III- 4 : Méthodes d'analyse.
L?analyse de la malnutrition des enfants n?est effectuée
à l?aide de deux types de méthodes :
- Les méthodes descriptives ;
- La méthode explicative.
III- 4 - 1- Méthodes descriptives.
Ces méthodes d?analyse présentent le niveau de
la malnutrition des enfants et fait ressortir ses aspects différentiels
selon les caractérisques contextuelles des mères et des enfants.
A l?aide de tableaux croisés et des statistiques du khi-deux
rattachées à chaque tableau, les méthodes descriptives
mettent en évidence les associations des variables deux à deux,
tout en indiquant les variables qui sont significativement associés
à l?état nutritionnel des enfants. Cela permet aussi de
déceler au préalable le problème de la multi
colinéarité entre les variables, s?il existe. La construction
d?indicateurs composites est la solution proposée pour ce
problème.
Afin de mieux caractériser les mqres et les enfants
selon l?état nutritionnel des enfants de moins de cinq ans, nous
utiliserons l?analyse factorielle des correspondances multiples (AFCM). L?AFCM
est une méthode qui permet de décrire la structure latente d?un
ensemble de variables qualitatives. Elle repose sur la notion de profil et
d?inertie entre des modalités des variables étudiées. Si
ces distances sont faibles, il y a association entre les variables. Cette
méthode va nous permettre de catégoriser les mqres et les enfants
selon l?état nutritionnel des enfants de moins de cinq ans. En effet,
l?AFCM permet de mettre en évidence les interrelations entre plusieurs
variables et les facteurs déterminants la malnutrition des enfants. Les
plans factoriels et les contributions relatives de chaque
modalité des variables à l?inertie expliquée par chaque
axe permettent de mieux caractériser les femmes. Les différents
paramètres de cette méthode sont fournis par des programmes
informatiques. Le programme « ANCOR.PAR » du logiciel ADDAD nous
permet de sortir les nuages de points et des tableaux de contributions et de
valeurs propres. Nous allons nous y atteler à travers les
résultats sur la base de la matrice de configuration et des
graphiques.
III- 4 - 2 : Méthode explicative
/ ?REjeFtif nGe nFette nptuGe nptaQt nla nP ise neQ npYiGeQFe
nGes nfaFteurs nexSliFatifs nGe nla n malnutrition des enfants, et compte tenu
de la nature dichotomique de notre variable dépendante (bon état
nutritionnel et mauvais état nutritionnel), la régression
logistique binaire IMnlanP pllRGenI1FhQi1,11nG1aQalyNnlanP
HA{ n1QGEIupe.
Principes de la méthode.
/ HnSRiQFISIsnGenEINnGenl?NIlEsation de cette méthode de
régression sont les suivants:
La variable dépendante doit être une variable
qualitative et dichotomique (ayant deux modalités : 0 et 1). La
modalité valide (1) de cette variable doit concerner le groupe le plus
minoritaire au plan VECENEnGRQtnl?e111FWnQenGpS1WnSIsn2EE 5.
Les variables indépendantes peuvent être
quantitatives ou qualitatives, mais toutes les modalités de ces
variables doivent être dichotomisées avant leur introduction dans
le modèle de régression. La modalité de
référence de chaque variable ne doit pas être
iQtIRGuitenGEQsnlenP RG~leg n61nP nTMNNSURE[Hak9nSRWDM3YPC1P I
tudié (mauvais état nutritionnel des enfants) se réalise,
1-P est la probabilité pour que cet événement ne
réalise pas (bon état nutritionnel des enfants).
- Le modèle de régression logistique se
présente comme suit:
. Où Z est la variable à expliquée ou la
variable dépendante.
· La forme linéaire de Z se présente comme
suit Z = )5'0 +,131X1
+,132X2 + .
Avec X1, X2,~, nXn sont des variables
indépendantes (ou des variables explicatives) Hnâ1, nâ2,~,
ân sont des coefficients de régression.
· Quant à la forme multiplicative,
nellenestnGRQQpenSarnltiSIFIAiRQ dont
l1pTXMRQnest :
La statistique = Odds ratio ou « rapport de
chances ».
La régression logistique fournit, entre autres, le
nombre d'observations, la probabilité du
Khi2
associée au modèle, le pouvoir
prédictif du modèle (pseudo R2), les rapports de
chances (Odds
5
841AtnEIQUnqNRQnFRQsIGJInlInrpgUMIRQnlRgWENnEiQ11InFRP P
tnaGaStpeniux npYpQeP IQtsnIEIIsnTIVRFTNIr,n 1996).
ratios) ou les paramètres de régression
associés aux différentes variables explicatives et/ou à
leurs modalités respectives, et enfin l'intervalle de confiance des
paramètres pour chacune des modalités et/ou des variables
introduites dans le modèle avec les probabilités correspondantes
(P> | Z |). Ces différents paramètres facilitent
l'interprétation des résultats.
Aides à l'interprétation
La probabilité du Khi2 associée au
modèle permet de se prononcer sur l?adéquation du modèle
utilisé. Le modèle sera jugé adéquat lorsque la
probabilité associée au Khi2 sera inférieure
à 5% voire 10%. Le pseudo R2 détermine le pouvoir
prédictif du mod~le, c?est-à-dire la capacité du
modèle à expliquer la malnutrition des enfants rien qu?avec les
variables explicatives qu?il contient. Par ailleurs, en ce qui concerne le
risque de malnutrition, le modèle de régression logistique
fournit pour chaque variable introduite dans l?équation une
probabilité (P > | Z |) pour que le comportement
représenté par cette variable ne soit pas différent de
celui du groupe de référence, par rapport au
phénomène étudié au (x) seuil (s) fixé (s)
(1%, 5%, 10%), on dira que cette probabilité est faible pour qu?il y ait
pas de différence entre les groupes mis en comparaison. Ainsi, on en
conclut à un comportement différentiel de ces groupes face au
phénomène étudié. Dans ce cas s?agissant de la
malnutrition des enfants en particulier, le comportement différentiel se
mesure en termes d?écart du groupe présenté dans le
modèle par rapport à celui de référence. Cet
écart étant exprimé par un rapport de risque (odd ratio)
ou risque relatif risque correspondant calculé par un algorithme
approprié, cette valeur est fournie par le logiciel STATA. Lorsque ce
rapport est inférieur à 1, on dira que les enfants qui
s?identifient au groupe mis dans le modèle de régression en
courent ((1-OR)*100) % moins de risque d?être malnutris que ceux qui
s?identifient par rapport au groupe de référence. Dans le cas
contraire (OR>1), on parlera plutôt d?un risque plus
élevé chez les premières catégories des enfants que
chez la catégorie correspondant au groupe de référence.
Conclusion partielle
Ce chapitre nous a permis de préciser la source des
données utilisées dans cette étude (EDSG-1999). Aussi de
définir les variables opérationnelles. La variable milieu de
socialisation ne sera pas prise en compte, car elle n?a pas été
saisie au moment de l?enquête.
L?évaluation de la qualité des données
nous a permis de juger que dans l?ensemble, les données sont
relativement de bonnes qualité et peuvent être utilisées
pour des fins d?analyses. Par ailleurs, il nous a permis aussi de construire
notre variable dépendante aux moyens des techniques statistiques.
Le prochain chapitre présente les niveaux et les facteurs
associés à la malnutrition des enfants de moins de cinq ans en
Guinée dans une approche descriptive.
| 
