|
Master Professionnel
Economie de la santé
dans les pays en Développement et en Transition.
RAPPORT D'ECONOMÉTRIE
ETUDE DE L'IMPACT DES POLITIQUES DE REDUCTION DES RISQUES DE
DROGUES INJECTABLES SUR LE VIH/SIDA
LAMY Sophie
CYICARANO Solange
Année 2006- 2007
Cerdi - Université d'Auvergne, 65 Bd F. Mitterand, 63000
Clermont-Fd, France - www.cerdi.org SOMMAIRE
I PARTIE
1
I.A. INTRODUCTION
1
I.B. LES RISQUES LIES A L'USAGE DES DROGUES
INJECTABLES
3
I.C. REPONSE A LA CONSOMMATION DES
DROGUES : LES POLITIQUES DE REDUCTION DE RISQUES
5
I.C.1. Les traitements de
substitution
5
I.C.2. PROGRAMME D'ECHANGE DE
SERINGUES
6
II. PARTIE :
PRESENTATION DE L'ETUDE ECONOMETRIQUE
10
II.A. JUSTIFICATION DE L'ÉTUDE
10
II.B. LE CHOIX DES VARIABLES DU
MODÈLE.
10
II.B.1. La variable
dépendante:
10
II.B.2. Les variables
indépendantes:
10
II.C. LE MODÈLE INITIAL
12
II.C.1. Le modèle
final
12
II.C.2. II.3.2 Les tests
d'hypothèses économétriques
13
II.C.3. Les tests
économiques
16
III. INTERPRETATION
ET DISCUSSIONS DES RESULTATS
17
III.B. LES VARIABLES
D'INTÉRÊT
17
III.B.1. La variable
«PES»
17
III.B.2. La variable
«TRAITEMENT»
17
III.B.3. La variable
«CENTRE» :
17
III.B.4. La variable
«CLIENTS» :
18
III.B.5. Les variables de
contrôle
18
III.C. LIMITES DE L'ÉTUDE
19
III.D. TENDANCES RÉCENTES DES
NOUVEAUX CAS DÉCLARÉS DE VIH
20
IV. CONCLUSION
21
V.
BIBLIOGRAPHIE
22
VI. ANNEXES
24
LISTE DES ABBREVIATIONS
EMCDDA European Monitoring Centre for Drugs and Drug Addiction
IDH Indice de Développement Humain
IDU Utilisateurs de Drogues injectables
MCO Moindres Carrés Ordinaires
OFDT Observatoire Français des Drogues et Toxicomanies
PECO Pays d'Europe Centrale et Orientale
PPA Parité de Pouvoir d'Achat
RdR Réduction des Risques
VIH Virus de l'Immunodéficience Humaine
UNAIDS United Nations Programme on HIV/AIDS
UE Union Européenne
UNODC United Nations Office on Drugs and Crime
I. PARTIE
I.A.
INTRODUCTION
L'une des conséquences les plus graves pour la
santé de la consommation de substances illicites, et en particulier de
l'usage de drogue par voie intraveineuse, est la transmission du VIH et
d'autres maladies infectieuses, notamment l'hépatite B et C. Le rapport
entre l'injection de drogue et la transmission de l'infection est bien
établi.
En effet, cette relation est liée à
l'utilisation commune de seringues ou d'autres matériels d'injection
contaminés. Les études mettent également en
évidence un lien entre la consommation de drogue et une activité
sexuelle à haut risque.
Parmi les 40 millions de personnes infectées par le VIH
dans le monde, environ 3,3 millions l'ont été par suite de
l'injection de drogues (UNAIDS, 2001). Le nombre de pays rapportant une
épidémie de VIH au sein de leur population d'utilisateurs de
drogues par injection (UDI) a plus que doublé entre 1992 et 1999,
passant de 52 à 114 (Needle et al., 2001). Le taux de prévalence
du VIH chez les UDI varie largement d'un pays à un autre. Ces variations
reflètent le début plus ou moins récent de
l'épidémie de VIH dans la population d'UDI ainsi que
l'intensité des mesures de réduction des méfaits qui ont
été implantées. Des taux de prévalence allant
jusqu'à 70 % ont été rapportés chez les UDI de
certains pays (UNAIDS, 2002 ; Cohn, 2002 ; Des Jarlais et al., 1999). En 2000,
61 % de l'ensemble des cas d'infection à VIH dans la
Fédération de Russie étaient la conséquence de
l'injection de drogues par voie intraveineuse, contre 23 % en moyenne dans dix
pays d'Europe occidentale, 22 % aux États-Unis et 8 % en Australie.
Fig1.
Face à ce problème, les interventions
préventives chez les UDI se sont heurtées et se heurtent encore
dans certains pays aux lois répressives contre les drogues illicites ce
qui affecte leur faisabilité. Depuis les années 1980, certains
pays de l'Europe Occidentale (comme la France en 1987) ont vu naître des
décrets autorisant la vente libre de seringues. C'est ainsi qu'est
née la stratégie de politiques de réduction de risques
(RdR).
Les politiques RdR, traduction approximative de l'expression
anglaise « harm reduction », peuvent être définies
comme « toutes les actions individuelles et collectives, médicales,
sociales, visant à minimiser les effets négatifs liés
à la consommation des drogues dans les conditions juridiques et
culturelles actuelles ». La réduction des risques est donc une
politique pragmatique qui propose de réduire l'ensemble des risques
sociaux et sanitaires liés à l'usage de drogues en les
hiérarchisant .
Ces politiques consistent en un accès facilité
aux seringues (sensibilisation des pharmaciens, vente libre de seringues),
à l'administration de traitements de substitution et à des
programmes d'informations et de sensibilisation auprès de la population
cible. Dès le milieu des années 90, les traitements de
substitution étaient disponibles dans tous les États membres de
l'UE. Dans certains pays toutefois, la substitution reste un sujet
délicat.
De nombreuses études ont pu démontrer que la
mise en application de ces politiques RdR contribuerait à réduire
la criminalité, la propagation des maladies infectieuses ainsi qua la
mortalité liée à la toxicomanie. Parmi ces études,
on peut citer le rapport de la Cochrane Collaboration(c) 2007
Organisation mondiale de la santé. Ce rapport évalue
l'efficacité du traitement de substitution par voie orale chez les
toxicomanes par voie intraveineuse dépendants aux opiacés.
L'efficacité se mesure en terme de taux d'infection à VIH, de
prévalence et de fréquence des comportements associés au
risque élevé de transmission du VIH. Parmi ces comportements, il
convient de mentionner l'injection de drogues par voie intraveineuse,
l'échange de dispositifs d'injection, les relations sexuelles à
risque et les partenaires sexuels multiples.
Dans la plupart des pays développés, la
réduction de l'usage de drogue par voie intraveineuse et du partage du
matériel d'injection est donc devenue l'objectif premier des actions de
santé publique dans ce domaine. Cette politique est l'un des six
objectifs du Plan d'action en matière de lutte contre la drogue
(2000-2004) de l'UE et constitue une priorité manifeste des pays de
l'UE.
Par ailleurs, la propagation du VIH chez les usagers de
drogues injectables peut stimuler la transmission du virus dans la population
générale.
I.B. LES RISQUES LIES A L'USAGE DES DROGUES INJECTABLES
A travers le monde, la majorité des nouveaux
injecteurs de drogues sont des jeunes. Certaines sous populations comme les
jeunes de la rue, les jeunes détenus et les jeunes sans protection sont
particulièrement à risques de s'initier à l'injection.
L'âge moyen de l'initiation à l'injection varie d'une population
à une autre mais la majorité s'initie à la fin de
l'adolescence. Dans plusieurs études, la précocité de
l'initiation est associée à plus de comportement à risques
pour la transmission du VIH.
Chez les IDU, le partage de matériel
d'injection est l'un des principaux comportements à
risque pour la transmission du VIH. Des études ont
démontré que 27 à 66 % des jeunes injecteurs avaient
emprunté ou prêté une seringue au moins une fois dans leur
vie (Hien, 2001; Mullen & Barry, 2001 ; Louie et al., 1996 ; Hahn et al.,
2001 ; Cassin et al., 1998) et qu'entre 34 et 54 % avaient partagé des
seringues récemment, soit au cours du dernier mois ou des six derniers
mois (Fennema et al., 1997 ; Roy et al., 2000). Le partage des autres
matériels d'injection, soit la cuillère, le filtre ou l'eau,
était également très fréquent. En effet, selon les
études, de 67 à 87 % des jeunes rapportaient en avoir
partagé au moins une fois, dans leur vie (Hah et al., 2001 ; Smyth et
al., 2001) et 64 à 87 % récemment (Cassin et al.,1998 ; Smyth et
al., 2001 ; Roy et al. 2000).
