Memoire Online - Efficience des systèmes de santé: application de la méthode DEA sur les pays à revenu intermédiaire

Efficience des systèmes de santé : Cas des pays à revenu intermédiaire de la région MENA

L'Université n'entend donner aucune approbation ni improbation aux opinions émises dans ce mémoire : ces opinions doivent être considérées comme propres à leur auteur.

« La mesure de l'efficience est avant tout une mesure de notre ignorance^1(*) »

En préambule de ce mémoire de recherche, je souhaiterais adresser mes remerciements les plus sincères aux personnes qui ont contribué à l'élaboration de ce travail.

Mes remerciements s'adressent en premier lieu à mes parents pour leur contribution, leur soutien et leur patience. Vous êtes ma raison de vivre.

Le CERDI m'a permis de bénéficier d'un cadre de travail exceptionnel. Merci aux directeurs du master économie de la santé : M^me Martine Audibert et M. Jacky Mathonnat qui ont été disponibles et à l'écoute tout au long de mon cursus.

Un très grand merci à M^me Annie Cuer pour ses encouragements et conseils. Vous êtes unique.

J'exprime ma gratitude au doctorant Youssouf Kiendrebeogo qui a guidé mes premiers pas dans l'application de la méthode DEA sur STATA. Ainsi qu'au professeur Choonjoo Lee (Korea National Defense University) qui a accepté de répondre à mes questions.

Je remercie du fond du coeur mes amis qui m'ont toujours soutenu. Je pense à Amel, Fadwa, Meryem, Ali, Fama et Rachid mais aussi à Ghali à qui je souhaite un très bon rétablissement.

Que ceux que je n'ai pas cités, trouvent ici l'expression de mes sincères remerciements.

Résumé

L'amélioration de l'efficience des systèmes de santé est l'un des objectifs des pouvoirs publics. Cette exigence de suivre l'évolution de l'efficience technique des systèmes de santé, surtout ceux des pays en développement, passe par la volonté d'atteindre le OMD ainsi que de réduire les dépenses inutiles.

Dans ce présent travail, nous avons mesuré l'efficience des systèmes de santé de l'Afrique du Nord et du Moyen Orient, plus précisément, celle des 8 pays à revenu intermédiaire de cette région. Pour ce faire nous avons utilisé la méthode Data Envelopment Analysis (DEA) sous l'hypothèse de rendements d'échelle variables à différentes orientations.

Après avoir présenté la situation sanitaire de la région, nous avons étudié les différentes méthodes de mesure de l'efficience. Le dernier chapitre était consacré à l'application de la méthode DEA sur notre échantillon et de l'analyse de l'indice de Malmquist. Suite aux résultats obtenus, nous constatons que 75% des pays à revenu intermédiaire de la région MENA sont efficients et efficaces en 2000, suite aux inputs et outputs que nous avons choisis. Ainsi que la modification des outputs peut modifier la distribution des scores d'efficience. Et enfin, que l'efficience et le progrès techniques ont connu une évolution remarquable entre 2005 et 2009.

Mots clés : Région MENA, Systèmes de santé, Efficience, DEA et Indice de Malmquist

Liste des figures

Liste des tableaux

Liste des encadrés

Liste des annexes

Introduction

Les pays en développement se sont progressivement désengagés de la stratégie « Santé pour tous » car cet objectif était très ambitieux face aux ressources des pays très limitées pour satisfaire les besoins, même de base, de l'ensemble de la population. Face à cette situation où le financement des systèmes de santé dans les pays en développement devient de plus en plus difficile^2(*), les pays se sont retrouvés devant une pression croissante d'améliorer l'utilisation des ressources.

Cette volonté de réduire les coûts sanitaire est accompagnée par l'accent, mis par les pays en développement, sur l'efficacité des systèmes de santé, pour bien atteindre les objectifs de développement du millénaire (OMD). En effet, une amélioration significative de la situation sanitaire pourrait être obtenue si le financement de la santé est assuré par des gains d'efficience technique et allocative (Hensher, 2001).

En effet, la performance d'un système de santé (SS) se mesure par la capacité de ce dernier à atteindre ses buts fondamentaux. L'objectif principal de chaque système de santé est d'améliorer l'état de santé de la population (SS efficace) dans un cadre d'économies de moyens (SS efficient) tout en répondant aux besoins sanitaires de toutes les couches sociales (SS équitable). La mesure de chaque dimension de la performance est en elle-même un facteur d'amélioration du système de santé car elle permet de visualiser les écarts entre les résultats obtenus et ceux que le système peut atteindre. L'Organisation Mondiale de la Santé (OMS) a contribué à diffuser fortement la notion de performance des systèmes de santé, suite à son rapport sur la santé dans le monde (2000). La mesure de l'efficience des systèmes de santé a été effectuée par l'OMS selon cinq dimensions sur un échantillon de 191 pays. Malgré les critiques retenues sur la méthode utilisée par l'OMS, ce rapport a souligné l'importance de mesurer l'efficience, surtout pour les pays en développement, ceux qui veulent bien atteindre les OMD en 2015.

Le concept de l'efficience consiste à estimer une fonction de production de santé en considérant les systèmes de santé comme des entités transformant les ressources sanitaires en résultats de santé. C'est en quelque sorte, la capacité qu'a chaque pays, de transformer ses inputs sanitaires en outputs de santé (Bosmans et Fecher, 1998). D'une façon plus générale, un système de santé sera considéré comme efficient, lorsque sa combinaison d'inputs et d'outputs sera située sur la frontière.

Les études sur l'efficience se sont développées ces dernières années (Hollingsworth, 2008). Cependant la mesure de l'efficience représente une tache complexe du moment qu'il faut bien faire attention au choix des intrants et sortants. Mais surtout une importance particulière, doit être portée à la méthodologie (paramétrique ou non paramétrique), qui dépendra des objectifs soulevés par l'étude.

Le présent mémoire a donc pour objectif de mesurer l'efficience des systèmes de santé au niveau de la région MENA en 2000, en estimant l'efficacité et l'efficience des dépenses publiques de santé à l'aide de la méthode Data Envelopment Analysis (DEA). La comparaison de la performance s'effectue en prenant compte, d'une part le niveau de dépenses publiques de santé de chaque pays à revenu intermédiaire de la région MENA et, d'autre part, l'état de santé de la population que nous mesurons par le biais de trois indicateurs de morbidité/mortalité. L'objectif est d'assigner à chaque pays un score qui indique si des économies de ressources peuvent être effectuées compte tenu des performances réalisées par les pays les plus efficients. Or, nous n'expliquant pas dans ce présent mémoire la différence des scores d'efficience entre les pays de notre échantillon^3(*).

Nous avons choisis un échantillon homogène constitué de pays à revenu intermédiaire pour ne pas obtenir des mesures biaisées. Car nous savons que l'environnement explique en partie les dépenses de santé. Nous estimons donc, que les systèmes de santé des pays à revenu intermédiaire de la région méditerranéenne évoluent dans un environnement similaire.

La première partie de ce travail portera sur la présentation de la situation sanitaire de la région étudiée suivie par une présentation du concept de l'efficience et une analyse des principales méthodes d'estimations. Le troisième chapitre, présente l'étude comparative des différents systèmes de santé des pays à revenu intermédiaire de la région MENA qui se décomposera en trois parties principales. Dans la première nous allons évaluer l'efficience des systèmes de santé des différents pays de l'échantillon en utilisant la méthode DEA orientée output puis après l'estimation des mêmes modèles mais cette fois ci à orientation input. Et enfin, dans la troisième partie nous allons analyser l'évolution de l'efficience technique et du progrès technique, suite au calcul de l'indice de Malmquist par la méthode DEA sur la période 2000 à 2009.

I. Les systèmes de santé de la région MENA

Avant d'aborder le sujet de l'efficience des systèmes de santé, ce chapitre sera consacré à la présentation de la région étudiée. Savoir quelques éléments de la situation sanitaire de la région nous permettra par la suite de choisir les bons inputs et outputs pour la mesure de l'efficience.

MENA est l'acronyme de Middle East and North-Africa (Moyen-Orient et Afrique du Nord). Elle est aussi nommée « la région Méditerranéenne ». Cette région comprend tous les pays du Moyen Orient et de l'Afrique Nord, depuis le Maroc au nord-ouest de l'Afrique jusqu'à Iran au sud-ouest de l'Asie. Les pays appartenant à cette région sont : Algérie, Arabie saoudite, Bahreïn, Cisjordanie, Gaza, Djibouti, Egypte, Emirats arabes unis, Iran, Iraq, Jordanie, Koweït, Liban, Libye, Malte, Maroc, Oman, Qatar, Syrie, Tunisie et Yémen.

La région méditerranéenne abrite 355 millions d'habitants, dont 85% vivent dans des pays à revenu intermédiaire, 8% dans des pays à revenu élevé et le reste dans des pays à faible revenu. Elle possède de multiples atouts, une population jeune et instruite, une base de ressources solide et une résilience aux chocs économiques qui lui a permis de surmonter la crise financière internationale de 2008-2009. 60% des réserves mondiales de pétroles et 45% des réserves mondiales de gaz naturel (Oil dans Gas journal, 2009) sont détenues par la région MENA. La pauvreté absolue est peu répandue dans la région ; environ 4% de la population vivent avec moins de 1.25 dollar par jour. Mais les bénéfices de la croissance ne concernent qu'une petite élite. Cette situation a nourri la frustration sociale et a engendré le ressentiment généralisé en 2011 connu sous le nom du printemps arabe.

1. L'état de santé de la population de la région

1.1. Une vue globale sur la situation sanitaire

Les pays de la région MENA ont opéré des améliorations remarquables sur le plan sanitaire. Suite à des changements au niveau socio-économique et l'évolution des transitions démographiques et épidémiologiques, la région a connu une transformation, si rapide, au niveau de l'état de santé de sa population. On enregistre une augmentation de plus de 10 ans au niveau de l'espérance de vie ainsi qu'une réduction de la moitié le taux de mortalité infantile au cours de la période 1980 et 2005.

