Analyse

La deuxième partie du travail a consisté dans l’analyse et la sélection des facteurs de risque ayant un impact sur la morbidité et la mortalité, et présentant par conséquent un intérêt particulier en assurance vie.

3.4.1 Les indicateurs de morbidité

3.4.1.1 Risque relatif (RR) et rapport de Cote (OR)

La relation entre ces différents facteurs de risque et les événements de santé (morbidité et mortalité) est explorée par les études épidémiologiques. Ces études épidémiologiques mesurent l’incidence, la prévalence, mais aussi les risques d’événement de santé liés aux facteurs d’exposition.

L’analyse va consister dans l’estimation de l’incidence et de la prévalence à travers les différentes études, à déterminer l’évolution de ces deux facteurs au cours du temps, mais aussi évaluer le risque supplémentaire de morbidité et de mortalité. Ce risque supplémentaire est déterminé grâce aux paramètres statistiques calculés lors des études épidémiologiques. Le risque de survenue des événements de santé entre deux groupes de population est mesuré par deux paramètres statistiques : L

le risque relatif qui est un rapport de risque (RR) pour les études de cohorte ( exposés versus non exposés) et le rapport de cote ou Odds ratio (OR) pour les études

cas-témoins (malade versus non malade).

-Le Rapport de risque ou Risque Relatif est le rapport entre le risque d’événement de santé (morbidité ou mortalité) chez la population exposée au facteur de risque par rapport à la population non exposée. Lorsque l’événement de santé est une mortalité on parle ainsi de Ratio de mortalité (RM).

L’expression mathématique du Rapport de Risque est

:

(R1= Risque chez exposé, R0 =Risque chez les non-exposés)

-Le Rapport de Cote ou Odds Ratio est une autre méthode statistique de calcul du rapport de risque. Elle est surtout utilisée pour les études de Cas (malades) vs Témoins (non

malades) mais peut être aussi utilisée pour les études de cohortes. Il est souvent plus pertinent que le risque relatif pour les calculs statistiques car il est calculable à la fois dans les enquêtes de « cohorte » où les patients constituent un échantillon représentatif d'une population générale, et dans une enquête « cas-témoins » où le quota de malades est déterminé à l'avance par rapport aux non-malades.

L’expression mathématique du Rapport de Cote est :

L’intérêt de ces deux paramètres est de permettre une estimation du risque supplémentaire que court une population et par delà, un individu lorsqu’il est exposé à un risque ou à une condition médicale quelconque. Ce risque supplémentaire peut être alors converti en facteur de pondération qui reflète le risque encouru par l’assureur en couvrant la condition médicale en question.

3.4.1.2 L’analyse de régression utilisé dans les études

L’épidémiologie analytique explore la relation entre un ou plusieurs facteurs de risque et un évènement de santé par les analyses de corrélation et de régression. L’analyse de régression est un modèle statistique de prédiction d’une variable à expliquer par une ou plusieurs autres variables dites explicatives. Elle permet à partir d’une équation d’estimation, de décrire la nature fonctionnelle de la relation entre la variable dépendante (à expliquer) et la ou les variables indépendante(s) explicatives. On parle d’analyse de régression simple (uni-variée) si une seule variable est introduite dans l’équation et multiples (multi-variée) en cas de plusieurs variables explicatives. Les équations respectives des deux types d’analyses sont :

Régression linéaire simple

:

Régression linéaire multiple

:

Le coefficient de corrélation (R) donne une mesure de la force de cette relation entre la variable dépendante et la/les variables indépendantes. Le coefficient de détermination (R²) est une mesure de la proportion de la variable dépendante qui s'«explique» par le ou les variables indépendantes. Ces deux paramètres statistiques permettent d’apprécier la

magnitude de la relation entre un facteur de risque et un événement de santé (morbidité ou mortalité). En l’absence d’études de mortalité, ces différents paramètres statistiques décrits par les auteurs des études seront exploités dans notre analyse pour apprécier l’impact des facteurs de risque sur la morbidité et la mortalité en Afrique subsaharienne.

3.4.2 L’analyse de mortalité

Cette analyse consiste dans calcul du ratio de mortalité (RM) qui est le rapport entre la mortalité observée (Q) (dans une étude ou une population donnée) et la mortalité attendue (Q’) (dans la population générale ou une population d’assurés). Elle a pour but de déterminer la mortalité excédentaire attribuable au facteur de risque présent dans ce groupe d’individus. Cette mortalité excédentaire peut être aussi calculée sous forme de taux excédentaire de mortalité (EDR) qui correspond à la différence entre la mortalité observé (Q) et la mortalité attendue (Q’). Le taux de mortalité excédentaire sera utilisé pour évaluer le sur-risque qui est tarifié en assurance-vie.

