Une analyse exploratoire de l'état de santé en République de Guinée: construction d'un indice synthétique de la santé

SOMMAIRE

SOMMAIRE 1

AVANT PROPOS 3

LISTE DES TABLEAUX 5

LISTE DES GRAPHIQUES 5

INTRODUCTION 6

Première partie : Généralités et anal_yse descriptive . 7

CHAPITRE I : CADRE GENERAL DU STAGE 8

I.1.Presentation de la Republique de Guinee 8

I.2. Structure et fonctionnement du Bureau de Strategie et du Developpement 8

I.2.1. Service Études et Planification 8

,I.2.2. Le Service de l'information Sanitaire et de la Recherche 9

CHAPITRE II : GÉNÉRALITÉS SUR LES CONCEPTS DE BASE 11

II.1. Definitions operationnelles des concepts de base 11

II.1.1. Rapport, Proportion, Taux et Indice 11

II.1.2. Morbidite 11

II.2. Statistiques de Zones 12

II.2.1. Generalites 13

II.2.2. Statistiques hospitalières 15

CHAPITRE III : ANALYSE DESCRIPTIVE DES DONNÉES DES ZONES DE SANTÉ 19

III.1.Description des donnees 19

III.1.1. Source des donnees 19

III.1.2. Validation et diffusion des donnees 20

III.1.3. Caracteristiques des variables 21

III.2. Analyse univariee de quelques indicateurs de sante en Republique de Guinee 22

III.2.1. Taux de Natalite (TN) et Taux Global de Fecondite General (TGFG) 22

III.2.2. Taux de Frequentation Hospitalière (TFH) et Rapport Population/Medecin 23

III.2.3.Taux de couverture CPN et BCG 24

III.2.4.Proportion de femmes enceintes seropositives et vaccination des enfants de moins d'1 an

25

III.3. Analyse bivariee de quelques indicateurs 26

III.3.1. Repartition des variables selon la region 26

III.3.2. Liaison entre deux variables quantitatives 28

Deuxième partie : Méthodes factorieles multidimensionneles 30

CHAPITRE I : RAPPELS DES MÉTHODES D'ANALYSE MULTIDIMENTIONNELLES 31

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

I.1.Analyse en Composantes Principales (ACP) 31

I.1.1. Objectif, domaine d'application de l'ACP et transformation des données 31

I.1.2. Mise en place des éléments supplémentaires 31

I.1.3. Outils d'aide à interprétation et critères de choix des axes 32

I.2.Analyse factorielle des correspondances 32

,I.2.1. Domaine d'application et objectif de l'AFC 32

I.2.2. Inertie totale de nuage de points et axes principaux 32

I.2.3. Relation entre AFC et ACP, Interprétation d'une AFC 33

I.3. Analyse des correspondances multiples (ACM) 33

,I.3.1. Objectif et domaine d'application de l'ACM 33

I.3.2. Description de l'ACM et inertie du nuage de point . 33

I.3.3. Interprétation d'une ACM 34

CHAPITRE II : ANALYSE EN COMPOSANTE PRINCIPALE (ACP) 35

II.1. Présentation des résultats de l'ACP 35

II.2. Interprétations 36

II.2.1. Description des graphiques 36

II.2.2. Indicateurs d'inertie et choix des axes 36

II.2.3. Interprétation du premier facteur 36

II.2.4. Interprétation du second facteur 37

CHAPITRE III : CONSTRUCTION DE L'INDICATEUR SYNTHÉTIQUE DE SANTÉ 38

III.1. Méthodologie et forme fonctionnelle 38

,III.2. Analyse autour de l'indice synthétique de la santé 39

CONCLUSION 41

BIBLIOGRAPHIE 42

ANNEXES 43

2

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

AVANT PROPOS

L'École Nationale de la Statistique et de l'Analyse Économique (ENSAE-Sénégal) est une école d'enseignement supérieur rattachée à l'Agence Nationale de la Statistique et de la Démographie (ANSD). Elle a pour vocation la formation des cadres de conception (Ingénieurs Statisticiens Économistes), d'application (Ingénieurs des Travaux Statistiques) et d'exécution (Techniciens Supérieurs de Statistiques).

Dans le souci de son opérationnalisation, l'ENSAE-Sénégal a adopté une approche de formation à la fois théorique et pratique :

La phase théorique consiste à l'enseignement théorique des programmes de formation. Les différents cours dispensés permettront aux élèves d'avoir des outils nécessaires pour l'analyse des données et l'interprétation des résultats obtenus.

La phase pratique consiste à l'application des connaissances théoriques acquises. Cette phase comprend les Travaux pratiques (TP), les Travaux Dirigés (TD) et les Stages qui occupent une place importante dans la formation. Concernant les stages, ils ont pour objectif général de donner l'opportunité aux élèves de découvrir le milieu professionnel et d'utiliser concrètement les connaissances théoriques acquises au cours de leurs cursus.

En accord avec cette disposition prise par les autorités de l'école, il est prévu pour les élèves Ingénieurs, des stages de formation dans les Instituts Nationaux de la Statistique (INS) ou dans tout autre Service Statistique d'une administration publique, parapublique ou privée.

C'est dans ce cadre que s'inscrit ce présent rapport de stage dont le thème porte sur : « Une analyse

exploratoire de l'état de santé en République de Guinée : Construction d'un indice synthétique de la santé ». Il a été réalisé sous la supervision de Monsieur Aboubacar KABA, Ingénieur Statisticien Économiste, Directeur National du BSD, Ministère de la Santé et de l'Hygiène Publique (MSHP), où nous avons été accueillis du 15 juillet 2012 au jeudi 15 septembre 2012.

SIGLES ET ABREVIATIONS

ACP Analyse en Composantes Principales

ACM Analyse en composantes multiples

AFC Analyse Factorielle des Correspondances

ARV Anti Retroviral

BCG Bacille Calmette et Guerin

BSD Bureau de Strategie & Developpement

CMC Centre Medical Communal

CPN Consultation Prenatale

CS Centre de Sante

DMS Duree Moyenne de Sejour

DPS Direction Prefectorale de la Sante

DRS Direction Regionale de la Sante

DTC Vaccin Anti Diphterie Tetanos Coqueluche

EDSD Enquête Demographique et de Sante en Guinee

INSP Institut National Sante Publique

IRA Infections Respiratoires Aiguë

ISS Indice Statistique de la Sante

IST/VIH/SIDA Infection Sexuellement Transmissible/ Virus de l'Immunodéficience Humaine/

Syndrome de l'Immunodéficience Acquise

MSHP Ministère de la Santé et de l'Hygiène Publique

Nbre Nombre

TOM Taux d'occupation moyenne

TFH Taux de frequentation hospitalière

PV VIH Personnes Vivant avec le Virus de l'Immunodeficience Humaine

PNUD Programme des Nations Unis pour le Developpement

PF Planification Familiale

FAR Femmes en âges de procreer

4

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

LISTE DES TABLEAUX
Tableau 1 : Libellés des variables 20

Tableau 2 : Caractéristiques des variables démographiques 21

Tableau 3 : Caractéristiques des variables hospitalières 21

Tableau 4 : Caractéristiques des variables zonales 22

Tableau 5 : Rapport population/Médecin dans les hôpitaux en 2011 24

Tableau 6 : Taux de couverture en CPN et Taux d'achèvement en 2011 24

Tableau 7 : Taux de couverture par antigène en 2011 26

Tableau 8 : Répartition du taux de mortalité dans les hôpitaux par région 26

Tableau 9 : Fréquentation hospitalière selon la région 27

Tableau 10 : ANOVA à un facteur 27

Tableau 11 : Coordonnées et contributions des variables ayant plus contribué pour l'axe 1 36

Tableau 12 : Coordonnées et contributions des variables ayant plus contribué pour l'axe 2 37

Tableau 13 : Caractéristiques globales de l'ISS 39

Tableau A1 : Coordonnées factorielles et outils d'aide à interprétation . 43

Tableau A2 : Rang des 38 préfectures et communes selon l'ISS obtenu par l'ACP . 43

LISTE DES GRAPHIQUES

Graphique 1 : Organigramme simplifié du BSD 11

Graphique 2 : Répartition des préfectures/communes par région 22

Graphique 3 : Taux global de fécondité dans les régions 23

Graphique 4 : Taux de fréquentation hospitalière/CMC par région 23

Graphique 5 : Taux de couverture en BCG dans les régions en 2011 25

Graphique 6 : Répartition des femmes enceintes séropositives par région en 2011 25

Graphique 7 : Nuage des préfectures sur le plan d'axes Taux de vaccination DTC et BCG 28

Graphique 8 : Nuage des préfectures sur le plan d'axes Taux d'Achèvement et de CPN 29

Graphique 9 : Résultats de l'ACP 35

Graphique 10 : Cercle de corrélation des variables les mieux représentées 39

Graphique 11 : L'ISS par région . 40

INTRODUCTION

Les statistiques sanitaires sont les statistiques ayant trait à la santé, cette notion étant prise dans son sens le plus large du bien-être physique, mental et social. Elles recouvrent donc toutes les statistiques se rapportant à la mortalité, la morbidité, la létalité, l'invalidité, mais aussi les mesures anthropométriques, l'hygiène générale et du milieu, la consommation alimentaire, l'eau le bruit, l'air, la prévention, les vaccinations, la protection maternelle et infantile, les centres de santé, le personnel médical, les pharmacies et laboratoires, etc. La liste n'est pas exhaustive.

Toutes ces statistiques, toutes ces mesures visent à donner une idée (information) aussi précise que possible de l'état de santé d'une population et des moyens qui sont mis en oeuvre pour la maintenir ou l'améliorer.

En effet, une question importante se pose et qui retient notre attention : quel est l'état de santé d'une population prise individuellement? Le seul moyen valable pour y répondre de façon concrète et directe, serait de faire passer régulièrement cette population à une visite médicale complète et de tenir à jour le fichier avec toutes les perturbations. Cela devrait être complété par des études continuellement mises à jour sur l'hygiène, l'environnement, les risques et les moyens d'action mis en oeuvre. Malheureusement, cet idéal n'est applicable actuellement, dans aucun pays au monde.

On ne possède donc pas de mesure directe de l'état de santé d'une population. On se contente d'utiliser des mesures indirectes et, là encore, le champ est vaste. C'est dans le but de maîtriser cette situation que les responsables sanitaires ont élaboré de nombreux indicateurs de santé.