La moyenne du taux de fécondité est nettement supérieure à celle des autres pays en développement de l'Asie de l'Est et d'Amérique latine malgré l'instauration de plusieurs pays de la région des politiques démographiques (4 naissances par femme dans la région MENA contre à peine deux naissances en moyenne dans les autres régions^4(*)). Cette baisse non importante du taux de fécondité constitue à la fois une opportunité et un défi pour la croissance socio-économique de la région. Elle se retrouve avec une population jeune en croissance rapide qui ne nécessite pas de grandes dépenses de santé.

Cependant, la prévalence de facteurs de risques sanitaires chez la population jeune de la région est en augmentation remarquable. Les jeunes de la région sont de plus en plus obèses, optent pour un mode de vie sédentaire et consomment plus de tabac. Selon l'OMS, la morbidité adulte attribuable au tabagisme devrait croître de 2.4% en 1990 à 9.5% en 2020. Les accidents de route sont aussi la cause majeure de décès et d'invalidité. Ces derniers touchent essentiellement la population active (cf. encadré ci-dessous).

D'après les chiffres de l'OMS, en avril 2011 18.6%o des iraniens âgés entre 15 et 59 ans sont morts suite aux accidents de la route. Ce chiffre est seulement de 0.6%o en Liban.

L'Algérie comme la Tunisie et le Maroc connaît les mêmes problèmes liés à la sécurité routière. Si leurs chiffres de morts suite aux accidents de la route sont en baisse par rapport aux autres pays de la région MENA, c'est du à l'instauration des lois qui organisent la circulation routière.

Ces pays du Maghreb ont introduit le permis à points, ont durcis les peines d'emprisonnement et les amendes. Ils ont aussi augmenté les campagnes de sensibilisation et d'éducation routière au près des jeunes conducteurs ; cette tranche de population qui ne respecte pas en grande partie le code de la route.

Selon l'OMS, quatorze pays de la région sont exempts de paludisme, 20 pays sont libérés de la poliomyélite ainsi que le taux de vaccination, contre les maladies évitables, a dépassé les 85% sur les 5 dernières années. Or, malgré les progrès réalisés par de nombreux pays de la région, la mortalité des enfants de moins de 5 ans reste importante. Certains pays figurent parmi les pays qui ont les taux de mortalité infantile et néonatale les plus élevés au monde. Il en est de même pour la mortalité maternelle (250 pour 100 000 naissances vivantes selon les estimations de l'OMS, 2009).

La région MENA peut être répartie en trois groupes^5(*) : les pays touchés par un conflit, les pays à revenu intermédiaire et les pays du conseil de coopération du Golfe (GCC).

- Les pays touchés par un conflit (Gaza et Iraq) enregistrent des résultats en matière de santé alarmants en raison des difficultés liées aux situations de conflits et d'instabilité politique.

- Les pays à revenu intermédiaire sont : Maroc, Algérie, Tunisie, Libye, Egypte, Jordanie, Liban, Syrie et Iran. Des pays qui ont mis en place de grandes infrastructures de prestation de services de santé publique mais qui sont confrontés actuellement à des contraintes budgétaires.

- Les pays du GCC sont dotés d'un système de santé dont la performance globale est proche de celle des pays développés.

1.2. L'atteinte des OMD dans la région

La région MENA a atteint les objectifs concernant la réduction de la pauvreté et l'accès aux installations sanitaires. Elle est aussi dans la bonne voie pour atteindre les objectifs d'universalisation de l'enseignement primaire et d'égalité entre les sexes.

En revanche, les progrès sont lents en ce qui concerne les OMD relatifs à la réduction de la mortalité maternelle.

Figure 2: L'atteinte des OMD dans la région MENA en comparaison avec les autres pays en développement

Concernant l'OMD 4 « la réduction de la mortalité des moins de 5 ans », 4 pays de la région MENA ont atteint l'objectif, 9 autres pays sont en phase de la réalisation, alors que si on se base sur les tendances actuelles, probablement 10 pays n'y parviendront pas.

Pour l'OMD 5 « la réduction de la mortalité maternelle », la banque mondiale (2010) précise que l'objectif a été atteint par 6 pays contre 9 qui ne parviendront pas d'ici 2015. Alors que de nombreux pays accusent un retard impressionnant dans le domaine de l'eau et de l'assainissement qui sont des déterminants majeurs de la santé.

L'objectif de la malnutrition est aussi loin d'être atteint par les pays de la région MENA d'ici 2015 (Banque mondiale, 2011). La malnutrition infantile demeure un problème important, qui n'a reçu toutefois qu'une attention très limitée de la part des responsables politiques. Le problème de la malnutrition dans cette région s'explique par la hausse des cours mondiaux, qui exercent une pression sur les finances publiques et le budget des ménages^6(*), du moment où la majorité des pays de la région sont tributaires des importations de produits alimentaires (en particulier le blé). Selon la banque mondiale, lorsque les prix alimentaires sont élevés, le double fardeau de la malnutrition et les maladies chroniques s'alourdit. Ceci s'explique du fait que les ménages pauvres remplacent les aliments nutritifs par des calories vides. La consommation de ces calories accroît le pourcentage de personnes souffrant à la fois d'un retard de croissance et d'anémie mais aussi de surpoids ou d'obésité. Par exemple, la moitié des femmes égyptiennes anémiques ont une surcharge pondérale ou sont obèses (banque mondiale, 2012).

Le problème de la malnutrition impact sur la réalisation des autres OMD de la région, car elle est la cause majeure de mortalité infantile dans les groupes de population à faible revenu. Elle diminue aussi la capacité d'apprentissage des enfants qui survivent et donc réagit sur leur aptitude à devenir des membres productifs de la population active.

2. Les priorités de la région en matière de santé

2.1. Le contrôle des maladies non transmissibles

Contrairement à l'Afrique subsaharienne, les maladies mortelles dans les pays de l'Afrique du Nord et du Moyen Orient sont les maladies non transmissibles. Les maladies chroniques les plus importantes dans cette région sont les maladies cardio-vasculaires, le diabète, les cancers et les maladies pulmonaires chroniques. Elles sont responsables de 50% de la mortalité et de 60% de la charge de morbidité.

Figure 3: Décès des personnes âgées de plus de 60 ans suite aux maladies cardiovasculaires et infectieuses en %o (OMS 2008)

Comme nous l'avons déjà précisé, la population de la région commence à avoir un mode de vie comportant plusieurs facteurs de risque des maladies non transmissibles (le tabagisme, la sédentarité et l'alimentation malsaine...). Alors qu'en parallèle, on observe une absence de programmes complets au niveau des pays pour prévenir ou maitriser ces maladies. A titre d'exemple, l'OMS considère que les pays de la région ne se sont pas totalement engagés dans la mise en oeuvre des campagnes pour lutte antitabac. Les prix du tabac demeurent très bas dans la plupart des pays, les taxes appliquées à la vente du tabac sont toujours non-conformes aux recommandations et plus de la moitié des pays de la région n'ont toujours pas adopté les mises en garde sanitaires illustrées sur les paquets de tabac.

2.2. L'extension de la couverture sanitaire

La couverture sanitaire est considérablement déficitaire dans la plupart des pays de la région MENA, tout particulièrement dans les zones rurales et chez les travailleurs du secteur informel. Un très grand nombre de particuliers disposent relativement de peu de protection financière (assurance maladie) en cas de maladie ou de traumatisme. Les ménages à faible revenu de la région sont particulièrement pénalisés par cette situation. Car le mécanisme de partage des coûts est mal instauré ce qui mène les ménages à vivre sous la menace des dépenses de santé catastrophiques. En effet, la question du paiement direct par les usagers reste une question préoccupante dans la région. A l'exception des pays du GCC, la plupart des pays de la région continuent à pratiquer le paiement non remboursé des frais médicaux. Ces paiements représentent plus de la moitié du total des dépenses de santé de la région.

Figure 4: L'évolution de la part des paiements directs dans les dépenses de santé totales de quelques pays à revenus intermédiaires de la région MENA, 2008-2010 (source : WHO; EM/RC59/INF.DOC. Juillet 2012)

L'état actuel est du au fait que la plupart des pays de la région ne disposent pas de plans nationaux complets visant la couverture universelle. Mais les pays membres sont aussi confrontés à plusieurs difficultés qui bloquent les efforts vers une couverture universelle :

- Capacité limitée des pays non exportateurs de pétrole à prélever les impôts

- Secteur privé non réglementé entraînant une demande induite par les prestataires

3. La performance des systèmes de santé de la région MENA

Selon l'OMS (2000), un système de financement de la santé qui remplis et réglemente de façon satisfaisante ses trois fonctions (mobilisation des ressources, pooling et achat de services), permet à sa population d'atteindre un bon niveau de santé et d'avoir un système de santé réactive et équitable.

Mais est ce que le financement des systèmes de santé de la région MENA est assez équitable, solidaire et efficace pour atteindre les objectifs de la santé ?

La demande de services de santé augmente dans la région MENA autant que dans le reste du monde. Les raisons sont différentes : augmentation du PIB par habitant dans la majorité des pays de la région méditerranéenne, introduction des nouvelles technologies de santé qui sont coûteuses et les transitions épidémiologiques et démographiques. Cette situation a mené à une augmentation de la part allouée aux ministères de la santé dans la région. Mais la part des dépenses publiques de santé dans les pays à revenu faible de la région reste, majoritairement, faible et insuffisante pour assumer pleinement le rôle de développement sanitaire.

Mais avant de penser à augmenter la part allouée au ministère de la santé nous devons se demander si avec les moyens dont disposent les pays de la région MENA, les systèmes de santé font ils bien ce qu'on attend d'eux ?

