qui
signifie que les besoins en ressources hospitalières
doivent tenir compte d'une distribution géographique
très marquée en cette matière. Il est
toutefois vrai que la standardisation de l'hospitalisation
ne repose que sur trois groupes d'âges de sorte qu'un
effet âge doit sans doute subsister dans cette
corrélation spatiale.
Ces résultats restent de nature descriptive, car
ils ne mettent pas en évidence les
phénomènes sous-jacents à la
corrélation spatiale, tels que l'exposition aux
toxiques, les modes de vie , les facteurs
socio-économiques et les facteurs
génétiques . Ils permettent d'une part de
justifier une approche focalisée pour certaines
pathologies et d'autre part de mettre en évidence
l'importance des contraintes spatiales sur la santé,
en général et par pathologies.
Il existe de nombreuses études similaires portant
principalement sur l'incidence et la mortalité par
cancer(103,113) . Les résultats relatifs au cancer du
poumon correspondent à ceux mis en avant par des
études antérieures, mais sont moindres en ce
qui concerne le cancer du sein .
La
corrélation spatiale des indicateurs
socio-économiques.
- Le tableau suivant donne les coefficients de
corrélation I pour les indicateurs
socio-économiques inclus dans l'analyse .
Tableau 12.
Corrélation spatiale des facteurs s
ocio-économiques.
-
Confirmant des résultats cartographiques
publiés récemment(77), tous ces indicateurs
présentent une forte dose de corrélation
spatiale : le chômage étant la variable la plus
affectée à cet égard . Notons
également que deux indicateurs non directement
financiers présentent également une
corrélation spatiale nette : la proportion de
ménages monoparentaux et de personnes de 65 ans
vivant seules . La concentration du revenu (mesurée
par le coefficient de gini) ne présente qu'une faible
corrélation spatiale contrairement au niveau
médian et à l'évolution du revenu. En
d'autre termes, les communes se distinguent plus par leur
revenu moyen que leur dispersion interne . La plupart de ces
indicateurs ont fait l'objet d'une présentation
cartographique récente(77); nous y
référons le lecteur intéressé
.
La
construction d'indices de précarité
sociale
Après avoir purgé les indicateurs
socio-économiques de leur auto-corrélation spatiale,
ils restent nettement corrélés entre eux (voir Tableau
13) . La matrice de corrélation attire plusieurs commentaires
:
- Certaines variables liées au logement
(exiguïté, Wcprivé) ont peu de
corrélation avec les autres variables .
- La proportion d'adultes ne disposant que d'un diplôme
secondaire est relativement corrélée avec les autres
variables; par contre, la proportion de jeunes suivant
l'enseignement secondaire professionnel est étonnamment
corrélée avec pratiquement toutes les autres
variables . Cette différence de corrélation peut
s'expliquer par le fait que la première est plus une
variable de stock, tandis que la seconde reflète un
flux..
- Deux variables ont en général des
corrélations plus élevées , la proportion de
chômeurs et le revenu médian, avec une dominance du
premier .
- La concentration du revenu dispose d'une corrélation
négative élevée avec la proportion d'ouvriers
mais ces deux dernières variables sont faiblement
corrélées avec le revenu . Cela peut être
lié au fait que dans les zones où le secteur
tertiaire occupe une place importante la proportion
d'employés y est plus importante et que le revenu y est
plus inégalement distribué. La corrélation
négative entre le coefficient de gini et la proportion
d'ouvrier reflète vraisemblablement l'importance du secteur
tertiaire dans l'économie locale.
- Les variables sur les ménages monoparentaux, les
isolés et l'absence de voiture et la densité sont
fortement corrélées entre elles . Il s'agit
vraisemblablement d'une dimension de la structure
démographique de certaines communes urbaines.
Tableau
13. Matrice de corrélation des indicateurs
socio-économiques (‡
).
** significatif à a = 1% ; *
significatif à a = 5%; ‡
voir le dictionnaire des variables.
La forte corrélation entre ces indicateurs pose un
problème de multicollinéarité : en
insérant des indicateurs socio-économiques dans le
modèle, leur nette corrélation risque d'amoindrir la
précision des estimateurs . Nous avons donc fait appel
à une analyse factorielle de manière à faire
émerge des facteurs tenant compte de ces corrélations
et réduisant ces quelques 12 indicateurs en un nombre
limité de facteurs dont l'interprétation soit solide.
Une rotation Varimax a été appliquée de
manière à réduire le nombre de facteurs sur
lesquels chaque indicateur était corrélé.
Le tableau ci-dessous produit les corrélations des 3
principaux facteurs ajustant 73% de la variance des 12 indicateurs
socio-économiques.