Dans l'optique de la politique des soins de santé primaires, il a été décidé de créer dans tout le pays des zones de santé. Leur but est de rendre les soins de santé accessible à tous. Une zone de santé correspond, en moyenne à une population de 100 000 habitants. Géographiquement la zone de santé ne doit pas être identique à la zone administrative. Il peut y avoir plusieurs zones de santé à l'intérieur dune zone administrative, tout comme une zone de santé peut chevaucher entre deux ou plusieurs zones administratives. L'essentiel, dans ce domaine, c'est l'efficacité. La question qu'on se pose est, quel instrument doit-on utiliser pour mesurer l'efficacité sanitaire dans ces zones dans la perspective de les classer ?

Ainsi à partir des données (indicateurs) existantes dans ces zones de santé, le présent travail consiste à utiliser un ensemble de méthodes d'analyse exploratoire, afin de cerner certains aspects de l'état de santé en République de Guinée. Il s'articule autour de deux parties.

Dans la première partie, nous présenterons le cadre général du stage et définirons les concepts de base relatifs aux statistiques sanitaires, en faisant ressortir quelques résultats de la statistique descriptive. La deuxième partie sera consacrée à l'application des méthodes d'analyse exploratoire à ces données et la construction d'un indice de santé.

6

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

Première partie : Généralités et analyse descriptive

Dans cette partie, nous présenterons l'institution qui a servi de cadre pour le stage, nous définirons quelques concepts de base en statistiques sanitaires et par la suite, nous annoncerons les résultats globaux après avoir effectué une analyse descriptive.

CHAPITRE I : CADRE GENERAL DU STAGE

Après avoir présenté la Guinée, nous parlerons de la structure et du fonctionnement du Bureau de Stratégie et de Développement (BSD).

I.1.Présentation de la République de Guinée

La République de Guinée est un pays côtier située en Afrique de l'Ouest (entre le 7°05' et le 12°51' de latitude Nord, et 7°30' et 15°10' de longitude Ouest). Elle couvre une superficie de 245 857 km². Elle est limitée à l'ouest par l'Océan Atlantique, au Nord-ouest par la République de Guinée Bissau, au nord par le Sénégal et la République du Mali, au Nord-est par la République du Mali, à l'Est par la Cote d'Ivoire et au Sud par la Sierra Léone et le Libéria. Le pays présente une façade maritime de 320 Km de côte. C'est en Guinée qu'est situé le massif du Fouta Djallon, considéré comme le « château d'eau de l'Afrique de l'Ouest ».

La population guinéenne est majoritairement jeune ; elle est estimée à 10 869 003 d'habitants en 2011 avec une densité de 44 habitants au km². Le taux brut de natalité est de 40 ⁰/00 (RGPH, 1996) ; l'Indice Synthétique de Fécondité est de l'ordre de 5,5 enfants par femme (EDS, 1999). La croissance démographique est de 2,5% pour une espérance de vie qui tourne autour de 59 ans (PNUD).

L'Économie guinéenne est dépendante de la production minière et de l'agriculture. Le taux de croissance économique a atteint 4% en 2011. Le PIB par tête est de 411 dollars (US). La monnaie du pays est le franc guinéen (GNF).

I.2. Structure et fonctionnement du Bureau de Stratégie et du Développement

Pour assurer sa mission, le BSD, de niveau hiérarchique équivalent à celui d'une Direction Nationale de l'Administration centrale, comprend :

· un Service Études et Planification ;

· un Service Information et Planification

I.2.1. Service Études et Planification

Le niveau hiérarchique équivalent à celui d'une Division de l'Administration centrale, il est chargée de :

ü élaborer des plans de développement sanitaire à court, moyen et long terme en collaboration avec les services techniques concernés ;

ü élaborer le programme annuel d'activités du Ministère sur la base des informations données par l'ensemble des services du Ministère ;

ü élaborer des programmes et projets de développement sanitaire en collaboration avec les services techniques ;

ü Participer à la mobilisation des ressources financières pour les investissements publics d'ordre sanitaire ;

ü assurer la préparation du plan triennal à l'horizon glissant ;

ü participer activement à la préparation du cadre des dépenses à moyen terme ;

8

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

ü

assurer le suivi des projets et programmes de santé en collaboration avec les services techniques concernés ;

ü coordonner toutes les activités d'évaluation des projets et programmes de santé y compris
ceux appuyés par les organisations internationales et bilatérales ou les ONG de la place.

Le Service Etudes et Planification comprend trois cellules, qui sont :

· La Cellule de Programmation (CP) ;

· La Cellule de Suivi et Evaluation ;

· La Cellule des Etudes et de Stratégie.

I.2.2. Le Service de l'information Sanitaire et de la Recherche

Ce service de niveau hiérarchique équivalent à celui d'une section de l'Administration centrale, est chargée de :

ü élaborer le système national d'information et de gestion sanitaire ;

ü assurer le fonctionnement du système national d'information et de gestion sanitaire ;

ü gérer le fonctionnement du site web du Ministère ;

ü procéder aux études de conception des outils de collecte de données ;

ü tenir une banque de données statistiques ;

ü élaborer le bulletin et l'annuaire des statistiques sanitaires et épidémiologiques ;

ü Assurer la surveillance épidémiologique en collaboration avec les services compétents ;

ü apprécier des tendances, des indicateurs, des résultats de monitorage et de l'évaluation des activités en collaboration avec les Directions Techniques du Ministère de la Santé et de l'Hygiène Publique ;

ü participer à la formation en épidémiologique et bio statistique des agents des services déconcentrés.

Le service d`information Sanitaire et de la Recherche comprend trois cellules :

· la Cellule de Statistique et de l'Information Sanitaire ;

· la Cellule de Recherche ;

· la Cellule Archives

Le graphique suivant indique l'organigramme simplifié du BSD sous tutelle du Ministère de la Santé et de l'Hygiène Publique.

Graphique 1 : Organigramme simplifié du BSD

Ministëre de la Santé et de l'Hygiene Publique (MSHP)

Bureau de Stratégie et de Développement (BSD)

Programmation

Suivi et Evaluation

Etudes et des Stratégies

Etudes et Planification

Statistique et Information Sanitaire		Recherche		Archives

Information Sanitaire et Recherche

Source : BSD, calculs propres

10

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

CHAPITRE II : GÉNÉRALITÉS SUR LES CONCEPTS DE BASE

Ce chapitre vise à définir les notions de base utilisées en statistiques sanitaires ainsi que les

propriétés qui s'y rattachent. Nous mettrons également en évidence les différentes statistiques utilisées pour mesurer l'état de santé dans les zones.

II.1. Définitions opérationnelles des concepts de base

Les définitions suivantes sont celles de quelques termes couramment utilisés en statistiques sanitaires

et en démographiques.

II.1.1. Rapport, Proportion, Taux et Indice Rapport (Ratio) : C'est une expression de la relation existant entre deux quantités de la forme

ou ( )*K. Le numérateur est un nombre d'évènements quelconques. La quantité X ne représente

pas nécessairement une fraction de la quantité Y qui représente le dénominateur.

Proportion : C'est un rapport dont le numérateur fait partir du dénominateur, tous les deux étant mesurés simultanément. Une proportion est de la forme :

Proportion =

Taux : Un taux est la mesure de la probabilité de survenue d'un évènement donné au cours du temps. Il est de la forme :

Indice = ( ) * 100

Le taux s'exprime en fonction d'une certaine unité de temps et pour un lieu géographique donné pour un groupe de personnes bien défini. Le numérateur est un nombre d'évènements (décès, maladie, handicap, ...) au cours d'une période de temps. Le dénominateur représente la population exposée au risque de survenue de cet évènement pendant cette période.

Indice : Un indice est un paramètre de mesure servant à estimer un taux dans le cas ou le dénominateur peut etre correctement mesuré. Par exemple, un taux de mortalité maternelle n'est en fait qu'un indice.

En effet, le numérateur est le nombre de décès maternels liés à la grossesse, à l'accouchement et aux suites de couches au cours d'un intervalle de temps défini. Le dénominateur devrait être constitué par toutes les grossesses survenues au cours du même intervalle de temps.

Étant donné qu'il est difficile d'obtenir cette quantité, on utilise comme dénominateur le nombre de naissances vivantes estimées pendant cette période

II.1.2. Morbidité

La morbidité est la mesure de la quantité de maladie dont souffre une population. Cette notion est le
complément indispensable des taux de mortalité dans l'estimation de l'état de santé d'une population.

En effet, on peut imaginer une population où la mortalité est soit faible, mais également de nombreux sujets souffrent d'affections, mais qui empêchent la population d'être en bonne santé.

Il faut signaler que de très rares pays disposent des statistiques systématiques de morbidité. Et il semble difficile d'obtenir des statistiques globales à ce sujet. En Guinée les sources d'informations dont on dispose pour établir les indicateurs de morbidité sont :

ü Les enregistrements continus de routine : Les déclarations obligatoires de maladies transmissibles, les statistiques de morbidité des hôpitaux, les statistiques des dispensaires et centre de santé, les relevés provenant de groupes de la population spécialement surveillés (écoliers, agents de l'armée, ...)

ü Les enquêtes et sondages : Les enquêtes sont comparables aux recensements car elles sont considérées comme des recensements partiels. Les qualités d'un bon recensement sont celles d'une bonne enquête. Ces enquêtes peuvent être caractérisées selon le sujet, le temps, la population examinée et les moyens mis en oeuvre.

Les principales mesures de la morbidité sont :

A. La prévalence : Elle est la mesure du nombre de cas d'une maladie donnée, à un moment donné. On l'obtient par le recensement des individus malades de la collectivité. C'est quasiment un paramètre qui nous renseigne sur l'importance d'une maladie ou d'une infection sur une population à un moment donné : c'est donc un indice statistiqueM

Prévalence =

HM / ICFiGHCFH : C'est une mesure dynamique de mouvement. On l'obtient en dénombrant les cas nouveaux de maladie survenus pendant une période donnée. Ce taux mesure donc le

risque d'attaque de la maladie dans cette population. La période est souvent en année.

/ 2FIGH2FIE

Le taux d'incidence renseigne sur la rapidité avec la laquelle une maladie ou une infection s'étend sur une population.

Exemple :

En 1983, dans 7 pays africains, avec une population de 38 141 000 habitants, on a compté 131 158 cas de rougeole. Calculons le taux d'incidence pour mille :

I = = 3,45 ⁰/00

II.2. Statistiques de Zones

Les statistiques de zone sont les statistiques relevant habituellement des postes d'animation pour la

santé, des postes de santé (PS), des centres de santé (CS) et un hôpital de référence.

12

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

II.2.1. Generalites

Dans une zone de santé, on trouve habituellement :

Des cases de santé : Le poste d'animation pour la santé est l'organe le plus proche de la population, le plus décentralisé. Il s'occupe d'animation pour la santé, de sensibilisation de la population de soins élémentaires.

