Après avoir rappelé les fondements théoriques retenus pour modéliser la fonction d’utilité multiattribut associée au HUI3, l’enquête de révélation des préférences effectuée en population française et la construction des fonctions d’utilité moyenne et médiane sont présentées et discutées.

Le Health Utilities Index (HUI), développé par Torrance et alii à l’Université de McMaster (Canada), est une méthode générique de mesure des états de santé et de la qualité de vie associée à la santé (Feeny et alii, 1995; Torrance et alii, 1995; Torrance et alii, 1996; HUG/HUI Web page). Il est constitué d’une classification d’états de santé et d’une fonction d e pondératio n de ces états. La classification repos e sur u ne concep tion multidimensionnelle de la santé. Elle permet de décrire l’état de santé d’un individu ou d’une population à un moment donné et au cours du temps et repose plutôt sur des concepts de capacité fonctionnelle que de performance. Le choix des dimensions qui la composent a évolué au cours du temps. La première version du HUI avec quatre attributs de 4 à 8 niveaux (activité physique, activité habituelle, fonction socio-psychologique et problèmes de santé) s’inscrit dans la ligne des travaux de Bush sur l’Index du Quality of Well-Being (Fanshel et Bush, 1970, Kaplan et Bush, 1982). La deuxième version (7 dimensions de 3 à 5 niveaux : sensation, mobilité, émotion, cognition, activité élémentaire, douleur, fertilité), publiée au milieu des années quatre-vingt, introduit surtout les apports des travaux de Cadman sur les dimensions de l’état de santé considérées comme importantes à l’issue d’une enquête en population (Cadman et Goldsmith, 1986 ; Cadman et alii, 1986). Le HUI2 étant construit pour être, principalement, un outil d’évaluation de l’état de santé d’enfants (ayant été) atteints de cancer, le développement de la classification HUI3 avait, lui, pour objectif de disposer d’un instrument pouvant être utilisé dans une population quelles que soient ses caractéristiques démographiques ou médicales. Cette dernière version retient ainsi 8 dimensions (la vue, l’ouïe, l’élocution, la capacité à marcher, la dextérité, l’état psychologique, la mémoire et la capacité à réfléchir et la douleur) avec chacune 5 à 6 niveaux. Un état de santé est donc un vecteur de 8 éléments, le premier indique le niveau pertinent sur la première dimension (la vue) pour l’individu dont la santé est décrite, le second, le niveau sur la seconde dimension (l’ouïe). Au total, 972 000 états de santé sont possibles. La fonction de pondération permet de valoriser les états de santé les uns par rapport aux autres sur une échelle allant de 0 à 1. Ses principes fondateurs sont, d’une part, que les individus ont des préférences pour les états de santé, qu’ils peuvent les révéler et, d’autre part, que ces préférences individuelles doivent être prises en compte lorsqu’il s’agit de comparer ou de choisir, en univers risqué, entre des actions de santé dont les conséquences s’expriment par différents états de santé. Cette fonction s’appuie donc sur la théorie économique des choix rationnels axiomatisée par von Neumann et Morgenstern (1947) selon laquelle l’utilité, c’est-à-dire le niveau de satisfaction subjective, est le critère dont les individus cherchent à maximiser l’espérance mathématique lorsqu’ils font des choix en univers risqué. La fonction de pondération du HUI est la fonction d’utilité collective associée aux états de santé de la classification, construite sur la base des préférences recueillies auprès d’un échantillon de personnes appartenant à la population générale. Les états de santé étant multidimensionnels, la théorie de l’utilité multiattribut de Keeney et Raiffa (1976), prolongement de la théorie de l’utilité espérée lorsque les conséquences sont complexes, permet plus spécifiquement de construire cette fonction d’utilité en supposant que chaque dimension du HUI est un attribut de la fonction d’utilité.

Le HUI est donc un instrument à la gamme d’usages très étendue :

Après avoir rappelé les fondements théoriques retenus pour modéliser la fonction d’utilité multiattribut associée à la classification française du HUI3 [1], cet article décrit le protocole de révélation des préférences individuelles développé et analyse les données recueillies au cours de l’enquête effectuée en population française en juin 1999. Les fonctions d’utilité multiattribut des individus moyen ou médian sont présentées et discutées.

