Etude bactériologique des infections urinaires au Centre Pasteur du Cameroun

Chapitre IV : FACTEURS DE RISQUES ET RÉSISTANCE DES PRINCIPAUX GERMES AUX ANTIBIOTIQUES

Nous avons observé dans le chapitre précédent la répartition des ECBU positifs par sexe et par âge, ainsi que la résistance ou sensibilité des germes les plus couramment rencontrés aux antibiotiques. Cependant, nous ne pouvons pas dire directement au vu de nos données si le sexe ou l'âge sont des facteurs de risque ou pas ou encore identifier les déterminants de la résistance ou de la sensibilité des principaux germes rencontrés aux antibiotiques. Pour palier à ces manquements, nous utiliserons l'approche économétrique avec un modèle de régression logistique. Dans la suite, nous ferons une présentation du modèle de régression logistique, puis, nous spécifierons le modèle, enfin, nous l'appliquerons et dégagerons des conclusions.

I- PRÉSENTATION DU MODÈLE DE RÉGRESSION LOGISTIQUE

La différence principale entre le modèle de régression linéaire et le modèle de régression logistique réside essentiellement dans le type de la variable à expliquer. La variable dépendante d'un modèle de régression linéaire est quantitative, alors que celle d'un modèle de régression logistique est qualitative. La variable dépendante d'un modèle de régression logistique prend deux modalités ; par exemple, la variable sexe peut prendre, pour un individu, les valeurs masculin et féminin, dans notre cas, la variable résultat peut prendre les valeurs positif et négatif. Ces variables qualitatives, qui prennent deux valeurs, sont dites dichotomiques. Comme nous le verrons dans la suite, ces valeurs sont généralement codées en 0 et 1.

I.1 Justification du choix du modèle de régression logistique binaire

L'on ne saurait, dans le cas d'une variable dépendante dichotomique, utiliser un modèle de régression linéaire pour plusieurs raisons :

· si l'on utilisait le modèle de régression linéaire, l'on exprimerait une variable dichotomique en fonction de variables continues, ce qui n'a déjà pas de sens ;

· si même la variable dépendante était codée en 0 et 1, graphiquement, l'on obtiendrait deux droites parallèles, au lieu d'une droite que l'on chercherait à faire passer le plus proche possible de tous les points du nuage.

· dans cet ordre d'idées, la variable dépendante prenant deux valeurs, il en serait de même des perturbations, ce qui ne permettrait pas de faire l'hypothèse de normalité.

· le codage de la variable à expliquer est arbitraire, ce qui signifie qu'au lieu des valeurs 0 et 1, l'on aurait pu choisir les valeurs 0 et 2 par exemple, ce qui changerait la valeur de la constante, rendant cette dernière non interprétable ;

· etc^8(*).

S'il est vrai que le modèle régression logistique permet d'expliquer une variable dichotomique par une ou plusieurs variables quantitatives et qualitatives, comment se formule-t-il ?

* ⁸ Pour plus de détails, voir par exemple GOURIEROUX (1989).