|
Déterminants des comportements sexuels à risque d'infection aux IST/VIH/sida chez les adolescents au Niger( Télécharger le fichier original )par Djibrilla MODIELI AMDOU Université Yaoudé II SOA - Diplome d'Etudes Supérieures Spécialisées en Démographie DESSD 2008 |
III-3 Distribution des variablesIII-3-1 Les variables socioculturelles Le tableau 3-4 présente la répartition des adolescents selon les variables socioculturelles. Le Niger se caractérise essentiellement par trois grands groupes ethniques. Dans le premier groupe, on retrouve les "Haoussa", "Djerma/songhaï" et les "Touareg". Dans le second, on a les "Peul" et les "Kanouri". Et enfin on distingue les "Autres ethnies"(Arabe, Toubou, Gourmantché). On retrouve dans le tableau 3-4, la répartition des adolescents enquêtés selon le groupe ethnique. Les adolescents "Peul" représentent 6,7% des enquêtés et les "Touareg" 9,2%. Les "Kanouri" et les "Autres ethnies" représentent respectivement 4,3% et 3,3%. Les "Haoussa" sont majoritairement représentés dans l'échantillon avec une proportion de 55,8%, viennent ensuite les"Djerma/songhaï" avec 20,7%. Comme la littérature a montré que les moeurs sexuelles varient selon l'ethnie, nous nous attendons à ce que l'ethnie influence tous les comportements sexuels des adolescents dans ce milieu. III-3-1-2 Le milieu de socialisation Par rapport au milieu de socialisation, les adolescents ont été saisis selon qu'ils ont passé les douze premières années de leur vie dans la capitale ou les grandes villes, dans les petites villes ou en campagne. Dans notre échantillon, on constate qu'une très grande majorité des adolescents (80,3%) ont été socialisés dans les campagnes, 11,5% dans les petites villes, 8,2% dans la capitale Niamey et les grandes villes. III-3-1-3 Le milieu de résidence Selon le milieu de résidence au moment de l'enquête, les adolescents se répartissent en deux groupes : ceux qui vivent en milieu urbain et ceux qui vivent en milieu rural. Dans notre échantillon, on constate que plus de 3/4 des adolescents (78,3%) vivent en milieu rural, tandis que ceux qui vivent en milieu urbain ne représentent que 21,7%. III-3-1-4 Le niveau d'instruction Dans le cas du niveau d'instruction, on constate qu'une très forte proportion des adolescents sont sans niveau (75,3%), 16,3% sont de niveau primaire, et seulement 8,5% de niveau secondaire ou plus. Tableau 3.5 Répartition des adolescents selon les variables socioculturelles
Source : Traitement des données de l'EDSN-MICS-III, Niger 2006. III-3-2 L'exposition aux médias et le niveau de vie III-3-2-1 La fréquence d'exposition à la radio Par rapport à cette variable, la question suivante a été posée aux adolescents pour saisir leur fréquence d'exposition à la radio : « Écoutez-vous la radio pratiquement chaque jour, au moins une fois par semaine, moins d'une fois par semaine ou pas du tout ? ». On retrouve dans le Tableau 3-5 la répartition des adolescents enquêtés selon leur fréquence d'exposition à la radio. On constate que 28,2% des adolescents n'ont pas du tout été exposés à ce média, par contre 17,9 des adolescentes l'écoutent moins d'une fois par semaine, 22,3% au moins une fois par semaine et 31,70% chaque jour de la semaine. III-3-2-2 La fréquence d'exposition à la télévision La même question a aussi été posée aux adolescents afin de saisir leur fréquence d'exposition à cet autre média. La distribution des adolescents selon leur fréquence d'exposition à la télévision montre que plus des trois quarts d'entre eux ne regardent pas ce média (78,4%), 10,5% la regardent chaque jour, 7,0% au moins une fois par semaine, et 4,2% moins d'une fois par semaine. Nous avons considéré la situation économique du ménage dans lequel vivent les adolescents pour mesurer le niveau de vie. En effet, dans la plupart des pays africains et au Niger en particulier les adolescents sont financièrement dépendants de leurs parents. Dans cette étude, nous