Dans ce cadre théorique, la fonction d’utilité multiattribut u E u x x x j j i j j ( ) ( ,..., ,..., ) ( ) ( ) ( ) =_{1 8} associée aux états de santé E j j ( =1,..., 972 000) est caractérisée par p lusieurs arguments qui correspondent respectivement à un niveau particulier de chacune des huit dimensions (attributs) de la classification. La spécificité de la théorie de l’utilité multiattribut est d’établir, sur la base de l’ancrage axiomatique de la théorie de l’utilité espérée, des hypothèses supplémentaires permettant d’exprimer une fonction d’utilité multiattribut comme une co mbinaison mathématique f des fonctions d’utilité X pour _i chacun des attributs X (fonctions d’utilité _i uniattribut conditionnelles) :

Une telle approche permet donc d’évaluer indirectement la fonction d’utilité multiattribut des différents états de la classification, à partir de l’évaluation d’éléments plus simples et moins nombreux.

L’hypothèse fondamentale de la théorie de l’utilité multiattribut est l’hypothèse d’indépendance en termes d’utilité (Farquhar, 1977 ; Fischer, 1979 ; Fishburn, 1965 ; Keeney, 1971,1974 ; Keeney et Raiffa, 1976). Selon cette hypothèse, un attribut X _i (ou un sous-ensemble d’attributs) est dit indépendant en termes d’utilité de son ensemble complémentaire si l’ordre de préférence sur des loteries, dont les états de santé diffèrent les uns des autres uniquement sur le niveau de l’attribut X, est _i identique si l’on modifie le niveau des attributs de l’ensemble complémentaire. Si cette hypothèse seule est vérifiée pour chacun des huit attributs, la fonction d’utilité multiattribut est dite multilinéaire (1). Cette hypothèse renforcée ou complétée conduit aux formes multiplicative (2) ou additive (3) :

où :

Dans la lignée des travaux de Torrance et alii, 1996, la modélisation que nous avons retenue pour construire la fonction d’utilité multiattribut repose sur un double choix : d’une part, celui d’une fonction d’utilité multiattribut de forme multiplicative, d’autre part, l’adhésion au mode de construction qualifié d’approche explicitement décomposée. Le choix de la forme multiplicative résulte d’un compromis entre le souci d’une forme qui représente au mieux les caractéristiques des préférences, empiriquement révélées, et l’impératif de réduction de la réalité, nécessaire pour que le protocole empirique de révélatio n des préféren ces individuelles ait les qualités d’acceptabilité indispensables. La composition multiplicative a aussi l’intérêt, contrairement à la forme additive, de tenir compte des interactions entre les préférences sur les différents attributs d’un état de santé. De plus, un protocole de révélation des préférences fondé sur la forme multiplicative permet d’évaluer une fonction d’utilité additive, les deux formes ayant la plupart de leurs paramètres en commun. Il existe deux principaux modes de construction d’une fonction d’utilité p our des conséquences multidimensionnelles : l’approche « statistique » et l’approche « explicitement décomposée » (Farquhar, 1977; Fishburn, 1965; Keeney et Raiffa, 1976). La première approche permet d’estimer statistiquement la fonction d’utilité multiattribut à partir des utilités révélées po ur un cert ain nombre d’états multiattributs, soit en utilisant une analyse de variance (Anderson, 1970) soit une régression par les moindres carrés ordinaires (Fischer, 1979). La limite importante de cette approche est que ses résultats ne sont valides que dans le cas d’un nombre restreint d’attributs (six au plus) (Fischer, 1979 ;

Llewellyn-Thomas et alii, 1984). L’approche explicitement décomposée permet, quant à elle, de réduire le nombre de jugements nécessaires à l’obtention des utilités associées à des conséquences multidimensionnelles et de disposer d’information sur les effets distincts des différentes dimensions (Buron et alii, 1997a). Elle est donc particulièrement adaptée quand la fonction d’utilité multiattribut est définie sur de nombreux attributs comme c’est le cas de la classification HUI3.

Retenir cette approche pour construire une fonction d’utilité multiplicative d’états de santé implique de révéler les préférences, en univers risqué, pour les différents niveaux de chaque attribut de la classification HUI3 et pour les états de santé multidimensionnels extrêmes de type o o ( ,..., , , ,..., ) * x x x x x i 1o o. Cependant, pour des i i1 1 8- + raisons de spécificité de la notion d’état de santé mais également de faisabilité, certaines modifications ont du lui être apportées.

