Données et méthodes

4.2.1. Caractéristiques des médecins

Les variables médecins sélectionnées pour l’analyse de la variabilité du score de MI sont des variables individuelles : l’âge, le sexe, l’état de santé perçu (question D.13), le fait de travailler en groupe (question A.3) et le fait d’avoir une activité salariée en dehors de l’activité libérale (question A.1). La variable d’état de santé est codée 1 lorsque le médecin

48 _{Ce travail a fait l’objet d’un article en commun avec Carine Franc et Marc le Vaillant publié dans la revue}

Health Policy (2012 Dec ; 108(2-3) :140-8) sous le titre : « Intrinsic and extrinsic motivations in primary care :

172 reporte un « excellent » ou « très bon » état de santé, et 0 sinon. La variable « exercice en groupe » est indépendante de la spécialité des autres médecins (soit des médecins généralistes soit des médecins de différentes spécialités). Plus précisément, cette variable est codée 1 si le médecin déclare partager les dossiers des patients (question A.4), et 0 sinon. Enfin, la variable d’activité salariée est codée 1 si le médecin déclare être salarié hospitalier ou effectuer des vacations, et 0 sinon.

Nous considérons aussi des caractéristiques relatives au contexte de l’activité : la zone rurale ou urbaine déterminée par le nombre d’habitants (<=10 000/>10 000 habitants) ainsi qu’une variable indiquant si les MGs rencontrent des difficultés particulières liées au profil de leur patientèle (‘oui’/ ‘non’). Toutes ces variables sont susceptibles d’avoir un impact sur le niveau de MI. Le tableau 37 présente des statistiques descriptives associées à ces variables, et récapitule les variables de MI sélectionnées dans la section précédente.

L’âge moyen dans l’échantillon est de 52 ans et il y a une majorité d’hommes (72%). Par ailleurs, 39% des médecins déclarent un excellent ou très bon état de santé, 50% d’entre eux sont en groupe et partagent les dossiers, et 21% d’entre eux ont une activité salariée en dehors de leur activité libérale. Enfin, 60% des médecins vivent en zone urbaine et 24% d’entre eux déclarent rencontrer certaines difficultés dans leur pratique liée à leur profil de patientèle.

4.2.2. Variables de motivations extrinsèques

Contrairement aux MI, les ME se réfèrent à des motivations ‘externes’ à la personne, lorsque l’activité est réalisée pour obtenir une récompense ou une gratification (Frey 1997a; Bénabou and Tirole 2003). Cinq variables sont sélectionnées comme proxies des ME. Trois variables concernent les motivations monétaires : (a) le chiffre d’affaire en 2008 extrait du RIAP, (b) le chiffre d’affaire divisé par le nombre d’actes réalisés en 2008 et (c) la

satisfaction de la rémunération _{(‘oui’/‘non’). Nous supposons que l’indicateur (b) peut être}

plus informatif que l’indicateur (a) car il peut constituer un proxy du rendement moyen de la consultation. En ce qui concerne la variable (c), nous faisons l’hypothèse que les MGs déclarant ne pas être satisfaits de leur revenu pourraient avoir des motivations extrinsèques plus grandes. Ainsi, la variable (c) de ME est donc codée 1 si le MG répond « oui » à la question, et 0 sinon.

Les autres variables de ME sélectionnées illustrent le sentiment d’être contraint par les exigences des patients concernant : (d) les horaires d’ouverture du cabinet (question C.3A)

173 ou (e) la durée de la consultation (question C.3B). En effet, ces deux variables pourraient refléter un arbitrage des médecins entre travail et loisir. Nous faisons l’hypothèse que les MGs déclarant être « souvent » ou « de temps en temps » contraints par les exigences des patients pourraient ne pas vouloir perdre de temps, autrement dit, de l’argent ou du temps de loisir, et donc être davantage motivés extrinsèquement. Les variables (d) et (e) sont donc codées 1 si le MG répond « souvent » ou « de temps en temps » à la question posée, et 0 sinon. Les statistiques descriptives des cinq indicateurs de ME ainsi construits sont présentés dans le tableau 37.