avons retenu le niveau de vie des ménages comme variable opérationnelle de la situation économique des parents. Cet indicateur a été construit à partir des biens que ces derniers disposent. Compte tenu de la nature des données dont nous disposons, nous avons recouru à l'analyse en composantes principales (ACP) à partir du logiciel SPAD de SPSS sous windows. Cette méthode présente l'avantage d'attribuer des points à certaines modalités afin de définir des classes ou groupes homogènes. L'objet de cette méthode classification est de partitionner une population initiale en k classes (groupes) disjointes de telle manière que 2 individus appartenant à une même classe aient un maximum de caractéristiques très semblables et 2 éléments provenant de 2 groupes présentent des caractéristiques fortement dissemblables. Nous avons constitué trois groupes à savoir : faible, moyen et élevé. La distribution de cette variable indique que les adolescents qui vivent dans les ménages de niveau de vie faible représentent 31,1%, ceux qui sont issus des ménages de niveau moyen représentent 19,1%, et ceux qui vivent dans les ménages de niveau de vie élevé représentent 49,8%. Tableau 3.6 Répartition des adolescents selon la fréquence d'exposition aux médias et le niveau de vie du ménage
Source : Traitement des données de l'EDSN-MICS-III, Niger 2006. III-3-3 Les connaissances relatives aux IST/VIH/SIDA Les variables utilisées pour la construction de cet indicateur sont relatives au fait d'avoir entendu parler du SIDA ou des IST, à la connaissance des modes de transmission du SIDA et à la connaissance des modes de prévention du SIDA. A partir du Tableau 3-6, on voit que 55,21% des adolescents ont une connaissance élevée des IST/VIH/SIDA, 7,64% ont une connaissance partielle et 37,15% n'ont aucune connaissance de ces maladies. Tableau 3.7 Répartition des adolescents selon leurs connaissances relatives aux
Source : Rapport EDSN-MICS-III, 2006. III-3-4 Les comportements sexuels à risque On constate qu'au Niger le multipartenariat sexuel est un phénomène répandu. En effet, 44,3% des adolescents ont eu des rapports sexuels avec des personnes autres que leurs partenaires réguliers au cours des douze derniers mois contre 55,7% qui n'ont pas adopté ce comportement sexuel au cours des douze derniers mois précédent de l'enquête. En ce qui est des premiers rapports sexuels, on constate que les adolescents commencent très précocement leurs activités sexuelles. En effet, 87,86% des adolescents ont eu leurs premiers rapports avant l'âge de 16 ans et seulement 12,14% l'ont eu après. Enfin, dans le cas de la non-utilisation des condoms aux derniers rapports sexuels, on constate que seulement 3,8% des adolescents ont utilisé des condoms aux derniers rapports sexuels contre 96,2% qui ne l'ont pas fait lors de leurs derniers rapports sexuels. Tableau 3.8 Répartition des adolescents selon leurs comportements sexuels
Source : Rapport EDSN-MICS-III, 2006. Nous allons utiliser au premier niveau d'analyse des données les méthodes statistiques descriptives et au second niveau les méthodes explicatives. Nous allons nous intéresser ici à l'association entre chaque caractéristique de l'adolescent et les comportements sexuels étudiés. Comme toutes les variables sont qualitatives, nous allons recourir aux tableaux croisés et à la statistique du Khi-deux pour évaluer le degré et le sens des différentes associations. A ce niveau d'analyse, nous allons aussi recourir à l'analyse Factorielle des Correspondances Multiples pour identifier au niveau multivarié les indépendances entre variables et de façon simultanée les caractéristiques des adolescentes adoptant telle ou telle modalité des comportements sexuels à risque. L'analyse (factorielle) des correspondances multiples (ACM) est une technique de réduction factorielle qui permet d'avoir une vue d'ensemble des variables de base (ou des individus) en mettant en évidence