Maladies chroniques au Canada

Volume 31 · supplément 1 · automne 2011
L’utilisation des services de santé dans les régions rurales du Canada

Méthodes

Définition de « rural »

Il n’existe au Canada aucune définition unique et officielle des collectivités « rurales », et un certain nombre de définitions ont été adoptées pour diverses raisons. Dans le cadre de notre projet de recherche, nous avons utilisé la définition de Statistique Canada^{Note de bas de page 20a20a} de « régions rurales et petites villes » (RRPV) dans l’analyse des données secondaires. La catégorie des RRPV désigne la population demeurant en dehors des zones de navettage des grands centres urbains, c’est-à-dire en dehors des régions métropolitaines de recensement (RMR) et des agglomérations de recensement (AR). Nous avons choisi cette définition en grande partie à cause de l’hétérogénéité des régions rurales, ce qui nous a permis de les subdiviser en quatre « zones d’influence métropolitaine » (ZIM) selon leur degré de ruralité. Cette définition tient également compte de la distance aux centres urbains, où nombre des services de santé spécialisés sont localisés.

Prolongement du concept de RRPV, la notion de ZIM a été élaborée par Statistique Canada « pour mieux montrer les effets de l’accessibilité métropolitaine sur les régions non métropolitaines » ^{Note de bas de page 20b,2120b,21}. Les taux de navettage des ZIM sont calculés à l’aide des données de recensement sur les lieux de travail. Cette méthode reconnaît la possibilité d’une « pluralité de centres d’attraction » : on combine les taux de navettage entre une collectivité de la catégorie RRPV et tout grand centre urbain de 10 000 habitants ou plus pour établir le degré d’influence (forte, modérée, faible ou nulle) qu’exercent un ou plusieurs de ces centres sur la municipalité en question^{Note de bas de page 2222}. Cette classification et la méthodologie connexe ont été validées par Statistique Canada à de nombreuses reprises^{Note de bas de page 21b21b}.

Le classement par ZIM permet de distinguer les populations rurales qui ont un accès plus restreint au marché du travail des grands centres urbains de celles qui ont un accès plus facile. La distance entre les collectivités urbaines et rurales est un des principaux déterminants de l’accessibilité. Le taux de navettage de la population active sert à déterminer l’accessibilité à des services de santé et d’enseignement et à des services financiers, gouvernementaux, commerciaux, culturels et sportifs. Ce taux représente l’influence relative qu’exercent un ou plusieurs centres urbains sur une région rurale. Bien que les collectivités rurales comptent, par définition, moins de 10 000 habitants, le classement par ZIM ne tient pas compte des différentes tailles des populations des divers types de collectivité rurale.

Notre étude est fondée sur les catégories géographiques suivantes et le tableau 1 illustre la répartition de la population canadienne selon ces catégories :

• Une région métropolitaine de recensement (RMR) est formée d’un noyau urbain d’au moins 100 000 habitants et de toutes les villes et municipalités voisines dont 50 % ou plus de la population active fait la navette pour travailler dans ce noyau urbain.
• Une agglomération de recensement (AR) est formée d’un noyau urbain de 10 000 à 99 999 habitants et de toutes les villes et municipalités voisines dont 50 % ou plus de la population active fait la navette pour travailler dans ce noyau urbain.
• Une zone d’influence métropolitaine (ZIM) forte est une région où de 30 % à 50 % de la population active fait la navette pour travailler dans une RMR.
• Une ZIM modérée est une région où au moins 5 % mais moins de 30 % de la population active fait la navette pour travailler dans une RMR ou une AR.
• Une ZIM faible est une région où moins de 5 % de la population active fait la navette pour travailler dans une RMR ou une AR.
• Une zone sans influence métropolitaine (ou nulle) est une région où la population active est restreinte (moins de 40 personnes) ou bien une région dont aucun résident ne fait la navette pour travailler dans une RMR ou une AR.

Sources des données et méthodes d’analyse

Nous nous sommes servis dans cette étude des données de l’Enquête sur la santé dans les collectivités canadiennes (ESCC), de l’Enquête sur l’accès aux services de santé (EASS), des demandes de paiement des médecins et de la Base de données sur la morbidité hospitalière (BDMH). Ces sources ont permis d’établir plusieurs indicateurs de l’utilisation des services de santé. Pour chaque indicateur, la catégorie urbaine (RMR-AR) a servi de groupe de référence auquel nous avons comparé les diverses catégories rurales (ZIM).