Tableau 37. Statistiques descriptives (MI, ME et variables médecin)

Variables %

1-Motivations intrinsèques

Satisfaction de l'activité professionnelle (souvent) 57.9

La profession est gratifiante sur le plan humain (souvent) 62.9 Echanges avec d'autres professionnels de santé médicaux (très souvent) 19.4

Activités d'enseignement et/ou maître de stage (oui) 19.6

Prévention alcool-tabac (très souvent) 14.9

Prévention obésité (très souvent) 20.3

Participation à l'évaluation des pratiques professionnelles (oui) 41.6

Implication dans un réseau de soins (oui) 31.2

Sentiment d'être contraint par les patients mieux informés (rarement-jamais) 40.2

2-Motivations extrinsèques

Chiffre d'affaire (moyenne ± S.D.) 125139 ± 55451

Chiffre d'affaire/nb actes (moyenne ± S.D.) 26.6 ± 5.1

Satisfaction du revenu (non) 63.1

Sentiment d'être contraint par les exigences des patients conernant …

… les horaires d'ouverture du cabinet (de temps en temps-souvent) 54.8 … la durée de la consultation (de temps en temps-souvent) 55.3

3-Caractéristiques des médecins

Age (moyenne ± S.D.) 52.1 ± 7.6

Sexe (homme) 71.8

Etat de santé (excellent-très bon) 39.4

Groupe avec partage des dossiers 49.7

Activité salariée 20.6

Zone urbaine 59.6

Difficultés liées au profil de patientèle (oui) 24.1

Le chiffre d’affaire moyen dans l’échantillon est de 125 139€, et le chiffre d’affaire moyen par acte est de 27€. Par ailleurs, 63% des MGs déclarent ne pas être satisfaits par le niveau de leur rémunération, et environ 55% d’entre eux déclarent être « de temps en temps »

174 ou « souvent » contraints par les exigences des patients concernant les horaires d’ouverture du cabinet ou la durée de la consultation.

4.2.1. Construction et analyse de la variabilité du score de MI

Le modèle sélectionné pour construire l’ICMI et analyser sa variabilité est un modèle logistique à constante aléatoire (Rice et Jones, 1997), du même type que le modèle de Birnbaum sélectionné dans la section précédente. L’avantage de ce type de modèle est qu’il permet de distinguer les composantes de la variabilité du score de MI liées à la variabilité intra- ou inter-médecin (Rice and Jones 1997; Snijders and Bosker 1999). Ainsi, le modèle multi-niveau permet une approche structurelle du problème : au sein d’un même modèle, nous mesurons la variable latente de MI et étudions sa variabilité par l’introduction de variables caractérisant le médecin. Plus précisément, ce modèle constitue une simplification du modèle logistique à deux paramètres (modèle de Birnbaum), permettant l’introduction de covariables médecin.

Nous supposons qu’il existe une variable latente de MI, notée , avec comme réalisation , qui détermine les réponses du médecin j aux différents indicateurs de MI sélectionnés. De plus, nous supposons que ces réponses sont indépendantes pour chaque médecin, conditionnellement à . La variable latente _{est supposée normalement distribuée,} de moyenne nulle et de variance .

Le modèle multi-niveau à constante aléatoire s’écrit de la façon suivante :

Modèle 1 : Le modèle de mesure

où représente la probabilité que le médecin j réponde positivement à l’indicateur i. Nous rappelons qu’une réponse positive à un indicateur correspond à une réponse témoignant de MI. De plus, est un coefficient aléatoire variant d’un médecin à l’autre, représentant la proportion de réponses positives pour le médecin j ; est la constante générale du modèle représentant la proportion de réponses positives _{l’échantillon. Enfin,} et sont deux

175 termes d’erreurs aléatoires : est un terme d’erreur qui varie d’un indicateur à l’autre et

d’un médecin à l’autre (variabilité intra-médecin) et est un terme d’erreur spécifique au médecin j (variabilité inter-médecin).

Afin d’obtenir un IC compris entre 0 et 1, l’ICMI pour le médecin j est calculé de la façon suivante :

Modèle 2: Le modèle complet avec covariables

Avec d’expliquer la variabilité de l’ICMI représenté, pour le médecin j, par , les variables médecin sont introduites au 2e niveau. Le modèle s’écrit de la façon suivante :

Où représente la k-ième variable médecin et est le coefficient associé.

Les modèles 1 et 2 sont estimés par la procédure Nlmixed de SAS (9.3).