les liaisons, ressemblances ou différences14(*). Les variables soumises à l'ACM doivent être catégorielles (ou rendues telles), la matrice de données étant un tableau dit disjonctif complet ou tableau binaire, dans lequel chaque individu-ligne a la valeur 0 ou 1 pour chaque variable/modalité-colonne. Dans l'ACM, en effet, chaque modalité (dichotomisée au préalable) intervient comme une variable. L'une des richesses de cette méthode réside dans la possibilité de distinguer, parmi les variables, celles qui sont actives (c'est-à-dire qui entrent dans la construction des axes factoriels) et celles qui sont passives, encore appelées variables supplémentaires (qui n'entrent pas dans la construction des axes). L'intérêt des variables passives est que, n'ayant pas pris à la construction des axes factoriels, leur proximité avec un axe ou un groupe de variables témoigne d'une forte corrélation. En plus des corrélations ou associations qu'elle nous aura permis de mettre en évidence, l'ACM est aussi une étape préliminaire dans la construction de profils et d'indicateurs synthétiques. L'algorithme de la méthode permet, en effet, de sauvegarder les coordonnées (ou scores factoriels) des individus sur les principaux axes factoriels (et vice-versa, d'avoir les scores factoriels des variables dans le champ vectoriel formé par les individus). On peut alors recourir à ces scores pour procéder à d'autres types d'analyse, notamment, dans le cas de la présente étude, à une classification des adolescents selon leurs comportements sexuels à risque et à une analyse en composantes principales (ACP) pour la création d'indicateurs combinés tels le niveau de vie du ménage ou le niveau de connaissance des IST/VIH/SIDA chez les adolescents par exemple. En général, le but de la plupart des recherches en sciences sociales est de déterminer des relations entre un ensemble de variables. Les techniques « multivariables » ont été développées à cette fin. Souvent on considère une variable dépendante que l'on veut prédire et des variables indépendantes ou explicatives. Remarquons que bien souvent le terme « multivarié » est confondu avec « multivariables », ce qui peut porter à confusion étant donné que le premier se réfère à la situation où l'on considère plusieurs variables dépendantes à la fois, tandis que le deuxième plus vague correspond peut être mieux à la situation la plus fréquente où l'on considère une seule variable dépendante et plusieurs variables explicatives. L'analyse explicative nous permet de mettre en relief les facteurs qui déterminent les comportements sexuels des adolescents et les mécanismes par lesquels certaines variables influencent ces comportements. Etant donnée que les variables à expliquer sont dichotomiques (précocité ou non du premier rapport sexuel, utilisation ou non du condom), c'est le modèle de régression logistique que nous avons retenu. La régression logistique est l'une des méthodes adaptées à l'analyse des variables dépendantes catégorielles15(*). Dans la régression logistique, une variable dépendante de nature dichotomique est expliquée par un ensemble de variables qui peuvent être qualitatives ou quantitatives. Dans le cas de la présente étude, la variable à expliquer est la probabilité qu'un adolescent de 15-24 ans adopte ou non un comportement sexuel à risque au moment de l'enquête. Il est question ici de la probabilité qu'un adolescent de 15-24 ans recourt ou non au multipartenariat sexuel, à la précocité des rapports sexuels ou à la non-utilisation des condoms au dernier rapport sexuel. Ce qui est modélisé dans la régression logistique, c'est la quantité P/1-P appelée odds, qui est le rapport de deux probabilités : la probabilité que l'événement survienne (P) et la probabilité que celui-ci ne survienne pas (1-P). En considérant Xi variables indépendantes (i allant de 1 à k), l'équation de régression logistique peut s'écrire : P/1-P= e B0+B1+......