Enquête sur la santé dans les collectivités canadiennes et Enquête sur l’accès aux services de santé

Les données de l’Enquête sur la santé dans les collectivités canadiennes, 2000-2001 (Cycle 1.1), et de l’Enquête sur l’accès aux services de santé ont été analysées en deux étapes. Nous avons tout d’abord effectué des analyses bidimensionnelles pour examiner les différences entre l’utilisation autodéclarée des services de santé dans les collectivités urbaines et rurales. Les taux pour plusieurs indicateurs ont été calculés en fonction du sexe dans les groupes urbains (RMR-AR) et ruraux (toutes les catégories de ZIM) après normalisation selon l’âge. Dans la présente analyse, cette normalisation s’est faite en fonction de la répartition de la population recensée en 2001. Les données ont été pondérées pour tenir compte du plan de sondage complexe et des non-réponses. La méthode du bootstrap a été employée pour calculer des intervalles de confiance (IC) de 95 %.

Nous avons ensuite effectué des analyses de régression logistique multivariées pour établir la relation entre le lieu de résidence et l’absence de médecin de famille autodéclarée ainsi qu’entre le lieu de résidence et l’hospitalisation. Le but de cette analyse était de vérifier, après avoir pris en compte diverses variables déterminantes de la santé, si le lieu de résidence influe de façon indépendante sur certains résultats. Nous avons fondé le choix de ces déterminants de la santé sur le cadre théorique d’Anderson^{Note de bas de page 2d2d}, mais avons été freinés par le peu d’information sur ces facteurs contenu dans les bases de données consultées. Comme dans le cas de l’analyse bidimensionnelle, les données ont été pondérées pour tenir compte du plan de sondage complexe et des non-réponses. Nous avons employé la méthode du bootstrap pour calculer des intervalles de confiance de 95 %.

Les données de l’ESCC et de l’EASS proviennent d’un échantillon de toutes les subdivisions de recensement (SDR) au Canada. Les deux enquêtes ont été effectuées auprès de personnes de 12 ans et plus (ESCC) ou de 15 ans et plus (EASS), à l’exclusion des personnes vivant dans les réserves indiennes et sur les terres publiques, des résidents d’établissements (p. ex. prisons), des membres à plein temps des Forces canadiennes et des résidents de certaines régions éloignées. Par conséquent, puisqu’à ces régions rurales ou éloignées correspond dans ces enquêtes un nombre inférieur à la réalité de membres de ces sous-populations (particulièrement dans le cas de certaines zones sans influence métropolitaine où se trouvent des réserves indiennes très faiblement peuplées), les résultats pourraient ne pas être représentatifs : il faut éviter de tirer des conclusions sur ces sous-populations à partir des résultats généraux de l’ESCC et de l’EASS.

Demandes de paiement des médecins

L’analyse à l’échelle nationale s’est accompagnée d’une analyse au niveau provincial sur les tendances de l’utilisation des services de santé dans les régions rurales. Nous avons utilisé les données sur la facturation des médecins de Nouvelle-Écosse, d’Ontario et de Colombie-Britannique pour examiner le recours à leurs services au cours des trois périodes de deux ans suivantes : 1997-1998, 1999-2000 et 2001-2002. Dans chacune des trois provinces, les personnes ont été classées selon la méthode des ZIM dans une des cinq catégories géographiques (découpage selon le recensement de 1996 ou celui de 2001) et le lieu de résidence a été défini comme la SDR dans laquelle les personnes vivaient au début de chaque période de deux ans examinée. Ainsi, si un résident d’une zone sans influence métropolitaine a consulté un médecin dans une ZIM faible, nous le considérons dans nos analyses comme faisant partie de la catégorie « ZIM nulle ».

