Volume 23
Numéro 3
2002

[Table des matières]

Comparaison de l'état de santé de la population dans de petites régions : applications possibles pour les décideurs et défis pour les chercheurs

Résumé

Un des défis qui se pose aux chercheurs est de présenter leurs résultats de manière à répondre aux besoins des responsables de la politique sanitaire. Les cartes de l'espérance de vie dans les petites régions peuvent constituer une solution intéressante. Dans cette étude, nos comparaisons portent sur des régions infraprovinciales plus petites que cela n'a été le cas dans les études réalisées jusqu'à maintenant à l'échelle de la province. Nous nous sommes penchés sur les écarts de santé à l'intérieur de la province et avons constaté que la municipalité régionale du Cap-Breton et le quartier défavorisé de Halifax, le North End, étaient des secteurs dans lesquels il existe de graves problèmes de santé. Les facteurs socio-économiques (comme le revenu et le chômage) n'expliquent qu'en partie les écarts de santé observés. Notre étude montre par ailleurs qu'il est possible de comparer de petites régions, à savoir des subdivisions de recensement unifiées et des quartiers. Cela dit, les chercheurs auront à résoudre diverses difficultés méthodologiques, dont voici les plus importantes : les méthodes d'attribution, comme celles utilisées dans le Fichier de conversion des codes postaux, sont une source importante d'erreur; l'application des méthodes de lissage spatial appropriées est indispensable à l'interprétation des écarts régionaux de santé; et la migration des personnes de santé fragile vers les maisons de soins infirmiers influe sur les variations géographiques de la santé.

Mots clés : analyse multiniveau; espérance de vie; facteurs socio-économiques; inégalités devant la santé; maladies chroniques; méthodes bayésiennes; politique sanitaire; représentation cartographique de la maladie; statistiques spatiales

Introduction

Les inégalités devant la santé constituent un important problème de santé publique¹. Ces inégalités s'observent dans quantité de sous-secteurs géographiques et de sous-catégories socio-économiques^2,3. Pour les autorités responsables de la politique sanitaire, la planification et la priorisation des mesures de prévention et d'intervention passe impérativement par l'identification de ces inégalités. Le gouvernement néo-écossais soulève la question des inégalités devant la santé dans son plan de politique : (traduction libre) «l'équité envers les régions et les gens» et «la région où vivent les gens ne doit plus déterminer ce qu'ils peuvent devenir»⁴. Ainsi, en vertu du principe d'équité, les gens ont droit à la santé, quelle que soit la région dans laquelle ils vivent. Et pour que le principe d'équité soit respecté, il faut que les inégalités devant la santé soient suivies, puis décrites de manière à être comprises par les décideurs.

Les responsables de la politique sanitaire ne sont pas forcément épidémiologistes ou statisticiens de formation et ils peuvent ne pas comprendre parfaitement les résultats que leur présentent les chercheurs. Les

chercheurs doivent donc s'employer à présenter leurs résultats de manière à répondre aux besoins des décideurs^5,6. Différents chercheurs ont recours à une représentation cartographique en couleurs pour illustrer les résultats de leurs travaux sur les écarts de santé et de mortalité^7–9. L'interprétation des couleurs représentées sera d'autant plus aisée que ces dernières seront associées à une mesure facile à comprendre, par exemple, l'espérance de vie à la naissance, plutôt que le taux comparatif de mortalité.

Jusqu'à maintenant, l'unité géographique utilisée dans les comparaisons géographiques de la santé a toujours été un pays, une province ou un État¹⁰. Ces comparaisons ne permettent sans doute pas d'isoler les problèmes de santé qui peuvent exister dans de plus petites régions et elles revêtent donc peu d'intérêt pour les autorités responsables de la politique sanitaire dans les petites régions^11,12. C'est pour cette raison qu'au cours des dernières décennies, de plus en plus d'études ont été faites sur les inégalités devant la santé dans les petites régions^8,10–12. La réalisation de telles études a été favorisée par les progrès dans le domaine de l'informatique, des systèmes d'information géographique et des méthodes statistiques^8,10,13,14, mais est entravée par la difficulté d'établir des chiffres de population fiables^8,15. De plus, le biais écologique associé à la migration sélective constitue une préoccupation plus importante dans le cas des petites régions du fait que la migration infrarégionale affecte dans une plus large mesure les comparaisons entre petites régions que les comparaisons interrégionales¹⁶. Par exemple, les maisons de soins infirmiers accueillent des personnes de santé relativement fragile dont l'espérance de vie est plus courte que celle des personnes du même âge vivant de façon autonome. Ainsi, dans le cadre d'études sur les petites régions, les secteurs dans lesquels on trouve des maisons de soins infirmiers seront considérés comme des régions où il existe des problèmes de santé. Par contre, ce biais écologique n'affectera pas les comparaisons interprovinciales puisque toutes les provinces ont des maisons de soins infirmiers pour personnes âgées.