En d'autres termes, est ce qu'un pays est capable d'accomplir ses objectifs sanitaires avec les ressources dont il dispose? D'une manière plus générale, est ce que le système de santé est efficient ?

Tableau 2: Tableau comparatif des pays de la région MENA à développement économique similaire

L'analyse de la performance des systèmes de santé réalisée par l'organisation mondiale de la santé (OMS, 2000)^11(*), a classé le Maroc au 29^e rang au niveau mondial. Ce classement n'est pas du au niveau d'état de santé de sa population, puisqu'il est classé au 110^e rang du niveau de santé, ni au niveau d'équité de son système puisqu'il est classé au 111^e rang dans la distribution du niveau de santé et au 125^erand dans l'équité de la contribution financière derrière l'Algérie et la Tunisie. Le système de santé marocain est donc bon par son efficience et non pas par son niveau de santé et d'équité (cf. tableau 2).

II. Les différentes techniques de mesure de l'efficience

Ce chapitre s'intéresse à la définition de l'efficience et de ses différentes techniques de mesure.

1. Le concept d'efficience

Le concept de l'efficience est utilisé pour indiquer le niveau d'utilisation des ressources qui portera sur les mesures du ratio output/input. L'efficience représente le niveau de performance de transformer un ensemble d'intrants en un ensemble d'output. Elle correspond à l'écart entre la production maximale autorisée compte tenu des inputs consommés et la production réalisée (Boussemart, 1994). La question de la production maximale est résolue par le recours à la frontière supérieure de l'ensemble de production. Une unité est considérée comme efficiente si elle se place sur la frontière de production. Dans le contexte sanitaire, l'efficience établit le lien entre les résultats sanitaires (intermédiaires^12(*) ou finaux^13(*)) et les ressources utilisées (financières et environnementales). Cette notion est aussi appelée performance.

Mais pourquoi mesurer l'efficience dans le domaine sanitaire ? La pression sur les budgets gouvernementaux ainsi que la part grandissante des budgets de santé dans le PIB de chaque pays semblent avoir une influence importante dans la mesure de l'efficience. En économie de la santé, la mesure de l'efficience a été menée à différents niveaux d'activité : les systèmes de santé des pays, les prestataires de services individuels et les programmes de santé alternatifs ou des procédures de soins. Dans ce contexte, l'objectif de production est perçu comme étant soit la fourniture de services ou l'atteinte des résultats.

Farrell (1957) est le premier avoir décomposé l'efficience totale ou économique en efficience technique et efficience allocative.

a/ L'efficience technique : se réfère à la technique de production. Koopmans (1951) a donné une définition formelle selon laquelle, une unité de production est techniquement efficace, s'il est possible d'augmenter l'un quelconque de ses outputs sans réduire au moins un autre output ou augmenter au moins un input ; ou si l'on ne peut diminuer l'un quelconque de ses inputs sans accroître au moins un autre input ou diminuer au moins un output.

b/L'efficience allocative : se réfère aux prix de facteurs de production. Une unité de production est considérée allocativement efficace si son coût de production est minimal. Tandis que l'inefficience allocative est due à la combinaison des inputs dans des proportions sous optimales par rapport aux prix relatifs.

La figure ci-dessous illustre cette distinction dans le cas de la présence de deux inputs (X_1,X₂). L'isoquant TT' représente l'ensemble des vecteurs qui sont techniquement efficaces pour un output donné. Les points à l'intérieur de cet isoquant sont considérés comme techniquement inefficaces. Les points sur l'isoquant qui sont techniquement efficaces ne le sont pas tous allocativement. Une combinaison de facteurs est dite allocativement efficace si le taux marginal de substitution est égal au rapport des prix des facteurs.

Le rapport sur la santé dans le monde (WHO, 2000) a fortement contribué à généraliser les préoccupations des pays relatives à la performance des systèmes de santé. L'étude de l'OMS a suscité un débat international sur la méthode qu'elle a utilisé qui a été vivement critiquée même par le groupe d'experts scientifiques indépendants sur l'estimation de la performance des systèmes de santé (GESI, 2001). Présentons donc les différentes méthodes de mesure de l'efficience.

2. Les méthodes de mesure de l'efficience

Pour mesurer l'efficience il faut se référer à une fonction de production qui décrit la relation entre les inputs et les outputs du processus de production. Les mesures de l'efficience sont dues originellement à Debreu, puis popularisées dans le cas d'un seul output par Farrell. D'autres auteurs comme Färe, Färe-Lovell et Zieschang ont également développé d'autres méthodes de mesures.

La littérature distingue en matière de frontière de production deux catégories de méthodes selon la façon dont elle est estimée. Il s'agit des approches à frontières déterministes et des approches à frontières stochastiques. Concernant les approches déterministes ils sont de deux types : paramétrique et non paramétrique.

2.1. L'estimation de l'efficience par l'approche paramétrique

L'approche paramétrique attribue une forme fonctionnelle particulière à la fonction de production. Cette approche peut être regroupée en deux grandes catégories selon la frontière (déterministe ou stochastique) et selon la méthode d'estimation de la frontière (moindres carrés ordinaires corrigés « MCOC », maximum de vraisemblance « SFA »).

La frontière de production est dite déterministe si l'écart observé est du seulement à l'inefficience. Si en plus de la défaillance technique on prend en compte les autres erreurs de mesure, l'omission d'autres variables explicatives, la mauvaise spécification du modèle et la non prise en compte des autres événements qui peuvent influencer la production, la frontière devient donc stochastique. La méthode des frontières stochastiques a été initialement proposée par Aigner et al. (1997) et Meeusen et Van den Broeck (1977).

Y représente l'output, i est le nombre d'observation, X représente les variables explicatives (les inputs) et

le terme d'erreur.

Théoriquement, les frontières de nature stochastiques permettent d'isoler le terme d'erreur aléatoire de celui reflétant l'inefficience technique. C'est la raison pour laquelle elles sont plus précises dans la mesure de l'efficience technique (Amara N. & Romain R. 2000).

Dans la méthode des frontières stochastiques^14(*), le terme d'erreur est composé de deux paramètres : un prenant en compte les erreurs aléatoires et l'autre l'inefficience technique.

représente des variables aléatoires non négatives supposées représenter l'inefficience technique, N (0,äu) .

Ces méthodes économétriques utilisées pour estimer l'efficience sont complexes. Ce qui rend leur compréhension et leur interprétation difficiles surtout pour les pays cherchant à améliorer la performance de leur système de santé (Almeida et coll. 2001).

2.2. La mesure de l'efficience par l'approche non paramétrique

L'approche à frontière non paramétrique été introduite par Farrell (1957). Elle n'impose pas de forme fonctionnelle et elle est généralement déterministe. L'avantage c'est qu'elle n'impose aucune spécification de la technique ni de loi de distribution des efficiences.

Parmi les approches non paramétriques, la méthode DEA (Data Enveloppent Analysis). Elle a été développée par Charnes et al. (1978) inspirée des travaux de Farrell (1957) qui lui-même été inspiré du coefficient technique de Debreu (1951). Puis cette méthode a été traitée de façon intensive par Seiford & Thrall (1990), Lovell (1993), Ali & Seiford (1993), Charnes, Cooper & Seiford (1995). De façon empirique, DEA a été largement utilisée pour mesurer l'efficience technique dans divers secteurs (secteur bancaire, secteur pharmaceutique dont celui de la santé, secteur de transport et celui de l'agriculture).

Si on ne retient que les deux premières, on obtient le modèle FDH^15(*) (Free Disposal Hull).

La technique DEA permet d'évaluer les écarts entre les points représentant les valeurs d'inputs et des outputs observés par rapport à un point sur la frontière de production. La frontière d'efficience est estimée à l'aide d'une courbe enveloppe. Du point de vue calcul, sa construction nécessite, pour chaque unité de décision (DMU^16(*)), la résolution d'un programme linéaire. DEA est particulièrement adaptée pour modéliser une production multi inputs-multi outputs. Les DMU sur la frontière ont une efficience égale à 1 et les unités inefficientes ont un niveau d'efficience inférieur à 1.

- Le modèle de Charnes et al. (1978) : est basée sur la maximisation de la somme pondérée des inputs, rapportée à la somme pondérée des outputs. Il suppose des rendements d'échelles constants (modèle CCR); c'est-à-dire qu'une augmentation dans la quantité d'inputs consommés mènerait à une augmentation proportionnelle dans la quantité des outputs.

- Le modèle de Banker et al. (1984) : s'agit d'un modèle à rendements d'échelles variables (croissants ou décroissants) ou les unités de décision opèrent à une échelle optimale (modèle BCC). Ceci dit, que la quantité d'outputs produits devrait augmenter plus ou moins proportionnellement que l'augmentation des inputs consommés.

Notons la relation qui existe entre les deux modèles. Si une DMU est caractérisée comme efficiente dans le modèle CCR elle le sera aussi dans le modèle BCC. Mais l'inverse n'est pas nécessairement vrai.

Les deux modèles existent en orientation input et en orientation output. Dans le modèle à orientation input l'objectif est de minimiser les ressources pour produire les outputs. En revanche, celui à orientation output l'objectif est de maximiser la production d'outputs sans dépasser le niveau donné de ressources.

2.3. Intérêt et limites des deux approches

Les deux approches peuvent être complémentaires en fournissant des informations supplémentaires sur la performance. Des chercheurs utilisent les deux méthodes de mesure d'efficience pour comparer les résultats obtenus. Mais le choix entre les approches peut être effectué sur la base des informations disponibles et des objectifs à rechercher. Par exemple, si nous intéressons uniquement à la mesure de l'efficience technique d'un secteur l'approche non paramétrique est la plus appropriée. Or, si en plus de l'efficience nous voulons mesurer aussi la technologie de production il convient alors d'adopter l'approche paramétrique.

