Modélisation de l'efficacité de la prévention pour estimer le point de bascule de l'équité : quelle couverture des interventions préventives individuelles permet de réduire les effets des disparités socioéconomiques relatives au risque de diabète? - MCBC : Vol 34, No 2-3, juillet 2014

Volume 34 · numéro 2-3 · juillet 2014

Modélisation de l'efficacité de la prévention pour estimer le point de bascule de l'équité : quelle couverture des interventions préventives individuelles permet de réduire les effets des disparités socioéconomiques relatives au risque de diabète?

D. G. Manuel, M. Sc., M.D. (1, 2, 3, 4, 5); T. H. Ho, M. Sc. (1); S. Harper, Ph. D. (6); G. M. Anderson, M.D., Ph. D. (1, 7); J. Lynch, Ph. D. (8, 9); L. C. Rosella, Ph. D. (1, 2, 10)

https://doi.org/10.24095/hpcdp.34.2/3.04f

Cet article a fait l'objet d'une évaluation par les pairs.

Rattachement des auteurs :

  1. Institut de recherche en services de santé, Toronto (Ontario), Canada
  2. École de santé publique Dalla Lana, Université de Toronto, Toronto (Ontario), Canada
  3. Institut de recherche de l'Hôpital d'Ottawa, Ottawa (Ontario), Canada
  4. Statistique Canada, Ottawa (Ontario), Canada
  5. Département de médecine familiale et Département d'épidémiologie et de médecine communautaire, Université d'Ottawa, Ottawa (Ontario), Canada
  6. Département d'épidémiologie, de biostatistique et de santé au travail, Université McGill, Montréal (Québec), Canada
  7. Département de gestion et d'évaluation des politiques de santé, Université de Toronto, Toronto (Ontario), Canada
  8. School of Population Health and Clinical Sciences, Université d'Adelaide, Adelaide, Australie
  9. Department of Social and Community Medicine, Université de Bristol, Bristol, Royaume-Uni
  10. Santé publique Ontario, Toronto (Ontario), Canada

Correspondance : Douglas G. Manuel, Institut de recherche en santé d'Ottawa, immeuble des services administratifs 1-008, 1053, avenue Carling, Ottawa (Ontario) K1Y 4E9; tél. : 613-798-5555, poste 19108; téléc. : 613-761-5492; courriel : dmanuel@ohri.ca

Résumé

Introduction : La plupart des traitements préventifs individuels peuvent atténuer ou renforcer les disparités en santé selon leur efficacité différentielle dans la collectivité en fonction du statut socioéconomique (SSE). Le point de bascule de l'équité — défini comme le point à partir duquel les disparités en santé augmentent — se calcule en faisant varier les composantes de l'efficacité dans la collectivité, par exemple le risque de base de la maladie, la couverture des interventions ou l'efficacité de ces dernières, en fonction du SSE.

Méthodologie : Nous avons utilisé une méthode simple de modélisation pour estimer l'efficacité de la prévention du diabète dans la collectivité au Canada selon le SSE selon divers scénarios de couverture d'intervention.

Résultats : Le risque de base de diabète à cinq ans variait de 1,76 % entre le groupe ayant le revenu le plus faible et celui ayant le revenu le plus élevé. Lorsqu'on supposait que la couverture était complète dans toutes les tranches de revenu, l'écart diminuait, passant à 0,90 % (prévention de 144 000 cas) à la suite d'interventions sur le mode de vie et à 1,24 % (prévention de 88 100 cas) au moyen de la pharmacothérapie. Le point de bascule de l'équité a été estimé comme étant un écart de couverture de 30 % dans le cas des interventions de prévention (100 % de couverture dans le groupe ayant le revenu le plus élevé et 70 % de couverture dans le groupe ayant le revenu le plus faible).

Conclusion : Les disparités relativement au risque de diabète pourraient être sensiblement réduites si les interventions étaient adoptées de manière égale dans tous les groupes indépendamment du SSE. Cependant, les disparités en matière de couverture sont susceptibles d'entraîner une plus grande inégalité du risque. Des méthodes simples de modélisation peuvent servir à déterminer l'efficacité des interventions de prévention individuelles dans la collectivité et leur potentiel à réduire (ou augmenter) les disparités. Le point de bascule de l'équité peut être utilisé comme seuil critique dans l'analyse des disparités.

Mots-clés : inégalités, santé publique, évaluation des incidences sur la santé, diabète

Introduction

Le rôle du traitement préventif individuel dans la réduction des disparités en matière de santé est actuellement l'objet de débats. D'une part, ces disparités peuvent être atténuées lorsque les effets relatifs d'un traitement sont constants dans le spectre des risques sous-jacentsNote de bas de page 1, Note de bas de page 2, Note de bas de page 3. Si cette hypothèse se vérifiait, l'efficacité absolue des interventions en santé dans la collectivité serait plus importante dans les groupes défavorisés que dans les autres groupes, car les groupes défavorisés présentent généralement un risque de base plus élevé. Par conséquent, si les personnes dont le statut socioéconomique (SSE) est le plus bas réalisaient des gains en bénéfices absolus plus importants que celles dont le SSE est le plus élevé, alors les disparités qui existent entre elles s'amenuiseraientNote de bas de page 1.

