Relation eau-assainissement et mortalité des enfants de moins de cinq ans en RDC.Approche par le modèle de Cox à risque proportionnel

i

Université ~e Xinsliasa

FACULTE DES SCIENCES ECONOMIEUES ET
DE GESTION

Département des Sciences Économiques
Option d'Économie Mathématique

B.P. 243 Kinshasa XI

RELATION EAI
·ASSAINISSEMENT ET MORTALITE
DES ENFANTS DE MOINS DE CINQ ANS DANS LA
~ILLE DE KINSHASA

(Approfite per k mat i! i Car à r#$i&e properl#~titiel)

Par

NGINAMAU MASUMU Ibrahim

9lddeé e.t Sue.tee4 5CO.t~MItifie4 et de 9e4tia.t

Mémoire présenté et défendu en vue de l'obtention du titre de Licencié en Sciences Économiques et de Gestion.

Directeur : Professeur KINTAMBU MAFUKU G. Rapporteur : C.T. LUWA KIYAB Daniel

,i.t.tée ,icadésuee 2006 - 2007

In memoriam

Mother! Mother! Mother! Tel que je t'appelais,

Ta disparition est désormais restée un souvenir

médiocre que je n'aurais jamais vécu.

Maman TONESA, tu ne cessais de venir à ma

rescousse.

Ton travail d'arrache-pieds, ton souci pour ta

progéniture légitime, ton amour pour ton foyer sont

tous non rémunérateurs ; cependant tributaires de ta

mort.

Je garde encore en mémoire ton image.

Que la terre de nos ancêtres te soit douce et fragile.

Epigraphe

« Ne pas avoir accès à l'eau et aux dispositifs

d'assainissement est un euphémisme courtois pour

désigner une forme de privation qui menace des vies,

détruit toute opportunité et porte atteinte à la

dignité humaine ; l'eau et l'assainissement figurent

parmi les médicaments préventifs les plus puissant

dont les gouvernements disposent pour faire baisser

le nombre de maladies infectieuses. Les

investissements dans ce domaine sont aux maladies

meurtrières telles que la diarrhée ce que la

vaccination est à la rougeole, ils sauvent des vies »

Dédicace

A la grande gloire de Dieu,

Au progrès de la science et des connaissances,

Au développement de la RDC,

Au bonheur et à la prospérité des familles.

Avant propos

Cinq années d'études universitaires suffisent pour justifier la rédaction d'un mémoire de fin d'étude. Ce dernier se présente généralement comme le catalogue d'une nouvelle invention dans la recherche scientifique destinée pour les bibliothèques de l'université. Mais quel contenu devons-nous donner à ce document ? A qui est-il destiné ?

En réalité, un mémoire de licence présente au bout de tout, un chapelet de bonnes intentions, lesquelles ont été soutenues par une étude empirique ou théorique dans un domaine très précis et pouvant faire déplacé les limites de la science au profit de la société. Comme disait toujours le Professeur KAMWIZIKU W'OZOLA MPANGI : «la flèche va haut mais sa demeure est en bas ».

Par ailleurs, si la réalité ci-dessus est vérifiée, alors non seulement que la RDC atteindrait un niveau avancé en recherche scientifique (compte tenu des publications nationales) mais également son échelle de développement serait sans conteste considérable s'il mettait en application ces différents résultats de recherches. Ce qui n'en est pas le cas.

Si nous acceptons tout haut que la RDC est un pays sous développé, il faut également avouer tout bas que le système éducatif en général et l'enseignement universitaire en particulier, a progressivement cédé sa place à un monde de médiocrité où la corruption est appelée « recommandation » conduisant par la suite l'ensemble du pays dans une forme d'éducation suicidaire des immoraux qui, au surlendemain, dirigeront le pays grâce à leur niveau fallacieux et mettront désormais une frontière entre l'université et leur nouvelle société dont la corruption est le sport national.

N'est-ce pas là une bombe à retardement pour la RDC ? Quel héritage devrons-nous léguer à la jeunesse future ?

vi

Remerciements

Nous exprimons toute notre gratitude envers tous ceux qui nous ont assisté, de près ou de loin, durant notre parcours universitaire. Leurs apports tant matériels que immatériels étaient indispensables pour l'accomplissement de notre rêve.

Nous disons croire et louange à notre Dieu de grâce de son amour incommensurable car sans lui nous ne valons rien ; nous sommes gratuitement bénéficiaire de sa grâce dont nous jouissons.

Nous remercions la grande famille MASUMU MANZA dont les membres sont Papa MASUMU MANZA Antoine, la défunte Maman TONESA Marie, les frères Dr MASUMU MANZA Jean-claude, Apollinaire NZAKI MASUMU (à Luanda), Guelord LUNZAYILADIO MASUMU (à Luanda), Cedrick KIESE MASUMU, Ghandi TOKO MASUMU Sans paquet, notre seule petite soeur et notre bijou Ornella NDONA MAZAYANGA, et le cadet Bravet MASUMU TONESA. Merci à Papa NGINAMAU Pierre(RVA-Kinshasa) mon père Parain de nom.

Notre attention affectueuse doit être également accordée à mes amis et relations. Il s'agit singulièrement de mon âme soeur Cathy TUBADI KANKU, mes amis du Staff FRIBOX business chez NELATELECOM à Kisenso(Riflart), Pitshou TOKO Dezombo Montana, Fiston NSINGI ZIKUETA Abalolo, Ir Djo PHANZU , Ir TSHIMLAY LANDU, Clovis MBODO, Del fich MAYA ,la soeur de tendance MADI(Actionnaire de MALEWA) et les autres petits.

Nous remercions également les camarades de lutte de l'université : Hence MATHODI LUMBU, Chritian OTCHIA SAMEN, Ecomathovitch WAMINUKU MANZAMBI, Delson NSINGI , Alain- joel THALU MASANGA, Guy LETA, Lewis KAMWANGA.

Enfin, nous ne pouvons pas oublier les professeurs, chef des travaux et assistant de la Faculté des Sciences Economiques et de Gestion. Le Professeur KINTAMBU MAFUKU, le Professeur MUKOKO SAMBA, le Professeur MUBAKE MUMEME Michel, le C.T LUWA KIYAB, assistant Blaise LEMFU.

Trouver tous ma gratitude dans cette rédaction.

vii

Liste d'abréviations

BCG	Bacille de Calmette et Guérin
COPEDEV	Coopérative de Développement
DIEPA	Décennie Internationale de l'Eau Potable et de Assainissement
DSCRP	Document de Stratégie de la Croissance et de la Réduction de la Pauvreté
DSRP	Document de Stratégie pour la Réduction de la Pauvreté
DTCoq	Diphtérie, Tétanos et Coqueluche
MICS	Multiple Indicator Cluster Survey
OMD	Objectifs du Millénaire pour le Développement
OMS	Organisation Mondiale de la Santé
PEV	Programme Elargi de Vaccination
PNUD	Programme des Nations unies pour le Développement
PPA	Parité du Pouvoir d'Achat
RDC	République Démocratique du Congo
RESP	Rapport de l'Etat, Santé et Pauvreté
SAS	Statistical Analysis Systems
UNICEF	United Nation Children's Fun (Fonds des nations unies pour l^'Enfance)
VAT	Vaccin A nti-tétanique
VIH	Virus de l'Immunodéficience Humain

INTRODUCTION

1. Problématique

A la clôture du sommet du millénaire à New York en septembre 2001, 189 chefs d'Etats ainsi que leurs gouvernements respectifs se sont proposé d'atteindre d`ici 2015 un certain nombre d'objectifs dits «les Objectifs du millénaire pour le développement¹ ». Ces derniers (objectifs) sont, dans leurs grandes lignes, libellés comme suit: faire disparaître l'extrême pauvreté et la faim, garantir à tous l'enseignement primaire, la promotion de l'égalité des sexes et l'autonomisation des femmes, la réduction de la mortalité infantile, l'amélioration de la santé maternelle, la lutte contre le VIH, un environnement durable et enfin mettre en place un partenariat mondiale pour le développement.

En ce qui concerne particulièrement le quatrième objectif, la RDC s'est proposé comme cible de réduire de deux tiers d'ici 2015, le taux de mortalité des enfants de moins de cinq ans dans la mesure où 213 enfants de moins de cinq ans pour mille naissances vivantes meurent chaque année². Cette situation se justifie en partie par un taux de 30% de la population ayant accès régulier au dispositif d'assainissement amélioré³.

Nul ne peut douter que gravir l'échelle de l'assainissement, c'est jouir de la perspective d'importants bienfaits en termes de santé publique. Mais les avancées en matière d'assainissement ne donnent des résultats optimaux qu'à condition d'être associées à des progrès dans le domaine de l'eau et de l'hygiène.

Les études transnationales montrent que la méthode d'élimination des matières fécales est l'un des principaux déterminants de la survie des enfants. La transition de l'assainissement non amélioré à l'assainissement amélioré s'accompagne en moyenne d'une réduction de plus de 30% de la mortalité infantile, les toilettes à chasse d'eau étant associées à des réductions beaucoup plus importantes que les latrines à fosse traditionnelle courante.

¹ Nations Unies, Rapport National de suivi de progrès des OMD pour la RDC 2004, page 12

² UNICEF, Rapport sur l'Enquête Nationale sur la situation des femmes et des enfants MICS-2 , 2001

³ PNUD, Rapport Mondial sur le Développement Humain 2006, page 308

L'accessibilité à l'eau potable et à l'assainissement amélioré contribue à briser les voies de transmission fécale-orale qui perpétue les problèmes de santé publique. L'incidence de la diarrhée est deux fois plus élevée chez les enfants des ménages dépourvus des toilettes que chez les enfants vivant dans les communautés sans infrastructure d'assainissement que chez ceux vivant dans des communautés pourvues des canaux de drainage et d'égouts. L'hygiène est un autre pointeur de santé publique. Les mains transmettent les agents pathogènes aux aliments et boissons et à la boucle de leurs hôtes potentiels.

Dans le monde contemporain, toujours plus prospère et interdépendant, plus d'enfants meurent faute de pouvoir accéder à une eau salubre et à des installations d'assainissement viables. La mortalité infantile est demeurée très élevée en RDC. La tendance n'a pas connu de renversement au cours des vingt dernières années. La dégradation a commencé depuis les années 80 et s'est amplifiée avec les crises successives des années 90. Les résultats des enquêtes MICS 1 et MICS 2 organisées sur l'ensemble du territoire national, respectivement en 1995 et 2001, placent la RDC parmi les pays à forte mortalité des enfants. Le taux de mortalité des enfants de moins de 5 ans est passé de 190%o en 1995 à 213%o en 2001. Plus d'un enfant sur cinq meurt avant d'avoir fêté son cinquième anniversaire. En 2001, le niveau de mortalité des enfants de moins de 1 an a été estimé à 126%o (126 enfants sur 1.000 ne fêtent pas leur premier anniversaire). Selon le rapport national de suivi de progrès pour la RDC, la mortalité infanto-juvénile varie sensiblement selon le milieu de résidence, le niveau d'instruction de la mère, le niveau de pauvreté des ménages et la province de résidence. Elle est nettement plus élevée en milieu rural, parmi les enfants nés de mères sans instruction et dans les ménages les plus pauvres. D'une façon générale, le taux de mortalité infantile est 58-60% plus élevé en milieu rural par rapport au milieu urbain, et le taux de mortalité infanto-juvenile 65% plus élevé⁴.

Ainsi, pour 1.000 naissances vivantes en 2001, 91 meurent avant d'atteindre 1 an si les parents vivent dans les zones urbaines. Le niveau est à 144 si les parents vivent dans les zones rurales. Globalement, le niveau de couverture vaccinale de tous les antigènes est encore faible en RDC, bien qu'une certaine amélioration ait été constatée au cours des dernières années. La proportion d'enfants de 1 an vaccinés contre la rougeole est de 54% en 2003 et la couverture vaccinale contre la tuberculose (B CG) est de 68%. Pourtant, selon les directives de l'OMS et de l'UNICEF, un enfant devrait recevoir, avant l'âge de 12 mois, les antigènes suivants: (a) le BCG pour le protéger contre la tuberculose, (b) trois doses de DTCoq pour le protéger contre la diphtérie, le

⁴ RDC-Rapport National sur les OMD, page 40

tétanos et la coqueluche, (c) trois doses de vaccin contre la poliomyélite et, (d) une dose de vaccin contre la rougeole⁵.

L'hygiène du milieu contribue à l'amélioration de la santé. Il s'agit surtout de la gestion des eaux usées et des déchets des ménages et des excrétas qui sont souvent des sources de contamination des maladies dues à l'insalubrité, telles que les maladies parasitaires, les épidémies de choléra et de la fièvre typhoïde.

Par ailleurs, selon le rapport de l'état, santé et pauvreté (RESP) en RDC, le taux moyen d'utilisation des services de santé est environ 0,15 consultation par habitant et par an⁶. En ce qui concerne l'utilisation des services hospitaliers, le nombre d'enregistrement hospitalier qui était de 35 pour mille 1000 habitants au cours de la décennie 80 est tombé à 15 pour mille habitants en 2001.

C'est dans ce cadre que notre étude porte essentiellement sur l'analyse des conditions sanitaires en RDC, en ce qui concerne particulièrement la gestion de l'eau et le mode d'assainissement dans la ville de Kinshasa. Cette étude cible en outre, le lien de vie entre l'accès à des types spécifiques d'infrastructure d'approvisionnement en eau et d'assainissement et l'évolution du risque des maladies ou de décès des enfants de moins de cinq ans.

2. Hypothèses de travail

Dans ce travail, nous considérons les propositions suivantes comme initialement admises :

1. L'étude porte essentiellement sur une enquête effectuée auprès des femmes âgées de 15 à 49 ans révolus ayant connues une naissance vivante au cours de dernières années. De ce fait, nous avons considéré une femme par ménage en supposant bien entendu que toutes les femmes au sein d'un même ménage sont identiques. Tous les caractères explicatifs de la mortalité sont indépendamment observés des sujets.

2. Les états sanitaires des enfants de moins de cinq ans sont liés à leur mode d'accès à l'eau potable et aux infrastructures sanitaires d'assainissement dans leur milieu de vie.

⁵ Nations Unies, Op. cit, page 40.

⁶ LE GOUVERNEMENT, Programme du gouvernement de la troisième République (2007-2011), page 16

3. Tous les enfants de 0 à 59 mois révolus sont soumis à un risque proportionnel de mortalité inhérent à l'accès à l'eau potable et à l'état de l'assainissement et ce risque est distribué en mois de naissance.

4. Les taux de mortalité des enfants de moins de cinq ans sont fonction de risque de mortalité et que les taux pour différents niveau de risques sont proportionnels.

3. Intérêt et objectif du sujet

L'étude de l'eau et de l'assainissement dans le cadre des facteurs de mortalité des enfants de moins de cinq ans trouve sont intérêt dans la problématique de la réduction de la pauvreté en République Démocratique du Congo et dans la réalisation des OMD en matière de santé d'ici 2015.

En effet, le concept de la pauvreté étant multidimensionnel du fait qu'il réunit plusieurs aspects de la réalité humaine selon telle ou telle approche, et donc, son explication ne peut être que relative. Notre volonté d'étudier la pauvreté dans le cadre d'accès à certains services jugés de base pour la vie occulte parfois sur le fait que la pauvreté soit un phénomène trop complexe pour être ramené à dimension unique notamment monétariste. La plupart de recherches ont pris l'habitude de fixer un seuil de pauvreté en se fondant sur généralement sur le niveau de revenu ou de consommation des ménage. Bien que cette approche mette en valeur une dimension importante de la pauvreté, elle parait limité en temps et en espèce, de même circonscrite dans un cadre culturel et monétaire bien précis.

C'est pourquoi, la présente étude se penche spécialement sur l'étude de la relation eau-assainissement et mortalité des enfants de moins de cinq ans dans la ville de Kinshasa. Ceci dans le but de déboucher à la mise en place des politiques adéquates en matière d'eau et d'assainissement afin de réduire le taux de mortalité des enfants de moins de cinq ans. Cette recherche a, en outre pour différents niveaux d'objectifs suivants:

1. Au niveau académique, cette étude initie les étudiants aux analyses économétriques surtout en ce qui concerne l'étude des modèles de survie tel que l'application du modèle de Cox dans la mesure du risque,

2. Au niveau national, cette recherche participe à l'élaboration des programmes nationaux dans le domaine de l'eau et de l'assainissement. Ce faisant cette étude contribue à la réalisation des Objectifs du millénaire pour le développement en République Démocratique du Congo d'ici 2015, et cela grâce à la politique publique d'élévation au rang de priorité des ensembles spécifiques d'interventions relatives aux

impacts de la réduction de la pauvreté en R.D.Congo sur la santé, la condition féminine et l'environnement,

3. Au niveau local ou communautaire, ce travail suscite dans le chef de ménages, la nécessité voire l'importance d'agir immédiatement dans le sens de l'amélioration de leur condition d'existence. En outre, cette étude est une interpellation conjointe aux autorités politiques pour la mobilisation des moyens nécessaires et à la prise de conscience de la part des communautés locales de bases de leur situation de vie.

4. Méthodologie du travail

« Toute recherche scientifique a une méthodologie qui lui est propre, spécifiquement rigoureuse, définie, transmissible et susceptible d'être appliquée à nouveau dans les mêmes conditions et adaptée au genre des problèmes et phénomènes en cause »⁷. En outre, la méthodologie suivie dans une étude est fonction de l'objectif poursuivi et des types de variables sous contrôles.

L'analyse des facteurs liés à la mortalité des enfants de moins de cinq ans est un vaste chantier qui exige la prise en compte d'une multitude de techniques d'analyses. C'est dans ce cadre que la présente étude se limite à l'analyse des facteurs de mortalité infantile liés à la santé à savoir l'eau et l'assainissement dans une sphère plus restreinte de la mesure de risque de mortalité. De ce fait, nous avons, à coté de la recherche documentaire, procédée à l'analyse économétrique afin de cerner quantitativement le risque de mortalité inhérent à l'accès à l'eau et à l'assainissement. La technique documentaire nous a permis d'approfondir le fondement théorique de la recherche à savoir la pathologie humaine.

Les méthodes d'analyse et d'interprétation des résultats dans ce travail sont les suivantes :

1. La méthode descriptive : cette méthode a fait l'objet d'une analyse exploratoire des données à travers les tableaux de distribution des fréquences des variables de contrôle et des analyses croisées entre caractères explicatifs du phénomène étudié. L'analyse descriptive porte essentiellement sur l'analyse exploratoire des variables suivantes : l'accès à l'eau de boisson selon la source d'eau à boire, la distance d'habitation et la source d'approvisionnement et le temps pour aller

puiser de l'eau; les types ou les lieux d'emplacement des latrines; la gestion des selles des enfants de 0 à 3 ans; le mode d'évacuation des eaux usées ou des ordures ménagères, les naissances survenues en dernière années de l'enquête et la fréquence des femmes des décès de femmes en âge de la reproduction(15 à 49 ans).

2. La méthode analytique: l'analyse des données est centrée sur la régression de cox à risque proportionnel. ce modèle, utilisant les données de l'enquête démographique sur la situations des femmes et des enfants en RDC ou l'enquête MICS 2(Multiple Indicator Cluster Survey), repose sur l'hypothèse que les taux de mortalité sont fonctions des risques de mortalité, et que les taux pour différents niveaux de risques demeurent proportionnels et constants dans le temps (Cox, 1972);

Cette méthode aboutie à l'estimation de la fonction de risque et à la précision du risque de mortalité par âge cumulé, lequel risque est associé au facteur significatif du modèle tel que illustré par les diagrammes hazard et de survie.

3. La méthode inductive: celle-ci consiste à la généralisation des résultats trouvés pour la ville de Kinshasa à l'ensemble du pays pour la mise place de nouvelles politiques économiques en ce qui concerne l'accès à l'eau et à l'assainissement.

Ces trois méthodes ont fait usage de l'outil informatique aux différents niveaux de l'analyse. Il s'agit principalement des logiciels ci- dessous: le MICROSOFT OFFICE EXCEL 2003 est utilisé essentiellement dans la construction des tableaux de fréquences des variables sous analyse, le logiciel SPSS for WINDOW 10.0 a effectué la régression de Cox entre la variable l'état des enfants de moins de cinq ans et un ensemble des covariables nécessaires pour l'analyse en présence d'une variable de durée dont on a préalablement défini l'événement. Il s'agit en bref de l'ensemble de la régression du modèle de Cox à risque proportionnel selon la méthode de maximum de vraisemblance avec « stepwise regression ». Pour la mise en tout du travail nous nous sommes servi du logiciel MICRFSOFT OFFICE WORD 2003. Enfin, le logiciel ADOBE READER 7.0 nous a permis dans la gestion de la base MICS 2 (en fichier PDF) de donnée sous analyse.

5. Délimitation du travail

L'analyse des problèmes d'eau et d'assainissement dans le cadre d'une politique de réduction de la mortalité des enfants de moins de cinq ans est une vaste investigation qui ne peut s'accomplir durant le temps record de notre recherche. Mais aussi il se pose un problème de disponibilité des données sur l'ensemble du pays. C'est pourquoi, nous nous sommes intéressé de l'impact de l'eau et de l'assainissement sur le risque de mortalité dans la ville province de Kinshasa afin de généraliser, par la suite, les résultats pour l'ensemble du pays.

6. Canevas du travail

A coté de l'introduction et de la conclusion, ce travail compte quatre chapitres. Le chapitre premier consiste à l'exposé du modèle de mesure du phénomène étudié, le deuxième porte sur les fondements théoriques de la recherche à savoir l'économie de la santé, le troisième est dédié à la description des facteurs de la mortalité infantile et enfin le quatrième chapitre de ce travail est consacré à la modélisation de la fonction de risque de Cox afin de mesurer le risque inhérent à différents âges. Ce dernier chapitre fait suite au premier mais il parait plus empirique.

CHAPITRE PREMIER

E~IDE DI M~DELE D'ANAL YSE

1.1. Contexte de l'étude

L'accès à l'eau et à l'assainissement est une question de vie ou de mort. Mais quels sont les risques aux quels sont confrontés ceux qui n'y ont pas accès ? Si l'on considère l'ampleur du problème en terme des maladies et de décès pour le cas spécifiquement des enfants de moins de cinq ans, il est surprenant de constater à quel point la question évoquée précédemment suscite peu d'intérêt dans la littérature conjoncturelle.

Ce chapitre présente une étude charpentée sur le risque de mortalité lié à l'accès à l'eau et l'assainissement. Il présente en outre des techniques d'analyses utilisées ou mieux adaptées dans le domaine de la recherche médicales et économique pour analyser la relation entre le comportement ou traitement et la santé.

En épidémiologie étiologique, on est amené à prendre en compte simultanément le rôle de plusieurs facteurs de risque dans la survenue d'une maladie. En recherche clinique, on cherche à établir la relation liant une maladie à des facteurs pronostiques. Les modèles multi variés permettent de représenter la variable étudiée en fonction de plusieurs autres variables. Les principaux modèles utilisés sont la régression linéaire multiple, la régression logistique ou le modèle logit, le modèle de COX, etc.

Le choix du type de modèle est lié à la nature des variables

considérées.

· La régression linéaire multiple : dans ce type de relation la variable à expliquer est quantitative, sa distribution est normale.

· La régression logistique : ici par contre la variable à expliquer est dichotomique, les variables explicatives peuvent être qualitative ou quantitative. Ce modèle permet de déterminer la probabilité de survenu de l'événement étudié en fonction des facteurs explicatifs.

· Le modèle de Cox : la variable expliquée est dichotomique, les variables explicatives peuvent être qualitatives ou quantitatives. Ce modèle permet d'exprimer le risque instantané de survenue d'un événement en fonction des facteurs explicatifs.

Dès lors, notre recherche repose sur ce dernier type de modèle de Cox à risque proportionnel de réalisation d'un phénomène sous étude. Mais bien avant, il sera question de baliser le chemin à travers la grande famille de modèles notamment celui de survie auquel le modèle de Cox prête une partie de ses interprétations.

1.2. Le modèle de durée de vie 1.2.1. Généralités

On rappelle tout d'abord quelques fonctions associées à une durée de vie et leurs propriétés. La loi de distribution d'une variable aléatoire continue à densité est totalement caractérisée par celle-ci, ou tout aussi biens par la fonction de répartition associée.

Dans le cas d'une variable aléatoire modélisant une durée de vie (supposée continue à densité) ; on a coutume, en démographie mathématique, de considérer d'autres fonctions également caractéristiques, et pour certaines d'interprétations plus immédiates.

Soit une variable aléatoire de durée de vie. On désignera par :

· f(t) la densité à valeurs dans ^R+ (?80 f(x)dx=1) ;

· F(t)=P(T<t)=?t0f(x)dx la fonction de répartition, qui mesure la probabilité de mourir au plus tard en temps t.

· S(t)=P(T=t)=1-F(t)= ?8t f(x)dx la fonction de survie, qui mesure la probabilité de survivre à temps t.

· h(t)=F(t)/s(t)=-d(ln(s)/dt) la fonction de risque, « hazard function » pour les Anglo-saxons et parfois force de mortalité(désuet). Elle s'interprète comme la densité de mortalité en temps t conditionnée par la survie jusque-là. Cette fonction est à cheval entre les deux fonctions précédentes.

· H(t)= ?t0 h(x)dx la fonction de risque cumulé

· e(t) l'espérance de survie si on a vécu jusqu'à temps t.

Notons que n'importe laquelle des fonctions ci hautes est caractéristique de la distribution de durée de vie. Voici quelques unes des autres relations qui les lient :

· S(t) = exp (-?t0h(x)dx) ou h(t)=d[ -ln(S(t))]dt

· H(t) =-ln[s(t) ]

· e(t)= [?8t s(x)dx ] / s(t)

1.2.2. Les distributions classiques

Nous présentons à titre d'exemple quelques familles de distributions usuelles avec leurs propriétés.

A. Distributions exponentielles (un paramètre ë positif)

f(t)= ë exp (-ët)

s (t) =exp (-ët)

h(t)= ë

H(t)= ët

C'est la distribution à risque constant ou sans mémoire. Cette propriétaire est caractéristique ; il est équivalent de dire que le logarithme de survie Ls=ln(s), est linéaire.

Il est par ailleurs à noter que le mélange des distributions exponentielles ne donne pas une distribution exponentielle (de même que celui de loi normale ne donne pas une loi normale).

B. Distributions de Weibull (deux paramètres a et â, positifs).

Ces fonctions présentent les formes ci-après :

· f(t)= aâ(ât) c-1exp[~ât) a]

· S(t)=exp[-(ât) ^a]

· h(t)= aâ(ât) ^a-1

· H(t)= (ât) a

Pour a=1 on retrouve la distribution exponentielle comme pour celui-ci, la fonction de risque est monotone. Le logarithme de l'antilogarithme de la fonction de survie : ln[-ln(s) ] parfois abusivement noté LLs, est une fonction affine, cette propriété est caractéristique.

La distribution de Weibull est une distribution théorique fréquence = f(vitesse) qui est une bonne approximation de la plupart des histogrammes des vitesses de vent. Elle comporte deux paramètres: le paramètre de forme et le paramètre d'échelle. Nous utilisons un paramètre de forme constant égal à 2. Quant au paramètre d'échelle, il est proportionnel à la vitesse moyenne comme l'indique le graphique ci-dessous indiquant la forme de la distribution de Weibull.

