Vous consultezAnalyser les inégalités socio-économiques de santé à partir des données du recensement

AuteursLinda Lasbeur[*] [*] Recherches épidémiologiques en santé périnatale et santé...
suitedu même auteur

I - Approche théorique

4 L’analyse des inégalités sociales se fera à partir d’une approche en termes de conditions de vie. En 1987, Townsend a développé cette approche qui est issue d’une longue tradition d’analyses sur les inégalités sociales de santé (Townsend, 1987). Cette approche vise à repérer un certain nombre de difficultés, de manques ou de privations dans le domaine des conditions de vie et les synthétise en un score de privation. En 1991, Carstairs et Morris ont proposé un indice de privation qui reste dans la même logique de mesure des conditions de vie que celui de Townsend. Ces deux indices sont les plus utilisés dans les études anglo-saxonnes sur les inégalités sociales de santé, mais il en existe d’autres (Jarman, 1983 ; Krieger et al., 2003b). Les scores de privation sont établis à partir de variables qui relèvent de la privation matérielle (revenu moyen, possession de biens, etc.) et de la privation sociale (familles monoparentales, personnes vivant seules, etc.).

5 Les quartiers sont classés sur la base de leur score, qui mesure un cumul de manques : plus le score est bas, plus les caractéristiques socio-économiques du quartier sont bonnes ; plus il est élevé, plus le quartier est défavorisé (plus de chômage, plus d’ouvriers, plus de personnes peu ou pas diplômées, etc.) Le score de privation est une variable continue (Carstairs, 1995) qui permet de mesurer de manière agrégée les niveaux socio-économiques des quartiers de résidence, à partir des données du recensement de la population.

6 Les indicateurs sociaux construits à partir des données sur les quartiers permettent de rendre compte des inégalités à cette échelle collective. Les caractéristiques d’un territoire étant la somme des caractéristiques individuelles qui ont un impact sur la santé, les inégalités constatées peuvent refléter l’effet des caractéristiques individuelles sur la santé. Ainsi, cette approche est utilisée pour mettre en évidence l’existence des inégalités lorsque l’on ne dispose pas de données sociales sur les individus. Cependant, les études ont démontré que le fait de vivre dans un quartier pauvre peut avoir un effet néfaste sur la santé indépendamment des caractéristiques individuelles (O’Campo, 2003). Cet effet est lié à l’accessibilité aux soins, à l’insécurité et aux autres expositions à des facteurs environnementaux. En absence de données sur les individus, l’analyse des inégalités à partir de données collectives ne permet pas de faire la part entre effets individuels et effets agrégés ou contextuels (Geronimus et Bound, 1998 ; Courgeau et Baccaïni, 1997).

II - Sources et méthodes

7 Nous utilisons à la fois une enquête sur les naissances très prématurées, l’étude Épipage (étude épidémiologique sur les petits âges gestationnels) réalisée en 1997, et les données du recensement général de la population de 1999. L’étude Épipage permet de caractériser les lieux de résidence des nouveau-nés très prématurés à partir du géocodage des adresses des mères enquêtées. Le recensement de la population permet, d’une part, de caractériser les quartiers de résidence à partir du découpage infra-communal en Iris-2000 et, d’autre part, d’étudier le lieu de résidence des nouveau-nés en population générale.

Échelle géographique

8 L’échelle géographique retenue est celle des Iris-2000 : « 2000 » correspond à l’année de leur création ainsi qu’à leur taille généralement minimale en nombre d’habitants. Les Iris sont homogènes au niveau de la taille de la population, du type de logement et du bâti, et ils respectent les limites historiques des quartiers (Bolusset, 2000). Ainsi, grâce au découpage en Iris, des études très fines au niveau de la commune peuvent être réalisées : « (…) plus le territoire de référence est petit, plus la population est homogène, plus on évite les erreurs de classification et plus on décèle des écarts de santé qui sont importants » (Pampalon et Raymond, 2000).

9 Notre étude porte sur Paris et sa petite couronne[1] [1] La petite couronne englobe le premier cercle des départements...
suite, qui comptent 2 715 Iris. Ce territoire forme un ensemble de plus de six millions d’habitants, avec une moyenne de près de 2 300 habitants par Iris (tableau 1). La variabilité de la population des Iris est grande, mais le nombre d’habitants oscille généralement autour de 2 000.