Nous avons calculé le taux de consultation médicale selon le lieu de consultation (c’est-à-dire au cabinet, à la clinique externe ou au service d’urgence) ainsi le taux de consultation des médecins de famille (MF), des médecins spécialistes et des chirurgiens (tableau 2). La catégorie des « médecins de famille » comprend les omnipraticiens et les médecins de famille affectés aux services d’urgence. Les services aux hospitalisés, les soins à domicile, les maisons de soins infirmiers et les services de laboratoire – ainsi que les services associés aux soins hospitaliers – ne font pas partie des calculs.

Une consultation médicale a été définie comme une rencontre entre un médecin et un patient par jour. Une seule consultation serait attribuée à une personne pour laquelle un même médecin ferait de multiples demandes de paiement le même jour et pour le même code de diagnostic de la CIM-9^{Note de bas de page *} . Plusieurs consultations seraient attribuées à une personne pour laquelle plusieurs médecins feraient des demandes de paiement le même jour. Les factures pro forma ont également été incluses dans l’analyse pour prendre en compte certains médecins, surtout dans les régions nordiques ou éloignées, qui n’ont pas été rémunérés à l’acte, mais selon d’autres modes de paiement. Nous avons exclu les résidents d’une province qui consultent dans une autre province et les services offerts aux patients de l’extérieur de la province.

Les données sur les demandes de paiement des médecins sont d’ordre administratif et se limitent donc aux services payés à l’acte ou facturés pro forma. Puisque certains services du médecin ne sont pas détaillés, comme dans le cas des médecins rémunérés selon d’autres modes de paiement, et que les codes de gestion ne permettent pas toujours de distinguer les divers types de services offerts (comme les services de santé mentale), les résultats peuvent ne pas être représentatifs de la réalité.

Nous avons calculé, pour les trois périodes de deux ans, et pour chaque sexe, les indicateurs suivants :

• le taux de consultation auprès des médecins, soit le nombre moyen de consultations auprès de l’ensemble des médecins pour 1 000 résidents de la région;
• le taux de consultation auprès des MF, soit le nombre moyen de consultations auprès des MF pour 1 000 résidents de la région;
• le taux de consultation auprès des spécialistes, soit le nombre moyen de consultations auprès des spécialistes et des chirurgiens pour 1 000 résidents de la région;
• le taux de consultation auprès des médecins selon le type de maladie, soit le nombre moyen de consultations auprès des médecins selon le code de diagnostic de la CIM-9 pour 1 000 résidents de la région.

Tous les taux ont été normalisés selon l’âge en prenant pour référence la structure par âge de la population qui prévalait lors du recensement de 1991. Les ratios des taux ont été calculés à l’aide du taux normalisé selon l’âge de la population dans la RMR-AR. Enfin, nous avons aussi examiné des diagnostics particuliers en fonction de leur pertinence à l’égard des populations rurales et de leur incidence sur la santé de cette population ainsi que selon la disponibilité des données (tableau 3).

Base de données sur la morbidité hospitalière

La Base de données sur la morbidité hospitalière (BDMH), gérée par l’ICIS, contient des données nationales sur les soins de courte durée selon le diagnostic et l’acte médical. Les données sont présentées selon la région où réside le patient et non selon celle où l’hôpital est situé. Elles révèlent ainsi la fréquence à laquelle les résidents d’une région donnée reçoivent des soins médicaux plutôt que le volume des services fournis par chaque hôpital. Les données de la BDMH sont fondées sur les congés accordés par l’hôpital (plutôt que sur les admissions). Seules les personnes vivantes au moment de leur congé sont incluses dans l’analyse : les « congés » des morts-nés et des donneurs décédés sont exclus de la base de données. En sont exclues aussi les interventions d’un jour (telles que les chirurgies d’un jour) et les consultations au service d’urgence. Pour la présente analyse, les données sur les congés des nouveaux-nés ont aussi été exclues.

La BSMH contient les données des exercices de 1994-1995 à 2000-2001 classées selon la CIM-9 et la CCA^{Note de bas de page **  Note de bas de page †}. En 2000-2001, les établissements du Yukon, de la Nouvelle-Écosse, de l’Île-du-Prince-Édouard et de Terre-Neuve-et-Labrador, et certains établissements de la Saskatchewan, sont passés à la CIM-10-CA^{Note de bas de page ‡}  et à la CCI^{Note de bas de page §} . Par conséquent, à partir de 2001-2002, la base de données contient des données classées selon les deux systèmes.