Des Postes de Santé : Le Poste de Santé est une petite formation médicale assurant les soins les plus courants. En le développant, il peut devenir un centre de santé.

Des Centres de Santé : Le Centre de Santé constitue la base de l'action sanitaire. Il organise des actions proportionnelles, préventives et curatives. En assumant la détection et le traitement des maladies chroniques, il développe l'assainissement du milieu et supervise les Postes de Santé et les Cases de Santé.

Un Hôpital de Référence : Il s'occupe des soins de médecine interne générale, la chirurgie et des soins bucco-dentaires simples. Il organise également un service gynécologie-obstétrique.

Il faut signaler qu'à chacun de ces différents niveaux, on enregistre des informations concernant l'état de santé de la communauté. Après la collecte des données, on peut établir certaines statistiques qui permettent d'évaluer les activités promotionnelles, préventives et curatives de la zone de santé. Ainsi les statistiques les plus importantes dans ce domaine seront donc traitées:

/ DLmHsDLUHLGHLCBLFRDLYHUtDLUHLHtLGH LC'FFFHWIEICIRI :

La mesure de la couverture est le rapport de la population ayant bénéficié des activités de soins de santé primaires à celle qui en a besoin. La formule de calcule est donnée par :

Couverture =

Elle peut se calculer pour l'ensemble des activités ou pour chaque activité en particulier. Le numérateur de cette formule est assez facile à trouver : il suffit de relever les chiffres enregistrés sur les FICHES et les REGISTRES lors des activités. Il est plus difficile d'évaluer la population ayant besoin de cette activité. En effet, ce besoin n'est pas toujours exprimé, ni même ressenti. Parfois, la population n'est pas consciente d'un besoin: elle ne se rend pas compte, par exemple, qu'elle a besoin d'une source aménagée. Elle est satisfaite avec l'eau impure qu'elle consomme habituellement...

Le personnel de santé devra évaluer ce besoin grâce à des enquêtes. Son travail sera facilité par ses contacts fréquents et ouverts avec la population. Si aucune enquête n'est possible, il pourra baser son estimation sur les données démographiques. Par exemple, connaissant:

> le volume d'une population

> la structure par âge et par sexe

> le taux de natalité

On peut estimer le nombre de nourrissons attendus, et donc le nombre de grossesses et les besoins en soins prénatals et obstétricaux.

Ainsi, la couverture en soins maternels pourrait être appréciée par les indicateurs suivants :

A. Pourcentage des grossesses à risque dépistées en CPN est égal à :

B. Pourcentage des grossesses à risque référées est égal à :

Aussi pour la planification familiale, on pourrait apprécier l'activité avec les indicateurs suivants :

C. Pourcentage des FAR utilisant une méthode contraceptive moderne est égal à :

D. Pourcentage d'échecs enregistrés dans un service de PF est égal à :

Le personnel de santé

Le rapport personnel de santé/population est calculé selon deux formules :

Formule1 :

Cette formule donne le nombre moyen de personnes desservies par un membre du personnel.

Exemple : La population du GUINELAND en 2011 est de 10 869 003. Le nombre de médecins du secteur public en 2011 est égal à 940.

Interprétation : Il y avait 11 563 habitants pour 1 médecin en GUINELAND en 2011

Formule 2 : On utilise souvent la formule inverse

Cette formule donne le nombre moyen de membre de personnel par unité de population.

14

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

Exemple : En reprenant le même exemple on a :

Interprétation : En 2011, la GUINELAND comptait 8,6 médecins pour 100 000 habitants.

Ces deux formules fournissent la même information. Le rapport devra être calculé séparément pour chaque catégorie de personnel: agent sanitaire, médecin, infirmier, dentiste, pharmacien, etc.

Dans la plupart des pays, le rapport varie considérablement d'une région à l'autre; la différence est particulièrement importante entre régions urbaines et régions rurales.

Après avoir collecté les données, on peut calculer des indicateurs pour évaluer les activités de la consultation préscolaire, de la consultation prénatale, des services de maternité, du programme de naissances désirables, du programme élargi de vaccinations, du programme d'assainissement du milieu et promotion de l'eau salubre, de la promotion de la nutrition, du programme antituberculeux intégré, de la médecine curative.

II.2.2. Statistiques hospitalières

Les statistiques hospitalières se rapportent aux malades hospitalisés et au fonctionnement des hôpitaux. Elles se basent sur des définitions précises. L'hôpital doit fournir des chiffres précisant les activités des divers services. Ainsi à partir de ces données, différentes statistiques sont obtenues :

La fréquentation hospitalière : Elle mesure l'utilisation du système hospitalier par la population. Elle est calculée à l'aide de la formule suivante :

Fréquentation hospitalière =

Ce taux mesure en quelque sorte l'utilisation du système hospitalier par la population. Il doit titre calculé sur une population suffisamment nombreuse pour atténuer l'effet de particularités locales éventuelles.

Il faut noter que d'une région à l'autre, les variations de la fréquentation hospitalière sont grandes et les régions urbaines connaissent un afflux plus grand de malades vers les hôpitaux que les régions rurales en raison notamment des problèmes de distance et de transport.

Indice lit/population : Il sert à définir le nombre de lits nécessaires au besoin de la population en tenant compte déjà des lits existants.

Indice L/P =

On utilise naturellement les lits budgétaires : ce sont des lits permanents qui se trouvent le plus souvent dans les statistiques ; ils servent à calculer le prix moyen de chaque lit en rapportant le nombre au coût total de l'hôpital ; c'est également la valeur qu'on utilise pour déterminer les indices hospitaliers.

Lorsque l'on dit « c'est un hôpital de 100 lits », ce sont des lits budgétaires.

Interprétation : Cet indice permet de mesurer l'infrastructure hospitalière mise à la disposition de la population et, selon les besoins, de planifier les priorités.

Mouvement des malades : On appelle mouvement des malades l'ensemble des entrées et des sorties ainsi que des transferts internes entre différentes unités de soins. Ces statistiques journalières, notées sur des feuilles de mouvement, sont faites chaque jour à minuit.

Journée d'hospitalisation : Une journée d'hospitalisation est une journée vécue par un malade en occupant un lit réel dans l'hôpital.

Exemple : Si, le 14/1/2010, il y a 253 malades dans l'hôpital, le soir du 14/1/2010; On aura enregistré 253 journées d'hospitalisation.

Coefficient d'occupation moyenne des lits ou Taux d'Occupation Moyenne (TOM

Considérons les informations suivantes pendant une période donnée Nombre de Journées d'Hospitalisation = JH

Nombre de Jours de la période = NJ

Nombre de Lits d 'Hospitalisation = L

Le coefficient d'occupation moyenne ou TOM est obtenu grâce à la formule :

TOM =

Interprétation :

Pour un hôpital général, on considère qu'une occupation moyenne de 70 à 80% est l'image d'un bon rendement.

ü Il signifie que tous les lits ont été occupés toute l'année, en moyenne, à 70 - 80%.

ü Ce coefficient concerne donc le lit et donne une bonne idée du rendement de l'hôpital: s'il est plus élevé, on peut considérer que l'hôpital est insuffisant pour répondre aux besoins.

ü On a parfois une occupation moyenne supérieure à 100%; dans ce cas, il est urgent d'installer des lits supplémentaires.

ü On peut aussi calculer l'occupation moyenne pour chaque service ou pour une autre période qu'une année. Il suffira d'adapter la formule.

Le Séjour Moyen (SM) ou Durée Moyenne de Séjour (DMS) : Le séjour moyen ou durée moyenne de séjour concerne le malade. Il est habituellement établi pour tout l'hôpital et pour une année, mais on peut l'adapter si on le souhaite.

Considérons les informations suivantes pendant une période donnée

Nombre de Journées d'Hospitalisation = JH

Nombre de Malades Hospitalisés Sortis= MHS

La DMS est obtenu grâce à la formule:

DMS = ; DMS est exprimée en jours (Jrs)

La DMS ou SM, dépend essentiellement de deux facteurs:

16

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

1. la catégorie de malades reçus à l'hôpital

2. le rendement des installations de diagnostic et de traitement.

En ce qui concerne le facteur 1, il est évident que si l'hôpital admet surtout des invalides et des malades chroniques, la durée moyenne de séjour sera fort élevée.

Par contre, elle sera faible si l'établissement ne se compose que d'une maternité où les mamans ne séjournent que 3 ou 4 jours.

Le facteur 2 est non moins important car dans de nombreux pays, les hôpitaux ne disposent pas de tout l'équipement nécessaire et, de ce fait, les médecins doivent parfois attendre longtemps les résultats d'examens biologiques ou radiologiques effectués avec des retards dus à l'encombrement des services techniques.

De même, un trop petit nombre de salles d'opération occasionne des délais importants et allonge les durées de séjour en chirurgie.

Rotation moyenne annuelle des lits/Indice de Rotation des Lits (IRL) : C'est le nombre de malades différents qu'un même lit a reçus en 1 an. L'IRL exprime le nombre de malades ayant occupé tour à tour le même lit pendant une année. Il est complémentaire de la durée moyenne de séjour. Considérons les informations suivantes pendant une période donnée

Nombre de Malades Admis durant l'année = MA

Nombre de Lits d'Hospitalisation = LH

Nombre de Malades Restant au 01/01/mois X = MR

L'IRL est obtenu grace à la formule:

IRL =

Interprétation : n malades ont séjourné tour à tour dans le mrme lit pendant l'année considérée. En pratique quand le taux de la rotation du lit est accéléré la durée moyenne de séjour est réduite.

L'IRL est donc une relation entre le nombre de lits, les durées de séjour et le nombre d'entrants annuels.

Un TOM de 70% et un séjour moyen de 15 jours donnent une rotation moyenne annuelle des lits de 17 malades.

En termes de coût annuel du lit, plus il y a de malades ayant séjourné tour à tour dans un même lit moins est le coût de revient du lit.

Remarques :

A. Il est d'usage d'établir des statistiques de mortalité et de morbidité pour les malades hospitalisés. On conseille de les présenter suivant la Classification Internationale des Maladies de l'OMS. Mais ces statistiques hospitalières de morbidité ne peuvent jamais prétendre représenter la morbidité générale. En effet, les maladies soignées dans les hôpitaux ne représentent qu'une fraction très sélectionnée de l'ensemble des maladies survenant dans une communauté. Leur relevé ne constitue nullement un sondage fait au hasard selon les bonnes règles statistiques.