Tableau 1 - Présentation des Iris de Paris et sa petite couronne

10 La plupart des Iris sont caractérisés par des petites surfaces (moyenne de 0,3 km2) et une densité élevée (20 000 habitants au km2). Certains Iris (appelés Iris divers) ont très peu d’habitants et des superficies importantes, du fait d’une caractéristique particulière : bois, parcs, gares, cimetières, etc.

Construction du score de privation

11 Afin de déterminer le niveau socio-économique des Iris, nous sommes restés dans la logique de la mesure des conditions de vie en termes de cumul de manques en nous inspirant de la littérature. Pour le calcul du score de privation, nous avons choisi les thèmes qui captent au mieux les différentes dimensions de la privation : l’emploi et les conditions de travail, la scolarité, les conditions de logement, la possession de biens par le ménage et les caractéristiques démographiques. La variable PCS (Professions et catégories socioprofessionnelles) indique la position sociale et le niveau de chômage est un indicateur de précarité. Le capital scolaire est mesuré par le niveau d’études, en se limitant à la population des 20-40 ans. En effet, certains Iris concentrent une population de retraités, avec peu de personnes de niveau scolaire élevé en raison d’un effet de génération. Le nombre de personnes par logement permet de mesurer la promiscuité. La possession d’une voiture par le ménage mesure l’autonomie de déplacement des membres du ménage. Enfin, on a pris en compte la proportion de familles monoparentales dont le chef de ménage est une femme car ces familles se retrouvent le plus souvent dans des situations de grande précarité (Algava, 2002).

12 Pour repérer les variables les plus appropriées à notre étude, nous avons effectué une analyse en composantes principales (ACP). Le premier axe de l’ACP a identifié les variables associées aux quartiers les moins favorisés. Ce premier axe expliquait 42 % de la variance. Les variables retenues sont les suivantes : les proportions d’ouvriers, de cadres, de chômeurs, de titulaires de contrats à durée indéterminée (CDI), de personnes de 20-40 ans ayant un niveau d’études primaires, le nombre moyen de personnes par pièce, les proportions de ménages sans voiture, de familles monoparentales et de personnes nées à l’étranger (tableau 2).

Tableau 2 - Variables tirées du recensement utilisées pour l’étude des inégalités socio-économiques

13 Les corrélations entre les variables sélectionnées sont très fortes, ce qui justifie l’utilisation d’un indice composite. Les coefficients de corrélation vont de 0,7 à 0,8 entre les variables portant sur le niveau scolaire et l’emploi et de 0,4 à 0,7 pour le nombre de personnes par pièce, le pourcentage de personnes nées à l’étranger et le pourcentage de familles monoparentales ; en revanche, la proportion de ménages sans voiture n’est pas systématiquement corrélée avec les autres variables (le coefficient va d’un minimum de 0,01 avec le pourcentage d’ouvriers à 0,68 avec la proportion de personnes qui ne sont pas titulaires d’un CDI).

14 Une fois les composantes du score identifiées grâce à l’ACP, nous avons défini un score de privation qui représente la somme des valeurs de chaque variable normalisée en fonction de sa moyenne et de son écart type (Carstairs, 2000).

La population étudiée : les grands prématurés

15 L’étude Épipage (étude épidémiologique sur les petits âges gestationnels) a été réalisée en 1997 sur l’ensemble des naissances très prématurées (naissances survenant entre 22 et 32 semaines d’âge gestationnel) dans neuf régions de France (Larroque et al., 2004). Son principal objectif était d’étudier le devenir des grands prématurés avec un suivi médical jusqu’à 8 ans. Nous retenons pour l’analyse les femmes qui résidaient et qui ont accouché à Paris et en petite couronne. Dans cette zone, le recueil de données s’est déroulé de février à juillet 1997. La population analysée se limitera aux naissances uniques de moins de 33 semaines d’âge gestationnel issues de mères domiciliées à Paris et dans sa petite couronne. Nous avons exclu les naissances multiples car leurs causes de prématurité sont différentes et le lien avec les caractéristiques socio-économiques des parents n’est pas démontré (Rolett et Kiely, 2000). Enfin, on a exclu les mort-nés et les décès précoces en salle de naissance, pour lesquels les adresses des mères n’étaient pas recueillies, ainsi que les enfants nés de mères dont les adresses étaient mal renseignées ou manquantes. Sur l’ensemble des naissances uniques de moins de 33 semaines d’âge gestationnel, 12,5 % sont des mort-nés, 3 % sont morts per partum et 4 % sont décédés en salle de naissance.