Graphique 1: La distribution de Weibull

Source :www.windatlas.ca/fr/faq.php

C'est cette distribution approchée qui est utilisée dans la formule de turbine au lieu de l'histogramme complet, ce qui simplifie grandement le calcul de la puissance produite par la turbine. Tel était le but pour lequel la distribution de Weibull a été utilisée pour la première fois.

C. Distribution log-normal( deux paramètres a et â positifs)

C'est la loi d'une variable aléatoire dont le logarithme suit la

lois N[ln(1/a), â]

f(t)= [1/ât(2ð)¹/²]exp { [-ln(ta) ]²/2â² } où ð la probabilité de survie

s(t)=1-Ö[ln(ta)/ â] où Ö est la fonction de répartition de la loi normale N(0,1).

1.2.3. Estimation des modèles

Les modèles de survie se prêtent à divers types

d'estimations :

· L'estimation fonctionnelle (ou non paramétrique), qui vise à approximer l'une ou plusieurs des différentes fonctions caractérisant la distribution observée (F ou h le plus souvent) sans faire d'hypothèse sur celle-ci.

cette procédure est exécutée suivant trois étapes (procédure SAS). Il s'agit de la procédure LIFEREG, LIFETEST et la procédure PHREG pour l'estimation de modèle à risque proportionnel tel que le modèle de Cox dans l'utilisation du logiciel SAS (Statistical Analysis Systems).

· L'estimation paramétrique qui, ayant retenue une forme de distribution donnée (par exemple la loi exponentielle ou la loi de WEIBULL)⁸ cherche à en estimer les paramètres. Un terme correctif pouvant prendre en compte l'effet de variables exogènes ou covariables.

Exemple / : le modèle à temps accéléré : S(t/x)=S0(t eâx) où So représente la fonction de survie de base retenue, Xj un vecteur des covariables et âi les coefficients associés.

Exemple 2 : le modèle à risque proportionnel : h(t/x)=ho(t) eâx où ho est la fonction de risque de base retenue.

· L'estimation semi paramétrique qui, pour des modèles de la forme précédente cherche à estimer l'influence des facteurs exogènes sans hypothèse concernant la distribution de base.

Par ailleurs, une difficulté supplémentaire provient du fait que les données peuvent être tronquées ou censurées. Pour nous limiter à ce cas, on dira qu'une observation de durée de vie est censurée à droite si on connaît non la date décès mais simplement une date de dernière observation du sujet vivant ; ce serait renoncer à une part d'information que d'écarter une telle observation, son exploitation demande néanmoins un traitement particulier. Mais que signifie exactement le terme « censure » dans l'analyse économique des séries de durée de vie ?

Il sied de noter que pour chaque sujet dans une étude de durée de vie, on connaît la date du début de l'observation (date d'origine), la date des dernières nouvelles et l'état par rapport à l'événement étudié. Les sujets pour lesquels on ne connaît pas l'état à la date de fin de l'étude ou ceux dont la réponse par rapport à la survenue de l'événement est négative, constituent tous des données censurées.

Le terme censure est beaucoup plus utilisé en démographie.

A. Le modèle à temps accéléré

Ce modèle suppose que la fonction de survie S(t) conditionnée par les variables exogènes que nous désignons globalement par x, se ramène à une fonction de survie de base So(t), selon une relation :

8 http://www.windatlas.ca/fr/faq.php

S(t/x)=So(t eâx)

Où â désigne le vecteur des coefficients associés aux variables. L'estimation d'un tel modèle demande que soit spécifiée la distribution de base, elle opère par la méthode classique du maximum de vraisemblance que nous développerons dans les pages qui suivent.

B. Le modèle à risque proportionnel

Ce modèle, introduit par COX, suppose que la fonction de risque h(t) conditionnée par les variables X se ramène à une fonction de risque de base h0(t) selon la relation :

h(t/x)=ho(t) eâx

C'est en outre le risque lui-même qui est « modulé » en fonction des variables exogènes. Ce modèle, qui en général, n'est pas équivalent au précédent présente les particularités suivantes :

1. Il est caractérisé par des courbes LLs (ou ln [-ln(s) ], logarithme de l'antilogarithme de la fonction de survie) parallèles pour les diverses combinaisons des variables des covariables, ce qui permet une identification géométrique sur ces courbes estimées.

2. Il est possible d'estimer les coefficients âi sans faire d'hypothèse sur la forme de ho (il est néanmoins possible d'estimer la distribution de base).

3. On peut inclure dans les exogènes des variables dépendant du temps, dont la significativité éventuelle permet de récuser le modèle. Le cas le plus simple est celui où les exogènes se réduisent à une variable indicatrice permettant aussi de tester l'homogénéité de deux sous populations.

1.2.4. Méthodes d'estimation des modèles de survie

La méthode la mieux indiquée pour la prise en compte simultanément du rôle de plusieurs facteurs de risque dans la survenue d'une maladie est celle de maximum de vraisemblance. Elle est souvent utilisée sur des données épidémiologiques. Sa spécificité tient surtout dans la prise en compte de la censure dans la détermination des estimateurs.

Il va donc sans dire que parmi les hypothèses qui sous- tendent l'utilisation de moindre carré ordinaire, utilisée dans la plupart de régression, nous notons la normalité des erreurs qui est faite pour faciliter la construction des intervalles de confiance et pour faire de l'inférence. Si cette

hypothèse est retenue, les estimateurs des moindres carrés coïncideront avec les estimateurs obtenus avec la méthode de maximum de vraisemblance.

La méthode du maximum de vraisemblance est basée sur l'idée que si nous nous trouvons en présence des possibles valeurs différentes pour un paramètre nous choisirons la valeur avec laquelle le modèle générait avec plus de probabilité, l'échantillon observé. Ainsi, étant donné valeur déterminée d'un paramètre, il faut que nous puissions avoir la possibilité d'établir la probabilité que l'échantillon soit généré. Cette expression qui est

fonction des paramètres inconnus (â0, â1, ä²u) est appelée fonction de vraisemblance que l'on écrit:

L (â0, â1, ä²u)= 1/ [ (2ð ä²_u]T/²exp{ Ó(y- _â0- â1xt/-2 ä²)}

La méthode de maximum de vraisemblance consiste donc à maximiser la fonction de vraisemblance. Pour simplifier le calcul, on considère Log L à la place de la fonction L puisque L est une fonction monotone dont son logarithme atteindra sa valeur maximum au même point que L.

Ainsi l'expression précédente devient:

à à

Log L=- T/2 log (2ð) - T/2 log (ä²u) - 1/2 ^ä2 Ó (y- â0- â1xt)²

Dans le cadre de cette étude, la méthode d'estimation aboutira à la détermination des probabilités de survie individuelles, soit:

t

· S0(t)= ? ajà la probabilité de survie au temps t. j=1

t

· Si(t)= ? ajà exp (xiâ ) t

j=1 .

La probabilité de survie au temps t pour un individu i des covariables xi

Le vecteur des estimateurs de maximum de vraisemblance aià est obtenu numériquement comme solution de:

Ó (uk /1- aiuk) = Ó(ul)

K°Fi l °R(t_i)

Avec uk=exp (xkâ) ; Fi l'ensemble des individus décédant à ti et R(ti) l'ensemble des individus à risque à ti.

Lors que les dates de décès sont distinctes, une solution analytique existe. Elle est donnée par :

ajà =[1-( ui/ Ó (ul ) ] ui-1l °R(ti)

C'est l'estimateur KAPLAN-MEIER.

On peut retrouver cet estimateur dès lors que xi=0 pour tous

les individus.

t

Soit S(t)= ? (nj-dj ) /nj

j=0

1.3. Modèle de KAPLAN-MEIER 1.3.1. Principe d'estimation

La méthode d'estimation de Kaplan Meier (KM) est aussi appelée par les statisticiens anglosaxons Product Limit Estimations (PLE). Le point central de cette méthode est l'estimation de la distribution de la fonction de séjour ou survie S(t), c'est-à-dire, la distribution au cours du temps de la probabilité de ne pas avoir connu l'événement auquel on s'intéresse. En d'autres termes, l'intérêt porte plus sur le fait de rester dans une situation que sur la transition vers une autre situation.

1.3.2. Estimation de la fonction de séjour

Si T, variable aléatoire, représente la durée écoulée depuis un instant to pour chaque individu avant qu'il n'ait connu l'échéance de l'événement alors :

S(t) = P(T > t)

Lorsque le temps est considéré de manière discrète, si ti représente un instant au cours duquel il y a l'observation d'au moins un événement, alors la probabilité de survie au temps ti est égale à la probabilité d'avoir survécu avant ti multipliée par la probabilité « conditionnelle » de survivre au temps ti. L'emploi du terme « conditionnel » veut dire ici qu'il s'agit de la probabilité de survivre au temps ti sachant que les individus étaient survivants en ti:

S(ti )=S (ti-1 )* P(T>ti /T=ti )

Ces différentes probabilités sont estimées à partir de l'effectif de la population qui est soumis au risque de connaître l'événement, ainsi qu'à partir de l'effectif des personnes qui connaissent l'événements en ti. Appelons di et ci, les effectifs des individus qui, respectivement, connaissent l'événement et sortent d'observation (censures à droite) en ti. L'effectif Ni des individus soumis au risque de connaître l'événement en ti correspond à l'ensemble des individus qui, juste avant que cet instant ti n'ait été atteint, n'avaient, ni connu l'événement observé, ni n'étaient sortis d'observation. En d'autres termes, l'effectif de la population soumis au risque représente l'ensemble des individus qui connaîtront ou qui sortiront d'observation en ti ou après. Dans le cas de l'estimation de Kaplan-Meier, on considère que les sorties d'observation ci ont lieu une fraction de temps après les échéances di (Blossfeld et Rohwer, 2001). Dès lors, la proportion hi des individus qui ont connu l'événement à l'instant ti correspond à :

hi = di/Ni

Et, dans ce cas, (1-hi ) représente la proportion de personnes n'ayant pas connu l'événement, la probabilité de survie en ti devient alors :

S(ti)=S (ti-1) (1-hi )

Par extension, S(t) correspond au produit de toutes les probabilités de n'avoir pas connu l'événement depuis le début de l'observation :

S(t )= ?(1-hi)

ti<t

1.4. Méthode d'estimation actuarielle

Nous garderons ici une structure de présentation des méthodes d'estimation actuarielles similaire à celle que nous avions adopté lors de la présentation des méthodes de Kaplan Meier. Les méthodes actuarielles sont plus orientées dans l'analyse statistique et dans le calcul des probabilités appliquées dans des domaines diverses tels que dans l'assurance, la prévoyance, dans le calcul d'amortissement,...

Principe d'estimation des différentes distributions A. Estimation du risque et du risque cumulé

Les méthodes d'estimation actuarielle reposent sur l'hypothèse selon laquelle le risque instantané hi est constant tout le long de l'intervalle de temps (Le Goff, 1994). On considère, en outre, que les échéances, et les sorties d'observation, ont lieu uniformément durant l'intervalle de temps [ti, ti÷i[. Ainsi, si l'intervalle de temps pris en compte est d'une année, on considère qu'il y a autant de personnes qui connaissent l'événement en janvier, février, ou en décembre. Il en est de même en ce qui concerne les sorties d'observation.

Ceci signifie que les individus qui sortent d'observation ou qui connaissent l'événement durant cet intervalle de temps sont, en moyenne, soumis au risque de connaître l'événement pendant la première moitié de cet intervalle de temps (les six premiers mois de l'année). En conséquence, la population soumise au risque de connaître l'événement durant l'intervalle de temps correspond à l'effectif de la population qui n'avait pas encore connu l'événement au début de cet intervalle, diminuée de la moitié des personnes ayant connu l'événement d'une part et de la moitié des personnes étant sorties d'observation d'autre part. Rigoureusement parlant, il s'agit en fait du nombre d'enfants-années présents, en moyenne, au cours de l'intervalle de temps.

Si di représente l'effectif des enfants connaissant la transition entre ti et ti÷i, ci le nombre des sorties d'observation au cours de cet intervalle de temps et si Ni est l'effectif des enfants soumis au risque en ti, alors Pi, le nombre de enfants- années durant l'intervalle de temps sera :

Pi=Ni-1/2(di+ci)

L'estimateur du risque h(ti) est :

h(ti)=di/Pi

di

=

Ni-1/2(di+ci) (Courgeau et Lelièvre, 1989)

Par ailleurs le risque cumulé H(ti) est estimé à partir des valeurs de h(tk) où k(1,2,...,i) par :

H(ti)= Ó log[1 -h(tk )]

k<i

Si les valeurs de h(tk) sont petites (de l'ordre de 0,01 à 0,05), ce qui est très fréquemment le cas, l'estimation de H(ti) pourra être simplifiée par :

H(ti)= Ó [h(tk)]

k<i

B. Estimation de la distribution de la fonction de séjour et de la densité de
probabilité

Dans les tables classiques de démographie, par exemple, la table de mortalité, il est d'usage de présenter la série des « quotients ». Ces quotients correspondent à la probabilité de connaître l'événement durant l'intervalle de temps considéré, conditionnellement au fait que les individus n'avaient pas encore connu cet événement au début de l'intervalle de temps. Si qi représente le quotient de connaître l'événement durant l'intervalle de temps [ti, ti÷1[, alors :

di

qi=

Ni-1/ 2ci

et (1-qi) représentera la proportion des personnes n'ayant pas connu l'événement. L'estimateur non-paramétrique de la fonction de séjour sera estimé par :

S(ti)=S(ti-1)(1-qi)

Par extension, S(ti) correspond alors au produit de toutes les probabilités de n'avoir pas connu l'événement entre le début de l'observation et ti :

S(ti)= ? (1-qi)

t <t i

La variance de S(ti), qui permet ensuite d'obtenir l'écart type et l'intervalle de confiance, est estimée de la façon suivante (Blossfeld et Rohwer, 2001):

dk/ Nk

Var [S(ti) ]=[S(ti) ]² Ó

^k<i (1-dk/ Nk)ki

Par ailleurs, la densité de probabilité f(ti) est :

f (ti) =h(ti)S (ti)

1.5. Le modèle de durée de vie

Il arrive souvent que vous souhaitiez examiner la distribution des temps entre deux événements, telle que l'ancienneté (durée entre la date d'embauche et le départ de l'entreprise). Cependant ce type de données inclut généralement certaines observations pour lesquelles le second événement n'est pas enregistré, par exemple pour les employées toujours en activité. Cela peut se produire pour plusieurs raisons : pour certaines observations, l'événement n'a simplement pas lieu avant la fin de l'étude tandis que pour d'autres, nous perdons la trace de leur état avant la fin de l'étude. Certains observations, enfin, ne peuvent plus être poursuivies pour des raisons indépendantes de l'étude (employés en conge maladie, etc.) collectivement, on appelle ces observations des observations censurées. Elles rendent ce type d'étude inappropriée aux études traditionnelles comme les tests t et la régression linéaire.

Une technique statistique utile pour ce type de donnée est appelée une durée de vie de suivi. L'idée de base de la durée de vie est de subdiviser la période d'observation en intervalles de temps plus petits. Pour chaque intervalle, tous les individus observes au moins sur cette durée sont utilises dans le calcul de la probabilité de l'événement final qui se produit au cours de cet intervalle. Les probabilités estimées sur chaque intervalle sont ensuite utilisées pour estimer la probabilité globale de l'événement se produisant a différentes dates.

Exemple : un patch à la nicotine est-il plus efficace que le traitement par patch traditionnel pour aider des patients a arrêter de fumer ? Vous pouvez mener une étude à l'aide de deux groupes de patients fumeurs, l'un recevant une thérapie classique et l'autre le traitement expérimental. La construction de la durée de vie vous permet de comparer les taux d'abstinence globale entre les deux groupes pour déterminer si le traitement expérimental constitue un progrès par rapport à la thérapie classique. Vous pouvez également représenter graphiquement la survie ou les fonctions de hasard pour obtenir des informations plus détaillées.

Statistiques : nombre d'entrants, nombre de sortants, nombre d'individus exposes au risque, nombre d'événements finals, proportion d'individus terminant, proportion d'individus survivants, proportion de survivants cumulés (et erreur standard), densité de probabilité (et erreur standard), taux de hasard (erreur standard) pour chaque intervalle de temps et pour chaque groupe, temps de médiane de survie pour chaque groupe et test de wilcoxon (gehan) pour comparer les répartitions de survie entre les groupes.

Diagrammes : fonction pour survie, survie sur échelle log, densité, taux de hasard, et un moins survie.

1.6. Le modèle de Cox à prédiction chronologique

A coté des modèles de Kaplan Meier, de durée de vie, on note également le modèle de Cox à prédiction chronologique dans la famille des modèles de survie.

Dans certaines situations vous souhaiteriez calculer un modèle de régression de Cox mais l'hypothèse des probabilités proportionnelles n'est pas satisfaite. Les taux de probabilité varient dans le temps. Les valeurs de l'une ou plusieurs de vos covariables sont différentes à différentes dates. Dans ce cas, vous devez utiliser une version étendue du modèle de régression de Cox, vous permettant de spécifier des prédicteurs chronologiques.

Pour analyser un tel modèle, vous devez avant tout définir votre covariable chronologique. (Plusieurs covariables chronologiques peuvent être spécifiées à l'aide du langage de commande.) Pour faciliter cela, vous disposez d'une variable système représentant le temps. Cette variable s'appelle T_. Vous pouvez l'utiliser pour définir des covariables chronologiques de deux façons :

Si vous souhaitez tester l'hypothèse des probabilités proportionnelles à propos d'une covariable spéciale, ou si vous souhaitez estimer un modèle de régression de Cox étendue qui autorise les probabilités non proportionnelles, vous pouvez définir un prédicteur chronologique sous la forme d'une fonction de la variable de temps T_ et de la covariable en question.

Exemple : le simple produit de la variable de temps et de la covariable. Vous pouvez également définir des fonctions plus complexes. En testant la signification du coefficient de la covariable chronologique, vous saurez si l'hypothèse des probabilités proportionnelles est pertinente.

Certaines variables peuvent avoir différentes valeurs à des périodes différentes sans pour autant être liées au temps (chronologiques). Dans ce cas, vous devez définir une covariable chronologique segmentée à l'aide d'une expression logique. Les expressions logiques prennent la valeur 1 si elles sont vraies, 0 si elles sont fausses. A l'aide d'une série d'expressions logiques, vous pouvez créer votre covariable chronologique à partir d'un ensemble de mesures. Par exemple, si votre pression artérielle est prise une

fois par semaine pendant les quatre semaines de votre étude, (mesures identifiées par PA1 à PA4), vous pouvez définir votre prédicteur chronologique sous la forme (T_ < 1) * PA1 + (T_ >= 1 & T_ < 2) * PA2 + (T_ >= 2 & T_ < 3) * PA3 + (T_ >= 3 & T_ <4) * PA4. Notez qu'un et un seul des termes entre parenthèses est égal à 1 pour chaque cas, tandis que les autres termes sont égaux à 0. Cette fonction peut être interprétée ainsi : "Si le temps est inférieur à une semaine, utilisez PA1. S'il est supérieur à une semaine mais inférieur à deux, utilisez PA2, et ainsi de suite".

Pour les covariables chronologiques segmentées, les observations pour lesquelles il manque des valeurs sont supprimées de l'analyse. Vous devez donc vous assurer que toutes les observations sont pourvues de valeurs pour toutes les dates mesurées, même pour les dates après que l'observation est retirée de l'univers des possibles (à cause d'un événement ou de la censure). Ces valeurs ne sont pas utilisées dans l'analyse mais elles doivent constituer des valeurs SPSS valides pour éviter l'abandon de certaines observations. Par exemple, selon la définition ci-dessus, une observation censurée lors de la deuxième semaine doit toujours avoir des valeurs pour PA3 et PA4 (ces valeurs peuvent être nulles ou de tout autre valeur, puisqu'elles ne servent pas dans l'analyse).

Dans la boîte de dialogue Calculer la variable temporelle, vous pouvez utiliser des commandes de construction de fonction pour construire l'expression pour le prédicteur chronologique ou bien vous pouvez l'entrer directement dans Expression pour la zone de texte T_COV_. Notez que les constantes alphanumériques doivent être saisies entre guillemets ou apostrophes, tandis que les constantes numériques doivent être en format Américain avec un point en tant que séparateur décimal. La variable résultante s'appelle T_COV_ et doit être incluse en tant que covariable dans votre modèle de régression de Cox.

1.7. Le modèle de Cox à risque proportionnel 1.7.1. Introduction

L'analyse du risque est de plus en plus utilisée en médecine pour découvrir de nouvelles cibles thérapeutiques en vue d'améliorer le mode de traitement des maladies. De ce fait, les résultats de l'analyse seront donc des réservoirs convainquant pour la prise des décisions des autorités compétentes. Cette analyse suppose la prise en compte de l'expression des divers variables explicatives dont la combinaison aboutira à la prédiction du risque de mortalité.

Le modèle de régression à risque proportionnel proposé par COX en 1972 pour étudier la relation entre le temps d'apparition d'un événement et un ensemble de covariables en présence de censure est, sans conteste, le modèle le plus utilisé pour l'analyse des données de survie. Il suppose cependant, comme tout modèle de régression multiple, plus d'observations que des variables non fortement corrélées entres elles ; même si ces contraintes deviennent souvent rédhibitoires dans la pratique.

1.7.2. Les principes généraux et définitions

Le modèle de COX s'applique souvent aux études cliniques et surtout à toute situation où l'on étudie le délai de survenue d'un événement. Cet événement peut être la récidive d'une maladie, la réponse à traitement, le décès,...Les sujets entrent dans l'étude au fur et à mesure qu'elle se déroule. Pour chaque sujet, on connaît la date du début de l'observation (date d'origine), la date des dernières nouvelles et l'état par rapport à l'événement étudié. Le sujet pour lesquels on ne connaît pas l'état à la date de fin de l'étude ou ceux dont la réponse par rapport à la survenu de l'événement est négative constitue des données censurées.

Les valeurs des variables explicatives Xj sont notées pour chaque sujet à la date de son entrée dans l'étude. Ces variables peuvent être qualitatives ou quantitatives. Le variable considérée (T) est le délai entre la date d'origine et la date de survenue de l'événement étudié. Le modèle de Cox permet d'exprimer le risque instantané de survenue de l'événement en fonction de l'instant t et des variables explicatives Xj. Ces variables peuvent représenter des facteurs de risque, des facteurs pronostiques, des traitements, des caractéristiques intrinsèques au sujet,...

Le risque instantané de survenu de l'événement ë (t/ x1, x2,..., xp) représente la probabilité d'apparition de l'événement dans un intervalle de temps (t, t+st) sachant que l'événement ne s'est pas réalisé avant l'instant t. le modèle de Cox exprime ë (t/ x1,x2,...,xp) sous la forme :

p

ë ( t/x1,x2,...,xp) = ë0(t) exp { Ó âi xj }

j=1

Cette formule appelle quelques commentaires :

2. Si par exemple, les variables Xj représentent des facteurs de risque et si
elles sont toutes égales à 0, ë0(t) est le risque instantané de sujets ne présentant aucun facteur de risque ;

3. La forme de ë0(t) n'étant pas précisée, c'est plutôt l'association entre
variables Xj et la survenue de l'événement considéré qui est l'intérêt central du modèle. Cela revient à déterminer les coefficients âj ;

4. Le rapport des risques instantanés de deux individus dont les
caractéristiques respectives sont (x1,x2,..., xp) et (x'1,x'2,..., x'p) est donné par :

(x1, x2,..., xp) exp (Ó âj xj)

=

(x'1,x'2,..., x'p) exp (Ó âj x'j)

Ce rapport ne dépend pas du temps. De tels modèles sont dits à risques proportionnels. C'est une hypothèse importante du modèle de Cox.

1.7.3. Interprétation théorique des coefficients du modèle

Soit Xi la variable dichotomique qui prend les valeurs 0 ou 1 selon l'absence ou la présence de le caractéristique considérée. Le rapport à la classe 0 est :

ë (t, 1)/ ë(t, 0) = eâ

Le coefficient â est donc le logarithme du risque instantané relatif de la classe 1 par rapport à la classe 0.

De façon générale, les coefficients âj représentent l'effet de la caractéristique Xj et la survenue de l'événement. Si âj est nul, la j-ième caractéristique n'a pas d'influence sur l'événement considéré. Si âj est positif et si deux sujets ne diffèrent que par la j-ième caractéristique, alors ils sont associés à un risque instantané plus élevé. Inversement, si âj est négatif, des valeurs élevées de la j-ième caractéristique sont associées à un risque instantané plus faible.

L'interprétation théorique des coefficients repose

particulièrement sur le signe de la spécification économique. Cependant, une probabilité positive indique bel et bien la possibilité de réalisation de l'événement sous analyse peu importe sa grandeur numérique. Ceci est vrai dans la mesure où, dans l'analyse statistique des variables stochastiques, une faible probabilité peut effectivement rendre l'événement certain pour l'individu i et non pour l'individu j contraire pour une probabilité importante

qui, au premier regard, peut prétendre avoir le maximum de possibilité de réalisation de l'événement.

1.7.4. Estimation et tests paramètres 1.7.4.1. La méthode de maximum de vraisemblance

C'est une technique qui, sous l'hypothèse que les variables ont une distribution connue, usuellement la distribution normale, permet d'estimer les paramètres d'un modèle (d'une équation ou d'un système, linéaire ou non linéaire) avec des restrictions sur les paramètres (coefficients, matrice de variances et covariances) ou non. Plus spécifiquement la technique consiste à construire une fonction appelée fonction de vraisemblance (construite à partir de la fonction de densité) et à maximiser son logarithme par rapport aux paramètres inconnus.

Par exemple, soit un modèle de régression simple:

Où Yt et Xt sont des scalaires,

sont des paramètres à estimer, et

est identique et indépendamment distribué selon une loi normale .

La méthode du maximum de vraisemblance est la suivante:

1. D'abord, on construit la fonction de vraisemblance qui est définie comme la fonction de densité conjointe des t observations:

2.

Dans nôtre cas, dû au fait que les observations sont indépendantes, cette fonction est calculée comme le produit des fonctions de densité des observations individuelles:

Parce que la variable est distribuée selon une loi normale, est aussi

distribuée selon une loi normale (une combinaison linéaire de variables normales est aussi normale). Par conséquent la fonction de vraisemblance est:

3. Ensuite, pour faciliter la solution du problème de maximisation on calcule le logarithme de la fonction de vraisemblance (les résultats de la maximisation de la fonction de vraisemblance exprimée ou non en logarithmes sont identiques):

.

4. Finalement on maximise le logarithme de la fonction de vraisemblance par rapport aux paramètres inconnus

On obtient un système de trois équations constituées par les conditions de premier ordre du problème de maximisation (les dérivées du logarithme de la fonction de vraisemblance par rapport à chacun des paramètres sont égalisées à zéro). Dans ce problème les estimateurs peuvent être facilement obtenus à partir de la solution du système.

Mais, très souvent, on obtient un système d'équations difficile à résoudre, raison pour laquelle on fait appel à des méthodes numériques, basées sur l'utilisation intensive de l'ordinateur (méthodes itératives). Le problème avec cette méthode est qu'on ne peut pas savoir si les estimations maximisent localement ou globalement la fonction de vraisemblance et par conséquent le choix des valeurs initiales pour les paramètres du modèle est important.