On ne reçoit en effet, dans les hôpitaux que les malades qui ne peuvent pas être soignés à domicile en raison de la gravité de leur affection. On trouvera, par exemple, un nombre élevé d'appendicites et

presque pas de rhumes. Mais ces statistiques viendront naturellement prendre leur place dans la liste des indicateurs de santé.

B. Beaucoup d'hôpitaux organisent des consultations externes que fréquentent des malades non hospitalisés.

On peut établir des statistiques pour ces consultations. Elles sont du même type que celles des consultations des centres de santé que nous verrons dans le chapitre suivant. Il serait donc convenable de bien s'y référer.

C. Les hôpitaux fournissent des statistiques de naissances vivantes et de mort-nés. Il peut être intéressant d'établir également des statistiques de prématurité, établies selon le poids des enfants nés vivants.

18

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

CHAPITRE III : ANALYSE DESCRIPTIVE DES DONNÉES DES ZONES DE SANTÉ

Après avoir mis en évidence les généralités sur les notions de base, nous passerons à l'application de ces concepts sur les données réelles recueillies dans les différentes zones sanitaires pour ressortir les différentes informations correspondantes.

III.1.Description des données

Dans cette description, nous expliquerons les sources, les méthodes d'obtention et la fiabilité des données.

III.1.1. Source des données

Les données sont un ensemble de variables décrites sur 38 préfectures/communes mesurant l'état de santé que l'on peut regrouper en des aspects démographiques, hospitaliers et zonaux. Ces données utilisées dans ce rapport sont issues des zones de santé en République de Guinée et sont collectées à partir des informations contenues dans les Registres de consultations de l'ensemble des formations sanitaires publiques. Précisons que les valeurs des variables ont été choisies sur la période 2004. Parmi ces variables, une est qualitative en l'occurrence la variable « Région » et présente 8 modalités à savoir : BOKE, CONAKRY, FARANAH, KANKAN, KINDIA, LABE, MAMOU et N'ZEREKORE.

Les informations de base obtenues des zones sanitaires de premier niveau (CS et maternités) et de deuxième niveau (Centre Médicale avec Antenne Chirurgicale ou hôpitaux de districts), sont synthétisées sous forme de rapports mensuels. Ces rapports mensuels sont transmis au niveau des districts sanitaires pour l'élaboration des rapports trimestriels de district qui sont transmis avec ceux des formations sanitaires de deuxième niveau (Hôpitaux Régionaux) du Service National d'Information et des Gestions des Statistiques Sanitaires, via la Direction Régionale de la santé (DRS). Les rapports trimestriels des formations sanitaires de troisième niveau (CHU) et les données des programmes et autres directions centrales sont également transmis au SNIS pour compilation.

La transmission de ces rapports est périodiquement organisée de la manière suivante :

ü Les rapports du mois des formations sanitaires du premier niveau sont transmis aux districts sanitaires au plus tard le 5 du mois suivant.

ü Les rapports trimestriels des districts sanitaires sont transmis aux Directions régionales au plus tard le 15 du mois qui suit le mois objet du rapport, y compris les rapports trimestriels des centres hospitaliers régionaux.

ü Une copie des rapports trimestriels transmis au niveau régional est acheminée au niveau central au plus tard le 25 du premier mois suivant le trimestre objet du rapport. Il en est de même des rapports trimestriels des centres hospitaliers universitaires.

Les informations ainsi compilées de l'ensemble du système de santé sont traitées lors de l'atelier d'élaboration de l'annuaire statistique de l'année n-1, avec le concours des différents services et Directions concernés. Cette phase permet d'assembler l'information sanitaire et de disposer du projet de l'annuaire statistique du Ministère de la Santé et de l'Hygiène Publique.

III.1.2. Validation et diffusion des données

Dans le souci de disposer à temps d'un annuaire statistique de qualité contenant des données fiables, complètes et exploitables par les différents utilisateurs, le projet de l'annuaire statistique doit etre envoyé par email au moins un (01) mois plus tôt à toutes les structures qui participent à l'atelier de validation (DPS, DRS, CHU et niveau central).

Tous les responsables statistiques des Directions régionales de la santé, des centres hospitaliers, des Directions centrales et de l'Institut national de la statistique ainsi que les autres partenaires techniques y sont représentés.

L'atelier permet de vérifier la complétude et la fiabilité des données, examiner les résultats et le niveau des indicateurs et valider les données.

De façon générale, l'annuaire statistique de l'année n-1 doit être disponible au plus tard au mois de juin de l'année n. Il est diffusé principalement sous formats papier et électronique. Les différents supports sont disponibles d'une part au niveau des différentes Directions centrales, régionales et les formations sanitaires et d'autres parts sur le site internet du Ministère de la santé et de l'hygiène Publique ( www.santeinfo-guinee.org) et sur celui de l'Institut national de la statistique ( www.ins.org par exemple)

Tableau 1 : Libellés des variables

N° LIBELLES VARIABLES

1	Femmes en âge de procréer en milliers		Fem_procréer	2
Rapport Nombre d'habitants sur nombre de Médecins	Rapport Pop_Med		3
Taux de vaccination Bacille Calmette et Guérin (%)	Taux BCG		4
Taux de vaccination Anti Diphtérie Tétanos Coqueluche (%)	Taux_ DTC		5
Journée d'hospitalisation	Jrnée Hp		6
Durée Moyenne de Séjour	DMS		7
Taux d'Occupation Moyenne	TOM		8
Taux de mortalité (%)	Taux_Morta		9
Taux de fréquentation hospitalière (%)	Taux_freq_Hp		10
Taux de consultation prénatale (%)	Taux_CPN		11
Taux d'achèvement (%)	Taux_Achev		12
Nombre de centre de santé	Nombre_CS		13
Taux de faibles poids à la naissance (%)	Taux_FPN		14
Proportion d'accouchement dans les centres de santé	Proport_Accuch_CS		15
Taux d'utilisation du préservatif féminin (%)	Taux PF		16
Nombre d'avortements pour 1000 grossesses	Avortement		17
Proportion de complications de grossesses traitées dans les CS	Proport_Com_Gross_Traitées		18
Nombre d'infrastructures médico techniques privées	Infrast_Médico_Privées		19
Proportion de femmes enceintes testées au VIH	Proport_Fem_VIH		20
Proportion de femmes enceintes séropositives	Proport_Fem_eceinte_séro+		21
Nombre d'habitants dans les préfectures en milliers en 2011	Pop		22
Région	Région

Source : Variables extraites à partir de la Base des rapports SINIS

20

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

III.1.3. Caractéristiques des variables

Nous retiendrons que les 38 préfectures et communes sont inégalement réparties selon la variable « Region ». En effet, 16% de ces préfectures se trouvent dans la région N'ZÉRÉKORÉ, la Région MAMOU ne représente que 8% et est à cet effet la plus petite région composée de trois préfectures : Dalaba, Mamou et Pita. Les autres REGIONS représentent chacune 13%, c'est-à-dire 5 préfectures/communes pour chacune.

Graphique 2 : Répartition des Préfectures/Communes par région

Source : BSD, calculs propres

ü Caractéristiques des variables démographiques

Les variables mesurant les aspects démographiques sont : le nombre d'habitant dans les préfectures
(Pop en milliers), Femmes en âge de procréer (Fem_procréer, en milliers), Taux de mortalité (Taux_Morta

en %).

Tableau 2 : Caractéristiques des variables démographiques

Libellé de la variable	Effectif	Poids	Moyenne	Écart-type	Minimum		Maximum	Pop (en milliers)
38	38,00	286,026	146,56	110,30	750,90		Fem_procréer (en milliers)
38	38,00	66,921	34,30	26,00	176,00		Taux_Morta (%)
38	38,00	4,197	3,38	0,00	21,60

Source : BSD, Calculs propres

ü Caractéristiques des variables hospitalières

Les variables se rapportent aux malades hospitalisés, ce sont : le taux de fréquentation hospitalière (Taux_freq_Hp en %), la journée d'hospitalisation (Jrnée Hp), la durée moyenne de séjour (DMS), le taux d'occupation moyenne (TOM en %).

Tableau 3 : Caractéristiques des variables hospitalières

Libellé de la variable		Effectif Poids Moyenne Écart-type Minimum Maximum						Jrnée Hp (en malades)
38		38,00	14,774	15,312	0,00	90,90	DMS (en jours)
36		36,00	6,861	1,158	5,00	10,00	TOM (en %)
38		38,00	62,300	24,088	0,00	104,40	Taux_freq_Hp (en %)
38		38,00	4,879	5,329	0,00	29,20

Source : BSD, calculs propres

Caractéristiques des variables zonales

Ce sont les variables liées aux statistiques de zones, plus nombreuses dans cette base : Femmes en âge de procréer (Fem_procréer), le rapport nombre d'habitants sur le nombre de médecins (Rapport Pop_Med), les taux de vaccination (BCG et DTC), de consultation prénatale (CPN), d'achèvement (Achev), de faibles poids à la naissance (FPN), d'utilisation du préservatif féminin (PF), les proportions d'accouchement dans les centres de santé (Proport_Accuch_CS), de complications de grossesses traitées dans les CS (Proport_com_Gross_Traitées), de femmes enceintes testées au VIH (Proport_Fem_VIH), Proportions de femmes séropositives (Proport_Fem_eceinte_séro+), le nombre d'avortements pour 1000 grossesses (Avortement), de centres de santé (Nombre_CS), d'infrastructures médico privées (Infrast_Médico_Privées).

Tableau 4 : Caractéristiques des variables zonales

Libellé de la variable		Effectif Poids Moyenne Écart-type Minimum Maximum						Rapport Pop_Med
38,00		38,00	99,27	102,98	0,00	513,00	Taux BCG (%)
38,00		38,00	116,68	45,37	24,00	229,00	Taux_ DTC (%)
38,00		38,00	105,74	45,24	24,00	234,00	Taux_CPN (%)
38,00		38,00	72,63	12,08	39,20	90,40	Taux_Achev (%)
38,00		38,00	80,58	11,13	45,40	94,10	Nombre_CS
38,00		38,00	10,53	4,18	3,00	18,00	Taux_FPN (%)
38,00		38,00	2,64	2,58	0,20	11,40	Proport_Accuch_CS (%)
38,00		38,00	28,77	17,03	9,10	100,90	Taux PF (%)
38,00		38,00	78,42	152,83	4,20	982,80	Avortement
38,00		38,00	5,81	11,40	0,00	70,80	Proport_Com_Gross_Traitées (%)
38,00		38,00	86,55	22,60	0,00	100,00	Infrast_Médico_Privées
38,00		38,00	7,92	11,26	0,00	49,00	Proport_Fem_VIH (%)
38,00		38,00	13,02	16,33	0,00	97,50	Proport_Fem_eceinte_séro+ (%)
38,00		38,00	3,16	4,75	0,00	28,70

Source : BSD, calculs propres

III.2. Analyse univariée de quelques indicateurs de santé en République de Guinée

Dans cette analyse, nous voulons mettre en évidence le comportement de quelques indicateurs dans les zones de santé en République de Guinée.