16 Afin d’identifier les quartiers de résidence des mères incluses dans la base Épipage, nous avons géocodé leur adresse, en rattachant à chaque mère le code de son Iris de résidence grâce à un fichier de l’Insee qui recense toutes les adresses de chaque Iris. La deuxième étape a consisté à apparier les données relatives à chaque mère (données socio-démographiques individuelles, lieu d’accouchement, informations sur l’accouchement et l’issue de la grossesse, etc.) avec les données socio-économiques de son quartier de résidence tirées du recensement.

17 Au total, sur l’ensemble des naissances uniques transférées en néonatologie, 90 % des adresses parisiennes et de la petite couronne ont pu être rattachées à un Iris[2] [2] 10 % des adresses n’ont pas pu être rattachées à un...
suite. Notre échantillon inclut ainsi 303 nouveau-nés.

18 Pour étudier l’association entre le niveau socio-économique des quartiers de résidence des femmes et leurs propres caractéristiques, nous avons utilisé les principales variables socio-démographiques individuelles recueillies dans l’enquête Épipage (pays de naissance, statut matrimonial, niveau d’études, situation professionnelle, catégorie sociale, niveau d’études du conjoint et situation professionnelle du conjoint). Les données sociales ont été recueillies à partir du dossier médical et d’un entretien après l’accouchement. Cependant, toutes les femmes n’ont pas participé à cette partie de l’étude : de ce fait, seulement 80 % des femmes ont répondu à ce questionnaire dans notre échantillon de 303 femmes. Il y a différentes raisons à ce manque d’informations : mère soucieuse de la santé de son enfant, problème de santé de la mère, refus de répondre au questionnaire, problème de langue, etc.

La population témoin : les nouveau-nés recensés en 1999

19 Afin de constituer une population témoin, nous avons utilisé les données du recensement relatives aux enfants de « 0 an » recensés en 1999, soit les enfants nés du 1er janvier au 7 mars inclus. Le recensement de la population de 1999 a dénombré sur cette période 15 414 nouveau-nés domiciliés à Paris et en petite couronne francilienne qui constituent notre population de comparaison.

20 Le nombre moyen de naissances par Iris est de 5,68 (la distribution interquartile va de 3 à 8). Nous avons pu vérifier la fiabilité des résultats du recensement sur les naissances grâce aux données enregistrées par l’état civil concernant le nombre de naissances vivantes domiciliées à Paris et en petite couronne entre le 1er janvier et le 7 mars 1999. Les données du recensement ne semblent pas exhaustives : il manque 6 % des naissances par rapport aux données de l’état civil (tableau 3). Ces données manquantes pourraient être dues aux difficultés de collecte, en particulier à Paris. C’est en effet à Paris que l’on observe la moins bonne couverture du recensement : difficultés d’accès aux logements (digicodes et interphones de plus en plus répandus), personnes difficiles à joindre (personnes vivant seules, emplois du temps particuliers, etc.).

Tableau 3 - Naissances en Île-de-France selon les sources de données par département de résidence

III - Stratégie d’analyse

21 Afin de mener à bien notre analyse, nous avons procédé en plusieurs étapes.

22 Dans un premier temps, nous avons comparé les caractéristiques individuelles des femmes suivies dans l’enquête Épipage (soit les mères de grands prématurés) selon les quartiles du score de privation de leur lieu de résidence en utilisant le test du Khi2.

23 Dans un second temps, nous avons comparé les quartiers de résidence de ces femmes avec les quartiers de résidence des femmes en population générale (à partir du recensement). Pour cela, nous avons utilisé la distribution en quartiles des différents indicateurs socio-économiques dans les deux groupes. Enfin, pour le score de privation, nous présentons les résultats en quartiles et également en quintiles pour mettre en parallèle nos résultats avec ceux d’autres études. La comparaison statistique entre les populations cas et témoin a été faite en utilisant des tests de tendances et les odds ratios, avec des intervalles de confiance calculés à partir de régressions logistiques.

IV - Résultats

24 Notre score de privation a une distribution très étendue ; sa moyenne est de 0 (par effet de construction du score) et son intervalle de variation est compris entre – 15 et 32. La carte 1 montre clairement qu’il existe des inégalités sociales très marquées sur le territoire de Paris et de sa petite couronne.

