CHAPITRE 6 : MÉTHODOLOGIE
7.4. FACTEURS ASSOCIÉS À LA QUALITÉ DES SOINS POUR LES MCCM
7.3.2 Facteurs individuels, contextuels et degré de mise en œuvre du programme ASSSÉ associés à
Dans cette section, nous étudierons la relation entre la qualité technique des soins et les différents facteurs individuels et contextuels dont le degré de mise en œuvre du programme ASSSÉ. La qualité des soins du programme ASSSÉ est la variable dépendante qui est représentée sous différents scores : (a) score de prévention, (b) score de prise en charge du diabète, (c) score de prise en charge de la MCV.
La variable indépendante principale est représentée par le score moyen de degré de mise en œuvre du programme ASSSÉ au niveau individuel ou son score moyen agrégé au niveau du CSSS. Les autres variables indépendantes concernent les principales caractéristiques des patients, des intervenants de structure d’intérêt. Parmi les variables indépendantes, une attention sera portée à la notion de colinéarité décrite dans la méthodologie.
Dans un premier temps, un modèle de régression simple sera utilisé pour identifier les variables avec un p compris entre 0,050 et 0,250 qui seront incluses dans le modèle multiple. Les variables en lien avec le score de la qualité des soins (p < 0,05) seront mises dans le modèle d’analyse multiniveau pour explorer le lien entre les variables contextuelles et la variable dépendante. Le meilleur modèle prédictif dans les analyses multiniveaux est celui qui a le plus petit résidu et critère d’informations (AIC, BIC, Log-2).
a) Facteurs associés au meilleur score des activités de soins préventifs
En utilisant un modèle de régression multiple et une analyse multiniveau, plusieurs variables sont en lien avec le score de prévention dans le programme ASSSÉ (Tableaux 32, 33). En tenant compte de l’effet aléatoire du CSSS, avec une analyse multiniveau, les facteurs associés au score de prévention sont (Modèle 2 du tableau 33) :
- Un score moyen de mise en œuvre du programme ASSSÉ élevé (p<0,001) ; - Un nombre élevé d’intervenants (p<0,001) ;
- Une durée élevée de suivi (p<0,001) ; - La présence de dyslipidémie (p<0,001).
Le modèle 3 du tableau 33 qui a montré un score de profondeur agrégé non significatif n’a pas été retenu en raison des grandes valeurs de critères d’Akaike, de Schwartz et de Log de vraisemblance restreint -2.
Étant donné que la variabilité inter-groupe est petite par rapport à la variabilité intra-groupe dans le modèle 3 d’analyse multiniveau, le modèle 4 qui intègre les autres variables contextuelles (proximité du CSSS avec un Centre hospitalier, ETC des professionnels, nombre d’années de pratiques des infirmières) n’avait pas d’intérêt.
Il est important de remarquer que plusieurs variables étaient significatives en régression simple (par exemple: maladie ostéoarticulaire, médecin de famille, comorbidité, nombre de visites individuelles). Ces différentes variables deviennent non significatives en régression multiple probablement en raison d’une corrélation avec une autre variable qui demeurera significative dans la régression multiple.
144
Tableau 32 : Facteurs associés au score de prévention dans le programme ASSSÉ; Modèles de régression linéaires, n = 747
Variables propres aux patients
(niveau 1) Béta p Modèle simple
Modèle multiple Béta p
Sexe (référence : femme) 0,021 0,992
Age - -0,171 0,068 Diabète -4,121 0,030 MCV 3,838 0,061 HTA 3,399 0,096 Dyslipidémie 3,624 0,111 è 3,010 <0,001 Cancer 0,558 0,984 Maladies pulmonaires 0,004 0,756 Maladies ostéoarticulaires 0,063 0,004 Problèmes de santé mentale 0,554 0,838 Nombre de maladies chroniques 3,156 <0,001 Médecin de famille 8,420 0,023
IMC 0,264 0,033
Degré de mis en œuvre ASSSÉ :
Score de profondeur 0,972 <0,001 è 0,865 <0,001
Nombre de visites individuelles 1,355 <0,001
Nombre d’intervenants 17,230 <0,001 è 8,180 <0,001
Durée de suivi 1,250 <0,001 è 0,570 0,001
Légende : MCV : Maladie cardiovasculaire ; ASSSÉ : Programme Agir Sur Sa SantÉ ; IMC : Indice de masse corporelle.
