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

 > 

Déterminants socioéconomiques influençant l'accessibilité aux soins dans la zone de santé de masa. cas de l'hgr masa/kasangulu. province du bas-congo

( Télécharger le fichier original )
par ESAIE AYMAR BUMBA MOASO DJONGI
Université de Kinshasa - Master en santé publique 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

4.2. ANALYSE EMPIRIQUE DU MODELE

4.2.1. Base théorique du modèle

Dans le cadre de notre régression logistique, les variables retenues sont les suivantes :

a. Variable dépendante :

Ø L'utilisation de services de santé dans la ZS Masa

b. Variables indépendantes :

Ø La qualité des soins ;

Ø La religion du chef de ménage ;

Ø L'accueil ;

Ø Le niveau de vie ;

Ø Le niveau d'étude du chef de ménage ;

Ø Les dépenses de santé ;

Ø La compétence du personnel ;

Ø Les catégories socio-économiques ;

Ø Les conditions d'hébergement ;

Ø la taille de ménage.

Le modèle va permettre ainsi d'expliquer/calculer la probabilité de recourir à l'utilisation de services de santé de l'HGR Masa quand les valeurs caractéristiques individuelles Xi sont reconnues. Pour notre étude, ce modèle s'est présenté comme suit :

Où = faible taux d'utilisation de services de santé de l'HGR Masa.

Xi= ensemble de variables exogènes ou indépendantes (la qualité des soins ; la religion ; l'accueil ; le niveau de vie ; le niveau d'étude du chef de ménage ; les dépenses de santé ; la compétence du personnel ;  les conditions d'hébergement ; la taille de ménage et les catégories socio-économiques).

Les résultats de cette analyse ont été présentés sous forme de tableaux et graphiques. Ce modèle va nous permettre d'exprimer la relation entre une variable qualitative à deux modalités et des variables explicatives qui peuvent être qualitatives et/ou quantitatives. L'expression du modèle nous permettant de faire cette analyse multivariée est la suivante :

Où : : Constante.

: L'utilisation de services de santé de l'HGR Masa.

X1, X2, X3, X4, X5, X6, X7, X8, X9 et X10 représentant les différentes variables indépendantes sensées influencer l'utilisation de services de santé de l'HGR Masa et Ut étant une constante aléatoire.

4.2.2. Spécification du modèle

Le modèle va seulement établir la relation entre l'utilisation de services de santé de l'HGR Masa (variable dépendante) qui est une variable à deux modalités, et quelques variables indépendantes déjà décrites ci-haut et qui sont : la qualité des soins ; la religion ; l'accueil ; le niveau de vie ; le niveau d'étude du chef de ménage ; les dépenses de santé ; la compétence du personnel ;  les conditions d'hébergement ; la taille de ménage et les catégories socio-économiques.

Ainsi, notre modèle de régression est spécifié comme suit :

Après avoir spécifié le modèle, nous nous sommes servis de logiciel SPSS pour estimer notre modèle qui en fait utilise la méthode des moindres carrés et dont les résultats sont rapportés dans le tableau 13.

Tableau 13 : Déterminants de l'utilisation de services de soins de santé

Variables

Bêta

S.E.

OR

IC (95%)

p

Qualité des soins

3,612

0,479

37,024

2,559-565,591

0,000

Religion

0,073

0,140

0,818

0,501-1,338

0,422

Accueil

0,084

0,035

0,973

0,653-1,451

0,389

Niveau de vie

-2,822

0,047

0,059

0,004-0,829

0,001

Niveau d'étude du chef de ménage

-0,050

0,050

1,055

0,936-1,189

0,384

Dépenses de santé

-0,862

0,029

10,950

7,211-16,628

0,000

Compétence du personnel

0,037

0,025

0,043

1,057-39,437

0,013

Conditions d'hébergement

-0,018

0,033

1,205

0,839-1,729

0,314

Taille de ménage

-0,032

0,023

4,614

0,770-27,640

0,000

Catégorie sociale

0,010

0,028

8,270

0,434-157,462

0,889

Constante

2,837

0,141

0,000

 

0,000

Il ressort de la lecture de ce tableau que la non utilisation de services de santé est influencée par la perception de la qualité de soins, par la perception de la compétences du personnel, par le niveau de vie de patients, par les dépenses de santé et la taille de ménage. Le modèle montre que les personnes ayant une mauvaise perception de la qualité de soins offerts au niveau de structures de soins ont une probabilité élevée de ne pas utiliser les services (OR=37,024 ; 2,559-535,591). D'autre part, les personnes percevant que le personnel a une compétence moyenne ont 6 plus de chance de ne pas utiliser les services de soins que ceux percevant que le personnel est compétent (OR=6,456, IC95% :1,057-39,437).

Par contre, la non utilisation de services de soins est réduite lorsque la personne a un niveau de vie faible.

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








"Entre deux mots il faut choisir le moindre"   Paul Valery