Le facteur 1 associe des aspects liés au revenu (revenu
médian), au capital (absence de voiture), au sous-emploi
(chômage), à la structure démographique
(isolés, familles monoparentales et présence
immigrée). Ce facteur articule donc des éléments
de précarité matérielle et
démographique.
Le facteurs 2 est inversement associé à la
concentration du revenu (coefficient de gini), positivement avec la
division du travail (% d'ouvriers) et la proportion de jeunes du
secondaire inscrits dans l'enseignement professionnel. Ce facteur
illustre l'inégalité croissante du revenu en liaison
avec la tertiarisation de l'économie locale et d'un changement
dans le type d'activité et, donc, de la division du
travail.
Le facteur 3 est corrélé avec le confort du logement
(WC et surface habitable) .
La corrélation
inter-périodes.
- La recherche a pu compter sur des données
agrégées de mortalité par groupes de trois
années (85-87, 88-90,91-93). Cela permet
d'étudier la corrélation inter-périodes
(appelée pour la suite période 1, 2 et 3
respectivement) des taux de mortalité
standardisés : en effet, la stabilité du
modèle proposé ci-dessus repose en partie sur la
stabilité temporelle des variables sous-jacentes . Des
corrélations de Pearson ont été
calculé sur le log des SMR étant donné
qu'il s'agit d'une échelle de ratio . Les
résultats complets de ces corrélations
apparaissent en annexe.
Tableau
15. Corrélation inter-périodes des taux de
mortalité standardisés.
|
|
Corrélation
Inter-périodes
|
|
Cause de mortalité et surcharge
pondérale
|
Hommes
|
Femmes
|
|
|
Une période
d'écart
|
Deux périodes
|
Une période
d'écart
|
Deux périodes
|
|
|
|
|
|
|
|
Toutes causes, tous âges
|
0.72**
|
0.74**
|
0.64**
|
0.62**
|
|
Toutes causes, <65 ans
|
0.71**
|
0.75**
|
0.46**
|
0.46**
|
|
Cancer du col/cors utérus
|
|
|
0.15 **
|
0.04
|
|
Accident de la route
|
0.44**
|
0.44**
|
0.30 **
|
0.17**
|
|
Cancer du poumon
|
0.29**
|
0.27**
|
0.41**
|
0.47**
|
|
Cancer du sein
|
|
|
0.18**
|
0.16**
|
|
Suicide
|
0.40**
|
0.31**
|
0.31**
|
0.28**
|
|
Cirrhose du foie
|
0.54**
|
0.54**
|
0.53**
|
0.50**
|
|
Bronchites pulmonaires obstructives
|
0.47**
|
0.36**
|
0.24**
|
0.24**
|
|
Pneumonie et influenza
|
0.32**
|
0.16**
|
0.29**
|
0.30**
|
|
Affections ischémiques
|
0.36**
|
0.28**
|
0.34**
|
0.35**
|
|
Affections vasculaires
cérébrales
|
0.34
|
0.26
|
0.47**
|
0.39**
|
|
Chutes
|
0.38**
|
0.21**
|
0.56**
|
0.21**
|
|
Surcharge pondérale ‡
|
0.64 **
|
0.56 **
|
|
|
|
** significatif à a
=0.01; *significatif à a
=0.05; ‡ voir annexe
page *
|
|
|
|
A la lecture du Tableau 15 , il apparaît que
pratiquement toutes les corrélations sont
significatives. Les corrélations pour les variables
toutes causes sont élevées et supérieures
à celles portant sur des causes spécifiques. Ces
dernières sont de niveau moyen ou faible . Les faibles
corrélations inter-périodes indiquent donc une
nette instabilité de la distribution géographique
de la mortalité dans le temps . Cela signifie qu'une
commune disposant d'une mortalité spécifique plus
importante durant une période ne présentera sans
doute pas le même schéma à la
période suivante .
Toutefois, la cirrhose du foie tant chez l'homme que chez la
femme, les accidents de la route, le suicide et les BPCO chez
l'homme, le cancer du poumon et les chutes chez la femme
manifestent plus de stabilité dans le temps .
Par ailleurs, il y a relativement peu de différences
de corrélation selon le nombre de périodes
d'écart . Dans l'ensemble, la relation existante semble
donc se maintenir quelque soit son ampleur .