Cette méthode permet de calculer, à partir d'un échantillon observé, la (les) meilleure(s) valeur(s) d'un paramètre d'une loi de probabilité. En voici le principe:

Si un phénomène X a été l'objet de n observations indépendantes x1, x2, ..., xn les unes des autres, sa loi de probabilité (dans le cas discret : loi binomiale, loi de Poisson) ou sa densité (en cas de loi continue, comme la loi normale) est une fonction f (x, p1, .., pk) où les pk sont les paramètres de la loi. Afin de calculer ces paramètres, on cherche à maximiser la probabilité de la conjonction des valeurs effectivement observées x1, x2, ..., xn. L'indépendance permet d'écrire que le produit:

f(x1, p1, .., pk) x f(x2, p1, .., pk) x ... x f(xn, p1, .., pk) doit être maximum. La condition nécessaire s'obtient en annulant chaque dérivée partielle de f par rapport à p1, p2, ..., pk. L'expression à dériver étant un produit de nombres strictement positifs, on aura tout intérêt à prendre les dérivées logarithmiques.

On a ici: Pr(B = k) = CN,k x ^pk x (1 - p)n - k, CN,k désignant le nombre de combinaisons de k objets pris parmi N. Ce nombre ne dépend pas de p. Calculons le produit des probabilités en remplaçant k par chacune des valeurs x1, x2, ..., xn observées de B. Pour plus de commodité, introduisons la moyenne des xi: on a donc ici = (x1+ x2 + . .. + xn)/n. Le produit est:

Dérivons par rapport à p. La dérivée est du signe de n - pnN et s'annule en p = /N. Le coefficient de p dans n - pnN étant négatif, il s'agit d'un maximum. Sous la forme = Np, on retrouve ici l'espérance mathématique de B. Ayant observé n valeurs x1, x2, ..., xn, nous devons maximiser le produit f (x1, m, s) x f (x2, m, s) x ... x f (xn, m, s) où f désigne la densité définie par:

Prenons le logarithme népérien L(m,s) du produit en ne tenant pas compte du ( 2)n indépendant de m et s:

Les dérivées partielles par rapport à m et à s sont respectivement L(m,s)/ m = -S(xi - m)/s² et L(m,s)/ s = S(xi - m)²/s³ - n/s. Ces dérivées s'annulent lorsque m = S(xi - m) = et _s2 = S(xi - m)²/n. On

vérifie facilement qu'il s'agit encore là de maximums. Et les valeurs optimales des paramètres s'avèrent être respectivement les moyenne et écart-type de la série de valeurs observées.

1.7.4.2. Notion de vraisemblance

Etant donné un échantillon observé (x1,x2, ,xn) et une loi

de probabilité Pè, la vraisemblance quantifie la probabilité que les observations proviennent effectivement d'un échantillon (théorique) de la loi Pè.

Prenons l'exemple de 10 lancers de pièce. L'échantillon binaire observé est par exemple:

Pour un échantillon de taille 10 de la loi de Bernoulli de paramètre p, la probabilité d'une telle réalisation est p⁶(1-p)⁴. Voici quelques valeurs numériques.

0.4

0.6

0.8

0.2

0.3

0.7

0.5

Il est naturel de choisir comme estimation de p, celle pour laquelle la probabilité de l' échantillon observé est la plus forte, à savoir ici p=0.6.

Définition 1. Soit C={c1, ,ck} un ensemble fini, { Pè} une famille de lois de

probabilité sur , et un entier. On appelle vraisemblance associée à la

famille { Pè}, la fonction qui à un -uplet (x1,x2, ,xn) d'éléments de C et à

une valeur du paramètre associe la quantité:

L'interprétation est la suivante. Considérons un échantillon

théorique (X1,X2, ,Xn) de la loi Pè. Par définition, les variables

aléatoires(x1,x2, ,xn) sont indépendantes et de même loi Pè. Donc la

probabilité que l'échantillon théorique (x1,x2, ,xn) ait pour réalisation

l'échantillon observé (x1,x2, ,xn) est le produit des probabilités pour que Xi

prenne la valeur xi, à savoir:

Dans le cas d'un modèle continu, la loi Pè a une densité sur

, et la probabilité pour que l'échantillon prenne une valeur particulière est toujours nulle. Il faut alors remplacer la probabilité Pè par sa densité dans la définition de la vraisemblance.

Définition 2.Soit { Pè} une famille de lois de probabilité continues sur et un entier. Notons fè la densité de probabilité de la loi Pè. On appelle

vraisemblance associée à la famille{ Pè} la fonction qui à un -uplet

(x1,x2, ,xn) d'éléments de et à une valeur du paramètre associe la

quantité:

L'interprétation est la suivante. Considérons un échantillon

théorique (X1,X2, ,Xn)de la loi continue Pè. Soit un réel strictement positif

(petit). La probabilité que l'échantillon théorique (X1,X2, ,Xn)ait une

réalisation proche ``à près" de l'échantillon observé (x1,x2, ,xn) peut

s'écrire:

Estimer un paramètre par la méthode du maximum de vraisemblance, c'est proposer comme valeur de ce paramètre celle qui rend maximale la vraisemblance, à savoir la probabilité d'observer les données comme réalisation d'un échantillon de la loi Pè.

Définition 3. Supposons que pour toute valeur(x1,x2, ,xn), la fonction qui à

associe L(x1,x2, ,xn, è), admette un maximum unique. La valeur pour

laquelle ce maximum est atteint dépend de(x1,x2, ,xn):

Si (X1,X2, ,Xn)est un échantillon (théorique) de la loi Pè., la variable

aléatoire:

est l'estimateur du maximum de vraisemblance de .

Reprenons l'exemple de la loi uniforme sur l'intervalle [0,è].

Sa densité est:

La vraisemblance est la fonction qui à réels x1,x2, ,xn et

à une valeur positive associe:

Vue comme fonction de , la vraisemblance est nulle si est inférieur à la plus grande des valeurs observées, elle vaut 1/èn sinon. Elle est donc maximale pour:

Si (X1,X2, ,Xn)est un échantillon de la loi uniforme U(0,è),

l'estimateur du maximum de vraisemblance de est:

Pour la plupart des lois de probabilité usuelles, l'estimateur du maximum de vraisemblance est défini de façon unique, et se calcule explicitement. Sur le plan théorique, il présente de nombreux avantages. Sous des hypothèses vérifiées par de nombreux modèles courants, on démontre qu'il est asymptotiquement sans biais et convergent. On démontre de plus que sa variance est minimale. La méthode du maximum de vraisemblance est donc théoriquement la meilleure des méthodes d'estimation. Quand une détermination explicite est impossible, il faut avoir recours à une détermination numérique, par un algorithme d'optimisation.

1.7.4.3. Test de signification des paramètres

Le principe pour le modèle de Cox est de n'estimer que les coefficients âj.On ne cherche pas à estimer ë0(t) . Les estimateurs des âj sont obtenus par la méthode de maximum de vraisemblance telle que est exposée précédemment. Plus exactement, seule la partie de vraisemblance comportant de l'information sur les coefficients âjest retenue pour les calculs. On parle de «vraisemblance partielle » ou de vraisemblance de Cox.

On teste l'hypothèse H0 que le vecteur des effets (â1, â2, ... âp) est nul. Trois tests peuvent être utilisés. Il s'agit du test de raison de vraisemblance, le test de Wald et le test du multiplicateur de Lagrange.

A. Le test de raison de vraisemblance LR

Ce test de raison de vraisemblance est généralement applicable à des échantillons de taille élevée. Il est basé sur la méthode du maximum de vraisemblance. Il s'effectue de la manière ci-après:

1. On effectue la régression sur un modèle non contraint et on recueille la somme des carrés des résidus, soit SCRnc;

2. On effectue la régression sur le modèle contraint et on recueille la somme des carrés des résidus selon la forme de ce modèle contraint, soit SCRc;

3. On forme l'expression ë = [SCRc/SCRnc]T/²

Où T est la taille de l'échantillon

4. En prenant le logarithme, on a: ln ë= - T[ln (SCRc)-ln(SCRnc)] = T ln [1/(1-r²)]

Cette expression suit la loi de KHI carré avec 1 degré de liberté.

B. Le test de Wald et de Lagrange

Ces deux tests se basent respectivement sur les expressions

suivantes:

W=Tr²/1-r² et LM=Tr²

On démontre que⁹ : W= LR= LM

La dernière phase de l'estimation de vraisemblance est souvent le test de la forme fonctionnelle, c'est-à-dire le test de Ramsey pour

⁹ Maddala,G.S , Introduction to economica, page 139, 1996è Ed. , Cité par le Professeur KINTAMBU,G.

afin s'assurer de l'utilisation de toutes les variables explicatives du phénomène ; cela permet d'éviter la possibilité d'omission d'une variable importantes dans le modèle. C'est pour quoi, il serait préférable sous certaines conditions de prendre en compte une matrice haute ou danse des variables qui peuvent être projetés ou regrouper en facteur selon leur score. En outre, la solution proposée serait d'opérer dans un premier temps une réduction de la dimension de l'espace des variables exogènes orientée vers l'explication de la fonction du risque. On construira ensuite un modèle de Cox sur les composantes trouvées.

1.7.5. Le modèle de Cox versus le modèle logistique (logit)

Chacun des modèles multi variés que nous avons évoqué en introduction de ce chapitre est plus adapté à un contexte donné de l'étude menée. Le modèle de Cox est adapté aux données dont le délai de suivi est variable selon les sujets et aux données censurées. Si la période de suivi est fixe et qu'il n'y a pas des données censurées, le modèle de régression logistique convient aussi bien que le modèle de Cox.

Dans la formalisation du modèle de Cox, nous avons présenté le modèle sans interaction entre les variables explicatives. Il est possible de tenir compte de l'effet de l'interaction dans l'écriture du modèle. Le modèle de Cox repose sur des hypothèses précises, le risque instantané de survenue de l'événement considéré s'écrit comme le produit d'une fonction qui dépend du temps et d'une fonction qui dépend uniquement des caracteristiques du sujet. C'est l'hypothèse des risques proportionnels multiplicatifs. Le risque instantané de survenue de l'événement est multiplié par une constante quand on change la valeur d'une variable explicative.

La fiabilité des analyses a, en suite, fait l'objet d'une vérification supplémentaire. L'analyse de la mortalité par exemple a notamment été étendue en utilisant la méthode d'appariement sur le score de propension dans le but de vérifier l'endogéneité de la variable de résultat ou les caractéristiques non observées pouvant être corrélées avec par exemple l'accès à l'eau et à l'assainissement comme il en est le cas dans notre recherche.

Par ailleurs, deux méthodes statistiques basiques sont souvent utilisées en pratique, cela dans le but de cerner le risque sous-jacent à l'accès à l'eau et à l'assainissement.

Pour la mortalité néonatale et l'incidence diarrhéique par exemple, on fait appel à un modèle logit standard. Les estimations logit sont utilisées lorsque la variable résultat possède deux valeurs possibles (raison

pour laquelle les logits sont souvent appelés modèles binaires). Les deux résultats possibles sont qualifiés d'échec (y=0) ou de succès (y=1). Dans les estimations logit, les paramètres peuvent s'interpréter comme un changement de probabilité associée à un accroissement d'une unité des variables indépendantes. Les paramètres résultant indiquant donc le changement de probabilité de l'événement fonction des caractéristiques de l'individu, du ménage et de la communauté. Aussi, dans ce modèle, la variable dépendante y est censée suivre la forme de distribution de Bernoulli ou la loi normale conditionnée par le vecteur de variable explicative Xj. La probabilité de succès est donnée par:

P(yi=1/xj)=Ë(xj, â) et P(yi=0/xj)=1- Ë(xj, â) avec Ë(z)=(1+exp^-z)^-1 la fonction de distribution cumulative du modèle logistique.

La densité conditionnelle peut s'écrire alors:

f(yi/xj)= Ë(xj, â)yi [1- Ë (xj, â)]^1-yi

La fonction log-vraisemblance devient:

n

L(â)= Ó log f(yi/xi)= Ó log Ë (xj, â) + Ó log[ 1- Ë (xj, â)]

i=1 j=1 j=0

L'estimation du maximum de vraisemblance est la valeur qui maximise la fonction log-vraisemblance.

Pour les facteurs déterminants en mortalité post-néonatale, le cas échéant, on a besoin d'un cadre d'évaluation plus élaboré en raison du problème posé par les observations censurées. Les données utilisées ne contiennent pas d'observations sur toute la période d'analyse pour l'ensemble des enfants.

Ainsi, un enfant de quatre ans dans notre cas précis au moment de l'enquête et qui meurent à l'age de cinq ans ne sera-t-il pas comptabilisé comme décédé dans le cadre de l'enquête; cette caractéristique induit un biais qu'il faut corriger. Une des manières de régler ce problème est de restreindre l'échantillon aux enfants qui étaient âgés d'au moins cinq ans au moment de l'enquête. Cette méthode éliminerait toutefois un nombre considérable d'observations. Au lieu de cela, on utilise un modèle de risque afin de prendre en compte la mortalité. On applique alors un modèle à risque proportionnel de Cox. Attendre que le taux de risque sous-jacent ne soit pas modélisé par une formulation fonctionnelle, ce modèle est une estimation semi paramétrique. Il ne requiert qu'une seule hypothèse structurelle: «l'effet des covariables sur le taux de risque relatif doit être constant durant la période

considérée ». La fonction de risque conditionnel du modèle de Cox étant donné un vecteur dimensionnel de covariables xj est donnée par la formule:

ë (t/x) = ë0 (t) exp(â'x) où â' (â1, â2,..., âk)' est le vecteur

des paramètres (changement proportionnel dans la fonction de risque) et ë0 (t) la fonction de risque de référence.

Les paramètres â' peuvent être estimés sans estimation de ë0 (t) ; en utilisant la vraisemblance maximale. Soit ti avec i=(1,2,..,N); di l'indice servant à noter la suite ordonnée d'instants ti marqués par un échec, Di le nombre d'observations manquantes à ti, Ri. La série d'observations à ti, et Ri le risque définie, la fonction log-vraisemblance partielle peut alors s'écrire:

n

L(â)= Ó di[ â'xj- ln( Ó exp( â'xj)) ] i=1 j°R

CHAPITRE DEUXIEME:

EOIINII~~E DE lit SitNTE

2.1. Introduction

Cette étude présente les caractéristiques des recherches cliniques associées à une analyse économique. Elle se retrouve à cheval entre l'économie et santé publique dans la mesure où le manque d'accès à l'eau et à l'assainissement provoquent des effets multiplicateurs sur l'état sanitaire des ménages. Plusieurs études renseignent qu'un nombre important des coûts pour le développement humain préjudicie d'autres secteurs de croissance. Il en est essentiellement:

1. Environ 1,8 million de décès d'enfants dus à la diarrhée chaque année soit 4900 décès par jour ou encore un nombre de décès d'enfants de moins de cinq ans équivalent aux populations de New York et de Londres réunies¹⁰. L'insalubrité de l'eau et la déficience de l'assainissement constituent la deuxième principale cause de mortalité infantile au monde. En 2004, le nombre de décès dus à la diarrhée était de six fois supérieur au nombre annuel moyen de morts dans les conflits armés dans les années 1990.

2. La perte de 443 millions de jours de scolarité chaque année en raison de maladies véhiculées par l'eau et l'assainissement,

3. Près de la moitié de toutes les personnes qui vivent dans le pays en développement souffrant à un moment donné d'un problème de santé en raison du déficit de l'accès à l'eau et l'assainissement,

4. Des millions des femmes passant plusieurs heures par jour à puiser de l'eau,

5. Des vies entièrement marquées par la misère pour des millions de personnes qui affrontent la maladie et la perte d'opportunité en matière d'éducation durant leur enfance et la pauvreté qui en résulte de l'age adulte.

A ces coûts, il faut ajouter la dégradation massive de l'économie qui accompagne le déficit de l'accès à l'eau et à l'assainissement.

¹⁰ Rapport Mondial sur le Développement Humain 2006, Paris, Page 6

2.2. Pronostic sur la réalisation des OMD¹¹

Encadré 1: Les objectifs du Millénaire pour le développement Objectif 1: réduire l'extrême pauvreté et de la faim

Cible 1 Réduire de moitié, entre 1990 et 2015, la proportion de la population dont le revenu est inférieur à un dollar par jour.

Cible 2 Réduire de moitié, entre 1990 et 2015, la proportion de la population qui souffre de la faim

Objectif 2 : assurer l'éducation primaire pour tous

Cible 3 D'ici à 2015, donner à tous les enfants, garçons et filles, partout dans le monde, les moyens 'achever un cycle complet d'études primaires

Objectif 3 : promouvoir l'égalité des sexes et l'autonomisation des femmes

Cible 4 Eliminer les disparités entre les sexes dans les enseignements primaire et secondaire d'ici à 2005 si possible, et à tous les niveaux de l'enseignement en 2015 au plus tard

Objectif 4 : réduire la mortalité des enfants de moins de 5 ans

Cible 5 Réduire de deux tiers, entre 1990 et 2015, le taux de mortalité des enfants de moins de 5 ans

Objectif 5 : améliorer la santé maternelle

Cible 6 Réduire de trois quarts, entre 1990 et 2015, le taux de mortalité maternelle

Objectif 6 : combattre le VIII/SIDA, le paludisme et d'autres maladies

Cible 7 D'ici à 2015, avoir stoppé la propagation du VIH/SIDA et commencé à inverser la tendance actuelle

Cible 8 D'ici à 2015, avoir maîtrisé le paludisme et d'autres grandes maladies, et avoir commencé à inverser la tendance actuelle

Objectif 7: assurer un environnement durable

Cible 9 Intégrer les principes du développement durable dans les politiques nationales et inverser la tendance actuelle à la déperdition des ressources environnementales

Cible 10 Réduire de moitié, d'ici à 2015, le pourcentage de la population qui n'a pas accès de façon durable à un approvisionnement en eau de boisson salubre et à des services d'assainissement de base Cible 11 Réussir, d'ici à 2020, à améliorer sensiblement la vie d'au moins 100 millions d'habitants de taudis

Objectif 8 : mettre en place un partenariat mondial pour le développement

Cible 12 Poursuivre la mise en place d'un système commercial et financier multilatéral ouvert, fondé sur des règles, prévisible et non discriminatoire

Cible 13 S'attaquer aux besoins particuliers des pays les moins avancés

Cible 14 Répondre aux besoins particuliers des pays sans littoral et des petits Etats insulaires en développement

Cible 15 Traiter globalement le problème de la dette des pays en développement par des mesures d'ordre national et international propres à rendre leur endettement viable à long terme

Cible 16 En coopération avec les pays en développement, formuler et appliquer des stratégies qui permettent aux jeunes de trouver un travail décent et utile

Cible 17 En coopération avec l'industrie pharmaceutique, rendre les médicaments essentiels disponibles et abordables dans les pays en développement

Sources: « Implementation of the United Nations Millennium Declaration", Report of the Secretary-General, A/57/270 (31 July 2002), first annual report based on the "Road map towards the implementation of the United Nations Millennium Declaration", Report of the Secretary-General, A/56/326 (6 September 2001); United Nations Statistics Division, Millennium Indicators Database, verified in July 2004; World Health Organization, Department of MDGs, Health and Development Policy (HDP).

¹¹ La première moitié de réalisation des OMD s'est achevé à juin 2007 et la seconde se tend d'ici 2015.

Les objectifs du Millénaire pour le développement ne sont pas le premier ensemble d'objectifs ambitieux adoptés par les gouvernements. Durant une décennie, le programme « Eau et Assainissement pour tous» s'est inscrit dans le contexte de l'ensemble impressionnant d'objectifs adoptés lors de conférences de haut niveau dans les années 1970 et 1980. Les résultats n'ont pas été à la mesure des promesses. En sera-t-il autrement cette fois?

Dans l'ensemble, le monde est en voie de réalisation de l'objectif relatif à l'eau notamment en raison des énormes progrès accomplis en Chine et en Inde alors que seules deux régions sont en bonne voie en ce qui concerne l'assainissement. Le tableau général marque de grandes variations au niveau national et régional.

Si la tendance actuelle se confirme, l'Afrique subsaharienne atteindra l'objectif relatif à l'eau en 2040 et l'objectif relatif à l'assainissement en 2076¹². En ce qui concerne l'assainissement, l'Asie du sud accuse un retard de 4 années et, en matière d'eau, les Etats Arabes ont accumulé un retard de 27 ans.

Si l'on effectue un calcul pays par pays, l'objectif relatif à l'eau ne sera pas atteint pour 234 millions d'hommes issus de 55 pays hors courses. L'objectif relatif à l'assainissement ne sera pas atteint pour 430 millions d'hommes issus 74 pays hors course.

Pour que l'Afrique Subsaharienne se remette sur la bonne voie, le nombre de raccordements aux réseaux de distribution d'eau devra passer de 10 millions par an pour la décennie passée à 23 millions par an par décennie avenir. En Asie du sud, il est indispensable d'accroître l'accès aux réseaux d'assainissement pour passer à 25 millions de personnes par an à 43 millions par an.

Les objectifs du millénaire pour le développement devraient être considéré comme un seuil minimum à atteindre et non comme un plafond. Même si ces objectifs sont réalisés, le déficit mondial sera toujours immense. Si l'on observe l'évolution générale actuelle, le plus préoccupant est de constater que le monde est en voie d'aboutir sous le seuil fixé par les engagements pris dans le cadre des objectifs du millénaire pour le développement.

Par ailleurs, l'état de lieu des indicateurs de santé dans le cadre des OMD en République Démocratique du Congo nécessite une action

¹² Rapport Mondial sur le Développement Humain 2006, page 7

non seulement dans le sens de l'offre ou de la demande des soins de santé, mais aussi sur les autres secteurs dont l'amélioration entraîne des effets positifs sur la santé de la population.

2.3. Etat de lieu des indicateurs de santé dans les
O.M.D en RDC

L'analyse porte essentiellement sur les indicateurs relatifs aux Objectifs du Millénaire portant de manière explicite sur la santé tels que présentés au tableau 4. Il ressort de ce dernier que la réalisation de ces objectifs nécessite une utilisation accrue des services de santé par les ménages et une amélioration de son offre afin de la rendre capable de répondre au besoin de la population.

L'enquête MICS 2 réalisée en 2001 en République Démocratique du Congo donne des résultats alarmants sur la situation sanitaire comme nous pouvons le lire dans le tableau ci-dessous (tableau 1). Les zones de santé ne sont opérationnelles qu'à 37% et les pathologies ciblées par les OMD sont les plus meurtrières en RDC. En effet, la malaria est la cause principale de mortalité en en RDC avec 79,6% de décès notifiés. Il faut aussi noter que cette maladie attaque l'ensemble de Congolais. Chacun fait une à six fois la malaria par an en moyenne. On estime à plus de 12 .000.000, le nombre d'épisode de malaria par an¹³. Et le coût de soins de cette maladie représente un montant de 35 dollars par ménage. Et si pour chaque épisode il faut une semaine de repos, le taux d'absentéisme au travail sera très grand, aussi bien pour les travailleurs que pour les écoliers et étudiants, sans oublier les gardes et les mères des enfants qui vont aussi être absentes de leurs postes de travail. Outre la malaria, il faut aussi ajouter les diarrhées et les infections respiratoires qui sont aussi les causes de morbidité et de mortalité chez les enfants.

La réduction des taux de morbidité et de mortalité chez les femmes et chez les enfants nécessite une utilisation accrue des services de soins de santé. Les indicateurs de l'accès aux soins de santé sont inquiétants. Les services de soins de santé existantes sont sous utilisés.

2.3.1. Utilisation des services de santé

Les informations recueillies dans le rapport de la Banque Mondiale sur la santé et la pauvreté en République Démocratique du Congo nous renseignent que le taux annuel de nouvelle consultation pour des soins

¹³ BANQUE MONDIALE et Ministère des Affaires Sociales, Etude pilote de risques et de la vulnérabilité en RDC

curatifs des services de santé est de l'ordre 0,15 % en moyenne (évalué sur 54 % de la population). Pour ce qui est des malades hospitalisâtes, le taux moyen est de 15 pour mille habitants et le taux d'occupation des lits d'hôpitaux est de 37 % (SNIS 2003) évalué sur 37 % de la population. Ceci affirme que les services de santé existants sont sous utilisés et les informations statistiques disponibles portes sur une partie de la population seulement. D'où les difficultés d'avoir une vision globale de la situation pour l'ensemble du pays.

2.3.1.1. Utilisation des services de santé infantiles

En ce qui concerne les soins de santé infantiles, l'utilisation des services de santé concerne aussi bien des soins de santé préventifs que des soins de santé curatifs. Pour le soin préventif, nous parlerons des vaccins que les enfants reçoivent pour se protéger contre les épidémies.

TABLEAU 1 : Utilisation des services de santé infantile en RDC (2001)

Utilisation des Services de santé infantile	Milieu Urbain	Milieu rural	pour RDC
SOINS DE SANTE PREVENTIFS
Vaccin contre la polio (12 à 23 mois)	79,40%	69,00%	72,40%
Vaccin contre la rougeole (12 à 23 mois)	67,20%	36,50%	46,40%
Vaccin contre la TBC(BCG-12-23 mois)	73,60%	43,30%	53,10%
Supplément en vitamine A(6-59mois)	13,70%	10,40%	11,50%
Moustiquaires traitées l'insecticides (-5ans)	2,10%	0,10%	0,70%
SOINS DE SANTE CURATIFS
Traitement infect° respiratoire aigue/pers, médical(- de 5an)	46,30%	32,30%	35,80%
Traitement antipaludique chez les enfants de - de 5ans	63,00%	47,40%	52,00%

Source : Banque Mondiale, Santé et pauvreté en RDC : Analyse et cadre stratégique de lutte contre la
pauvreté (version provisoire 2), page 51 ;MICS 2,2001

Graphique 2 : Utilisation des services de santé infantile en RDC

81

8:g

0,4
0,3
0,2

0,1 0

Série1 Série2 Série3 Série4

Source : Présenté sur base des données du tableau 1

Ce tableau nous indique que les services de santé des enfants aussi bien préventifs que curatif sont sous utilisés. Pour ce qui est de santé curatifs, nous observons que 1/3 des enfants qui ont eu des soins dans le centre spécialisé pour le IRA et la moitié pour la malaria. Alors que ce sont des pathologies qui sont les premières causes de la mortalité chez les enfants.

2.3.1.2. Utilisation des services de santé maternelle

Les indicateurs en cette matière relèvent une sous utilisation des services de santé maternelle et néonatale.

TABLEAU 2 : Utilisation de service de santé maternelle (% des femmes âgées de 15 à 49 ans)

Utilisation de service de santé maternelle	milieu urbain	milieu rural	pour la RDC
Prévalence des contraceptifs modernes	9%	2,50%	4,40%
Les soins de santé prénatale/professionnel de santé	58,90%	40,60%	40,10%
Accouchement assistés/personnel médical	32%	20,20%	23,70%

Source :Rapport Banque Mondiale, op. cit, page 53

Il ressort de ce tableau que les services de santé prénatale sont assez rependus en ville (58,9%) qu'en milieu rural (40,6%) et la moyenne nationale est de 23,7%. En ce qui concerne les accouchements, nous constatons que c'est presque les trois quarts des femmes dont les accouchements ne sont pas assistés par les professionnels de santé.

