Traitement des données

5.5.3.1. Données d’activités physiques

En prélude au traitement de données, le masque de saisie conçu dans Microsoft Access était adapté à recevoir l’ensemble des informations des rappels de l’activité physique. Chaque activité saisie avait son équivalent dans le guide pour les activités physiques [318]. On pouvait ainsi directement faire correspondre l’activité accomplie à la dépense énergétique équivalente exprimée en équivalent métabolique (METs) [voir Tableau VII]. Les activités saisies pouvaient être classées en trois groupes principaux : occupation, transport et loisirs. A l’aide du guide pour la classification des activités physiques [318], nous avons réparti les activités à l’intérieur de chaque groupe en trois catégories selon leur niveau d’intensité exprimée en METs : légère/sédentaire (< 3.0 METs); modérée (3,0 ≤ METs ≤ 6,0 METs); et vigoureuse/intense (> 6.0 METs). Ainsi, pour chaque rappel d’activités, on avait le nombre d’heures de travail (intense, modéré ou sédentaire), le nombre d’heures de transport (intense, modéré ou sédentaire) et le

nombre d’heures de loisirs (intense, modéré ou sédentaire). La moyenne d’heures journalière pour chaque catégorie d’activités selon le niveau d’intensité était obtenue en faisant la somme des activités de même catégorie et de même intensité divisé par le nombre total des rappels (2 ou 3 selon les cas). Nous avons par la suite calculé le nombre moyen d’heures d’activités de même intensité accomplies quotidiennement par le sujet, en faisant la somme des heures des activités de même intensité :

- Heures moyennes d’activités intenses/vigoureuses = Heures moyennes d’occupation intense + heures moyennes de transport intense + heures moyennes de loisirs intenses;

- Heures moyennes d’activités modérées = Heures moyennes d’occupation modérée + heures moyennes de transport modéré + heures moyennes de loisirs modérés ;

- Heures moyennes d’activités légères/sédentaires = Heures moyennes d’occupation légères + heures moyennes de transport légers + heure moyennes de loisir légers ou sédentaires.

Pour déterminer le niveau d’activité physique selon la recommandation de l’OMS de pratiquer des activités d’intensité au moins modérées pendant au moins 30 minutes par jour [422], nous avons fait la somme des heures moyennes d’activité modéré et intense que nous avons par la suite convertie en minutes. Ainsi, les sujets ayant moins de 30 minutes ont été considérés comme inactifs à l’opposé de ceux qui avaient 30 minutes et plus, considérés comme actifs.

Tableau VII: Exemple d’activités sélectionnées dans chaque catégorie selon le niveau d’intensité Intensité en MET Activité Intense (> 6 MET) Modérée (3.0 ≤ MET≤ 6) Légère/sédentaire (< 3.0 MET) Occupation /emploi Maçonnerie, agriculture, menuiserie manuelle, athlétisme professionnel, football professionnel, Enseignement, pêche, chasse, gardiennage, charpenterie, électricité bâtiment, mécanique auto

Vente, lecture, travail de bureau, électronique

Transport Bicyclette Marche Moto, voiture, pirogue

Loisir

Football, jogging, course, basketball, tambour, danse de type ballet

Danse, gymnastique, exercices modérés

TV, cartes, Ludo et autres jeux de société

5.5.3.2. Données alimentaires

Le traitement des données alimentaire s’est fait en plusieurs étapes. Tout d’abord, avant la saisie de données, nous avons, à partir des fiches des rappels de 24 heures, repéré les mets et aliments composés pour en déterminer la composition en aliments simples avec l’aide de livres de recettes [434, 435] et de l’expertise culinaire locale des assistants et des cuisinières/vendeuses d’aliments de rue consultées pour la standardisation des recettes. Ainsi, les données ont été saisies comme aliments simples. Les quantités consommées ont été mesurées à l’aide d’ustensiles culinaires locaux ou du coût d’achat au détail de l’aliment. Toutes les quantités ont été estimées en grammes (g) (en millilitres pour les boissons pures, et converties en grammes). La conversion des apports alimentaires en nutriments a été faite à l’aide de la table de composition internationale ‘WorldFood’ [411] et d’autres tables de composition de la sous-région, notamment du Mali [412] et du Nigéria [413] dans lesquels les apports nutritifs sont données pour 100 g de l’aliment considéré. Ainsi, la quantité de nutriments ingérée par chaque individu et à chaque repas a été obtenue en multipliant le poids de l’aliment ingéré (g) par la quantité de chaque nutriment fournie dans la table de composition, le tout divisé par 100.

L’apport moyen en grammes pour chaque groupe d’aliments a été obtenu en additionnant les apports de tous les rappels pour le même groupe et le même sujet, puis en divisant par 2 ou 3 selon le nombre des rappels.