Dans cette étude, nous nous sommes efforcés de présenter des données démographiques sous une forme accessible aux responsables de la politique sanitaire, à savoir des cartes de l'espérance de vie dans les petites régions. Nos comparaisons portent sur des régions infraprovinciales plus petites que cela n'a été le cas dans les études réalisées jusqu'à maintenant à l'échelle provinciale. Nous nous sommes penchés sur l'importance de divers facteurs socio-économiques et de la migration sélective vers des maisons de soins infirmiers. En outre, nous décrivons les considérations dont nous avons tenu compte et les choix que nous avons faits quant aux sources de données, aux unités géographiques fonctionnelles, aux sources d'erreur et aux méthodes statistiques. Ces précisions sont indispensables pour comprendre les autres études sur les petites régions que nous nous proposons de réaliser et elles seront utiles aux chercheurs qui voudraient faire des comparaisons de petites régions ailleurs au Canada.

Méthodes

Secteurs géographiques

La Nouvelle-Écosse comprend neuf bureaux de santé publique, 18 comtés, 52 subdivisions de recensement unifiées, 110 subdivisions de recensement, 1 511 secteurs de dénombrement fédéraux et 18 864 codes postaux. Les subdivisions de recensement comprennent des villes, des municipalités, des villages, des districts municipaux et des subdivisions de comtés¹⁷. Une subdivision de recensement unifiée est un groupe de subdivisions de recensement adjacentes réunissant de petites subdivisions de recensement plutôt urbaines (villes, villages, etc.) et une plus grande subdivision de recensement plutôt rurale (districts municipaux et subdivisions de comtés)¹⁷. Une subdivision de recensement unifiée est une unité fonctionnelle : les résidents ruraux ont souvent leur boîte aux lettres dans une collectivité voisine. Leur code postal correspond donc à l'endroit où est située leur boîte aux lettres, pas à leur lieu de résidence, d'où les erreurs de classement de la population si l'on se fonde sur une unité géographique plus petite que la subdivision de recensement unifiée¹⁸. De plus, diverses études ont montré que le codage manuel du lieu de résidence donnait lieu à un surdénombrement de la population des villes et à un sous-dénombrement de la population des régions périphériques¹⁹. Aussi, pour les raisons ci-dessus, nous avons retenu la subdivision de recensement unifiée comme unité de comparaison pour les secteurs non urbains. Pour ce qui est des deux régions urbaines, la région métropolitaine de Halifax et la municipalité régionale du Cap-Breton, elles ont été divisées en secteurs ne comprenant pas plus de 50 000 résidants. La région métropolitaine de Halifax a été découpée en groupant les secteurs de dénombrement en 11 quartiers, alors que la municipalité régionale du Cap-Breton l'a été en groupant les secteurs de dénombrement en quatre secteurs essentiellement délimités par des frontières naturelles (cours d'eau et lacs). En tout, 64 secteurs sur mesure ont été établis, chacun ayant un chiffre de population se situant entre 2 500 et 41 000 habitants (voir l'annexe). La Nouvelle-Écosse compte quelque 940 000 habitants.

Espérance de vie et écarts d'espérance de vie

Nous présentons l'espérance de vie dans chacun des 64 secteurs étudiés. L'espérance de vie est une mesure de l'état de santé qui est facile à comprendre. C'est donc une mesure avec laquelle les responsables de la politique sanitaire se sentiront à l'aise et il convient donc de la retenir, plutôt que d'en utiliser une autre. Nous avons utilisé la méthode de construction des tables du moment de Chiang pour calculer l'espérance de vie à la naissance et l'erreur-type associée à l'erreur d'échantillonnage (ET_EE)²⁰. Pour calculer l'espérance de vie des hommes et des femmes, nous avons fait la somme de la racine et des décès chez les hommes et les femmes pris ensemble, et cela afin d'obtenir des estimations plus stables dans les régions ayant de petites populations²¹. Tous les calculs ont été faits pour 20 tranches d'âge (moins d'un an, d'un an à quatre ans, 17 tranches d'âge consécutives de cinq ans chacune, et 90 ans et plus). Les écarts d'espérance de vie correspondent à l'écart entre l'espérance de vie dans les petites régions étudiées et l'espérance de vie moyenne de la population provinciale. Les écarts d'espérance de vie selon la cause de mortalité sont ensuite examinés, à savoir : maladies cardiovasculaires (CIM, 9^e révision, codes 390 à 459), cancer (CIM, 9^e révision, codes 140 à 208), cancer du poumon (CIM, 9^e révision, codes 162 et 163), cancer colorectal (CIM, 9^e révision, codes 153 et 154), cancer du sein (CIM, 9^e révision, code 174) et maladies respiratoires (CIM, 9^e révision, codes 460 à 519). Nos calculs ont été faits à l'aide de méthodes fondées sur la table à extinction multiple, que nous décrivons en détail plus loin dans ce rapport^22,23.