Plusieurs éléments peuvent expliquer la faible
corrélation inter-périodes de certaines causes de
mortalité . En premier lieu, il faut constater que le
taux de mortalité pour le cancer du poumon, pour les
affections ischémiques, les AVC et par suicide ont
été en forte diminution durant les deux
dernières décennies(27) . Si ces diminutions
n'affectent pas uniformément les communes belges, il est
logique que la corrélation inter-périodes soit
faible . Cette explication est confortée par le fait que
la mortalité par cirrhose du foie est globalement stable
en Belgique ainsi que la mortalité par cancer du poumon
chez la femme.
En deuxième lieu, des problèmes de
validité de la codification des certificats de
décès peut également se poser sans qu'il
soit possible d'alimenter cette hypothèse par des
chiffres . La centralisation de la codification, depuis 1991,
permettra sans doute de la tester ultérieurement.
Il faut noter que la surcharge pondérale
présente une corrélation inter-périodes
bien plus élevée et stable, avec une
corrélation qui reste au-delà de 0.5 après
9 ans (voir annexe page *). On
peut en conclure que l'obésité, facteur de risque
de nombreuses affections cardiovasculaires, reste stable dans
le temps, au contraire de la mortalité associée
à ce type de facteur de risque.
Ces observations nous ont amené à tester le
modèle sur la somme de trois périodes afin de ne
pas exposer les résultats à une trop grande
variation inter-périodes .
L'impact
des facteurs sociaux sur la santé
Le Tableau 16 permet d'apprécier la corrélation
bivariée entre les indicateurs sociaux (en colonne) et les
variables de mortalité (en ligne) . Rappelons que les
variables présentées sont purgées de leur
corrélation spatiale et que les corrélations ont
été calculées sur les résidus . Plusieurs
remarques :
- Les variables les plus corrélées aux facteurs
sociaux sont celles relatives à la mortalité toutes
causes confondues .
- La mortalité affectant les personnes de moins de 65 ans
est plus associée aux facteurs sociaux que la
mortalité tous âges .
- Les causes de mortalité qui sont le plus en relation
avec les facteurs sociaux sont : la cirrhose du foie (SMR_9), le
suicide (SMR_8), les BPCO (SMR_16) , le cancer du poumon (SMR_4)
et les pneumonies et influenza (SMR_17) et enfin les pathologies
ischémiques (SMR_18) . La relation est toutefois moindre en
ce qui concerne la femme, sauf pour la cancer du poumon . Chez
l'homme, les chutes (SMR_46) et les accidents vasculaires
cérébraux (SMR_19) sont nettement moins liés
aux facteurs sociaux .
- Les indicateurs socio-économiques les plus
corrélés avec la mortalité sont le
chômage, la voiture, le revenu, la proportion
d'isolés de 65 ans , la proportion de ménages
monoparentaux , la proportion de jeunes dans l'enseignement
professionnel. La concentration du revenu, l'équipement de
l'habitat, la nationalité et la proportion d'ouvriers ont
une contribution plus faible tandis que la contribution de la
proportion de personnes ne disposant que de l'enseignement
primaire n'intervient pratiquement pas .
- La forte corrélation entre les indicateurs sociaux les
plus déterminant (chômage, voiture, revenu et iso65)
posera clairement un problème de
multicollinéarité dans tout effort de
modélisation de l'impact de ces différents facteurs
sur la mortalité. Deux solutions sont ouvertes : une
analyse factorielle ou le choix ex ante des variables .
Tableau
16. Corrélation entre indicateurs sociaux et mortalité
.
** significatif à a = 1% ; *
significatif à a = 5%
Le
modèle.
- Les résultats du modèle, estimé par un
système d'équations simultanées, sont
présentés en annexe. La Figure 5 résume
l'essentiel des relations significatives à a
=0.01, en omettant les dummy introduites pour tenir compte
d'effets régionaux particuliers (comme la densité
de spécialistes à Bruxelles) . Les
résultats attirent plusieurs remarques :
Figure
5. Résultats du modèle.
Le modèle global dispose d'un ajustement relativement
faible ce qui s'explique par un faible pouvoir d'explication de
l'admission et des densité médicales . Seule la
variable de mortalité semble être mieux
ajustée avec un R2 de 54% .
Par ailleurs, le poids de l'offre médicale de
spécialistes sur l'admission hospitalière semble
acquis sans qu'il soit toutefois possible de parler d'induction
. Il est, en effet possible, que la densité de
médecins spécialistes soit en relation avec des
besoins de santé non pris en considération dans
la variable de mortalité.
La liaison entre les facteurs sociaux et la mortalité
prématurée est significative et forte; avec un
coefficient standardisé de 0.72 pour la première
composante principale (PC1, premier facteur, relatif à
la précarité matérielle et
démographique) et de -0.11pour la troisième
composante (relative à l'équipement de
l'habitation) .