- La méthode SFA (paramétrique) exige un échantillon de grande taille pour que la technique économétrique soit bien appliquée. Alors que la méthode DEA est réputée sensible aux outliers (valeurs aberrantes) (Wilson, 1993).

- La méthode DEA ne nécessite pas d'hypothèses particulières puisque la frontière est déterminée par les données. Dans le secteur de la santé, l'utilisation de la méthode SFA s'avère risquée puisqu'elle utilise une forme fonctionnelle qui nécessite des hypothèses spécifiques concernant la distribution du terme d'erreur. Donc d'un point de vue empirique, la mesure de l'efficience par la méthode DEA est plus préférable dans le secteur de la santé.

- L'avantage de la méthode DEA par rapport à la méthode SFA, est sa capacité de réaliser des estimations d'efficience dans un cadre multi output. Ce qui la rend plus intéressante dans le secteur de la santé (caractère multidimensionnel). Cependant, DEA est assez sensible au choix des outputs et des inputs. Surtout que cette méthode ne permet pas de vérifier si une ou plusieurs variables doivent ou non être intégrées au modèle. Ce qui mène des fois, à des biais se traduisant par une sous ou sur estimation de l'efficience (Bowlin, 1998).

III. Mesure de l'efficience des systèmes de santé de la région MENA

Nous présentons au niveau de ce chapitre la revue de la littérature sur la mesure de l'efficience des systèmes de santé, en mettant en avant les inputs et outputs choisis dans les différentes études. Ceci va nous permettre par la suite de choisir nos variables pour mesurer l'efficience des systèmes de santé des pays à revenu intermédiaire de la région MENA.

1. Revue de la littérature sur la mesure de l'efficience

Les premières recherches dans ce domaine étaient flou basées sur des intuitions et des méthodes approximatives. Il fallait attendre les articles de Debreu (1951) et Koopmans (1951) pour arriver à une définition du concept d'efficience, conforme à la théorie économique.

Debreu (1951) a définit l'efficience comme la distance entre la combinaison des inputs et des outputs observés et le maximum qui aurait pu être réalisé. Ces travaux vont être rendus opérationnels par Farrell (1957), actualisés après par des chercheurs vers la fin des années 70. Parmi les méthodes utilisant les outils de la recherche opérationnelle, la méthode d'Aigner et Chu (1968). A partir des années 90, DEA est devenu l'outil le plus utilisé. L'enveloppement des données est devenu populaire, sans doute à cause de sa simplicité et sa pratique sur des logiciels accessibles. Cette méthode a été longtemps critiquée par les chercheurs utilisant les frontières stochastiques du fait de l'absence des intervalles de confiance^19(*).

Le caractère multidimensionnel de la santé (multi outputs / multi inputs) avec la difficulté de modéliser son processus de production (problème de choix de la forme fonctionnelle) sont l'une des raisons pour lesquelles nous privilégions la méthode DEA dans notre étude. Cette approche est la plus adaptée pour estimer l'efficience des systèmes de santé. Néanmoins nous allons présenter quelques études traitant la question de l'efficience des systèmes de santé, qu'elles soient réalisées par la méthode paramétrique ou la non paramétrique. Ceci va nous permettre d'avoir une vue globale sur les différents inputs et outputs choisis par les auteurs quelque soit l'approche utilisée.

En 2001, Gupta et Verhoeven ont appliqué une fonction déterministe de la frontière de production à un panel de données provenant de 85 pays (38 de ces derniers sont des pays africains) sur la période 1984 et 1995. Ils ont défini la frontière de l'espérance de vie et du taux de mortalité infantile et utilisé les dépenses publiques moyennes par habitant de la santé comme intrants dans le processus de production. La méthode qu'ils ont utilisé est la FDH à orientation input. L'étude a été critiquée, du fait que les résultats obtenus exclus la contribution du secteur privé car les auteurs n'avant inclus que les dépenses du gouvernement.

Alexander et al. (2003) ont analysé l'efficience des systèmes de santé dans un échantillon composé de 51 pays en développement (1999). L'input qu'ils ont choisi est les dépenses de santé par tête (en $ international). Les outputs de cette mesure sont l'espérance de vie à la naissance (corrigée de l'incapacité pour les hommes et pour les femmes) et le taux de mortalité infantile. La méthode utilisée est DEA à orientation output.

Sur un échantillon de 27 pays de l'OCDE, Retzlaff-Roberts et al. (2004) ont mesuré l'efficience technique des systèmes de santé en 1998, selon la méthode DEA à orientation input et output. Ils ont spécifié deux catégories d'inputs : les inputs relatifs à l'environnement social (la consommation du tabac, le coefficient de Gini) et les inputs relatifs aux systèmes de santé (le nombre de lits d'hôpitaux, le nombre de médecins pour 1000 personnes et les dépenses de santé en % du PIB). Les outputs associés à ces deux catégories d'inputs sont le taux de mortalité infantile et l'espérance de vie à la naissance. Ce travail a été critiqué par le mauvais choix des auteurs des inputs et outputs^20(*) utilisés. Même si l'approche choisie est intéressante dans la mesure où on sépare les inputs d'environnement de ceux relatifs aux systèmes de santé.

Herrera et Pang (2005) ont mesuré l'efficience des systèmes de santé de 140 pays en développement entre 1996 et 2002 selon deux méthodes « DEA et FDH » suite à une orientation input et output. Les inputs utilisés sont les dépenses publiques de santé par tête, les dépenses privées de santé par tête et le taux d'alphabétisation des adultes. Pour les outputs ils ont choisi l'espérance de vie à la naissance, l'espérance de vie corrigée de l'incapacité et les taux de vaccination des enfants contre la rougeole. Les auteurs ont effectué les estimations selon de nombreuses spécifications de la fonction de production de la santé mais seulement avec la méthode non paramétrique.

Afonson et Aubyn (2005) ont opté pour la même méthode que Herrara et Pang (2005) mais cette fois ci appliquée aux pays de l'OCDE en 2002. L'orientation input est celle utilisée dans les deux méthodes (DEA et FDH). Les outputs choisis sont le taux de mortalité infantile et l'espérance de vie à la naissance. La critique mise en avant ici est la même que celle relevée dans l'étude de Retzlaff-Roberts et al. (2004) concernant le choix des outputs qui ne sont pas adaptés aux situations sanitaires des pays développés. Les auteurs ont adoptés des inputs physiques : le nombre de médecins, le nombre d'infirmiers et le nombre de lits d'hôpitaux (pour 1000 habitants).

Les études réalisées sur la mesure de l'efficience des systèmes de santé des pays de la région MENA, sont moins nombreuses. Jaouadi-Jemai (2009) a comparé l'efficience des 18 pays arabes de la région MENA suite à l'application DEA à orientation input et output. L'étude couvre la période 1998 à 2005. Les outputs utilisés sont l'espérance de vie à la naissance, l'espérance de vie en bonne santé et le taux de mortalité des moins de 5 ans. En ce qui concerne les inputs, l'auteur a distingué le facteur travail mesuré par le nombre de médecin par 100 habitants du facteur capital qu'elle a mesuré par le nombre de lits pour 1000 habitants et le total des dépenses de santé en % du PIB. Son analyse a été réalisée suite à un modèle mono output et input et de deux modèles multi outputs et inputs.

Le rapport sur la santé dans le monde 2000 est le début des mesures de l'efficience des systèmes de santé suite à l'approche paramétrique. Les études qui ont suivies sont celles de :

Tandon et al. (2000), qui ont utilisé la même méthode que celle du rapport de l'OMS. Pour estimer la performance des systèmes de santé de 191 pays ils ont construit un indice composite qui correspond à la moyenne pondérée des cinq objectifs (niveau de santé et sa distribution, réactivité du système de santé et sa distribution et l'équité de la contribution financière). Pour les inputs ils ont opté pour les dépenses de santé par habitant (PPA) et le nombre moyen d'années d'éducation de la population de plus de 15 ans.

Evans et al. (2001) a mesuré l'efficience des systèmes de santé de 191 pays sur un panel à effet fixe entre 1993 et 1997. Les inputs choisis sont les dépenses de santé ainsi que le nombre moyen d'éducation de la population adulte. Pour l'output, il a été mesuré par l'espérance de vie corrigée par l'incapacité.

Jayasuriya et al. (2003) sur un échantillon de 76 pays en développement entre 1990 et 1998 ont mesuré l'efficience de l'offre des services de santé. Les inputs utilisés sont les dépenses totales de santé par tête et le taux d'alphabétisation et l'indicateur d'output utilisé est l'espérance de vie à la naissance.

2. Cadre de l'étude

Nous voulons par le présent rapport mesurer l'efficience des systèmes de santé des pays à revenu intermédiaire de la région Moyen Orient Afrique du Nord « MENA ». Il s'agit donc de classer et d'identifier les pays efficients et les pays inefficients suite à l'application de la méthode DEA. Puis dans un second temps de voir l'évolution des scores de l'efficience de notre échantillon sur la période 2000 à 2009.

L'objectif de cette étude n'est en aucun cas de déterminer le meilleur système de santé de ces pays mais plutôt de déterminer celui qui tire le meilleur parti des ressources qui lui sont allouées. Ceci permettra aux décideurs du secteur de la santé de mettre en place des politiques qui visent à faire mieux avec les ressources existantes.

3. L'application de la DEA dans la mesure de l'efficience des pays à revenu intermédiaire de la région MENA

Pour mesurer l'efficience des systèmes de santé de notre échantillon nous devons avant spécifier les inputs et outputs. Dans le domaine de la santé, les inputs et les outputs utilisés sont très vastes. Nous allons choisir ceux qui répondent le plus à l'objectif de notre étude.