* * états extrêmes de type( ,..., , , ,..., ) * * x x x x x i i i1 1 1 8- +o. En effet, les personnes enquêtées appartenant à la population générale dans un état du type ( ,..., ,..., ) * * * x x x i1 8, ou dans un état très proche de celui-ci au moment de l’enquête, la spécification traditionnelle des états extrêmes caractérisée par un seul attribut à son niveau optimal (^* ) et tous les autres à leurs pires niveaux (°), aurait rendu ces états extrêmes difficiles à évaluer.

La spécification retenue [2], inverse de celle trad itionnellement définie par la théo rie multiattribut, a des implications sur le mode de construction de la fonction d’utilité multiattribut. En effet, elle revient à changer le référent des pondérations des fonctions uniattributs et implique de raisonner, dans un premier temps, en termes de désutilité.

La fonction de désutilité multiplicative d’états de santé est donc la suivante :

dans lesquelles les paramètres [3] c c, et $u i_i correspondent respectivement aux désutilités des * * états extrêmes ( ,..., , , ,..., ) * * x x x x x i i i1 1 1 8- +o, au paramètre exprimé en fonction de ces désutilités

des attributs. Elle autorise, ensuite, la construction de la fonction d’utilité multiattribut puisque u E u E( ) $( )= -1.

L’obtention des paramètres de la fonction de désutilité multiplicative nécessite le recours à des méthodes de révélatio n des préférences individuelles en univers risqué adaptées au champ de la santé (équivalent probabiliste et équivalent certain). Compte tenu de la spécification qualitative des conséquences, la méthode de l’équivalent probabiliste (EP) semblait la plus pertinente. Cependant, son utilisation exclusive risquait de rendre le recueil long et répétitif [4]. Nous avons donc également mobilisé une méthode de révélation des préférences en univers certain (méthode de l’échelle visuelle analogique, EVA) conduisant à l’obtention de valeurs [5]. Les valeurs et utilités révélées pour les mêmes états de santé ont ensuite été mises en relation afin de déterminer une fonction de transformation de toute valeur en utilité. Cette dernière étape prend appui sur le cadre théorique développé par Dyer et Sarin, 1979. La forme relationnelle entre valeurs et utilités peut alors être interprétée en termes d’attitude à l’égard du risque en étendant, au contexte multidimensionnel, le travail de Dyer et Sarin (1982). En effet, sous certaines hypothèses, il est possible d’établir une relation de la forme u E g v E( ) [ ( ) ]=, entre valeurs et utilités, et d’interpréter la fonction de transformation g en termes d’attitude à l’égard du risque « relatif » [6] (Buron, 1999).

La procédure de construction de cette fonction d’utilité de l’ensemble des personnes interrogées la plus classique suppose de construire la fonction d’utilité multiattribut de chaque individu enquêté à partir des préférences qu’il a révélées. La fonction d’utilité multiattribut « collective » est alors une fonction de ces fonctions individuelles (ou fonctionnelle). À l’exclusion d’une fonctionnelle dictatoriale, qui fait de la fonction d’utilité d’un individu celle de l’ensemble du groupe, les fonctionnelles les plus simples sont linéaires, un poids qui peut être le même (moyenne) étant attribué à chaque fonction individuelle. Une autre procédure consiste à construire un individu fictif. La fonction d’utilité « collective » est alors la fonction d’utilité multiattribut de l’individu fictif agrégé. Seule la seconde approche est présentée dans cet article. Nous avons retenu deux définitions de l’individu fictif : l’individu moyen et l’individu médian. Si le premier met l’accent sur l’intégration de l’intensité des préférences dans l’agrégation, le second donne un poids égal à chaque individu, quelles que soient ses préférences. Cette seconde agrégation correspond donc davantage à une logique de vote. Dans les deux cas, l’agrégation par construction d’un individu fictif est incompatible avec la construction d’intervalle de confiance sur les paramètres de la fonction d’utilité des individus moyen et médian. L’analyse de la variabilité des paramètres supposerait de définir d’autres individus agrégés fictifs.

Afin de familiariser la personne enquêtée avec la classification HUI3, l’entretien débutait par une description de son propre état de santé selon cette classification. La notion de chronicité d’un état de santé était ensuite introduite, en lui demandant d’estimer le nombre d’années lui restant à vivre, en se référant, soit à l’espérance de vie des Français de même sexe et de même âge, soit à des informations personnelles ou familiales. Dans la suite de l’entretien, chaque fois qu’un état de santé était présenté, la personne enquêtée devait imaginer qu’il s’agissait de son propre état de santé et que celui-ci resterait inchangé pendant le nombre d’années ainsi défini, c’est-à-dire jusqu’à son décès. L’entretien s’achevait par le recu eil d’in formatio ns socio-démographiques.