Les conditions sociales et environnementales dans lesquelles
les jeunes s'injectent des drogues peuvent avoir un impact négatif sur
leurs pratiques d'injection. Par exemple, dans plusieurs pays, une grande
proportion des jeunes rapporte s'être injectée des drogues
à l'extérieur, ce qui peut mener à des conditions
d'injection dangereuses et non hygiéniques et augmenter les risques
d'infection. Comme le montre le schéma ci-dessous, les risques
sociaux se traduisent par l'absence d'activité
professionnelle ainsi que toutes les conséquences comme
l'instabilité du logement, l'exclusion sociale, etc...
Fig2.
Bien qu'une large proportion des recherches sur les
comportements à risque des jeunes injecteurs menées au cours de
la dernière décennie se soient penchées sur leurs
comportements d'injection, leurs comportements sexuels doivent également
être pris en considération. Malgré le fait que ces jeunes
aient grandi à une époque où la promotion du
préservatif était largement répandue, une grande
proportion d'entre eux ne l'utilisent pas de façon constante. Les jeunes
injecteurs rapportent également divers autres comportements sexuels
à risque (multiplicité des partenaires, expérimentation
sexuelle y compris expériences homosexuelles et bisexuelles). À
la lumière de ces multiples comportements sexuels à risque, il
n'est pas surprenant de constater une fréquence élevée des
maladies sexuellement transmissibles (MST). En plus de causer des MST, les
comportements sexuels non protégés sont aussi sources de
grossesses imprévues. Ces grossesses présentent un potentiel
important de transmission du VIH de la mère à l'enfant. La
présence combinée de comportements sexuels à risque et de
comportements d'injection à risque, combinaison qui semble
caractériser les jeunes UDI, serait particulièrement importante
chez ceux qui sont polytoxicomanes. En effet, la polytoxicomanie, très
présente notamment chez les jeunes injecteurs, serait associée
à la fois à un risque accru de pratiques d'injection non
sécuritaires et de comportements sexuels non protégés.
Il est particulièrement important de tenir compte des
contraintes légales dans le développement d'interventions pour
les IDU. L'environnement juridique, politique, socio-économique, le
contexte culturel variant d'un pays à l'autre peuvent par la
gravité des sanctions, rendre difficile la faisabilité des
interventions préventives et ainsi priver les IDU d'un accès
à l'information nécessaire pour la protection contre l'infection
à VIH.
I.C. REPONSE A LA CONSOMMATION DES DROGUES : LES
POLITIQUES DE REDUCTION DE RISQUES
Plusieurs interventions de santé publique se sont
révélées utiles pour réduire la transmission des
maladies infectieuses parmi les usagers de drogue, et le consensus est de plus
en plus large pour affirmer qu'une approche globale de la fourniture de
services en ce domaine est la plus susceptible de porter des fruits.
Historiquement, le débat s'est, dans une large mesure, concentré
sur la prévention de l'infection par le VIH parmi les UDI.
La réduction des risques est apparue dans les
années 80, à Amsterdam et à Rotterdam, en Hollande, et
dans la région de Merseyside, en Angleterre et s'est traduit par la mise
en place d'actions telles que:
· un ensemble de textes législatifs et
réglementaires incitatifs : vente libre en pharmacie, autorisation faite
aux associations de distribuer les seringues.
· des programmes de distribution et d'échange de
seringues, financés par les pouvoirs publics, menés
également par des associations au contact des toxicomanes les plus
marginalisés.
· un accès aux traitements de substitution.
I.C.1. LES TRAITEMENTS DE SUBSTITUTION
Le traitement de substitution consiste en une de prise en
charge thérapeutique proposée à des personnes
dépendantes aux opiacés (essentiellement des usagers
d'héroïne) basée sur une substance analogue ou identique
à la drogue normalement consommée.
Ce traitement peut prendre deux formes différentes:
· la maintenance qui consiste à procurer au
sujet une dose suffisante de la substance pour réduire tout comportement
à risque ou dangereux
· la désintoxication qui consiste à
réduire progressivement la quantité jusqu'à suppression
complète de la consommation.
Deux médicaments sont utilisés dans le cadre
d'un traitement de substitution aux opiacés : la
Méthadone (sirop) , dont la prescription ne peut être
initiée que dans les établissements de soins, et la
Buprénorphine Haut Dosage (BHD) ou Subutex® (
comprimés), qui peut être prescrite d'emblée par tout
médecin. Le traitement est généralement assorti d'un
soutien psychosocial.
Les traitements de substitution sont largement utilisés
pour traiter le problème de drogues au sein de l'Union
européenne.
Force est de constater que les preuves les plus solides de
l'efficacité des interventions concernent la prévention de
l'infection par le VIH chez les injecteurs de drogue. Un ensemble de
données solides montre que les interventions peuvent être
considérées comme efficaces et que l'accès aux traitements
de tout type offre une protection. Depuis le milieu des
années 1990, la réponse européenne s'est
caractérisée par un développement de l'offre de traitement
de la dépendance à la drogue et, dans l'ensemble, cette approche
semble avoir été l'un des éléments qui a
contribué à la situation relativement encourageante que l'on
observe aujourd'hui en Europe en ce qui concerne la transmission du VIH chez
les UDI.
Le traitement n'est qu'un volet d'une approche exhaustive de
la prévention du VIH. Parmi les autres éléments figurent
diverses techniques d'information, d'éducation et de communication, des
conseils et le dépistage volontaire des maladies infectieuses, une
vaccination et la distribution de matériel d'injection stérile et
d'autres moyens prophylactiques. Ces mesures, alliées à la
fourniture de services de traitement médical dans les structures
à bas seuil, voire parfois dans la rue, peuvent contribuer à
établir ou à améliorer la communication avec des usagers
de drogue actifs et avec leurs partenaires sexuels au sujet des risques
liés à l'usage de drogue et de la prévention des effets
sur la santé.
I.C.2. PROGRAMME D'ECHANGE DE
SERINGUES
Un accès facile aux seringues est une condition
nécessaire de la réduction de la transmission du VIH. Une large
disponibilité des seringues doit conduire à réduire encore
les diverses formes de partage des seringues ou leur réutilisation
même personnelle, le nombre de seringues usagées en circulation ou
abandonnées sur les lieux publics et l'incitation à des pratiques
sexuelles à moindre risques.
Par définition, les PES sont des projets animés
par une équipe d'intervenants divers (travailleurs sociaux,
médecins, infirmiers, ex-usagers de drogues) et destinés aux
usagers de drogues ne fréquentant pas ou peu les lieux de soins et les
circuits médico-sociaux institutionnels auxquels ils offrent un premier
contact sans contrainte. Les PES oeuvrent dans des conditions variables (sur
site fixe et fermé ou en milieu ouvert de façon itinérante
type bus/travail de rue).
Bien que la plupart des pays d'Europe distribuent
désormais du matériel d'injection stérile, la nature et
l'étendue du service varient selon les pays. Le modèle le plus
courant est la fourniture de ce service dans un endroit fixe,
généralement une structure spécialisée, mais
souvent, l'offre est complétée par des services itinérants
(bus) qui tentent d'atteindre les usagers de drogue dans des lieux
communautaires. L'échange de seringues et les distributeurs de seringues
complètent les services PES disponibles dans huit pays, même si
l'offre semble limitée à une poignée de sites, l'Allemagne
et la France étant les seuls pays à faire état d'une
activité importante dans ce domaine (respectivement 200 et 250 automates
environ). L'Espagne est le seul pays de l'UE où des programmes
d'échange de seringues sont disponibles dans les prisons, ce service
existant dans 27 prisons en 2003. Le seul autre État membre de l'UE
à faire état d'une activité dans ce domaine est
l'Allemagne, où le service est limité à une seule
prison.