Estimations de la population

Pour calculer l'espérance de vie, nous avons besoin d'estimations précises de la population et de la mortalité dans chacun des 64 secteurs. Nous avons examiné trois ensembles de données sur la population : les chiffres de population selon l'âge et le sexe établis par Statistique Canada dans le cadre des recensements de 1986, de 1991 et de 1996; les chiffres de la base de données en ligne de Statistique Canada (CANSIM)²⁴ pour les années 1986, 1991 et 1996; et les chiffres de population de la Nova Scotia Medical Services Insurance, établis à partir du fichier des enregistrements à la mi-année pour les années 1996, 1997, 1998 et 1999. Pour l'année 1996, les estimations de la population provinciale totale établies à partir du fichier des enregistrements de la Medical Services Insurance étaient supérieures de 0,29 % aux chiffres établis à partir de CANSIM et supérieures de 2,73 % aux chiffres du recensement. Pour compenser la sous-estimation, nous avons redressé les estimations de la population établies à partir des données du recensement pour les années 1986 et 1991, en fonction des données du recensement pour 1996. Nous avons produit des estimations de la taille de la population selon l'âge et le sexe pour l'année 1990 et les années 1992 à 1995 en appliquant la méthode du spline-cubique aux estimations redressées pour 1986 et 1991 de même qu'aux chiffres de la Medical Services Insurance pour les années 1996 à 1999²².

Le Fichier de conversion des codes postaux est un outil logiciel produit par Statistique Canada qui permet aux chercheurs de définir les secteurs de dénombrement en fonction des codes postaux^18,25. Quand un code postal couvre plus d'un secteur de dénombrement, le Ficher de conversion en choisit un seul par un processus de randomisation qui tient compte de la taille de la population des secteurs de dénombrement. Dans le cadre de cette étude, nous nous sommes penchés sur les variations qu'entraîne l'attribution du lieu de résidence en fonction du code postal pour chacun des 64 secteurs sur mesure que nous avons établis et sur la mesure dans laquelle cela influe sur les estimations de l'espérance de vie. À cette fin, nous avons repris le processus d'attribution 10 fois et avons calculé l'erreur-type des 10 estimations de l'espérance de vie pour chacun des 64 secteurs étudiés. Les méthodes de répartition reproductibles ne donnent lieu qu'à de faibles erreurs-types.

Estimations de la mortalité

Nous avons obtenu de Statistique Canada, pour les années 1995 à 1999, les estimations de la mortalité selon la cause et selon l'âge et le sexe. Les données géographiques disponibles comprenaient le code postal et les coordonnées géographiques par subdivision de recensement ou par comté. Les codes postaux et les coordonnées géographiques introduisent tous deux une erreur dans la répartition des décès parmi les unités géographiques. Dans le cas des codes postaux, il faut recourir au Fichier de conversion des codes postaux (dont nous avons parlé plus haut). Pour ce qui est des coordonnées géographiques, elles peuvent déborder les frontières d'un secteur ou être manquantes, de sorte qu'il faut procéder à une répartition randomisée. Dans le cadre de notre étude, nous nous sommes penchés sur l'importance de l'erreur obtenue lorsqu'on répartit les décès selon les codes postaux, les coordonnées géographiques ou les deux à la fois. Nous avons repris la procédure de répartition 10 fois puis avons calculé l'erreur-type des 10 répétitions. Les méthodes de répartition reproductibles ne donnent lieu qu'à de faibles erreurs-types.

