ARCHIVÉ - Enfants du début du primaire : niveaux de développement et consommation prénatale d’alcool et de tabac par la mère et exposition postnatale à la consommation d’alcool et de tabac

4. Analyse des données

4.1 Analyse des données – Partie 1: analyse de covariance

On a procédé à une analyse de covariance pour ausculter les 79 mesures relatives au niveau de développement de l’enfant, se servant de la consommation d’alcool et de l’usage du tabac chez la mère pendant la grossesse comme étant les deux variables indépendantes. Le principe général de l’analyse de covariance consiste à se servir de méthodes statistiques pour amener les groupes à un niveau commun en vue de permettre les comparaisons entre les groupes. Les mesures dont on s’est servi comme covariables dans ces analyses sont celles qui étaient susceptibles d’insérer un biais dans les résultats en raison de facteurs autres que le tabagisme et la consommation d’alcool pendant la grossesse. En tenant compte de ces mesures dans les analyses, on a appliqué des contrôles statistiques pour supprimer tout biais que ces variables auraient pu produire sur les différences entre les groupes. L’Annexe 2 présente une liste complète des mesures utilisées comme covariables dans ces analyses, notamment le revenu familial, le niveau de scolarité de la mère, le statut d’immigrant, la langue parlée à la maison et la monoparentalité.

En nivelant statistiquement les variables établies comme covariables aux fins de l’étude des quatre groupes établis en fonction du niveau de consommation d’alcool et de tabac pendant la grossesse, il devenait alors possible de comparer, avec un niveau de confiance accru, les résultats moyens de chaque groupe. Nous avons comparé les moyennes au moyen de techniques statistiques qui réfrénaient notre tentation de nous arrêter à de faux résultats qui auraient été favorables à nos hypothèses.

4.1.1 Signification statistique

Une pratique courante de l’analyse statistique consiste à rendre compte des résultats en indiquant leurs niveaux de signification, ou valeurs p. Dans les présentes analyses, le niveau de signification (valeur p) représente la probabilité que les différences observées d’un groupe à l’autre ne soient dues qu’à des facteurs aléatoires. Si la valeur p est faible, c.-à-d. de 0,01 ou moins, nous pouvons conclure qu’il est probable que les différences observées d’un groupe à l’autre soient causées par le fait que les mères ont consommé de l’alcool ou non pendant leur grossesse, plutôt que d’être dues au hasard. Si la valeur p est de 0,01 ou moins, nous pouvons conclure que les différences observées d’un groupe à l’autre sont statistiquement significatives. Lorsque les résultats sont statistiquement significatifs, on peut alors faire des affirmations à la manière des sondages d’opinion publique : les résultats sont exacts 99 fois sur 100 quand nous affirmons que les moyennes de chaque groupe sont effectivement différentes, c.-à-d. que ces différences ne sont pas dues au hasard. Nous avons choisi une valeur p prudente, soit 0,01, en raison du grand nombre de tests auxquels l’étude se réfère.

4.1.2 Ampleur de l’effet

L’ampleur de l’effet sert à indiquer, de façon normalisée, dans quelle mesure il existe des différences d’une moyenne à l’autre pour chacune des différentes variables. Un des problèmes qui découlent du recours à de nombreuses mesures différentes est le fait que les nombres utilisés décrivent différentes réalités d’une mesure à l’autre. Une différence de 10 points a une signification particulière lorsqu’elle s’applique à la dépression, mais elle porte une autre signification lorsque la mesure décrit le quotient intellectuel. En vue de produire des nombres qui ont la même signification d’une mesure à l’autre, on a calculé une valeur statistique appelée ampleur de l’effet (ou valeur statistique d). Lorsqu’on compare deux groupes d’enfants, la valeur statistique d permet d’exprimer la différence constatée d’un groupe à l’autre au moyen d’unités déterminées par la dispersion des résultats des enfants au sein de leur groupe respectif. On obtient ainsi une métrique commune qui s’applique à toutes les mesures et qui permet effectivement de « comparer des pommes et des oranges ».

4.1.3 Processus d’analyse

On a analysé les mesures des niveaux de développement des enfants de trois façons différentes. Les enfants des mères fumeuses ont d’abord fait l’objet de comparaisons avec les enfants de mères non fumeuses. Ainsi a-t-on pu comparer les enfants exposés au tabac pendant la grossesse. La deuxième analyse a permis de comparer les niveaux de développement chez les enfants dont la mère était une consommatrice à haut risque avec celui des enfants dont la mère était une consommatrice à faible risque. Une troisième analyse a permis de comparer les niveaux de développement chez les enfants dont la mère était à la fois fumeuse et une consommatrice à haut risque avec celui des enfants dont la mère était non fumeuse et une consommatrice d’alcool à faible risque. Ainsi a-t-on pu évaluer les niveaux de développement des enfants exposés au tabac et à de fortes doses d’alcool pendant leur gestation.

