• Aucun résultat trouvé

Chapitre 3 : Méthodologie

3.4 Analyse statistique

3.4.1 Analyses descriptives

Avant de construire le modèle explicatif, des analyses descriptives ont été réalisées afin de dresser un portrait de la population québécoise.

Dans la population adulte générale, les variables sociodémographiques ont été résumées statistiquement. Le pourcentage des personnes dans chaque intervalle d’âge de 10 ans a été présenté. Le pourcentage des hommes et des femmes, les scores moyens sur les indices de défavorisation sociale et matérielle, et le pourcentage des personnes vivantes en zones rurales et non rurales ont été également rapportés.

Ensuite, les distributions des variables indépendantes ont été présentées. Le nombre moyen de maladies physiques et le score moyen sur l’Indice combiné ont été calculés. Le nombre de maladies non-pondéré a été divisé entre cinq catégories (0, 1, 2, 3, ≥4) et les pourcentages des personnes dans chaque catégorie ont été calculés. La même procédure a été suivie pour le score pondéré (0, 1, 2-3, 4-5, ≥6). Les proportions des personnes ayant des troubles mentaux graves et courants ont été également rapportées.

Subséquemment, toutes ces analyses descriptives ont été répétées séparément selon les niveaux de la variable dépendante : 0-2 et ≥3 admissions à l’urgence. Cela a permis une comparaison préliminaire des variables indépendantes chez les patients qui ont été et n’ont pas été admis à l’urgence et a démontré la direction des associations entre les variables indépendantes et dépendantes.

3.4.2 Modèle explicatif

Nous avons modélisé les effets de la multimorbidité et des troubles mentaux sur l’admission fréquente à l’urgence ainsi que l’interaction entre la multimorbidité et les troubles mentaux à l’aide de la régression logistique multivariée. La procédure LOGISTIC du logiciel Statistical Analysis System (SAS) produit par le SAS Institute a été utilisée. Le modèle de régression logistique était de la forme suivante :

Log (cote d’admissions fréquentes) = α + 1 (indice combiné score 1) + 2 (indice combiné

score 2) + 3 (indice combiné score 3) + 4 (indice combiné score 4+) + 5 (trouble mental

courant) + 6 (trouble mental grave) + 7 (âge) + 8(sexe) + 9(quintile de défavorisation 2)

+ 10(quintile de défavorisation 3) + 11(quintile de défavorisation 4)12(quintile de

défavorisation 5) + 13(quintile de défavorisation sociale 2) + 14(quintile de défavorisation

sociale 3) + 15(quintile de défavorisation sociale 4) + 16(quintile de défavorisation sociale

5)+17(ruralité) + 18(indice combiné score 1*trouble mental courant) + 19 (indice combiné

score 1*trouble mental grave) + 20(indice combiné score 2*trouble mental courant) + 21

(indice combiné score 2*trouble mental grave) + 22(indice combiné score 3*trouble mental

courant) + 23 (indice combiné score 3*trouble mental grave) + 24(indice combiné score

4+*trouble mental courant) + 25 (indice combiné score 4+*trouble mental grave)

L’indice combiné a été entré dans le modèle comme une variable catégorielle, car l’association entre le score de l’indice et la cote de visite à l’urgence n’est pas linéaire. Pour ce faire, SAS crée automatiquement une variable indicatrice pour chaque catégorie, sauf la catégorie de référence (0 pour les variables dichotomiques comme la ruralité ou le sexe et la valeur la plus petite pour les variables ordinales comme le nombre de maladies ou l’indice de défavorisation). Les catégories de multimorbidité ont été choisies en fonction de la fréquence des scores et du nombre de maladies physiques dans la population, en essayant de garder des nombres de personnes aussi similaires que possible dans chaque catégorie. Conséquemment, l’Indice combiné et le nombre de maladies non pondéré sont représentés par des séquences de variables indicatrices. Il y a aussi un nombre de termes d’interaction égal au nombre de variables indicatrices multiplié par les deux catégories de troubles mentaux, soit huit.

Les conditions d’application du modèle de régression logistiques ont été vérifiées, à savoir : La multicolinéarité a été évaluée en calculant les coefficients de corrélation de Pearson entre toutes les combinaisons de deux variables. Aucune corrélation n’était supérieure à 0,8. L’indépendance des observations est assurée par l’indépendance des personnes dans le SISMACQ. Le postulat de linéarité a été vérifié graphiquement, et des variables indicatrices ont été utilisées pour les variables continues qui ont montré une association non linéaire au log(cote d’admissions fréquentes) : l’âge, le score sur l’indice

combiné, et le nombre de maladies physiques. Les rapports de cotes ont été calculés à partir de la formule ei et sont présentés avec leurs intervalles de confiance à 95 %.