En l’absence de travaux de recherche empiriques français mobilisant la théorie de l’utilité multiattribut dans le domaine de la santé, nous avons, dans un premier temps, réalisé une enquête-pilote auprès d’un échantillon de plus de 70 personnes recrutées sur la base du volontariat [9]. Nos objectifs étaient non seulement de tester l’acceptabilité et la faisabilité d’une enquête reposant exclusivement sur l’emploi de méthodes de révélation des préférences mais aussi d’obtenir des premiers résultats afin de pouvoir réviser, si nécessaire, le choix de la modélisation multiattribut pertinente lors de l’enquête en population. Prenant appui sur les conclusions positives de ce premier travail d’enquête (Le Galès et alii, 1997 ; Buron et alii, 1997b, 1999), l’enquête en population générale a été réalisée en juin 1999.

La procédure de recrutement reposait sur une sélection aléatoire des individus dans chacune des grandes zones géographiques à partir de l’annuaire téléphonique. Les entretiens ont été réalisés au domicile des personnes interrogées par 30 enquêteurs formés au matériel spécifique de révélation des préférences. Ils utilisaient un cahier de consignes dans lequel figuraient à la fois les instructions les concernant pour la conduite de l’entretien et les instructions qu’ils devaient lire à la personne enquêtée. De manière à minimiser le biais imputable au discours de l’enquêteur, ce cahier devait être strictement respecté. De plus, chaque enquêteur ne réalisait qu’un nombre limité d’entretiens (15 au maximum).

Les caractéristiques socio-démographiques de l’échantillon sont décrites dans le tableau 1.

Tableau 1
caractéristiques socio-démographiques de l’échantillon

Les consignes relatives à l’ancrage inférieur des préférences multiattributs n’ont pas été respectées par 10 individus qui ont valorisé à la fois l’état le pire possible et le décès à 0. Lorsque la borne inférieure est clairement identifiée, 93,2 % des personnes ont choisi le pire état de santé et les 6,8 % restantes le décès. Ce choix n’est pas lié aux variables socio-démographiques de l’individu interrogé, ni à son état de santé mesuré par le nombre d’attributs ayant au moins une dégradation (P > 0,10 pour toutes les variables). Toutefois, ces résultats statistiques doivent être mis en rapport avec le très faible nombre de personnes ayant choisi le décès (24 versus 341).

Pour la partie uniattribut, les motifs d’exclusion sont de deux types : d’une part, la valorisation systématique à 0 ou à 100 de tous les niveaux intermédiaires d’un même attribut, et ce pour plusieurs attributs, d’autre part, le non-respect de l’ordre logique de certains niveaux sur plusieurs attributs puisque, pour la plupart, les niveaux sont logiquement ordonnés. Au final, le nombre d’individus exclus pour le calcul des individus agrégés est assez faible (8), ce qui permet d’estimer les valeurs moyennes et médianes sur 333 personnes (échelle "Pire état possible"-"Parfaite santé").

Pour les préférences multiattributs, les réponses de certains individus n’ont pu être conservées du fait d’une erreur au moment de la réalisation de l’entretien (changement d’ancrage selon les méthodes EVA et EP). D’autre part, les préférences pour les états MA et MB étant ordonnées, les individus ayant inversé MA et MB en valeur ou en utilité ont été exclus. Le calcul des individus moyen et médian intègre finalement les données de 275 individus (échelle "Pire état possible"-"Parfaite santé").

Les tableaux 2 et 3 présentent les valeurs et utilités directement observées dans l’échantillon pour les états uni et multiattributs ainsi que les valeurs et utilités pour les individus agrégés. Du fait du faible nombre d’individus ayant choisi le décès comme borne inférieure, les données présentées concernent uniquement les individus qui ont choisi comme borne inférieure le pire état possible, soit 341 personnes.

Tableau 2
valeurs observées pour les niveaux de capacité des attributs et construction des valeurs pour les individus agrégés moyen et médian

L’introduction dans l’analyse des variables socio-démographiques disponibles (âge, sexe, position professionnelle, niveau de revenu et pratique d’une religion), ne permet pas de déterminer de facteurs prédictifs des valeurs et utilités attribuées aux états multidimensionnels.