Population en établissement

Les pensionnaires de maisons de soins infirmiers ont une santé assez fragile et ont une espérance de vie plus courte que les personnes du même âge vivant de façon autonome. La migration des personnes fragiles d'un secteur ne comportant pas de maison de soins infirmiers vers un secteur comportant un établissement semblable aura pour effet d'accroître l'espérance de vie dans le premier et de la réduire dans le second. Ces migrations sélectives de personnes de santé fragile viennent compliquer la vie des chercheurs qui veulent étudier l'état de santé de la population dans les petites régions et en établir les déterminants¹⁶. Le code postal permet de repérer les décès dans les maisons de soins infirmiers. Nous avons pu déterminer le code postal du logement où vivaient avant leur séjour en maison de soins infirmiers quelque 80 % des personnes décédées dans ces mêmes maisons. Pour illustrer l'importance de ces migrations sélectives, nous avons comparé l'espérance de vie estimée à partir de l'adresse de la maison de soins infirmiers et l'espérance de vie estimée à partir de l'adresse des logements occupés avant séjour en maison de soins infirmiers.

Déterminants de l'état de santé dans les petites régions

Le niveau socio-économique de la population dans les petites régions ainsi que le revenu moyen des ménages et le taux de chômage dans ces dernières ont été examinés en regard de l'espérance de vie. Les données proviennent du recensement du Canada de 1996.

Méthodes statistiques

Nous avons estimé l'espérance de vie et les écarts d'espérance de vie entre les années 1995 et 1999 dans chacun des 64 secteurs étudiés. Ces estimations comportent davantage de fluctuations que nous n'attendions compte tenu de l'erreur d'échantillonnage (dispersion). Il y a deux raisons à cela : le nombre restreint de cas de décès par cause et les différences de taille de la population dans chacun des 64 secteurs^8,13. Si l'on ne tient pas compte de la dispersion, on sera à tort porté à conclure qu'il y a variation entre les secteurs et par conséquent, que les estimations des associations avec des covariables, par exemple les caractéristiques socio-économique réelles, sont instables⁸. Certains chercheurs avancent que le recours à des modèles hiérarchiques bayésiens ou modèles multiniveau constitue une méthode d'analyse appropriée des petites régions⁸. Nous avons donc construit un modèle multiniveau dans lequel les données pour les 64 secteurs étudiés sont réunies à celles des secteurs avoisinants (niveau 1), pour donner des estimations robustes de l'espérance de vie par secteur (niveau 2). Ce modèle nous permet de tenir compte des diverses sources de l'erreur-type décrites ci-dessus. Dans le reste de cette étude, nous appellerons les estimations empiriques bayésiennes générées à l'aide de ce modèle «estimations lissées spatialement».

À l'aide du modèle multiniveau, nous avons considéré les secteurs (niveau 1) à l'intérieur des régions (niveau 2) pour produire des estimations empiriques bayésiennes (lissées spatialement) des variations régionales. Les quatre régions étudiées sont : la partie continentale de la province hors régions métropolitaines; la région métropolitaine de Halifax; l'île du Cap-Breton hors régions métropolitaines, et la municipalité régionale du Cap-Breton (voir l'annexe). Nous nous sommes également servis du modèle multiniveau pour examiner la corrélation entre les caractéristiques socio-économiques, le revenu et le taux de chômage d'une part et l'espérance de vie d'autre part. Les analyses ont été effectuées à l'aide de HLM5 et de S-PLUS 2000.

Résultats

La figure 1 illustre les écarts d'espérance de vie dans les secteurs étudiés — ces écarts sont définis comme la différence entre l'espérance de vie dans un secteur et l'espérance de vie moyenne dans la province : le rouge indique une espérance de vie plus courte, le bleu, une espérance de vie plus longue. Dans certains secteurs, l'espérance de vie est beaucoup plus courte (rouge foncé), alors que dans d'autres, elle est beaucoup plus longue (bleu foncé) (figure 1, partie supérieure). Les espérances de vie sont également données en annexe, ainsi que la taille de la population, le nombre de décès et les différentes sources de l'erreur-type. L'erreur d'échantillonnage (ET_EE) est déterminée par le nombre de résidants et de décès dans chaque groupe d'âge-sexe. En général, les secteurs ayant une population nombreuse sont caractérisés par une faible erreur d'échantillonnage (annexe). L'erreur-type résultant de la méthode de répartition employée pour l'estimation de la taille de la population, ET_POP, est négligeable comparativement à l'erreur d'échantillonnage. Le lecteur trouvera en annexe trois estimations de l'erreur-type associées à trois méthodes de répartition des décès : ET_M1 (où l'on ne se fonde que sur des coordonnées géographiques) est importante par rapport à ET_EE dans les régions urbaines. ET_M2 (où l'on ne se fonde que sur les codes postaux) est importante, mais plus spécialement en région rurale. ET_M3 (où l'on se fonde à la fois sur les codes postaux et les coordonnées géographiques) est dans l'ensemble plus faible que ET_M1 et ET_M2, mais, pour certains secteurs, elle demeure élevée compte tenu de ET_EE.

