Une première force de l’étude aura été l’utilisation d’une méthodologie systématique avec la grille standardisée de Law et MacDermid (2008) pour effectuer la cotation des qualités métrologiques des outils d’évaluation de l’accessibilité du domicile. Ceci aura permis d’atteindre avec succès le premier objectif mémoire. Une deuxième force de cette étude réside dans l’utilisation d’un outil fidèle de l’accessibilité domiciliaire, le Housing Enabler, afin de bien documenter l’interaction entre les dimensions de la personne (limitations fonctionnelles) et de l’environnement bâti et répondre aux objectifs 2 et 3 du mémoire . L’utilisation du logiciel a permis de collecter en temps direct à domicile l’ensemble des données pertinentes et de calculer rapidement et facilement les scores et statistiques d’intérêts. L’obtention d’un « Person-Environment Fit Score » et la présentation des barrières architecturales engendrant le plus de pression environnementale ont permis d’établir un portrait du niveau d’adaptation (i.e.accessibilité) des personnes aînées et ainsi d’élargir les objectifs et perspectives pour les recherches futures. De plus, dans leur revue systématique,
92
Wahl et collaborateurs (2009) ont émis comme recommandation d’utiliser des outils de l’environnement domiciliaire dont les qualités métrologiques ont été démontrées afin de permettre une meilleure généralisation et validité des résultats. L’utilisation du Housing Enabler s’étant avérée pratique et aisée, il est suggéré d’y recourir dans de futures recherches et de comparer les résultats obtenus à ceux de la présente étude. À notre connaissance, il s’agit d’une première publication dans laquelle le Housing Enabler a été utilisé au Canada. Une troisième force de l’étude a été l’utilisation conjointe du SenseWear Armband et d’un appareil GPS, qui a permis d’établir quelle était la dépense énergétique au domicile des participantes en contexte écologique. L’utilisation d’un questionnaire sur le niveau d’activité physique aurait été beaucoup plus simple, mais plusieurs réserves avaient été émises quant à l’utilisation de mesures subjectives pour mesurer l’impact potentiel de l’environnement sur la dépense énergétique. D’abord, ces questionnaires (ex : PHONE-FITT, Gill & al. 2008) mettent principalement l’emphase sur la fréquence et la durée des activités pratiquées et l’intensité ressentie, sans précision sur le contexte environnemental (ex : ménage dans une maison comportant trois étages avec escalier VS un 1 ½ pièce situé au sous-sol). De plus, l’utilisation de mesures objectives de la dépense énergétique dans la recherche est recommandée afin d’assurer une meilleure validité des résultats (Hall & al., 2014; Harvey & al., 2015; Shah, Buchman, Leurgans, Boyle & Bennett, 2012). Benzinger et collaborateurs (2014) avaient d’ailleurs utilisé un questionnaire de l’activité physique afin d’établir la relation entre l’environnement bâti domiciliaire et la dépense énergétique de personnes aînées, sans toutefois arriver à une relation significative. Les résultats positifs viennent supporter le choix méthodologique convenu afin de pouvoir identifier, dans le contexte le plus objectif et écologique possible, la relation statistiquement significative entre ces deux variables.
La quatrième force de cette étude est le choix du modèle écologique du vieillissement de Lawton qui permet d’intégrer l’ensemble des variables de l’étude de manière cohérente et qui facilite l’interprétation des résultats, selon l’âge, le degré de compétence de la personne âgée et le type de pression environnementale.