3.1. Le choix des inputs

Les inputs représentent les facteurs utilisés dans le processus de production. Tandon et al (2003) les distinguent en inputs directs et inputs indirects. Les inputs directs concernent les facteurs qui relèvent directement du système de santé alors que les inputs indirects relèvent plutôt de l'environnement et des comportements des individus.

Un système de santé utilise directement des ressources très diverses comme les bâtiments et les équipements. Ils peuvent aussi être approchés en termes physiques (nombre de médecins, nombre de lits, etc.) ou monétaires (dépenses de santé). Mais la mesure la plus complexe est celle des inputs indirects car un système de santé ne peut fonctionner sans la contribution non directement rémunérée de la part de la population. On parle ici des comportements individuels vis-à-vis de la santé (le tabagisme, l'alcoolisme). Cependant il n'existe aucun système de prix permettant de donner une valeur monétaire à de telles ressources ils sont donc comptabilisées en volume. L'OMS dans son rapport 2000 a utilisé le nombre moyen d'années d'éducation dans la population. Il faut préciser que l'environnement dans lequel opère un système de santé permet de justifier la différence des résultats sanitaires pour des pays qui utilisent les mêmes ressources. Comme exemple, on pense ici aux pays qui augmentent l'accès de leurs populations aux infrastructures (eau potable, sanitaires) obtiennent généralement des résultats sanitaires meilleurs^21(*).

Nous choisissons donc comme inputs dans notre étude les dépenses de santé publiques du PIB, le niveau d'éducation et comme input représentant le facteur travail nous utiliserons le nombre de médecins pour 1000 personnes.

3.2. Le choix des outputs

L'output d'un système de santé concerne le niveau de santé de la population bénéficiant de ce système. Mais le choix de l'indicateur de santé s'avère difficile. En effet, le choix de certains indicateurs peut être pertinent dans l'étude de l'efficience des pays en développement contrairement à l'étude au niveau des pays développés.

Ces indicateurs peuvent être classés en mesures simples et mesures multidimensionnelles (Audibert, 2009).

Les mesures simples regroupent : l'espérance de vie à la naissance, les taux de mortalité (par âge, sexe ou par cause comme par exemple le taux de mortalité lié à une maladie transmissible ou non transmissible). Alors qu'on peut considérer comme mesure multidimensionnelle, l'espérance de vie corrigée de l'incapacité^22(*) (EVCI) et les années de vie corrigées de l'incapacité^23(*) (AVCI). Malgré la pertinence de ces indicateurs, nous n'allons utiliser dans notre étude que les mesures simples du fait du manque de données.

Nous retenons trois outputs pour estimer l'efficience des systèmes de santé des pays à revenu intermédiaire de la région MENA. L'output le plus pertinent est l'espérance de vie à la naissance puis le taux de mortalité néonatale (0 à 1 an) et le taux de mortalité des personnes suite aux maladies cardiovasculaires. Ce dernier a été choisi, car ces pays connaissent une hausse importante de la prévalence des maladies non transmissibles.

3.3. Les variables et les données

L'estimation de l'efficience des systèmes de santé sera réalisée sur un échantillon de 8 pays à revenu intermédiaire de la région MENA : Maroc, Algérie, Tunisie, Egypte, Jordanie, Liban, Syrie et Iran. Nous avons choisis les pays à développement économique similaire pour voir si à un niveau de revenu par habitant semblable, la performance des systèmes de santé sera pareille. Ainsi que pour éviter le problème d'homogénéité, car les systèmes de santé évoluent dans des circonstances environnementales différentes. Nous supposons ici, que tous les pays à revenu intermédiaire de la région méditerranéenne sont confrontés au même environnement. Les données sont issues de l'OMS, de la banque mondiale et de l'institut de statistique de l'UNESCO. Les estimations seront menées sur 2000, l'année la plus récente où nous avons accès à toutes les données.

Dans le cas de notre étude, le choix de l'orientation output est a priori plus adapté au moment où les pays de note échantillon ne cherchent pas à diminuer leurs ressources mais plutôt à augmenter leurs résultats pour pouvoir atteindre les OMD. Mais mesurer l'efficience de ces pays selon une orientation input est aussi important. Car sa permettrait aux pays de minimiser leurs coûts sans pour autant de dégrader leurs résultats sanitaire. Et donc les gouvernements de ces pays pourront financer d'autres objectifs sociaux, y compris ceux qui auraient une incidence positive plus forte sur l'état de santé de leurs populations. Nous allons donc effectuer dans un premier temps une mesure de l'efficience à orientation output puis une mesure à orientation input.

Le modèle DEA que nous allons utiliser est celui de Banker, Charnes et Cooper (BCC) 1984. Ce choix est motivé par les résultats de Culyer et Wagstaff (1993) qui ont estimé que la relation entre les dépenses de santé et état de santé est concave.

Nos deux variables représentant le taux de mortalité ont subi une transformation car la mesure croissante est nécessaire pour estimer les scores d'efficience. Nous avons inversé les indicateurs de mortalité en taux de survie en utilisant leurs bornes de mesure.

La survie des enfants de moins de 1 an ainsi que celle des personnes ayant une maladie cardiovasculaire est égal à :

Variables	Description	Moyenne	Ecart-type	Min	Max
Inputs
DSP	Dépenses de santé publiques (% du PIB)	3.11	1.65	1.63	6.75
Educ	Taux d'alphabétisation des adultes %	78.87	11.79	56	93
Nbméd	Nombre de médecins pour 1000 personnes	1.77	1.04	0.62	3.54
Outputs
Esper	Espérance de vie à la naissance (en années)	73.10	1.29	71.59	75.56
Mortnéonat	Taux de mortalité néonatale pour 1000 naissances vivantes	12.34	4.79	6	19.9
Survinéona	Taux de survie des enfants de moins d'un an (%o)	0.987	0.004	0.98	0.99
Mortcardio	Taux de mortalité lié à des maladies cardiovasculaires	11.96	12.43	1.6	36.6
Survicardio	Taux de personnes ayant survécu à des maladies cardiovasculaires	0.988	0.012	0.96	0.99

3.4. L'analyse des résultats de l'efficience

Les scores d'efficience sont estimés par le logiciel STATA 11.0.^24(*) Nous allons utiliser cinq combinaisons d'inputs et d'outputs.

A/ Les résultats orientation output

Suite au tableau ci-dessous, le niveau d'efficience de notre échantillon varie entre 96.7% (le modèle mono input mono output) et 99.9% (modèle qui regroupe tous les inputs et outputs choisis). Nous remarquons aussi qu'au fur à mesure que l'on ajoute des variables dans la fonction de production, le nombre de pays se situant sur la frontière augmente. Le nombre est passé d'un pays efficient dans le modèle DEA 1 à 6 pays efficients dans le modèle DEA 5. Concernant le modèle DEA 2, les pays se situant sur la frontière sont trois : Egypte, Liban et Syrie. Ce nombre, n'a pas changé au niveau du modèle DEA 3 (multi inputs/mono output). Les pays efficients dans ce modèle sont : Maroc, Syrie et la Tunisie. La Syrie est déclarée pays efficient avec un système de santé constituant la frontière par rapport à laquelle les autres se mesurent, au niveau de nos cinq modèles.

L'introduction de la variable éducation et de l'output survie des personnes ayant les maladies cardiaques (modèle 4) ainsi que celle représentant le nombre de médecin (modèle 3) ont permis d'augmenter le nombre de pays efficients.

Les pays les plus inefficients sont l'Algérie et la Jordanie. Ces pays pourraient augmenter leurs résultats sanitaires d'un peu prés de 4% (Modèle DEA 1) avec le même niveau de dépenses de santé publiques.

Tableau 6: Résultats des estimations des différents modèles; DEA orientation output

Les pays	Modèle DEA 1	Modèle DEA 2	Modèle DEA 3	Modèle DEA 4	Modèle DEA 5
Les pays	Score Eff	Score Eff	Score Eff	Score Eff	Score Eff
Algérie	0.961	0.992	0.974	0.994	0.994
Egypte	0.962	1.000	0.962	1.000	1.000
Iran	0.959	0.992	0.994	0.992	1.000
Jordanie	0.968	0.998	0.968	0.998	0.999
Liban	0.955	1.000	0.955	1.000	1.000
Maroc	0.947	0.998	1.000	1.000	1.000
Syrie	1.000	1.000	1.000	1.000	1.000
Tunisie	0.985	0.999	1.000	1.000	1.000
Efficience moyenne	96.7%	99.7%	98.1%	99.8%	99.9%

B/ Les résultats orientation input

Les scores d'efficience vont de 0.63 à 0.96, ce qui nous permet de dire que les pays à revenu intermédiaire de la région MENA pourraient en moyenne obtenir les mêmes résultats sanitaires en réduisant leurs dépenses publiques de 4% à 37%. Les scores d'efficience à orientation input sont bien faibles par rapport à ceux à orientation output. Exemple de la Jordanie au niveau du modèle DEA 1, 2 et 3. Cette réflexion nous permet de conclure que la relation entre les dépenses publiques de santé et les résultats sanitaires n'est pas linéaire au niveau de notre échantillon. Nous remarquons aussi que l'efficience moyenne a augmenté quand nous introduisons un input de plus (le nombre de médecins ou l'éducation) dans la fonction de production.

Or, l'efficience moyenne reste la même pour le modèle 1 et 2. Ce qui nous permet de dire, que les pays étudiés peuvent obtenir les mêmes résultats sanitaires ; mesuraient par l'espérance de vie en bonne santé ou par le taux de survie néonatale; en diminuant leurs dépenses de santé publiques de 36.98%.