III.2.1. Taux de Natalité (TN) et Taux Global de Fécondité Générale (TGFG)

En 2011, la population de la République de Guinée est estimée à 10 869 003 habitants avec une densité moyenne de 44 habitants au Km². On estime à la même année à 2 543 347 femmes en âges de procréer pour 502 072 grossesses attendues. Le Taux Brute de Natalité (TBN) est estimé à 40⁰/00 (RPGH 1996) et le Taux Global de Fécondité Générale est de 154 ⁰/00. Ces différents taux varient d'une région sanitaire à une autre. Les plus grandes valeurs sont observées à Kankan (TN = 46⁰/00 et TGFG = 179⁰/00) contre TN = 29⁰/00 et TGFG = 97⁰/00 dans la région de Conakry. La forte natalité et le fort taux de fécondité est caractéristique des maternités précoces et par une proportion importante des femmes en age de procréer. L'indice de fécondité est de 5,5 enfants par femme. Le graphique suivant donne les TGFG dans les régions et dans l'ensemble.

22

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

Graphique 3: Taux Global de Fécondité Générale dans les Régions

Source : Calculs propres à partir des données de l'INS/MP, 1996

III.2.2. Taux de Fréquentation Hospitalière (TFH) et Rapport Population/Médecin Taux de Fréquentation Hospitalière (TFH)

En 2011, la fréquentation de la population dans les Hôpitaux/Centres Médicaux Communaux en République de Guinée est estimée à 5,8%. Cet indicateur varie selon les régions. La plus faible valeur est observée dans la région de N'Zérékoré (TFH =2,8%) alors qu'elle atteint sa plus grande valeur dans la région de Conakry (13,1%). La baisse de la valeur du TFH dans la région de N'Zérékoré pourrait être due au fait que la plupart des habitants, surtout dans les villages, préfèrent le traitement à l'indigénat. La région de Faranah affiche un TFH de 8% alors que les régions de Labé, Kankan et Kindia sont au voisinage de 5%. Le graphique ci-dessous indique la fréquentation de la population dans les Hôpitaux/CMC des huit régions du pays.

Graphique 4 : Taux de fréquentation hospitalière/CMC par région

Source : SNIS, calculs propres

ü Rapport Population/Médecin

En République de Guinée, le besoin en personnel de santé est encore d'actualité bien que des efforts ont été fournis pour doter chaque zone sanitaire en personnel. En effet, en moyenne on a compté 48 959 habitants pour un médecin en 2011. La région de Conakry compte 14 186 personnes pour un médecin ; ce qui place cette région en tête par rapport aux autres régions en termes de personnel de santé. La région de Mamou affiche 421 258 habitants pour 1 médecin. Le tableau suivant montre le nombre d'habitants par médecin dans différentes régions.

Tableau 5 : Rapport population/Médecin dans les hôpitaux en 2011

Régions	Population en 2011	Nombre de Médecins		Rapport population/Médecin	Boké
1 097 991	17	64 588		Conakry
1 645 577	116	14 186		Faranah
819 971	10	81 997		Kankan
1 561 658	5	312 332		Kindia
1 533 205	27	56 785		Labé
961 563	3	320 521		Mamou
842 515	2	421 258		N'Zérékoré
2 406 523	12	200 544		Guinée
10 869 003	222	48 959

Source : SNIS, Calculs propres

III.2.3.Taux de couverture CPN et BCG

ü Taux de couverture en Consultation Prénatale (CPN)

Le taux de couverture prénatale est obtenu en rapportant le nombre de femmes enregistrées en consultations prénatales au nombre de grossesses attendues. Ainsi, la Guinée a enregistré un taux de couverture moyen en CPN de 56% et le taux d'achèvement total est estimé à 62%. Ces indicateurs varient d'une région à l'autre. Le tableau ci-contre détaille les différents taux des différentes régions.

Tableau 6 : Taux de couverture en CPN et Taux d'achqvement en 2011

Région	Grossesses attendues	Total CPN	Couverture CPN (%)		Taux d'achèvement (%)	Boké
43 410	101 114	76,3	87,4		Conakry
71 751	121 834	67,8	75,6		Faranah
41 899	106 688	78,2	85,7		Kankan
90 275	199 196	62,9	70,3		Kindia
65 994	146 837	71,2	78,1		Labé
44 370	107 158	70,6	77,4		Mamou
34 013	90 504	72,8	84,4		N'Zérékoré
97 394	241 072	79,8	85,2		Total Guinée
489 105 1 114 403	56,1		62,1

Source : Annuaire des statistiques 2011/BSD/MSHP

ü Taux de couverture en BCG

Le taux de couverture en BCG est le nombre d'enfants ayant reçu le vaccin BCG rapporté au nombre
de naissances vivantes estimé par les accouchements attendus. Dans l'ensemble, il est de 117,6% ;
la plus grande valeur est observée à Conakry (133,6%) et à Faranah (130,8%). Le faible taux de

24

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

couverture est enregistré à Kindia (108,2%). Le graphique suivant illustre les détails de ce taux dans les régions.

Graphique 5 : Taux de couverture en BCG dans les régions en 2011

Source : BSD, Calculs propres

III.2.4.Proportion de femmes enceintes séropositives et vaccination des enfants de moins dip an

Proportion des femmes séropositives

En 2011, la proportion des femmes séropositives a été de 2,6%, soit un effectif de 1 465 femmes séropositives sur 56 459. Parmi les régions, Mamou affiche la plus grande proportion soit 12,7% contre 1,4% à Kindia. On a compté également 1 117 femmes séropositives ayant reçu des Anti Rétroviraux (ARV) ; 298 enfants de moins d'1 an, ayant reçu les ARV et nés d'une mère infectée par le VIH.

Graphique 6: Répartition des femmes en ceinte séropositives par région en 2011

Source : BSD, Calculs propres

Vaccination des enfants de moinsd'unn an

La vaccination reste encore une activité qui permet de réduire le nombre de décès infantile. En 2011 la vaccination des enfants de moinsd'unn an contre le Bacille Calmette etGuérinn (BCG) a atteint 117,6%. La vaccination en Vitamine A a atteint 36%.IlI faut noter que le taux de couverture en VAA et en VAR est passé de 93% et de 96% en 2010àa 104,9% et de 108,6% en 2011. Le tableau suivant montre les différents taux de couverture parantigènee dans ^{lesrégions..}

Tableau 7: Taux de couverture par antigène en 2011 M

Région	Pop ^OMoins	VPO 3	BCG	DtcHibHepB3	VAA	VAR	Vit A		EnfCom^0 pvac
d'1 an =						admin			Boké
37 997	97,50%	104,80%	102,90%	96,80%	105,50%	31,90%	93,20%		Conakry
56 943	142,10%	133,60%	113,90%	113,40%	113,40%	12,90%	65,50%		Mamou
28 374	114,30%	130,80%	115,20%	127,50%	121,80%	28,90%	119,10% %		Kankan
54 039	91,80%	120,50%	86,50%	91,80%	96,10%	45,20%	125,90% %		Kindia
53 054	96,50%	108,20%	97,30%	103,00%	93,30%	53,90%	88,30%		Labé
33 273	118,70%	126,00%	119,40%	116,70%	116,70%	61,10%	108,10% %		Mamou
29 154	96,10%	111,00%	96,30%	99,50%	97,00%	47,70%	^92,40%		N'Zérékoréé
83 274	100,50%	110,90%	101,90%	118,80%	104,30%	24,50%	170,40% ^%		Guinée
376 105	107,00%	117,60%P	103,10%p	108,60%P	104,90%P	36,00%P	113,30%D

Source : BSD, Calculspropres ^s

III.3. Analyse bivariée de quelques indicateursP

L'Analysee entre le croisement des variables permet dedécelerr lesprésomptionss des couples de variables. Un accent sera mis sur la mesure de liaison entre les variables qui seront ^choisies.

III.3.1. Répartition des variables selon la régionP 1Taux de mortalité par régionQ

Le taux de mortalité est un indicateur important. En effet, la mortalité infantile conditionnel'espérancee de vieàa la naissance : tantqu'ill est élevé, le taux de mortalité infantile est undéterminantt essentiel ^del'espérancee de vieàa la naissance. Elle conditionne en partie la fécondité. Ainsi larépartitionn de la mortalité par hôpital parrégionn montre que Faranah est la plus touchée avec un de 5,65%, suivie de larégionn de Boké (4,46%). Le plus faible estobservéeàa Conakry (3,30%) et présente également un faible écart (CV=0,08) entre les communes. Le plus grand écart entre lespréfecturess estobservée dans larégionn de Kindia. Lesrégionss de Mamou et deN'Zérékorée présentent respectivement 3,73% et ^3,88%.

Tableau 8 : Répartition du taux de mortalité dans les hôpitaux par région

Taux de Mortalité		Région
		3,30	5,65	3,96	3,50	3,46	3,73	3,88	Écart-type
1,98		0,28	0,91	1,48	2,03	1,53	1,80	1,51	Coefficient de variation
0,44		0,08	0,16	0,37	0,58	0,44	0,48	0,39

26

Source : BSD, calculspropres ^s

KALIVOGUI Pépé,ITS3,,stage/BSD/MSHP/Conakry y

ü Taux de fréquentation hospitalière par région

Cet indicateur permet de connaitre l'utilisation du système hospitalier par la population. Sa répartition selon la région montre que Conakry et Faranah utilisent fréquemment le système par rapport aux autres comme l'indique respectivement le taux de fréquentation 8,3% et 8,2%. Le faible taux est observé dans la région de N'Zérékoré (2,6%). En moyenne, il est 4,9% pour le pays.