La mesure de la couverture des programmes d'échange de
seringues est un aspect important pour comprendre les effets probables de la
distribution de seringues sur la prévention des maladies et
évaluer les besoins non satisfaits. Cependant, pour interpréter
ces données, il convient de tenir compte de la distribution de seringues
dans le cadre des ventes en pharmacie (prix, densité du réseau de
pharmacies) ainsi que des habitudes comportementales des UDI et de facteurs
environnementaux. D'autre part, l'achat de seringues en officine peut
constituer une source importante de contact avec le service sanitaire pour
certains usagers de drogue par voie intraveineuse et il existe clairement une
possibilité d'exploiter ce point de contact pour mener à d'autres
services. Le travail de motivation et de soutien des pharmaciens à
développer les services qu'ils offrent aux usagers de drogue pourrait
être un volet important de l'extension du rôle des pharmacies mais,
à ce jour, seuls la France, le Portugal et le Royaume-Uni semblent
investir véritablement dans ce sens
Il est notoire que de nombreux facteurs influencent la
fréquence d'injection chez les usagers de drogue, comme les habitudes de
consommation, le degré de dépendance et le type de drogue
consommée. Une étude récente portant sur la relation entre
la prévalence du VIH et la couverture des programmes de distribution de
seringues suggère que des facteurs comportementaux, par exemple la
fréquence d'injection et la réutilisation personnelle de
seringues, influencent fortement le niveau de distribution de seringues
nécessaire pour parvenir à une diminution sensible de la
prévalence du VIH (Vickerman et al., 2006). Tous les UDI ne s'exposent
pas aux mêmes risques de transmission du VIH et n'ont pas la même
motivation à se protéger. Aussi, les interventions en
prévention du VIH peuvent cibler les UDI selon leur niveau de risque et
leur motivation à adopter des comportements préventifs.
En résumé, au-delà de l'accès aux
seringues stériles, d'autres mesures peuvent être adoptées
pour permettre de lutter efficacement contre la transmission du VIH chez les
UDI. Par exemple, des mesures visant à réduire l'exclusion
sociale des UDI, des interventions visant une prise en charge personnelle et de
groupe, l'accès à des locaux d'injection supervisés,
à des programmes de prescription médicale d'héroïne
peuvent faire toute la différence pour un UDI qui tente
désespérément de rattraper le fil de sa vie. Ces
expériences, qui ont été tentées avec succès
(Dolan et al, 2000 ; Wood et al, 2001 ; Comité FPT, 2001),
s'avèrent utiles pour la prévention du VIH, mais aussi pour
limiter les autres effets néfastes liés à la consommation
de drogues par injection comme la criminalisation, la marginalisation et la
désorganisation sociale des individus.
Il faut cependant préciser qu'un engagement
général en faveur d'une approche globale ne signifie pas que les
différents services sont développés ou soutenus de la
même manière au niveau national. Pourtant, un certain consensus
semble se dégager. Dans une enquête menée auprès des
points focaux nationaux, trois personnes interrogées sur quatre
jugeaient que les programmes d'échange de seringues combinés
à des conseils et une orientation étaient une priorité de
la politique nationale concernant la propagation des maladies infectieuses
parmi les usagers de drogue par voie intraveineuse. La reconnaissance explicite
par autant de pays du rôle joué par la fourniture de
matériel d'injection propre dans le cadre de leurs stratégies de
prévention du VIH illustre bien le fait que ce type de service est
devenu essentiel dans la majeure partie de l'Europe et n'est plus
considéré comme un sujet de polémique dans la plupart des
pays. Cela ne signifie pas pour autant qu'il existe un consensus
général sur les avantages de ce type de service. La Grèce
et la Suède, par exemple, n'en ont pas fait une priorité
politique, même si, dans l'ensemble, l'image qui se dégage en
Europe en termes de mise en oeuvre d'interventions dans ce domaine est
relativement homogène, tous les pays, à l'exception de Chypre,
ayant déclaré l'existence de programmes d'échange ou de
distribution de matériel d'injection stérile
Cas de la France:
En France, l'Observatoire français des drogues et des
toxicomanies (OFDT) estime entre 170 000 et 190 000 le nombre d'usagers de
drogues (UD), dont un peu plus de la moitié pourraient être des
injecteurs actifs. Afin de minimiser le risque d'infections en lien avec
l'usage de drogues, une politique de réduction des risques a
été mise en place en France, il y a une dizaine d'années.
Le premier outil de la réduction des risques est la
libéralisation de la vente des seringues en pharmacie en 1987, suivie au
début des années 1990 des programmes
d'échange de seringues, de la diffusion des traitements
de substitution aux opiacés (le Subutex® ou
Buprénorphine en 1994 et la méthadone en 1995),
et de l'accès aux soins avec la création des premiers dispositifs
bas seuil à partir de 1993. Implantés à titre
expérimental dès 1989, les PES sont reconnus officiellement
depuis 1995 dans le cadre de la politique de réduction des risques. En
France, les officines fournissent la majeure partie des seringues aux usagers
injecteurs (treize millions de seringues vendues en pharmacies pour deux
millions distribuées par les associations).
Enfin, concernant la plupart des Pays en Développement
(qui ne font partie de notre étude par manque ou absence de
données) où la consommation de drogue s'est
développée, des problèmes similaires à ceux que
connaissent les pays industrialisés émergent. Les conditions
socio-économiques et le manque de connaissances sur les risques
liés à l'usage de substances psychotropes rendent les toxicomanes
plus vulnérables. La consommation de drogue a pris une ampleur et des
formes d'autant plus inquiétantes que ces pays sont moins armés
que les pays industrialisés pour y faire face. Les études
montrent que le VIH s'est développé de façon
extrêmement rapide dans les populations de consommateurs de drogues.
Ainsi à Bangkok, la prévalence a grimpé de 2% à 40%
en moins de deux ans. Le VIH est particulièrement dangereux dans ces
pays car il interagit avec des infections communes comme la tuberculose et avec
la malnutrition. Le contexte ne facilite pas non plus une prise en charge
nationale du problème de la toxicomanie. Enfin, l'obstacle le plus
évident à une prise en charge des toxicomanes reste celui des
moyens disponibles. Il existe un manque évident d'infrastructures et de
compétences, la priorité n'étant souvent pas donnée
aux secteurs de la santé et encore moins à ce type de besoins
spécifiques.
Le but de notre travail est de produire des résultats
économiques utiles pour les chercheurs et les décideurs
économiques pour renforcer les politiques RdR et endiguer l'incidence du
VIH chez les toxicomanes.
L'exploitation de ces résultats pourrait constituer un
argument politique fort pour la mise en place de ces programmes dans les pays
en développement.
II. PARTIE :
PRESENTATION DE L'ETUDE ECONOMETRIQUE
II.A. JUSTIFICATION DE L'ÉTUDE
L'objectif de cette étude est de produire des
résultats économiques utiles pour les chercheurs et les
décideurs économiques pour renforcer les politiques RDR afin
d'endiguer l'incidence du VIH chez les toxicomanes.
Pour réaliser cette étude, nous avons construit
un modèle théorique qui par la suite a été
testé sur un échantillon composé de 50 pays qui
possèdent le plus grand nombre de toxicomanes par voie intraveineuse. En
effet, selon le rapport de UNDCP de 2004, environ 13 millions de consommateurs
de drogues injectables était dénombrés à travers le
monde dont 8,8 millions vivent en Europe orientale, centrale et Sud et en
Asie du Sud-est, 1,4 million en Amérique du Nord et un 1million en
Amérique latine (ONUDC, 2004).
II.B. LE CHOIX DES VARIABLES DU MODÈLE.
Les données utilisées pour cette étude
proviennent des bases de données del'Observatoire Européen des
Drogues et de Toxicomanie (EMCDDA), l'ONUSIDA ainsi que du Bureau
régionale l'OMS de l'Europe Centrale et Orientale
II.B.1. LA VARIABLE
DÉPENDANTE:
«PREVIDU» désigne le taux de
prévalence de l'infection à VIH chez les UDI pour l'année
2003.
II.B.2. LES VARIABLES
INDÉPENDANTES:
a) Les variables d'intérêt
1. La variable «PES» désigne
l'accessibilité aux seringues ou matériel d'injection
stérile. Dans de nombreux pays développés, les programmes
d'échange de seringue sont un des éléments clefs de la
politique de réduction des risques chez les usagers de drogues. La
plupart des études sur les PES tendent à montrer qu'ils sont
protecteurs vis-à-vis de la transmission du virus du sida (VIH) à
condition d'être complétés par d'autres actions de
réduction des risques.
2. La variable «TRAITEMENT » désigne la
quantité de produit de substitution consommée.
3. La variable «CENTRE» désigne le nombre de
centre de traitement de toxicomanie dont dispose le pays. Cette variable a
été choisie par le fait que tous les pays n'ont pas le même
nombre de ces centres de détoxification.
4. La variable «CLIENTS» désigne le nombre
d'IDU qui reçoivent un traitement de substitution.
b) Les variables de contrôle
Ces variables sont maintenus constantes ou «raisonnement
toutes choses égales par ailleurs» afin de mesurer l'impact de nos
variables d'intérêt sur la variable dépendante. Le choix
des variables de contrôle s'est basé sur les déterminants
du VIH notamment :
c) Les déterminants liés aux
caractéristiques et comportement à risque des UDI
1. La variable «INCIDRATE» désigne le taux
d'incidence du VIH/Sida dans la population générale.