ET_EE et ET_M3 ont été examinées dans le modèle multiniveau utilisé pour produire les estimations lissées spatialement dont nous faisons état en annexe et dans la partie inférieure de la figure 1. Ces estimations lissées permettent de mieux juger de la répartition géographique de l'espérance de vie : la population de l'île du Cap-Breton a une espérance de vie moindre, et à l'intérieur de la municipalité régionale de Halifax, des variations demeurent et elles sont appréciables. Les différences entre les estimations brutes et les estimations lissées spatialement sont souvent importantes dans les secteurs ayant une population peu nombreuse (figure 2 – partie supérieure). Les différences entre les estimations selon qu'on les ait ou non redressées pour tenir compte de la migration sélective vers les maisons de soins infirmiers sont moins importantes et elles ne sont pas aussi clairement associées à la taille de la population du secteur (figure 2 – partie inférieure).

Les écarts d'espérance de vie attribuables aux décès par maladie cardiovasculaire ou par cancer sont présentés dans la figure 3; ils mettent clairement en évidence l'existence de schémas géographiques.

FIGURE 1
L'espérance de vie en Nouvelle-Écosse

FIGURE 2
Partie supérieure : Différences entre les écarts d'espérance de vie bruts et lissés selon la taille de la population
Partie inférieure : Différences entre les écarts d'espérance de vie redressés ou non pour tenir compte
de la migration sélective vers les maisons de soins infirmiers

FIGURE 3
Écarts d'espérance de vie en Nouvelle-Écosse

Le tableau 1 fait voir la relation unidimensionnelle entre le revenu et le chômage d'une part et l'espérance de vie d'autre part. À un accroissement du revenu de 10 000 $ correspond une hausse de 0,956 année de l'espérance de vie, et à une augmentation de la fréquence du chômage de 10 % est associée une réduction de 0,862 année de l'espérance de vie. La régression multiniveau (lissage spatial) montre qu'il n'y a pas de lien statistiquement significatif entre le chômage et l'espérance de vie, mais elle indique qu'à une hausse de revenu de 10 000 $ correspond une augmentation de 0,617 année de l'espérance de vie. Le tableau 2 montre l'importance des variations selon la région. Dans la municipalité régionale du Cap-Breton, l'espérance de vie est raccourcie de 1,46 année par rapport à celle dans la partie continentale hors régions métropolitaines et de 1,57 année (voir le tableau 2 : 1,46 + 0,11) par rapport à celle dans la municipalité régionale de Halifax. Ces différences sont statistiquement significatives et ne sont expliquées qu'en partie par les différences relatives au revenu et à la fréquence du chômage (tableau 2). Le tableau 3 donne les variations régionales de l'espérance de vie selon la maladie. Chez les femmes et les hommes dans la municipalité régionale du Cap-Breton, la mortalité par maladies cardiovasculaires réduit l'espérance de vie de 0,36 année et de 0,74 année respectivement par rapport aux hommes et aux femmes dans la partie continentale hors régions métropolitaines. Les estimations sont plus élevées dans le cas des maladies cardiovasculaires que dans le cas du cancer.

Analyse

Cette étude examine les variations de l'état de santé en Nouvelle-Écosse. Parmi les secteurs où il existe d'importants problèmes de santé figurent la municipalité régionale du Cap-Breton et le quartier défavorisé de Halifax, le North End. Bien que les facteurs socio-économiques soient d'importants déterminants de la santé, ils n'expliquent qu'en partie les écarts de santé observés. Notre étude montre par ailleurs qu'il est possible de comparer de petites régions et elle éclaire l'importance des méthodes de répartition, des méthodes statistiques et de la migration sélective.

Nous avons produit des cartes de petites régions dans lesquelles sont représentés des schémas géographiques de la santé et dans lesquelles sont identifiés des secteurs et des régions où il existe des problèmes de santé. Dans certains secteurs, l'espérance de vie est inférieure de plus de 1,5 année à la moyenne provinciale, laquelle est à son tour inférieure d'une année environ à la moyenne canadienne²⁶. Ces différences sont importantes : l'état de santé dans ces secteurs est inférieur de 10 à 15 ans à ce qu'il est pour l'ensemble de la population canadienne (du fait que l'espérance de vie des Canadiens augmente de deux années environ tous les dix ans)²².