Tableau 9: Fréquentation hospitalière selon la région

Taux de fréquentation hospitalière	Région									Total
	Conakry		Faranah	Kankan	Kindia	Labé	Mamou	N'Zérékoré	. Gumée
	8,29		8,18	4,35	4,63	3,93	3,55	2,57	4,88	Écart-type
3,28	12,06		4,52	4,55	2,91	5,33	1,22	1,28	5,39	Coefficient de variation
0,79	1,46		0,55	1,05	0,63	1,36	0,34	0,50	1,11

Source : BSD, calculs propres

ü 5 DSSFLVGX VFPEL13:9'9 DELVDnVsVXUl1 nombre de Médecins par région

Cet indicateur permet de connaitre le nombre d'habitants par médecin. Il est très important dans la mesure où il permet de constater le besoin en personnel de santé dans une zone sanitaire ou dans un pays. Il est intéressant de savoir si la variable région a une influence significative sur le rapport nombre d'habitant sur personnel de santé. En effet testons les hypothèses :

H0 : la Région n'a pas d'influence sur le rapport nombre d'habitants sur nombre de Médecins, contre H1 : la Région a une influence sur le rapport nombre d'habitants sur nombre de Médecins

Répondre à cette question revient à appliquer une analyse de la variance à un facteur (ANOVA1) à ces deux variables. L'utilisation de l'ANOVA1 dans SPSS 19 au seuil de 5% a donné le résultat suivant :

Tableau 10 : Anova a un facteur

Rapport Nombre d'habitants sur le nombre de Médecins			Somme des carrées	Degré de liberté	Moyenne des carrées	F		Signification
	Combiné	137864,13	6	22977,35	2,686	0,032
	Intra- groupes	265176,63	31	8554,08
Total		403040,75	37

Source : BSD, calculs propres

La région critique du test est: W_á= {Yik /Fcalculé>Fthéorique }. On rejette l'hypothèse nulle si Fcalculé>Fthéorique c'est - dire si p-value = P (Fcalculé > Fthéorique) < á

Conclusion du test: Nous remarquons que la p-value (p=0,032) est inférieur au seuil (á0,05). Donc on rejette l'hypothèse nulle H0 c'est-à-dire la Région a bel et bien effet significatif sur le rapport nombre d'habitants sur nombre de Médecins au seuil de 5%.

III.3.2. Liaison entre deux variables quantitatives

Nous allons étudier la liaison entre des couples de variables. A cet effet, certaines jugées pertinentes seront choisies parmi les groupes de variables pour l'étude.

ü Taux de vaccination Anti Diphtérie Tétanos Coqueluche (%)

L'analyse du croisement de cette variable avec les autres au seuil de 1%, montre que :

Le taux de vaccination Anti Diphtérie Tétanos Coqueluche est positivement et fortement corrélé avec le Taux de vaccination BCG (0,95). Cependant, il est négativement et faiblement corrélé avec le Rapport Nombre d'habitants sur nombre de Médecins (-0,20), positivement et faiblement corrélé avec le nombre de femmes en âge de procréer(0,21).

Graphique 7 : Nuage des préfectures sur le plan d'axes Taux de vaccination DTC et BCG

Source : BSD, calculs propres

ü Taux d'infrastructures médico-techniques privées

Le Taux d'infrastructures médico-techniques privées est positivement et moyennement corrélé avec le taux de fréquentation hospitalière (0,50), positivement et fortement lié avec le Taux de faible poids à la naissance (0,56). Il est négativement et fortement corrélé avec la proportion de complications de grossesses traitées (-0,58), négativement et moyennement lié avec le Taux d'occupation moyenne (-0,54). Par ailleurs, il est positivement et faiblement lié avec le Taux d'utilisation du préservatif féminin (0,44).

28

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

Taux d'achèvement

La même analyse au seuil de 1%, montre que le taux d'achèvement est positivement et fortement corrélé avec le taux de consultation prénatal (0,93). Il est négativement et faiblement corrélé avec le Taux de vaccination BCG (-0,16) et de Journée d'hospitalisation (-0,10). Il est aussi positivement et faiblement corrélé avec le taux d'occupation moyenne (0,17). Rappelons que ces deux indicateurs sont tous les deux de la famille des variables zonales.

1a1717 1: Nuage des préfectures sur le plan d'axes Taux d'Achèvement et de CPN

Source : BSD, calculs propres

A présent, après avoir établi les statistiques de base, nous procéderons à une analyse multidimensionnelle. Cela fait l'objet de cette deuxième partie suivante.

Deuxième partie : Méthodes factorieles multidimensionneles

Cette partie rappelle la généralité sur les méthodes factorielles. Il s'agira d'appliquer une des méthodes sur les données dans les différentes structures de santé et par la suite construire un indice synthétique de la santé pour permettre de mieux cerner l'état de santé de chaque Zone.

30

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

CHAPITRE I : RAPPELS DES MÉTHODES D'ANALYSE MULTIDIMENTIONNELLES

Dans l'analyse relative à des phénomènes, le statisticien regroupe le plus souvent ses recherches en trois phases : la première phase consiste à collecter et à traiter les informations, la deuxième phase se base sur la description et enfin la troisième est axée sur l'explication et l'interprétation. Une des méthodes consacrées à la description est l'analyse des données multidimensionnelles (ADM).

L'ADM regroupe un ensemble de méthodes statistiques utilisées pour analyser les données caractérisées par le fait qu'à chaque individu statistique sont associées plusieurs valeurs observées. Ces méthodes d'analyses sont fondées, soit sur les mathématiques (méthodes d'analyse factorielle), soit sur l'informatique qualifiée le plus souvent d'automatique. Elles se distinguent les unes des autres selon les types de données décrites sur les individus et présentées sous forme de tableaux.

I.1.Analyse en Composantes Principales (ACP)

I.1.1. Objectif, domaine d'application de l'ACP et transformation des données

L'analyse en composantes principales est l'une des méthodes descriptives multidimensionnelles appelées encore méthodes factorielles. Elle s'applique à des tableaux croisant des individus et des variables quantitatives, appelés tableaux Individus x Variables quantitatives : les lignes représentent les individus, les colonnes les variables et à l'intersection d'une ligne et d'une colonne ,

se trouve la valeur de la modalité pour l'individu . Signalons que dans une ACP, on cherche à

détecter les variables qui sont corrélées ou celles qui ne le sont pas. Au niveau des individus, on cherche à déterminer ceux qui se ressemblent et la ressemblance entre deux individus est mesurée par la distance:

d2 ( ) = 2

L'ACP est une méthode d'analyse appliquée à des tableaux à priori hétérogènes. L'une des faiblesses de l'ACP est que ses résultats sont influencés par les unités de mesure des variables. Pour éliminer ces effets d'unité, il est conseillé d'utiliser l'ACP normée qui consiste à réduire et à centrer les variables. Il faut ajouter qu'au-delà de cette élimination d'effets d'unité, les points variables se trouvent désormais dans une sphère de centre O et de rayon 1 et que le produit scalaire entre deux variables est égal au coefficient de corrélation.

Dans une ACP, l'objectif visé est la recherche des informations contenues dans un gros tableau de variables quantitatives décrites sur les individus. Cette recherche est basée sur le principe de l'inertie qui n'est autre que la mesure des dispersions. Ainsi ce principe est axé sur la recherche de directions d'une plus grande dispersion : axes factoriels, la maximisation de l'inertie du nuage projeté.

I.1.2. Mise en place des éléments supplémentaires

On retiendra aussi qu'en ACP, les individus ou variables n'ayant pas participé à la formation des axes ont une contribution nulle pour tous les axes ; mais on peut représenter ces individus ou variables appelés éléments supplémentaires dans les graphiques factoriels en les projetant dans le plan factoriel. La mise en place de ces éléments illustratifs présente des intérêts notamment pour

représenter une observation relevée dans les conditions douteuses ou une variable sur laquelle la précision est moindre que sur les autres variables mesurées. On peut également utiliser les variables supplémentaires pour représenter un point aberrant ou un point ayant perturbé une analyse préliminaire sans perdre complètement les informations sur cet élément. Ils sont souvent utiles dans l'interprétation des axes car il arrive des fois que ces éléments supplémentaires illustrent mieux les axes que n'importe quelle autre variable.

I.1.3. Outils d'aide à interprétation et criteres de choix des axes

En ACP, les graphiques fournissent des images approchées des nuages de points. Il est donc nécessaire de mesurer la qualité de l'approximation non seulement pour chacun des points mais aussi pour l'ensemble du nuage de points. Pour se faire, on utilise des outils d'aide à interprétation. Les plus couramment utilisés sont :

ü le cosinus carré (C0S²á) : qui est le cosinus carré de l'angle fait avec la variable (ou individu) avec l'axe. Plus le C0S²á est proche de 1, plus l'individu ou la variable est bien représenté sur l'axe.

ü la contribution CTR_á(J) : qui est la part d'information apportée par un individu ou une variable

pour former cet axe. Elle permet d'identifier les points influents dans la formation d'un axe factoriel.

Pour le choix des axes, on utilise généralement le critère de KAISSER (ëá > 1), le critère du TAUX ' ' 1( 5 7 ( E( > 80%), où ëá représente la valeur propre suivant l'axe á. En plus des deux critères,

on utilise le critère de COUDE CATTEL qui se fait sur la base d'une chute brutale de l'inertie. I.2.Analyse factorielle des correspondances

I.2.1. Domaine d'application et objectif de l'AFC

L'AFC est une méthode d'analyse des données conçue pour les tableaux de contingence T ou de manière générale pour les tableaux de chiffre positif croisant de variables qualitatives X et Y de modalités L et C.

Dans une AFC, l'objectif visé est d'analyser simultanément l'ensemble des lignes et des colonnes en termes de profit. Ainsi deux lignes ou deux colonnes qui sont strictement proportionnelles forment le meme point. Il s'agit de comparer les profils-lignes entre eux, les profils-colonnes entre eux et de repérer les cases du tableau où les effectifs observés sont nettement différents des effectifs

théoriques = , ainsi pour mettre en évidence les modalités qui s'attirent (cas où

et celles qui se repoussent (cas où ).

I.2.2. Inertie totale de nuage de points et axes principaux

On retiendra que l'inertie totale de nuage de points réalisée dans une AFC est proportionnelle à la

distance du Khi deux et inversement proportionnelle à l'effectif total :

32

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

I -- ,

O6 ÷2 est la statistique du Khi deux associée au tableau de contingence.

Comme en ACP, on cherche ici l'axe, le plan ou l'espace de dimension supérieure ou égale à 3 sur lequel nous voulons faire des représentations. Ainsi on transforme le tableau T en T* = T/ . La matrice G* associée au tableau T* a dans une certaine mesure les mêmes valeurs propres que la matrice G du tableau et donc G* sera la vraie matrice d'inertie. Les valeurs propres ë1, ë2,..., ë_á toutes inférieures à 1seront les valeurs propres de l'analyse.

,I.2.3. Relation entre AFC et ACP, Interprétation d'une AFC

Il existe un lien entre l'AFC et l'ACP : Une AFC sur le tableau de contingence est une ACP pondérée du tableau des profits. Dans une AFC, les opérations qui sont valables en lignes le sont en colonnes : AFC = 2 * ACP

En AFC, on utilise également les memes outils d'aides à interprétation qu'en ACP. Le C0S²á permet d'apprécier la proximité entre deux points et le CTR,(i) permet d'identifier les points influents dans la formation de l'axe. Il sera également tenu compte du poids des modalités dans les interprétations.