Ajustement A (linéaire) :

Ajustement B (exponentiel) :

Ajustement C (logarithmique) :

Ajustement D (puissance-log) :

avec α = k et β = w Ajustement E (puissance) :

Les quatre premiers modèles correspondent aux relations théoriques établies entre fonctions d’utilité et de valeur par Dyer et Sarin (1979), tandis que certains travaux relatifs aux préférences pour des états de santé ont montré la pertinence du cinquième (Llewellyn-Thomas et alii, 1984 ; Mehrez et Gafni, 1987 ; O’Connor et alii, 1987 ; Torrance, 1976, Torrance et alii, 1996; Read et alii, 1984; Wolfson et alii, 1982).

Tableau 3
valorisations observées des états de santé multidimensionnels (en valeur et en utilité) dans l’échantillon total et construction des valoraisations pour les individus agrégés moyen et médian

La démarche adoptée par Dyer et Sarin consiste à caractériser axiomatiquement une fonction de valeur « mesurant » les différences de préférence entre des conséquences certaines, puis à définir une fonction d’utilité de VNM sur l’ensemble des indices (associées aux conséquences) de la fonction de valeur en certitude, de sorte qu’une fonction d’utilité de VNM puisse être exprimée par la forme u v E[ ( ) ]. Dans ce cadre, toutes les propriétés d’une fonction d’utilité de VNM, définie traditionnellement sur des conséquences, s’appliquent alors à u v E[ ( ) ], supposée monotone croissante en v E( ) et deux fois continûment dérivable. Ainsi, u v E[ ( ) ] a pour propriété d’être une fonction d’utilité cardinale faible, c’est-à-dire unique à une transformation affine positive près (échelle d’intervalle [13] ). Cette propriété essentielle de l’échelle permet, non pas d’affirmer que l’utilité d’un état de santé est le multiple d’une autre utilité, mais de comparer les différences entre les entités mesurées. Dans le cadre des analyses coût-efficacité, une telle propriété, bien quenécessaire et suffisante pourcertaines situations, notamment quand on travaille sur une même fonction de production, devient insuffisante quand il s’agit de comparer en termes incrémentaux des stratégies ayant des échelles distinctes. En l’absence de mesures d’utilité qui possèdent à la fois un fondement axiomatique et des propriétés de cardinalité forte, la fonction d’utilité précédemment définie peut être utilisée à défaut. Bien que cette démarche soit discutable, il s’agit d’un problème non résolu, voire non évoqué dans la littérature.

La détermination, pour les individus moyen et médian, du meilleur modèle d’ajustement a été effectuée en deux temps. Dans un premier temps, le paramètre α (et β dans le cas de l’ajustement D) de chaque modèle a été estimé de telle sorte qu’il minimise le RMSE (Root Mean Square Error) du modèle (Dyer et alii, 1973 ; Fishburn et Kochenberger, 1979). Le critère du RMSE, qui correspond à la racine carrée de l’erreur carrée moy enn e (MSE), tel que MSE =

oùN=5états(MA, MB, CEL, VI et décès), permet de mesurer et juger la proximité de l’ajustement de chaque modèle estimé u v E e [ ( )]aux données observées u E( ).

Une fois le meilleur estimateur α (et β) obtenu pour chaque modèle d’ajustement, les modèles ont été comparés sur la base de leurs RMSE respectifs. Afin de juger de sa proximité à la réalité, et en suivant les travaux de Keller (1985), un modèle a été considéré comme acceptable quand son RMSE était inférieur ou égal à 0,055. Le modèle ayant le plus faible RMSE a alors été considéré comme le modèle ajustant le mieux la relation entre valeurs et utilités.

Au terme de cette procédure, nous avons donc retenu le modèle puissance pour l’individu moyen comme pour le médian (tableau 4). Ce résultat est cohérent avec les études, déjà citées, qui concernaient la santé. Le modèle linéaire est celui dont les valeurs des RMSE sont les plus élevées. Or la forme relationnelle linéaire exprime la neutralité vis-à-vis du risque « relatif » et signifie que les choix en univers risqué ne sont déterminés que par les différences de préférence sur les états de santé certains, le risque inhérent à la situation décisionnelle n’influençant pas le choix. Les individus de notre échantillon ne sont donc, ni en moyenne ni en médiane, neutres vis-à-vis du risque « relatif ». Ceci est confirmé par le signe de la mesure de l’attitude vis-à-vis du risque « relatif » dans le cas du meilleur modèle d’ajustemen t (modèle puissance) : v E r v E v ( ) [ ( )] = -1 α =1 - 0,47. L a valeur du paramètre α étant inférieure à 1, elle autorise à conclure que les individus enquêtés expriment, en moyenne, une aversion vis-à-vis du risque« relatif ».

