Dans quelles situations faut-il standardiser un indicateur?
Quelle est la fréquence de telle ou telle maladie? Quel est le taux d’hospitalisation? À combien s’élèvent les coûts pour le système de santé? La comparaison n’est pertinente, pour bon nombre d’indicateurs de la santé et du système de santé publique, que si l’on connaît la taille de la population à laquelle ils se rapportent. C’est pourquoi nous calculons des taux qui fournissent des chiffres pour 1000 ou pour 100 000 habitants (taux bruts).
En plus du nombre de personnes, d’autres caractéristiques structurelles de la population – avant tout l’âge et le sexe – jouent un rôle non négligeable. Ainsi, on peut s’attendre à ce qu’une population très âgée soit plus affectée par certaines maladies et donc que le taux d’hospitalisation et les coûts de santé soient plus élevés. De même, le nombre d’hospitalisations est plus élevé chez les femmes en âge de maternité que chez les hommes du même groupe d’âge.
Si des différences notables dans la structure démographique des populations s’observent surtout dans un contexte international, force est de constater que dans notre pays des différences apparaissent d’un canton à l’autre. En 2019, le Tessin comptait davantage de personnes âgées de 65 ans ou plus (23%) que le canton de Fribourg (16%), de sorte que sa population était plus âgée. Bien sûr, la structure de la population d’une région peut aussi changer avec le temps.
Ne pas prendre en compte ces différences structurelles peut entraîner des conclusions erronées, ce qu’une standardisation permet précisément d’éviter. La standardisation est un calcul qui permet de comparer des populations présentant des différences structurelles (sur le plan régional ou temporel, p. ex.). Toutefois, conséquence quelque peu malheureuse de cette standardisation, l’accès simple et intuitif aux chiffres effectifs devient caduc.
Par exemple pour 2018, une standardisation entraîne pour le canton du Tessin une baisse du taux de mortalité, qui passe de 892 à 738 décès pour 100 000 habitants. Pour le canton de Fribourg, cette même standardisation provoque une hausse du taux qui passe de 646 à 814 décès pour 100 000 habitants. Sa population étant plus âgée, le canton du Tessin présente un taux brut (ou non standardisé) plus élevé que celui de Fribourg. Dès lors que la même structure démographique (la population européenne standard de 2010 dans notre cas) est appliquée pour les deux populations, la mortalité est plus faible au Tessin que dans le canton de Fribourg.
Selon quelle méthode l’Obsan standardise-t-il les indicateurs?
On recourt ici à la méthode directe. Cela signifie que l’on pondère les taux spécifiques (selon l’âge et le sexe) par la structure d’une population standard théorique. Les résultats peuvent ainsi être comparés à ceux d’autres populations, sauf que les résultats standardisés n’ont pas de rapport direct (intuitif) avec le nombre de cas.
Formule du calcul du taux standardisé selon l’âge et le sexe (R) :
R : Taux standardisés selon l'âge et le sexe
Nij : nombre de personnes du groupe d’âge i et de sexe j dans la population standard
rij : taux brut spécifique à l’âge i et au sexe j dans la population étudiée
La population standard se réfère ici à la population standard européenne de 2010 (Eurostat, 2013).
L’intervalle de confiance, également présenté, est une mesure indiquant la précision de l’estimation. Il définit les limites dans lesquelles la valeur réelle se situe avec une probabilité de 95%. Tant l’erreur standard que l’intervalle de confiance de 95% sont calculés avec une approximation de la variance des taux par la loi Gamma (Tiwari et al., 2006).
Où trouver les taux bruts?
Si les graphiques n’indiquent pas les taux bruts, ceux-ci apparaissent dans les tableaux de données que le lecteur peut ouvrir en cliquant sur le bouton correspondant.
Références
- Eurostat (2013). Revision of the European Standard Population — Report of Eurostat's task force. Luxembourg: Publications Office of the European Union: Rapport (en anglais).
- Tiwari, R. C., Clegg, L. X., & Zou, Z. (2006). Efficient interval estimation for age-adjusted cancer rates. Statistical methods in medical research, 15(6), 547-569: Publication (en anglais)