La réduction de la mortalité maternelle implique l'amélioration de l'accès aux services de consultation et d'accouchement pour les femmes. Pour y arriver, il faut briser des obstacles culturels, améliorer le niveau d'instruction de la femme surtout en milieu rural, réduire les améliorer la qualité de l'offre de soins de santé maternelle. Pour les accouchements, la répartition de la population est la suivante :

Graphique 3 : Utilisation de service de santé maternelle en RDC

Prévalence des
contraceptifs modernes

0,6

0,5

0,4

0,3

0,2

0,1

0

milieu urbain miieu rural

Source : Présenté avec les données du tableau 2

TABLEAU 3 : Accouchements assistés (% des accouchements de l'année précédant l'enquête) en RDC, en 2001

Accouchements assistés	milieu urbain	milieu rural	pour la RDC
Médecin	7,47%	1,68%	3,40%
Infirmière ou sage femme	24,54%	18,54%	20,30%
Matrone traditionnelle formée	51,15%	30,93%	37%
Matrone traditionnelle	6,44%	27,42%	21,10%
Parents ou amie	5,02%	11,82%	9,80%
Autre	0,75%	2,31%	1,80%
Sans aide	4,62%	7,31%	6,50%

Source : Banque Mondiale, op. cit, p.54

2.3.2. Les facteurs déterminants de la demande des soins de santé en
RbC

La consommation des soins de santé est fonction des plusieurs facteurs dont les plus importants sont :

· L'offre de service de santé,

· Le revenu des ménages,

· Le niveau d'instruction du chef de ménage ;

· La distance à parcourir pour atteindre la formation sanitaire ;

· La religion et coutumes.

2.3.2.1. L'offre de service des soins de santé

En ce qui concerne l'offre de soins de santé en RDC, on peut se référer au tableau suivant :

TABLEAU 4 : Population couverte par une formation sanitaire en milieu urbain et rural en RDC.

Structure	Milieu urbain				Milieu rural
	hab/format°		Ecart absolu	Normes	hab/format°	Ecart absolu	Hopital gén de référen
150000	293598		143598	100000	163794	63794	centre de santé de réf
20000	100924		80924	15000	62676	47676	centre de santé
10000	18144		8144	5000	9165	4165

Source : construit sur base du tableau se trouvant dans le rapport de la Banque Mondiale, Santé et Pauvreté en RDC, Analyse et Cadre stratégique de lutte contre la pauvreté, page 66

Il ressort de ce tableau que les formations sanitaires sont insuffisantes par rapport à la population à desservir.

Graphique 4 : Couverture sanitaire en milieu urbain et rural

100%

40%

80%

60%

20%

0%

Milieu urbain Milieu rural

centre de santé

centre de santé de réf

Hopital gén de référen

Source : Les données du tableau 4

En milieu rural, les centres de santé sont très éloignés les uns des autres et les dispensaires de proximité sont souvent dépourvus des intrants pour une bonne prise en charge des malades. En cas de maladie grave, les membres de famille du patient transportent leur malade sur des brancards rudimentaires, ou sur le vélo et se déplacent à pieds sur des longues distances pour atteindre, soit l'hôpital de référence, soit un centre de santé de référence. Parfois la mort survient en route avant même d'atteindre la formation sanitaire. Pour le personnel de santé, il faut noter les mauvaises conditions salariales qui poussent beaucoup des médecins et des paramédicaux qualifiés à refuser d'aller travailler en milieu rural.

En ce qui concerne les intrants en milieu rural, les centres de santé sont pour la plupart dépourvus des médicaments et des matériels de soins appropriés faute de renouvellement des équipements. Parfois, les matériaux les plus élémentaires pour le diagnostic n'existent pas (microscope, tensiomètre, foetoscope, ...). Les formations sanitaires qui disposent des équipements sont ceux qui sont appuyées par les ONG ou des partenaires qui leurs fourni des médicaments et des matériels de santé.

Pour la médecine sociale, le manque de la chaîne de froid dans certains centres entrave le stockage des vaccins et sérum. Les vaccins sont gardés parfois dans des centres qui disposent des frigos et qui sont situé à distance par rapport à leur opérationnel.

2.3.2.2. La demande des soins

La demande des soins est évaluée en fonction de l'utilisation des services de santé. Cette dernière est fonction des facteurs suivants:

· Le revenu de la population

L'enquête MICS 2 nous renseigne que 40% des enfants présentant des symptômes respiratoires n'ont pas consulté un médecin pour demander des soins faute de revenu. Il en est de même pour les femmes enceintes dont 19%n'ont pas pu consulté un médecin pendant la grossesse pour les mêmes raisons. A cause de manque de revenu, le recours aux tradi@ praticiens et à l'automédication est très élevé avec toutes les conséquences qui en découlent.

· La distance entre les résidences et la formation sanitaire

soins de santé. Les centres de santés sont souvent loin à plus de 7 kilomètre des villages. Etant données que les moyens de transport moderne n'existent pas, la population n'accède pas rapidement au centre de santé en cas d'urgence entraînant parfois la mort des enfants en cours de route et des accouchements, avant d'atteindre le centre de santé. Ceci explique le pourquoi des accouchements à domicile assisté par des sages femmes qui sont disponible dans les villages.

· Le niveau d'instruction

Dans les provinces rurales, le niveau d'instruction est encore très bas. Le taux de scolarisation des enfants de 6 à 23 ans est en dessous de 50% dans la plupart d'entre elles. Et le taux d'alphabétisation des adultes est aussi faible. Ceci handicape la capacité de cette population de comprendre le bien-fondé de certains types des soins de santé. A titre d'exemple, certaines femmes non instruites refusent de faire vacciner leurs enfants à cause de manque des connaissances sur les effets bénéfiques des vaccins.

· Les coûts de soins de santé

En RDC, les tarifs de soins de santé sont très diversifiés. Les coûts varient suivant les structures organisatrices des soins et les milieux où l'on se trouve.

· Les us et coutumes

Certaines habitudes et coutumes limitent l'accès aux soins de santé. C'est le cas pour les accouchements assistés par un personnel médical du sexe masculin. Les traditions africaines attribuent ce rôle aux sages femmes et non aux hommes. D'où le refus pour certaines femmes d'aller accoucher à la maternité assistée par un homme même s'il est gynécologue.

Il y a aussi des chefs de ménages qui refusent de vacciner leurs enfants ou de demander des soins modernes en cas d'épidémie. En cas de la rougeole par exemple, certaines femmes préfèrent imbiber les enfants d'une poudre protectrice et des feuilles appropriées à la place d'un traitement moderne qui prend en compte les aspects liés à la l'isolement du patient pour limiter la propagation de la maladie chez les autres.

· Les croyances religieuses

On observe de plus en plus que les églises ont une influence sur la demande de soins de santé. La religion influence le comportement des ménages pour décider d'aller soigner les malades dans les instructions des soins. Elle agit en retardant l'accès à une formation sanitaire à la suite des pratiques religieuses qui pourraient conduire à la guérison miracle.

Dans une étude réalisée dans une zone de santé rurale, il ressort que les adeptes des églises de réveil recourent plus tardivement aux soins de santé dans les formations sanitaires par rapport aux veilles églises (catholiques et protestantes).

Comme nous venons de les constater, plusieurs facteurs limitent l'accès aux soins. Mais les plus importants sont ceux liés aux manques de revenu pour la population et au manque d'infrastructures de proximité appropriés pour les soins de santé.

2.3.3. Les atouts et les contraintes dans la réalisation de 0Mb.

2.3.3.1. Les atouts

a. Le secteur de la santé est un secteur bien structuré sur toute l'étendue de la RDC et à tète de chaque zone de santé il y a un médecin qui supervise la zone de santé. Les problèmes des soins de santé sont bien connus et les pistes des solutions peuvent être adaptés aux besoins spécifiques de chaque zone de santé ;

b. Le processus post conflit en RDC constitue un atout majeur dans la mise en place des programmes de développement socio économique du pays ;

c. Il y a la possibilité de mobiliser des ressources financières importantes au niveau interne et externe pour accorder aux secteurs sociaux, les budgets conséquents pour leur réhabilitation et leur construction ;

d. La coopération internationale est favorable à la prise en charge de certains programmes de santé Publique tels que la lutte contre certaines maladies (VIH/SIDA, le paludisme, la tuberculose,...) et de l'amélioration de l'accès à l'eau potable et l'état de l'assainissement par la population ;

e. Possibilité de relancer l'agriculture si la sécurité est garantie.

2.3.3.2. Les contraintes

a. L'étendue des besoins dans le secteur de la santé (ressources humaines, équipements, infrastructures de santé, lutte contre les maladies endémiques, lutte contre ses vecteurs de transmission ;

b. L'insuffisance des ressources publiques internes pour financer les investissements dans ce secteur ;

c. La pauvreté des ménages pour financer les services de santé.

d. La persistance des poches d'insécurité qui défavorise l'accès des personnels médical et des humanitaires dans certains territoires ;

e. Le manque d'infrastructures routières qui conduit à l'enclavement de certaines zones de santé ;

f. Le faible niveau d'instruction dans la population Congolaise et surtout les femmes ;

g. Les facteurs culturels (us et coutumes, religion) qui peuvent entraver le processus du développement de ces secteurs.

De ce qui précède, nous pouvons conclure que la situation sanitaire de la population Congolaise est préoccupantes et nécessite une attention particulière de la part des autorités et de tout un chacun de nous. Pour relever le défi des OMD, il faut des stratégies efficaces pour augmenter la consommation des soins de santé et lutter contre les maladies.

Pour avoir une présence d'esprit du danger, nous présentons ci- dessous des indicateurs de développement humain pour quelques pays du monde afin de situer la RDC par rapport au monde et face à son propre défi.

Le tableau ci dessous présente les indicateurs pour neuf pays classés selon l'IDH et en raison de trois pays par catégorie des IDH, soit trois pays à niveau de développement élevé (Le canada, Le Japon et les USA), trois pays à niveau moyen (La Chine, Equateur et Le Cap Vert) et trois autres à faible niveau de développement dont la RDC, L'Angola et La Zambie

TABLEAU 5: Eau et condition sanitaire

Population ayant un accès régulier à un dispositif

Pays par
IDH

	d'assainissement amélioré/ population .privée d'accès à un point d'eau aménagé		Taux de croiss ,pop,
	% en 1990(Assain/eau)	% en 2004(Assain/eau)	%(1975- 2004)
CANADA	100	100	1,1
JAPON	100	100	0,5
Etats-Unis	100	100	1
CHINE	23/70	44/77	1,2
EQUATEUR	63/73	89	2,2
CAP VERT	nd	43/80	2
ANGOLA	29/36	31/53	2,8
ZAMBIE	44/50	55/58	2,8
RDC	16/43	30/46	2,9

Source : Rapport Mondial sur le Développement Humain 2006, pp 305-308

Il ressort de ce tableau que la RDC est l'un des pays ayant un taux de croissance élevé de la population avec des indicateurs de développement humain très critiques notamment en ce qui concerne le faible taux de la population ayant accès à un dispositif d'assainissement amélioré et du % de la population privée d'accès à un point d'eau aménagé. Soit respectivement 30 et 46%.

Graphique 5 : Eau et condition sanitaire de quelques pays comparés

120

100

40

80

60

20

0

Taux de croiss ,pop, % en 2004

Population ayant un accès regulier à un dispositif

d'assainisssement amélioré % en 1990

Population ayant un accès regulier à un dispositif

d'assainisssement amélioré % en 2004

TABLEAU 6 : Quelques indicateurs de longévités de la vie et de santé de la population
pour certains pays ciblés

NOM DU PAYS	Espérance de vie à la naissance	dépense santé (% du PI B)	% Enfants d'1 an vaccinés (rougeole)	% Accouchement assistés/pers fié	Nombre de médecin /100000 hab.	% pop ayant accès au coût abordable de soins de santé
Japon	81,5	8	98	100	202	95-100%
canada	79,3	9,6	96	98	187	95-100%
France	78,9	9,6	85	99	330	95-100%
Belgique	78,7	8,9	75	100	419	95-100%
Allemagne	78,2	10,8	89	100	363	95-100%
usa	77	13,9	91	99	279	95-100%
Maroc	68,5	5,1	96	40	49	50-79%
Nigeria	51,6	3,4	40	42	27	0-49%
Afrique du sud	48,8	8,7	78	84	25	80-94%
Congo brazz	48,3	2,2	37		25	50-79%
Cameroun	46,8	3,3	62	60	7	50-79%
Kenya	45,2	7,9	78	44	14	0-49%
RDC	41,4	3,4	45	61	7	nd
Burundi	40,8	3,6	75	25	1	0-49%
Rwanda	38,9	5,6	69	31	2	0-49%

Source : Rapport Mondial sur le développement humain 2004, pp 139 à 142 et 156 à 159

Nous pouvons constater de ce tableau que les valeurs des indicateurs de santé pour la RDC sont très basses. La population ayant accès au coût de soins de santé abordable n'est pas déterminé dans ce rapport. Cette situation doit nous interpeller afin de proposer des solutions efficaces. En effet, un budget de 3,4% dans le PIB affecté à la santé et une proportion de 7 médecins sur 100000 habitants justifient le faible taux d'espérance de vie à la naissance (41,1%).

2.4. L'eau et l'assainissement dans la ville de
Kinshasa

Dans l'étude de l'eau et de l'assainissement en tant que principales causes de la mortalité des enfants de moins de cinq ans dans la ville de Kinshasa, il importe aussi de voir le problème aussi en amont à savoir le problème d'habitat en RDC en général et dans la ville de Kinshasa en particulier. Il est vrai qu'à travers une croissance régulière de la population dans une ville telle que Kinshasa qu'on assiste au problème d'urbanisation et tous ces corollaires, à savoir la naissance des cités non planifiées, l'insalubrité (la gestion des ordures des ménages), les maladies épidémiologiques,...

Le problème d'habitat se trouve non seulement en amont des problèmes de santé publique mais également il renforce l'insalubrité et rend plus difficile sa prise de solution.

Pour être claire, le tableau ci-dessous présente les sources principales des mouvements de la population dans la ville de Kinshasa en tant facteur principal de la dégradation de l'habitat dans la ville.

TABLEAU 7 : Facteurs de croissance de la population de Kinshasa

Taux de Taux brut de Taux Taux Taux de

Période natalité (en mortalité (en d'acroissement migratoire croissance

%o) %o) naturel (en %o) (en %o) (en %)

1985-1990	58,3 12,6	45,7	10,1	5,6
1990-1995	56 11,9	44,1	7,7	5,2
1995-2000	51,8 11	40,8	6	4,7
Source :	RZ (TP/AT, INS) Projection démographiques Zaïre et Régions			1984-

2000. Récencemet scientifique de la population, Juillet 1984, p.56 + annexes

Il apparaît aussi utile de distinguer une migration qui se pratique d'une commune à une autre à l'intérieur de la ville de Kinshasa. Avant tout, il sied de remarquer que la commune de Kimbaseke regorgeait environ 16% de la population de Kinshasa en 1993. Elle était suivie de

Ngaliema, Masina et N'djili qui représentaient respectivement 9,66 ; 6,06 et 6,02%. Par ailleurs, les populations des communes situées à l'Ouest de Kinshasa ont tendance à diminuer au profit de celles de la partie Est comme Masina, Nsele et Maluku. « Ces migrations sont effectués par les Kinois habitants les zones construites avant l'indépendance et qui, suite aux difficultés conjoncturelles, vendent leurs maisons et émigrent vers les nouvelles zones dites d'extension »¹⁴. De ce fait, l'on peut admettre que la ville s'étend de plus en plus dans sa partie Est en rendant de plus en plus difficile l'assainissement du milieu de vie.

2.4.1. L'assainissement dans la ville de Kinshasa

D'après les études analytiques sur l'enquête nationale auprès des ménages sur l'emploi, le secteur informel et la consommation des ménages (suivant la méthodologie des enquêtes 1-2-3) ; en ce qui concerne singulièrement le pourcentage des ménages répartis par type de quartiers et selon le type de toilettes, le résultat renseigne (voir le tableau 8) que 16, 43,15% des ménages ont comme lieux d'aisances un trou dans la parcelle contre 1,25% qui n'ont pas de toilettes. Par contre, il est clair que des grandes disparités existent à l'intérieur de chaque type de quartiers. En effet, le trou dans la parcelle est plus utilisé dans les quartiers non planifiés (56,46%) que dans les quartiers planifiés (15,69%) ou résidentiels (8,33%). Les ménages des quartiers résidentiels utilisent plus les toilettes intérieures privées avec chasse eau (67,86%) ou les toilettes extérieures privées avec chasse eau (13,10%). Comparativement aux quartiers planifiés, les toilettes les plus utilisées sont un lieu commun (34,83%) ou les toilettes extérieures privées avec chasse eau (16,38%), les latrines aménagées privées (12,93%) ou publiques (8,10%)¹⁵.

¹⁴ NZUZI L., TSHIMANGA M., Pauvreté urbaine à Kinshasa, Cordaid, La Haye, 2004, p.42

¹⁵ OTCHIA.S, Les Déterminants de la qualité de l'habitat à Kinshasa, Mémoire de licence 2006 (UNIKIN)

2.4.1.1. Gestion des installations hygiéniques

TABLEAU 8 : Pourcentage des ménages par type de quartiers, selon le type de
toilettes ut^. ilisées

	Typologie des quartiers Résidentiel Planifié Non planifié			Ensemble
Intérieur privé chasse eau	67,86	11,72	4,59	9,13
Extérieur privé chasse eau	13,10	16,38	10,66	12,35
Commun ménages	8,33	34,83	12,42	18,50
Latrine aménagée privée	2,38	12,93	9,32	10,04
Latrine aménagée publique		8,10	4,59	5,38
Trou dans parcelle	8,33	15,69	56,46	43,15
Pas de toilette		0,17	1,76	1,25
Autre		0,17	0,21	0,19

Source: Élaboré par l'auteur sur base de l'enquête 1-2-3

Cette correspondance peut être illustrée par le graphique des points de ligne et colonne issu de l'analyse factorielle des correspondances suivante :

Graphique 6: Typologie des quartiers selon le type de toilettes utilisées

Le graphique ci-dessus renseigne que les quartiers résidentiels sont attirés par les toilettes intérieures privées avec chasse et dans une moindre mesure par les toilettes extérieures privées avec chasse eau alors que les quartiers non planifiés sont attirés par les trous dans la parcelle ou par l'absence de toilettes. Par contre, les quartiers non planifiés sont repoussés par les communs ménages et les latrines aménagées. Les quartiers planifiés quant à eux sont attirés par les toilettes intérieures et extérieures privées avec chasse eau et les latrines aménagées. C'est ainsi que le trou dans la parcelle et

l'absence de toilettes sont sous-représentés dans les quartiers planifiés et résidentiels (respectivement 63,64%, 86,20% et 80,69%, 100%) alors qu'ils sont surreprésentées dans les quartiers non planifiés (respectivement 30,83% et 41,21%).

TABLEAU 9: Taux de liaison entre le type de toilettes utilisées et le type de quartiers

	Typologie des quartiers Résidentiel Planifié Non planifié
Intérieur privé chasse eau	643,21%	28,41%	-49,76%
Extérieur privé chasse eau	6,04%	32,63%	-13,71%
Commun ménages	-54,96%	88,25%	-32,86%
Latrine aménagée privée	-76,29%	28,75%	-7,25%
Latrine aménagée publique	-1 00,00%	50,56%	-14,77%
Trou dans parcelle	-80,69%	-63,64%	30,83%
Pas de toilette	-1 00,00%	-86,20%	41,21%
Autre	-100,00%	-10,30%	10,14%

Source: Élaboré par l'auteur sur base de l'enquête 1-2-3

Cette lecture dénote encore qu'en matière d'aisance, les quartiers résidentiels et planifiés bénéficient d'une infrastructure adéquate, contrairement aux quartiers non planifiés où c'est à la charge des ménages de se créer un environnement propice. Or, la faiblesse de revenu et par conséquent tous les autres maux dont sont victimes la plupart de la population de Kinshasa font que celle-ci puisse accepter d'utiliser ne fût-ce qu'un trou ou pis encore ne pas avoir un lieu d'aisance. C'est ainsi que le rapport MICS2 (2001: 34) compte 46% des ménages dans l'ensemble du pays qui utilisent les toilettes hygiéniques¹⁶. Cette proportion s'abaisse à moins de 10% de ménages qui ont accès à des toilettes hygiéniques si l'on ne tient pas compte des latrines traditionnelles couvertes.

2.4.1.2. Evacuation des ordures

Plusieurs moyens sont utilisés par les ménages de Kinshasa pour évacuer leurs ordures. Ces moyens sont généralement l'utilisation d'un service public ou privé, l'incinération, l'enfouissement, le jet sur la voie publique ou dans un cours d'eau ou encore dans un dépotoir sauvage et enfin en compost ou fumier.

¹⁶ Par toilettes hygiéniques, le rapport MICS2 entend les toilettes connectées au système d'égouts et les toilettes à chasse d'eau, les latrines améliorées - latrines à évacuation, les latrines à ventilation ainsi que les latrines traditionnelles couvertes.

TABLEAU 10: Pourcentage des ménages par type de quartiers, selon le mode d'évacuation des ordures

	Typologie des quartiers Résidentiel Planifié Non planifié			Ensem ble
Service public ou privé	54,76	45,52	3,03	16,96
Incinération	11,90	5,00	16,16	12,88
Enfouissement	8,33	8,79	29,22	22,68
Voie publique	11,90	8,10	8,05	8,22
Cours d'eau		10,00	6,00	6,87
Dépotoir sauvage	4,76	14,66	23,71	20,42
Compost ou fumier	2,38	5,00	11,86	9,56
Autre	5,95	2,93	1,98	2,40

Source: Élaboré par l'auteur sur base de l'enquête 1-2-3

Au regard du tableau 18, 22,68% des ménages enfouissent les ordures contre 20,42% des ménages qui les jettent dans un dépotoir sauvage. Le jet dans le dépotoir sauvage est plus prononcé dans les quartiers non planifiés (23,71%) que dans les quartiers planifiés (14,66%) et les quartiers résidentiels (4,76%). Ces deux derniers, à savoir les quartiers résidentiels et les quartiers planifiés, utilisent plus les services public ou privé (54,76% contre 45,52%). Cette pratique tient toujours à la présence des infrastructures de salubrité qui existence encore dans ces quartiers. Par ailleurs, les quartiers non planifiés sont souvent des laissé-pour-compte. Pour bien cerner ce problème, nous présentons dans le graphique suivant, la visualisation du mode d'évacuation des ordures dans les quartiers non planifiés, selon l'ordre de grandeur décroissante.

Graphique 7: Pourcentage des ménages de quartiers non planifiés, selon le mode d'évacuation des ordures

Service public ou privé

Compost ou fumier

Dépotoir sauvage

Enfouissement

Voie publique

Incinération

Cours d'eau

Autre

1,98

3,03

6,00

8,05

11,86

16,16

23,71

29,22

0,00 5,00 10,00 15,00 20,00 25,00 30,00

Source : Elaboré par l'auteur sur base de l'Enquête 123

Selon ce graphique, 29,22% des ménages enfouissent leurs déchets alors que 23,71% les jettent dans un dépotoir sauvage. Par ailleurs, 16,16% pratiquent l'incinération pendant que 11,86% les transforment en compost ou fumier. Près de 8,05% des ménages jettent leurs déchets sur la voie publique et 6% dans le cours d'eau. Enfin, seulement 3,03% des ménages utilisent le service public ou privé et 1,98% utilisent les autres modes d'évacuation non mentionnés.

Ces chiffres peuvent nous montrer l'état sanitaire dans lequel se trouvent les ménages de Kinshasa, plus précisément dans les quartiers planifiés et non planifiés. Selon le rapport MICS2 (2002: 37), près de 60% des ménages congolaises et près de 40% des ménages Kinois ne font pas usage de moyens hygiéniques¹⁷ pour se débarrasser des ordures ménagères. Cette pratique contribue à la pollution du cadre de vie des ménages. C'est ainsi que Kinshasa est devenue une des plus grandes villes les plus sales du monde¹⁸.

2.4.2. Source d'approvisionnement en eau

À coté de l'habitat dans la lignée des facteurs des maladies pathogènes dans la ville de Kinshasa, il sieds de joindre la gestion de l'eau. En effet, une population non approvisionnée régulièrement en eau salubre est sujette aux problèmes d'assainissement de son milieu de vie. Il en est de même dans le cas d'une mauvaise des eaux usées.

TABLEAU 11: Pourcentage des ménages par type de quartiers, selon la source principale d'eau de boisson

	Typologie des quartiers Résidentiel Planifié Non planifié			E nsem ble
Robinet intérieur	61,90	13,28	6,63	10,72
Robinet extérieur	30,95	65,69	32,18	41,47
Forage		0,17	3,60	2,50
Borne fontaine			1,48	1,01
Robinet un autre ménage	7,14	20,00	37,33	31,28
Puit protégé		0,17	4,16	2,88
Puit non protégé		0,52	2,19	1,63
Source aménagée		0,17	4,66	3,22
Source non aménagée			6,77	4,61
Cours d'eau			0,56	0,38
Autre			0,42	0,29

Source: Élaboré par l'auteur sur base de l'enquête 1-2-3

Selon le tableau ci-dessus qui présente le pourcentage des ménages par type de quartiers et selon la source principale d'eau de boisson,

¹⁷ Par moyens hygiéniques d'évacuation des ordures, MICS2 entend le service organisé, l'incinération, l'enfouissement et le compost ou fumier.

¹⁸ Kinshasa a cédé à son ancienne appellation «Kin la belle » et est devenue «Kin la poubelle »

plus de la moitié des ménages de notre échantillon, soit 52,19%, s'approvisionnent dans un robinet intérieur ou extérieur et 31,28% des ménages s'approvisionnent dans le robinet des autres ménages. Si l'on ajoute les 1,01% des ménages qui ont accès aux bornes fontaines, on déduit que 84,48% des ménages s'approvisionnent auprès des installations contrôlées par la Régie. Les ménages utilisent aussi d'autres sources pour s'approvisionner en eau. En effet, 7,83% des ménages s'approvisionnent dans les sources dont 3,22% utilisent les sources aménagées et 4,61% utilisent les sources non aménagées alors que 4,52 s'approvisionnent dans les puits, avec 2,88% dans les puits protégés et 1,63% dans les puits non protégés. Comme on le voit bien, le type de quartier est un facteur plus déterminant en matière d'adduction d'eau. Les faits témoignent que les ménages des quartiers résidentiels ne s'approvisionnent que dans les robinets alors que une proportion quasi négligeable des ménages des quartiers planifiés s'approvisionne dans les forages, puits protégés, puits non protégés, sources aménagées (respectivement 0,17%, 0,17%, 0,52%, 0,17%).