La relation entre la surcharge pondérale et les
facteurs sociaux est également significative pour les
deux premières composantes principales : la surcharge
pondérale augmente avec la précarité
matérielle et démographique et diminue avec
l'augmentation de l'inégalité de revenu dans les
zones marquées par la croissance du secteur
tertiaire.
Il existe une liaison nette et double entre les facteurs
sociaux et l'offre de médecins
généralistes : l'offre augmente au fur et
à mesure que croît la précarité
matérielle et démographique (PC1), elle diminue
au fur et à mesure qu'augmente la tertiarisation de
l'économie locale (PC2), en contrôlant l'effet de
l'offre spécifique à Bruxelles. Le coefficient de
la variable mortalité n'est pas significatif entre autre
à cause de la forte corrélation
mortalité/PC1 . L'offre de spécialiste suit les
mêmes contraintes que celle des
généralistes, avec un effet spécifique
à Bruxelles (via la dummy RegionB) qui s'explique par la
présence d'hôpitaux universitaires sur le
territoire de la capital .
L'élasticité entre hospitalisation et
mortalité (0.23) est très proche de celle
trouvée dans les travaux de l'Université de York
(0.18)(14).
Approche par cause de mortalité
Diverses régressions multiples de la mortalité
(en écart à la moyenne) sur les facteurs sociaux
ont donné les résultats suivants (Tableau 18)
:
La mortalité toutes causes pour les moins de 65 ans
est nettement mieux ajustée par les facteurs
socio-économiques que la mortalité pour des
causes spécifiques . Seule la mortalité par
affection ischémique (R2=20%) et la
mortalité par cirrhose du foie (R2=16%)
présentent un ajustement significatif aux indicateurs
socio-économiques.
En dépit d'un R2 relativement modeste, il
faut noter que les coefficients sont élevés ; ce
double constat s'explique par la méthode utilisée
: les variables dépendantes et indépendantes sont
le résidu après avoir éliminer leur
corrélation spatiale. L'erreur des du modèle est
donc estimée sans biais.
La proportion de ménages disposant de voiture, le
revenu médian, la proportion de ménages
monoparentaux , la proportion de jeunes de l'enseignement
professionnel et l'exiguïté du logement contribuent
pour l'essentiel aux modèles linéaires
testés par régression multiple . On remarquera
que ces élasticités et la précision
restent bien en deçà de celle du premier facteur
socio-économique du modèle LISREL ; ceci est sans
doute la conséquence de l'absence de corrélation
(par construction) des facteurs entre eux ; l'absence de
multicollinéarité qui s'en suit augmente donc
considérablement la précision de l'estimateur .
Mais cet avantage vient avec un coût : la composition
"hétérogène" du ou des facteurs.
Tableau
18. Régression de la mortalité sur les facteurs
sociaux.
L'allocation
locale des ressources
- Le Tableau 19 présente les résultats de
l'allocation des ressources aux 10 arrondissements ou groupes
d'arrondissements (GA) stipulés dans le décret de
juillet 1997. La première colonne donne la population
actuelle de chaque arrondissement , les trois colonnes
suivantes fournissent l'indice de besoins relatifs en
ressources en rapport à la population et sur base des
trois formules discutées plus haut (pages *).
La deuxième colonne donne donc les besoins relatifs de
chaque GA en tenant compte de l'impact de la mortalité
et des facteurs sociaux sur l'admission hospitalière ,
à population donnée. La troisième indique
les besoins relatifs si on tient compte de l'impact des
facteurs sociaux sur la mortalité
prématurée et la quatrième mesure les
besoins via le taux de mortalité standardisé
(ajusté autour de la moyenne CFB) . Les trois
dernières colonnes produisent les parts de chaque GA
dans le budget global.
Tableau
19. Allocations locales des ressources de la promotion de la
santé en CFB.
L'indice des besoins relatifs fondés sur la relation
entre, d'une part, l'utilisation des ressources et d'autre part
les besoins produit relativement peu de changement et cela pour
deux raisons : les facteurs sociaux n'apparaissent pas avoir
d'impact direct sur l'utilisation des ressources mais seulement
via la mortalité. Par ailleurs,
l'élasticité utilisation/mortalité reste
modeste. L'équation de l'utilisation reste donc
nettement sous expliquée.
Par contre, les indices fondés sur les facteurs
sociaux (formule 2 ) et la mortalité (formule 3)
modifient substantiellement les besoins relatifs . Le sillon
industriel wallon (Mons, Charleroi, Namur, Huy-Waremme,
Liège) bénéficie de la prise en compte de
la mortalité . Bruxelles a des besoins relatifs plus
élevés en termes de facteurs sociaux de la
mortalité . Enfin, les arrondissements de Nivelles,
Verviers ainsi que les arrondissement de la province du
Luxembourg manifestent des besoins relatifs moindres sur les
trois indices.