CTR_á(i) = fi_. * F² _á(i)/ë ; O6 F²_á(i) est l'effet originalité et _fi. l'effet poids.

I.3. Analyse des correspondances multiples (ACM)

La généralisation la plus simple et la plus utilisée de l'AFC est l'analyse des correspondances multiples que l'on note ACM.

I.3.1. Objectif et domaine d'application de l'ACM

L'ACM est une méthode d'analyse des données qui est non plus adaptée au tableau de contingence, mais au tableau disjonctif complet (TDC). En s'appliquant à des tableaux de variables qualitatives décrites sur les individus, l'ACM permet d'étudier la liaison entre deux variables qualitatives, ce qui élargit le champ d'étude d'une AFC. Donc l'ACM est une généralisation de l'AFC ; mais techniquement, elle reste une simple application de l'AFC. Elle est adaptée au traitement des données d'enquêtes lorsque les variables sont qualitatives ou lorsqu'on les a rendues qualitatives.

Il faut ajouter que l'ACM a les mêmes objectifs que les autres méthodes factorielles. Comme en ACP, on cherche à répondre aux questions de ressemblance ou de la différence entre les individus, aux questions de groupes homogènes d'individus. Les types de questions peuvent se poser aux modalités et aux variables.

I.3.2. Description de l'ACM et inertie du nuage de point

Les propriétés du TDC induisent celles de l'ACM. Les TDC X sont des tableaux transformés en des 0 et 1 et dont les colonnes sont regroupées par paquet correspondant à une variable avec pour somme par ligne égale à 1. De même les lignes sont de somme constante et égale au nombre de modalité J. On retiendra que l'ACM du tableau X est l'AFC du tableau disjonctif complet. Il sera utilisé la même transformation du tableau en profit et la même pondération des profils par les fréquences marginales.

La distance entre deux modalités est donnée par :

d2 M = ( -

Où kij est la valeur de la modalité pour l'individu i et pour la modalité j définie par : kij = 1 si a la modalité j et kij = 0 sinon.

L'inertie du nuage par rapport au centre de gravité s'écrit :

= - 1_, où P est le nombre de variables_.

I . E IQPHLELOPaPiRQ WQH3CM

Les indicateurs utilisés pour l'interprétation de l'ACM sont les memes que ceux de l'ACP et de AFC :

le C0S²á et la CTR_o. Ajoutons qu'en ACM, il faudra tenir compte des aspects individus, variables et modalités. La contribution d'une variable à l'inertie d'un axe peut etre obtenue comme une somme de contributions des modalités de cette variable à l'inertie du meme axe.

34

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

CHAPITRE II : ANALYSE EN COMPOSANTE PRINCIPALE (ACP)

L'application de la méthode ACP sur les données des 38 DPS/CMC et les huit régions sanitaires a fourni les résultats suivants :

II.1. Présentation des résultats de l'ACP Graphique 9 : Résultats de l'ACP

Numéro	Valeur propre	Pourcentage	Pourcentage cumulé			1
3,6257	17,27	17,27	*********************************************		2
2,9563	14,08	31,34	*****************************		3
2,3906	11,38	42,73	********************		4
2,0433	9,73	52,46	****************		5
1,7555	8,36	60,82	************		6
1,4179	6,75	67,57	*********		7
1,1986	5,71	73,28	*******		8
0,9754	4,64	77,92	*****		9
0,9620	4,58	82,50	****

Source : BSD, calculs propres (SPAD)

Source : BSD, calculs propres (SPAD)

Source : BSD, calculs propres

II.2. Interprétations

II.2.1. Description des graphiques

Les résultats de l'ACP ci-dessus nous montrent un ensemble de figures différentes : de haut en bas, la première présente un petit tableau (extrait) à gauche contenant des valeurs propres et des inerties relatives à chaque variable et qui sont représentées à droite. Ce graphique est appelé l'histogramme des valeurs propres et l'étalement est beaucoup plus pressenti au niveau des deux premiers axes. Le deuxième graphique est la projection des 21 variables actives continues dans le plan factoriel formé par les deux premiers facteurs. Chacune des variables est représentée selon l'axe de son attirance. Enfin, le troisième graphique est la représentation du nuage des préfectures dans le plan factoriel. Les préfectures sont regroupées autour des axes selon la ressemblance de leurs caractéristiques.

II.2.2. Indicateurs d'inertie et choix des axes

Nous retiendrons que l'inertie totale des nuages d'individus dans une ACP réduite est égale au nombre de variables actives ce qui correspond à 21 variables dans notre cas présent. Les inerties des sept premiers facteurs sont chacune supérieures à 1, ce qui satisfait le critère de KAISSER. Avec une inertie de 17,27%, le premier facteur l'emporte en importance et dépasse le deuxième avec un écart de 3,19. Le troisième et le quatrième représentent respectivement 11,38% et 9,73%. Ces quatre premiers facteurs totalisent 52,46% de l'inertie totale et donc ne satisfont pas le CRITÈRE DU TAUX D'INERTIE qui exige un minimum de 80%. En tenant compte du critère de COUDE CATTLE, après les deux premiers axes, la chute des inerties n'est pas tout à fait brutale. Sans restreindre la généralité sur les critères de choix, nous interprèterons uniquement dans ce travail les deux premiers facteurs et le plan qu'ils engendrent.

II.2.3. Interprétation du premier facteur

Les variables qui ont plus contribué dans la formation de l'axe 1 sont listées dans le tableau cidessous.

Tableau 11 : Coordonnées et contributions des variables ayant plus contribué pour l'axe 1

Variables	Coordonnées	Contributions		Variables	Coordonnées		Contributions	Proport_Com_ Grosss_Traitées
-0,64	11,11			0,90	22,18		TOM
-0,62	10,42			0,55	8,37		Taux_CPN
-0,39	4,10			0,47	6,10		Taux_Achev
-0,37	3,67			0,46	5,80
				0,42	4,88

Source : BSD, calculs propres

Le premier axe factoriel donne 3,63% de l'inertie totale. L'analyse des contributions nous a permis de
déceler les modalités qui ont contribué à sa formation. Ainsi les variables ayant participé à la formation
de l'axe 1 sont regroupées en deux dans ce tableau 11 et présentent les coordonnées de signes

36

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

opposés sur cet axe. Cette situation induit à l'axe 1 une répartition des préfectures en deux types de caractéristiques opposées :

Le premier groupe est le type des préfectures caractérisées par un nombre élevé d'infrastructures médico-privées et une bonne utilisation du système hospitalier par la population, c'est-a-dire un taux de fréquentation hospitalière élevé. Signalons également que dans ces préfectures, le taux d'utilisation du PF est élevé et présente un faible poids des enfants à la naissance (poids <2500 g). Nous pouvons citer en exemples, les communes de Matoto, Ratoma, Kaloum, Dixinn ainsi que les préfectures de Mali, Siguiri et Télimelé.

Le second groupe est composé des préfectures dont la proportion de complications de grossesses traitées dans les centres de santé est élevée et un taux d'occupation des lits par les malades également élevé. Dans ces préfectures comme Beyla, Dalaba, Tougué, Kouroussa, etc. les taux de consultations prénatales et d'achèvement y sont élevés.

Nous pouvons donc considérer l'axe 1 comme l'axe de l'amélioration 00DEEmonEEDEammmEmo

Diumonomoulni

II.2.4. Interprétation du second facteur

On enregistre trois principales variables ayant fortement contribué à la formation de l'axe. Le tableau

ci-dessous donne une indication sur les détailles.

Tableau 12 : Coordonnées et contributions IS-VIvOUOEl-VISRXLIlOIfRLPOtiRC IIS-IIOx- I2

Taux BCG

Taux_ DTC

Jrnée HP

Coordonnées

Nombre CS

Fem_procréer

Pop

Rapport Pop Med

Coordonnées Contributions Variables Coordonnées

- 0,74

- 0,74

- 0,70

- 0,50

- 0,35

- 0,29

- 0,39

18,70

18,63

16,36

4,17

8,59

2,87

5,05

Avortement

0,40

Contributions

5,39

Source : BSD, calculs propres

L'axe 2 fournit 2,96% de l'inertie totale. Le nombre d'habitants et le nombre de femmes en âge de procréer y sont bien représentés. L'axe 2 met en opposition les préfectures ayant un nombre de centres de santé élevé, un rapport nombre d'habitants sur nombre de médecins élevé et ceux pour les mêmes données ayant une caractéristique faible. Il faut ainsi dire que pour les uns, le nombre d'avortements pour 1000 grossesses est très élevé. Dans ces préfectures, les taux de vaccination BCG et DTC donnent une bonne indication ainsi que les journées d'hospitalisations.

Nous pouvons également considérer l'axe 2 comme de l'amélioration d'infrastructures de base et de mEmtio.

Globalement, nous pouvons dire que la projection sur le premier plan factoriel conserve 6,58% de l'inertie du nuage. La déformation des longueurs et des angles des vecteurs représentant les 21 variables est remarquable. Certaines variables sont parfaitement bien représentées et la corrélation avec d'autres variables y est forte, soit positivement ou négativement.

CHAPITRE III : CONSTRUCTION DE L'INDICATEUR SYNTHÉTIQUE DE SANTÉ

Nous pouvons dire que l'ACP appliquée sur les données a permis de ressortir les tendances globales. Ainsi, nous avons décrit le premier plan comme celui de l'amélioration de la santé maternelle et des infrastructures de base. Pour parvenir à comparer l'état de santé de ces préfectures/communes, il est donc indispensable de disposer un outil pouvant prendre en charge toutes les caractéristiques démographiques, hospitalières et zonales, etc. Cette partie sera donc consacrée à l'élaboration d'un indice synthétique de santé (ISS) que nous présenterons sous forme fonctionnelle et par la suite passer à la mise en oeuvre.

III.1. Méthodologie et forme fonctionnelle

ü Méthodologie

Sans restreindre la généralité sur la construction des indicateurs, il faut dire que la méthode de construction de l'ISS est basée sur l'approche inertie. Elle a pour but de définir un indicateur synthétique pour chaque préfecture (ou commune). La technique utilisée par cette approche est celle de l'analyse multidimensionnelle. Ainsi l'outil le plus adapté dans notre cas est celui de l'analyse des composantes principales (ACP) car les variables qui seront utilisées sont toutes quantitatives.