La même procédure a été suivie pour construire la fonction d’utilité pour l’individu médian. Cette fonction étant très proche de la précédente, ses paramètres ne sont pas présentés ici. En particulier, les paramètres c des deux fonctions sont identiques, appuyant, pour les deux fonctions, la pertinence du modèle multiattribut multiplicatif.

Les utilités des états extrêmes, si elles ne peuvent être interprétées selon la théorie de l’utilité multiattribut comme les poids relatifs des attributs, permettent, cependant, de distinguer les attributs état psychologique et vue pour lesquels les utilités des états extrêmes sont les plus faibles : 0,46 et 0,49 respectivement. Globalement, les écarts entre attributs restent limités : l’utilité extrême la plus faible est de 0,46, la plus élevée de 0,66 pour l’attribut ouïe.

Il est possible de calculer l’utilité des états MA, MB, VI et CEL dont les utilités ont été mesurées directement. La comparaison de ces utilités calculées aux utilités observées constitue un premier indicateur de la validité des fonctions construites pour les individus moyen et médian (tableau 6). En effet, lors de la construction de la fonction d’utilité multiattribut de l’individu moyen ou du médian, ces utilités observées n’ont été utilisées, sous forme agrégée, que pour estimer la fonction de transformation des valeurs en utilités et non pour estimer les paramètres de la fonction d’utilité eux-mêmes. Les faibles différences absolues entre utilités observées et calculées pour un individu moyen ou médian (les différences absolues sont comprises entre 0,0003 et 0,0356 pour le premier et entre 0,0347 et 0,389 pour le second) ainsi que les petites valeurs du RMSE (0,0288 et 0,3643), orientent donc vers une conclusion favorable.

De même, comme le montrent les dernières colonnes du tableau 6, les résultats obtenus par une modélisation de la fonction multiattribut de type additif, en termes de différences entre utilités calculées et observées comme de valeurs des RMSE, ne remettent pas en cause le choix du modèle multiplicatif.

Tableau 4
meilleur modèle d’ajustement de la relation entre valeurs et utilités (N= 275)

Tableau 5
fonction d’utilité multiattribut pour l’individu moyen sur une échelle allant de 0 (6,6,5,6,6,5,6,5) à 1 (1,1,1,1,1,1,1,1)

Tableau 6
utilités calculées et observées des états MA, MB, VI et CEL selon la modélisation retenue (additive, multiplicative) et l’individu agrégé (moyen, médian)

Le nombre limité de questionnaires exclus aux différents phases de la construction de la fonction d’utilité multiattribut atteste que de telles démarches permettent le recueil d’informations de qualité sur les valeurs et les jugements que portent les individus, en France, quant à la santé.

À la différence d’autres travaux (Johnson et alii, 1998), les personnes enquêtées qui ont été exclues n’appartiennent pas à des groupes d’âge, de revenu ou de diplôme particuliers. Une enquête en face-à-face au domicile de la personne interrogée, dont le coût est certes plus élevé, permet sans doute de réduire les taux de refus ou d’abandon élevés, en particulier lorsqu’ils sont associés à une enquête par voie postale (Essink-Bot et alii, 1993 ; Johnson et alii, 1998 ; Nord, 1991).

De même, le travail préalable sur la classification (Costet et alii, 1998) a permis de disposer de descriptions d’états de santé dont la validité de contenu (Kirshner et Guyatt, 1985) avait clairement été établie. Ceci a vraisemblablement facilité les tâches d’évaluation et de jugement des personnes enquêtées et réduit les biais généralement associés à ce type d’évaluations contingentes (Kahneman et Tversky, 1982).

Notre expérience souligne donc la nécessité d’accorder un soin particulier, non seulement aux aspects méthodologiques (choix des méthodes de révélation, sélection des états à évaluer, … ), mais aussi à des éléments plus pratiques (cahier de consignes et d’instructions, supports visuels, formation des enquêteurs… ).