D'autre part, on ne peut présumer de la constance de l'efficacité des interventions, et, par ailleurs, la couverture des interventions est souvent inéquitable. La couverture d'une intervention, soit la proportion de la population cible qui adopte cette intervention, dépend des facteurs ayant une incidence sur l'adoption de cette intervention comme l'exactitude avec laquelle on a déterminé la population cible, le taux de participation à l'intervention et l'adhésion des consommateursNote de bas de page 4. Les groupes à statut socioéconomique faible rencontrent souvent des obstacles dans l'accès aux soins, du fait par exemple d'effets liés au revenu, ou adhérent moins aux traitements préventifs, en raison par exemple d'effets liés au niveau de scolaritéNote de bas de page 5. Ensemble, ces écarts d'efficacité et de couverture compromettent les efforts déployés pour réduire les disparités et ils peuvent même conduire, paradoxalement, à les augmenterNote de bas de page 6.

Dans notre étude, nous montrons comment une méthode simple de modélisation peut être utilisée pour déterminer dans quelle mesure les interventions de prévention permettent de réduire les disparités (voir la formule 1). Pour ce faire, nous avons choisi comme sujet la prévention du diabète au Canada.

FORMULE 1

Efficacité dans la communauté = population cible X risque de base X efficacité de l'intervention X couverture de l'interventionNote de bas de page *

Efficacité dans la collectivité : bénéfice (ou réduction absolue du risque) associé aux interventions préventives dans un milieu communautaire réel.

Population cible : proportion de la population (ou chaque strate sociodémographique) admissible à l'intervention préventive.

Risque de base : risque ou probabilité de développer une maladie avant la mise en œuvre de l'intervention.

Efficacité de l'intervention : bénéfice relatif d'une intervention déterminé dans les essais d'intervention ou d'autres études, c.-à-d. dans un milieu idéal ou contrôlé.

Couverture de l'intervention : proportion de la population cible qui adopte l'intervention.


*Inspiré de la « boucle efficacité-équité » Note de bas de page 4.

Nous pouvons estimer le potentiel des interventions à réduire les inégalités en calculant et comparant leur efficacité dans la collectivité pour chacune des strates socioéconomiques. Les disparités liées à la maladie vont s'amenuiser si l'efficacité est plus grande dans les groupes à faible SSE que dans les groupes à SSE élevé.

L'une des difficultés fréquemment rencontrées lorsqu'il est question d'estimer l'efficacité dans la collectivité pour chacune des strates socioéconomiques est le manque d'information propre aux différentes strates, notamment les variations de taille de la population cible, le risque de base, l'efficacité de l'intervention et sa couverture. Pour rendre compte de ces situations, nous avons introduit le concept de « point de bascule de l'équité », défini comme le point à partir duquel la disparité entre les strates socio-économiques basse et élevée augmente en raison de différences dans l'efficacité des interventions, la couverture ou la population cible. L'objectif du calcul du point de bascule de l'équité est d'évaluer si les différences potentielles existent réellement. Dans l'exemple de la prévention du diabète, nous cherchions à établir le point à partir duquel la couverture insuffisante des interventions menait à une plus grande disparité relativement au risque de diabète. Pour mieux illustrer cela, nous n'avons pas fait varier l'efficacité des interventions ni les critères de la population cible.

Nous avons examiné deux types d'interventions de prévention du diabète dont l'efficacité est prouvée : les interventions sur le mode de vie et la pharmacothérapieNote de bas de page 7. Les interventions sur le mode de vie diminuent l'obésité par l'alimentation et des programmes d'exercices. La pharmacothérapie fait appel à des médicaments comme la metformine pour perdre du poids et réduire la résistance à l'insuline, dans le but de diminuer le nombre de nouveaux cas de diabète chez les personnes à risque. Quoique ces traitements semblent efficaces dans tous les groupes socioéconomiquesNote de bas de page 7, Note de bas de page 8, il est difficile d'obtenir une couverture élevée pour le diabète, en particulier et pour les maladies chroniques en généralNote de bas de page 9, Note de bas de page 10, et le degré de couverture a tendance à varier d'un groupe socioéconomique à l'autre. À notre connaissance, il n'existe cependant aucune donnée sur la couverture des interventions en prévention du diabète en fonction du SSE.

Nous avons estimé le point de bascule de l'équité en deux étapes. D'abord, nous avons calculé l'efficacité des interventions sur le mode de vie et de la pharmacothérapie dans la collectivité dans le cadre d'un scénario où la couverture de tous les groupes socioéconomiques était de 100 %. Ce calcul a permis d'estimer la réduction maximale ou optimale de la disparité en matière de diabète. Par la suite, nous avons réduit progressivement la couverture dans le groupe au SSE le plus faible jusqu'à atteindre le point de bascule de l'équité, ou point à partir duquel on n'a constaté aucune réduction des disparités en matière de diabète.