• Ajustement de données avec C-SIDE

L’estimation des apports nutritionnels habituels pour un individu est délicate, car, en plus de la distribution des nutriments souvent très asymétrique, d’énormes variations existent dans les apports d’un même individu selon le jour de la semaine, le mois de l’année ou la saison considérée. Pour minimiser ces variations intra-individuelles des apports et normaliser les données, Nusser et al.[436, 437] proposent une méthode qui combine la puissance des transformations et des régressions non paramétriques. Cette méthode a été intégrée dans le logiciel C-SIDE (Software for Intake Distribution Estimation) v.1.0 de l’Université d’Iowa (États-Unis) [438] pour l’estimation des

apports nutritionnels habituels. Ce logiciel permet donc de réduire la variation intra- individuelle des apports et de normaliser les données en plusieurs étapes [439]. D’abord, le logiciel procède à un ajustement initial de données par régression en prenant en compte divers paramètres tels que les interviewers, le nombre de jours entre les rappels, le jour de la semaine, de manière à avoir une variance égale pour l’ensemble des jours de rappel en prenant le premier jour comme référence. Ensuite, le logiciel procède à une transformation semi-paramétrique des données de manière à les normaliser et estime les variances inter et intra-individuelles, puis homogénéise les variances intra-individuelles pour estimer la distribution des apports habituels sur une échelle de normalité. Après cette étape, le logiciel procède à une autre transformation (inverse) pour revenir à la structure originale des données en prenant en compte les divers ajustements effectués. Ainsi, on obtient une seule valeur des apports pour l’ensemble des jours de rappel.

Nos données sur les apports nutritionnels ont été ajustées avec C-SIDE en prenant en compte les aspects suivants :

- le jour de l’enquête (1 à 7; 1 = lundi et 7= dimanche); - le nombre de rappels (2 ou 3);

- le rang du rappel (1 = 1er _{rappel, 2 = 2}e _{rappel et 3 = 3}e _rappel);

- le nombre de jours entre le premier rappel et les rappels subséquents - l’interviewer (1 = 1er assistant et 2 = 2e assistant);

- le jour de grand marché (0 = pas de marché, 1 = jour de marché)

Nous avons tenu compte du jour de l’enquête en raison des différences potentielles dans l’alimentation entre les jours de semaine, qui sont aussi des jours de travail, et les fins de semaine, au cours desquelles les repas peuvent être plus consistants, pris à domicile ou en milieu familial.

Nous avons ajusté pour le nombre de rappels parce que le troisième rappel n’a été effectué que sur 30% des sujets et que cet ajustement est nécessaire pour éviter que ceux qui ont trois rappels paraissent avoir des apports différents.

Étant donné que nous avions fait plusieurs rappels, il était important de tenir compte du rang de rappel pour réduire la variance intra-individuelle des répondants, sachant que

leurs réponses pouvaient varier d’un rappel à un autre en fonction de leur attitude et habileté à répondre aux questions posées, ou de leur connaissance de la méthode utilisée pour les rappels postérieurs au premier.

De même, nous avons tenu compte du nombre de jours entre les rappels pour minimiser la variance liée à cet aspect. Un exemple illustrant cet aspect est la différence pouvant exister chez un salarié mensuel (moyen ou pauvre) entre l’alimentation des jours suivant la perception du salaire (début du mois) et la dernière semaine avant le prochain salaire.

Nous avons également ajusté pour l’interviewer afin de réduire les variances liées à la personne qui administre le rappel.

Enfin, l’ajustement pour le jour du marché repose sur le fait que, plusieurs personnes passent leur journée au marché ce-jour là, ou achètent des aliments à meilleur coût, ce qui peut influencer les apports et la qualité de l’alimentation.

• Construction du DQI-I

La construction du DQI-I (Diet Quality Index International) a été faite en plusieurs étapes. Sachant que les apports alimentaires sont en grammes, nous avons tenu d’abord à les convertir en portions et à déterminer le nombre de portions ingérées comme le veut le DQI-I, notamment pour certains aspects des composantes ‘variété’ et ‘adéquation’. Pour ce faire, nous avons sélectionné pour chaque rappel, les différents groupes d’aliments pour lesquels il fallait déterminer les portions, en l’occurrence, les céréales, fruits, produits laitiers, légumes, œufs, viandes, poissons, volailles et légumineuses. Nous avons par la suite identifié les aliments appartenant à ces groupes dans notre base de données, puis repéré ces mêmes aliments ou leur proche équivalent dans le fichier canadien sur les éléments nutritifs [440] afin d’en déterminer la quantité correspondant à une portion du Guide alimentaire canadien (GAC) [421]. Après cela, nous avons divisé la quantité (g) ingérée de l’aliment, par la quantité (g) du même aliment correspondant à une portion du GAC pour avoir le nombre de portions ingérées. Les portions de chaque aliment ont été additionnées à l’intérieur de chaque groupe pour avoir le nombre total de portions du groupe pour chaque rappel. Pour un même groupe, les portions du premier rappel ont été additionnées à celles du 2e et 3e rappel, puis

divisées par 2 ou 3 selon le nombre de rappels du sujet. On obtenait ainsi le nombre moyen de portions de chaque groupe pour l’ensemble des rappels et pour chaque sujet. C’est ce nombre de portions qui a été utilisé dans la construction du DQI-I.

Pour estimer l’énergie des ‘aliments à calories vides’ de la composante ‘modération’, nous avons d’abord sélectionné pour chaque rappel alimentaire, les aliments classés dans cette catégorie, en l’occurrence, les huiles et graisses (huiles végétales, beurre, margarine, mayonnaise, sauces grasses), le sucre et les aliments contenant du sucre ajouté (biscuits, chocolat, pâtisseries, sirops, boissons gazeuses et autres sucreries) et boissons alcoolisées locales ou importées (liqueurs, vins, bières). Nous avons par la suite additionné l’apport énergétique de ces aliments dans chaque rappel, puis additionné les résultats de tous les rappels pour un même individu et divisé le tout par 2 ou 3 en fonction du nombre de rappels. On a ainsi obtenu l’apport moyen en énergie venant des aliments à forte densité énergétique denses mais de faible densité nutritionnelle ou ‘aliments à calories vides’.