Score de privation dans les Iris de Paris et de sa petite couronne en 1999

Score de privation dans les Iris de Paris et de sa petite couronne en 1999

25 Le premier quartile du score de privation représente les quartiers les plus favorisés de Paris et de sa petite couronne et le dernier quartile les quartiers les moins favorisés. La répartition spatiale du score de privation montre la mauvaise position de la Seine-Saint-Denis, du nord de Paris ainsi que du nord des Hauts-de-Seine et du sud-ouest du Val-de-Marne.

26 Il existe une relation entre les caractéristiques socio-économiques individuelles des mères des enfants très prématurés et le score de privation de leur quartier de résidence (tableau 4) : 80 % des femmes vivant dans les quartiers favorisés (le premier quartile du score de privation) sont nées en France ; 60 % sont cadres ou exercent une profession intermédiaire et 60 % ont un niveau d’études supérieur au baccalauréat. A contrario, dans les quartiers les plus défavorisés (le dernier quartile du score), la moitié des femmes sont nées à l’étranger, moins de 2 % sont cadres et 8 % ont un niveau d’études supérieur au baccalauréat. En revanche, le statut matrimonial des mères ne change pas significativement selon le score de privation du quartier de résidence. Les mêmes résultats sont constatés pour les caractéristiques du conjoint.

Tableau 4 - Caractéristiques individuelles des mères de grands prématurés à Paris et en petite couronne selon les caractéristiques de leur quartier de résidence (en %)

27 Le tableau 5 compare la distribution des naissances très prématurées à celle de la population témoin en fonction des caractéristiques du quartier de résidence, présentées en quartiles. Le risque de naissance prématurée varie avec les caractéristiques socio-économiques des quartiers et cela, quelle que soit la caractéristique retenue. Cependant, le test de tendance indique que certaines variables sont plus fortement corrélées avec le risque d’accouchement prématuré, comme la proportion d’ouvriers et le pourcentage de personnes âgées de 20 à 40 ans qui n’ont qu’un niveau d’études primaires. En revanche, le nombre de personnes par pièce et la possession d’une voiture sont plus faiblement associés avec la grande prématurité.

Tableau 5 - Répartition des naissances totales et des naissances de grands prématurés à Paris-Petite couronne selon les caractéristiques socio-économiques du quartier (%)

28 Le score de privation est significativement lié au risque d’accouchement prématuré (tableau 6). Notons que 31 % des mères qui ont accouché prématurément résident dans les quartiers les plus défavorisés, représentés par le dernier quartile du score, tandis que 21 % résident dans les quartiers les plus favorisés. Ce surcroît de risque correspond à un odds ratio de 1,5. Quand le score de privation est analysé en quintiles, un écart plus important apparaît entre les deux extrêmes : 26 % des femmes ayant eu un enfant très prématuré habitent dans les quartiers les plus défavorisés versus 16 % dans les quartiers les plus aisés, soit un odds ratio de 1,65. Par rapport à chaque indicateur analysé séparément, le score de privation fait clairement apparaître un gradient social.

Tableau 6 - Répartition des naissances totales et des naissances de grands prématurés à Paris-Petite couronne selon le score de privation du quartier (en %)

V - Discussion

29 Nos résultats sur Paris et la petite couronne rejoignent ceux de nombreuses études qui ont montré que l’environnement socio-économique est associé au risque d’accouchement prématuré : moins cet environnement est favorable, plus le risque de naissance très prématurée est élevé. Le score de privation établi à partir des données du recensement a permis de repérer des aires géographiques caractérisées par un cumul de manques en termes socio-économiques et d’étudier les naissances très prématurées et l’ensemble des naissances dans ces quartiers.

30 Les variables que nous utilisons dans notre score de privation sont toutes très corrélées entre elles. De ce fait, l’analyse ne peut porter que sur le contexte dans son ensemble. Bien que les variables individuelles soient liées au risque de la prématurité et que les associations varient par rapport à la variable étudiée, l’interprétation de ces associations et de leurs différences restent difficiles. Par exemple, nous ne pourrions pas séparer l’effet du niveau de chômage sur le risque de grande prématurité de celui lié au taux de familles monoparentales. Dans les analyses des données issues des recensements, chaque variable prise séparément sert en quelque sorte de proxy à l’ensemble des variables « marqueurs » de précarité (Geronimus et Bound, 1998). C’est ainsi que se justifie la construction d’un indicateur composite pour mesurer de telles inégalités.

