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


Home | Publier un mémoire | Une page au hasard

 > 

Analyse des systèmes de production rizicole et des risques sanitaires y afférents dans la commune de Malanville, Nord Bénin

( Télécharger le fichier original )
par Rostaing Akoha
Université d'Abomey- Calavi (Bénin ) - Ingénieur agronome 2009
  

précédent sommaire suivant

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

6.3. Evaluation du niveau de risques

Afin d'évaluer le niveau de risques sanitaires, nous allons calculer le taux de prévalence des maladies et celui du paludisme au niveau des ménages étudiés.

Tableau 18 : Prévalence des maladies Source : Données Août- Octobre 2009

 

Minimum

Maximum

Moyenne

Ecart type

Prévalence

Totale

Prévalence Palu

0.17
0.09

5.00
2.00

0.9049
0.6811

0.61511
0.39027

La prévalence totale au niveau de l'échantillon est de 0.9049 (#177;0.61511). Cela représente le nombre de personnes malades par saison de production par rapport au nombre d'actifs agricoles. On dirait ici qu'environ 90.49% des actifs agricoles souffrent au moins d'une maladie au cours de la saison de production. Plus de la moitié des actifs agricoles, soit 68.11% souffrent du paludisme par saison de production. Nous remarquons aisément que le paludisme est une affection qui immobilise pendant au moins 5.16 (#177; 2.45) jours les actifs agricoles.

Plusieurs facteurs peuvent être la cause de cette prévalence élevée au niveau des riziculteurs. Nous essayerons d'expliquer ce niveau de prévalence en utilisant un modèle économétrique. Nous utiliserons le Logit binomial pour expliquer ce niveau de risques sanitaires au sein des ménages rizicoles de la commune. Pour ce faire, une variable muette a été définie. Elle prend la valeur 1 si le niveau de prévalence est supérieur à 0. Cela signifierait qu'au moins un membre du ménage est affecté d'une quelconque pathologie au cours de la période de référence.

Le tableau de l'analyse des facteurs déterminant le niveau de risques sanitaires liés à la riziculture dans la commune de Malanville se présente comme suit :

Tableau 19 : Tableau présentant les résultats de la régression logistique binaire.

Variables Définition de la variable Probabilité Coefficients Signes Signe Degré de

explicatives prédits obtenus significat

ion

Constante / 0,99 4,431 - /

Sex Sexe 0,108 3,056 + + /

Part Part de la production du 0,391 0,265 - - /
riz dans le revenu

Dprod Expérience en matière de 0,129 1,528 - - /

production du riz

Atrav Actif travaillant dans le riz 0,0001 2,939 + + ***

Group Appartenance à un 0,122 2,114 - - /
groupement

Dexab Distance Habitation- 0,0302 1,394 + + *

Exploitation

Sric Surface emblavée du riz 0,348 2,058 + + /

Typriz Type de riziculture 2,939 + + *

0,029

Revenu Revenu issu de la 0,783 0,0001 - - /

production

Travh Travail dans l'eau 0,001 8,874 + + **

Bot Port de paires de bottes 0,018 -3,82 - - **

Prevmal 0 37

1 143

Total 180

-2log vraisemblance : 32,607

Khi Deux : 152,946

Signification du modèle : 0,0001 ***

Pouvoir de prédiction : 57,2% (Cox & Snell) ; 89,0% (Nagelkerke)

* Différence significative au seuil de 5%

** Différence hautement significative au seuil de 1% *** Différence hautement significative au seuil de 0.1%

Source : Données Août- Octobre 2009

L'expression mathématique du modèle est :

Li= ln (Pi/1 - P) = 4,431 +3,056Sex + 0,265Part + 1,528 prod +2,939Atrav + 2,114Group +
1,394Dexhab + 2,058Sric + 2,939Typriz + 0,0001Revenu +8,874Travh + -3,82Bot

Qualité du modèle

Le ratio de vraisemblance s'est révélé significatif à 0.1% après le test de Khi deu. Par conséquent, le modèle est globalement significatif à 0.1%. Les résultats du modèle (notamment les signes des coefficients) peuvent être valablement pris en compte. La variation des variables indépendantes explique celle de la variable dépendante de manière acceptable.

Pouvoir de prédiction

Les estimations du modèle de régression ont donné le pseudo-R2 de Cox & Snell de 0.527 et de Nagelekerke de 0.890. On peut donc, à partir du modèle, faire des prévisions sur les modalités de la variable dépendante, connaissant celles des variables indépendantes avec une probabilité de 89% d'avoir une prédiction juste. Cette probabilité de bonne prédiction est relativement élevée.

Variables déterminantes

Les variables qui déterminent la morbidité (niveau de prévalence) des actifs agricoles dans la production du riz sont : le nombre d'actifs agricoles travaillant dans la riziculture (Atrav), la distance entre l'habitation du ménage et l'exploitation (Dexhab), le type de riziculture (Typriz), le nombre moyen d'heures de travail dans les casiers rizicoles par jour (Travh) et l'utilisation ou non des bottes au cours du travail (Bot).

précédent sommaire suivant






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








"En amour, en art, en politique, il faut nous arranger pour que notre légèreté pèse lourd dans la balance."   Sacha Guitry