+Bk Où les Bi représentent les coefficients de régression ; eBi le facteur par lequel le odds change lorsque la ie variable indépendante passe de la valeur 0 à la valeur 1. Dans la comparaison de deux sous-populations ou catégories d'une variable indépendante (dans lesquelles la probabilité que l'événement survienne est respectivement P1 et P2), ce qui est examiné, c'est le rapport (P2/1-P2)/ (P1/1-P1) appelé rapport des chances16(*) (odds ratio en anglais). Le rapport de chances s'interprète en termes d'écart par rapport à une modalité de référence. La régression logistique fournit entre autres statistiques d'interprétation des résultats : Ø le "odds ratio" ou risque relatif de connaître l'évènement étudié ; Ø la statique de khi deux (Khi2) pour le test de signification du modèle et des paramètres ; Ø le pseudo R2 pour le test de l'adéquation du modèle ; Ø les seuils de signification des odds ratios Ø le coefficient de corrélation partiel r Le test de Khi2 permet de savoir si le modèle est adéquat ou pas. Si la probabilité critique associée au Khi2 est inférieure au seuil choisi le modèle est donc adéquat. Ceci signifie que les variables indépendantes considérées dans l'ensemble expliquent la variation de la variable dépendante. Elles peuvent donc prédire la valeur de Y. Dans le cas de cette étude, un modèle sera adéquat lorsque le seuil de signification associé au Khi2 sera inférieur ou égale à 10%. Le Pseudo R2 permet d'estimer la part (en %) de la variance de la variable dépendante expliquée par le modèle. Pseudo R2 = Khi-deux/ (Khi-deux +n) où n est la taille de l'échantillon La contribution de chaque variable indépendante à l'explication sera calculée à partir de cette formule suivante : Cx: Contribution de la variable f : Khi deux final s : Khi deux sans la variable Dans un premier temps, nous avons présenté dans ce chapitre notre source de données, évalué la qualité de celle-ci, et présenté les distributions des variables et les méthodes d'analyse. La source de données utilisées provient de l'Enquête Démographique de Santé et à Indicateurs Multiples (EDS-MICS-III) réalisée au Niger en 2006. Secundo, nous avions présenté les limites de notre étude. Pour ce faire il était d'abord question d'apprécier la méthodologie de l'enquête et de procéder à l'évaluation de la qualité des données sur l'âge. Cette évaluation a porté sur la qualité de l'âge des adolescents au moment de l'enquête et sur leur âge aux premiers rapports sexuels. Il ressort que les distorsions constatées ne sont pas de nature à mettre en cause la validité de ces données. Il a été aussi question de présenter la distribution des différentes variables de l'étude afin de juger de leur pertinence pour l'étude. Dans l'ensemble, ces variables ont été relativement bien déclarées. Par la suite, nous avons procédé à la distribution de ces variables. Afin de faciliter, la compréhension des résultats ultérieurs, les différentes méthodes utilisées pour la création des indicateurs combinés de l'étude ont été aussi présentées. Pour finir cette section, nous avons aussi présenté les méthodes statistiques qui seront utilisées dans cette étude. Cette étude fera l'objet d'une analyse descriptive bivariée et d'une analyse explicative multivariée. * 14 Pour plus de détails sur la méthode, se référer, par exemple, à Volle (1993), Escofier et Pagès (1998), Bouroche et Saporta (1998). * 15 La régression logistique (ou logit) est un cas particulier du modèle log-lineaire général (modèle général dans lequel aucune distinction n'est faite entre variables dépendantes et variables indépendantes). * 16 Les appellations variant dans la littérature scientifique francophone: en dehors de l'expression rapport des chances beaucoup utilisée en épidémiologie, on parle aussi de rapport de risques et de rapport des cotes, ce dernier terme étant, semble-t-il, beaucoup utilisé au Québec en référence aux paris (Leridon et Toulemon, 1997). |
