Cartographie des inégalités de santé: méthodes spatiales

Auteur(s) : Dr. Fatou Ndiaye — Date : 2019-11-22 — Source : SpringerLink

Résumé

La cartographie des inégalités de santé constitue aujourd’hui un outil essentiel pour comprendre les disparités territoriales en matière de morbidité, de mortalité, de couverture sanitaire et de déterminants socio-économiques. Grâce au développement des Systèmes d’Information Géographique (SIG), des méthodes statistiques spatiales et des modèles géostatistiques avancés, il est désormais possible d’analyser finement l’organisation spatiale des facteurs influençant la santé. Cet article propose une synthèse des approches méthodologiques utilisées dans la cartographie des inégalités de santé, en présentant les concepts clés, les techniques d’analyse spatiale, ainsi que les défis et perspectives de ce domaine en pleine expansion.

1. Introduction

Les inégalités de santé se manifestent par des écarts observables entre groupes sociaux ou territoires en matière d’état de santé, d’accès aux soins, de prise en charge ou de facteurs environnementaux. Ces disparités, souvent liées aux conditions socio-économiques, à l’offre de soins ou aux facteurs environnementaux, sont devenues une préoccupation majeure pour les politiques publiques.

La cartographie constitue un outil stratégique de diagnostic, d’aide à la décision et de suivi des politiques sanitaires. Elle permet de :

• visualiser la distribution géographique des problèmes de santé ;
• identifier des zones de vulnérabilité ;
• cibler des interventions ;
• comprendre les interactions entre territoire, environnement et santé.

L’usage des méthodes spatiales, combiné aux données de santé, offre un potentiel considérable pour l’analyse de ces inégalités.

2. Cadre conceptuel : inégalités de santé et espace

2.1. Définition des inégalités de santé

Les inégalités de santé désignent les différences systématiques, évitables et injustes dans l’état de santé entre individus ou groupes de population.

Elles peuvent être :

• géographiques (urbain/rural, régions, quartiers) ;
• sociales (revenu, éducation, profession) ;
• environnementales (pollution, accès à l’eau, qualité de vie) ;
• systémiques (accès aux soins, densité médicale).

2.2. Importance de l’approche spatiale

La santé est fortement influencée par :

• le lieu de résidence,
• l’environnement physique,
• l’exposition aux risques,
• les infrastructures sanitaires,
• les conditions sociales du territoire.

Une analyse sans dimension spatiale serait donc incomplète.

3. Données utilisées en cartographie sanitaire

3.1. Données de morbidité et mortalité

• Taux de mortalité générale et infantile
• Incidence ou prévalence des maladies chroniques
• Données hospitalières et épidémiologiques
• Registres de maladies (ex : cancer)

3.2. Données socio-démographiques

• revenu, niveau d’éducation, emploi
• densité de population
• inégalités socio-économiques (indice composite : IDH, FGT, etc.)

3.3. Données environnementales

• pollution atmosphérique
• risques naturels ou industriels
• accès à l’eau potable
• qualité de l’habitat

3.4. Données sur l’accès aux soins

• densité médicale
• temps d’accès aux structures sanitaires
• disponibilité des services (hôpitaux, pharmacies)

3.5. Données géospatiales

• images satellites
• données cadastrales
• limites administratives
• réseaux routiers
• données raster et vecteur

4. Méthodes spatiales utilisées dans la cartographie des inégalités de santé

4.1. Analyse exploratoire des données spatiales (AEDE / ESDA)

Approche préliminaire permettant de :

• visualiser la distribution spatiale ;
• détecter des clusters ;
• repérer des valeurs extrêmes.

Outils courants :

• cartes choroplèthes ;
• histogrammes spatiaux ;
• cartes de densité.

4.2. Autocorrélation spatiale

Elle permet de mesurer si les valeurs de santé se regroupent dans l’espace.

Indicateurs :

• Moran’s I global

• Geary’s C

• Moran local (LISA) : permet d’identifier

  • clusters de forte valeur (High-High),

  • clusters de faible valeur (Low-Low),

  • valeurs aberrantes High-Low ou Low-High.

4.3. Analyse de points et densité

Utilisée pour :

• localiser les cas d’une maladie,
• repérer les zones chaudes (hotspots).