Méthodologie

L'étude a été approuvée par le comité d'éthique de la recherche du Sunnybrook Health Sciences Centre de Toronto (Ontario). La figure 1 illustre les étapes suivies pour sélectionner une population cible admissible et pour évaluer l'incidence des interventions en santé sur les disparités socioéconomiques ayant des effets sur le risque de diabète.

FIGURE 1
Processus pour estimer l'efficacité dans la collectivité et le point de bascule de l'équité des interventions de prévention du diabète (modification du mode de vie ou pharmacothérapie). Exemple d'une réduction des disparités dans toutes les tranches de revenu à l'aide d'une modification du mode de vie

Processus pour estimer l'efficacité dans la collectivité

[Agrandir la Figure 1]

[FIGURE 1, Texte équivalent]

Maladies chroniques et blessures au Canada - Volume 34, numéro 2-3, juillet 2014

FIGURE 1
Processus pour estimer l'efficacité dans la collectivité et le point de bascule de l'équité des interventions de prévention du diabète (modification du mode de vie ou pharmacothérapie). Exemple d'une réduction des disparités dans toutes les tranches de revenu à l'aide d'une modification du mode de vie

La figure 1 illustre les étapes suivies pour sélectionner une population cible admissible et pour évaluer l’incidence des interventions en santé sur les disparités socioéconomiques ayant des effets sur le risque de diabète, tel qu’expliquées dans le texte de l’article.

Abréviations : IMC, indice de masse corporelle; RAR, réduction absolue du rique.


a Réduction de la couverture (ou du risque de base, ou de l'efficacité ou de la population cible) lorsqu'on observe la même efficacité dans tous les groupes.

Sources des données et sélection de la cohorte

Nous avons utilisé les données de l'Enquête sur la santé dans les collectivités canadiennes (ESCC) de 2005 pour obtenir le statut des Canadiens à l'égard du diabète, leur SSE et d'autres facteurs de risque liés au diabète (n = 107 212, non pondéré). Cette enquête est une enquête transversale en population générale représentative à l'échelle nationale et dans laquelle les données sur l'état de santé et les déterminants de la santé sont autodéclaréesNote de bas de page 11. Nous avons sélectionné tous les Canadiens adultes non atteints de diabète de l'ESCC à l'exception des femmes enceintes.

Population cible

Nous avons défini la population cible par les interventions préventives à l'aide de données tirées d'une méta-analyse portant sur 17 études d'efficacité de traitements qui préviennent ou retardent l'apparition du diabète chez les adultesNote de bas de page 7. Pour tenir compte de la fourchette d'âge moyen et de l'indice de masse corporelle (IMC) des personnes ayant participé à ces 17 études, nous avons défini comme population cible les personnes de 39 à 57 ans dont l'IMC se situait entre 24 et 37 kg/m2.Les études examinées dans le cadre de la méta-analyse indiquaient une efficacité identique dans un large éventail de populations et de paramètres socioéconomiques.

Risque de base de diabète

Le risque de base de diabète à cinq ans (2005 à 2010) en fonction du SSE a été calculé à l'aide du Diabetes Population Risk Tool (DPoRT), un algorithme validé permettant de prédire le risqueNote de bas de page 12. Nous avons ensuite évalué l'exactitude prédictive du DPoRT et avons établi que l'incidence du diabète peut être prédite avec discrimination et exactitude dans tous les groupes socioéconomiques (voir annexe en ligne).

Efficacité des interventions préventives

La méta-analyse portant sur les interventions faisait état d'un rapport des risques instantanés (RRI) regroupé à 5 ans de 0,51 (IC à 95 % : 0,44 à 0,60) dans le cas des interventions sur le mode de vie et de 0,70 (IC à 95 % : 0,62 à 0,79) dans le cas des interventions médicamenteuses, ce qui donne des effets relatifs du traitement de 49 % et de 30 %, respectivement. Au cours de la méta-analyse, les chercheurs n'ont pas évalué si l'efficacité variait en fonction du SSE.

Analyses sur l'efficacité dans la collectivité

Au moyen du revenu du ménage et du niveau de scolarité des répondants comme indicateurs du SSE, nous avons calculé le risque de diabète (et la réduction absolue du risque [RAR]) selon le SSE au début de l'étude et dans le cadre de scénarios post-intervention supposant une pleine couverture. La RAR a été définie comme la différence absolue entre le risque de base de diabète et le risque post-intervention. Par disparité, nous entendions la différence absolue du risque de diabète entre le groupe au SSE le plus faible et celui au SSE le plus élevé. Par la suite, nous avons comparé la disparité de base et la disparité post-intervention pour calculer la réduction absolue. Enfin, nous avons examiné dans quelle mesure une couverture sous-optimale des interventions influait sur la disparité. Pour faciliter l'interprétation, nous avons exploré ce scénario en maintenant une couverture large dans les groupes au SSE le plus élevé et en faisant varier la couverture dans les groupes au SSE le plus faible. Nous avons calculé le point de bascule de l'équité en recalculant la RAR des groupes au SSE le plus faible à mesure que la couverture variait, jusqu'à ce que nous atteignions la même RAR que celui des groupes au SSE le plus élevé.

