Résumé :
|
[BDSP. Notice produite par ORSLR zTZR0xuc. Diffusion soumise à autorisation]. En recourant, au delà des facteurs individuels, à des facteurs contextuels, l'analyse contextuelle parvient à une meilleure identification des populations à risque, utile lors de l'élaboration des programmes de santé. Les modèles multi-niveaux, largement utilisés par les chercheurs anglo-saxons mais plus rarement employés en France, s'avèrent particulièrement adaptés à l'analyse des données contextuelles, parce qu'ils tiennent compte de leur structure hiérarchique. Cet article met l'accent sur la méthodologie d'utilisation des modèles multi-niveaux, tout en rapportant certains résultats caractéristiques qui illustrent leurs potentialités par rapport aux méthodes plus conventionnelles. Comme d'autres méthodes, les modèles multi-niveaux sont capables de tenir compte de la structure hiérarchique des données lors de la procédure d'estimation des paramètres. Mais au delà, et plus spécifiquement, ils constituent aussi des outils d'investigation des effets contextuels. Leur intérêt spécifique est de distinguer la variabilité existant au niveau individuel de la variabilité inter-groupe. Ainsi, en comparant la variance de niveau groupe avant et après introduction des caractéristiques individuelles, ils permettent de quantifier la part que représentent les effets de composition dans la variabilité inter-groupe. Ils sont d'autre part utiles pour déterminer si les variations inter-groupes repérées concernent l'ensemble des individus des groupes ou certaines personnes aux profils particuliers. Ils permettent enfin d'évaluer dans quelle mesure cette variabilité inter-groupe complexe peut être expliquée par les caractéristiques contextuelles incluses dans le modèle. Pour ces raisons, l'utilisation des modèles multi-niveaux dans le champ de l'analyse contextuelle en épidémiologie sociale peut conduire à des résultats à la fois plus consistants et plus riches. (R.A.).
|