Encadré 2 : Indicateurs de santé pour le millénium en RDC

Objectifs et but entre 1990 et 2015	N° INDICATEURS Eradiquer la grande pauvreté et la faim		Valeur	source
Diviser par deux la proportion des moins ldollar/j	1	proportion de la pop avec -1dollar/j en 1999	65,40%	ENHAPSE
	2	Indice d'écart de la pauvreté (incidence de la pauvre)en 1999		ENHAPSE
	3	Part du 1er quintil des plus pauvre dans la c° nat, 1999	3,90%	ENHAPSE
Réduire de moitié la proport de la pop souffrant de faim	4	prévalence des insuff, ponderale des enfants -5ans 2001	31,10%	MICS 2
		Insuffisa ponderale des enfant -5ans en milieu urbain 2001	22%	MICS 2
		Insuff, ponderale des enfant -5ans en milieu rural 2001	35,50%	MICS 2
		Insuffisance ponderale chez les garçons de -5ans 2001	32,90%	MICS 2
		Insuffissance ponderale chez les filles de -5ans 2001	29,20%	MICS 2
	5	pop, dont la diète est <au minimum cal en 1990 et 2001	31 et 73%	MICS 2
	Assurer l'éducation primaire à tous
Taux net de scolarisation dans le primaire(pour F et G)	6	Taux de scolarisation primaire en 2001	51,70%	MICS 2
		Taux de scolarisation primaire des garçons en 2001	54,80%	MICS 2
		Taux de scolarisation primaire desfilles en 2001	48,60%	MICS 2
	7	Taux de scolarisation de 1ère à la 5ème année primaire 2001	24,80%	MICS 2
	8	Taux d'alphabétisation des 15 à 24 ans en 1999	68,70%	MICS 2
Promouvoir l'égalité des sexes et l'autonomisation des femmes
Élimination des discriminations entres sexes dans-	9	Ratio garçons/filles au primaire pour l'année 1998-1999	117,43%	min éd,nat
l' éduccation primaire et secondire avant2005		Ratio garçons/filles au secondaire pour l'année 1998-1999	180,54%	min éd,nat
		Ratio garçons/fillespour primaire et secondaire 1998-1999	130,88%	min éd,nat
		Ratio garçons/filles au niveau superieur 1998-1999	nd	min éd,nat
	10	Ratio des taux d'alpha garçon/filles de 15 à 24 ans en 1999	1,26	MICS 2
		Réduire la mortalité infantile
Réduire de deux tiers la mortalité des moins de 5 ans	13	Taux de mortalité des moins de 5ans en 2000	213%	MICS 2
	14	Taux de mortalité des moins de 1ans en 2000	126%	MICS 2
	15	% des enfants de -1an vaccinés contre la rougeole en 2002	46,40%	MICS 2
		Ameliorer la santé maternelle
	16	Taux de mortalité maternelle en 1989	12,89%	MICS 2 min
		Taux de mortalité maternelle en 1999	18,37%	sant,pub

2.6. Pathologie humaine

Dans de nombreux pays en développement, le problème primordial de trouver de l'eau en quantité suffisante a eu tendance à se minimiser et même à faire oublier celui de la qualité. Pourtant ce critère qualité-santé a été la motivation initiale pour trouver le financement des projets hydrauliques. Il continue à être l'élément essentiel pour la réussite des programmes entreprises : l'entretien des ouvrages et l'amélioration des conditions de vie des villageois dépendant de l'utilisateur, de la population qui voudra bien accepter d'affecter une partie de ses ressources au fonctionnement et à l'entretien des ouvrages mis en place. Cet avis est unanime. Or, seule prise de conscience par la population de la relation entre maladie et eau, entre contamination fécale et eau, pourrait susciter une motivation puissante et réelle. Il est indispensable de développer une sensibilisation des populations qui expliquerait aux usagers le lien entre les maladies dont ils souffrent et l'utilisation d'une eau malsaine et les bien faits à atteindre d'une eau de qualité. C'est là le but de l'éducation sanitaire ou éducation pour la santé.

Cette section présentera les problèmes sanitaires et les maladies tropicales qui ont publié des ouvrages sur ces thèmes.

2.6.1. Les éléments chimiques de l'eau responsables des problèmes ou
des maladies

Certains des éléments chimiques qui se trouvent dans l'eau sont utiles et même indispensables à la santé de l'homme à faibles concentrations mais peuvent devenir toxiques lorsqu'ils sont absorbés en trop grande quantité. Aussi, si la concentration de fluorures dans l'eau est inférieure à 0,5 mg par litre, on notera dans la population une incidence élevée de la curie dentaire. Par contre la fluorose endémique due à des taux élevés de fluor dans l'eau peut entraîner des lésions osseuses graves. Une concentration trop faible d'iode dans l'eau est responsable dans la population des troubles de la thyroïde.

Les nitrates dans l'eau à des concentrations dépassant 10mg/l, exprimé en azote, peuvent provoquer dans certains cas des phénomènes de méthémoglobinémie pouvant aller parfois jusqu'à l'asphyxie chez les bébés nourri au biberon. En effet, les nourrissons hébergent dans leur tube digestif une flore bactérienne réductrice qui transforme les nitrates en nitrites. Cette flore n'existe plus chez l'enfant et l'adulte.

Il est également prouvé par le corps médical que l'ingestion de fortes doses de sodium joue un rôle important dans le développement de l'hypertension chez des sujets prédisposés. Certains éléments peuvent, en quantité trop élevé, donner à l'eau un goût désagréable (fer, chlorures, sulfate, cuivre,...), ce qui peut pousser l'usager à se détourner de la source d'eau potable pour utiliser un approvisionnement qui peut être dangereux. On observe souvent le même comportement chez le consommateur lorsque l'eau trop peu minéralisée n'a pas assez de goûts (passage d'un approvisionnement par une eau de surface très chargée à un approvisionnement par une eau de surface très chargée à un approvisionnement par forage profond).

Les troubles liés à la chimie de l'eau entraînent pour la plupart des maladies à moyen ou à long terme. Pour cette raison, la population les considère comme beaucoup moins graves et préoccupantes que les maladies liées à la biologie ou à la bactériologie de l'eau.

TABLEAU 12: Principales maladies liées à l'eau classées selon leur origine et leur mode de contamination^.

Source :Viland, M-C, Eau et Santé, Ministère de la COPEDEV/France, p14

2.6.2. Les contaminations virales, bactériennes ou parasitaires de
l'eau responsables des maladies pour l'homme.

INFECTION Mode de conta mination	VIRALES	BACTERIENNES,	PARASITARES,
FECO-ORAL	Diarrhées, Rota virus, Entérovirus, Adénovirus, Poliomyélites, Hépatites A et B	Choléra, Salmonellose(typhoid e), shigellose ou (dysenterie bacillaire) Leptospirose	Amibiase (Dysenterie amibienne) Giardias Ascaridiase Oxyurose
Cutané			Anguillulose ankylostomiase
Cutané avec passage dans un hôte intermédiaire			Schistosomiases ou Bilharzioses (Bilharzioses urinaire et Bilharziose intestinale)
Par ingestion de hôte intermédiaire contenant le parasite			Dracunculose ou ver de Guinée
Par des vecteurs (moustique,..) qui effectuent une partie de leur cycle en milieu aquatique	Dengue	Fièvre jaune	Onchocercose Paludisme

Format gras: maladies diarrhéiques et qui sont liées à l'eau de boisson Format italique : maladies diarrhéiques

2.6.3. Les rôles de l'eau dans la transmission et développement des
agents pathogènes

Bien que réunies sous le même nom de maladies liées à l'eau, toutes ces maladies ne font pas intervenir l'eau d'une façon identique. Les informations concernant ces différents rôles de l'eau sont extraites de l'ouvrage du Professeur LARIVIERRE, Pathologie tropicale, Paris, Ed. Foucher, 1978.

L'eau peut être le véhicule de nombreux agents pathogènes. Ces derniers peuvent être :

· Des bactéries : vibrion cholérique, shigellas (agents de la dysenterie bacillaire), salmonelles (fièvres typhoïdes).

· Des virus : poliomyélite, giardia ;

· Des vers : ascaris, trichocéphales, ankylostomes, anguillules, vers de Guinée, douves, schistosomes (agent des bilharzioses).

Le rôle de l'eau dans la transmission des agents infectieux varie selon la biologie, c'est-à-dire, le cycle évolutif de ces germes pathogènes. On distingue trois types de cycles :

A. Le cycle direct court : c'est le plus simple

Les agents pathogènes présents dans le tube digestif des sujets infectés (appelés réservoirs de virus) sont éliminés dans le milieu avec les matières fécales. Ils sont immédiatement contaminants pour un nouvel hôte.

Le virus poliomyélitique est ainsi excrété par les selles des sujets infectés. Ils peuvent élimer jusqu'à dix millions de particules virales par gramme de selles pendant sept semaines et même parfois dix-sept semaines. Ces particules peuvent survivre des mois pH neutre, à base température, en présence de matières organiques et d'humidité. L'amibe dysentérique (entamoeba histolyca) est éliminée avec les selles sous formes de kystes directement contaminants. Dans les selles, les kystes peuvent rester infestant durant cinq jours selon l'état de déshydrations des matières. Il survient cinq minutes à la surface des mains et quarante-cinq minutes sous les ongles, vingt jours dans l'eau à plus de 20°C bien que leur pouvoir infestant ne s'y conserve pas plus de cinq à six jours. Leur pouvoir de contamination de maintient deux jours à 37°C et six jours entre 0 et 6°C, ce qui explique les contaminations possibles en pays tempéré.

A ce cycle, outre les deux exemples que nous venons de voir, obéissent toutes les bactéries, virus du tube digestif et parmi les parasites, les giardias et les oxyures (dont respectivement les kystes et oeufs embryonnés à la ponte sont directement contaminants). Leur dissémination dans le milieu extérieur se fait par les matières fécales et l'homme s'infecte par voie orales, par le véhicules des mains, des mouches, des légumes consommés crus et l'eau contaminée.

B. Lecycledirectlong:

Il concerne essentiellement un certain nombre de vers (ascaris, trichocéphale, ankylostome, anguillules), parasites du tube digestif de l'homme (réservoir de virus).

Il est proche du précédent mais s'en distingue par le fait que les oeufs ou larves de ces parasites n'ont pas encore atteint leur stade infestant lorsqu'ils sont rejetés dans le milieu avec les selles. Leur pouvoir de contamination s'acquiert en un temps plus ou moins long selon la qualité du milieu extérieur.

Les oeufs d'ascaris, rejetés avec les selles atteignent leur stade infestant en quatre semaines à une température de plus de 20°C, ou en deux semaines à plus de 30°C. La température la plus basse compatible avec leur développement est de plus 10°C et la plus haute 40°C; on comprend donc l'absence d'ascaridiase autochtone dans les zones désertiques fortement ensoleillées.

Une fois embryonnés, c'est-à-dire contenant la larve infestante, les oeufs d'ascaris sont très résistants. Les oeufs de trichocéphale s'embryonnent en six semaines dans les conditions les plus favorables de climat chaud et humide. La formation de l'embryon est plus lente dans les climats froids: 120 jours à plus de 15°C. La contamination de l'homme se fait par voie orale, en ingérant les oeufs embryonnés d'ascaris ou de trichocéphales présents dans l'eau ou sur les fruits et légumes consommés crus.

Avec les anguillules et les ankylostomes, nous abordons un autre mode de contamination, la pénétration à travers la peau de larves infestantes. Les sujets parasités par des anguillules rejettent dans leurs selles des larves qui atteignent leur pouvoir infestant en quelques jours de séjour dans l'eau si les conditions de température extérieure sont favorables. C'est en marchant nu-pieds ou en baignant en eau douce que l'eau se contamine.

Les ankylostomes adultes, présents dans le tube digestif de l'homme, pondent des oeufs qui, rejetés avec les selles, vont se transformer en larves infestantes. La température extérieure la plus favorable est comprise entre plus 25°C et plus 30°C. Au dessous de plus de 14°C et au dessus de 35°C le développement de l'oeuf s'arrête.

Alors que les anguillules se développement dans l'eau sans support solide, les larves d'ankylostome se trouvent essentiellement dans les boues humides et c'est en marchant pieds nus que l'homme se contamine.

C.Le cycle indirect

Les parasites issus de l'hôte sous forme d'oeufs ou de larves n'atteignent leurs formes de contamination qu'après passage obligatoire par un hôte intermédiaire qui assure, par simple transformation, ou pour certains parasites (douves et schistosomes) par l'addition d'un effet multiplicateur, la maturation des formes infestantes.

Certains de ces hôtes intermédiaires indispensables vivent en milieu aquatique:

1. Le cyclops, petit crustacé d'eau douce dont la taille est inférieure au millimètre est l'htes intermédiaire de la filaire de médecin (ver de guinée). Le ver adulte, qui mesure 55 à 80 cm de long, vit sous la peau de l'homme, souvent aux membres inférieurs. Au contact de l'eau, ce ver perce la peau et lâche ses embryons qui sont avalés par des cyclops qui les transforment en larves infestantes. C'est en buvant de l'eau de mare et en avalant des cyclops infestés de larves que l'homme se contamine. Aussi, compte tenu de la taille des cyclops, il est théoriquement facile de se protéger de cette parasitose en filtrant l'eau à travers une pièce de tissu.

2. Les bilharzioses sont parmi les endémies parasitaires majeures qui affectent le continent africain. Elles sont totalement inféodées à l'eau où vivent les mollusques, hôtes intermédiaires indispensables à l'accomplissement du cycle évolutif des schistosomes qui sont responsables de ces verminoses. Les vers adultes, présents dans l'organisme de l'homme, pondent des oeufs qui sont rejetés à l'extérieur par les urines (bilharziose urinaire) ou par les selles (bilharziose intestinale). Ces oeufs éclosent dans l'eau douce et libèrent un embryon qui pénètre dans un mollusque et nagent dans l'eau. Elles pénètrent à travers la peau de tout homme entrant en contact avec cette eau contaminée. Il est encore difficile de lutter contre les bilharzioses et dans certaines régions, en l'absence de concertation préalable avec des épidémiologistes confirmés en malacologie (science des mollusques),

des travaux d'irrigation se sont soldés par une extension préjudiciable des bilharzioses.

L'eau peut être aussi le lieu de reproduction d'insectes vecteurs de maladies transmissibles:

Les moustiques peuvent être vecteurs des maladies parasitaires ou virales. On distingue trois groupes principaux de moustiques:

3. Les aèdes (ou stegomyas) principaux vecteurs de la fièvre jaune en Afrique et de certaines autres viroses; grands voyageurs et dont les oeufs sont résistants;

4. Les culex, vecteurs de viroses et en Afrique de l'est, de filariose lymphatique; se complaisant dans les eaux usées domestiques;

5. Les anophèles, les seuls moustiques capables de transmettre le paludisme. Certaines espèces sont également vectrices de la filariose lymphatique.

La biologie des moustiques est complexe, variable d'une espèce à l'autre, d'une zone géographique à l'autre. Les anophèles adultes se déplacent dans l'air grâce à leurs ailes, comme tous les autres moustiques. Les males ne piquent jamais, ils se nourrissent de sucs de plantes et ont une durée de vie limitée. Les femelles par contre sont hématophages, car après avoir été fécondées, le sang est nécessaire à la maturation de leurs oeufs. Elles piquent dans en général le soir ou dans la première partie de la nuit, mais il y a de très grandes variations selon les espèces. Elles piquent dans les habitations (espèces endophages) ou à l'extérieur des habitations (espèces exo phages).

Certaines ont des préférences alimentaires très étroites, d'autres sont moins exigeantes. Les espèces anthropophiles se nourrissent exclusivement de sang humain et sont donc les plus dangereuses pour la transmission du paludisme; les espèces zoophiles préfèrent le sang des animaux; certaines enfin sont indifférentes (zoo anthropophiles ou anthropozoophiles).

Chaque espèce d'anophèle a des gîtes de ponte (ou gîtes larvaires) préférentiels. Ce sont des collections d'eau temporaires ou permanentes, exposées à l'ombre ou au soleil, pourvues ou non de végétation et répondant à des exigences chimiques variées. Ainsi, tandis que la plupart des espèces se développent en eau douce, une variété africaine, les anophèles « gambiae melas », supporte des concentrations de sel importantes. L'eau courante est en général défavorable. La température est primordiale;

au-dessous de plus 16°C le cycle larvaire aquatique s'arrête. Cet arrêt de développement dû au froid est l'hibernation. Il peut se produire également au stade d'oeuf et d'adulte et ne signifie pas la mort estivation quand la chaleur est trop importante.

2.6.4. Les maladies diarrhéiques

Les maladies à contamination féco-orale sont pour la plupart des maladies diarrhéiques (appelés aussi gastro-entérites). Elles représentent un problème majeur de santé publique en zone tropicale où elles constituent une des principales causes de la mortalité infantile soit directement soit indirectement par de la malnutrition qu'elles favorisent. Elles se transmettent par ingestion d'eau souillée par des selles ou par des mains sales ou des récipients mal protégées ; elles se transmettent également par ingestion d'aliments contaminés par lavage ou arrosage : évacuation des selles sur le sol ou utilisation de déchets humains (personnes atteintes) comme engrais. Le danger que représente ce mode de contamination s'appelle le « péril fécal ».

2.6.4.1. Les diarrhées infectieuses aigues d'origine bactérienne ou virale A. Epidémiologie

Les agents responsables des diarrhées infectieuses sont nombreux, dominés par les colibacilles entérotoxiques et les rota virus. La contamination peut se faire directement d'homme à l'homme (notamment dans les collectivités d'enfants) ou par l'intermédiaire d'eau ou d'éléments souillés par les matières fécales d'individus infectés : colibacilles, vibions, shigelles, rota virus et plus rarement salmonelles, « compylobacter », « yessinia ». la contamination peut également résulter de l'ingestion de viande, de lait, d'oeufs, de fruits de mer provenant d'animaux infectés (salmonelles, campylobacter, yesinia, basilles charbonneux) ou de préparation culinaires souillées (staphylocoques, clostidium...) .

Dans les diarrhées entérotoxiniques dites sécrétoires ou cholériformes, les bactéries se multiplient dans la lumière du grêle et produisent une ou plusieurs toxines qui se fixent sur les anthérocytes et provoquent la sécrétion massive d'un liquide pauvre en protides mais riche en sel, en bicarbonate et en potassium. Les clostridies sécrètent une toxine qui engendre des lésions intestinales de gravité variable :

· Les clostridies perfringens de type C une redoutable entérocolites nécrosant (après ingestion de viande de porc).

· Les clostridies difficile des colites pseudo-membraneuses post- antibiotiques.

Les diarrhées invasives bactériennes sont surtout dues à des tigelles. Les salmonelles, les « compylobacter », « les yersinia », les colibacilles entéro-invasifs sont plus rarement en cause.

B. Agents responsables des diarrhées infectieuses aigues sous les tropiques

1. Diarrhées entéro toxiniques :

Sécrétoires

· Escherichia coli entérotoxiniques

· Vibrio cholerae,

· Autres vibrions

Non sécrétoires

· Taphylococcus aureaus

· Clostridium perfringens

· Clostridium difficile

· Bacillus cereus

2. Diarrhées invasives :

Bacteriennes

· Shigella

· Salmonella

· Eschericchia coli (entéro-invasifs)

· Campylobacter jejuni

· Bacillus anthracis

Virales

· Rota virus

· Virus norwalk

3. Diarrhées non entérotoxiniques, non invasives

· Escherichia coli entéropathogènes

Dans tous le cas, il existe des lésions intestinales responsables de la diarrhée et parfois de la diffusion de l'infection. Les diarrhées virales,

nécessairement invasives puisque les virus ne peuvent se développer que dans les cellules, ressemblent aux diarrhées entérotoxiques car les virus gênent l'absorption intestinale en lésant les villosités.

En zone tropicale, les diarrhées infectieuses s'observent surtout chez les nourrissons et les jeunes enfants sous formes de cas sporadiques (se répétant plusieurs fois par an) ou de petites endémies dans les collectivités à l'hygiène insuffisante. Les nouveau-nés sont en grande partie protégés par les anticorps transmis par leur mère au cours de la grossesse ou à l'allaitement. En dehors des épidémies de choléra et des toxi-infections alimentaires collectives, les diarrhées sont rares chez l'adulte autochtone, immunisé par les infections antérieures.

2.6.4.2. les diarrhées d'origine parasitaire

Les parasitoses sont si banales qu'on risque de pécher par excès en leur attribuant des troubles digestifs relevant d'une autre cause. Parmi les protozooses, l'amibiase intestinale aigue est systématiquement discutée en présence d'une dysenterie ou d'une diarrhée ; la mise en évidence d'amibes hématophages (entamoeba histolytica) impose les amoebicides tissulaires ; celle de kystes ou de formes minuta a moins d'intérêt. La giardiase est responsable de troubles digestifs variés et parfois de syndromes de malabsorption. La balantidiose, exceptionnelle, entraîne diarrhée ou dysenterie. L'isosporose et la cryptosporidiose sont responsables des diarrhées habituellement bénignes sauf chez les sujets atteints d'immunodéficit acquis.

De nombreux helminthes provoquent des douleurs abdominales, des troubles du transit, des nausées, des vomissements : ver ronds (ascaris, ankylostomes, anguillules, trichostrongylus, capillaria, gnathostomes), ténias ( T. saginata, H. nana), douves intestinales (d'orient et d'Egypte), schistosomes intestinaux ( S. japonicum). L'examen coprologique, complété au moindre doute par des techniques spéciales met le plus souvent facilement en évidence les oeufs ou les larves de ces vers. L'helminthiase affirmée, il est logique de la traiter, mais si les troubles digestifs ne s'amendent pas, il importe de rechercher une maladie.

2.6.5. birectives officielles et recommandations de groupes

d'experts sur la qualité de l'eau de consommation

La connaissance des maladies permet de comprendre que leur prévention peut se faire en buvant une eau de bonne qualité et avec de bonnes habitudes d'hygiène personnelle et collective. Les enseignements et les

messages transmis par l'éducation pour la santé seront informatifs et éducatifs.

Ils doivent apprendre les règles essentielles de l'hygiène individuelle (corporelle, alimentaire, fécale, urinaire), souligner le danger des «mains sales », insister sur le «péril fécal» et la nécessité de construire des latrines qui ne risquent pas de contaminer le point d'eau ou l'aquifère qui alimente le point d'eau. Les personnes chargées de donner un tel enseignement s'appuieront sur des documents bien conçus et spécifiques des problèmes des pays concernés. Il existe déjà un certain nombre de documents illustrés de dessins simples, il faut maintenant diffuser ces informations au niveau de stages de formation.

La santé de l'homme dépend de façon primordiale de l'eau et de son utilisation. L'homme doit absorber quotidiennement une quantité minimales d'eau: l'eau est vitale et ce besoin quantitatif a toujours été une évidence pour l'homme puisqu'il s'impose à lui par la soif. Malheureusement, l'homme a rarement la faculté d'apprécier que l'eau puisse induire des risques de maladies. Il lui est plus difficile encore de comprendre et de croire que l'eau peut engendrer la maladie et la mort.

Pourtant boire de l'eau contaminée ou de mauvaise qualité peut réduire la durée de vie (gastroentérites, typhoïdes, poliomyélites,...).

Par ailleurs, l'eau peut donner à l'homme de graves maladies soit par contact: ankylostomiase, bilharziose; soit en favorisant le développement d'insectes ayant une vie larvaire aquatique qui représentent un danger pour l'homme: paludisme transmis par le moustique, onchocercose transmise par la simulie.

Les directives officielles insistent pour que des dispositions susceptibles d'améliorer la santé à travers le cycle de l'eau soient renforcées. Selon l'OMS, plus de 80% des maladies qui ravissent à la surface de la terre sont, ou d'origine hydrique, ou liées au milieu aquatique. Pour lutter contre cet état de fait, l'OMS a, en 1972, tenté de définir certaines caractéristiques de l'eau potable: « elle ne doit contenir en quantité dangereuse ni substances chimiques, ni germes nocifs pour la santé. En outre, elle doit être aussi agréable à boire que les circonstances le permettant. Cette notion descriptive est complétée plus tard par la prise de conscience que « la bonne qualité de l'eau de boisson fait davantage pour la santé publique que n'importe quel vaccin ou médicament ». L'OMS, par ses travaux et recommandations, incite chaque pays à élaborer des normes de qualité aussi voisines que possible des valeurs indicatives recommandées dans le but de protéger la santé publique.

CHAPI'FR« 'FROI~I«~« :

DESCRIPTION DES FACTEURS DE LA

NORTALITE INFANTILE

Le premier chapitre de notre recherche a constitué le support théorique de l'analyse des données à savoir la modélisation de la fonction du risque auquel sont exposés des enfants de moins de cinq ans compte tenu de leur différentes situations sanitaires. Le deuxième chapitre, par ailleurs, s'est plus préoccupé de l'étude de la pathologie humaine à savoir les typologies des maladies infectieuses et leurs sources de contamination. Ce troisième chapitre procède à l'analyse exploratoire des données. Nous présenterons dans un premier temps le détail sur la base des données sous analyse dans ce travail, la méthodologie d'exploitation ainsi que quelques détail sur la terminologie des concepts avant d'atteindre l'analyse exploratoire proprement dite des données.

3.1. Présentation de la base des données

L'ensemble de nos analyse dans le cadre de ce recherche sera basé sur l'enquête sociodémographique MICS 2 (multiple indicator cluster survey) effectué sur l'ensemble des provinces de la RD CONGO par l'Unicef en 2001 sur la situation des femmes et des enfants en ce qui concerne particulièrement la vie dans les ménages, l'éducation, la santé de la mère et du nouveau nés, la couverture vaccinale et la santé de la production. Ces domaines ont été regroupés en modules de recherche qui sont :

1. L'habitat, eau, assainissement du milieu, iodation,

2. Vaccination anti-tétanique (VAT),

3. Soins des maladies,

4. Le paludisme,

5. Le VIH/sida,

6. L'anthropométrie,

7. La mortalité des enfants,

8. Le travail des enfants,

9. La santé de la reproduction,

10. La santé de la mère et du nouveau-né,

11. Le travail des enfants,

12. Les infrastructures socio communautaires,

13. L'éducation

En ce qui concerne l'accès à l'eau de boisson, le rapport MICS 2 souligne le fait que l'eau c'est la vie mais une eau non potable peut être un vecteur important des maladies, telle que le trachome, le cholera, la fièvre typhoïde et la schistosomiase. MICS 2 appréhende l'accès à l'eau de boisson de qualité ou en d'autres termes, l'eau à boire salubre par rapport à la source principale d'eau de boisson, la distance entre le logement et la source d'eau, et au temps d'accès.

3.1.1. Les sources principales d'eau de boisson

D'après les sources principales d'eau de boisson, le rapport MICS 2 indique que la population congolaise utilise plusieurs sources d'eau de boisson et l'enquête considère comme eau de boisson de qualité (ou eau à boire salubre), l'eau provenant des sources suivantes : robinet dans le logement, robinet dans la cour ou parcelle, borne fontaine, puits à pompe, puits protégées ou aménagés, robinet dans la parcelle voisine, source aménagée.

3.1.2. Temps et distance pour chercher l'eau à boire salubre

L'accès facile de la population à la source d'eau de boisson de qualité est analysé par rapport au temps nécessaire pour se rendre à la source, attendre pour obtenir l'eau et pour revenir à la maison en utilisant le moyen de déplacement le plus courant ou par rapport à la distance qui sépare le logement de la source d'eau.

On considère qu'une personne a un accès facile à une eau de boisson de qualité lorsqu'elle dispose de cette eau sur place ou lorsqu'elle peut en disposer dans le quinze minutes, ou à moins de cent mètre du logement.