2. La variable «IDUEFFECTIF» désigne le
nombre d'utilisateurs de drogues injectables dans notre échantillon.
3. La variable «MEANAGE» désigne l'âge
moyen des UDI. Selon l'OMS et UNAIDS plus de 80 % ont moins de 30
ans » (décembre 2004)En introduisant cette variable, on voir
quelle tranche d'âge est corrélée avec l'incidence du
VIH/Sida.
4. La variable «OVERDOSE» désigne le nombre
total de décès survenus par overdose chez les toxicomanes.
d) Les déterminants socio économiques du VIH
sida.
5. La variable « VALEURIDH» qui désigne
l'indice du niveau de développement humain qui comprend
l'espérance de vie, le revenu et le niveau d'instruction. Cette variable
a été introduite dans le modèle comme outil de comparaison
entre les différents pays. En outre, elle donne une idée sur la
mortalité à travers l'espérance de vie.
6. La variable « CHOMAGE » qui
désigne le taux de chômage de longue durée. En effet,
l'exclusion du marché du travail et/ou l'absence de qualification
professionnelle sont des principaux facteurs qui favorisent la consommation de
drogues. En effet, le chômage prolongé entraîne
l'instabilité du logement ainsi que l'exclusion sociale dont de
nombreuses études ont prouvé une forte corrélation avec la
prévalence du vih.
Tableau 1. Analyse descriptive des variables
utilisées dans le modèle
Variable | Obs Mean Std. Dev. Min
Max
-------------+--------------------------------------------------------
previdu | 50 27.735 26.78016 .7
93
idueffectif | 50 286606.2 541780.9 10000
3500000
incidrate | 50 4.372 8.46143 .1
55.53
meanage | 50 28.44 4.148125 21.7
37.4
overdose | 50 204.74 336.9037 5
1718
-------------+--------------------------------------------------------
chomage | 50 9.94 5.602441 2.8
36.7
pibhabppa | 50 16212.06 12788.77 980
61190
valeur_idh | 50 .85648 .086701 .671
.98
traitement | 50 645.82 2067.181 2
10084
clients | 50 15847.56 42463.65 15
259000
-------------+--------------------------------------------------------
centre | 50 148 240.5159 1
905
pes | 50 1294593 2882686 15012
1.35e+07
II.C. LE MODÈLE INITIAL
Pour saisir l'impact des politiques RDR sur l'infection du VIH
sida, on a choisi le modèle linéaire suivant :
PREVIDU = + 1 IDUEFFECTIF +2
INCIDRATE +3 MEANAGE + 4OVERDOSE + 5 CHOMAGE +
6 PIBHABPPA + 7 VALEURIDH + 8 TRAITEMENT+
10 CLIENTS +11 CENTRE +12 PES +
Pour estimer les différents paramètres
(désignés par les ), on fait un certain nombre
d'hypothèses. Une de ces hypothèses est que la relation entre la
variable endogène et la variable exogène est linéaire. Une
autre hypothèse est que la variable endogène observée
possède un élément aléatoire qui doit remplir les
conditions de Gauss-Markov.
Dès lors que toutes ces conditions seront remplies,
l'estimateur des Moindres Carrés Ordinaires ou MCO sera non
biaisé et à variance minimale.
II.C.1. LE MODÈLE FINAL
L'échantillon d'étude a été
analysé en coupe instantanée ou analyse transversale. Certaines
variables ont dû être transformées avant d'être
intégrées dan le modèle. En effet, certaines ont
été transformées en logarithme népérien afin
de minimiser les écarts entre les valeurs, tandis que d'autres ont
dû être transformées en puissances pour mieux saisir l'effet
seuil. Pour estimer les paramètres, nous avons utilisé la
régression multiple par l'estimateur MCO consiste à minimiser la
somme des écarts entre les valeurs observées.
Les résultats de la régression finale sont les
suivantes (annexe 1) :
PREVIDU = 163,8215 +
0,000011 IDUEFFECTIF + 1.2012
INCIDRATE - 0,0257 MEANAGE + 0,00567 OVERDOSE
- 0,15951 CHOMAGE + 0,0000994 PIBHABPPA -
173,11 VALEURIDH -0.00314 TRAITEMENT +
0,000426 CLIENTS + 0,241 CENTRE
-3,87.10-6 PES +
Le pouvoir explicatif est de 0.501. Les variables explicatives
du modèle expliquent à 50 % la variabilité du taux
d'incidence du VIH/Sida.
II.C.2. II.3.2 LES TESTS D'HYPOTHÈSES
ÉCONOMÉTRIQUES
Pour estimer les différents paramètres du
modèle par la méthode MCO, il convient de réaliser un
certain nombre des tests économétriques car cet estimateur est
sans biais et convergent sous certaines conditions.
a) Le test de normalité.
Le test de normalité des résidus qui permet de
voir la distribution de l'écart aléatoire. Ce test s'avère
très nécessaire étant donné qu'on est en
présence d'un échantillon très réduit et que la
valeur aberrante aurait plus d'influence sur les résultats (annexe
2).
Le coefficient d'asymétrie ou «skewness» est
égal à 0,6315624 tandis que celui qui mesure l'épaisseur
de la queue de distribution ou « kurtosis » est égal
à 2.929241.
Ces deux coefficients nous permettent de calculer la
statistique de Jarque-Bera donnée par la formule : JB =
N[B1/6 + (B2-3)²/24] qui est égale à 5,27.
Cette statistique étant inférieur à celle
lu dans les tables du ChiDeux à deux degrés de liberté qui
est de 5,99.On accepte l'hypothèse nulle de normalité des
résidus, avec un risque de 5%. La figure ci-dessous montre que la
distribution de l'écart aléatoire de notre échantillon est
normale
On conclut que l'élément aléatoire est
distribué suivant une loi normale. Ce qui satisfait à un des
conditions de Gauss Markov.
b) II.2.3.2.Le test
d'hétéroscédasticité
Ce test consiste à vérifier la constance de la
variation des écarts aléatoires.Ce test s'avère important
afin de pouvoir utiliser les T -Student pour tester le pouvoir explicatif d'une
variable dans le modèle. En cas
d'hétéroscédasticité, la variance de
l'élément aléatoire n'est pas constante, et par
conséquent les T de Student sont biaisés. Dans le cas contraire,
(hypothèse d'homoscédasticité) la variance de
l'élément aléatoire est constante et par conséquent
l'estimateur MCO peut être utilisé pour estimer les
coefficients.
Dans le cas contraire, (hypothèse
d'homoscédasticité) la variance de l'élément
aléatoire est constante et par conséquent les T-Student
permettent l'interprétation des coefficients.
Pour tester l'homoscédasticité nous avons fait
le test de Breush-Pagan qui consiste à régresser le
carré des résidus sur les variables explicatives du
modèle. La statistique de Breush-Pagan est donnée par la
formule:
BP=NR² ? X²(k)
Les détails de calculs sont reportés dans
l'annexe N°4.
X²c (11) =19 < X²lu5% = 19.67. On ne
peut donc pas rejeter H0, l'hypothèse nulle de
l'homoscédasticité des résidus pour un risque de 5%. Pour
un risque de 10%, le modèle est hétéroscédastique
(X²c (11) =19 > X²lu10%). Ce qui justifie donc la
correction de White qu'on applique à chaque régression.
c) Le test d'endogenéité
En absence d'endogénéité des variables
explicatives, l'estimateur MCO reste convergent et à variance
minimale.
A partir des résultats de la régression, la
variable « IDHVALEUR » a été
soupçonnée d'endogénéité
(corrélé avec le résidu); elle est peut être
corrélée avec une autre variable pertinente qui a
été omise dans le modèle.
Pour résoudre ce problème, la variable «TX
BRUTSCOL» a été choisi comme instrument.
Cette variable désigne le taux brut de scolarisation
combiné (dans le primaire, le secondaire et le supérieur) et
exprime le niveau d'instruction futur dans le pays. C'est le rapport entre le
nombre d'élèves inscrits pour chaque niveau d'enseignement et la
population totale du groupe d'âge correspondant.
On va montrer que le taux de scolarisation est fortement
corrélé avec IDH-valeur par l'équation d'instrumentation.
La variable instrumentale est bien corrélée avec IDH valeur.
L'équation d'instrumentation donne un coefficient significatif
égal à 0,002418 avec une P-value de 0,006. L'hypothèse
nulle est rejetée pour un risque de 5%, on en conclue à la
significativité du coefficient, l'instrument est donc valide.