Les problèmes de santé dans le comté du Cap-Breton ont déjà été examinés dans des études écologiques^{16,22,23,27,28}. Parmi les facteurs qui pourraient être à l'origine de ces problèmes figurent des choix de mode de vie (par exemple, tabagisme et obésité), la participation à des programmes de dépistage, de même que des facteurs environnementaux et socio-économiques^{22,23,29–31}. Enfin, la présente étude jette un nouvel éclairage sur les inégalités devant la santé : elle montre que les facteurs socio-économiques comme le revenu et le chômage n'expliquent qu'en partie ces différences. Les écarts de santé ailleurs en Nouvelle-Écosse n'ont jamais été étudiés. Notre étude donne une évaluation de l'ensemble de la province et révèle que le comté du Cap-Breton n'est pas le seul secteur où il existe de graves problèmes de santé. À Halifax, le quartier North End recèle lui aussi d'importants problèmes de santé, ce qui tranche avec l'état de santé dont jouissent les résidants des quartiers riches de la ville.

Dans cette étude, nos comparaisons ont porté sur des régions infraprovinciales plus petites que cela n'a été le cas dans les études réalisées jusqu'à maintenant à l'échelle provinciale. Nous avons montré qu'il était possible d'utiliser les codes postaux pour construire des cartes de l'état de santé au niveau des subdivisions de recensement unifiées dans les régions rurales et au niveau des quartiers dans les villes. Les difficultés auxquelles nous nous sommes heurtés en construisant ces cartes pour les petites régions concernaient, en particulier, les méthodes de répartition, les méthodes statistiques et la migration sélective.

Méthodes de répartition - Le Fichier de conversion des codes postaux est un outil indispensable qui permet de rattacher les codes postaux à diverses unités géographiques^3,18,32. Nous en avons évalué l'utilité aux fins de la réalisation d'études sur les petites régions. Dans le cas de populations nombreuses (la population d'un quartier résidentiel urbain, par exemple), le Ficher de conversion des codes postaux semble donner d'excellents résultats compte tenu du très faible niveau de l'erreur-type. Par contre, lorsque les observations sont peu nombreuses, comme c'est le cas pour la mortalité, la reproductibilité diminue. Les chercheurs qui veulent se servir du Fichier de conversion des codes postaux doivent être conscients de cette source supplémentaire d'erreur. Notre étude a montré que cette erreur était très présente dans les régions rurales, et diminuait lorsqu'on tenait compte de coordonnées géographiques additionnelles. Pour réduire cette erreur, les chercheurs voudront peut-être répéter le processus de répartition à l'aide du Ficher de conversion et examiner les valeurs moyennes obtenues.

Méthodes statistiques - Nous avons présenté des cartes de l'espérance de vie fondées à la fois sur des données brutes et des données lissées spatialement. Il faut toutefois faire preuve de prudence dans l'interprétation de ces cartes : les estimations brutes engendrent de la dispersion et elles amènent à tort à conclure qu'il y a une variation entre les secteurs. Les estimations lissées spatialement apportent une solution au problème de la dispersion et elles conviennent donc très bien dans les évaluations de la variation entre secteurs géographiques. Toutes les méthodes de lissage, y compris celle utilisée dans cette étude, comportent une part d'arbitraire⁸. La méthode que nous avons choisie consiste à examiner l'espérance de vie dans tous les secteurs avoisinant les secteurs étudiés. D'autres chercheurs pourront décider de procéder autrement^13,14. Ces choix influent sur la valeur lissée de l'espérance de vie et doivent être pris en considération dans l'examen des variations selon le secteur. L'importance du choix des méthodes statistiques a également été mise en évidence dans l'analyse des facteurs socio-économiques, où les estimations brutes et les estimations lissées différaient considérablement.

Migration sélective ¾ La migration des personnes en santé ou de santé fragile peut influer sur les estimations de l'espérance de vie dans un secteur et va de ce fait influer sur les comparaisons écologiques, et en particulier sur les comparaisons entre petites régions¹⁶. Dans cette étude, nous avons montré que dans cinq des 64 secteurs étudiés (7,8 %), la migration sélective vers des maisons de soins infirmiers avait donné lieu à un écart d'espérance de vie de plus d'une année. Outre les facteurs de risque établis et causaux, il faut de toute évidence considérer la présence d'une maison de soins infirmiers dans un secteur comme étant un facteur qui influe sur les estimations de l'espérance de vie à l'intérieur de ce secteur. Étant donné que notre analyse de la migration sélective est fondée sur le lieu de résidence des pensionnaires de maisons de soins infirmiers avant leur séjour dans ces établissements, mais que nous ne disposons pas de données complètes, l'effet de la migration sélective est sans doute plus important que nous ne l'avons évalué.