Résultats

Dans le tableau 1, nous avons comparé les caractéristiques des adultes du groupe cible et du celles du groupe non ciblé au début de l'étude. La population cible était principalement composée d'hommes, et – par définition – comprenait surtout des adultes en surpoids ou obèses. La population cible représentait 32,8 % des 22,3 millions de Canadiens adultes non atteints de diabète.

TABLEAU 1
Caractéristiques démographiques, socioéconomiques et anthropométriques de référence des adultes non atteints de diabète, 20 ans et plus, Enquête sur la santé dans les collectivités canadiennes, 2005Tableau 1 - Note a
Caractéristiques Population cibleTableau 1 - Note b Population non ciblée
(N = 7 100 000)
%
(N = 15 200 000)
%

Abréviation : IMC, indice de masse corporelle.


aRésultats basés sur des estimations pondérées tenant compte de la conception de l'enquête et des caractéristiques démographiques de la population.
bAdultes de 39 à 57 ans dont l' IMC se situe entre 24,00 et 37,00 kg/m 2.
Sexe
Hommes 60,1 43,4
Femmes 40,0 56,6
Âge (ans)
20 à 34 41,5
35 à 44 41,5 13,1
45 à 54 41,1 10,7
55 à 64 17,4 12,8
65 et plus 21,9
Revenu du ménage ($)
Moins de 15 000 3,5 6,4
15 000 à 29 999 7,1 15,1
30 000 à 49 999 16,8 21,6
50 000 à 79 999 29,1 26,3
80 000 ou plus 43,4 30,6
Niveau de scolarité
Sans diplôme d'études secondaires 12,2 17,1
Diplôme d'études secondaires 16,3 15,8
Études postsecondaires non terminées 6,8 9,2
Diplôme d'études postsecondaires 64,7 57,9
Travail
Oui 88,1 74,8
Non 11,9 25,2
Groupe ethnique
Non de race blanche 13,8 17,3
De race blanche 86,2 82,7
Immigrant
Oui 20,8 22,8
Non 79,2 77,2
IMC (kg/m2)
Poids insuffisant (< 18,50) 3,9
Poids normal (18,50 à 24,99) 20,6 61,1
Surpoids (25,00 à 29,99) 57,2 23,6
Obésité (≥ 30) 22,2 11,4

En 2001, le risque de diabète de base à 5 ans au Canada était de 4,78 %. Le risque de diabète baissait quand le SSE augmentait, passant de 6,01 % chez les personnes ayant le revenu le plus faible à 4,25 % chez celles ayant le revenu le plus élevé, d'où une disparité de base de 1,76 % entre le groupe à plus faible SSE et celui à SSE plus élevé. Le tableau 2 détaille le risque prédit de diabète en fonction des strates socioéconomiques, de l'IMC et d'autres facteurs démographiques.

TABLEAU 2
Risque de base à cinq ans et nombre prédit de nouveaux cas de diabète dans la population cible, 2005 à 2010
Caractéristique Population cibleTableau 2 - Note a
Nombre de casTableau 2 - Note b (n) Risque moyen (%)
aAdultes de 39 à 57 ans dont l' IMC se situe entre 24,00 et 37,00 kg/m 2.
bSelon des estimations pondérées tenant compte de la conception de l'enquête et des caractéristiques démographiques de la population.
Total 323 000 4,78
Sexe
Hommes 193 000 4,77
Femmes 130 000 4,80
Âge (ans)
20 à 34
35 à 44 63 500 2,26
45 à 54 181 000 6,40
55 à 64 79 000 6,63
65 et plus
Revenu du ménage ($)
Moins de 15 000 11 800 6,01
15 000 à 29 999 24 700 5,55
30 000 à 49 999 53 800 5,05
50 000 à 79 999 85 700 4,59
80 000 ou plus 118 000 4,25
Niveau de scolarité
Sans diplôme d'études secondaires 55 300 6,82
Diplôme d'études secondaires 62 300 5,60
Études postsecondaires non terminées 22 000 4,53
Diplôme d'études postsecondaires 184 000 4,10
Travail
Oui 272 000 4,54
Non 48 800 6,21
Groupe ethnique
Non de race blanche 68 900 7,39
De race blanche 255 000 4,50
Immigrant
Oui 87 100 5,87
Non 236 000 4,63
IMC (kg/m2)
Poids insuffisant (< 18,50)
Poids normal (18,50 à 24,99) 30 500 2,05
Surpoids (25,00 à 29,99) 153 000 3,81
Obésité (≥ 30) 140 000 9,19