31 Notre étude est de type cas-témoin et les modèles de régression utilisés pour l’analyse fournissent des odds ratios et non des risques relatifs ; cependant, l’accouchement très prématuré étant un événement rare, l’odds ratio est une bonne approximation du risque relatif. Si nous partons de l’hypothèse d’un taux d’accouchement très prématuré de 1 %, les odds ratios obtenus impliquent un taux d’accouchement très prématuré de 0,8 % dans le quintile le plus favorisé contre 1,3 % dans le quintile le moins favorisé.

32 Ainsi, nos résultats confirment ceux d’autres études de santé périnatale qui ont utilisé une approche basée sur un score de privation au niveau du quartier de résidence. Au Royaume-Uni, deux études sur le petit poids de naissance ont été réalisées. L’une est basée sur le score de Townsend et l’autre sur celui de Carstairs. Les risques relatifs obtenus entre le cinquième et le premier quintile de ces scores s’élèvent respectivement à 1,59 et 1,53 (Pattenden et al., 1999 ; Spencer et al., 1999). Une étude sur la mortalité périnatale et infantile a mis en évidence un odds ratio de 1,53 entre le premier et le cinquième quintiles du score de Carstairs (Guildea et al., 2001). Une étude américaine a trouvé un écart plus important concernant le risque de petit poids de naissance, autour de 2, en utilisant le score de Townsend (Krieger et al., 2003a). De plus, les odds ratios sont également proches de ceux trouvés dans les études basées sur les caractéristiques individuelles – autour de 1,5 entre les groupes ayant respectivement les indicateurs socio-économiques les plus élevés et les plus bas (Ancel et al., 1999 ; Barbieri, 1998 ; Kaminski et al., 2000 ; Leon et al., 1992).

33 Il est cependant nécessaire de prendre en compte les limites de cette approche lors de l’interprétation des résultats. D’abord, les limites sont induites par les cas manquants à la fois dans la population témoin et dans la population étudiée. Concernant les témoins, nous n’avons aucune information sur les populations non recensées. S’agit-il des individus les plus défavorisés, non couverts par le régime de la Sécurité sociale et dont l’accès au suivi prénatal est limité voire inexistant ? Quant à la population étudiée, elle n’est pas exhaustive : nous n’avons pas tous les enfants prématurés. Certaines adresses sont mal ou pas du tout renseignées et ne peuvent donc pas être rattachées à un Iris. Pour certaines femmes, l’absence d’une adresse témoigne d’une situation socio-économique très précaire (femmes sans domicile fixe ou accueillies dans des foyers) ; si les femmes sans adresse sont celles qui sont dans les situations sociales les plus difficiles, il est alors possible que nous sous-estimions l’effet des caractéristiques sociales. De plus, nous avons une adresse pour les enfants transférés en néonatalogie mais pas pour les mort-nés ni pour les enfants décédés en salle de naissance. Ces enfants représentent autour de 20 % des naissances très prématurées. S’il existe des inégalités d’accès aux soins au moment de la naissance, il est possible que le gradient social soit encore plus fort pour ces cas. Néanmoins, la population sur laquelle porte notre étude, les enfants très prématurés qui sont admis en néonatalogie, est intéressante en soi. Ces enfants, dont environ 85 % sortent vivants d’hospitalisation (Larroque et al., 2004), ont un risque élevé de développer des séquelles liées à la grande prématurité. Le fait qu’ils résident plus souvent dans les quartiers pauvres est une information importante pour l’évaluation des inégalités de santé chez l’enfant ainsi que pour la planification de l’offre de soins.

34 Une autre limite est liée aux dates de recueil des données : la population témoin est composée de nouveau-nés en 1999 et la population analysée de nouveau-nés en 1997. Le recours aux données de recensement implique souvent un décalage de dates entre les deux sources de données. Cependant, une étude effectuée aux États-Unis a montré qu’il existait peu de différences dans l’association d’indicateurs de santé et de données socio-économiques en fonction de la date du recensement utilisé : les auteurs concluent que les données sur les quartiers, même si elles sont mesurées à dix ans d’intervalle, sont très corrélées (Geronimus et Bound, 1998). Avec la nouvelle méthode de recensement mise en place en France à partir de 2004, les données seront disponibles à des dates plus rapprochées.