Les parts relatives de chaque arrondissement ou GA
dépendent de la population de référence de
chacun. Nous avons ici opté pour la population totale
(au 1/1/95) mais d'autres choix peuvent être
opérés par les décideurs selon les publics
cibles : les jeunes et les enfants par exemple.
Enfin, ces données peuvent également
être utilisées afin de focaliser des ressources
affectées à des problèmes de santé
spécifiques comme celles mentionnées dans le plan
quinquennal 1998-2003. Le tableau suivant fournit ainsi des
indices de besoins relatifs calculés sur base des SMR de
chaque groupe d'arrondissements . Il indique, par exemple, que
pour un programme de prévention de l'alcoolisme,
à population donnée, il faille dépenser
20% en plus dans la zone Charleroi-Thuin et 39% en moins dans
l'arrondissement de Verviers . Il indique également que
pour la prévention du suicide, Bruxelles pourrait
bénéficier, par tête d'habitant, de 10% en
moins et Huy-Waremme de 25% en plus .
Tableau 21.
Indices de besoin pour certains pathologies en fonction de la
mortalité.
|
Centre Local de Promotion de la Santé
|
Cancer du poumon
|
Affections ischémiques
|
Suicide
|
Cirrhose du foie
|
|
|
|
|
|
|
|
Ath-Mouscron-Comines-Tournai
|
0.95
|
0.88
|
1.03
|
1.06
|
|
Bruxelles
|
0.85
|
0.88
|
0.90
|
1.19
|
|
Charleroi-Thuin
|
1.01
|
1.10
|
0.97
|
1.20
|
|
Huy-Waremme
|
1.19
|
1.12
|
1.25
|
0.74
|
|
Liège
|
1.14
|
1.12
|
1.25
|
0.85
|
|
Luxembourg
|
1.09
|
0.96
|
0.84
|
0.72
|
|
Mons-Soignies
|
0.99
|
1.02
|
0.97
|
1.17
|
|
Namur-Dinant-Philipeville
|
1.05
|
1.04
|
1.10
|
0.97
|
|
Nivelles
|
0.96
|
0.91
|
0.83
|
0.76
|
|
Verviers
|
1.05
|
1.07
|
0.89
|
0.61
|
- Distribution géographique
de la mortalité, morbidité et des facteurs
sociaux en Belgique.
Les cartes présentées dans les pages suivantes
permettent une lecture spatiale plus fine des causes de
mortalité et morbidité importantes à prendre en
considération dans le développement d'une politique de
prévention . Ce rapport fournit donc un matériau
intéressant pour les acteurs visant à ancrer une
politique de santé dans leur circonscription . Elles mettent
en évidence plusieurs phénomènes :
- La différence entre la situation d'une
agglomération urbaine et sa périphérie peut
être très nette , par exemple pour le cancer du
poumon des hommes et les affections ischémiques des femmes,
dans le cas de Charleroi et d'Anvers.
- La présence de bloc de communes contiguës à
haut taux de mortalité est frappant pour les bronchites
pulmonaires obstructives autour de Gand, Charleroi et
Liège.
- L'effet "dorsale wallonne", avec une poussée vers
l'entre Sambre et Meuse apparaît nettement pour le suicide
et les affections ischémiques .
- Une dichotomisation Est/Ouest, par exemple en ce qui concerne
la cirrhose du foie chez les hommes.
- Un effet Bruxelles/Province, par exemple pour le cancer du
poumon ou les accidents de la route chez les hommes.
- Une dichotomie nord/sud flagrante pour la mortalité
toutes causes, ainsi que pour l'incidence du cancer du sein.
Nous avons également présenté 3 cartes
relatives aux facteurs socio-économiques extraits de l'analyse
factorielle. Elles sont particulièrement indicatives d'une
part de l'effet nord/sud en ce qui concerne le premier facteur et de
l'effet centre-périphérie en ce qui concerne le
deuxième facteur.
La catégorisation des valeurs
présentées dans les cartes utilise la méthode
des quantiles (6 groupes). Elle a pour effet de lisser les valeurs
extrêmes, de maintenir une relation d'ordre entre les communes,
ce qui permet de comparer les cartes les unes aux autres. Cette
méthode a toutefois deux désavantages : elle ignore la
forme, le type de fonction de distribution de la variable et peut
poser des problèmes de seuil lorsqu'il existe des
discontinuités dans la distribution des valeurs.
Liste des cartes