4.2 Seconde analyse des données : la modélisation en équations structurelles

Aux fins de l’analyse, au moyen de la modélisation en équations structurelles (MES), de la relation entre les mesures de la consommation d’alcool et de tabac par la mère pendant la grossesse et les comportements ultérieurs en matière d’intériorisation et d’extériorisation, on a limité l’analyse à quatre mesures relatives à la consommation d’alcool et de tabac (ainsi qu’à deux produits arithmétiques de ces mesures), à quatre mesures relatives aux comportements d’extériorisation et à deux mesures relatives aux comportements d’intériorisation recueillis auprès des enseignants des enfants, ainsi qu’aux mêmes mesures recueillies auprès des parents.

On a effectué la première collecte de données auprès des mères, trois mois après l'accouchement, relativement à leur consommation de tabac et d'alcool. Il s'agit des mêmes mesures que celles qui sont décrites dans le tableau 1, auxquelles on a attribué des codes selon un partage en deux classes (c.-à-d. consommation d'alcool à haut risque par opposition à une absence de consommation d'alcool à risque et une consommation de tabac par opposition à une abstention du tabac). Il s'agit des mesures décrites au Tableau 1, auxquels un code a été attribué de façon dichotomique. On s'est servi du produit de ces deux mesures comme troisième variable, sensible à une inter­action entre le tabac et l'alcool. Il faut toutefois prendre note que ce produit attribue aux non fumeuses et à celles qui se sont abstenues d'alcool le même pointage que les fumeuses qui se sont abstenues de l'alcool et les consommatrices d'alcool qui n'ont pas fumé. Les cas portant sur une seule substance ont donc été soumis à l'analyse au moyen de la MES, alors que l'analyse de covariance décrite ci-devant ne les a pas abordés.

4.2.1 Mesures selon la notation du parent

4.2.2 Mesures selon la notation des enseignants

Lors de cette première collecte, lorsque les enfants étaient âgés de 33 mois, on a aussi recueilli des données sur la consommation d’alcool et de tabac au domicile (à titre d’indication de l’exposition à la fumée secondaire). On a attribué un pointage dichotomique et on a calculé le produit. Il en a résulté six mesures de comportement par rapport à la consommation d’alcool et de tabac, dont trois ont fait l’objet d’une collecte à chacun des deux cycles.

Lorsque les enfants étaient en 3^e année scolaire, on a finalement procédé à une collecte d’un vaste éventail de mesures du comportement des enfants et de leur fonctionnement sur les plans social et émotionnel, tel que décrits ci-devant. On a sélectionné six mesures déclarées par les parents et six autres mesures déclarées par les enseignants, toutes susceptibles d’estimer les comportements d’extériorisation et d’intériorisation chez les enfants. La section suivante présente la liste de ces mesures.

4.2.3. Procédure

Les chercheurs ont appliqué des contrôles au niveau des covariables décrites ci-devant, en calculant une variance résiduelle rajustée pour les variables (12 mesures) fournies par les parents et les enseignants des enfants de 3^e année.

On a procédé à une analyse des données à l’aide du logiciel AMOS 17.0 (Progiciel de statistiques pour les sciences sociales; Lévesque, 2009). Le logiciel AMOS ne possède aucune fonction pour la suppression par paire ou par liste, mais il est capable de traiter les cas incomplets au moyen d’une méthode appelée « vraisemblance maximale des renseignements complets » (VMRC) appelée aussi vraisemblance maximale des données brutes). Les cas incomplets ont donc été traités à l’aide de cette technique. Cette technique permet de créer un échantillon de taille indéfinie, car seulement 177 répondants, sur un total de 502, avaient complètement rempli le questionnaire pour chacune des 18 variables. La suppression classique par liste aurait limité l’analyse aux renseignements fournis par les 177 répondants qui avaient complètement rempli le questionnaire. La procédure fondée sur la vraisemblance maximale se sert de tous les renseignements fournis par les 502 répondants, en évaluant les biais qui découlent de la procédure. Cette technique se révèle plus efficace en raison du caractère aléatoire des renseignements manquants.

Afin de simplifier le processus, on a scindé en différents segments l’analyse effectuée par MES. Un segment a permis de modéliser les relations entre les mesures concernant la consommation d’alcool et de tabac, alors qu’un autre segment abordait les mesures d’intériorisation et d’extériorisation.