Pareil que les résultats obtenus au niveau de l'orientation output, nous obtenons la Syrie comme pays efficient dans les différents modèles DEA à orientation input. Alors que l'Algérie et la Jordanie restent les pays les plus inefficients au niveau de nos modèles. Ces deux pays se caractérisent par des dépenses de santé publiques supérieures à la moyenne de l'échantillon. Prenons le cas de la Jordanie, ce pays à le taux de dépenses publiques le plus élevé de l'échantillon mais avec des résultats sanitaires médiocres. Les mêmes résultats pourraient être atteints avec des dépenses bien inférieures (cf. tableau 7). L'Algérie et la Jordanie pourraient donc faire d'importantes économies depuis leurs systèmes de santé ce qui leurs permettraient d'investir plus dans des interventions sanitaires ou autres qui auront plus d'impact sur leurs résultats sanitaires.

Tableau 7: Résultats des estimations des différents modèles; DEA orientation input

Les pays	Modèle DEA 1	Modèle DEA 2	Modèle DEA 3	Modèle DEA 4	Modèle DEA 5
Les pays	Score Eff	Score Eff	Score Eff	Score Eff	Score Eff
Algérie	0.449	0.449	0.689	0.826	0.854
Egypte	0.854	0.854	0.854	1.000	1.000
Iran	0.702	0.702	0.931	0.800	1.000
Jordanie	0.241	0.241	0.383	0.861	0.861
Liban	0.525	0.525	0.525	1.000	1.000
Maroc	0.803	0.803	1.000	1.000	1.000
Syrie	1.000	1.000	1.000	1.000	1.000
Tunisie	0.468	0.468	1.000	1.000	1.000
Efficience moyenne	63.02%	63.02%	79.77%	93.58%	96.43%

4. L'évolution de l'efficience par la mesure de l'indice de Malmquist

L'indice de Malmquist va nous permettre de mesurer l'évolution de l'efficience des systèmes de santé des pays à revenu intermédiaire de la région MENA sur la période 2000 à 2009.

Cet indice de productivité a été développé par Caves, Christensen et Diewert (1982) en tant qu'indice de productivité de Malmquist. L'indice permet la décomposition simple de l'évolution de la productivité entre évolution de l'efficience technique et changement technologique (Coelli et al. 2005) (cf. figure ci-dessous). Il est la moyenne géométrique de ses deux composantes. L'application de l'indice Malmquist représente un avantage non négligeable. Il peut être calculé en absence des informations sur les prix.

Sachant que E représente le changement d'efficience et T représente le changement technologique. En générale une valeur supérieure à 1 pour M indique une croissance positive de la productivité totale des facteurs entre la période t et t+1. Le contraire est valable quand M indique une valeur inférieure à 1.

Concernant les composantes de l'indice Malmquist, une valeur de E égale à 1 signifie que la DMU se situe à la même frontière pour les deux périodes t et t+1. C'est-à-dire une efficience inchangée. Nous considérons que la DMU s'est rapprochée de la frontière lorsque la valeur de E est supérieure à 1. Plus précisément, la DMU a amélioré son efficience à la période t+1, alors qu'on dit que la DMU a diminué son efficience et qu'elle s'est éloignée de la frontière quand la valeur de E est inférieure à 1.

La deuxième composante de l'indice de Malmquist qui représente le changement de productivité suite au progrès technique (T) peut être aussi interprétée de trois manières :

· T = 1 : La productivité n'a pas changé entre la période t et t+1 (pas d'amélioration ni de dégradation).

Le tableau 8 nous présente l'évolution de la productivité totale des facteurs (PTF) des pays à revenu intermédiaire de la région MENA qui est décomposable en évolution de l'efficience technique et l'évolution du progrès technique selon l'orientation output sur la période 2000 et 2009^25(*). Dans le cas de nos deux outputs (espérance de vie à la naissance et la survie des néonatale) pris un à un ou dans le modèle à multi outputs nous obtenons en globalité un indice de Malmquist supérieur à 1. Mais la croissance de la PTF n'est pas stable sur toute la période étudiée.

Les pays les plus inefficients dans notre échantillon (Algérie et Jordanie) ont vu leur efficience s'améliorée surtout entre 2005 et 2009. Même remarque pour la Tunisie. Alors que l'Egypte, le Liban et l'Iran ont vu leur efficience diminuée en s'éloignant de la frontière durant cette période. Concernant le pays le plus efficient de notre échantillon, la Syrie a vu son efficience s'éloignée de la frontière entre 2003 et 2007 pour après se stabiliser.

Sur la période 2000 à 2006, le Maroc s'est situé sur la même frontière pour après se rapprocher de plus en plus à la frontière entre 2006 et 2009. La stabilité de l'efficience dans ce pays témoigne que l'amélioration de l'efficience de son système de santé, après 2000 n'est plus une des priorités des politiciens marocains.

Nous pouvons expliquer la différence de l'évolution de l'efficience dans notre échantillon par le choix de l'input (dépenses de santé publiques). Ce dernier a un effet retardé sur l'état de santé. Ceci dit, la réduction de l'inefficience se réalisera graduellement dans le temps et sur une longue durée.

La deuxième composante de l'indice Malmquist représente le progrès technique. La moyenne dans notre échantillon varie entre 1.01 et 1.05. Tous les pays de notre échantillon ont vu leur survie néonatale légèrement augmenté sur la période 2000 à 2009 suite aux progrès technique Le progrès technique est plus important après 2005 pour tous les pays de notre échantillon.

Tableau 8: L'évolution de l'efficience technique et du progrès technique des pays à revenu intermédiaire de la région MENA entre 2000 et 2009

Pays	Période	Efficience technique	Progrès technique	Pays	Période	Efficience technique	Progrès technique
Algérie	2000-2001	1.0008	1.1360	Liban	2000-2001	0.9465	1.1546
	2001-2002	0.9661	0.9606		2001-2002	0.9659	0.9606
	2002-2003	1.0114	1.0067		2002-2003	1.003	1.0067
	2003-2004	0.9085	1.0336		2003-2004	1.0595	1.036
	2004-2005	1.0381	0.9867		2004-2005	0.9876	0.9854
	2005-2006	0.7091	1.1887		2005-2006	0.8120	1.1931
	2006-2007	1.1458	1.0708		2006-2007	0.9398	1.0734
	2007-2008	1.0969	0.9787		2007-2008	1.1313	0.8455
	2008-2009	1.2881	1.0569		2008-2009	0.8952	1.0394
	Moyenne	1.0183	1.0465		Moyenne	0.9712	1.0327
Egypte	2000-2001	0.9146	1.1599	Maroc	2000-2001	1	1.0741
	2001-2002	1.0931	0.9637		2001-2002	1	0.9807
	2002-2003	0.9445	1.0088		2002-2003	1	1.0040
	2003-2004	0.8681	1.0376		2003-2004	1	1.0418
	2004-2005	1.0578	0.9856		2004-2005	1	0.9917
	2005-2006	0.8766	1.1920		2005-2006	1	1.1558
	2006-2007	0.8488	1.0676		2006-2007	1.0680	1.0708
	2007-2008	1.1842	0.8421		2007-2008	1.2078	1.0110
	2008-2009	0.9034	1.0394		2008-2009	1.0187	1.0780
	Moyenne	0.9656	1.0329		Moyenne	1.0327	1.0453
Iran	2000-2001	1.0018	1.1546	Syrie	2000-2001	0.9352	1.1546
	2001-2002	1.0467	0.9606		2001-2002	1.0957	0.9606
	2002-2003	0.9797	1.0067		2002-2003	1.0820	1.0018
	2003-2004	1.0798	1.0336		2003-2004	0.8113	1.0184
	2004-2005	0.8699	0.9316		2004-2005	1.0457	0.9420
	2005-2006	0.9969	1.0273		2005-2006	0.7215	1.0258
	2006-2007	0.9328	0.9912		2006-2007	0.9805	1.0609
	2007-2008	1.2985	1.1285		2007-2008	1	0.8631
	2008-2009	0.8312	1.0577		2008-2009	1	1.0780
	Moyenne	1.0041	1.0324		Moyenne	0.9635	1.0116
Jordanie	2000-2001	0.8975	1.1546	Tunisie	2000-2001	0.8265	1.1546
	2001-2002	1.0567	0.9606		2001-2002	1.0215	0.9606
	2002-2003	0.9439	1.0067		2002-2003	1.0040	1.0067
	2003-2004	0.9731	1.0336		2003-2004	0.9810	1.0336
	2004-2005	1.0752	0.9867		2004-2005	1.0272	0.9867
	2005-2006	0.7472	1.1887		2005-2006	0.8484	1.1887
	2006-2007	1.0935	1.0661		2006-2007	0.9625	1.0813
	2007-2008	1.2424	0.9575		2007-2008	1.2275	0.9944
	2008-2009	1.2342	1.0541		2008-2009	1.0061	1.0582
	Moyenne	1.0293	1.0334		Moyenne	0.9894	1.0516

Discussion

Ce travail visait à comparer l'efficience technique des systèmes de santé des pays à revenu intermédiaire de la région MENA selon la méthode de programmation mathématique DEA. La flexibilité de cette méthode est l'une des avantages qui nous ont poussés à l'utiliser du point de vue des analyses multi-outputs et du choix des orientations de mesure. L'objectif est de permettre aux pays de savoir quel résultat sanitaire (output) offre le plus d'amélioration et d'évolution au niveau de l'efficience technique. Ce qui est très utile à tous les pays en développement.

Nous avons spécifié 5 modèles. 75% des pays de notre échantillon ont été considérés comme efficients dans le modèle 5 à orientation output ainsi qu'à orientation input. La Syrie se montre comme le pays ayant le système de santé le plus performant en termes de production de santé enregistrant des scores équivalents à l'unité pour les différents modèles. Ce pays est aussi le seul efficient et efficace en termes de production de l'espérance de vie en bonne santé. Alors que l'Egypte, le Liban et la Syrie^26(*) sont plutôt efficace en termes de production de survie néonatale. La Syrie est aussi efficiente au niveau de ce modèle (DEA 2).