Le tableau 3 illustre l'incidence d'une pleine couverture des interventions sur le mode de vie ou des interventions pharmacologiques sur les disparités en matière de risque de diabète selon le SSE. La RAR associée à une intervention sur le mode de vie était de 2,34 %. La disparité entre les personnes dont le revenu est le plus faible et celles ayant le revenu le plus élevé s'en trouvait réduite, passant ainsi de 1,76 % à 0,90 %. Avec la pharmacothérapie, la RAR s'élevait à 1,43 %, ce qui faisait passer la disparité de 1,76 % à 1,24 %. Cela avait des bénéfices aussi quant au nombre total de cas de diabète prévenus au Canada (144 000 cas prévenus à l'aide d'interventions sur le mode de vie contre 88 100 cas prévenus par la pharmacothérapie). Le nombre de cas de diabète prévenus dans les strates socioéconomiques basses était plus faible que dans les strates socio-économiques élevées, signe que les strates socioéconomiques basses comportaient un plus petit nombre de personnes (voir les tableaux 1 et 2).

TABLEAU 3
Incidence d'une couverture optimale (100 %) des interventions sur le mode de vie et des interventions pharmacologiques sur la disparité relativement au risque de diabète
Revenu du ménage ($) Moins de
15 000
15 000 à
29 999
30 000 à
49 999
50 000 à
79 999
80 000 et plus Total DisparitéTableau 3 - Note a Réduction absolue de la disparitéTableau 3 - Note b
aDisparité = risque de diabète dans le groupe socioéconomique le plus bas – risque de diabète dans celui au statut le plus élevé
bRéduction absolue de la disparité = disparité de base – disparité post-intervention
cRéduction absolue du risque = risque de base de diabète – risque de diabète post-intervention
dLe nombre de cas se fonde sur des estimations pondérées tenant compte de la conception de l'enquête et des caractéristiques démographiques de la population. Les divergences quant au nombre total de cas prévenus sont attribuables à des données manquantes sur le revenu ou le niveau de scolarité.
Risque de base de diabète (%) 6,01 5,55 5,05 4,59 4,25 4,78 1,76
Intervention sur le mode de vie
Réduction absolue du risqueTableau 3 - Note c (%) 2,94 2,72 2,47 2,25 2,08 2,34 0,90 0,86
Cas prévenusTableau 3 - Note d (n) 5 760 12 100 26 400 42 000 57 600 144 000    
Intervention pharmacologique
Réduction absolue du risqueTableau 3 - Note c (%) 1,80 1,67 1,52 1,38 1,28 1,43 1,24 0,52
Cas prévenusTableau 3 - Note d (n) 3 530 7 420 16 100 25 700 35 300 88 100    
Niveau de scolarité Sans diplôme d'études secondaires Diplôme d'études secondaires Études post-secondaires non terminées Diplôme d'études post-secondaires Total DisparitéTableau 3 - Note a Réduction absolue de la disparitéTableau 3 - Note b
Risque de base de diabète (%) 6,82 5,60 4,53 4,10 4,78 2,72
Intervention sur le mode de vie
Réduction absolue du risqueTableau 3 - Note c (%) 3,34 2,74 2,22 2,01 2,34 1,39 1,33
Cas prévenusTableau 3 - Note d (n) 27 100 30 500 10 800 90 100 159 000    
Intervention pharmacologique
Réduction absolue du risqueTableau 3 - Note c (%) 2,05 1,68 1,36 1,23 1,43 1,90 0,82
Cas prévenusTableau 3 - Note d (n) 16 600 18 700 6 610 55 200 97 000    

La figure 2 illustre l'incidence d'une pleine couverture des interventions en santésur les disparités en matière de risque de diabète selon le revenu et le niveau de scolarité. Comme prévu, la disparité augmente lorsque la couverture des interventions chute dans les groupes au SSE le plus faible mais demeure à 100 % dans les groupes au SSE le plus élevé. Le point de bascule de l'équité est atteint avec une couverture de 70 % chez les personnes les moins nanties et une couverture de 60 % dans les groupes ayant le niveau de scolarité le plus faible. Nous avons constaté une élévation progressive du risque de diabète entre les groupes aux valeurs inférieures à ces pourcentages de couverture.

FIGURE 2
Estimation de l'incidence de la couverture des interventions sur la disparité relativement au risque de diabète et détermination du point de bascule de l'équité dans les interventions sur le mode de vie et les interventions pharmacologiques

Estimation de l'incidence de la couverture des interventions sur la disparité relativement au risque de diabète

[Agrandir la Figure 2]

[FIGURE 2, Texte équivalent]

Maladies chroniques et blessures au Canada - Volume 34, numéro 2-3, juillet 2014

FIGURE 2
Estimation de l'incidence de la couverture des interventions sur la disparité relativement au risque de diabète et détermination du point de bascule de l'équité dans les interventions sur le mode de vie et les interventions pharmacologiques

La figure 2 illustre l’incidence d’une pleine couverture des interventions en santé sur les disparités en matière de risque de diabète selon le revenu et le niveau de scolarité. Comme prévu, la disparité augmente lorsque la couverture des interventions chute dans les groupes au SSE le plus faible mais demeure à 100 % dans les groupes au SSE le plus élevé. Le point de bascule de l’équité est atteint avec une couverture de 70 % chez les personnes les moins nanties et une couverture de 60 % dans les groupes ayant le niveau de scolarité le plus faible. Nous avons constaté une élévation progressive du risque de diabète entre les groupes aux valeurs inférieures à ces pourcentages de couverture.