Des limites intrinsèques au projet de recherche ont été rencontrées. Premièrement, la revue systématique s’est limitée aux outils d’évaluation « objectifs » de l’accessibilité domiciliaire
93
avec au moins deux qualités métrologiques évaluées. D’autres outils soumis pour publication (i.e. considéré ici comme la littérature grise) ayant été écartés, cela a pu limiter le choix des outils existants qui auraient pu contribuer à l’atteinte des objectifs de recherche. Une seconde limite réside dans le choix d’une mesure de l’environnement permettant de répondre spécifiquement à l’hypothèse concernant la dépense énergétique. À notre connaissance, il n’existe pas d’outil d’évaluation mesurant spécifiquement l’impact de l’environnement bâti domiciliaire sur la dépense énergétique ou l’activité physique et plusieurs raisons énumérées précédemment justifiaient l’utilisation du Housing Enabler. Cependant, l’utilisation de cet instrument présente certaines limitations spécifiquement en lien avec le domaine de recherche sur la dépense énergétique. D’abord, la grille dichotomique ne permet pas de mesurer la différence d’amplitude pour un obstacle. Par exemple, avoir un escalier comme unique méthode d’accès constitue une seule barrière, peu importe le nombre de marches. Afin d’adresser certaines de ces limitations dans le cadre de l’étude, une grille d’observation a été utilisée conjointement afin d’aller documenter en plus grand détail s les éléments de l’environnement bâti domiciliaire ciblés préalablement par les auteurs (i.e. corridor, escaliers). Aussi, il est possible que la relation entre le nombre de barrières environnementales et la dépense énergétique à domicile aurait été plus importante si les items n’ayant pas d’incidence présumée sur la dépense énergétique était retirés/modifiés des 161 items actuels (i.e. interrupteur trop haut). Ensuite, la version anglophone du Housing Enabler n’a pas été validée au Québec et a été utilisée par l’évaluateur bilingue dont la langue maternelle est le français. Il est possible que cette version présente certaines différences sur le plan des normes d’habitation, ce qui est d’ailleurs le cas pour les quatre pays scandinaves qui ont contribué au développement de l’outil.
Une troisième limitation de l’étude est le faible nombre de participantes pour lesquelles il y avait suffisamment de données de dépense énergétique à domicile, bien que l’échantillon de départ fût élevé (100 candidats). Le recrutement a été effectué auprès de participants de deux études préalables de chercheures de l’équipe de recherche Ecological Mobility in Aging and Parkinson (EMAP), mais leur population n’était pas exactement la même (personnes aînées en santé VS femmes aînées dynapéniques et non-dynapéniques en santé). Afin d’avoir une population homogène et d’éviter d’avoir de trop nombreuses variables confondantes, seules les femmes aînées non-dynapéniques ont été inclues, limitant la population à 50 candidates
94
potentielles. Compte tenu du faible nombre de participantes par rapport au nombre élevé de barrières à évaluer, les critères n’ont pas été atteints pour utiliser certains tests statistiques, notamment les partitions récursives (Strobl, Malley & Tutz, 2009). Ensuite, dans un tel type d’expérience, il était attendu d’avoir quelques pertes de données dues à des problèmes techniques du SenseWear Armband et du GPS ainsi que des oublis des participants. Toutefois, la principale cause menant à la perte de données a été l’inconfort (i.e. irritation cutanée, désagrément) associé au port du SenseWear Armband, puisque des participantes ont arrêté de le porter. Ainsi, le temps mesuré de dépense énergétique à domicile était insuffisant pour 8 des 35 candidates recrutées et le temps mesuré moyen au domicile a été plus faible que ce qui était anticipé. De plus, certaines participantes ont vécu dans d’autres logements que leur domicile (ex : chalet, conjoint, famille) au cours de la période de deux semaines du port du SenseWear Armband et du GPS. Malgré cette limitation, l’hétérogénéité du type d’environnement bâti et des différents quartiers urbains fut satisfaisante. Pour les données GPS, bien que les « clusters » aient présenté avec grande précision le domicile pour plus de 90% des données de localisation, il n’est pas possible de stipuler avec exactitude si la participante était dans son domicile, chez le voisin ou si elle s’était rendue dans un commerce voisin. L’utilisation des « clusters » a donc été très avantageuse pour la collecte et le traitement de données, mais des erreurs potentielles pour quelques géolocalisations près du domicile ne sont pas exclues. Finalement, l’extraction des données de la dépense énergétique à l’intérieur du domicile, minute par minute, s’est avérée une tâche exhaustive, réalisée manuellement par l’étudiant chercheur.