SOMMAIRE
SOMMAIRE 1
AVANT PROPOS 3
LISTE DES TABLEAUX 5
LISTE DES GRAPHIQUES 5
INTRODUCTION 6
Première partie : Généralités et
analyse 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 :
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
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 :
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:
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
|
EnfCom0
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:
Wá= {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
CTRá(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,..., ëá
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.
CTRá(i) = fi. *
F2 á(i)/ë ; O6
F2á(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 CTRo. 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 :
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,
4ème 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
|
|