Remarque : Dans ces scénarios, on a présumé que la couverture était de 100 % dans le groupe au statut socioéconomique le plus élevé et qu'elle était variable dans le groupe au statut socioéconomique le plus faible.

Analyse

Notre étude présente une méthode de modélisation simple permettant d'estimer la réduction des disparités en matière de risque de maladie selon le statut socio-économique à l'aide d'interventions de prévention individuelles. Dans le vaste débat consistant à se demander si les interventions individuelles peuvent ou devraient jouer un rôle dans la réduction des disparités en santé, la discussion est généralement étayée par des arguments théoriques ou des exemples provenant d'études ou de populations particulièresNote de bas de page 13, Note de bas de page 14. En pratique, la plupart des interventions préventives — qu'elles soient individuelles ou à l'échelle de la collectivité — peuvent soit diminuer soit renforcer les disparités en santé selon la différence de risque de base, l'efficacité de l'intervention et la couverture des interventions. Il est donc utile, pour réaliser une planification pratique des services de santé et pour susciter des discussions plus générales sur la prévention des maladies, de pouvoir analyser dans quels contextes les interventions préventives vont sans doute atténuer les disparités en santé et dans quels contextes elles risquent de les accentuer.

RoseNote de bas de page 15 a indiqué, à juste titre, que la compréhension des mesures absolues du risque est la pierre angulaire de la planification en matière de santé des populations. Cependant, les limites de la méthode de Rose pour évaluer les questions d'équité ont fait l'objet de beaucoup de débatsNote de bas de page 6, Note de bas de page 13, Note de bas de page 16. Tugwell et collab.Note de bas de page 4 ont présenté un cadre permettant de prendre en compte les questions d'équité lors de l'évaluation des politiques de santé. La méthode de modélisation utilisée ici est semblable à la « boucle efficacité-équité », décrite par Tugwell et collab.Note de bas de page 4, sauf que nos calculs étaient spécifiques aux interventions préventives et faisaient appel à un outil d'analyse multivariée du risque pour estimer le risque de base. Le point de bascule de l'équité est aussi analogue, comme mesure, aux analyses de seuil ou de sensibilité des études économiques dans lesquelles il existe une incertitude ou une variation dans l'établissement des coûts des composantes et dans les estimations de l'efficacitéNote de bas de page 17, Note de bas de page 18.

Nous n'avons fait varier qu'une composante de l'efficacité dans la collectivité — la couverture — pour examiner son effet sur le point de bascule de l'équité. Nous avons choisi cette variable en raison des préoccupations liées la grande variabilité de la couverture selon le groupe socio-économique et en raison de la faible couverture des traitements préventifs du diabète observée dans les collectivités à faible revenuNote de bas de page 19. L'adoption des interventions est influencée par un ensemble complexe de facteurs liés à la personne, au fournisseur de soins et au système de santé — attitudes, barrières linguistiques et culturelles, confiance envers le système de santé, qualité de la communication et continuité des soinsNote de bas de page 9, Note de bas de page 10, Note de bas de page 20, Note de bas de page 21, Note de bas de page 22 qui peuvent tous avoir divers effets sur la couverture des interventions.

Comme nous nous y attendions, la couverture des interventions diminue chez les personnes du groupe au SSE le plus faible en même temps que la RAR. Nous avons aussi montré qu'une faible couverture peut exacerber la disparité de base en ce qui concerne le risque de diabète lorsqu'elle dépasse le point de bascule de l'équité. À ce seuil, la différence de couverture de l'intervention annule tout avantage sur le plan de l'équité conféré par cette intervention et entraîne une plus grande disparité dans le risque de diabète. Cherchant à expliquer cet effet prédit, d'autres ont formulé l'hypothèse que les interventions en santé pourraient renforcer les disparités lorsqu'il existe une plus forte probabilité que les groupes avantagés disposent de plus de ressources financières et de connaissances leur permettant de tirer profit des occasions d'améliorer leur santé que les groupes moins nantis, moins instruits et sans emploiNote de bas de page 13, Note de bas de page 23. Cependant, Anderson et collab.Note de bas de page 1 ont soulevé deux points pertinents : premièrement, plus la pente initiale du risque de base est prononcée, plus grand sera l'effet que la couverture sous-optimale devra exercer pour annuler la possibilité que les interventions en santé réduisent les disparités en santé ; deuxièmement, la couverture des interventions réagit aux mesures stratégiques et, étant donné la grande RAR associée à un SSE faible, les efforts peuvent être axés de manière productive sur l'amélioration de la couverture des interventions dans ce groupe de population afin de réduire les disparités.