Nous soulevons l'augmentation des scores d'efficience à l'introduction de la variable représentant le travail (nombre de médecins) ou celle non contrôlable par le système de santé (taux d'alphabétisation). L'introduction dans la fonction de production de l'input supplémentaire (éducation) a permis au Maroc de devenir efficient malgré qu'il représente le plus faible niveau d'éducation dans notre échantillon.

Dépenser plus dans la santé ne permet pas de considérer le pays comme efficient. La Jordanie est le bon exemple. Avec la part de dépenses publiques en santé la plus importante au niveau des pays à revenu intermédiaire de la région MENA et avec en partie de bons résultats sanitaires, ce pays est le plus inefficient et inefficace de notre échantillon.

Enfin, nos analyses ont montré qu'en moyenne 50% des pays de notre échantillon ont connu une évolution de l'efficience dans la période 2000 à 2009. Le progrès technique était très important pour tous les pays à revenu intermédiaires de la région MENA, plus précisément entre 2005 et 2009.

Conclusion

L'efficience des systèmes de santé a été l'objet d'un important courant de recherche au niveau international depuis un demi-siècle. L'objectif de ce mémoire est d'appliquer la méthode DEA pour la mesure de l'efficience technique des systèmes de santé des pays à revenu intermédiaire de la région MENA. Ces pays ont enregistré de fortes améliorations dans les résultats sanitaires mais ils se trouvent de plus en plus face à des contraintes budgétaires sévères. Le but de la mesure de l'efficience est de permettre aux pays de mieux gérer leurs systèmes de santé.

Suite à l'analyse de la situation sanitaire de la région, nous avons pu soulever l'augmentation de la prévalence des maladies non transmissibles. C'est la raison pour laquelle nous avons opté pour introduire un output qui reflète la moralité due aux maladies cardiovasculaires. Nous avons associés cet output à un autre qui est en lien avec une autre tranche d'âge de la population, celui de la mortalité néonatale. Ce qui va nous permettre d'avoir un résultat sanitaire ciblant, presque, la totalité de la population.

Nous avons voulu savoir si les systèmes de santé des pays à revenu intermédiaire de la région MENA, faisaient bien ce que la population attendait d'eux suite aux dépenses publiques dont les pays disposaient. C'est la raison pour laquelle nous avons choisi comme input la part des dépenses publiques de santé (%PIB). Comme continuité de ce travail, il serait encore plus intéressant d'introduire la part des dépenses privées de santé, qui n'est pas négligeable.

Les résultats obtenus suite à ce travail, nous permettent de conclure que les pays à revenu intermédiaire de la région MENA ne doivent pas augmenter le volume de leurs inputs pour réaliser une amélioration de leur efficience. Car un financement public mal géré se traduit en un gaspillage dû à l'inefficience du secteur sanitaire. Donc, comme la Jordanie et l'Algérie, ces pays doivent être prudents lors de la prise de décision de l'accroissement de leurs budgets alloués à la santé, surtout quand ces derniers sont déjà élevés.

Malgré les efforts entrepris au niveau de ce travail, nous relevons quelques limites. Tout d'abord, dans l'analyse des résultats de la méthode DEA, il est important de ne pas tenir compte juste du score de l'efficience car ce dernier est relatif. Ces scores nous permettent de voir les pays qui réalisent plus de résultats avec leurs ressources et de connaître ceux qui peuvent améliorer leur situation. Les pays efficients dans notre analyse le sont par leurs pratiques comparées aux autres pays de notre échantillon. Mais ceci ne signifie pas que leur efficience ne peut être améliorée en les comparants à d'autres pays. Notons aussi que les scores d'efficience ont tendance à être élevés avec un échantillon de petite taille (efficience moyenne du modèle DEA 5 est de 99.9%). Avec un petit échantillon, la frontière a tendance à être proche des unités analysées alors que si le nombre des DMU est important, la frontière construite par la méthode DEA a plus de chance de se rapprocher de la vraie frontière. Une étude plus poussée avec la totalité des pays de la région MENA permettrait d'avoir des résultats plus robustes.

Notons aussi que les résultats sont relativement sensibles à la spécification de la fonction de production. C'est-à-dire aux inputs choisis ainsi qu'aux nombres de variables. Comme nous l'avons remarqué des pays efficients peuvent devenir inefficients à l'introduction ou l'exclusion d'un input. Les résultats sont aussi sensibles aux choix des outputs. C'est la raison pour laquelle la spécification multi-output est préférée, ce qui permettrait aux décideurs de se baser sur leurs différents résultats sanitaires. Car un pays pourrait avoir de mauvais résultats sur une dimension de l'état de santé mais le contraire sur un autre résultat sanitaire.

Parmi les limites de ce travail, c'est que nous ne pouvons trancher sur la robustesse de nos résultats, car ces derniers n'ont pas été vérifiés par une autre méthode (SFA). Nous avons déjà soulignés que les deux méthodes sont complémentaires. Ceci nous aurait permis de trancher sur l'efficience ou l'inefficience des pays mis en évidence par les deux méthodes et de mettre des réserves sur ceux à résultats divergents.

Enfin, la mesure des scores d'efficience n'est qu'un aspect purement descriptif. Pour plus comprendre les scores d'efficience qu'on a obtenus, il faut établir le lien entre le niveau d'efficience et certaines variables qui sont susceptibles de capter les contraintes structurelles spécifiques de chaque pays.

Bibliographie

Afonso A., Aubyn M.S., 2005. «Non-parametric approaches to education and health efficiency in OECD countries» Journal of Applied Economics, Vol. VIII, N°2: 227-246

Aigner et Chu. 1968. « On estimating the industry production function». American Economic Review, Vol. 58, pp. 826- 839.

Almeida C., Braveman P., Gold M., Szwarcwald C., Ribeiro J.M., Miglionico A., Millar J.S., Porto S., do Rosario Costa N., Rubio V.O., Segall M., Starfield B., Travassos C., Uga A., Valente J., Viacava F., 2001. «Methodological concerns and recommendations on policy consequences of the World Health Report 2000». Lancet 357(9269):1692-697.

Amara, N., et Romain, R., 2000. « Mesure de l'efficacité technique, Revue de Littérature », 34 pages.

Ambapour S., 2001. « Estimation des frontières de production et mesures de l'efficacité technique ». Bureau d'application des méthodes statistiques et informatiques. DT 02/2001.

Ambapour S., 2004. « Efficacité technique comparée des systèmes de santé en Afrique subsaharienne : une application de la méthode de DEA ». Bureau d'application des méthodes statistiques et informatiques. DT 10/2004.

Anderson, R.I., D. Lewis et J.R. Webb (1999). "The Efficiency of Nursing Home Chains and the Implications of Non-profit Status", Journal of Real Estate Portfolio Management, vol. 5, no 3, p.235-245.

Audibert M., 2009. «Issues and challenges of Measurement of health: implications for economic research». Paper prepared for the African Economic Research Consortium, Health, Economic growth and Poverty reduction in Africa, Accra, Avril 20-22.

Banker R.D., Charnes A., Cooper W.W., 1984. «Some models for estimating technical and scales inefficiencies in Data Envelopment Analysis». Management Science 30(9): 1078-1092.

Bernet, P.M., M.D. Rosko, V.G. Valdmanis, A. Pilyavsky et W.E. Aaronson, 2008. "Productivity Efficiencies in Ukrainian Polyclinics: Lessons for Health System Transitions from Differential Responses to Market Changes", Journal of Productivity Analysis, vol. 29, p. 103-111.

Bosmans, N. et F. Fecher (1995). "Performance of Belgian Hospitals: A Frontier Approach", Health Economics, vol. 4, p. 389-397.Bradford, W.D., A.N. Kleit, M.A. Krousel-Wood et R.N. Re (2001). "Stochastic Frontier Estimation of Cost Models within the Hospital", Review of Economics and Statistics, vol. 83, no2, p. 302-9.

Boussemart J.P., 1994. « Diagnostique de l'efficacité productive par la méthode DEA : application à des élevages porcins ». Cahiers d'Economie et Sociologie Rurales, 31 : 44-58.

Bradford, W.D. et C. Craycraft (1996). "Prospective Payments and Hospital Efficiency", Review of Industrial Organization, vol. 11, no6, p. 791-809.

Brown, H.S. (2003). "Managed Care and Technical Efficiency", Health Economics, vol. 12, no2, p.149-58.

Chaffai Mohamed, 1997. « Estimation de frontières d'efficience : un survol des développements récents de la littérature ». Revue d'économie du développement, 3/1997(PP. 33-67)

Charnes, A., Cooper, W. W., & Rhodes, E., 1978. «Measuring the efficiency of decision making units». European Journal of Operational Research, 2, 429-444.Seiford & Thrall (1990),

Charnes, A., Cooper, W. W., Lewin, A. Y., & Seiford, L. M. (Eds.), 1994. «Data envelopment analysis: Theory, methodology, and applications». Boston: Kluwer. Bowlin, 1998

Culyer, A.J. & Wagstaff A., 1993. «Equity and equality in health care», Journal of Health Economics, Elsevier, vol. 12 (4), pages 431-457. December.

Daidone, S. et F. D'Amico (2009). "Technical Efficiency, Specialization and Ownership Form: Evidences from a Polling of Italian Hospitals", Journal of Productivity Analysis, published online 22 April 2009.

Debreu, G., 1951. «The Coe?cient of Resource Utilization», Econometrica,19(3), 273-292.

Evans D., Tandon A., Murray C.J.L., Lauer J.A., 2001. «Comparative Efficiency of National Health Systems: Cross National Econometric Analysis». British Medical Journal 323: 307-310.

Färe, Färe-Lovell et Zieschang. 1990. "A Nonparametric Approach to Expenditure Constrained Profit Maximization", American Journal of Agricultural Economics, vol. 72, n°3

Farell M., 1957. «The measurement of productive efficiency». Journal of the Royal statistical Society, Series A 120: 195-211.