Nous avons extrait de la BDMH les données sur les congés des établissements de la Nouvelle-Écosse, de l’Ontario et de la Colombie-Britannique ainsi que de l’ensemble du Canada, à l’exception du Québec^{Note de bas de page ll} . Les données ont fait l’objet d’une analyse de cohorte et ont été extraites suivant le code de diagnostic selon lequel elles ont été communiquées (CIM-9 ou CIM-10-CA). L’incidence de l’utilisation de systèmes de classification différents sur les tendances rurales et urbaines nationales demeure inconnue pour l’instant. La CIM-10-CA se distingue de la CIM-9 à plusieurs égards, le premier système étant plus détaillé que le second. Nous avons appliqué le découpage géographique correspondant au recensement de 1996 aux données de 2001-2002 (du 1^er avril 2001 au 31 mars 2002) que nous avons extraites. Le lieu de résidence en milieu rural a été établi selon les ZIM définies plus haut.

Les taux de congé et les données sur la durée de l’hospitalisation sont fondés sur le nombre de congés correspondant à des soins de courte durée au Canada en 2001-2002. Si une personne a été admise plus d’une fois dans un établissement de soins de courte durée et a obtenu son congé, elle sera comptée plus d’une fois. En outre, nous avons calculé les taux de congé de divers types de maladies suivant les codes de diagnostic de la CIM-9. Les sections où ces codes sont utilisés ont été produites en fonction de critères d’extraction de données portant sur le « diagnostic principal ». Pour qu’un diagnostic particulier réponde à ces critères, il doit être consigné dans la base de données sur les congés des patients comme étant la raison principale pour laquelle le patient a été hospitalisé. Tous les indicateurs ont été normalisés selon le sexe et selon l’âge en prenant pour référence la population au moment du recensement de 1991. La signification statistique des taux de congé des établissements de soins de courte durée a été vérifiée au moyen de la méthode de Byar et est fondée sur l’hypothèse d’une distribution de Poisson^{Note de bas de page 2323}.

Notes statistiques générales

Tout au long du présent rapport, les estimations sont fournies avec des intervalles de confiance (IC) à 95 %. Les statistiques doivent être considérées comme significatives si les intervalles de confiance à 95 % ne se chevauchent pas. Les taux décrits comme étant « significativement différents » sont différents au sens statistique avec un intervalle de confiance à 95 %. Comme la faible population de certaines ZIM faibles et nulles limite parfois la quantité de données pour calculer les taux, le degré d’incertitude lié à ces taux est plus élevé dans ces zones que dans les régions plus peuplées (c’est-à-dire les RMR et les AR). Par conséquent, les intervalles de confiance ont été calculés et les taux présentés de façon à ce que le degré d’incertitude soit clairement énoncé. Ces intervalles de confiance ne décrivent pas l’incertitude associée au biais potentiel, par exemple l’incertitude dans l’identification exacte des SDR.

Le premier découpage géographique retenu dans l’analyse est celui du recensement de 1996, car c’est celui dont nous disposions au début de la recherche. Les différences de découpage entre les recensements présentes dans les diverses analyses du rapport résultent du décalage entre ces analyses. Par exemple, les demandes d’accès aux données sur la facturation des médecins de Colombie-Britannique et à celles de la BDMH ont été effectuées au début du projet. Par ailleurs, une comparaison a permis d’établir qu’il était beaucoup plus judicieux de cerner les lieux géographiques de la Nouvelle-Écosse grâce aux frontières du recensement de 2001 (2 % des SDR n’avaient pas de code) plutôt qu’à celles du recensement de 1996 (environ 18 % des SDR n’avaient pas de code). Nous avons mis cela sur le compte de la création de nouveaux codes postaux au cours de la période suivant la définition des limites géographiques du recensement de 1996. Dans la mesure du possible, les données extraites ultérieurement et les analyses dont elles ont fait l’objet ont pris en compte les frontières du recensement de 2001.

Enfin, comme la présente publication nomme diverses sources, il faut faire preuve de circonspection dans la comparaison des données de ces sources, car elles pourraient porter sur des concepts différents même si elles relèvent d’un même ensemble.