Points forts et limites

Le recours à une enquête sur la santé de la population avec données autodéclarées pour définir la population à l'étude a fait en sorte que nos calculs de l'efficacité dans la collectivité comportaient à la fois des points forts et des limites. L'un des points forts est la capacité à calculer le risque de base de diabète avec tous les indicateurs importants du SSE à l'aide d'un algorithme permettant une analyse multivariée du risque en population générale. Ce type d'algorithme fait appel à des données personnelles tirées d'enquêtes sur la santé de la population et représente la méthode la plus discriminante pour estimer le risque de baseNote de bas de page 6. L'utilisation d'une enquête sur la santé de la population a permis aussi une certaine flexibilité dans l'examen des différentes strates socioéconomiques et des populations cibles. De fait, nous avons pu faire varier individuellement, pour chaque répondant de l'enquête, la plupart des composantes de l'efficacité dans la collectivité, ce qui nous a permis de réaliser une vaste gamme d'analyses de la sensibilité. Nous avons fait varier l'efficacité des interventions en fonction de l'âge et de l'IMC, mais nous aurions aussi bien pu la faire varier en fonction d'autres caractéristiques. De même, nous avons fait varier la couverture en fonction des strates socioéconomiques, mais il aurait été facile de faire varier la couverture en fonction d'autres caractéristiques des répondants.

Nos résultats reposent sur l'hypothèse que le bénéfice relatif des interventions sur le mode de vie et des interventions pharmacologiques réalisées auprès des personnes à risque de diabète était constant quel que soit le SSE. À l'avenir, les applications du modèle que nous avons décrit seraient plus solides si l'on examinait l'effet d'une variation de l'efficacité des interventions en fonction du SSE. Toutefois, il existe certaines données probantes laissant croire que la prévention du diabète est d'une efficacité égale — en termes relatifs — dans toutes les strates socioéconomiques. À titre d'exemple, le Diabetes Prevention Program Research Group a fait état d'un bénéfice similaire en matière de prévention dans tous les groupes raciaux et ethniques faisant partie d'une étude réalisée dans 27 centres situés aux États-UnisNote de bas de page 8. Les études examinées par Gillies et collab.Note de bas de page 7 ont été menées dans un large éventail de collectivités et chez un grand nombre de groupes ethniques dans le monde sans qu'une hétérogénéité n'ait été relevée. Par ailleurs, il a été établi que, en comparaison, les interventions sur le mode de vie étaient tout aussi efficaces dans les groupes à faible revenu, malgré une faible couvertureNote de bas de page 24. Enfin, dans peu d'études et d'examens s'est-on penché sur la différence d'efficacité des interventions selon la strate socioéconomique. Pour combler cette importante lacune en matière de données, les Cochrane and Campbell Collaborations ont récemment préconisé une plus grande intégration de l'équité dans les examens et ont fourni un cadre pour faciliter le processusNote de bas de page 25.

Conclusion

L'efficacité d'une intervention préventive dans la collectivité peut se calculer à l'aide d'un modèle simple qui tient compte de la taille de la population cible, du risque de base de la maladie, de l'efficacité de l'intervention et de la couverture de l'intervention. La probabilité que les interventions réduisent les inégalités peut être estimée lorsque l'efficacité dans la collectivité est calculée pour différentes strates socioéconomiques. Cependant, l'une des difficultés actuelles est l'absence de données sur le degré de couverture atteignable ou sur les différences probables dans les populations cibles et l'efficacité des interventions. Des analyses de sensibilité peuvent être réalisées pour estimer le point de bascule de l'équité, contexte dans lequel les effets de l'intervention passent de la réduction des inégalités à une augmentation paradoxale des disparités relativement au risque de maladie. Dans ces analyses de la sensibilité, on peut faire varier la couverture prévue ou d'autres composantes de l'efficacité dans la collectivité pour examiner leur influence plausible et renforcer les données probantes concernant la probabilité de réduire les inégalités en santé à l'aide de stratégies de prévention individuelles.

Remerciements

Nous remercions le Dr Michael J. Pencina, de l'Université de Boston, d'avoir fourni la macro SAS permettant de calculer la calibration et la discrimination des modèles en survie afin de réaliser une analyse de validation (figurant dans l'annexe en ligne). Douglas G. Manuel est titulaire d'une chaire en santé publique appliquée des Instituts de recherche en santé du Canada et de l'Agence de la santé publique du Canada. John Lynch est titulaire d'une bourse de recherche australienne du National Health and Medical Research Council (NHMRC). L'étude a été financée par les Instituts de recherche en santé du Canada et le Réseau de recherche sur l'amélioration de la santé des populations du ministère de la Santé et des Soins de longue durée (MSSLDO) de l'Ontario. L'étude a été soutenue par l'Institut de recherche en services de santé (IRSS), lequel est financé par une subvention annuelle du MSSLDO. Les opinions, résultats et conclusions de l'étude n'engagent cependant que les auteurs et sont indépendants des sources de financement. Ils ne doivent pas être perçus comme étant approuvés par l'IRSS ou par le MSSLDO.