Notre but était de présenter des données sur la santé sous une forme facilement compréhensible : des cartes de l'espérance de vie dans la province. Ces dernières nous ont permis de faire divers constats importants, notamment que la municipalité régionale du Cap-Breton n'est pas le seul secteur dans lequel existent de graves problèmes de santé. De plus, les données ont mis en parallèle des schémas très nets entre le secteur géographique et les causes de décès. À cet égard, les données révèlent que les maladies cardiovasculaires sont la première cause de mortalité dans la municipalité régionale du Cap-Breton, alors que dans les études réalisées jusqu'à maintenant, on insistait surtout sur le très fort taux de cancer dans cette région ^22,27,28. Il est admis depuis longtemps que la santé est fonction de la richesse. Or, nous disons maintenant aux décideurs que ni le revenu, ni le chômage n'expliquent les écarts de santé dans la province et les problèmes de santé dans la municipalité régionale du Cap-Breton. Il s'agit là d'exemples de la façon dont les comparaisons de petites régions peuvent aider les responsables de la politique sanitaire à prendre des décisions. D'autres applications naîtront des comparaisons de la mortalité, de la consommation des soins de santé et des autres mesures descriptives et déterminants de la santé dans les petites régions.

Remerciements

Ont contribué au financement de cette étude : la Fondation canadienne pour l'innovation, la Dalhousie Medical Research Foundation, la Nova Scotia Health Research Foundation et les Instituts de recherche en santé du Canada (qui ont remis un prix d'excellence à M. Veugelers pour honorer sa carrière).

Les auteurs tiennent à remercier de leur aide précieuse M. David Elliott, M^mes Angela Fitzgerald et Alexandra Yip, de même que MM. Michael Pennock, Chris Skedgel et Mark Smith.

Références

1. Rose G. The Strategy of Preventive Medicine, Oxford, Oxford University Press, 1992.

2. Ross NA, Wolfson MC, Dunn JR, Berthelot J-M, Kaplan GA, Lynch JW. Relation between income inequality and mortality in Canada and in the United States: cross sectional assessment using census data and vital statistics, British Medical Journal, 2000, n^o 320, p. 898–902.

3. Veugelers, PJ, Yip AM, Kephart G. Proximal and Contextual Socioeconomic Determinants of Mortality: Multilevel Approaches in a Setting with Universal Health Care Coverage, American Journal of Epidemiology, 2001, n^o 154, p. 725–732.

4. Province of Nova Scotia. The Course Ahead: for the fiscal year 2000-01, Government of Nova Scotia, 2000.

5. Susser, M. Does Risk Factor Epidemiology Put Epidemiology at Risk? Peering into the Future, Journal of Epidemiology and Community Health, 1998, n^o 52, p. 608–611.

6. McMichael, AJ. Prisoners of the Proximate: Loosening the Constraints on Epidemiology in an Age of Change, American Journal of Epidemiology, 1999, n^o 149, p. 887–897.

7. Olsen S, Martuzzi M, Elliott P, Cluster Analysis and Disease Mapping – Why, When and How? A Step by Step Guide, British Medical Journal, 1996, n^o 313, p. 863–866.

8. Lawson A, Biggeri A, Böhning D, Lesaffre E, Viel J-F, Bertollini, R. Disease Mapping and Risk Assessment for Public Health, Toronto, John Wiley & Sons, 1999.

9. Bertollini R, Martuzzi M. Disease Mapping and Public Health Decision-Making: Report of a WHO Meeting, American Journal of Public Health, 1999, n^o 89, p. 780.

10. Elliott P, Cuzick J, English D, Stern R. Geographical and Environmental Epidemiology. Methods for Small-Area Studies, New York, Oxford University Press, 1997.

11. Manuel DG, Goel V, Williams JI, Corey, P. Espérance de vie selon l'état de santé à l'échelon local en Ontario, Maladies chroniques au Canada, 2000, n^o 21, p. 73–80. Wilkins, R. Health Expectancy by Local Area in Montreal: a Summary of Findings, Revue canadienne de santé publique, 1986, n^o 77, p. 216–222.

12. Clayton, D, Kaldor J. Empirical Bayes Estimates of Age-standardized Relative Risks for the Use in Disease Mapping, Biometrics, 1987, n^o43, p. 671–681.

13. Martuzzi M, Elliott P. Empirical Bayes Estimation of Small Area Prevalence of Non-Rare Conditions, Statistics in Medicine, 1996, n^o 15, p. 1867–1873.

14. Wakefield J, Elliott P. Issues in the Statistical Analysis of Small Area Health Data, Statistics in Medicine, 1999, n^o 18, p. 2377– 2399.