Enfin, le Test de Nakamura & Nakamura (test
d'endogénéité) consiste à introduire le
résidu de l'équation d'instrumentation dans la régression
initiale. Ce test a donné un coefficient égal à -94,28 et
une P-value de 0,583. On ne peut donc pas rejeter l'hypothèse nulle pour
un risque de 5%. La variable IDHVALEUR est donc exogène; on peut
appliquer les MCO sans biais (annexe 4).
d) Le test de Chow réduit
Le test de Chow pour tester la stabilité des
coefficients. Il permet de démontrer
l'hétérogénéité ou
l'homogénéité des comportements selon les pays.
Pour le faire, nous avons choisi la variable
«PIBHABPPA» pour divise notre échantillon selon le niveau de
richesse. Ainsi, on distingue les pays à haut revenu des pays à
revenu intermédiaire et bas revenu.
Etant donné que notre échantillon est
réduit, nous avons opté pour le Test de Chow réduit dont
la statistique nous est donnée par la formule suivante:
CHOW = ( SCR-SCR1/SCR1) ( n1-k/n-n1) ? F( n-n1;
n1-k)
On calcul la statistique de Chow réduit:
SCR = 17290.8603
SCR1 = 820.2917
La statistique de Chow est égale à 0,340 qui
est inférieur à la statistique de Fisher de la table qui est de
2,70. On en conclue qu'on ne peut pas rejeter l'hypothèse nulle de la
stabilité des coefficients pour un risque de 5%.
Flu (28, 10) 5% = 2,70 > Fc
(28,10) = 0.340
Les détails de calculs sont reportés dans
l'annexe N°5.
II.C.3. LES TESTS ÉCONOMIQUES
a) Le test de forme fonctionnelle
Pour tester la bonne spécification du modèle on
a utilisé le test de Ramsey-Reset qui consiste à
introduire les valeurs prédites (de la variable dépendante)
élevées au carré, au cube et à la puissance quatre
comme variables explicatives.
Ramsey-Reset = ( SCR-SCR1/SCR1) ( n-k/r) ? F( n-n1;
n1-k)
Calcul de la statistique de Ramsey Reset:
SCR = 17290,8603
SCR1 = 10325,809
Pour tester la bonne spécification du modèle, la
statistique de Ramsey Reset donne 0,92 qui est inférieure
à la statistique de la table de Fisher (3,39) qui est de 2.84.
Ceci nous amène à conclure qu'on ne peut pas
rejeter l'hypothèse nulle de la bonne spécification du
modèle. Le modèle est bien spécifié.
Les détails de calculs sont reportés dans
l'annexe N°6.
I. III. INTERPRETATION ET DISCUSSIONS DES RESULTATS
|
Variable
|
Coefficient
|
(i) P-value
|
|
PES
TRAITEMENT
CENTRES
CLIENTS
VALEURIDH
INCIDRATE
IDUEFFECTIF
|
-3,8710-6
- 0,00314
+ 0,02418
+ 0,000426
- 173,1131
+ 1,20123
+ 1,11.10-5
|
0,003 **
0,031*
0,041*
0,000***
0,024*
0,013*
0,047*
|
III.B. LES
VARIABLES D'INTÉRÊT
III.B.1. LA VARIABLE «PES»
A un seuil de 5%, cette variable est significative et le
coefficient a un signe négatif comme prévu par la
littérature. Les programmes d'échanges de seringues ont donc un
impact négatif sur la prévalence du VIH chez les IDU: c'est un
facteur protecteur malgré que ce coefficient ait une valeur relativement
faible.
En effet, bien que la distribution de seringues
stériles ait un effet, le partage de seringues semble persister et des
attitudes à risques sont encore existantes (réutilisation du
matériel d'injection).
III.B.2. LA VARIABLE
«TRAITEMENT»
Le traitement a un coefficient négatif et significatif
pour un seuil de 5%. C'est un facteur protecteur conformément à
la littérature (cf introduction).
L'accès aux traitements limite les pratiques
d'injection à risques, donne un accès facilité aux
informations, aux personnels soignants et permet aux IDU de se raccrocher au
système social.
Le développement de l'offre de traitement de la
dépendance à la drogue semble donc être l'un des
éléments contribuant à une diminution de la transmission
du VIH chez les UDI.
III.B.3. LA VARIABLE
«CENTRE» :
désigne le nombre de centre de traitement de
toxicomanie dont dispose le pays.
Cette variable est significative pour un risque de 5%. Son
coefficient a un signe positif contrairement à ce qu'on attendait.
La qualité de ces centres peut varier d'un pays
à l'autre notamment concernant la dispensation de programmes de
sensibilisation et d'informations.
De plus, dans certains pays où les lois sont
très répressives, la fréquentation de ces centres est
limitée.
Cela pourrait expliquer l'impact positif sur la
prévalence du VIH.
C'est pourquoi l'impact de cette variable sur la
prévalence du VIH peut être
III.B.4. LA VARIABLE
«CLIENTS» :
représente le nombre d'IDU qui reçoivent un
traitement de substitution.
Cette variable est significative pour un risque de 5%. Son
coefficient a un signe positifcontrairement à ce qu'on attendait.
Cette variable peut apparaitre donc comme un risque. Comme
pour la variable «centre», la variabilité du contenu des
politiques RdR peut modifier son impact selon les pays. D'autre part, la
tendance générale à une augmentation de la consommation
d'héroïne, des attitudes de polytoxicomanie et de ses pratiques
à risques peut limiter son impact. Enfin, le mésusage des
traitements de substitution (pratiques d'injection du Subutex et de la
Méthadone) peut accentuer cette tendance.
III.B.5. LES VARIABLES DE
CONTRÔLE
a) La variable INCIDRATE
Cette variable qui représente l'incidence du VIH dans
la population générale a un coefficient positif et significatif
pour un risque de 5%.
En effet, une augmentation de l'incidence dans la population
générale peut entraîner une augmentation de la
prévalence du VIH chez les IDU.
b) La variable IDUEEFFECTIF
Pour un risque de 5%, le coefficient de cette variable
est positif et significatif. Le nombre des IDU influence la prévalence
du VIH chez les IDU. Du fait de leurs pratiques à risques et de leurs
situations précaires, la corrélation peut paraitre
évidente.
En Europe Orientale et en Asie Centrale, le nombre de
personnes vivant avec le VIH a atteint en 2005 un chiffre estimé
à 1,6 million [990 000-2,3 millions] - une multiplication par 20 en
moins d'une décennie - et la majeure partie des cas infectés
provenait des UDI.
c) La variable IDHVALEUR
Cette variable a un coefficient négatif et significatif
pour un risque de 5%. Elle a donc un effet protecteur important. Un faible
niveau de développement humain implique un faible niveau de protection
sociale et accentuer la précarisation des personnes les plus
vulnérables. C'est pourquoi dans les pays les moins
développés la prévalence du VIH augmente très
fortement.
Remarque : cette étude nous a demandé
beaucoup de travail concernant la recherche d'un bon modèle. Nous avions
trouvé un modèle intéressant qui reliait le taux
d'incidence dans la population générale à nos variables.
Les trois variables étaient significatives dans le sens attendu.
Cependant, sa distribution n'était pas normale. Nous aurions pu aller
plus loin en envisageant un modèle TOBIT car notre variable à
expliquer est un pourcentage (annexe 6)...
III.C. LIMITES DE
L'ÉTUDE
Biais de simultanéité
La double causalité peut être supposée
pour la variable IDHVALEUR.
Comme nous l'avons expliqué précédemment,
l'IDH agit sur l'incidence du VIH par le biais de l'espérance de vie.
Réciproquement, le VIH entraîne un recul du
développement humain. En effet la chute de l'espérance de vie est
l'un des indicateurs de l'impact du VIH.
En outre cette épidémie touche non seulement la
santé, mais également la sécurité alimentaire et
l'éducation, entre autres.
En parallèle, le VIH touche aussi le travail. Outre les
ménages, le VIH affaiblit l'infrastructure sociale et économique.
Problème de
multicolinéarité
Le problème de multi colinéarité quand il
existe une relation linéaire entre les différentes variables
explicatives. Il devient difficile de déterminer les paramètres
de chacune de ces variables sur la variable dépendante. Statistiquement
la multicolinéarité conduit donc à de très grands
intervalles de confiance d'où la non robustesse des coefficients
estimés.
En ajoutant ou en retirant une variable, on modifie
considérablement les coefficients des autres variables explicatives.
Toutefois la multicolinéarité n'entraîne
en elle même aucun biais dans l'estimation des coefficients. Elle a les
mêmes conséquences qu'un petit nombre d'observations. Elle n'est
donc pas très gênante pour effectuer des prédictions
globales.