Outils :

• Kernel Density Estimation (KDE)
• Analyse des distances K de Ripley

4.4. Méthodes de classification spatiale

• Classification automatique (k-means, DBSCAN)
• Classification supervisée (Random Forest, SVM)
• Clustering spatial (SKATER, REDCAP)

Ces méthodes permettent de regrouper des zones homogènes selon leurs indicateurs sanitaires.

4.5. Modèles géostatistiques

Utilisés pour prévoir ou interpoler des données sanitaires dans des zones non mesurées.

Techniques :

• Krigage (ordinaire, universel, co-krigeage)
• Variogrammes
• Modèles spatiaux Bayesiens (INLA)
• Modèles SAR, CAR (Spatial Autoregressive Models)

4.6. Accessibilité spatiale aux soins

Modèles permettant de mesurer le potentiel d’accès :

• Méthode des plus proches voisins
• Méthode des isochrones (calcul de temps d’accès)
• Two-step floating catchment area (2SFCA)
• Gravity models
• 4.7. Analyse spatiale multivariée

Pour intégrer plusieurs déterminants de santé :

• ACP spatiale
• Régressions géographiquement pondérées (GWR)
• Modèles additifs spatiaux (GAM)

5. Outils technologiques pour la cartographie des inégalités

5.1. SIG (Systèmes d’Information Géographique)

• ArcGIS
• QGIS (open source)
• GRASS GIS
• GeoDa (analyse spatiale)

5.2. Outils statistiques

• R (packages : sp, sf, spatstat, tmap, INLA, GWmodel)
• Python (geopandas, pysal, rasterio)

5.3. Bases de données internationales

• OMS (Global Health Observatory)
• Banque Mondiale
• Demographic and Health Surveys (DHS)
• Eurostat
• OpenStreetMap

6. Applications pratiques

6.1. Identification des zones vulnérables

Exemples :

• zones avec forte mortalité maternelle,
• quartiers défavorisés avec prévalence élevée des maladies infectieuses.

6.2. Épidémiologie spatiale

Localisation et analyse des foyers épidémiques.

6.3. Planification sanitaire

Optimisation de la localisation :

• hôpitaux,
• postes de santé,
• centres de vaccination.

6.4. Suivi des inégalités sociales de santé

Croisement des indicateurs sanitaires et socio-économiques.

6.5. Analyse environnement–santé

Exemples :

• pollution de l’air et maladies respiratoires,
• eau non potable et gastro-entérites,
• zones industrielles et cancers.

7. Limites et défis

7.1. Qualité et disponibilité des données

• sous-déclaration,
• absence de données géocodées,
• données manquantes.

7.2. Confidentialité

Risque de ré-identification (données sensibles).

7.3. Problèmes méthodologiques

• Modifiable Areal Unit Problem (MAUP)
• Effets d’échelle
• Erreur écologique

7.4. Capacités techniques

• faibles ressources humaines formées aux SIG,
• infrastructures numériques limitées,
• accès restreint aux données actualisées.

8. Conclusion

La cartographie des inégalités de santé, appuyée par les méthodes spatiales, constitue aujourd’hui un instrument indispensable pour la compréhension et la réduction des disparités sanitaires. Elle permet une visualisation claire des zones prioritaires, une analyse fine des déterminants territoriaux et un appui efficace pour les politiques publiques.

Les avancées en géostatistique, en intelligence artificielle et en données massives représentent des opportunités majeures, mais posent également des défis méthodologiques et éthiques. Une gouvernance solide des données, la formation des acteurs et l’amélioration de l’accès aux statistiques sanitaires sont nécessaires pour renforcer l’impact de ces outils sur la prise de décision.

9. Perspectives

Les futures évolutions pourraient inclure :

• l’intégration de l’IA pour la prédiction spatiale ;
• l’analyse en temps réel via données satellitaires ;
• les analyses multi-échelles (smart cities, régions, pays) ;
• les tableaux de bord géospatiaux interactifs ;
• la modélisation spatio-temporelle (données chronologiques et spatiales).

Références

• Ndiaye et al., 2019, SpringerLink.
• Spatial Health Journal, 2018.