35 Nous avons testé cette méthodologie uniquement en milieu urbain. Les Iris-2000 ne sont obligatoires que pour les communes de plus de 10 000 habitants et conseillés pour celles d’au moins 5 000 habitants. En milieu rural, la commune est le découpage le plus fin. Il reste à vérifier que l’utilisation des données du recensement au niveau de la commune permet de mettre en évidence des inégalités sociales.

36 Enfin, cette méthodologie ne permet pas d’analyser les mécanismes explicatifs car les données du recensement sont exploitées uniquement au niveau collectif. Ainsi, il n’est pas possible d’obtenir des résultats ajustés sur d’autres facteurs de confusion tels que l’âge de la mère ou la parité. L’âge maternel avancé est un facteur de risque de l’accouchement très prématuré et une part de la différence entre les quartiles pourrait être due à une distribution non semblable des âges. Cependant, puisque les femmes de niveau socio-économique élevé sont souvent plus âgées au moment de la naissance de leurs enfants, la prise en compte de l’âge pourrait également renforcer l’effet observé.

37 Plus généralement, nous ne pouvons pas distinguer entre les différentes explications possibles à l’existence des inégalités sociales. Le surcroît des grandes prématurités dans les quartiers défavorisés peut s’expliquer par l’effet des caractéristiques individuelles de la population ou par un effet lié à l’environnement local indépendamment des caractéristiques des habitants. Pour estimer l’effet propre de l’environnement, il faut pouvoir ajuster le modèle sur les caractéristiques des habitants, telles que leur niveau d’études et leur statut socioprofessionnel, en utilisant les méthodes d’analyse multiniveau. Beaucoup d’études ont ainsi mis en évidence une association entre le quartier de résidence et le risque de prématurité ou de petit poids de naissance (Ahern et al., 2003 ; Boardman, 2004 ; Buka et al., 2003 ; Matteson, Burr et Marshall, 1998 ; O’Campo et al., 1997) ; les mécanismes explicatifs principaux proposés par ces auteurs sont le stress lié à la vie dans un quartier pauvre ou dans une communauté dont le taux de chômage est élevé, l’absence de soutien des réseaux familiaux ou communautaires, les expositions environnementales néfastes, l’absence des services publics et de services sociaux et sanitaires de bonne qualité.

38 Malgré ces limites, cette méthodologie a des avantages certains. Elle nécessite de recueillir l’adresse des seules personnes présentant les problèmes de santé étudiés et constitue ainsi une approche pour la surveillance des inégalités sociales de santé à partir des registres de maladies ou de problèmes de santé, tels que les registres de cancer ou de handicap, et des enquêtes épidémiologiques spécifiques. L’adresse des patients est souvent disponible dans les dossiers médicaux, contrairement aux informations sur la situation socio-économique. La méthode pourrait être appliquée à d’autres problèmes de santé pour lesquels une population témoin, représentant la population à risque de développer la maladie en termes d’âge ou de sexe, pourrait être constituée à partir du recensement. Enfin, l’utilisation de ces données pour des analyses multiniveaux, permettant une analyse plus complète des mécanismes explicatifs, est également possible si les données individuelles sont disponibles pour la population témoin. En conclusion, cette méthodologie permettrait de tenir compte, de manière régulière, de la dimension sociale dans les études sur la santé et fournirait ainsi les éléments nécessaires à la mise en place et à l’évaluation des politiques publiques, ainsi qu’à l’estimation des besoins de services de soins de la population.

Bibliographie

RÉFÉRENCES

Ahern J., Pickett K.E., Selvin S., Abrams B., 2003, « Preterm birth among African American and white women: A multilevel analysis of socioeconomic characteristics and cigarette smoking », Journal of Epidemiology and Community Health, 57(8), p. 606-611.

Algava É., 2002, « Les familles monoparentales en 1999 » Population, 57(4-5), p. 733-758.

Ancel P.Y., Saurel-Cubizolles M.J., Di Renzo G.C., Papiernik E., Breart G., 1999, « Very and moderate preterm births: Are the risk factors different ? », British Journal of Obstetrics and Gynaecology, 106(11), p. 1162-1170.

Barbieri M., 1998, « La mortalité infantile en France », Population, 53(4), p. 813-838.