Pour éviter la multicolinéarité, il est
nécessaire de ne travailler qu'avec un nombre réduit de variables
explicatives que nous savons indépendantes les unes par rapport aux
autres ce qui malheureusement, appauvri le modèle.
Problème de recueil de données
Ce sujet a donné lieu à des recherches longues
et fastidieuses. Les études concernant la toxicomanie sont
limitées et les données ne sont pas systématiquement
accessibles.
La toxicomanie est un sujet sensible à la fois pour
recueillir des données sur les personnes concernées et pour les
pays de communiquer leurs statistiques non seulement sur le VIH mais aussi et
surtout sur la toxicomanie.
Il peut donc exister des biais (biais d'information, de
mesure).
III.D. TENDANCES
RÉCENTES DES NOUVEAUX CAS DÉCLARÉS DE VIH
À l'heure actuelle, la plupart des pays font
état de faibles pourcentages de nouveaux cas diagnostiqués
d'infection par le VIH due à l'usage de drogue par voie intraveineuse.
En France, les cas de VIH ne sont enregistrés que depuis 2003 et l'on
observe une hausse de l'incidence du VIH chez les UDVI (quoique le niveau soit
bas), qui est passée, selon les estimations, de 2,3 cas par million
d'habitants en 2003 à 2,9 cas en 2004. Bien que, de manière
générale, ces chiffres soient conformes aux données
d'étude disponibles, il convient de rappeler que les nouveaux
systèmes de signalement de cas sont souvent instables au départ.
Au Portugal, la baisse apparente du nombre de nouveaux cas diagnostiqués
de VIH parmi les UDI enregistrés antérieurement est remise en
question par les données de 2004, qui mettent en évidence une
incidence de l'infection par le VIH de 98,5 cas par million d'habitants,
soit le taux le plus élevé de l'Union européenne. Au
Royaume-Uni, l'incidence du VIH chez les UDI a lentement augmenté, mais
s'est désormais stabilisée à un peu moins de 2,5 cas
par million d'habitants et par an. En Irlande, l'incidence a augmenté
durant les années 1990 et a culminé à 18,3 cas
par million d'habitants et par an en 2000, avant de retomber à
9,8 cas par million d'habitants en 2001 et de remonter à
17,8 cas par million d'habitants en 2004.
Des foyers de VIH associés à l'usage de drogue
par voie intraveineuse sont apparus récemment en Estonie et en Lettonie
(2001) et en 2002 en Lituanie. Depuis, les taux ont fortement baissé.
Par ailleurs, il convient de s'attendre à une diminution du nombre de
nouveaux cas déclarés après une phase
épidémique initiale, dès lors qu'un niveau d'infection
endémique est atteint
Par ailleurs, bien que nous ayons visé la plus large
couverture possible, notre propre stratégie de recherche présente
aussi ses limites. Elle se trouve, en effet, biaisée en faveur des pays
développés et qui possèdent plus de moyens. Dans ces pays,
les données sont plus largement publiées, donc plus faciles
à obtenir. Elle est aussi biaisée en faveur des pays où
l'épidémie de VIH est plus ancienne. En effet, ces pays ont eu
plus de temps pour implanter et évaluer des interventions. Même si
les 10 PECO ont désormais mis en oeuvre des mesures de prévention
et de réduction des risques, les services qu'ils ont créés
et leurs couvertures semblent trop limitées pour la plupart d'entre eux
compte tenu de la prévalence de la consommation problématique de
drogue, des comportements à risques et de l'ampleur de
conséquences potentielles.
Finalement, nous n'avons pas été en mesure de
faire cette étude pour certaines régions du monde, notamment pour
la majorité des pays d'Asie qui sont concernés par ce
phénomène.
IV. CONCLUSION
Sur les PED et les PECO
Les consommateurs de drogues par injection représentent
la majorité des personnes atteintes d'infection à VIH ou de sida
en Europe de l'Est et en Asie centrale. Pour endiguer cette
épidémie, il est urgent d'accroître largement la couverture
des services de réduction des risques dans tous les pays. Les
stratégies de risques comprennent :
Afin de pouvoir fonctionner correctement, les
stratégies de réduction des risques impliquent souvent la
réforme des lois nationales sur les drogues et la modification des
pratiques des policiers. En effet, les consommateurs de drogues ne se rendent
pas dans les centres de soins s'ils risquent d'être arrêtés
rien qu'en s'y rendant.
Les politiques RDR sont maintenant devenus partie
intégrante des stratégies de santé publique dans de
nombreux pays, mais demeurent souvent des programmes pilotes à petit
échelle en raison de financements insuffisants, d'un manque de soutien
politique adéquat et de failles dans les lois nationales relatives aux
drogues. C'est le cas des pays de l'Europe de l'Est tels que la
République Tchèque, la Slovénie, la Pologne. Ainsi, ces
programmes ne couvrent pas une population suffisante pour réduire
efficacement le taux de contamination par le VIH.
... et ce sont eux qui ont le plus besoin de traitements
antirétroviraux et de soins adaptés, déclare le docteur
Marc Danzon, directeur régional de l'OMS pour
l'Europe. Malheureusement, la plupart de ces personnes n'y ont pas
accès et sont exclues du système de santé, qui est
incapable de dispenser des services aux groupes vulnérables.
V. BIBLIOGRAPHIE
1. Jauffret-Roustide M, Emmanuelli J, Barrin F, Quaglia M,
Arduin P, Laporte A et al. Impact of harm reduction on HIV and HCV transmission
amng drug users. Recent French data-The ANRS-Coquelicot Study. Substance use
and Misuse 2006.
2. Emmanuelli J, Lert F, Valenciano M. Caractéristiques
sociales, consommations et risques chez les usager de drogues
fréquentant les programmes d'échanges de seringues en France.
Inserm U88 INVS, étude 18, Novembre 1999.
3. Observatoire français des drogues et toxicomanies
2005. Phénomènes émergents liés aux drogues en
2004. Sixième rapport national du dispositif TREND.
4. Noel L, Cote N, Godin G, Alary M. Processus de
marginalisation et risque pour le VIH chez les utilisateurs de drogues par
injection. Psychotropes, 2000, vol. 8 n°2 .
5. Haley N, Roy E, Leclerc P. Interventions de
prévention efficaces contre le VIH et l'hépatite C chez les
injecteurs de drogues par injection (IDU). Drogues, santé et
société, Réduction des risques et des méfaits,
Vol.2, n°1.
6. Rapport 2006 EMCDDA, Chapitre 7, Maladies infectieuses et
décès liés à la drogue.
7. Health Outcomes International Pty Ltd Report. Return of
investment in needle and syringe programs in Australia. Commonwealth of
Australia 2002.
8. The Institute of Medicine-Report Brief. Preventing HIV
infection among Drug users in high risk countries. Septembre 2006.
9. WHO Geneva Report 2004. Evidence for action : Effectiveness
of community -based outreach in preventing Hiv/Aids among injecting drug
users.
10. Araujo C., Brun J-F., Combes J-L., Econométrie,
Collection Amphi Economie, Bréal, 2004.
11. UNODC report 2003. Global Illicit Drug Trends HIV/AIDS in
Central Eastern Europe and CIS. P28-30
12. European Center for Disease Prevention and Control.
Meeting Report HIV prevention in Europe. Action Needs and Challenges.
Stockholm, October 2006. P9
13. UNAIDS Rapport sur l'épidémie mondiale de
sida 2006.Annexe II. P545-586
14. EUROHIV . Surveillance du sida En Europe. Rapport du
1e semestre 2002, n°67 P15.
15. UNAIDS. Harm Reduction Network Central & Eastern
European. Substitution Treatment in Central , Eastern Europe & Commonwealth
of Independent states. Report 2003.
16. Rapport Avril 2006 INSP du Québec. Statistiques sur
les services relatifs aux programmes de prévention du VIH et des
hépatites B et C offerts aux utilisateurs de drogues par injection du
Québec Avril 2004 à Mars 2005.
17. OMS. Doc WHO/MSD/MSB/04.1.The practices and context of
pharmacotherapy of opiodid dependence in Central and Eastern Europe. 2004
18. Luc Behagel. Lire l'économétrie. Collection
Repères. Août 2006.