Tableau 33 : Facteurs associés au meilleur score de prévention au sein du programme ASSSÉ Modèles multiniveaux, n=747
Paramètres Modèle 1 Modèle 2 Modèle 3
Effets fixes : Béta (valeur p)
Constante, % -0,85 (0,771) -10,00 (0,303)
Variables individuelles :
Dyslipidémie 5,60 (<0,001) 5,57 (<0,001)
Score moyen du degré de mise en
œuvre ASSSÉ : Score de profondeur 0,84 (<0,001) 0,83(<0,001)
Nombre d’intervenants 7,52 (<0,001) 7,55 (<0,001)
Durée de suivi 0,57 (0,001) 0,58 (0,001)
Variables contextuelles :
Score moyen de mise en œuvre ASSSÉ :
Score de profondeur agrégé 0,14 (0,314)
Effets aléatoires : Béta (valeur p)
Niveau 2 (CSSS) :
198,70 (0,090) 14,18 (0,150) 3,56 (0,182)
Variance intergroupe
Niveau 1 :
Variance intragroupe (résidu) 666,11 (<0,001) 315,0 (<0,001) 316,1 (<0,001)
Corrélation intra-classe =23,0 %
Critère d’information d’Akaike 6430,4 6431,4
Critère bayésien de Schwartz 6439,6 6440,6
Log de vraisemblance restreint -2 6426,4 6427,4
Légende : ASSSÉ : Programme Agir Sur Sa SantÉ;
CIC : Corrélation inter-classe = Variance intergroupe / somme des variances inter et intragroupe ; Modèle 1 : modèle vide pour calculer le CIC ;
Modèle 2 comprend les variables de niveau 1 ;
Modèle 3 fait intervenir le score de profondeur d’ASSSÉ de niveau 2.
Le meilleur modèle (2) est celui qui a les plus petites valeurs de critères d’Akaike, de Schwartz et de Log de vraisemblance restreint -2.
146
b) Facteurs associés au meilleur score de la prise en charge du diabète
À la suite du modèle de régression simple, multiple et l’analyse multiniveau, plusieurs variables ont été identifiées comme étant en lien avec le score de prise en charge du diabète dans le programme ASSSÉ (Tableaux 34, Modèle 3 du tableau 35) :
- Un âge élevé (p = 0,011) ;
- La présence de MCV (p = 0,005) ;
- La présence de dyslipidémie (p < 0,001) ;
- Le fait d’avoir un médecin de famille (p = 0,010) ;
- Un score moyen de mise en œuvre du programme ASSSÉ élevé (p < 0,001) ; - Une durée d’exposition au programme, soit la durée élevée de suivi (p < 0,001).
Ici aussi, nous notons que plusieurs variables étaient significatives en régression simple lorsqu’elles existaient seules dans la régression (par exemple: HTA, comorbidités, maladies ostéoarticulaires, nombre de visites individuelles). Ces différentes variables deviennent non significatives en régression multiple.
Tableau 34 : Facteurs associés au score de diabète dans ASSSÉ, Modèles de régression linéaires, n = 429
Variables propres aux patients (niveau 1)
Modèle simple Béta p
Modèle multiple Béta p
Sexe (référence : femme) 4,822 0,032
Âge 0,453 <0,001 è 0,320 0,001 MCV 10,202 <0,001 6,403 0,006 HTA 7,497 0,006 Dyslipidémies 13,631 <0,001 è 7,000 0,009 Cancer 5,857 0,118 Maladies pulmonaires 0,355 0,899 Maladies ostéoarticulaires 7,025 0,006 Problèmes de santé mentale -2,803 0,339 Nombre de maladies chroniques
(comorbidité)
3,279 0,001
Médecin de famille 11,312 0,001 è 7,136 0,011
Fumeur -4,521 0,118
IMC -0,275 0,203
Score moyen de mise en en œuvre ASSSÉ : Score de profondeur
0,192 <0,001 è 0,185 <0,001
Nombre de visites individuelles 0,863 <0,001
Nombre d’intervenants 1,892 0,312
Durée de suivi 1,196 <0,001 è 1,096 <0,001
Légende : MCV : Maladie cardiovasculaire ; ASSSÉ : Programme Agir Sur Sa SantÉ ; IMC : Indice de masse corporelle.
148
Tableau 35 : Facteurs associés au meilleur score de diabète au sein du programme ASSSÉ Modèles multiniveaux, n=429
Paramètres Modèle 1 Modèle 2 Modèle 3
Effets fixes : Béta (valeur p)
Constante 31,79 (<0,001) 41,53 (0,100) Variables individuelles : Âge 0,22 (0,011) 0,22 (0,011) MCV 5,97 (0,005) 5,96 (0,005) Dyslipidémie 8,88 (<0,001) 8,89 (<0,001) Médecin de famille 6,62 (0,010) 6,66 (0,010) Durée de suivi 0,99 (<0,001) 0,99 (<0,001)
Degré de mise en œuvre ASSSÉ :
Score de profondeur 0,21 (<0,001) 0,21 (<0,001)
Variables contextuelles :
Score moyen de mise en œuvre ASSSÉ : Score de profondeur agrégé
- 0,14 (0,645)
Effets aléatoires : Béta (valeur p)
Niveau 2 (CSSS) :
88,35 (0,103) 75,36 (0,101) 86,27 (0,132)
Variance intergroupe
Niveau 1 :
Variance intragroupe (résidu) 449,95 (<0,001) 335,91 (<0,001) 335,97 (<0,001)
Corrélation intra-classe =16,4 %
Critères d’informations
Critère d’information d’Akaike 3737,9 3738,3
Critère bayésien de Schwartz 3746,1 3746,5
Log de vraisemblance restreint -2 3733,9 3734,4
Légende : ASSSÉ : Programme Agir Sur Sa SantÉ ; CIC : Corrélation intra-classe= Variance intergroupe / somme des variances inter et intragroupe ;
Modèle 1 : Modèle vide pour calculer le CIC ; Modèle 2 comprend les variables de niveau 1 ;
Modèle 3 fait intervenir le score de profondeur d’ASSSÉ de niveau 2.