Nos résultats con firment la variabilité interindividuelle des préférences déjà rapportée dans des populations anglo-saxonnes. Ses variations ne peuvent être expliquées par les caractéristiques socio-démographiques documentées au cours des entretiens telles que l’âge, le sexe ou le niveau socio-économique des répondants (Rosser et Kind, 1978; Carter et alii, 1976; Kaplan et alii, 1978). Ceci n’est pas spécifique à notre travail : d’autres recherches menées sur les préférences d’états de santé échouent également à mettre en exergue des caractéristiques socio-démographiques (telles que l’âge, le sexe ou le niveau socio-économique) ou culturelles des personnes interrogées. La variabilité qui a pu être repérée jusqu’à présent ne peut être expliquée par des différences des répondants (Carter et alii, 1976 ; Kaplan et alii, 1978 ; Dolan et alii, 1996a). Deux études ont montré des relations statistiquement significatives avec l’âge (Dolan et alii, 1996b ; Johnson et alii, 1998). L’étude de Johnson et alii ( 1998) met également en évidence des relations statistiques avec le niveau d’éducation et le niveau de revenu du répondant, les personnes ayant un niveau de revenu plus faible ou un niveau d’éducation moins élevé donnant des valeurs plus élevées aux états de santé présentant des niveaux de détérioration modérés ou élevés. Toutefois, les conditions de construction de l’échantillon des personnes interrogées au cours de cette enquête étaient, de l’avis même de ses auteurs, une limite à la validité de leurs résultats.

Nous n’avons également pas mis en évidence l’influence de la catégorie socio-professionnelle, de la région d’habitation ou de la taille de la commune de résidence.

Le constat d'une forte variabilité, que l’analyse statistique ne permet ni d’expliquer ni de réduire, ouvre une interrogation quant au rôle qu’ont pu jouer les modalités de détermination des préférences elles-mêmes, qu’elles soient relatives au protocole d’interview, au choix des méthodes de révélation ou à l’entretien en face-à-face. Ainsi, le protocole suppose une représentation très précise par l’interviewé des différents niveaux de chacune des dimensions. Face à cette lourde tâche cognitive, il peut alors avoir adopté des règles de réponse empruntes d’arbitraire sans que l’enquêteur ne le perçoive. De plus, comme l’ont souvent indiqué les personnes interrogées, l’entretien était la première occasion pourelles « dese poser de telles questions ». Les préférences obtenues sont ainsi, pour partie au moins, des préférences construites dans l’interaction enquêteur-enquêté et par le prisme des questions que le premier pose au second. De façon optimale, seule l’observation de certaines régularités dans les réponses données par une même personne avec des protocoles d’interrogation différents conférera la robustesse suffisante aux informations collectées sur les préférences pour des états de santé.

Notre objectif étant de développer un index d’états de santé pondéré par les préférences pour l’utiliser comme mesure de résultats lors de travaux d’évaluation économique, la population enquêtée était issue de la population générale. Il est cohérent avec une logique d’allocation des ressources qui trouve son fondement théorique dans l’économie du Bien-Etre, de s’appuyer sur les préférences de citoyens qui ne sont pas personnellement concernés par les situations proposées et qui, en agissant « sous le voile d’ignorance », sont donc davantage susceptibles d’opter pour des règles de décision collective qui maximisent le bénéfice pour l’ensemble de la société (Harsanyi, 1953,1955). Ce choix, s’il est « très orthodoxe » pour un économiste, ne nie pas les critiques que d’autres courants de l’économie ou d’autres sciences sociales peuvent lui adresser. En conformité avec certaines règles de philosophie politique (Rawls, 1971), d es populations différentes auraient pu être enquêtées, au premier rang desquelles les personnes malades. Contrairement à d’autres travaux concernant aussi des échantillons issus de la population générale (Dolan et alii, 1996a, Dolan et Sutton, 1997; Kind et Dolan, 1995), le mode de sélection de notre échantillon et les informations recueillies ne nous ont pas permis de tester l’influence de l’expérience de la maladie pour comprendre la variabilité interindividuelle des préférences révélées pour des états de santé. De même, l’effet de la durée des états de santé sur les préférences n’a pas pu être documenté.

