WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Prévalence et déterminants de l'obésité en milieu universitaire. Cas du campus d'Abomey- Calavi au Bénin

( Télécharger le fichier original )
par Sèmèvo Anicet SANGNIDJO
Université d'Abomey- Calavi (Bénin ) - Diplôme d'ingénieur agronome 2006
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3-4 Phase d'exploitation

Cette phase concerne essentiellement le dépouillement des fiches d'enquête. Les valeurs énergétiques et nutritionnelles des différents repas consommés sont calculées à l'aide du logiciel Komeet. Les apports nutritionnels journaliers (énergie, protéine, glucide, lipide, fer, et vitamine C) sont déterminés. Le taux de couverture des besoins a été estimé en divisant les apports par les dépenses. La balance énergétique a été estimée en faisant la différence entre les apports et les dépenses. Le logiciel Excel a été utilisé pour établir la matrice des données. Le logiciel SPSS 13,0 a été utilisé pour faire l'analyse des données. Le même logiciel Excel a été utilisé pour réaliser des graphiques. Les activités enregistrées sont regroupées en 13 catégories selon leur coût énergétique et résumé en annexe- 3. L'énergie correspondant aux activités est calculée en utilisant de la durée moyenne consacrée à chaque activité et le coût énergétique de l'activité exprimé en multiple du métabolisme de base. La matrice des données résultante est résumée en annexe 8.

3-4-1 Analyse des données

-Données anthropométriques

Les mesures anthropométriques (Poids, Taille) sont traduites en indices anthropométriques. Cet indice qu'est l'IMC (P/T2) est utilisé pour évaluer l'état nutritionnel des sujets.

L'état nutritionnel est apprécié par comparaison des valeurs de cet indice avec les valeurs proposées par l'OMS (WHO, 1998).

Pour chaque type de malnutrition, divers seuil sont considérés (Tableau 2-1).

Ainsi, les étudiants ayant un IMC < 18,5 sont classés comme émaciés (Poids insuffisant) ; ceux ayant un IMC compris entre 18,5 et 24,9 sont classés comme normaux. Avec un IMC compris entre 25 et 29,9 ; ils sont classés comme étant en surpoids. L'obésité est définie par un IMC = 30.

De plus en fonction du pourcentage de graisse, les sujets sont classés en maigres, normaux et gros (Tableau 3-3).

Tableau 3- 6: Classement suivant le %graisse

Sujets maigres Sujets normaux Sujets gros

Hommes

< 10%

10-15%

>15%

Femmes

< 20%

20-25%

>25%

Source : OMS cité par SAHAHA, 1998

-Données démographiques, socio-économiques et comportementales

Ces données ont permis de définir 3 variables liées aux facteurs de risque de l'obésité. Ces variables se retrouvent aux 4 niveaux des causes de l'obésité définie dans le cadre conceptuel de l'obésité proposé par MARGARETHA, 1996 puis DELPEUCH et al., 1997.

Pour l'identification des principaux déterminants de l'obésité, l'analyse de régression multiple progressive (STEPWISE REGRESSION METHOD) a été utilisée pour examiner l'effet individuel des variables explicatives sur la variable dépendante.

L'analyse de régression est faite en considérant l'IMC comme variable dépendante et chacune des sous-variables liées aux facteurs de risque de l'obésité

comme variables explicatives. Un modèle de régression linéaire de la forme Y=a0 + a1X1 +a2X2 + ...+anXn est utilisé.

L'analyse de régression multiple à été effectué selon la méthode décrite par TOMASSOME (1992) selon le principe suivant :

1- On établit la matrice de corrélation

2- On introduit d'abord la variable Xi la plus corrélée avec Y(variable dépendante). Si sa contribution est significative, on la prend dans la régression.

3- On introduit ensuite la variable Xj qui, après Xi, augmente le plus R2 à

condition que sa contribution soit significative. Mais avant de continuer, il faut examiner à nouveau la première variable Xi pour s'assurer que sa contribution reste significative.

-Si elle l'est, le processus se poursuit avec une 3e variable.

-Si elle ne l'est pas, on l'élimine, et on recherche une autre variable X, qui associée à Xj, fournit une contribution significative et le processus se poursuit.

Chacune des variables comporte des sous-variables. Chacune des sous- variables possède plusieurs modalités si elles sont discontinues, qualitatives ou transformées de sous-variables continues en sous-variables discontinues. Un score est attribué à chacune des modalités. Ces scores suivent un ordre croissant.

Ainsi, nous avons affecté des modalités et scores à chacune des sous-variables de façon suivante :


· Variables socio- économiques

-Sous-variables niveau des ressources Modalités

Scores

Ressources <10000F

0

Ressources entre 10000 et 30000F

1

Ressources entre 30000 et 40000F

2

Ressources = 40000F

3

· Variables comportementales -Sous-variables niveau de l'activité sportive

Modalités Scores

Moins de 2fois/semaine 0

entre 2 et 4fois/semaine 1

+ de 4fois/semaine 2

-Sous-variables balance énergétique ( Apport-Dépense)

Modalités Scores

<0 % 0

entre 0 et 10% 1

entre 10 et 20% 2

entre 20 et 30% 3

>30% 4

· Variables démographiques - Sous-variable sexe

Modalités Scores

Féminin 0

Masculin 1

- Sous-variable tranche d'âge

Modalités Scores

17-19 0

20-25 1

>25 2

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Des chercheurs qui cherchent on en trouve, des chercheurs qui trouvent, on en cherche !"   Charles de Gaulle