Le meilleur modèle (2) est celui qui a les plus petites valeurs de critères d’Akaike, de Schwartz et de
c) Facteurs associés au meilleur score de la prise en charge de la MCV
D’après le modèle de régression simple, multiple et l’analyse multiniveau, plusieurs variables ont été identifiées comme étant en lien avec le score de prise en charge de la MCV dans le programme ASSSÉ (Tableau 36, Modèle 3 du tableau 37) :
- La présence de l’HTA (p < 0,001) ; - La présence de dyslipidémie (p = 0,011) ;
- Le fait d’avoir un médecin de famille (p = 0,002) ; - Le nombre de visites individuelles (p < 0,001) ;
- Un score moyen de mise en œuvre du programme ASSSÉ élevé (p < 0,001).
En vue des résultats du tableau 38, les modèles 2 et 3 sont très peu différents en considérant les résidus et les critères d’informations (AIC, BIC, Log-2). On pourrait conclure qu’en ajustant pour le score de profondeur agrégé (modèle 3), il n’y a pas de plus-value. Ici aussi, étant donné que la variabilité inter-groupe est petite par rapport à la variabilité intra-groupe dans le modèle 3 d’analyse multiniveau, le modèle 4 qui intègre les autres variables contextuelles (proximité du CSSS avec un Centre hospitalier, ETC des professionnels, nombre d’années de pratiques des infirmières) n’avait pas d’intérêt.
Nous notons aussi que plusieurs variables étaient significatives en régression simple (par exemple ; maladies ostéoarticulaires, comorbidités, durée de suivi, nombre d’intervenants). Ces différentes variables deviennent non significatives en régression multiple.
150
Tableau 36 : Facteurs du score de la MCV dans le programme ASSSÉ, Modèles de régression linéaires, n = 289
Variables propres aux patients (niveau 1) Béta p Modèle simple Modèle multiple Béta p
Sexe (référence : femme) -1,389 0,628
Âge - -0,089 0,535 Diabète 4,941 0,083 HTA 24,459 <0,001 è 18,104 <0,001 Dyslipidémie 32,492 <0,001 è 20,847 <0,001 Cancer - 2,323 0,642 Maladies pulmonaires -2,37 0,473 Maladies ostéoarticulaires 6,69 0,035 Problème de santé mentale 4,892 0,210 Nombre de maladies chroniques
(comorbidités)
4,533 <0,001
Médecin de famille 12,113 0,001 è 9,872 0,011
Fumeur -4,443 0,219
IMC 0,299 0,280
Score moyen de mise en œuvre ASSSÉ : Score de profondeur
0,402 <0,001 è 0,287 <0,001
Nombre de visites individuelles 1,355 <0,001 è 1,109 <0,001
Nombre d’intervenants 9,600 <0,001
Durée de suivi 1,475 <0,001
Légende : MCV : Maladie cardiovasculaire ; ASSSÉ : Programme Agir Sur Sa SantÉ ; IMC : Indice de masse corporelle
Tableau 37 : Facteurs en lien avec un meilleur score de MCV au sein du programme ASSSÉ,
Modèles multiniveaux, n=289
Paramètres Modèle 1 Modèle 2 Modèle 3
Effets fixes : Béta (valeur p)
Variables individuelles :
Constante 44,85 (<0,001) 63,53 (0,003)
HTA 16,70 (<0,001) 16,51 (<0,001)
Dyslipidémie 19,74 (0,011) 19,49 (0,011)
Médecin de famille 11,23 (0,003) 11,56 (0,002)
Nombre de visites individuelles 1,15 (<0,001) 1,13 (<0,001)
Degré de mise en œuvre ASSSÉ :
Score de profondeur 0,36 (<0,001) 0,38 (<0,001)
Variables contextuelles :
Score moyen de mise en
œuvre ASSSÉ : Score de profondeur agrégé - 0,29 (0,167) Effets aléatoires : Béta (valeur p) Niveau 2 (CSSS) : 23,04 (0,223) 35,74 (0,154) 29,34 (0,186) Variance inter-groupes Niveau 1 :
Variance intra-groupes (résidu) (<0,001) 560,32
298,88 (<0,001) 298,62 (<0,001) Corrélation intra-classe = 3,9 %
Critère d’information d’Akaike 2234,981 2234,262
Critère bayésien de Schwartz 2242,071 2241,344
Log de vraisemblance restreint -2 2230,981 2230,262 Légende : ASSSÉ : Programme Agir Sur Sa SantÉ ; HTA : Hypertension artérielle ;
Modèle 1 : Modèle vide pour calculer le CIC ; Modèle 2 comprend les variables de niveau 1 ;
Modèle 3 fait intervenir le score de profondeur d’ASSSÉ de niveau 2 ;
Le meilleur modèle (3) est celui qui a les plus petites valeurs de critères d’Akaike, de Schwartz et de Log de vraisemblance restreint -2.