Déterminants de l'irrégularité aux soins prénatals en milieu rural au Bénin

2.4 : Méthodologie

2.4.1 : Présentation des données

Les données de la présente étude proviennent de la troisième Enquête Démographique et de Santé (EDS-III) au Bénin réalisée en 2006 par sondage, où ont été interviewés 17675 ménages à base du questionnaire ménage et du questionnaire communautaire ; 17794 femmes âgées de 15 à 49 ans à l'aide du questionnaire femme ; 5321 hommes âgés de 15 à 69 ans à l'aide du questionnaire homme. Ces données sont extraites de la base concernant les femmes principalement de la section relative à leur grossesse. Précisons que les questions sur les soins prénatals portent sur la grossesse du dernier enfant né au cours de la période 2001- 2006.

Qualité des données

Avant toute analyse, il est important d'évaluer la qualité des données. Pour être acceptable, les données à utiliser doivent avoir un taux de non-réponse inférieur à 10 %. Le taux de non-réponse pour les questions clés (variables) de notre étude est faible. Il est inférieur à 1% pour certaines variables. On peut alors dire que les informations collectées sur ces variables sont susceptibles de permettre la vérification des hypothèses de l'étude.

2.4.2 : Méthodes d'analyse

Dans le cadre de cette étude, nous utiliserons les méthodes d'analyse descriptive, factorielle et économétrique.

L'analyse descriptive nous permettra de faire ressortir l'ampleur du recours aux soins prénatals selon les différentes caractéristiques de la femme et les aspects différentiels selon les régions. Cette première partie concerne l'examen des associations entre chaque variable indépendante et le recours aux soins prénatals. Il s'agit de produire des tableaux croisés entre chaque variable indépendante et la variable dépendante. Cela permet de voir les relations éventuelles entre ces variables, la mesure du degré d'association qui se fera à l'aide de la statistique de khi-deux.

Pour l'analyse factorielle, nous ferons recours à l'Analyse des Correspondances Multiples (ACM). L'utilisation de l'ACM dans la présente étude est justifiée par le fait que, la plupart des variables sont qualitatives, et qu'elle permet d'étudier les relations existantes entre plusieurs variables à la fois. Elle nous permettra d'étudier les associations existantes d'une part, entre les variables indépendantes et la variable dépendante et d'autre part, entre les variables indépendantes (entre elles), et de ce fait, elle met en évidence des types d'individus ayant des profils semblables aux attributs choisis pour leur description.

Principes d'interprétation de l'ACM

Les interprétations s'effectuent à l'aide du plan factoriel (formés par deux axes) qui explique mieux les relations entre les modalités insérées dans la méthode. On interprète :

? La proximité entre individus en terme de ressemblance : deux individus se ressemblent s'ils ont globalement les mêmes modalités ;

? La proximité entre modalités de variables différentes en terme d'association : ces modalités correspondent aux points moyens des individus qui les ont choisies et sont proches parce qu'elles concernent globalement les mêmes individus ou des individus semblables ;

? La proximité entre deux modalités d'une même variable en termes de ressemblance : par construction, les modalités d'une même variable s'excluent. Si les variables sont proches, cette proximité s'interprète en termes de ressemblance entre les groupes d'individus qui les ont choisies.

? Analyse économétrique

Compte tenu de notre objectif de mettre en évidence les déterminants de l'irrégularité aux soins prénatals et de la nature dichotomique de notre variable dépendante (irrégularité ou régularité), nous aurons recours à une régression d'un modèle logistique. Les éléments de base de ce modèle sont :

? un événement : variable à expliquer codée Y,

pour N individus indicés i = 1, ..., N

1, si l'événement s'est réalisé pour l'individu i

Y =

0, si l'événement ne s'est pas réalisé pour l'individu i ;

? des caractéristiques : K modalités (variables explicatives),

X_i^k = 1, si l'individu i a cette caractéristique

X_i^k = 0, sinon ;

? P_i = P (Y=1/ X_i) la probabilité (chance) qu'a l'individu i de connaître l'événement Y, (Y_i =1), ses caractéristiques étant connues.

Où (.) est la fonction de répartition de la loi logistique, représente la fonction exponentielle et â le vecteur des coefficients des modalités qui sont des paramètres à estimer.

Ici la variable dépendante est l'irrégularité aux soins prénatals (irreg) : irreg_i =1, si la femme i n'a pas effectué quatre CPN et irreg_i =0, si elle a effectué au moins quatre CPN. Les modalités retenues sont les caractéristiques.

Principes d'interprétation des résultats :

La régression logistique fournit, entre autres, la probabilité du Khi-deux associée au modèle, le pouvoir prédictif du modèle (pseudo R²), le seuil de significativité (P>|z|) des paramètres â et les rapports de chance (odds ratios) pour chacune des modalités introduites dans le modèle, qui facilitent l'interprétation des résultats.

La probabilité du Khi-deux associée au modèle permet de se prononcer sur l'adéquation du modèle utilisé.

Dans le cas de la présente étude, le modèle sera jugé adéquat lorsque la probabilité associée au Khi-deux sera inférieure à 5% voire 10%. Le pseudo R² détermine le pouvoir prédictif du modèle, c'est-à-dire la contribution du modèle dans l'explication de l'irrégularité aux CPN (ce qui nous aidera à hiérarchiser les déterminants). Par ailleurs, en ce qui concerne le risque d'irrégularité aux CPN, le modèle de régression logistique fournit pour chaque variable introduite dans l'équation une probabilité (P>|t|) qui indique la probabilité de significativité du paramètre relatif à la modalité considérée. Lorsque cette probabilité est inférieure à 5%, nous considérons qu'il existe une irrégularité différentielle aux CPN significative entre les femmes présentant la caractéristique de la modalité considérée et celle de la modalité de référence.

L'écart de risque est calculé à partir des rapports de chance (Odds ratio ou OR). Lorsque le rapport de chance est inférieur à 1, les femmes ayant la caractéristique de la modalité considérée de la variable explicative ont [(1 - OR)*100)] % moins de risque (ou de chance) que leurs homologues de la modalité de référence de réaliser l'événement. Lorsque le rapport de risque est supérieur à 1, cela signifie que les femmes appartenant à la modalité considérée de la variable explicative courent OR fois plus le risque de subir l'évènement irrégularité ou [(OR - 1)*100)] % fois moins le risque de subir cet évènement.