15. Veugelers PJ, Guernsey JR. Sensitivity analysis of selective migration in ecologic comparisons of health, Epidemiology, 1999, n^o 10, p. 784–785.

16. Statistique Canada. Dictionnaire du recensement de 1996, n^o 92-351-XPF au répertoire.

17. Wilkins R. Guide de l'utilisateur. Logiciel de codage géographique basé sur les fichiers de conversion des codes postaux de Statistique Canada, août 2001, Statistique Canada, n^o 82F0086-XDB au répertoire.

18. Manuel DG, Goel V, Williams JI. Construction de tables de survie à l'échelon local, Maladies chroniques au Canada, 1998, n^o 19, p. 52–56.

19. Chiang CL. The Life Table and its Construction. Introduction to Stochastic Process in Biostatistics, New York, John Wiley & Sons Inc., 1968.

20. Manton KG, Stallard E. Chronic Disease Modeling: Measurement and Evaluation of the Risks of Chronic Disease Processes, New York, Oxford University Press, 1988.

21. Veugelers PJ, Guernsey JR. Health Deficiencies in Cape Breton County, Nova Scotia, Canada, 1950–1995, Epidemiology, 1999, n^o 10, p. 495–499.

22. Veugelers PJ, Kim AL, Guernsey JR. Inequalities in Health. Analytic Approaches based on Life Expectancy and suitable for Small Area Comparisons, Journal of Epidemiology and Community Health, 2000, n^o 54, p. 375-380.

23. Site Web de Statistique Canada : http://www.statistics.ca

24. Wilkins R. Géocodes/FCCP version 2, guide de l'utilisateur : logiciel de codage géographique basé sur le fichier de conversion des codes postaux de Statistique Canada, Division des statistiques sur la santé, Ottawa, Statistique Canada, juillet 1997.

25. Millar WJ. L'espérance de vie des Canadiens, Rapports sur la santé, 1995, vol. 7, n^o 3, p. 23–26.

26. Mao Y, Morrison H, Semenciw R. Mortalité au Cap-Breton (Nouvelle-Écosse), 1971– 1983, Maladies chroniques au Canada, rapport spécial n^o 11, décembre 1985, Santé et Bien-être social Canada.

27. Guernsey JR, Dewar R, Weeransinghe S, Kirkland SA, Veugelers PJ. Incidence of Cancer in Sydney and Cape Breton County, Nova Scotia 1979–1997, Revue canadienne de santé publique, 2000, n^o 91, p. 285–292.

28. Fitzgerald AL, Veugelers PJ, Maclean DR Dietary reference intakes: a comparison with dietary intake in Nova Scotia. Canadian Journal of Dietetic Practice and Research, novembre 2001, accepté pour publication.

29. Nova Scotia Department of Health. Smoking Ban in Public Places. Public Opinion Survey. 1995, Nova Scotia Department of Health.

30. Public Affairs Department, Cape Breton District Health Authority. Our Health. Cape Breton District Health Authority, 2001.

31. Demmissie K, Hanley JA, Menzies D, Joseph L, Ernst P. Concordance des mesures du statut socio-économique : mesures par région et mesures individuelles, Maladies chroniques au Canada, 2000, n^o 21, p. 1–7. n

Coordonnées des auteurs

Paul J Veugelers et Shane Hornibrook, Département de santé communautaire et d'épidémiologie, Faculté de médecine, Université Dalhousie

Correspondance : Paul J Veugelers, Department of Community Health and Epidemiology, Dalhousie University, 5849 University Avenue, Halifax, Nova Scotia, Canada B3H 4H7; fax : (902) 494-1597; courriel : paul.veugelers@dal.ca

Annexe

Abréviations des régions : PCHRM, partie continentale hors régions métropolitaines; RMH, région métropolitaine de Halifax; ÎCBHRM, Île du Cap-Breton hors régions métropolitaines; MRCB, municipalité régionale du Cap-Breton.

Population : la taille moyenne de la population entre les années 1995 et 1999 a été estimée à partir de la moyenne obtenue en reprenant 10 fois la procédure de répartition (voir le texte).

Décès : le nombre annuel moyen de décès entre les années 1995 et 1999 a été estimé à partir de la moyenne obtenue en reprenant 10 fois la procédure de répartition pour les secteurs définis par les codes postaux et pour ceux définis par des coordonnées géographiques (voir le texte).

Espérance de vie : les estimations brutes et les estimations lissées spatialement de l'espérance de vie sont calculées sur la base des estimations des décès et de la population décrites ci-dessus.

[Précédente] [Table des matières] [Prochaine]