GESI, 2001. Rapport du GESI sur l'évaluation de la performance des systèmes de santé. OMS, Genève.

Greene W., 2003. «Distinguishing between heterogeneity and inefficiency: stochastic frontier analysis of the world health organization's panel data on national health care systems». Department of economics, stern school of business. New York University.

Greene W., 2008. «A stochastic frontier model with Correction for sample selection». Department of economics, stern school of business. New York University. March.

Gupta S., Verhoeven M., 2001. «The efficiency of government expenditure: experiences from Africa». Journal of Policy Modelling 23(4): 433-467.

Hazim J., 2009. « Financement de la santé au Maroc : réalités et perspectives ». INAS, Ministère de la santé. Décembre.

Hensher M., 2001. «Financing health systems through efficiency gains». Commission on Macroeconomics and Health Working Paper Series, Paper N° WG3: 2, World Health Organization, Geneve.Bosmans et Fecher, 1998

Herrera S., Pang G., 2005. «Efficiency of public spending in developing countries: an efficiency frontier approach». World Bank Policy Research Working Paper 3645, Washington DC, World Bank.

Hollingsworth B. 2008. «The measurement of efficiency and productivity of health care delivery». Health Economics 17(10): 1107-1128.

Hollingsworth B., 2003. «Non parametric and parametric applications measuring efficiency in health care», Health Care Management Science 6, 203-21

Jaouadi-Jemai, 2007. « Total performance of the health systems: a comparative study of arab and African countries» International review of business research papers. Vol. 3 N° 4. Pp. 111-124.

Jaouadi-Jemai, 2009. « Efficacité et Efficience des Systèmes de Santé : Application Aux Pays De La Région MENA », Union Internationale pour l'Etude Scientifique de la Population

Jayasuriya R., Wodon Q., 2003. «Efficiency in reaching the Millennium Development goals». World Bank Working Paper N°9, World Bank, Washington DC.

Koopmans, T. 1951. «Analysis of Production as an E?cient Combination of Activities», in: T. C. Koopmans (ed) Activity Analysis of Production and Allocation, New Haven, Yale University Press, 33-97.

Legros M., Chaoui F., 2012. « Les systèmes de santé en Algérie, Maroc et Tunisie, Défis nationaux et enjeux partagés ». Les notes IPEMED, études et analyses N° 13, Avril.

Lovell C.A.K., Walters L.C., Wood L.L., 1994. «Stratified models of education production using modified DEA and regression analysis». Dans: Data Envelopment Analysis: theory, methodology and applications, Ed. A. Charnes, W. Cooper, A.Y. Lewin et L.M. Seiford, Boston: Kluwer Academic Publishers

Mathonnat J., 2010. Disponibilité des ressources financières pour la santé dans les pays d'Afrique Subsaharienne. Notes et Documents N° 52 , 283 pages. Paris : Agence Française de Développement.

Meeusen, W. and van den Broeck, J. 1977, «Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error». International Economic Review 18(2): 435-444.

OCDE, 2004. « Vers des systèmes de santé plus performants ». Le projet de l'OCDE sur la santé.

Peacock S., Chan C., Mangolini M., 2001. « Techniques for measuring efficiency in health services» Productivity commission staff working paper, July.

Retzlaff-Roberts D., Chang C.F., Rubin R.M., 2004. «Technical efficiency in the use of health care resources: a comparison of OECD countries». Health Policy 69(1): 55-72.

Srinivas Talluri, 2000. « Data Envelopment Analysis: Models and Extensions ». HOLLY S. LEWIS, Feature Editor, Pennsylvania State University

Tandon A., Lauer J., Evans D., Murray C., 2003. «Health system efficiency: concepts». Health systems performance assessment: debates, methods and empiricism, Ed. By C.J.L. Murray, D.B. Evans, Geneva: World Health Organization.

Tandon A., Murray J.L., Lauer J.A., 2000. «The comparative efficiency of national health systems in producing health: an analysis of 191 countries», GPE Discussion Paper No. 29, World Health Organization, Genève, Suisse.

WHO, 2000. World Health Report 2000. Health systems : improving performance. Geneva: World Health Organization.

WHO, 2011. « Activité de l'OMS dans la région de la méditerranée orientale » rapport annuel du directeur régional.

WHO, 2012. « L'avenir de la santé dans la région OMS de la méditerranée orienale : renforce le rôle de l'OMS ». WHO-EM/RDO/002/F.

Wilson P.W., 1993. «Detecting outliers in deterministic non parametric frontier models with multiple outputs». Journal of Business & Economic Statistics 11(3): 319-323.

Annexes

Figure 9: Comparaison entre les différentes méthodes de mesure de l'efficience

Sous l'hypothèse des rendements d'échelle constants, seule la firme C est déclarée efficiente. Sous l'hypothèse de rendements d'échelle variables A, B et C sont efficient alors que si aucune hypothèse n'est posée les firmes A, B, C et D sont alors déclarées efficaces. Notons que le choix d'utilisation de la FDH ou de la version REV de la méthode DEA dépendra de la taille de l'échantillon étudié ; si la taille est réduite, l'évaluation par FDH risque de déclarer efficiente la grande majorité des firmes.

* ³ La relation entre le niveau d'efficience des systèmes de santé et des variables stratégiques et environnementales pourrait être une continuité de ce travail.

* ⁵ Fiche sur le secteur de la santé dans la région MENA, Banque mondiale, Septembre 2010.

* ⁶ La flambé des prix des produits alimentaires mondiaux n'a pas un grand impact sur les pays pétroliers de la région MENA du fait que les recettes pétrolières augmentent parallèlement à leurs dépenses d'importations des produits alimentaires.

* ⁷ RAMED a été généralise au niveau du territoire marocain en Mars 2012, mais il a été lancé en 2002 avec la promulgation du Dahir portant application des dispositions du livre 3 de la loi sur l'assurance maladie obligatoire

* ⁸ Le RAMED couvre les soins préventifs, les consultations de médecine générale dans les centres de santé, les consultations spécialisées médicales et chirurgicales dans les centres de diagnostic et les hôpitaux publics ainsi que les consultations médicales d'urgence. Sont aussi pris en compte les analyses, les examens radiologie, les explorations fonctionnelles ainsi que les médicaments prescrits pour le traitement des maladies à longue durée.

* ⁹ La couverture médicale de base comprend l'assurance maladie obligatoire (AMO) et le RAMED. Au Maroc l'AMO concerne la partie de la population active et retraitée. Elle est financée par les cotisations patronale et salariale. Alors que le RAMED est mis en place pour la partie de la population non couverte par l'AMO et ne disposant pas de ressources suffisantes. L'Etat finance le RAMED à 75% et le reste est effectué par les collectivités locales (6%) et les personnes en situation de vulnérabilité (19%).

* ¹⁰ 120 Dh est équivaut à un peu prés 11€, ce montant doit être payé par chaque personne sans dépasser les 600 Dh par foyer.

* ¹¹ L'OMS (2000) a développé cinq indicateurs pour l'évaluation de la performance : le niveau de santé général de la population (EVCI), la distribution de la santé dan la population (qualité et équité), le degré général de la réactivité, la distribution de cette réactivité dans la population et la répartition de la contribution financière. La mesure des différents indicateurs développe un indice composite général des divers scores obtenus. Cet indice donne une idée sur l'évaluation de la performance des systèmes de santé des 191 pays étudiés.

* ¹² Nombre de patient traité, nombre de jour d'hospitalisation, temps d'attente...

* ¹⁴ Des recherches sur cette méthode sont fournies par Lovell et Schmidt (1980), Schmidt (1986), Bauer (1990), Battese (1992) et Greene (1993).

* ¹⁵ Le choix entre l'utilisation de cette méthode et la DEA dépend de la taille de l'échantillon étudié. Si la taille de celle-ci est réduite, l'évaluation par FDH n'est très appropriée car elle risque de déclarer efficiente la majorité des observations.

* ¹⁶ Dans la mesure de l'efficience des systèmes de santé les DMU vont être les pays de notre échantillon.

* ¹⁷ Sur les 317 papiers qu'il a recensés, plus de la moitié portent sur les hôpitaux et le reste sur les soins à domicile, les médecins, les soins primaires, les districts de santé, les pays, les programmes de soins et le traitement VIH

* ¹⁸ Bruce Hollingsworth Non parametric and parametric applications measuring efficiency in health care, Health Care Management Science 6, 203-218, 2003

* ¹⁹ Des chercheurs ont complété leurs travaux utilisant la DEA par le recours au bootstrap afin d'obtenir les intervalles de confiance. Mais la question de la validité des intervalles de confiance découlant du bootstrap n'est toujours pas résolue.

* ²⁰ Les indicateurs de santé choisis par les auteurs ne sont pas adoptés aux problèmes sanitaires des pays développés.

* ²¹ Pour les variables reflétant l'environnement dans lequel opèrent les systèmes de santé, seront pris en compte comme facteurs expliquant la différence du degré d'efficience entre pays.

* ²² Cet indicateur a été proposé par l'OMS, il permet de prendre en compte le fait qu'un individu peut vivre en mauvaise santé malgré une espérance de vie longue.

* ²³ Cet indicateur été proposé par l'OMS et la banque mondiale. Il permet d'avoir une information sur la charge de la maladie dans une population.

* ²⁴ Nous avons aussi vérifié nos scores obtenus par STATA sur le logiciel DEAFrontier.

* ²⁵ Le tableau 8 représente les résultats du modèle mono input / mono output (Dépenses de santé publiques/survie néonatale). Le choix de cet indicateur vient du fait qu'il est plus proche aux objectifs OMD. Il nous permettra de voir l'évolution de l'efficience de la mortalité néonatale pendant la période post OMD.

* ²⁶ Nous obtenons les mêmes pays efficients quand nous prenons chaque output séparément.