3.4.3 Hétérogénéité des études et variabilité des résultats

La méta-analyse est une méthode scientifique qui combine les résultats de plusieurs études semblables pour tirer des conclusions sur les résultats combiné de l’effet ces études. Habituellement on utilise le test d’hétérogénéité des études pour mesurer la variabilité de l’effet qui n’est pas due à une erreur d’échantillonnage. Deux types de test sont le plus souvent utilisé pour mesurer cette hétérogénéité : le test de Mantel Haenszel Q,et le test statistique du Chi carré.

Ces deux tests étaient difficiles à réaliser dans notre contexte car notre revue de la littérature rassemble des études très différentes dans les lieux où elles sont conduites, leur objectifs et méthodologie etc. Tous ces facteurs peuvent être à l’origine d’une variabilité entre les études.

En effet l’ASS est un vaste ensemble de pays qui diffèrent sur le plan socioculturel, niveau de développement et système sanitaire etc.

Par exemple, un pays comme le Cape Vert présente une espérance de vie nettement supérieure aux autres pays, de même le système de santé en Afrique du Sud est très développé par rapport à ces voisins, cependant il est durement frappé par la pandémie VIH/SIDA.

Le profil épidémiologique varie également entre les régions rurales et les centres urbains et semi urbains. Alors que les premiers sont confrontés à la persistance des maladies parasitaires et infectieuses, le milieu urbain connait une montée de la morbidité et mortalité des maladies cardio-vasculaires et métaboliques. L’accès aux services de santé et le niveau d’éducation et prévention de la santé constituent également des facteurs qui ont un impact important sur la différence entre milieu urbain et rural. Également la structure sociale s’avèrent déterminant dans la morbidité et mortalité, surtout dans les régions où plus de 50% de la population vit en dessous du seuil de la pauvreté et n’est pas capable de s’offrir des soins de santé adéquate.

L’absence d’assurance maladie universelle dans la grande majorité des pays en ASS constitue également un facteur limitant la prise en charge des maladies chronique qui entrainent surtout des conséquences en termes de morbidité, mortalité mais aussi d’invalidité.

Les qualités intrinsèques des études : le devis (critère d’inclusion/exclusion, durée du suivi, le traitement administré), la qualité de l’étude (randomisation) et les facteurs pronostics individuel pourraient expliquer une grande partie de la variabilité entre les études.

Malgré que cette variabilité n’a pas été démontré ^par des tests indiqués l’ensemble des facteurs ci-dessus évoqué pourraient expliquer une hétérogénéité entre les études. Cependant il important de signaler aussi que ces tests ne sont pas aussi statistiquement puissants et qu’une absence d’hétérogénéité n’exclue pas celle-ci de manière formelle.

3.4.3.1 Variabilité des résultats

Dans les études épidémiologiques les résultats statistiques sont habituellement présentés avec une estimation des biais de mesure. Ainsi les variables sont estimées avec des intervalles de confiance (IC) qui caractérisent la probabilité qu’une différence soit liée au seul fait du hasard.

Dans notre analyse nous avons ignoré les études qui ne présentaient pas de résultats statistiquement non significatives. Toutes les études ne rapportaient pas les résultats avec les intervalles de confiance. Dans le souci d’être homogène dans le traitement des données extraites de ces études les points estimés des variables mesurées ont été analysés sans intervalle de confiance. Nous reconnaissons que cette méthode pourrait diminuer la précision dans les résultats mais elle nous évite d’interpréter des intervalles de confiance de devis différents.

Lorsque la variabilité est très grande, la valeur moyenne de l’estimation est alors obtenue par une moyenne pondérée des deux valeurs extrêmes. Cette méthode nous permet de calculer les ratios de morbidité (RR, OR) et de mortalité (RM) nécessaires pour déterminer un facteur de pondération nécessaire pour la tarification.

3.4.4 Autres facteurs considérés

En plus des facteurs intrinsèques à la maladie, d’autres facteurs externes sont souvent considérés dans l’estimation du risque : les facteurs démographiques (l’âge, le sexe); le style de vie (tabac, alcool, drogues), le lieu de résidence (rural /urbain), l’emploi (type, en activité), les co-morbidités : antécédents médicaux, maladies sous-jacente.