ü Forme fonctionnelle de l'indice

Considérons i l'indice d'une préfecture (ou commune) donnée et son indicateur sur l'axe k (k = 1 ;

2). est donnée par la formule suivante :

=

, j = 1, 2, ..., Nk, où Nk est le nombre de variables sur l'axe k permettant d'appréhender l'état de santé ; la valeur normée de la variable j pour la préfecture (ou commune) i et la

coordonnée de la variable j sur l'axe k ; la valeur normée de . Pour normaliser les indicateurs sur
chaque axe, on utilise la relation suivante :

Idil =

L'importance de cette transformation, est qu'elle permet le support de l'ensemble des dans le

segment [0, 1]. Ainsi l'indicateur prend la forme fonctionnelle suivante :

ISS = f ( ) = , où f est une fonction croissante, convexe et homogène de degré 0,

b un nombre réel strictement positif obtenue par simulation, les nombres réels et â représentent la

38

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

pertinence des axes 1et 2 définis par á = et â = , avec ë1 et ë, les valeurs propres sur le

premier et le second axe.

Afin de déterminer les variables à prendre en compte dans la construction de l'ISS, nous avons approfondi les résultats de l'analyse ci-dessus en effectuant une seconde fois l'ACP tout en prenant soin de mettre en supplémentaires les variables qui étaient mal représentées lors de la première analyse. Cette dernière analyse nous fournit aussi les coordonnées des variables. Les variables ont été sélectionnées sur la base de leur cosinus carré.

Concrètement, ce sont les variables dont le cosinus carré est plus au moins supérieure à 0.5. Ainsi pour la construction de l'indicateur, nous avons retenu 7 variables. Une ACP finale aboutit à une augmentation de l'inertie du premier plan factoriel qui est de 17,27% à 39,85%. Le cercle de corrélation nous montre les variables les mieux représentées.

Graphique 10 : Cercle de corrélation des variables les mieux représentées

Source : BSD, calculs propres

III.2. Analyse autour de l'indice synthétique de la santé Caractéristiques de l'indice

L'ISS obtenu pour chaque préfecture (ou commune) varie entre 0 et 1. Il faut noter que pour les indicateurs hospitaliers utilisés dans l'étude, nous avons considéré uniquement ceux des hôpitaux préfectoraux et les centres médicaux communaux ; cela pour rendre possible une comparaison. Les hôpitaux nationaux et régionaux sont donc exclus. S'agissant des indicateurs de zone, nous avons considéré les indicateurs qui ont trait aux centres de Santé et cela parce que les centres de santés constituent les infrastructures de bases des soins primaires dans notre pays.

La moyenne affichée par l'indice est de 0,496 pour l'ensemble des 38 préfectures et l'écart type estimé est de 0,144.

Tableau 13 C ADIDcAVLBAILuI-WaREDlI-MGI- 1'166

Caractéristiques	Min	Max	Moyenne	Écart- type	Médiane	Variance	Kurtosis	Asymétrie	CV
9 DlI-MM GI-1l166	0,190	0,995	0,496	0,144	0,474	0,021	3,101	1,011	0,290

Source : BSD, calculs propres

La Région de Conakry au sommet, Boké à la base en 2011

Dans l'analyse de l'ISS, nous avons pensé comparer l'état de santé dans les différentes régions. Ainsi l'ISS dans une région est la moyenne des ISS des préfectures (ou communes) formant la région. L'état de santé affiché par l'indicateur en 2011 varie d'une région à l'autre. Avec un ISS de 0,64, la région de Conakry affiche une amélioration en matière de santé en 2011 ; Excepté la région de Conakry et celle de N'Zérékoré, les autres ont leur ISS en dessous de la moyenne, et Boké vient en dernière position. La valeur de l'ISS par préfecture (ou commune) se trouve en annexes (voir Tableau A2). La plus petite valeur de l'ISS est observée dans la préfecture de Gaoual (ISS=0,1899) contre 0,9947 dans la commune de Matam.

Graphique 11 3166 ISDIAVgiRC

Source : BSD, calculs propres

40

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

CONCLUSION

Le thème de ce stage a porté sur une analyse exploratoire de l'état de santé en République de Guinée : Construction d'un indice synthétique de la santé.

Grace aux statistiques sanitaires, nous avons pu obtenir des informations intéressantes sur l'état de santé en république de Guinée en 2011.

Sur une population de 10 869 003 habitants, 66 921 femmes sont en âge de procréer avec un Taux Globale de Fécondité de 154%, soit un Indice Synthétique de Fécondité de 5,5 enfants par femme.

Les statistiques hospitalières varient d'une région à l'autre et les plus importantes infrastructures hospitalières sont concentrées dans la région de Conakry. Le taux de fréquentation hospitalière est en moyenne 5,8%. On compte en Guinée, en moyenne 48 959 habitants pour un médecin dont 14 186 habitants pour un médecin à Conakry et 421 258 habitants pour un médecin à Mamou.

Les taux de consultation prénatale et d'achèvement varient selon les régions. On a enregistré en moyenne 56% en CPN et le taux d'achèvement total est de 62%. Le taux de vaccination en Bacille Calmette et Guérin est passé de 106% en 2010 à 117, 6% en 2011.

Grâce à l'indice synthétique de la santé, nous avons pu capter l'état de santé dans les différentes préfectures (communes), qui varie également d'une région à l'autre. IL est élevé dans la région de Conakry (0,64) et très bas dans la région de Boké (0,377).

Il faut noter que l'obtention de ces résultats n'a pas été le seul avantage obtenu lors de ce stage. Audelà de tout ce travail, nous retiendrons avoir découvert non seulement la structure et le fonctionnement du BSD mais également avoir tissé de très bons rapports humains.

Ce stage a été pour nous une occasion d'utiliser les connaissances théoriques acquises durant les trois premières années de formation et d'acquérir de l'expérience dans le milieu professionnel, ce qui marque une étape importante dans notre formation.

BIBLIOGRAPHIE

· BRY Xavier, Analyse factorielles simples, Économisa, Paris 1995

· BSD/MSHP, Annuaire des Statistiques Sanitaires 2011, Conakry 2012

· ESCOFIER B. & PAGES J., Analyses factorielles simples et multiples, Dunod, 4^ème édition

· KI Jean Bosco, Faye Bocar, Faye Salimata, (2005), Pauvreté Multidimensionnelle au Sénégal: une Approche Non Monétaire par les Besoins de Base.

· VOLLE M., Analyse des données, Paris 1993.

42

KALIVOGUI Pépé, ITS3, stage/BSD/MSHP/Conakry

ANNEXES

Tableau A1 : Coordonnées factorielles et outils d'aide à interprétation

Variables	Coordonnées		Contributions		Qualité de la représentation			INERTIE
	F1	F2	CTR1(%)	CTR2 (%)	COS2	COS2	(F1, F2)
Fem_procréer	0,47	-0,74	6,10	18,70	0,22	0,65	0,78	17,27
Rapport Pop_Med	-0,35	-0,50	3,47	8,59	0,13	0,50	0,38	14,08
Taux_BCG	0,35	-0,35	3,36	4,17	0,12	0,12	0,25	11,38
Taux_ DTC	0,32	-0,29	2,89	2,87	0,10	0,08	0,19	9,73
Jrnée HP	0,02	-0,39	0,01	5,05	0,00	0,15	0,15	8,36
DMS	-0,32	-0,29	2,85	2,88	0,10	0,09	0,19	6,75
TOM	-0,62	-0,43	10,42	6,33	0,56	0,19	0,57	5,71
Taux_Morta	-0,21	-0,21	1,22	1,53	0,04	0,05	0,09	4,64
Taux_freq_Hp	0,55	-0,16	8,37	0,87	0,52	0,03	0,33	4,58
Taux_CPN	-0,39	-0,03	4,10	0,03	0,15	0,00	0,15	4,01
Taux_Achev	-0,37	0,09	3,67	0,24	0,13	0,01	0,14	3,38
Nombre_CS	-0,18	-0,70	0,86	16,36	0,03	0,55	0,52	2,79
Taux_FPN	0,46	0,23	5,80	1,75	0,21	0,05	0,26	2,49
Proport_Accuch_CS	-0,03	-0,23	0,03	1,82	0,00	0,05	0,05	1,72
Taux_PF	0,42	0,08	4,88	0,19	0,18	0,01	0,18	1,32
Avortement	-0,01	0,40	0,00	5,39	0,00	0,16	0,16	0,84
Proport_Com_Gross_Traitées	-0,64	-0,25	11,11	2,08	0,60	0,06	0,46	0,49
Infrast_Médico_Privées	0,90	0,11	22,18	0,43	0,81	0,01	0,82	0,25
Proport_Fem_VIH	0,29	-0,24	2,25	1,96	0,08	0,06	0,14	0,12
Proport_fem_enceinte_séro+	0,08	-0,02	0,17	0,01	0,01	0,00	0,01	0,08
Pop	0,47	-0,74	6,13	18,63	0,22	65	0,77	0,00
Total	1,22	-4,68	99,88	99,88	3,63	2,96	6,58	100,00

Source : BSD, calculs propres

Tableau A2 : Rang des 38 préfectures et communes selon l'ISS obtenu par l'ACP

Préfectures / Communes	ISS	Rang	Préfectures (ou Communes)	ISS	Rang
Matam	0,9947	Rang1	Pita	0,4703	Rang20
Matoto	0,7528	Rang2	Yomou	0,4687	Rang21
Macenta	0,7089	Rang3	Ratoma	0,4643	Rang22
Gueckédou	0,6900	Rang4	Mandiana	0,4556	Rang23
Beyla	0,6340	Rang5	Mamou	0,4499	Rang24
Kissidougou	0,6170	Rang6	Dubréka	0,4455	Rang25
Kankan	0,6139	Rang7	Lola	0,4380	Rang26
Boké	0,5967	Rang8	Fria	0,4294	Rang27
N'Zérékoré	0,5721	Rang9	Lélouma	0,4119	Rang28
Dalaba	0,5550	Rang10	Koundara	0,4101	Rang29
Tougué	0,5445	Rang11	Dinguiraye	0,4073	Rang30
Forécariah	0,5273	Rang12	Koubia	0,4067	Rang31
Labé	0,5246	Rang13	Télimelé	0,3998	Rang32
Kindia	0,5222	Rang14	Kérouané	0,3867	Rang33
Kaloum	0,5100	Rang15	Siguiri	0,3797	Rang34
Kouroussa	0,5027	Rang16	Mali	0,3431	Rang35
coyah	0,4958	Rang17	Dabola	0,2988	Rang36
Faranah	0,4910	Rang18	Boffa	0,2575	Rang37
Dixinn	0,4785	Rang19	Gaoual	0,1899	Rang38

Source : BSD, Calculs propres