Par ailleurs, le rapport sur l'assainissement du milieu indique que l'environnement immédiat a un impact certain sur la situation sanitaire des personnes qui y vivent en général et les enfants de moins de cinq ans en particulier. Cette même section examine les types d'évacuations des eaux usées et des ordures ménagères ; voire la localisation des toilettes. L'enquête MICS 2 entend comme moyens hygiéniques d'évacuation des ordures, le service organisé, l'incinération, l'enfouissement et le compost ou fumier.

interrelations qui existent entre les variables de commandes selon les rubriques liées à l'eau, à l'assainissement du milieu et celles liées à la mortalité infantiles afin de décrire les facteurs de la mortalité infantile. Cependant, il se pose un sérieux problème d'homogénéité des variables. En effet, tous les ménages n'ont pas la même taille, ce qui fait qu'au sein d'un même ménage, on retrouve autant des femmes parmi lesquelles, certaines se réservent de remplir la fiche de questionnaire. Cette situation a pour conséquence les décalages des observations entre les modules sous analyse.

Pour lever cette difficulté, nous avons considéré que toutes les femmes enquêtées dans un même ménage sont identiques, il suffit donc d'avoir les informations sur une femme pour conclure pour l'ensemble de ménage. De ce fait, on arrive à 7800 observations après élimination des lignes des données fictives.

3.2. Méthodologie

Toute recherche scientifique poursuit un objet qui est matérialisé par une méthodologie d'élaboration ou de présentation des résultats. Cette section est consacrée aux détails sur la procédure d'études descriptives des facteurs de la mortalité infantile, leurs différentes rubriques et catégories d'analyse.

Dans le cadre de notre étude, nous retenons deux facteurs principaux de la mortalité des enfants à savoir l'eau et l'assainissement. Ces derniers sont parfois traités de façon conjointe lors qu'on veut mesurer leur impact sur la santé. Ceci est d'autant plus vrai que l'eau sans un mode d'usage plus approprié amène des maladies pathogènes ci hautes détaillées. De même, l'assainissement s'explique d'une part par la carence en eau d'usage régulier. C'est le cas d'utilisation intérieur ou extérieur des latrines avec chasse d'eau et d'autre part par la mauvaise gestion des eaux usées au sein d'un ménage. C'est le cas par exemple de l'absence d'égouts d'évacuation des eaux ménagères.

En ce qui nous concerne, il sied d'analyser séparément ces deux facteurs de la mortalité infantile afin de cerner distinctement leur responsabilité sur les maladies pathogènes et les risques spécifiques de mortalité chez les enfants.

L'eau sera ici considérée comme vecteur principal de transmission des microbes qui sont sources des diverses maladies chez les enfants de moins de cinq ans. Nous allons regrouper tous les caractères de la qualité de l'eau sous un seul indicateur dit « indicateur de la qualité de l'eau ».

Ce dernier aura la valeur 1(indicateur idéal) pour des types des sources d'eau ci-dessous libellés et la valeur 0 pour les autres sources:

· L'eau de robinet intérieur du ménage,

· L'eau de robinet extérieur,

· L'eau de puits à pompe,

· L'eau de pluie/citerne

· L'eau de bouteille (eau minérale)

· L'eau en provenance des bornes fontaine,

· L'eau de robinet des autres ménages,

· L'eau des puits protégés,

· L'eau des sources aménagées,

· L'eau des forages

Quant à l'assainissement, il faut entendre trois explications constituant chacune une forme d'indicateur de l'assainissement:

1) Le type et lieu d'emplacement des toilettes au sein de ménages. Sous cette rubrique, il sied d'analyser aussi la gestion des selles des petits enfants (0 à 3 ans) lors qu'ils ne savent pas, d'eux même, utiliser les installations hygiéniques. Or, la façon la plus commode ou la plus hygiénique de contrôle des selles des petits est celle de les jeter dans les latrines. L'indicateur de la qualité de toilettes pour le ménage a la valeur 1 pour les types idéales des toilettes ci-après et 0 pour les autres types non mentionnés:

· Toilettes intérieures privées avec chasse d'eau reliées aux égouts publics ou avec fosse septique,

· Toilettes à évacuation,

· Toilettes améliorées à ventilation (V.I.P),

· Toilettes traditionnelles couvertes.

2) Le mode d'évacuation des eaux usées du ménage constitue également un indicateur de l'état de l'assainissement avec les types idéals d'évacuations suivants (ayant la valeur 1):

· Evacuation par les égouts,

· Evacuation par des caniveaux pluviaux,

· Evacuation par puits perdus

3) Le mode d'évacuation des ordures ménagères:

Cinq techniques idéale sont utilisées pour un usage assaini des ordures ménagères, il s'agit de:

· Evacuation par le service public,

· Evacuation par le service privé,

· L'incinération,

· L'enfouissement,

· Le compost ou fumier

L'étude des facteurs de la mortalité des enfants est un vaste chantier qui doit annexer dans son sillage, non seulement les facteurs eau et assainissement lesquelles causes paraissent parfois lointaines, mais également les causes les plus immédiates telles que un type particulier de maladie. Cependant, en ce qui nous concerne, nous cherchons les sources de ces maladies du fait ces dernières ne constituent que des états intermédiaires des enfants destinés à mourir ou à vivre selon le cas. C'est ce qui d'ailleurs interprète en partie notre souci de mesurer les risques inhérents aux enfants sous les états sus indiqués. En outre, notre étude montre l'impact des éléments spécifiques d'accès à l'eau potable et d'assainissement sur la mortalité des enfants de moins de cinq ans. C'est pourquoi, il est impérieux d'explorer la base des données avant toute mesure de risque. Mais avant d'y arriver, précisons d'abord quelques concepts.

3.3. Terminologies

Les concepts ci-après feront l'objet d'usage fréquent dans ce travail, il importe donc d'en donner quelques précisions.

· Accouchement assistés par un personnel de santé qualifié: il s'agit du pourcentage d'accouchements suivis par un personnel (médecins, infirmiers et sages-femmes) ayant reçu une formation lui permettant de donner les soins, les directives et les conseils nécessaires aux femmes pendant la grossesse, l'accouchement et la période de post-partum, de procéder lui-même à des accouchements et de s'occuper des nouveaux- nés.

· Dépenses de santé par habitant (en PPA en USD): somme des dépenses publiques et privée consacrées à la santé (partie de pouvoir d'achats en USD), divisée par le nombre d'habitants. Les dépenses de santé englobent l'administration de soins (préventifs ou curatifs), planning familial, les activités nutritionnelles et la part de l'aide d'urgence consacrée à la santé, mais ne comprennent pas les fournitures d'eau potable ou d'infrastructure d'assainissement.

· Dépenses de santé privée: dépenses directes des ménages (payées par les usagers), assurance-maladie privée, dépenses des institutions à but non lucratif prêtant assistance aux ménages et sommes acquittées directement par les entreprises privées pour la santé de leur personnel.

La somme des dépenses de santé publiques et privées donne les dépenses totales de santé.

· Dépenses de santé publique: dépense de fonctionnement et d'investissement inscrites aux budgets des administrations publiques (centrales et locales), plus prêts et dons de l'étranger (y compris les dons des organismes internationaux et des organisations non gouvernementales) et activités des caisses d'assurance-maladie (obligatoire ou non). La somme des dépenses de santé publiques et privées donne les dépenses totales de santé.

· Espérance de vie à la naissance: nombre d'années que vivrait un nouveau-né si les caractéristiques de mortalité de la population au moment de sa naissance demeuraient les mêmes tout au long de sa vie.

· Taux de fécondité: nombre d'enfants que mettrait au monde chaque femme, en supposant qu'elle demeure en vie jusqu'à la fin de sa période de fécondité et qu'elle donne naissance, à chaque âge, au nombre d'enfants correspondant au taux de fécondité prévalant pour cet âge.

· Taux de mortalité des enfants de moins de cinq ans: probabilité de décès entre la naissance et le cinquième anniversaire (enfants âgés de 0 à 4 ans révolus ou de 0 à 59 mois), calculé pour mille naissances vivantes.

· Mortalité maternelle: nombre de femmes décédant chaque année des complications de la grossesse, pour 100000 naissances vivantes.

· Paludisme (prévention chez les enfants de moins de cinq ans): pourcentage d'enfants de moins de cinq ans dormant sous des moustiquaires imprégnées d'insecticides;

· Paludisme (traitement chez les enfants de moins de cinq ans): pourcentage d'enfants de moins de cinq ans atteints de paludisme au cours des deux semaines précédant l'enquête et ayant reçu un traitement contre cette maladie.

· Probabilité à la naissance d'atteindre un âge donné: probabilité qu'a un nouveau-né d'atteindre un âge donné dans l'hypothèse où les taux de mortalité spécifique à chaque classe d'âge resteraient inchangés à compter de sa naissance.

· Probabilité à la naissance de décéder avant un âge donné: différence entre la valeur 1 et le taux de probabilité de la cohorte considérée de survivre jusqu'à l'âge considéré.

· Thérapie de réhydratation orale : pourcentage d'enfants (âgés de moins de cinq ans) souffrant de la diarrhée ayant reçus soit une thérapie de réhydratation orale (solution de réhydratation orale ou fluides maison), soit un apport accru de fluides et une alimentation continu, et ce au cours de deux semaines au moins précédant l'enquête.

· Vaccination (enfants effectivement vaccinés contre la rougeole ou la tuberculose): proportion d'enfants d'un an ayant reçu une injection

d'antigène ou de sérum contenant des anticorps spécifiques agissant contre la rougeole ou la tuberculose ;

· Usage de l'eau : manière dont l'eau est utilisée, c'est-à-dire soit comme bien de consommation, soit comme facteur de production. Les usages ou l'utilisation de l'eau sont classés en fonction de leur but économique et social : domestique, industriel, agricole ou énergétique ;

· Consommation d'eau : cette notion peut se définir à deux niveaux à savoir ;

1. par rapport au milieu naturel, les consommations d'eau prélevée mais qui, soit n'est pas retournée à la nature après usage, soit a subi une dégradation durant son usage.

2. par rapport aux distributeurs d'eau, les consommations équivalentes aux quantités d'eau qu'ils délivrent, comptabilisent et facturent ;

· Eau salubre : eau qui a une action favorable sur l'organisme, une eau sain, préservée des maladies endémiques et contagieuses ; de même on parle aussi d'une eau potable pour dire sans danger sur la santé, contrairement à l'eau de boisson qui est simplement destinée à boire sans vérification préalable des effets sur la santé. En outre, une eau de boisson n'est pas nécessairement potable ou salubre ;

· Une épidémie : maladie infectieuse qui frappe en même endroit un grand nombre des personnes ou d'animaux (épizootie). L'épidémie se propage par contamination contrairement à une endémie ;

· Une endémie : c'est la présence habituelle d'une maladie particulière dans une région.

3.4. Analyse exploratoire des données

L'analyse exploratoire des données concerne plus particulièrement la prospection des relations qui existent entre les caractères sous analyse. C'est le cas des tableaux croisés entre deux caractères.

Dans le cadre de notre analyse, la recherche a principalement ciblé les variables ayant traits à l'eau, à l'assainissement du milieu de vie et la variable indiquant l'état auquel se trouvent les enfants étudiés. Nos différentes statistiques sont présentées dans les tableaux générés par le logiciel SPSS 10.

3.4.1. bescription du mode d'accès à l'eau de boisson TABLEAU 13:l'accès à l'eau de boisson

Statistiques

		Source d'eau pour boire	Distance d'habitation - source	Temps mis pour aller puissé de l'eau
N	Valide	8600	8600	8600
	Manquante	69	69	69
Moyenne		8,19	3,15	175,28
Médiane		10,00	3,00	35,00
Mode		10	3	30
Ecart-type		3,40	1,29	318,41
Variance		11,55	1,66	101386,91
Asymétrie		-,563	,618	1,884
Aplatissement		-,793	2,309	1,635
Minimum		1	1	1
Maximum		14	9	999
Somme		70392	27105	1507406
Centiles	25	6,00	2,00	20,00
	50	10,00	3,00	35,00
	75	10,00	4,00	60,00

Source : nos analyses sur SPSS

Il ressort de ce tableau qu'en moyenne les ménages accèdent principalement aux puits non protégé pour leur approvisionnement en eau de boisson et la majorité des ménages s'approvisionnent en eau des sources non aménagées. En ce qui concerne séparant l'habitat et la source d'eau de boisson, nous notons qu'en moyenne les ménages effectuent 100 à 500 mètres pour retrouver la source d'approvisionnement en eau de boisson. Comme pour affirmer que les ménages n'ont pas accès sur place à une source d'approvisionnement en eau de boisson.

3.4.2. Assainissement du milieu de vie

En ce qui concerne l'assainissement du milieu de vie, cette étude cible cinq indicateurs à savoir :

1. le type de toilette utilisée par le ménage,

3. Le lieu où se trouvent les latrines,

4. La gestion des selles des petits enfants (0 à 3 an),

5. Le mode d'évacuation des eaux usées du ménage,

6. La gestion des ordures ménagères.

A. le type de toilette utilisée par le ménage

TABLEAU 14 : Distribution des fréquences des types de toilettes utilisées par
les ménages

Type de toilette utilisée

	Fréquence	Pour cent	Pourcentage valide	Pourcentage cumulé
Chasse raccordée & l'égout	91	1,1	1,1	1,1
Latrine améliorée à ventilation	26	,3	,3	8,0
Latrine tradionnelle couverte	3067	35,4	35,7	43,6
Latrine traditionnelle non couverte	3004	34,7	34,9	78,6
Trou ouvert	642	7,4	7,5	86,0
Autres	43	,5	,5	86,5
Pas de toilette ou brousse ou champ	1157	13,3	13,5	100,0
Total	8600	99,2	100,0

Source : nos propres calculs sur le logiciel SPSS 10

Dans ce tableau, nous dénotons que la majorité des ménages utilisent les latrines traditionnelles couvertes, soit 35,4% des ménages enquêtés contre 0,3% fréquentant des latrines améliorées à ventilation. Entre ces deux bouts on enregistre 1,1% de ceux utilisant des latrines raccordées avec l'égout. ; 6,6% des ménages utilisent les latrines à évacuation ; 34,9% utilisent des latrines traditionnelles non couvertes ; 7,5% des simples trous ouverts et 0,5% utilisent les autres types non précisés ici.

B. Mode de gestion des selles des petits enfants (0 à 3) au sein des ménages;
lors que ces derniers n'utilisent pas des latrines des ménages

TABLEAU 15 : Gestion des selles de petits enfants (0 à 3 ans) Que faites vous avec les selles des enfants de 0 à 3 ans

		Fréque nce	Pour cent	PourcentaPourcent ge valide	cumul
ValideIls	utilisent toujours les toilettes/ latrines	147	1,7	1,7	1,7
	Jetées dans les toilettes/latrines	4079	47,0	47,4	49,1
	Jetées en dehors de la cours	834	9,6	9,7	58,8
	Enterées dans la cours	431	5,0	5,0	63,8
	Ne sont jetées/restent par terre	142	1,6	1,7	65,5
	Autres	256	3,0	3,0	68,5
	Pas de petits enfants dans le menage	2711	31,3	31,5	100,0
	Total	8600	99,2	100,0
Manqu ante	Système manquant	69	,8
Total		8669	100,0

Source : nos calculs

Pour le mode de gestion des selles des enfants (0 à 3 ans), le résultat ci-dessus montre que la majorité des ménages jettent les selles de leurs enfants dans les latrines, soit 47% ; 9,6% jettent les selles des enfants en dehors de la cours et 1,6% traînent les selles de leurs enfants par terre. Par ailleurs, 31,3% des ménages n'ont pas des petits enfants dans leur ménage et 1,7% n'ont point le problèmes de selles des enfants dans leur ménage du fait tous les enfants utilisent habituellement les latrines communes.

C. Lieu d'emplacement des latrines

TABLEAU 16 : Emplacement des latrines Place de la latrine

		Fréquenc	Pour cent	Pourc.val ide	Pourcentag e cumulé
ValideDans	le logement	268	3,1	3,6	3,6
	Oui dans la cour/parcelle	6099	70,3	81,9	85,5
	Non en dehors de la cour/parcelle	1076	12,4	14,5	100,0
	Total	7443	85,9	100,0
Manqu ante	Système manquant	1226	14,1
Total		8669	100,0

Source : nos analyses sur SPSS

Il ressort du tableau ci haut que 70% des ménages ont leurs latrines dans la cour parcellaire ; 3,1% gardent leur latrine dans le logement et 12,4% ont leurs latrines en dehors de la cour parcellaire.

D. Mode d'évacuation des ordures ménagères TABLEAU 17: mode d'évacuation des ordures ménagères

Système d'évacuation des ordures ménagères

		Fréquence	Pour cent	Pourcentage valide	Pourcentage cumulé
Valide	Service organise prive ou public	282	3,3	3,3	3,3
	Incineration	510	5,9	5,9	9,2
	Enfouissement	1340	15,5	15,6	24,8
	Voie publique	319	3,7	3,7	28,5
	Cours d'eau	185	2,1	2,1	30,6
	Depotoir sauvage	3957	45,6	46,0	76,7
	Compost ou fumier	1494	17,2	17,4	94,0
	Autres	513	5,9	6,0	100,0
	Total	8600	99,2	100,0
Manquan	Système manquant	69	,8
Total		8669	100,0

Source : nos résultats d'analyse

Le système d'évacuation des ordures ménagères montre 45,6% des ménages se débarrassent des ordures grâce l'usage des dépotoirs sauvages contre 3,3% qui utilisent un service organisé ; 5,9% procèdent par incinération, 17% font usage du compost ou du fumier. La voie publique d'évacuation rassemble que 3,7% des ménages.

E. Mode de gestion des eaux usées

TABLEAU 18 : Gestion des eaux usées des ménages

Evacuation des eaux usées

		Fréquen ce	Pour cent	Pourcentage valide	Pourcentage cumulé
Valide	Evacuation avec un système hygiénique	3626	41,8	42,2	42,2
	Autres	4974	57,4	57,8	100,0
	Total	8600	99,2	100,0
Manquante	Système manquant	69	,8
Total		8669	100,0

Source : nos calculs

Il ressort de ce tableau que plus de la moitié des ménages utilisent les voies d'évacuation des eaux usées non hygiéniques, soit 57,8% des ménages.

3.4.3. bistribution des fréquences en ce qui concerne la situation
des femmes et des enfants (enquête MICS 2)

A. Naissances survenue en dernière année

TABLEAU 19 : Naissances survenue en dernière année

Naissance survenue depuis la dernière année

		Fréquence	Pour cent	Pourcentag e valide	Pourcentage cumulé
Valide	1=vivant	1833	23,5	40,6	40,6
	2=déced	2682	34,4	59,4	100,0
	Total	4515	57,9	100,0
Manqua nte	Système manqua nt	3285	42,1
Total		7800	100,0

Source : nos analyses sur SPSS

Le tableau 19 indique que sur le total des naissances intervenues au cours de la dernière année, 59,4% sont décédés et 40,6 survivent encore. En outre, il se dégage que le taux de mortalité des enfants de moins d'un an est élevé en cette dernière année précédant l'enquête.

B. Décès des femmes en âge de reproduction (15 à 49 ans)

TABLEAU 20 : Décès des femmes en âge de reproduction (15 à 49 ans) Nombre de femmes mortes au cours de l'accouchement

		Fréquence	Pour cent	Pourcentage valide	Pourcentage cumulé
Valide	0	150	1,9	86,7	86,7
	1	23	,3	13,3	100,0
	Total	173	2,2	100,0
Manquan te	Système manquant	7627	97,8
Total		7800	100,0

Source : nos analyses sur SPSS

Il ressort de ce tableau que 13,3% des femmes meurent au cours de l'accouchement. Ceci indique que la mortalité maternelle est importante dans la ville de Kinshasa. Situation s'explique par le mauvais état de l'assainissement ainsi que l'inaccessibilité des femmes en ceinte aux soins et suivi prénatal effectué par un personnel santé qualifié.

CHAPITRE QUATRIEME :

MODELISATION DE IA FONCTION DE RIS~~E

DE COI

En faisant suite au chapitre premier de cette recherche dédié aux notions théoriques du modèle de Cox et en se servant du pont érigé par le chapitre troisième de la même recherche destiné l'analyse exploratoire des données, ce présent chapitre réalise la mesure du risque de mortalité. Il sera ici question de l'application effective du modèle de Cox à risque proportionnel sur les données des variables sous analyse.

La section première de ce chapitre revoie la revue de littérature la liens entre eau-assainissement et mortalité infantile, la deuxième spécifie le modèle de Cox à risque proportionnel, la troisième section passe à l'estimation puis à la validation du modèle, la quatrième quant à elle, présente et interprète les résultats de l'estimation et enfin la dernière section de ce chapitre donne quelques recommandations quant à la préservation de la santé publique.

4.1. Revue de la littérature

Les littératures contemporaines sont quasiment unanimes en ce qui concerne l'impact de l'eau et l'assainissement sur la mortalité des enfants. Elles s'accordent sur le fait que l'accès à l'eau potable et à l'assainissement contribue efficacement à l'amélioration de l'état sanitaire des enfants de moins de cinq ans et à fortiori au développement du milieu de vie.

Un grand apport en théorie et en statistiques est fourni par le Rapport Mondial sur le Développement Humain 2006. En effet, la crise de l'eau et de l'assainissement était le thème central de rédaction de ce document et cela est exprimé en de termes suivants : « ...donner accès à une eau salubre, éliminer les eaux usées et fournir des systèmes d'assainissement constituent trois des bases les plus fondamentales du progrès humain. ¹⁹»

Dans ce rapport, on dénombre plusieurs articles sur l'eau et l'assainissement dont ceux préparés par FUENTES, PFÕTZE et SECK sur l'impact de l'accès à l'eau et à l'assainissement sur le risque de mortalité

¹⁹ Rapport Mondial sur le Développement Humain 2006, page 2

néonatale (0 à 1 mois) et post-néonatale (1 à 12 mois), ainsi que sur le risque de diarrhée (première cause de décès lié à l'eau chez les enfants).

Les données utilisées dans le cadre de cette analyse de l'article ci haut indiqué, proviennent de l'enquête démographique et sanitaire sur la situation des enfants dans 18 pays en utilisant des variables socioéconomiques relatives aux individus, aux ménages et aux communautés de vie.

Dans la première régression c'est-à-dire l'impact de l'eau et de l'assainissement sur le risque de mortalité néonatale, les auteurs ont utilisé le modèle logit afin d'affirmer le risque certain de mortalité néonatale lié à l'eau et à l'assainissement du milieu de vie. En ce qui concerne la seconde régression, un modèle de Cox à risque proportionnel était utilisé dans le but de montrer Le degré du risque de la diarrhée chez les enfants de moins de 1 an lorsque ces derniers n'ont pas accès aux infrastructures nécessaires d'assainissement.

Par ailleurs, dans son article «Evaluation des OMD en matière de la santé en RDC et perspectives à l'horizon 2015 ²⁰», SHIDI PALATA recommande un accès accru aux services publics de base afin de se préserver des maladies pathogènes. Il s'agit en outre de l'amélioration de l'amélioration de l'hygiène et la protection de l'environnement à travers la gestion des eaux usées, des déchets ménagers et des excrétas ; une bonne politique d'habitat ; les médias et les moyens de communications ainsi que l'éducation et la formation.

Enfin, une attention particulière doit être portée sur le Français Marie-Claude VILAND ²¹dans son ouvrage « Eau et santé » présente les risques auxquels les populations sont exposées en ayant à leur disposition une eau chargée en germes pathogènes, et montre la diversité des actions à prendre pour améliorer cette situation. Il s'appui sur quelques expériences amorcées qui font réaliser qu'un énorme travail reste à conduire pour permettre enfin, à l'aube de ce siècle, aux populations les plus défavorisées d'accéder à une eau saine. Ces premiers éléments, réunis par M-C. VILAND et utilisés en 1989 dans plusieurs programmes de formation villageoise en

²⁰ SHIDI.P, Evaluation des OMD en matière de la santé en RDC et perspectives à l'horizon 2015 in Grande Conférence Académique, UNKIN, mars 2007

²¹ Biologiste, Marie-Claude VILAND travaille depuis le début de la Décennie Internationale de l'Eau Potable et de l'Assainissement (DIEPA), sur les problèmes de la qualité de l'eau en Afrique de l'Ouest. En tant qu'expert à ce titre, est chargée par l'OMS et par les coopérations bi-latérales de missions OM, aussi bien en formation dans les milieux ruraux et péri urbains, qu'en interventions techniques sur les points d'eau.

Afrique, sont une contribution au projet d'un manuel de synthèse traitant de ces questions et de leurs remèdes.

4.2. Spécification du modèle de Cox

Comme la durée de vie et l'analyse de survie de Kaplan- Meier, le modèle de Cox est une méthode de modélisation des données de la durée à l'événement avec des observations censurées. Cependant le modèle de Cox permet d'ajouter des variables indépendantes (covariables) aux modèles. Le modèle de Cox gère les observations censurées correctement et fournit des estimations des coefficients pour chacune des covariables, permettant d'évaluer l'impact de plusieurs covariables dans le même modèle. le modèle de Cox peut également être utilisé pour étudier l'effet de covariables continues.

Statistiques : Pour chaque modèle : -2LL, statistique du rapport de vraisemblance et le Khi-Deux global. Pour les variables de ce modèle : estimations, erreurs standard et statistiques de Wald. Pour les variables hors du modèle : statistiques ponctuelles et Khi-Deux résiduel.

Les diagrammes : Les diagrammes permettent d'évaluer le modèle estimé et d'interpréter les résultats. Les fonctions Survie, Hasard, LN (-Logn), et Un moins survie ne peuvent pas être représentée. Ces fonctions dépendant des valeurs des covariables, on peut utiliser les valeurs constantes des covariables pour représenter graphiquement ces fonctions par rapport au temps.

4.2.1. Présentation des variables

Etant donnée qu'il n'existe pas une formule appropriée pour le choix ou la détermination des variables d'analyse, l'option pour un type spécifique de variable dépend des objectifs de la recherche. Le modèle de Cox prend en compte dans sa formulation de trois types de variables à savoir la variable d'état, la variable de durée et les variables explicatives ou covariables.

A. la variable de durée :

Cette variable définie pour chaque individu une date du début et une date de la fin de l'événement. Dans le cadre de ce travail, nous retenons la variable indiquant la durée séparant le dernier accouchement et la date de l'enquête. La durée sera ici évaluée en mois pour l'homogénéité des données.