VI. ANNEXES
ANNEXE I. Tableau des résultats de la
régression initiale
Regress previdu idueffectif incidrate meanage overdose chomage
pibhabppa valeur_idh traitement clients centre pes,r
Regression with robust standard errors Number of obs
= 50
F( 11, 38)
= 19.14
Prob > F
= 0.0000
R-squared
= 0.5080
Root MSE
= 21.331
---------------------------------------------------------------------------
| Robust
previdu | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | .0000111 5.43e-06 2.05 0.047
1.31e-07 0000221
incidrate | 1.201233 .4606312 2.61 0.013
.2687337 2.133732
meanage | -.0257832 .8705752 -0.03 0.977
-1.78817 1.736604
overdose | .0056711 .0095543 0.59 0.556
-.0136706 .0250127
chomage | -.1595139 .5879769 -0.27 0.788
-1.349811 1.030783
pibhabppa | .0000994 .0003841 0.26 0.797
-.0006782 .0008769
valeur_idh | -173.1131 73.51714 -2.35 0.024
-321.9408 24.28543
traitement | -.0031496 .0014054 -2.24 0.031
-.0059947 .0003045
clients | .0004263 .0000801 5.32 0.000
.0002641 .0005884
centre | .0241874 .0114346 2.12 0.041
.0010393 .0473355
pes | -3.87e-06 1.21e-06 -3.20 0.003
-6.32e-06 1.42e-06
_cons | 163.8215 66.60221 2.46 0.019
28.9924 298.6507
---------------------------------------------------------------------------
ANNEXE II. Test de normalité
Regression with robust standard errors Number of obs
= 50
F( 11, 38)
= 19.14
Prob > F
= 0.0000
R-squared
= 0.5080
Root MSE
= 21.331
---------------------------------------------------------------------------
| Robust
previdu | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | .0000111 5.43e-06 2.05 0.047
1.31e-07 .0000221
incidrate | 1.201233 .4606312 2.61 0.013
.2687337 2.133732
meanage | -.0257832 .8705752 -0.03 0.977
-1.78817 1.736604
overdose | .0056711 .0095543 0.59 0.556
-.0136706 .0250127
chomage | -.1595139 .5879769 -0.27 0.788
-1.349811 1.030783
pibhabppa | .0000994 .0003841 0.26 0.797
-.0006782 .0008769
valeur_idh | -173.1131 73.51714 -2.35 0.024
-321.9408 24.28543
traitement | -.0031496 .0014054 -2.24 0.031
-.0059947 .0003045
clients | .0004263 .0000801 5.32 0.000
.0002641 .0005884
centre | .0241874 .0114346 2.12 0.041
.0010393 .0473355
pes | -3.87e-06 1.21e-06 -3.20 0.003
-6.32e-06 1.42e-06
_cons | 163.8215 66.60221 2.46 0.019
28.9924 298.6507
---------------------------------------------------------------------------
Residuals
-------------------------------------------------------------
Percentiles Smallest
1% -31.57689 -31.57689
5% -25.5694 -29.72784
10% -23.73396 -25.5694 Obs 50
25% -12.12354 -24.08225 Sum of Wgt. 50
50% -4.075961 Mean -1.37e-08
Largest Std. Dev. 18.78496
75% 11.42489 33.88633
90% 25.83068 40.23976 Variance 352.8747
95% 40.23976 41.40499 Skewness
.6315624
99% 47.37689 47.37689 Kurtosis
2.929241
ANNEXE III. Le test
d'hétéroscédasticité
Regress previdu idueffectif incidrate meanage overdose chomage
pibhabppa valeur_idh traitement clients centre pes
. predict resbp, resid
. generate resbp2=resbp^2
Regress resbp2 idueffectif incidrate meanage overdose chomage
pibhabppa valeur_idh traitement clients centre pes
Source | SS df MS Number of obs
= 50
-------------+------------------------------ F( 11, 38)
= 2.12
Model | 4383996.98 11 398545.18 Prob > F
= 0.0430
Residual | 7151854.66 38 188206.702 R-squared
= 0.3800
-------------+------------------------------ Adj R-squared
= 0.2006
Total | 11535851.6 49 235425.544 Root MSE
= 433.83
---------------------------------------------------------------------------
resbp2 | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | -.0000351 .0001575 -0.22 0.825
-.0003539 .0002837
incidrate | 3.935181 8.291757 0.47 0.638
-12.8506 20.72097
meanage | 11.14967 16.66308 0.67 0.507
-22.58297 44.88231
overdose | -.2653693 .4473032 -0.59 0.557
-1.170887 .6401487
chomage | -12.22165 12.58458 -0.97 0.338
-37.6978 13.25449
pibhabppa | -.0096393 .007913 -1.22 0.231
-.0256585 .0063798
valeur_idh | -2308.746 1187.322 -1.94 0.059
-4712.353 94.86097
traitement | .027644 .0598373 0.46 0.647
-.0934902 .1487782
clients | -.001334 .0036402 -0.37 0.716
-.0087032 .0060353
centre | -.0238316 .5391229 -0.04 0.965
-1.115229 1.067566
pes | .0000249 .0000489 0.51 0.614
-.0000741 .0001239
_cons | 2305.629 1075.128 2.14 0.038
129.1453 4482.112
---------------------------------------------------------------------------
ANNEXE IV. Test
d'endogénéité
Regress valeur_idh tx_brut_de_scolarisation idueffectif incidrate
meanage overdose chomage pibhabppa traitement clients centre pes,r
Regression with robust standard errors Number of
obs =50
F( 11,
38) =11.43
Prob >
F = 0.0000
R-squared
= 0.7065
Root MSE =
0.05334
---------------------------------------------------------------------------
| Robust
valeur_idh | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
tx_brut_de~n | .002418 .000827 2.92 0.006
.0007437 .0040922
idueffectif | 4.46e-08 9.17e-09 4.86 0.000
2.60e-08 6.31e-08
incidrate | -.0008902 .0005294 -1.68 0.101
-.0019619 .0001815
meanage | -.0008009 .0018737 -0.43 0.671
-.0045941 .0029923
overdose | -.0000294 .0000309 -0.95 0.348
-.0000919 .0000332
chomage | -.0009041 .0016853 -0.54 0.595
-.0043158 .0025076
pibhabppa | 3.31e-06 1.02e-06 3.25 0.002
1.25e-06 5.37e-06
traitement | -6.78e-07 4.00e-06 -0.17 0.866
-8.77e-06 7.42e-06
clients | -1.05e-07 2.39e-07 -0.44 0.663
-5.90e-07 3.80e-07
centre | .0000155 .0000357 0.43 0.667
-.0000568 .0000878
pes | 1.47e-09 3.19e-09 0.46 0.648
-4.99e-09 7.93e-09
_cons | .6255717 .0703957 8.89 0.000
.4830631 .7680803
---------------------------------------------------------------------------
. predict resinstr,resid
Regress previdu idueffectif incidrate meanage overdose chomage
pibhabppa valeur_idh traitement clients centre pes resinstr,r
Regression with robust standard errors Number of obs
= 50
F( 12, 37)
= 17.45
Prob > F
= 0.0000
R-squared
= 0.5132
Root MSE
= 21.503
---------------------------------------------------------------------------
| Robust
previdu | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | 7.13e-06 6.31e-06 1.13 0.265
-5.64e-06 .0000199
incidrate | 1.214726 .4570347 2.66 0.012
.2886857 2.140766
meanage | .0317762 .8494158 0.04 0.970
-1.689304 1.752856
overdose | .0094068 .0107482 0.88 0.387
-.0123712 .0311848
chomage | -.0446534 .6671568 -0.07 0.947
-1.396441 1.307135
pibhabppa | -.0002331 .0004868 -0.48 0.635
-.0012193 .0007532
valeur_idh | -96.76065 116.4929 -0.83 0.412
-332.7978 139.2765
traitement | -.0034893 .001481 -2.36 0.024
-.0064901 .0004885
clients | .0004683 .0000937 5.00 0.000
.0002785 .0006582
centre | .0200383 .0118306 1.69 0.099
-.0039327 .0440093
pes | -4.33e-06 1.36e-06 -3.17 0.003
-7.09e-06-1.56e-06
resinstr | -94.2836 170.4148 -0.55 0.583
-439.5767 251.0095
_cons | 102.1134 94.5675 1.08 0.287
-89.49854 293.7254
ANNEXE V. Test de Chow
Source | SS df MS Number of obs
= 50
-------------+------------------------------ F( 11, 38)
= 3.57
Model | 17850.8105 11 1622.80096 Prob > F
= 0.0017
Residual | 17290.8603 38 455.022638 R-squared
= 0.5080
-------------+------------------------------ Adj R-squared
= 0.3655
Total | 35141.6708 49 717.176955 Root MSE
= 21.331
