La hiérarchie dans la construction du pré-modèle conceptuel d'analyse

La hiérarchie dans la construction du pré-modèle conceptuel d’analyse

Epidémiologie, systémique et hiérarchie des systèmes

L’épidémiologie peut être définie comme l’étude de la distribution et des facteurs d’état ou d’événements de santé dans des populations d1terminées, ainsi que l’application de cette étude à la maÎtrise des problèmes de santé. ( ) [1]. Très souvent, les facteurs d’état ou d’événement de santé sont appelés facteurs de risque: ils sont associés à l’augmentation de la probabilité d’apparition ou de développement d’un phénomène pathologique. Cette définition générale s’applique sans difficulté à la pathologie animale.Beaucoup de pathologies observées en élevage sont multifactorielles: leur apparition ne peut être expliquée par l’action d’un unique agent pathogène, responsable de l’ensemble des symptômes observés. Ces maladies sortent du cadre du postulat de Koch qui énumère les conditions nécessaires pour établir une relation causale entre un agent pathogène supposé être responsable d’une maladie et cette maladie. Dans ces conditions, on ne peut se référer au modèle Agent 4 .

Chronologie et logique du déroulement des événements

En 1977, GOLDSMITH [17] formalise les règles d’écriture de ces schémas en épidémiologie et justifie l’emploi de la méthode. Avec la régression multiple pas-àpas (très employée en épidémiologie), on suppose implicitement que 2 variables explicatives x et y ont des relations symétrique entre elles et asymétrique avec la variable à expliquer z (Fig. 5). L’algorithme choisit entre x et y la variable ayant la plus grande variance dans la covariance commune de x et y avec z, en l’absence de considérations logiques ou biologiques.GOLDSMITH s’appuie sur un exemple fictif de l’étude de la mortalité quotidienne M dans les grandes villes, en fonction de la température T, la pollution P et les conditions météorologiques W. Le schéma complet des interactions, implicitement accepté quand on effectue une régression multiple pas-à-pas, est indiqué ci-contre.
La chronologie des événements observés au cours de l’enquête peut entraîner des simplifications: si de forts niveaux de pollution étaient observés avant la survenue d’un changement de température, la relation T -+ P n’aurait pas de sens.Si les observations ou des connaissances antérieures permettaient de penser que les conditions météorologiques provoquaient à la fois un changement de température et une forte pollution, on proposerait comme schéma explicatif de la mortalité le diagramme ci-contre: toutes les relations sont unidirectionnelles et certaines relations théoriquement possibles (comme W -+ M) ne sont pas retenues.

Figuration des autres hiérarchies structurant le système

Dans un article consacré à la mise au point d’un modèle d’étude des facteurs socio-économiques favorisant le paludisme en Colombie [19], BANGUERO propose un pré-modèle (Fig. 9) pour un système composé de 3 sous-systèmes emboîtés: individu, foyer familial et communauté. L’échelle privilégiée est celle du foyer. Dans ce modèle, la hiérarchie est figurée sur l’axe vertical (Communauté – Foyer – Individus, de bas en haut), alors que l’axe horizontal, plutôt que de représenter la chronologie des événements, détaille la stratégie de l’analyse: synthèse et agrégation des informations les plus à gauche (informations de base) pour simplifier l’analyse finale. Cela correspond aux variables synthétiques de LAFI et KANEENE, mais l’organisation hiérarchique sociofamiliale est respectée. En revanche, la chronologie des événements n’est pas prise en compte.

Bilan

Le modèle hiérarchique non linéaire paraît susceptible de répondre à la plupart des situations rencontrées en épidémiologie vétérinaire, et particulièrement dans les enquêtes écopathologiques effectuées dans des systèmes d’élevage complexes.Cependant, l’exemple fourni par GOLDSTEIN est peu démonstratif: aucune covariable n’est envisagée à l’échelle supérieure, et surtout, il ne compare pas ses résultats avec ceux que l’on pourrait obtenir avec un modèle non hiérarchique.
Une telle comparaison est effectuée par ALBANDAR et GOLDSTEIN dans un article d’application au domaine dentaire [37]. Les auteurs confrontent un modèle linéaire non hiérarchique et un modèle linéaire hiérarchique. Malheureusement, la partie méthodologique est peu détaillée et ne permet pas de comprendre toutes les hypothèses ayant présidé à la conception du modèle statistique. De plus, le modèle linéaire simple qui sert de point de comparaison n’est pas explicité dans cet article: il est fait référence à un autre article dont quelques résultats sont rappelés. Toutefois, il est indiqué que le modèle hiérarchique fournit des résultats plus simples en termes de parcimonie en variables. La variance des coefficients est plus forte qu’avec le modèle non hiérarchique, ce qui diminue la signification statistique, et permet d’éliminer des variables qui avaient été conservées avec ce modèle.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

1 ntroduction
Epidémiologie, systémique et hiérarchie des systèmes
Restrictions apportées à l’étude
Plan du rapport
1. La hiérarchie dans la construction du pré-modèle conceptuel d’analyse
1.1. La hiérarchie et la problématique de l’étude
1.1.1. Faut-il étudier spécifiquement chaque niveau hiérarchique ?
1.1.2. Choix de l’échelle d’observation et stratégie d’échantillonnage. Contraintes en milieu difficile
1.2. Ecriture du pré-modèle conceptuel d’analyse
1.2.1. Chronologie et logique du déroulement des événement
1.2.2. Figuration des autres hiérarchies structurant le système
2. Modèles statistiques pour l’étude des hiérarchies logique et temporelle
2.1. Régression linéaire
2.2. Régression logistique
2.3. Limites de l’analyse des interactions étiologiques
3. Modèles hiérarchiques généraux
3.1. Modèle hiérarchique bayésien
3.1.1. Fonnulation et interprétation
3.1.2. Estimation des paramètres et vérifications
3.1.3. Bilan
3.2. Modèles de régression à plusieurs échelles
3.2.1. Modèles linéaires mixtes
3.2.2. Modèles non linéaires mixtes
3.2.2.1. Méthode
3.2.2.2. Exemple: analyse du chômage en Ecosse
3.2.3. Bilan
4. Conclusion
5. Annexe: bibliométrie
6. Bibliographie