L’exclusion délibérée, dans l’échantillon, des personnes souffrant de maladies invalidantes ou chroniques au moment de l’enquête, ne constitue pourtant pas une limite explicite à la diversité des préférences exprimées. En effet, comme le montre une récente revue de la littérature (Ardine de Wit et alii, 2000). L’analyse de la relation établie statistiquement entre état de santé et préférence pour la santé met en lumière des jugements différentiels selon que la personne dont les préférences sont révélées, ait ou non connu personnellement la situation de santé qu’elle évalue. En règle générale, les personnes qui sont dans des états de santé très altérés accordent une valeur plus élevée à leur situation que ne le font leurs proches ou des professionnels de santé. L’explication la plus couramment avancée est que l’expérience vécue par la personne malade contribue à former ces préférences en modifiant son niveau d’information mais aussi en la conduisant à un ajustement de ses valeurs ou de ses références. Aussi, les travaux à visée descriptive ou explicative portent-ils sur de petits g roup es de malades « relativement homogènes » du point de vue de leur expérience de maladie. Mais les études des préférences pour des états hypothétiques et des états réels, selon que les personnes sont ou non malades, suggèrent que la relation entre expérience et préférence ne concerne que les états de santé effectivement vécus par les personnes, et même que les personnes issues de la population générale discriminent davantage les états de santé hypothétiques que ne font les personnes malades. L’approche explicitement décomposée retenue pour construire la fonction d’utilité multiattribut de la classification HUI3 suppose que trente-six états de santé soient présentés en cours d’enquête. Introduire la diversité des situations de santé réelles aurait supposé pouvoir, d’une part, repérer ces personnes dans la population générale dans chacun de ces états de façon valide et fiable et, d’autre part, constituer 36 échantillons de taille suffisante, chacun n’évaluant qu’une situation de santé. Ceci était à la fois irréalisable dans le cadre de ce travail et incompatible avec la construction d’une fonction d’utilité pour l’ensemble des personnes.

Comme cela a été souligné en introduction, l’utilisation opérationnelle des index d’états de santé pondérés par les préférences est le calcul d’un nombre d’années de vie ajustées par la qualité ou QALY (les scores pondérant les durées de vie passées dans un état) dans le cadre d’analyses coût-efficacité d’actions de santé. Cet objectif opérationnel justifie le choix de la population enquêtée. Il en résulte, cependant, que la fonction d’utilité multiattribut construite ne peut être utilisée, sans précaution, dans une analyse économique dont la perspective serait les seules personnes malades. De plus, la cohérence du QALY avec les fondements théoriques du calcul économique public suppose le respect d’hypothèses sur la relation entre utilité, durée de vie et état de santé qui sont très restrictives (Loomes et McKenzie, 1989) et invalidées par les travaux empiriques (Pliskin et alii, 1980, McNeil et alii, 1981, Sutherland et alii, 1982, Sackett et Torrance, 1978) [14]. L’objectif de l’enquête empêchait de procéder simultanément à la validation de ces hypothèses dans notre échantillon. Aussi avons-nous volontairement imposé aux personnes interrogées d’évaluer des états stables sur plusieurs années, limitant de fait l’utilisation ultérieure des scores pour des états de santé chroniques. De même, l’imprécision des préférences individuelles est une caractéristique que le protocole d’enquête ne permet pas de quantifier et qui devra faire l’objet de développements spécifiques.

Si les premiers éléments disponibles plaident en faveur de la qualité des fonctions de pondération moyenne et médiane construites, celle-ci ne sera établie qu’après la comparaison des utilités qu’elles permettent de calculer aux utilités révélées directement au cours d’une enquête auprès d’un nouvel échantillon de la population générale française et une intégration plus satisfaisante de la forte variabilité des préférences individuelles révélées. Ceci suppose de travailler sur des sous-groupes de l’échantillon mais il y a une difficulté puisque l’analyse statistique n’a pas permis de trouver des variables explicatives de la variabilité. La seule piste qui peut être explorée par les données collectées serait alors d’intégrer la variabilité observée en construisant la fonction d’utilité multiattribut de chacune des personnes enquêtées.

Par contre, les analogies de notre protocole avec celui retenu pour construire la fonction d’utilité multiattribut du HUI3 au Canada (Furlong et alii, 1998) justifie la comparaison internationale de nos résultats. Son esquisse laisse entrevoir une certaine ressemblance des résultats mais un travail d’analyse plus approfondi reste à effectuer.

Cette application de la théorie de l’utilité multiattribut aux états de santé doit aussi, nécessairement, se prolonger dans plusieurs directions qu’il s’agisse de l’intégration de la durée, du test de méthodes interactives de construction des préférences ou du dépassement d’un ancrage théorique controversé, par exemple. Elle constitue, enfin, une illustration exemplaire du fait que les économistes imp liqués dans l’évaluation économique des actions de santé, si leur finalité opérationnelle est d’être une aide à la décision publique, devront s’engager dans un renouvellement de leur réflexion sur les procédures d’articulation des choix collectifs aux préférences individuelles.