B. La variable d'état :

Cette variable résume l'état du sujet au moment de l'enquête. En outre, la femme enquêtée a encore l'enfant (de moins de cinq ans) au moment de notre enquête ? C'est à dire l'enfant est-il en vie ou décédé ?. Dans cette recherche, la variable d'état se définie par la réponse à la question suivante adressée à la mère: « l'enfant issu de la dernière naissance est-il en vie ou en décédé ».Noter qu'il faut définir l'événement pour la variable état. Entrez là où les valeurs indiquant que l'événement final a eu lieu. On saisie une seule valeur, un intervalle ou une liste de valeurs. L'option Intervalle de valeurs n'est disponible que si votre variable d'état est numérique.

c. Les covariables :

L'ensemble de tous les autres variables pouvant expliqué la variable état précédemment définie. La recherche retient la suite de variables ci-après :

· l'âge de la mère,

· sexe de l'enfant,

· poids de l'enfant,

· la taille de l'enfant,

· la taille du ménage,

· le niveau de vie de ménage évalué en terme de richesse (wealth index quintiles)

· l'accès à l'eau de boisson,

· source d'approvisionnement en eau de boisson,

· le type de toilettes utilisées par le ménage,

· l'espacement entre les naissance mesuré en 5 ans (1=faible pour plus de deux naissances pendant 5 ans et 2=grand pour moins de deux naissantes en 5 ans),

· lieu d'emplacement des latrines,

· gestion des selles des enfants (0 à 3 ans) lors que ces derniers n'utilisent pas des latrines,

· mode d'évacuation des eaux usées,

· mode d'évacuation des ordures ménagères,

4.2.2. Les signes attendus des coefficients des covariables du modèle

Les signes attendus des coefficients des covariables concernent le sens de variation de la variable expliquée du fait de la modification d'un facteur explicatif de l'état des enfants de moins de cinq ans.

a) L'âge de la mère

L'âge de la femme influence souvent l'état de l'enfant à la naissance dans la mesure où une femme moins âgée est plus sujette à l'inexpérience quant à la maîtrise de certains caprices des enfants surtout en âge préscolaire (en cas par exemple d'une maladie, l'inexpérience de la mère devient la cause du décès de l'enfant à cause d'une intervention tardive). Tandis qu'une femme plus âgée est souvent habituée aux différentes gestations enfantines; et donc elle connaît moins de décès des enfants.

b) le sexe de l'enfant

En général, les garçons sont plus résistants aux maladies que les filles en âge préscolaire. En outre, le taux de mortalité des enfants fille de moins de cinq ans est plus élevé que celui de garçons.

c) Poids de l'enfant

Le poids en soi n'est pas un indicateur de la santé de l'enfant. Néanmoins, l'insuffisance pondérale rend l'enfant encore plus vulnérables. L'OMS donne les critères de poids en fonction de l'âge de l'enfant.

d) La taille du ménage

Une taille importante du ménage a directement des effets sur les conditions d'assainissement du milieu de vie, lesquelles conditions sont sources inévitables des maladies pathogènes.

e) Le niveau de vie du ménage:

Le niveau de vie du ménage évalué en terme des richesses ou de patrimoine s'interprète à travers l'accès à certains services jugés de base pour la vie. Un ménage pauvre n'a pas accès facile à l'eau potable et aux infrastructures nécessaires d'assainissement contrairement à un ménage riche.

f) L'accès à l'eau potable

L'eau c'est la vie, dit-on. L'inaccessibilité d'un ménage à l'eau potable l'expose aux problèmes d'assainissement qui sont les sources inévitables des maladies pathogènes.

g) L'état de l'assainissement

L'assainissement se trouve en amont comme en aval des problèmes d'eau de boisson pour un ménage. Une carence prolongée en eau soluble dégrade les infrastructures d'assainissement et cause des maladies épidémiologiques. De même un mauvais usage des eaux usées ne peut garantir l'assainissement du milieu de vie.

h) Les espacements entre les naissances au sein d'un ménage

Plus de deux naissances en cinq ans dans un même ménage expose ce dernier aux problèmes de promiscuité et ses corollaires à savoir l'assainissement du milieu qui source des maladies diarrhéiques et des épidémies.

4.3. Estimation et validation du modèle de Cox

Les données issues de l'enquête MICS 2 sont regroupées selon les variables de contrôle dans nouvelles bases de données répertoriant uniquement les modules relatifs à l'habitat, eau, assainissement du milieu, iodation du sel et mortalité des enfants. Les variables de contrôles sont présentées en annexes du travail.

Tenant compte de notre spécification, nous pouvons estimer les coefficients de régression de cox Les résultats de cox sont présentées par le logiciel SPSS en différents tableaux traduisant les étapes de la régression selon le modèle de Cox. SPSS présente à coté des coefficients du modèle estimé, les statistiques d'interprétation et de validation du modèle en général. Les résultats de la régression de Cox se présente de la manière suivante :

· Le tableau récapitulatif : ce tableau présente les modalités ou les statistiques de bases de l'estimation à savoir les nombres disponibles des observations dans l'analyse (événements et données censurées) et les observations enlevées du système subdiviser en observation avec valeurs manquantes, les observations avec temps non positifs et enfin les observations censurées avant l'événement le plus ancien dans une strate.

· Le tableau de tests de la spécification du modèle : le test de spécification du modèle de Cox sur le logiciel SPSS s'effectue en trois niveau et suivant les différentes étapes de la régression du modèle. la

première colonne du tableau de test de spécification présente le test sur le modèle global; le deuxième et la troisième colonne du même tableau indiquent respectivement la significativité du modèle modifié par la suppression d'une variable et du modèle dont on a changé le bloc précédant des variables.

En ce qui nous concerne, seul la significativité du modèle à une étape précise fera l'objet de notre test.

Il importe, par ailleurs, de signifier que le logiciel SPSS procède à la régression par étape c'est à dire qu'à chaque niveaux d'estimation du modèle, le logiciel supprime successivement et systématiquement une variable ou un caractère non significatif dans le modèle. En outre, à une étape d'estimation de cox, une variable supprimée jusqu'à la prise en compte de la dernière variable statistiquement significatif.

· Le tableau d'estimation des coefficients du modèle: le tableau d'estimation dans le modèle de Cox présente les statistiques ci-après: les coefficients de la régression â traduisant le logarithme du risque ainsi le risque exp(â), le standard error S.E qui est l'écart type de la régression, le coefficient de Wald (pour le test paramétrique dans une maximum de vraisemblance) qui est en fait le quotient de l'estimateur sur le standard error et enfin les probabilités et les intervalles de confiances des coefficients du modèle estimé à 95%.

A coté de l'estimation des coefficients du modèle, la régression de Cox procède également à l'estimation du modèle pessimiste c'est-à-dire l'estimation du modèle si les termes ou les autres variables du modèle sont effectivement supprimées de l'équation de la régression.

· La table de survie: la table de survie présente la distribution de la fonction cumulée de risque ventilée par la durée de temps considéré dans l'analyse. Dans le cas d'espèce, il s'agit de la durée mesurée en mois de naissance pour les enfants de moins de 59 mois révolus. La table de survie présente également la fonction de risque cumulée de base (hazard function) ainsi la distribution à la moyenne des covariables de la fonction de survie).

· Les diagrammes: outre les statistiques numériques d'estimation, la régression de cox procède également à la représentation graphique des distributions ci hautes indiquées. Il s'agit des graphique de la fonction de survie cumulée, le graphique de la fonction logarithme de l'antilogarithme de la fonction de survie cumulée, traduisant le risque instantanée du sujet d'une classe d'âge par rapport à un autre

de la classe précédente. L'interprétation de ces diagrammes se résume à travers le modèle suivant :

Prob.	Haute probabilité Faible impact	Haute probabilité Fort impact			0
	Faible probabilité Fort impact

Impact

Ce schéma indique plus ou moins le sens explicatif à donner à l'allure d'une fonction de distribution de probabilité. Les fonctions de probabilité étant cumulées, nous allons plus nous intéresser de la zone d'achèvement de la tendance des courbes.

4.3.1. Présentation des résultats de l'estimation

Les tableaux suivants présentent les résultats de l'estimation du modèle de Cox par la méthode maximum de vraisemblance.

REGRESSION DE COX (RESULTAT SPSS 10) TABLEAU 21 : Récapitulatif du traitement des observations

		N		Pourcentage	Observations disponibles dans l'analyse
Evénement	1510	19,4%
Censurée	91	1,2%
Total	1601	20,5%		Observations enlevées
Observations avec valeurs manquantes	6197	79,4%
Observations avec temps non-positif	2	,0%
Observations censurées avant l'événement le plus ancien dans une strate	0	,0%
Total	6199	79,5%		Total
	7800	100,0%

TABLEAU 22 : Tests de spécification du modèle

	-2log- vraisemb lance	Global (note)			Changeme nt de l'étape précédent			Changemen t du bloc précédent				Etape
	Khi-deux	ddl	Signif.	Khi-deux	ddl	Signif.	Khi-deux	ddl	Signif.		1
21023,390	18,621	15	,231	19,282	15	,201	19,282	15	,201		2
21023,391	18,620	14	,180	,001	1	,980	19,281	14	,154		3
21023,424	18,587	13	,136	,033	1	,855	19,248	13	,116		4
21023,726	18,285	12	,107	,302	1	,583	18,946	12	,090		5
21023,961	18,058	11	,080	,235	1	,628	18,712	11	,066		6
21024,383	17,652	10	,061	,423	1	,516	18,289	10	,050		7
21024,864	17,174	9	,046	,480	1	,488	17,808	9	,037		8
21025,206	16,837	8	,032	,342	1	,559	17,466	8	,026		9
21025,918	16,130	7	,024	,712	1	,399	16,754	7	,019		10
21026,502	15,559	6	,016	,584	1	,445	16,170	6	,013		11
21027,212	14,875	5	,011	,709	1	,400	15,461	5	,009		12
21028,821	13,247	4	,010	1,609	1	,205	13,851	4	,008		13
21029,972	12,135	3	,007	1,151	1	,283	12,700	3	,005		14
21031,860	10,197	2	,006	1,888	1	,169	10,812	2	,004		15
21034,138	7,935	1	,005	2,278	1	,131	8,535	1	,003

Source: Résultat SPSS

a Variable(s) saisie à l'étape numéro 1: WI3B WS1 WS2 WS2A WS3

WS4 WS5 WS5A WS5B SA1 CHWEIGHT WMWEIGHT

WLTHIND5 POTABLE HIMEM

b Variable supprimée à l'étape 2: CHWEIGHT

c Variable supprimée à l'étape 3: WS5B

d Variable supprimée à l'étape 4: WS2

e Variable supprimée à l'étape 5: WS3

f Variable supprimée à l'étape 6: WS4

g Variable supprimée à l'étape 7: WS1

h Variable supprimée à l'étape 8: POTABLE

i Variable supprimée à l'étape 9: WS5A

j Variable supprimée à l'étape 10: WS2A

k Variable supprimée à l'étape 11: SA1

l Variable supprimée à l'étape 12: WMWEIGHT

m Variable supprimée à l'étape 13: WLTHIND5

n Variable supprimée à l'étape 14: HIMEM

o Variable supprimée à l'étape 15: WI3B

p Bloc de départ numéro 0, fonction de log-vraisemblance initiale : -2log-

vraisemblance : 21042,672

q Bloc de départ numéro 1. Méthode = Ascendante pas à pas (rapport de

vraisemblance conditionnelle)

TABLEAU 23:Table de survie

	Fonction de base de Hasard cumulé		A la moyenne des covariables du modèle			Temps
	Survie		E.S.	Hasard cumulé	3,000
,001	,999		,001	,001	5,000
,006	,995		,002	,005	6,000
,048	,960		,005	,041	7,000
,137	,889		,008	,118	8,000
,241	,813		,009	,207	9,000
,359	,735		,011	,308	10,000
,461	,673		,011	,395	11,000
,590	,603		,012	,506	12,000
3,779	,039		,001	3,239	24,000
4,931	,015		,005	4,227	36,000
5,545	,009		,004	4,753

Source : résultat SPSS 10

TABLEAU 24 : Moyenne des covariables

		Moyenne	WI3B
26,814		WS1
8,048		WS2
195,507		WS2A
3,117		WS3
4,399		WS4
2,132		WS5
2,524		WS5A
5,808		WS5B
5,150		SA1
1,384		CHWEIGHT
,943		WMWEIGHT
1,015		WLTHIND5
3,057		POTABLE
,502		HIMEM
6,743

Fonction de survie à la moyenne des prédicteu

1,2 1,0 ,8 ,6 ,4 ,2 0,0 -,2

-10 0 10 20 30 40

Durée

Fonction LML à la moyenne des prédicteurs

2 0 -2 -4 -6 -8

0 10 20 30 40

Durée

4.3.2. Analyse et interprétation des résultats

L'analyse de résultat de la régression du modèle de Cox indique que le test de spécification du modèle est globalement significatif à partir de la septième étape de la spécification de Cox. A cette étape, le modèle est resté avec un nombre réduit des covariables après avoir supprimé sept autres non statistiquement significatives à savoir le poids des enfants, le mode d'évacuation des ordures ménagères, le temps mis pour aller puiser l'eau de boisson, les types de toilettes et le lieu d'emplacement de ces dernières, et enfin la source d'approvisionnement en eau de boisson. Au total neufs variables en dehors de celles-ci rendent le modèle globalement significatif avec une probabilité de 0,046 (probabilité inférieur au seuil critique de 0,05).

Après la validation du modèle spécifié, la régression rend le résultat (voir tableau des variables dans l'équation en annexe du travail) présenté en 15 étapes selon l'élimination progressive de variable non significative à une étape donnée jusqu'à la dernière étape de la régression.

Le tableau d'estimation présente les différentes étapes de l'estimation ainsi que les différentes variables retenues à la régression, le coefficient â accompagné du rapport de wald et les probabilités de significativité des variables ainsi que exp( â) traduisant le risque. Les résultats de la régression de Cox montre que seule la variable interprétant « le mode de gestion des selles des petits enfants (âgés de 0 à 3 ans) ; lors que ces derniers n'utilisent pas des toilettes commune dans le ménage » est significativement dominant dans les facteurs explicatifs de la mortalité des enfants de moins de cinq ans. Soit une probabilité de 0,005(inférieur au seuil critique de 0,05) ; le logarithme de risque égale à -0.061 auquel l'on associe un risque équivalent à 0,941. l'estimation du modèle si les termes sont supprimés à différentes étapes témoigne le score élevé de la variable WS5²² et toutes les fonctions de probabilité liées au risque sus mesuré seront distribuées par rapport à cette variable sur les différents âges des enfants sous examen.

La table de survie répertorie les probabilités de survie cumulée des enfants de moins de cinq ans selon leur mois de naissance, soit 0,99 pour les enfants de moins de 3 mois et 0,995 ; 0,96 ; 0,889 ; 0,813 ; 0,735 ; 0,673 ; 0,603 ; 0,039 ; 0,015 ; 0,009 des probabilités respectivement pour les enfants de moins de 5, 6, 7, 8, 9, 10, 11, 12, 24 et 36 mois de naissance. Ces probabilités indiquent que le risque de mortalité des enfants de moins de cinq ans évolue avec l'âge de l'enfant; plus l'enfant évolue en âge, plus il est exposé au risque de mortalité lié à la mauvaise gestion des selles des enfants si

²² L'annexe de ce travail présente le dictionnaire de toutes les variables sous analyses

ces derniers n'utilisent pas des toilettes habituelles. L'âge le plus exposé varie entre 0 et 3 ans.

CONCLUSION ET RECOMMANDATIONS

La diversité des thèmes abordés et les nombreux problèmes exposés dans les différents chapitres de ce travail montrent la complexité du critère eau saine - eau de bonne qualité. Les paramètres mis en cause sont multiples et doivent s'envisager en plusieurs étapes. Les maladies diarrhéiques aiguës qui frappent essentiellement les jeunes enfants de moins de cinq ans et causent des taux de mortalité élevés constituent un des plus graves problèmes que connaissent les pays en développement en général et la R.D.Congo en particulier.

Le contrôle de l'eau en vue de déceler toute contamination par des organismes pathogènes est la première étape dans l'élimination pratique des maladies d'origine hydrique. Mais ce contrôle bactériologique ne peut se faire que si le matériel de terrain prévu à cet usage est parfaitement mis au point et s'il peut être utilisé par un personnel compétant. Le rythme et la fréquence de ces contrôles doivent être clairement définis.

Des agents sanitaires ou des infirmiers seront formés en vue d'exécuter cette phase. Pour suivre les améliorations apportées à la santé des populations et pour identifier les problèmes de contamination et prendre des mesures correctives, des enquêtes sanitaires systématiques et régulières sont indispensables.

Les précautions et mesures correctives seront adoptées non pas uniquement au point d'eau, mais tout au long du trajet de l'eau jusqu'à la consommation :

· Le captage doit être protégé des eaux usées, des ordures ménagères et surtout des selles animaux et humains, ce qui suppose de prendre des mesures d'hygiène du milieu et d'assainissement,

· Le moyen d'exhaure sera en bon état de marche et devra être étanche,

· Les sites d'exhaure comporteront des systèmes de protection efficaces et durables,

· Les récipients de transport de l'eau choisis dans un matériau qui ne se modifie pas au contact de l'eau du forage doivent être bien

lavés ainsi que les récipients de stockage. Les conditions de stockage à domicile seront contrôlées.

Les habitudes des populations sont souvent difficiles à changer et les effets de ces changements sur la santé peuvent ne pas être évidents pour les membres d'une communauté. Il faut assurer la formation des villageois, leur montrer que la santé, qu'ils réclament, est liée à une série d'actions et de précautions simples mais permanentes: cette formation indispensable, pour créer une motivation relève de l'éducation sanitaire qui, selon les pays, revient aux agents d'hygiène ou aux agents de la santé publique ou aux animateurs du Ministère du plan ou autres institutions. Malheureusement en RDC, ces services sensés veuillez sur l'hygiène des milieux de vie, ont cédé progressivement abandonnés leur fonction au profit de la corruption et à fortiori à la grande règne de l'insalubrité à laquelle nous assistons tous et impuissamment à ses nombreuses corollaires.

Tenant compte du danger progressif et permanent qui guète les enfants de moins de cinq ans du fait de la dégradations des infrastructures élémentaires d'assainissement du milieu, nous suggérons la mise en place d'un programme de formation des agents spécifiquement sur les aspects eau et santé liée à l'eau. Ce faisant, ils seront associés de façon systématique et efficace à la préparation du projet c'est-à-dire à l'information et à l'analyse sanitaire de la communauté de vie. Ils doivent, en outre, être capables de transmettre aux populations des mesures d'hygiènes et les méthodes à appliquer pour tirer le meilleur parti de leur installation. Cette information ne se limitera pas seulement à l'hygiène de l'eau mais elle s'étendra également aux pratiques d'hygiène générale et d'hygiène alimentaire dans le ménage.

Cette formation doit également montrer que la qualité de l'eau et les opérations d'entretien et de maintenance sont étroitement liées. Elle doit inciter les populations à maintenir leur point d'eau propre et parfait état de marche; elle doit les rendre exigeants vis-à-vis du système de maintenance mis en place qui à toute défaillance met en danger leur santé.

ANNEXES

ANNEXE 1: STAPEWISE REGRESSION

TABLEAU 1: Variables dans l'équation

variables		B		E.S.			Wald			ddl			Signif.		Exp(B)			95,0% CI pour Exp(B) Inférieure Supérieure
Etape 1 WI3B		-,007		,004			2,960			1			,085		,993			,985			1,001
WS1		,008		,011			,578			1			,447		1,008			,987			1,030
WS2		,000		,000			,318			1			,573		1,000			1,000			1,000
WS2A		-,020		,023			,745			1			,388		,981			,938			1,025
WS3		,016		,030			,290			1			,590		1,016			,959			1,077
WS4		,040		,065			,383			1			,536		1,041			,916			1,182
WS5		-,065		,022			8,513			1			,004		,937			,897			,979
WS5A		,010		,017			,368			1			,544		1,010			,978			1,044
WS5B		,003		,015			,032			1			,857		1,003			,973			1,033
SA1		-,064		,058			1,221			1			,269		,938			,837			1,051
CHWEIGHT		-,003		,135			,001			1			,980		,997			,765			1,299
WMWEIGHT		-,162		,210			,600			1			,439		,850			,564			1,282
WLTHIND5		-,036		,028			1,734			1			,188		,964			,913			1,018
POTABLE		,080		,087			,859			1			,354		1,084			,914			1,284
HIMEM		,011		,008			1,869			1			,172		1,011			,995			1,027
Etape 2 WI3B		-,007		,004			2,967			1			,085		,993			,985			1,001
WS1		,008		,011			,579			1			,447		1,008			,987			1,030
WS2		,000		,000			,317			1			,573		1,000			1,000			1,000
WS2A		-,020		,023			,746			1			,388		,981			,938			1,025
WS3		,016		,030			,291			1			,590		1,016			,959			1,077
WS4		,040		,065			,382			1			,536		1,041			,917			1,182
WS5		-,065		,022			8,514			1			,004		,937			,897			,979
WS5A		,010		,017			,374			1			,541		1,010			,978			1,044
WS5B		,003		,015			,033			1			,856		1,003			,973			1,033
SA1		-,064		,058			1,221			1			,269		,938			,838			1,051
WMWEIGHT		-,167		,129			1,670			1			,196		,847			,658			1,090
WLTHIND5		-,036		,028			1,757			1			,185		,964			,914			1,018
POTABLE		,080		,086			,866			1			,352		1,083			,915			1,283
HIMEM		,011		,008			1,873			1			,171		1,011			,995			1,027
Etape 3 WI3B		-,007		,004			2,943			1			,086		,993			,985			1,001
WS1		,008		,011			,568			1			,451		1,008			,987			1,030
WS2		,000		,000			,305			1			,581		1,000			1,000			1,000
WS2A		-,020		,023			,744			1			,388		,981			,938			1,025
WS3		,016		,030			,304			1			,581		1,016			,959			1,077
WS4		,040		,065			,389			1			,533		1,041			,917			1,182
WS5		-,065		,022			8,487			1			,004		,937			,897			,979
WS5A		,011		,016			,475			1			,491		1,011			,980			1,043
SA1		-,063		,058			1,206			1			,272		,939			,838			1,051
WMWEIGHT		-,164		,128			1,638			1			,201		,849			,661			1,091
WLTHIND5		-,037		,027			1,815			1			,178		,964			,913			1,017
POTABLE		,080		,086			,860			1			,354		1,083			,915			1,282
HIMEM		,011		,008			1,898			1			,168		1,011			,995			1,027
Etape 4 WI3B		-,007		,004			2,966			1			,085		,993			,985			1,001
WS1		,006		,010			,322			1			,571		1,006			,986			1,025
WS2A		-,021		,023			,895			1			,344		,979			,937			1,023
WS3		,014		,029			,235			1			,628		1,014			,957			1,075
WS4		,039		,065			,355			1			,551		1,039			,915			1,180
WS5		-,064		,022			8,367			1			,004		,938			,898			,980
WS5A		,010		,016			,406			1			,524		1,010			,979			1,042
SA1		-,059		,057			1,051			1			,305		,943			,843			1,055
WMWEIGHT			-,175			,127			1,903		1			,168		,840				,655		1,076
WLTHIND5			-,034			,027			1,590		1			,207		,967				,917		1,019
POTABLE			,067			,083			,656		1			,418		1,069				,909		1,258
HIMEM			,011			,008			1,868		1			,172		1,011				,995		1,027
Etape 5 WI3B			-,007			,004			3,018		1			,082		,993				,985		1,001
WS1			,007			,010			,484		1			,487		1,007				,988		1,026
WS2A			-,020			,022			,792		1			,374		,980				,938		1,024
WS4			,042			,064			,424		1			,515		1,043				,919		1,183
WS5			-,063			,022			8,222		1			,004		,938				,899		,980
WS5A			,011			,016			,517		1			,472		1,011				,981		1,043
SA1			-,057			,057			1,009		1			,315		,944				,844		1,056
WMWEIGHT			-,165			,125			1,748		1			,186		,848				,663		1,083
WLTHIND5			-,035			,027			1,761		1			,184		,965				,916		1,017
POTABLE			,072			,082			,772		1			,380		1,075				,915		1,263
HIMEM			,011			,008			1,879		1			,170		1,011				,995		1,027
Etape 6 WI3B			-,007			,004			3,003		1			,083		,993				,985		1,001
WS1			,007			,010			,485		1			,486		1,007				,988		1,026
WS2A			-,020			,022			,768		1			,381		,981				,939		1,024
WS5			-,062			,022			7,972		1			,005		,940				,900		,981
WS5A			,012			,016			,611		1			,434		1,012				,982		1,044
SA1			-,058			,057			1,020		1			,313		,944				,844		1,056
WMWEIGHT			-,162			,125			1,685		1			,194		,850				,666		1,086
WLTHIND5			-,037			,026			1,956		1			,162		,964				,915		1,015
POTABLE			,071			,082			,742		1			,389		1,073				,914		1,261
HIMEM			,011			,008			1,807		1			,179		1,011				,995		1,027
Etape 7 WI3B			-,007			,004			2,992		1			,084		,993				,985		1,001
WS2A			-,017			,022			,617		1			,432		,983				,941		1,026
WS5			-,062			,022			8,013		1			,005		,940				,900		,981
WS5A			,013			,016			,743		1			,389		1,013				,983		1,045
SA1			-,057			,057			,988		1			,320		,945				,845		1,057
WMWEIGHT			-,166			,125			1,778		1			,182		,847				,663		1,081
WLTHIND5			-,036			,026			1,898		1			,168		,964				,916		1,016
POTABLE			,041			,070			,342		1			,559		1,042				,908		1,196
HIMEM			,011			,008			1,758		1			,185		1,011				,995		1,027
Etape 8 WI3B			-,007			,004			2,980		1			,084		,993				,985		1,001
WS2A			-,019			,022			,721		1			,396		,982				,940		1,025
WS5			-,063			,022			8,084		1			,004		,939				,900		,981
WS5A			,013			,016			,708		1			,400		1,013				,983		1,044
SA1			-,053			,057			,888		1			,346		,948				,848		1,059
WMWEIGHT			-,167			,125			1,782		1			,182		,847				,663		1,081
WLTHIND5			-,028			,022			1,623		1			,203		,973				,932		1,015
HIMEM			,010			,008			1,680		1			,195		1,010				,995		1,026
Etape 9 WI3B			-,007			,004			3,017		1			,082		,993				,985		1,001
WS2A			-,017			,022			,579		1			,447		,984				,943		1,026
WS5			-,062			,022			7,929		1			,005		,940				,900		,981
SA1			-,054			,057			,893		1			,345		,948				,848		1,059
WMWEIGHT			-,159			,125			1,638		1			,201		,853				,668		1,088
WLTHIND5			-,031			,021			2,128		1			,145		,969				,930		1,011
HIMEM			,011			,008			1,826		1			,177		1,011				,995		1,027
Etape 10 WI3B			-,007			,004			3,017		1			,082		,993				,985		1,001
WS5			-,062			,022			8,061		1			,005		,939				,900		,981
SA1			-,047			,056			,707		1			,400		,954				,855		1,065
WMWEIGHT			-,173			,123			1,973		1			,160		,841				,660		1,071
WLTHIND5			-,026			,020			1,631		1			,202		,975				,937		1,014
HIMEM			,011			,008			1,860		1			,173		1,011				,995		1,027
Etape 11 WI3B			-,007			,004			3,004		1			,083		,993				,985		1,001
WS5			-,062			,022			7,967		1			,005		,940				,900		,981
WMWEIGHT			-,153			,121			1,608		1			,205		,858				,677		1,087
WLTHIND5			-,029			,020			2,152		1			,142		,971				,935		1,010
HIMEM			,011			,008			1,976		1			,160		1,011				,996		1,027
Etape 12 WI3B	-,007				,004			3,080				1	,079				,993		,985			1,001
WS5	-,061				,022			7,751				1	,005				,941		,901			,982
WLTHIND5	-,020				,018			1,152				1	,283				,980		,946			1,016
HIMEM	,011				,008			1,952				1	,162				1,011		,996			1,027
Etape 13 WI3B	-,007				,004			2,944				1	,086				,993		,985			1,001
WS5	-,059				,022			7,292				1	,007				,943		,903			,984
HIMEM	,011				,008			1,934				1	,164				1,011		,995			1,027
Etape 14 WI3B	-,006				,004			2,262				1	,133				,994		,986			1,002
WS5	-,062				,022			8,042				1	,005				,940		,901			,981
Etape WS5	-,061				,022			7,902				1	,005				,941		,902			,982