Références


1Anderson GM, Bronskill SE, Mustard CA, Culyer A, Alter DA, Manuel DG. Both clinical epidemiology and population health perspectives can define the role of health care in reducing health disparities. J Clin Epidemiol. 2005;58(8):757-62.
2Furukawa TA, Guyatt GH, Griffith LE. Can we individualize the 'number needed to treat'? An empirical study of summary effect measures in meta-analyses. Int J Epidemiol. 2002;31(1):72-6.
3McAlister FA. Commentary: relative treatment effects are consistent across the spectrum of underlying risks...usually. Int J Epidemiol. 2002;31(1):76-7.
4Tugwell P, de Savigny D, Hawker G, Robinson V. Applying clinical epidemiological methods to health equity: the equity effectiveness loop. BMJ. 2006;332(7537): 358-61.
5Galobardes B, Shaw M, Lawlor DA, Lynch JW, Davey Smith G. Indicators of socioeconomic position (part 1). J Epidemiol Community Health. 2006;60(1):7-12.
6Manuel DG, Rosella LC. Commentary: assessing population (baseline) risk is a cornerstone of population health planning--looking forward to address new challenges. Int J Epidemiol. 2010;39(2):380-2.
7Gillies CL, Abrams KR, Lambert PC et collab. Pharmacological and lifestyle interventions to prevent or delay type 2 diabetes in people with impaired glucose tolerance: systematic review and meta-analysis. BMJ. 2007;334(7588):299.
8Knowler WC, Barrett-Connor E, Fowler SE et collab. Reduction in the incidence of type 2 diabetes with lifestyle intervention or metformin. N Engl J Med. 2002;346(6):393-403.
9Vermeire E, Wens J, Van Royen P, Biot Y, Hearnshaw H, Lindenmeyer A. Interventions for improving adherence to treatment recommendations in people with type 2 diabetes mellitus. Cochrane Database Syst Rev. 2005(2):CD003638.
10Vermeire E, Hearnshaw H, Van Royen P, Denekens J. Patient adherence to treatment: three decades of research. A comprehensive review. J Clin Pharm Ther. 2001;26(5):331-42.
11Etches V, Frank J, Di Ruggiero E, Manuel D. Measuring population health: a review of indicators. Annu Rev Public Health. 2006; 27:29-55.
12Rosella LC, Manuel DG, Burchill C, Stukel TA. A population-based risk algorithm for the development of diabetes: development and validation of the Diabetes Population Risk Tool (DPoRT). J Epidemiol Community Health. 2011;65(7):613-20.
13Frohlich KL, Potvin L. Transcending the known in public health practice: the inequality paradox: the population approach and vulnerable populations. Am J Public Health. 2008;98(2):216-21.
14Capewell S, Graham H. Will cardiovascular disease prevention widen health inequalities? PLoS Med. 2010;7(8):e1000320.
15Rose G. Environmental health: problems and prospects. J R Coll Physicians Lond. 1991;25(1):48-52.
16McLaren L, McIntyre L, Kirkpatrick S. Rose's population strategy of prevention need not increase social inequalities in health. Int J Epidemiol. 2010;39(2):372-77.
17O'Brien BJ, Heyland D, Richardson WS, Levine M, Drummond MF. Users' guides to the medical literature. XIII. How to use an article on economic analysis of clinical practice. B. What are the results and will they help me in caring for my patients? Evidence-Based Medicine Working Group. JAMA. 1997;277(22):1802-6.
18Drummond MF, Chaperon, J, Carrère, M-O. Méthodes d'évaluation économique des programmes de santé. Paris : Économica; 1998.
19Ackermann RT, Finch EA, Brizendine E, Zhou H, Marrero DG. Translating the Diabetes Prevention Program into the community. The DEPLOY Pilot Study. Am J Prev Med. 2008;35(4):357-63.
20Anderson RM, May RM. Directly transmitted infectious diseases: control by vaccination. Science. 1982;215:1053-60.
21Wamala S, Merlo J, Bostrom G, Hogstedt C, Agren G. Socioeconomic disadvantage and primary non-adherence with medication in Sweden. Int J Qual Health Care. 2007;19(3):134-40.
22Organisation mondiale de la santé. Adherence to long-term therapies: evidence for action. Genève (CH) : Organisation mondiale de la santé; 2003.
23Mechanic D. Disadvantage, inequality, and social policy. Health Aff. (Millwood). 2002; 21(2):48-59.
24Jackson R, Lawes CM, Bennett DA, Milne RJ, Rodgers A. Treatment with drugs to lower blood pressure and blood cholesterol based on an individual's absolute cardiovascular risk. Lancet. 2005;365(9457):434-41.
25Tugwell P, Petticrew M, Kristjansson E et collab. Assessing equity in systematic reviews: realising the recommendations of the Commission on Social Determinants of Health. BMJ. 2010;341:c4739.
Signaler un problème ou une erreur sur cette page
Veuillez sélectionner toutes les cases qui s'appliquent :

Merci de votre aide!

Vous ne recevrez pas de réponse. Pour toute question, contactez-nous.

Date de modification :