Bréart G., Barros H., Wagener Y., Prati S., 2003, « Characteristics of the childbearing population in Europe », European Journal of Obstetrics and Gynecology and Reproductive Biology, vol. 111, Suppl. 1, p. S43-52.

Boardman J.D., 2004, « Stress and physical health: The role of neighborhoods as mediating and moderating mechanisms », Social Science and Medicine, 58(12), p. 2473-2483.

Bolusset A., 2000, « Un nouveau découpage pour mieux connaître la ville : les Iris-2000 », Économie Corse, n° 93, Insee.

Buka S.L., Brennan R.T., Rich-Edwards J.W., Raudenbush S.W., Earls F., 2003, « Neighborhood support and the birth weight of urban infants », American Journal of Epidemiology, 157(1), p. 1-8.

Carstairs V., 1995, « Deprivation indices: Their interpretation and use in relation to health », Journal of Epidemiology and Community Health, vol. 49, Suppl. 2, p. S3-8.

Carstairs V., 2000, « Socio-economic factors at area level and their relationship with health », in Spatial Epidemiology: Methods and application, New York, O.U. Press, p. 58-67.

Carstairs V., Morris R., 1991, « Which Deprivation? A comparison of selected deprivation indexes », Journal of Public Health Medicine, 13(4), p. 318-326.

Courgeau D., Baccaïni B., 1997, « Analyse multi-niveaux en sciences sociales », Population, 52(4), p. 831-863.

Dinh Q.C., 1998, « Les inégalités sociales de la mortalité infantile s’estompent », Économie et Statistique, n° 314, p. 86-106.

Geronimus A.T., Bound J., 1998, « Use of census-based aggregate variables to proxy for socioeconomic group: Evidence from national samples », American Journal of Epidemiology, 148(5), p. 475-486.

Guildea Z.E., Fone D.L., Dunstan F.D., Sibert J.R., Cartlidge P.H., 2001, « Social deprivation and the causes of stillbirth and infant mortality », Archives of Disease in Childhood and Neonatal Edition Archive, 84(4), p. 307-310.

Jarman B., 1983, « Identification of underprivileged areas », British Medical Journal, 286(6379), p. 1705-1709.

Kaminski M., Blondel B., Saurel-Cubizolles M.-J., 2000, « La santé périnatale », in A. Leclerc et al. (dir.), Les inégalités sociales de santé, Paris, La Découverte/ Inserm, p. 173-192.

Krieger N.C., Chen J.T., Waterman P.D., Soobader M.J., Subramanian S.V., Carson R., 2003a, « Choosing area based socioeconomic measures to monitor social inequalities in low birth weight and childhood lead poisoning. The Public Health Disparities Geocoding Project (US) », Journal of Epidemiology and Community Health, 57(3), p. 186-199.

Krieger N.C., Waterman P.D., Rehkopf D.H., Subramanian S.V., 2003b, « Race/ethnicity, gender, and monitoring socioeconomic gradients in health: A comparaison of area-based socioeconomic measures. The Public Health Disparities Geocoding Project », American Journal of Public Health, 93(10), p. 1655-1669.

Larroque B., Breart G., Kaminski M., Dehan M., Andre M., Burguet A., Grandjean H., Ledesert B., Leveque C., Maillard F., Matis J., Roze J.C., Truffert P., 2004, « Survival of very preterm infants: Epipage, a population based cohort study », Archives of Disease in Childhood Fetal and Neonatal Edition Archive, 89(2), p. F139-144.

Leon D.A., Vagero D., Olausson P.O., 1992, « Social class differences in infant mortality in Sweden: Comparison with England and Wales », British Medical Journal, 305(6855), p. 687-691.

Matteson D.W., Burr J.A., Marshall J.R., 1998, « Infant mortality: A multi-level analysis of individual and community risk factors », Social Science and Medicine, 47(11), p. 1841-1854.

O’campo P., 2003, « Invited commentary: Advancing theory and methods for multilevel models of residential neighborhoods and health », American Journal of Epidemiology, 157(1), p. 9-13.

O’campo P., Xue X., Wang M.C., Caughy M., 1997, « Neighborhood risk factors for low birthweight in Baltimore: A multilevel analysis », American Journal of Public Health, 87(7), p. 1113-1118.

Pampalon R., Raymond G., 2000, « A deprivation index for health and welfare planning in Quebec », Chronic Diseases Canada, 21(3), p. 104-113.