15

TABLEAU 2:Modèle si terme supprimé

Terme		Variables	Khi-deux				ddl			Signif.
supprimé			de perte
Etape 1		WI3B	2,978				1			,084
		WS1	,572				1			,449
		WS2	,314				1			,575
		WS2A	,755				1			,385
		WS3	,289				1			,591
		WS4	,381				1			,537
		WS5	9,205				1			,002
		WS5A	,370				1			,543
		WS5B	,032				1			,857
		SA1	1,226				1			,268
		CHWEIGH	,001				1			,980
		T
		WMWEIG	,602				1			,438
		HT
		WLTHIND	1,743				1			,187
		5
		POTABLE	,858				1			,354
		HIMEM	1,825				1			,177
Etape 2		WI3B	2,985				1			,084
		WS1	,573				1			,449
		WS2	,314				1			,575
		WS2A	,756				1			,385
		WS3	,291				1			,590
		WS4	,381				1			,537
		WS5	9,205				1			,002
		WS5A	,375				1			,540
		WS5B	,033				1			,855
		SA1	1,226				1			,268
		WMWEIG	1,675				1			,196
		HT
		WLTHIND	1,767				1			,184
		5
		POTABLE	,865				1			,352
		HIMEM	1,830				1			,176
Etape 3		WI3B	2,961				1			,085
		WS1	,562				1			,454
		WS2	,302				1			,583
		WS2A	,754				1			,385
		WS3	,304				1			,582
		WS4	,388				1			,533
		WS5	9,176				1			,002
		WS5A	,477				1			,490
		SA1	1,210				1			,271
	WMWEIG			1,642		1			,200
	HT
	WLTHIND			1,826		1			,177
	5
	POTABLE			,859		1			,354
	HIMEM			1,854		1			,173
Etape 4	WI3B			2,985		1			,084
	WS1			,319		1			,572
	WS2A			,905		1			,341
	WS3			,235		1			,628
	WS4			,354		1			,552
	WS5			9,042		1			,003
	WS5A			,408		1			,523
	SA1			1,055		1			,304
	WMWEIG			1,907		1			,167
	HT
	WLTHIND			1,598		1			,206
	5
	POTABLE			,655		1			,418
	HIMEM			1,824		1			,177
Etape 5	WI3B			3,037		1			,081
	WS1			,480		1			,488
	WS2A			,801		1			,371
	WS4			,423		1			,516
	WS5			8,882		1			,003
	WS5A			,520		1			,471
	SA1			1,013		1			,314
	WMWEIG			1,751		1			,186
	HT
	WLTHIND			1,770		1			,183
	5
	POTABLE			,771		1			,380
	HIMEM			1,835		1			,176
Etape 6	WI3B			3,022		1			,082
	WS1			,481		1			,488
	WS2A			,777		1			,378
	WS5			8,600		1			,003
	WS5A			,614		1			,433
	SA1			1,024		1			,312
	WMWEIG			1,688		1			,194
	HT
	WLTHIND			1,966		1			,161
	5
	POTABLE			,741		1			,389
	HIMEM			1,766		1			,184
Etape 7	WI3B			3,011		1			,083
	WS2A			,623		1			,430
	WS5			8,645		1			,003
	WS5A			,747		1			,387
	SA1			,992		1			,319
	WMWEIG			1,782		1			,182
	HT
	WLTHIND			1,908		1			,167
	5
	POTABLE			,342		1			,559
	HIMEM			1,718		1			,190
Etape 8	WI3B			2,999		1			,083
	WS2A			,728		1			,393
	WS5			8,725		1			,003
	WS5A			,712		1			,399
					SA1 WMWEIG HT WLTHIND 5 HIMEM			,891 1,786 1,619 1,642			1 1 1 1			,345 ,181 ,203 ,200
Etape 9					WI3B			3,036			1			,081
					WS2A			,584			1			,445
					WS5			8,551			1			,003
					SA1			,897			1			,344
					WMWEIG			1,641			1			,200
					HT
					WLTHIND			2,122			1			,145
					5
					HIMEM			1,784			1			,182
Etape 10					WI3B			3,036			1			,081
					WS5			8,698			1			,003
					SA1			,709			1			,400
					WMWEIG			1,977			1			,160
					HT
					WLTHIND			1,626			1			,202
					5
					HIMEM			1,817			1			,178
Etape 11					WI3B			3,023			1			,082
					WS5			8,594			1			,003
					WMWEIG			1,609			1			,205
					HT
					WLTHIND			2,146			1			,143
					5
					HIMEM			1,929			1			,165
Etape 12					WI3B			3,099			1			,078
					WS5			8,353			1			,004
					WLTHIND			1,151			1			,283
					5
					HIMEM			1,906			1			,167
Etape 13					WI3B			2,962			1			,085
					WS5			7,840			1			,005
					HIMEM			1,888			1			,169
Etape 14					WI3B			2,278			1			,131
					WS5			8,692			1			,003
Etape 15					WS5			8,535			1			,003

TABLEAU 25: Variables hors de l'équation

			Score			ddl			Signif.
Etape 2 CHWEIGH			,001			1			,980
T
Etape 3 WS5B			,033			1			,856
CHWEIGH			,001			1			,971
T
Etape 4 WS2			,305			1			,581
WS5B			,021			1			,884
CHWEIGH			,000			1			,998
T
Etape 5 WS2			,235			1			,628
WS3			,235			1			,628
WS5B			,032			1			,859
CHWEIGH			,000			1			,984
T
Etape 6 WS2	,193	1		,660
WS3	,304	1		,582
WS4	,424	1		,515
WS5B	,042	1		,838
CHWEIGH	,000	1		,987
T
Etape 7 WS1	,485	1		,486
WS2	,004	1		,949
WS3	,481	1		,488
WS4	,425	1		,514
WS5B	,042	1		,838
CHWEIGH	,002	1		,967
T
Etape 8 WS1	,082	1		,775
WS2	,003	1		,957
WS3	,485	1		,486
WS4	,401	1		,527
WS5B	,044	1		,834
CHWEIGH	,009	1		,925
T
POTABLE	,342	1		,559
Etape 9 WS1	,145	1		,704
WS2	,007	1		,932
WS3	,705	1		,401
WS4	,503	1		,478
WS5A	,708	1		,400
WS5B	,207	1		,649
CHWEIGH	,000	1		,995
T
POTABLE	,307	1		,580
Etape 10 WS1	,051	1		,822
WS2	,008	1		,930
WS2A	,579	1		,447
WS3	,468	1		,494
WS4	,465	1		,495
WS5A	,565	1		,452
WS5B	,171	1		,679
CHWEIGH	,000	1		,996
T
POTABLE	,399	1		,527
Etape 11 WS1	,077	1		,782
WS2	,002	1		,968
WS2A	,394	1		,530
WS3	,447	1		,504
WS4	,483	1		,487
WS5A	,590	1		,443
WS5B	,151	1		,698
SA1	,707	1		,400
CHWEIGH	,001	1		,977
T
POTABLE	,284	1		,594
Etape 12 WS1	,071	1		,790
WS2	,049	1		,825
WS2A	,699	1		,403
WS3	,187	1		,665
WS4	,391	1		,532
WS5A	,425	1		,515
WS5B	,031	1		,861
SA1	,341	1		,559
CHWEIGH	,991	1		,319
T
WMWEIG					1,608			1		,205
HT
POTABLE					,340			1		,560
Etape 13 WS1					,505			1		,477
WS2					,068			1		,794
WS2A					,088			1		,766
WS3					,558			1		,455
WS4					,715			1		,398
WS5A					,867			1		,352
WS5B					,226			1		,634
SA1					,728			1		,394
CHWEIGH					,688			1		,407
T
WMWEIG					,616			1		,433
HT
WLTHIND					1,152			1		,283
5
POTABLE					,074			1		,785
Etape 14 WS1					,520			1		,471
WS2					,078			1		,781
WS2A					,098			1		,755
WS3					,557			1		,455
WS4					,629			1		,428
WS5A					1,007			1		,316
WS5B					,301			1		,583
SA1					,834			1		,361
CHWEIGH					,750			1		,387
T
WMWEIG					,607			1		,436
HT
WLTHIND					1,135			1		,287
5
POTABLE					,107			1		,744
HIMEM					1,934			1		,164
Etape 15 WI3B					2,263			1		,133
WS1					,484			1		,486
WS2					,058			1		,810
WS2A					,115			1		,735
WS3					,588			1		,443
WS4					,619			1		,432
WS5A					,976			1		,323
WS5B					,205			1		,651
SA1					,774			1		,379
CHWEIGH					,678			1		,410
T
WMWEIG					,677			1		,411
HT
WLTHIND					1,021			1		,312
5
POTABLE					,080			1		,777
HIMEM					1,224			1		,268

a Khi-deux résiduel = ,001 avec signif. ddl 1 = ,980

b Khi-deux résiduel = ,034 avec signif. ddl 2 = ,983

c Khi-deux résiduel = ,339 avec signif. ddl 3 = ,953

d Khi-deux résiduel = ,574 avec signif. ddl 4 = ,966

e Khi-deux résiduel = ,998 avec signif. ddl 5 = ,963

f Khi-deux résiduel = 1,482 avec signif. ddl 6 = ,961

g Khi-deux résiduel = 1,825 avec signif. ddl 7 = ,969

h Khi-deux résiduel = 2,530 avec signif. ddl 8 = ,960

i Khi-deux résiduel = 3,110 avec signif. ddl 9 = ,960

j Khi-deux résiduel = 3,814 avec signif. ddl10 = ,955

k Khi-deux résiduel = 5,426 avec signif. ddl11 = ,909

l Khi-deux résiduel = 6,543 avec signif. ddl12 = ,886

m Khi-deux résiduel = 8,464 avec signif. ddl13 = ,812

n Khi-deux résiduel = 10,743 avec signif. ddl14 = ,706

ANNEXE 2 : DICTIONNAIRE DES VARIABLES

List of variables on the working file

Name Position

WI3AD Jour de naissance de la femme 10

Measurement Level: Scale

Column Width: 9 Alignment: Right

I3AM Mois de naissance de la femme 11

Measurement Level: Ordinal

Column Width: 9 Alignment: Righ

WI3AY Annee de naissance de la femme 12

Measurement Level: Scale

Column Width: 9 Alignment: Right

WI3B Age de la femme 13

Measurement Level: Scale

Column Width: 9 Alignment: Right

CM1 Avez vous donne naissance a un enfant? 14

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

1 Oui

2 Non

CM2AD Jour de naissance de votre premier enfant 15

Measurement Level: Scale

Column Width: 9 Alignment: Right

CM2AM Mois de naissance de votre premier enfant 16

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM2AY Annee de naissance de votre premier enfant 17

Measurement Level: Scale

Column Width: 9 Alignment: Right

CM2B Nombre d^'annee depuis la naissance du premier enfant 18

Measurement Level: Scale

Column Width: 9 Alignment: Righ

CM3 Enfant vivants avec vous 19

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

1 Oui

2 Non

CM4A Nombre de garcons 20

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM4B Nombre de filles 21

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM5 Enfants ne vivants pas avec vous 22

Measurement Level: Ordinal

Column Width: 9 Alignment: Right 1 Oui

2 Non

CM6A Nombre de garcons 23

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM6B Nombre de filles 24
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM7 Enfants nes vivants mais decedes par la suite 25

Measurement Level: Ordinal

Column Width: 9 Alignment: Right Value Label

1 Oui

2 Non

CM8A Nombre de garcons 26

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM8B Nombre de filles 27

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM9 Total naissance 28

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM10A Nombre de naissances vivantes durant les cinq dernieres ann 29
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM10B Nombre de naissances qui suirvivent 30
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM11b Jour naissance de votre dernier accouchement 31

Measurement Level: Scale

Column Width: 9 Alignment: Right

CM11M Mois naissance de votre dernier accouchement 32

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM11Y Annee naissance de votre dernier accouchement 33
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM11A Nombre d^'annees depuis la derniere naissance 34
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

CM11X Naissance survenue depuis la dernier annee 35
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

ETAT berniere naissance en vie ou decedee 36
Measurement Level: Ordinal

Column Width: 9 Alignment: Right Print Format: F1

Write Format: F1

WS1 Source d^'eau pour boire 90

Measurement Level: Ordinal

Column Width: 9 Alignment: Right Print Format: F2

1 Eau de robinet dans le llogement

2 Eau de robinet dans la cour / parcelle

3 Borne fontaine

4 Puits a pompe

5 Puits protege

6 Source amenagee

7 Eau de puit/citerne

8 Eau en boutaille minerale

9 Puit non protegee

10 Source non amenagee

11 Mare ruisseau ou fleuve

12 Camion citerne vendeur d^'eau

13 Eau de robinet dans la parcelle voisine

14 Autres

66 Missing

99 M No answer or DK

WS2 Temps mis pour aller labas 91

Measurement Level: Scale

Column Width: 9 Alignment: Right 888 Eau sur places

997 Manquant

999 DK

WS2A Distance d^'habitation - source 92

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

1 Dans le logement / parcelle

2 A moins de 100 metres

3 Entre 100 et 500 metres

4 Entre 500 metres et 1 Km

5 Plus de 1 km

9 Nsp

WS3 Type de toilette 93

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

1 Chasse raccordée & l^'égout

2 Latrine à évacuation

3 Latrine améliorée à ventilation

4 Latrine tradionnelle couverte

5 Latrine traditionnelle non couverte

6 Trou ouvert

7 Autres

8 Pas de toilette ou brousse ou champ

WS4 Ou se trouvent ces toilettes 94
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

1 Dans le logement

2 Oui dans la cour/parcelle

3 Non en dehors de la cur/parcelle

9 Nsp

WS5 Que faites vous avec les selles des enfants de 0 & 3 ans 95

Measurement Level: Ordinal

Column Width: 9 Alignment: Right Value Label

1 Ils utilisent toujours les toilettes/ latrines

2 Jetees dans les toilettes/latrines

3 Jetees en dehors de la cours

4 Enterees dans la cours

5 Ne sont jetees / restent par terre

6 Autres

7 Missing

8 Pas de petits enfants dans le menage

WS5A Systeme d^'evacuation des eaux usees 96

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

1 Reseau d^'egout

2 Cannivaux d^'eaux pluviales

3 Puit perdu

4 Trou dans la parcelle

5 Trou dans la rue

6 A la volee dans la rue

7 A la volee dans la parcelle

8 Autres

WS5B Systeme d^'evacuation des ordures menageres 97

Measurement Level: Ordinal Column Width: 9 Alignment: Right Value Label

1 Service organise prive ou public

2 Incineration

3 Enfouissement

4 Voie publique

5 Cours d^'eau

6 Depotoir sauvage

7 Compost ou fumier

8 Autres

SA1 Disponibi lite d^'un stock de vivres 99

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1

Write Format: F1

Value Label

1 Oui

2 Non

SA2 Temps de possession d^'un stock 100

Measurement Level: Ordinal Column Width: 9 Alignment: Right Print Format: F1

Write Format: F1

Value Label

1 Le prochain mois

2 La semaine prochaine

3 Les 3 prochains jours

SA3 Nombre de repas par jour 101
Measurement Level: Ordinal

Column Width: 9 Alignment: Right Print Format: F1

Write Format: F1

Value Label

1 Un repas par jour

2 Deux repas par jour

3 Trois repas par jour

8 Moins d^'un repas par jour

SASC Elevage 105

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1

Write Format: F1

Value Label

1 Agriculture

2 Maraichage

3 Elevage

4 Pisciculture

5 Tranformation alimentaire

6 Nutrition

7 Autres

5A5b Pisciculture 106

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1 Write Format: F1 Value Label

1 Agriculture

2 Maraichage

3 Elevage

4 Pisciculture

5 Tranformation alimentaire

6 Nutrition

7 Autres

5A5E Transformation alimentaire 107

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1 Write Format: F1 Value Label

1 Agriculture

2 Maraichage

3 Elevage

4 Pisciculture

5 Tranformation alimentaire

6 Nutrition

7 Autres

5A5F Nutrition 108

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1 Write Format: F1 Value Label

1 Agriculture

2 Maraichage

3 Elevage

4 Pisciculture

5 Tranformation alimentaire

6 Nutrition

7 Autres

5A5G Autres 109

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1 Write Format: F1 Value Label

1 Agriculture

2 Maraichage

3 Elevage

4 Pisciculture

5 Tranformation alimentaire

6 Nutrition

7 Autres

N5V Naissances vivantes au cours des 12 dernieres mois 110

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1 Write Format: F1

MM1 beces de femmes agees de 15 ans et plus 111
Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1 Write Format: F1

MM2A Nombre de femmes mortes au cours de la grossesse 112

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1

Write Format: F1

MM2B Nombre de femmes mortes au cours de l^'accouchement 113

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1

Write Format: F1

MM2C Nombre de femmes mortes 6 semaines apres grossesse 114

Measurement Level: Ordinal

Column Width: 9 Alignment: Right

Print Format: F1

Write Format: F1

HIMEM Taille du menage 115

Measurement Level: Scale

Column Width: 9 Alignment: Right Print Format: F2

Write Format: F2

HHWEIGHT Poids de ponderation menage 116

Measurement Level: Scale

Column Width: 8 Alignment: Right Print Format: F11.6

Write Format: F11.6

WMWEIGHT Poids de ponderation femme 117

Measurement Level: Scale

Column Width: 8 Alignment: Right Print Format: F11.5

Write Format: F11.5

CHWEIGHT Poids de ponderation enfant 118

Measurement Level: Scale

Column Width: 8 Alignment: Right

AGRI Agriculture 125

Measurement Level: Scale

Column Width: 9 Alignment: Right

Print Format: F9

Write Format: F9

MARAI Maraichage 126

Measurement Level: Scale

Column Width: 9 Alignment: Right

Print Format: F9

Write Format: F9

ELEV Elevage 127

Measurement Level: Scale

Column Width: 9 Alignment: Right

Print Format: F9

Write Format: F9

PISCI Pisciculture 128

Measurement Level: Scale

Column Width: 9 Alignment: Right

Print Format: F9

Write Format: F9

TAILLEM Taille de ménage 132

Measurement Level: Scale

Column Width: 9 Alignment: Right Value Label

1 1 - 3

2 4 - 6

3 7 - 9

4 10 +

POTABLE Eau potable 133

Measurement Level: Scale

Column Width: 9 Alignment: Right

Value Label

0 Eau non potable

1 eau potable

SAFE eau potable 134

Measurement Level: Scale

Column Width: 9 Alignment: Right

Print Format: F9 Write Format: F9

ORDURE Evacuation des ordures ménagères 135

Measurement Level: Scale

Column Width: 9 Alignment: Right

Print Format: F9

Write Format: F9

Value Label

1 Evacuation avec un système hygiénique

2 Autres

Cox Regression Variables in the Equation

Exp(B) is the predicted change in the hazard for a unit increase in the predictor.

When Exp(B)< 1, increasing values of the variable indicate decreasing predicted survival times. When Exp(B) > 1, increasing values of the variable indicate increasing predicted survival times.

Cox Regression Omnibus Tests of Model Coefficients

The omnibus tests are measures of how well the model performs.In Block 0 of Forced Entry and Backward methods, this table displays the -2 log-likelihood for the Null model in which all coefficients are 0.In later Blocks, the tests are presented for each step.

Cox Regression Omnibus Tests of Model Coefficients

The chi-square change from previous step is the difference between the -2 log-likelihood of the model at the previous step and the current step.

Cox Regression Omnibus Tests of Model Coefficients

The chi-square change from previous step is the difference between the -2 log-likelihood of the model at the previous step and the current step.If the step was to add a variable, the inclusion makes sense if the significance of the change is less than 0.05.

Cox Regression Omnibus Tests of Model Coefficients

The chi-square change from previous step is the difference between the -2 log-likelihood of the model at the previous step and the current step.If the step was to add a variable, the inclusion makes sense if the significance of the change is less than 0.05.If the step was to remove a variable, the exclusion makes sense if the significance of the change is greater than 0.10.

BIBLIOGRAPHIE

A) OUVRAGES

1. KUYUNSA, B., SHOMBA, K., Introduction aux méthodes de recherche en sciences sociales, PUZ, Kinshasa, 1995.

2. Maddala,G.S, Introduction to economica,, 1996è Ed.

3. Professeur LARIVIERRE, Pathologie tropicale, Paris, Ed. Foucher, 1978.

4. Bastien P., Tenenhaus M(2002), Regression linéaire généralisée PLS, HEC Research Papers Series , n°766/2002, HEC School of Business and Managemment, Jouy-en-Jonas, France.

5. Cox, D.R.(1972), Regression models and life tables(with discussion), Journal of the Royal Statistical Society,B, 74, 187-220

6. VILAND, M-C, Eau et Santé, Dossier Technologies et Développement, Ministère de la Coopération et Développement, Paris, 100 pages.

7. REGIS BOURBONNAIS, Econométrie, Dunod, ^5ème Edition, Paris, 2004, 322 pages.

B) RAPPORT

1. PNUD, Rapport mondial sur le développement humain 2006, Economica, Paris, 2006, 422 pages.

2. RD CONGO (MPLAN), Document stratégique pour la croissance et la réduction de la pauvreté (DSCRP), Kinshasa, juin 2006.

3. RD CONGO, Enquête nationale sur la situation des enfants et des femmes. Rapport d'analyse, Kinshasa, Juillet 2002.

4. UNICEF, Enquête Nationale sur la situation des Femmes et des enfants MICS 2, 2001, 233 pages.

5. Systèmes des Nations Unies, Rapport National de Suivi de progrès des OMD pour la RDC, 2004.

6. Ministère de la Santé, Revue annuelle, 2003.

7. MUKOKO. S, La RDC et les OMD, Séminaire Gouvernemental, Kinshasa, 9

Juin 2002.

C) AUTRES DOCUMENTS

1. KINTAMBU M, Principes d'économétrie, ^2ème éd., UNIKIN, 2004.

2. La rareté de l'eau inquiète les Kinois (article) in Avenir n°77-mars 2007.

3. SHIDI PALATA, Evaluation des OMD en matière de la Santé en RDC et perspectives à l'horizon 2015 in Grandes Conférences Académiques de COPIREP° 30-31 mars 2007, UNIKIN.

4. Système des Nations unies en RDC, OMD-Rapport National de suivi de progrès pour la RDC(2004), 61 pages.

5. Ministère du Plan, Programme du Gouvernement- RDC (2006-2011)

D) SITES WEB

http://www.windatlas.ca/fr/faq.php http://www.spss.com/Worldwise

TABLE DES MATIERES

In memoriam i

Epigraphe iii

Dédicace iv

Avant propos v

Remerciements vi

Liste d'abréviations vii

INTRODUCTION 1

1 . Problématique 1

2. Hypothèses de travail 3

3. Intérêt et objectif du sujet 4

4. Méthodologie du travail 5

5. Délimitation du travail 7

6. Canevas du travail 7

CHAPITRE PREMIER
· 8

EUE II MOIEIE D'ANAL ISE 8

1.1. Contexte de l'étude 8

1.2. Le modèle de durée de vie 9

1.2.1. Généralités 9

1 . 2. 2 . Les distributions classiques 10

1.2.3. Estimation des modèles 11

1.2.4. Méthodes d'estimation des modèles de survie 13

1.3. Modèle de KAPLAN-MEIER 15

1.3.1. Principe d'estimation 15

1.3.2. Estimation de la fonction de séjour 15

1.4. Méthode d'estimation actuarielle 16

1.4.1. Principe d'estimation des différentes distributions 17

1.5. Le modèle de durée de vie 19

1.6. Le modèle de Cox à prédiction chronologique 20

1.7. Le modèle de Cox à risque proportionnel 21

1.7.1. Introduction 21

1.7.2. Les principes généraux et définitions 22

1.7.3. Interprétation théorique des coefficients du modèle 23

1.7.4. Estimation et tests paramètres 24

1.7.4.1. La méthode de maximum de vraisemblance 24

1.7.4.2. Notion de vraisemblance 27

1.7.4.3. Test de signification des paramètres 30

1.7.5. Le modèle de Cox versus le modèle logistique (logit) 31

CHAPITRE DEUXIEME : 34

E~ONOM~E E IA SANIE 34

2.1. Introduction 34

2.2. Pronostic sur la réalisation des OMD 35

2.3. Etat de lieu des indicateurs de santé dans les O.M.D en RDC

37

2.3.1. Utilisation des services de santé 37

2.3.1.1. Utilisation des services de santé infantiles 38

2.3.1.2. Utilisation des services de santé maternelle 39

2.3.2. Les facteurs déterminants de la demande des soins de santé en Rbe 40

2.3.2.1. L'offre de service des soins de santé 41

2.3.2.2. La demande des soins 42

2.3.3. Les atouts et les contraintes dans la réalisation de OMb. 44

2.3.3.1. Les atouts 44

2.3.3.2. Les contraintes 44

2.4. L'eau et l'assainissement dans la ville de Kinshasa 47

2.4.1. L'assainissement dans la ville de Kinshasa 48

2.4.1.1. Gestion des installations hygiéniques 49

2.4.1.2. Evacuation des ordures 50

2.4.2. Source d'approvisionnement en eau 52

2.6. Pathologie humaine 54

2.6.1. Les éléments chimiques de l'eau responsables des problèmes ou des maladies 54
2.6.2. Les contaminations virales, bactériennes ou parasitaires de l'eau

responsables des maladies pour l'homme. 55
2.6.3. Les rôles de l'eau dans la transmission et développement des

agents pathogènes 56

2.6.4. Les maladies diarrhéiques 60

2.6.4.1. Les diarrhées infectieuses aigues d'origine bactérienne ou virale 60

2.6.4.2. les diarrhées d'origine parasitaire 62

2.6.5. birectives officielles et recommandations de groupes d'experts

sur la qualité de l'eau de consommation 62

CHAPITRE TROISIEME a 64

DESCRIPTION DES FACTEIRS DE LA MORTALITE INFANTILE 64

3.1. Présentation de la base des données 64

3.1.1. Les sources principales d'eau de boisson 65

3.1.2. Temps et distance pour chercher l'eau à boire salubre 65

3.2. Méthodologie 66

3.3. Terminologies 68

3.4. Analyse exploratoire des données 70

3.4.1. bescription du mode d'accès à l'eau de boisson 71

3.4.2. Assainissement du milieu de vie 71

3.4.3. bistribution des fréquences en ce qui concerne la situation des

femmes et des enfants (enquête MILS 2) 75

CHAPITRE 9IIATRIEME a 77

MODELISATION DE LA FONCTION DE RIS~~E DE COI 77

4.1. Revue de la littérature 77

4.2. Spécification du modèle de Cox 79

4.2.1. Présentation des variables 79

4.2.2. Les signes attendus des coefficients des covariables du modèle 80

4.3. Estimation et validation du modèle de Cox 82

4.3.1. Présentation des résultats de l'estimation 84

4.3.2. Analyse et interprétation des résultats 88

CONCLUSION ET RECOMMANDATIONS 89

ANNEXE 1 92

ANNEXE 2 .99

BIBLIOGRAPHIE 108