3.4.3 L’interaction et l’effet modifiant

L’interaction et l’effet modifiant ont été évalués sur l’échelle des systèmes de santé (absolue) et des patients (relative), respectivement. Tous les tests statistiques étaient bilatéraux avec un seuil de signification de p<0,05.4.4.4

3.4.4 Fardeau sur les systèmes de santé– interaction sur l’échelle absolue (additive)

Nous avons mesuré le fardeau sur les systèmes de santé en utilisant la notion d’interaction sur l’échelle absolue ou additive. Pour ce faire, nous avons comparé les proportions d’utilisateurs fréquents de l’urgence dans chacune des cinq catégories de multimorbidité physique à travers les statuts de trouble mental. Les proportions ajustées ont été estimées à l’aide de la méthode de prédiction à la moyenne (Muller & MacLehose, 2014). Leurs IC à 95 % ont été calculés à partir de la méthode de Wald pour les modèles logistiques. Une différence de proportions a été jugée comme significative si les intervalles de confiance ne chevauchaient pas. L’interaction sur l’échelle absolue est observée quand la proportion des utilisateurs fréquents de l’urgence parmi la population avec la multimorbidité physique et des troubles mentaux est plus élevée que la somme des proportions chez les populations avec seulement la multimorbidité physique ou seulement des troubles mentaux (VanderWeele & Knol, 2014). La proportion d’admissions fréquentes à l’urgence selon le nombre de maladies physiques est présentée dans un graphique où l’abscisse (axe des x) indique le nombre de maladies physiques et où l’ordonnée (axe des y) indique la proportion ajustée d’admissions fréquentes à l’urgence. Trois courbes sont tracées sur le graphique, soit une pour les personnes sans trouble mental, une pour celles avec des troubles mentaux courants, et une pour celles avec des troubles mentaux graves. Graphiquement, il y a présence d’interaction si les courbes correspondant aux personnes avec des troubles mentaux et celles sans troubles sont non parallèles. Nous avons aussi évalué l’interaction statistiquement, à l’aide de la statistique d’excédent de risque relatif

Nous avons estimé les proportions des utilisateurs fréquents de l’urgence dues à la multimorbidité, aux troubles mentaux, et à la synergie comme le suggère Rothman (2012) quand l’échelle absolue est présentée. Nous avons procédé comme suit: premièrement, nous avons utilisé la proportion d’utilisateurs fréquents parmi les personnes sans maladie physique ni trouble mental comme une proportion de base (Pb), expliquée par des facteurs autres que les maladies physiques ou troubles mentaux. Ensuite, nous avons soustrait cette proportion de base de la proportion des utilisateurs fréquents dans chaque catégorie de multimorbidité physique (1, 2, 3, et ≥4 maladies chroniques) sans maladies mentales pour estimer le risque dû à la multimorbidité seule (Pp). De manière similaire, nous avons soustrait la proportion de base des proportions des utilisateurs fréquents chez les personnes avec des troubles mentaux courants et graves pour estimer les proportions dues aux troubles mentaux seuls (Pm). Enfin, nous avons obtenu les proportions dues à la synergie (Ps) de chaque combinaison de la multimorbidité et troubles mentaux avec la formule : Ps = P – Pb – Pp – Pm. Enfin, nous avons converti ces proportions d’utilisateurs en nombres estimés d’admissions en multipliant les proportions par le nombre de personnes et le nombre moyen d’admissions de chaque combinaison de multimorbidité et de troubles mentaux (Annexe 2)

3.4.5 Fardeau sur les patients – effet modifiant sur l’échelle relative (multiplicative)

Nous avons mesuré le fardeau sur les patients en utilisant des coefficients de régression pour les termes d’interaction entre la multimorbidité physique et les troubles mentaux. Le test statistique était le test de Wald, calculé automatiquement pour chaque terme d’interaction du modèle SAS. Un effet modifiant positif significatif indique que les rapports de cotes (RC) associés avec la multimorbidité augmentent significativement selon la présence d’un trouble mental ; les maladies physiques poseraient un risque relatif additionnel pour les patients affectés par un trouble mental. Un effet modifiant négatif indique que le RC diminue significativement en présence d’un trouble mental.

Documents relatifs