Pattenden S., Dolk H., Vrijheid M., 1999, « Inequalities in low birth weight: Parental social class, area deprivation, and « lone mother » status », Journal of Epidemiology Community Health, 53(6), p. 355-358.

Rican S., Salem G., Jougla É., 1999, « Disparités géographiques de mortalité par cancers broncho-pulmonaires en France et échelles spatiales d’analyse : intérêt du changement d’échelle en géographie de la santé », Revue d’épidémiologie et de santé publique, 47, p. 411-420.

Rican S., Jougla É., Salem G., 2003, « Inégalités socio-spatiales de mortalité en France », Bulletin épidémiologique hebdomadaire, 30-31, InVS, p. 142-145.

Rolett A., Kiely J.L., 2000, « Maternal sociodemographic characteristics as risk factors for preterm birth in twins versus singletons », Paediatric and Perinatal Epidemiology, 14(3), p. 211-218.

Spencer N., Bambang S., Logan S., Gill L., 1999, « Socioeconomic status and birth weight: Comparison of an area-based measure with the Registrar General’s social class », Journal of Epidemiology and Community Health, 53(8), p. 495-498.

Townsend P., 1987, « Deprivation », Journal of Social Policy, 16, p. 125-146.

Notes

[ *] Recherches épidémiologiques en santé périnatale et santé des femmes, Inserm U149, Paris et Centre de recherche populations et sociétés (Cerpos), Université Paris X, Nanterre.

[ **] Recherches épidémiologiques en santé périnatale et santé des femmes, Inserm U149, Paris.

[ ***] Épipage groupe Paris-Petite couronne : Pierre-Yves Ancel, Gérard Breart, Michel Dehan, Monique Kaminski, Christiane du Mazaubrun, Michel Vodovar, Marcel Voyer, Véronique Zupan-Simunek.

[ 1] La petite couronne englobe le premier cercle des départements qui entourent la ville de Paris, soit la Seine-Saint-Denis, le Val-de-Marne et les Hauts-de-Seine.

[ 2] 10 % des adresses n’ont pas pu être rattachées à un Iris. Dans 70 % des cas, l’adresse était manquante parce que le suivi d’enquête avait été refusé ou parce que les femmes étaient sans domicile fixe. Dans seulement 12 cas, il s’agit d’adresses trop imprécises pour pouvoir être classées dans un Iris.

Résumé

L’objectif principal est de montrer que l’analyse des caractéristiques démographiques et socio-économiques des quartiers de résidence permet de rendre compte des inégalités sociales en termes de santé. Nous prenons comme exemple la grande prématurité à Paris et en petite couronne en recourant aux données de l’étude Épipage. Lors du recensement de 1999, l’Insee a mis en place un nouveau découpage infra-communal, nommé Iris-2000, que nous utilisons pour déterminer les caractéristiques des quartiers. L’analyse des inégalités sociales est fondée sur une approche en termes de conditions de vie, qui aboutit à calculer un score de privation à partir des données du recensement en utilisant des variables qui captent le mieux les dimensions de la privation. 31 % des mères qui ont accouché prématurément résident dans les quartiers les plus défavorisés (dernier quartile du score de privation) tandis que 21 % résident dans les quartiers les plus favorisés (premier quartile). Ce surcroît de risque correspond à un odds ratio de 1,5. Nos résultats rejoignent ceux de nombreuses études qui ont montré que l’environnement socio-économique a un impact sur le risque d’accouchement prématuré : moins cet environnement est favorable, plus le risque de naissance très prématurée est élevé. De plus, la méthodologie mise en place pourrait être utilisée pour d’autres pathologies et permettrait d’intégrer la surveillance des inégalités socio-spatiales dans les études épidémiologiques.

PLAN DE L'ARTICLE

• I - Approche théorique
• II - Sources et méthodes
  • Échelle géographique
  • Construction du score de privation
  • La population étudiée : les grands prématurés
  • La population témoin : les nouveau-nés recensés en 1999
• III - Stratégie d’analyse
• IV - Résultats
• V - Discussion

Linda Lasbeur et al. « Analyser les inégalités socio-économiques de santé à partir des données du recensement », Population 4/2006 (Vol. 61), p. 567-584.
URL : www.cairn.info/revue-population-2006-4-page-567.htm.
DOI : 10.3917/popu.604.0567.