---------------------------------------------------------------------------
previdu | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | .0000111 7.74e-06 1.44 0.159
-4.56e-06 .0000268
incidrate | 1.201233 .4077045 2.95 0.005
.3758781 2.026588
meanage | -.0257832 .8193212 -0.03 0.975
-1.684412 1.632846
overdose | .0056711 .0219938 0.26 0.798
-.0388531 .0501953
chomage | -.1595139 .6187819 -0.26 0.798
-1.412172 1.093144
pibhabppa | .0000994 .0003891 0.26 0.800
-.0006883 .000887
valeur_idh | -173.1131 58.38044 -2.97 0.005
-291.2981-54.92807
traitement | -.0031496 .0029422 -1.07 0.291
-.0091058 .0028065
clients | .0004263 .000179 2.38 0.022
.0000639 .0007886
centre | .0241874 .0265086 0.91 0.367
-.0294765 .0778512
pes | -3.87e-06 2.41e-06 -1.61 0.116
-8.74e-06 1.00e-06
_cons | 163.8215 52.86391 3.10 0.004
56.80415 270.8389
Regress previdu idueffectif incidrate meanage overdose chomage
pibhabppa valeur_idh traitement clients centre pes if pibhabppa>18000
Source | SS df MS Number of obs
= 22
-------------+------------------------------ F( 11, 10)
= 9.85
Model | 8887.34153 11 807.940139 Prob > F
= 0.0006
Residual | 820.291705 10 82.0291705 R-squared
= 0.9155
-------------+------------------------------ Adj R-squared
= 0.8226
Total | 9707.63323 21 462.268249 Root MSE
= 9.057
---------------------------------------------------------------------------
previdu | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | -.0000102 .0000136 -0.75 0.470
-.0000404 .00002
incidrate | 4.094068 1.012481 4.04 0.002
1.838119 6.350016
meanage | 1.125665 1.255657 0.90 0.391
-1.672112 3.923443
overdose | .0011097 .0124186 0.09 0.931
-.0265606 .0287801
chomage | 1.48155 1.411707 1.05 0.319
-1.66393 4.62703
pibhabppa | .0001381 .0003228 0.43 0.678
-.0005811 .0008573
valeur_idh | -114.5285 122.3645 -0.94 0.371
-387.1737 158.1167
traitement | -.0025899 .0022812 -1.14 0.283
-.0076728 .0024929
clients | .0004796 .0000998 4.81 0.001
.0002574 .0007019
centre | .0285544 .0186532 1.53 0.157
-.0130075 .0701164
pes | -3.84e-06 1.25e-06 -3.08 0.012
-6.61e-06-1.06e-06
_cons | 56.72072 112.6078 0.50 0.625
-194.1851 307.6265
---------------------------------------------------------------------------
ANNEXE VI. Test de Ramsey Reset
Source | SS df MS Number of obs
= 50
-------------+------------------------------ F( 11, 38)
= 3.57
Model | 17850.8105 11 1622.80096 Prob > F
= 0.0017
Residual | 17290.8603 38 455.022638 R-squared
= 0.5080
-------------+------------------------------ Adj R-squared
= 0.3655
Total | 35141.6708 49 717.176955 Root MSE
= 21.331
---------------------------------------------------------------------------
previdu | Coef. Std. Err. t P>|t| [95%
Conf. interval]
-------------+-------------------------------------------------------------
idueffectif | .0000111 7.74e-06 1.44 0.159
-4.56e-06 .0000268
incidrate | 1.201233 .4077045 2.95 0.005
.3758781 2.026588
meanage | -.0257832 .8193212 -0.03 0.975
-1.684412 1.632846
overdose | .0056711 .0219938 0.26 0.798
-.0388531 .0501953
chomage | -.1595139 .6187819 -0.26 0.798
-1.412172 1.093144
pibhabppa | .0000994 .0003891 0.26 0.800
-.0006883 .000887
valeur_idh | -173.1131 58.38044 -2.97 0.005
-291.2981 54.92807
traitement | -.0031496 .0029422 -1.07 0.291
-.0091058 .0028065
clients | .0004263 .000179 2.38 0.022
.0000639 .0007886
centre | .0241874 .0265086 0.91 0.367
-.0294765 .0778512
pes | -3.87e-06 2.41e-06 -1.61 0.116
-8.74e-06 1.00e-06
_cons | 163.8215 52.86391 3.10 0.004
56.80415 270.8389
---------------------------------------------------------------------------
. predict previduest
(option xb assumed; fitted values)
. g previduest2= previduest^2
. g previduest3= previduest^3
. g previduest4= previduest^4
Regress previdu idueffectif incidrate meanage overdose chomage
pibhabppa valeur_idh traitement clients centre pes previduest2
previduest3previduest4
Source | SS df MS Number of obs
= 50
-------------+------------------------------ F( 14, 35)
= 6.01
Model | 24815.8618 14 1772.56156 Prob > F
= 0.0000
Residual | 10325.809 35 295.023114 R-squared
= 0.7062
-------------+------------------------------ Adj R-squared
= 0.5886
Total | 35141.6708 49 717.176955 Root MSE
= 17.176
---------------------------------------------------------------------------
previdu | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+-------------------------------------------------------------
idueffectif | -.0000268 .0000176 -1.52 0.137
-.0000625 8.93e-06
incidrate | 4.790416 2.149717 2.23 0.032
.4262576 9.154574
meanage | .2726361 .6878789 0.40 0.694
-1.123832 1.669105
overdose | .0015743 .022081 0.07 0.944
-.0432524 .046401
chomage | .4855452 .5657022 0.86 0.397
-.6628913 1.633982
pibhabppa | -.0002491 .0003297 -0.76 0.455
-.0009185 .0004203
valeur_idh | -52.96368 249.2496 -0.21 0.833
-558.9672 453.0399
traitement | -.0028901 .0047903 -0.60 0.550
-.012615 .0068348
clients | .0005808 .000626 0.93 0.360
-.0006901 .0018517
centre | .0038469 .0419211 0.09 0.927
-.0812576 .0889513
pes | -1.86e-06 5.64e-06 -0.33 0.744
-.0000133 9.60e-06
previduest2 | -.0699248 .0842013 -0.83 0.412
-.2408626 .101013
previduest3 | .003237 .0018172 1.78 0.084
-.0004522 .0069261
previduest4 | -.0000314 .0000123 -2.54 0.016
-.0000564-6.30e-06
_cons | 48.01249 231.2964 0.21 0.837
-421.5442 517.5692
---------------------------------------------------------------------------
ANNEXE VI: autre modèle
Regress incidrate previdu idupercent meanage traitement clients
pes centre overdose chomage pibhabppa valeur_idh traitementcarre,r
Regression with robust standard errors Number of
obs = 50
F( 12,
37) = 4.28
Prob >
F 0.0003
R-squared
0.3378
Root MSE
7.9239
---------------------------------------------------------------------------
| Robust
incidrate | Coef. Std. Err. t P>|t|
[95%ConfInterval]
-------------+-------------------------------------------------------------
previdu | .186336 .0897284 2.08 0.045
.0045291.368143
idupercent | -.3601886 .6187677 -0.58 0.564
-1.613931.8935539
meanage | -.2066356 .2507545 -0.82 0.415
-.7147125 .3014413
traitement | -.0012841 .0007177 -1.79 0.082
-.0027383 .00017
clients | -.0000783 .0000427 -1.83 0.075
-.0001649 8.23e-06
pes | 6.78e-07 6.24e-07 1.09 0.284
-5.86e-07 1.94e-06
centre | -.0087584 .0032708 -2.68 0.011
-.0153856 -0021311
overdose | .0021907 .0044452 0.49 0.625
-.0068162 111975
chomage | -.0483714 .1225859 -0.39 0.695
-.2967539 .2000112
pibhabppa | 9.04e-06 .0000726 0.12 0.901
-.000138 0001561
valeur_idh | 44.41831 21.21018 2.09 0.043
1.44241 7.39421
traitement~e | 1.59e-07 7.46e-08 2.13 0.040
7.77e-09 3.10e-07
_cons | -30.59444 14.37229 -2.13 0.040
-59.71546-1.473414
--------------------------------------------------------------------------
. sum res,detail
Residuals
-------------------------------------------------------------
Percentiles Smallest
1% -9.64874 -9.64874
5% -7.24662 -7.538783
10% -6.289858 -7.24662 Obs 50
25% -2.76622 -6.990764 Sum of Wgt. 50
50% -.4493213 Mean -2.50e-08
Largest Std. Dev. 6.885615
75% 1.651354 3.698311
90% 3.249649 5.016016 Variance 47.41169
95% 5.016016 5.620093 Skewness
4.43267
99% 41.72096 41.72096 Kurtosis
28.29055
| 
