Groupes de régions sociosanitaires homologues 2014 - Guide de l’utilisateur

Passer au texte

• Intention
• 1. Introduction
• 2. Données
• 3. Méthodologie
• 4. Résultats
• 5. Discussion
• 6. Les groupes de régions homologues à l’œuvre
• 7. Sommaire
• 8. Bibliographie
• Annexes
• Notes

Début du texte

Intention

Le présent document vise à définir le concept des groupes de régions sociosanitaires homologues, à donner un aperçu du mode de formation de ces groupes et à démontrer leur utilité. On y présente la classification des groupes de régions homologues de 2014. Des renseignements techniques plus détaillés sur la formation des groupes de régions homologues figurent dans les documents de travail intitulés Groupes de régions sociosanitaires et Groupes de régions sociosanitaires 2003 préparés par la Division de la statistique de la santé de Statistique Canada. Pour obtenir un exemplaire des documents, veuillez communiquer avec les Services à la clientèle au (613-951-1746; télécopieur : 613-951-0792 ou hd-ds@statcan.gc.ca).

1. Introduction

Le lancement de l’Enquête sur la santé dans les collectivités canadiennes (ESCC) en 2000 et l’expansion des produits de données existants en vue de fournir de l’information au niveau des régions sociosanitaires ont rendu nécessaire l’élaboration d’une méthode permettant de comparer des régions qui affichent des déterminants socioéconomiques de la santé similaires. Le raisonnement qui sous-tend l’élaboration d’une telle méthode est le suivant : une fois que l’on élimine les effets de diverses caractéristiques sociales et économiques dont l’influence sur la santé est connue, il est possible de comparer les régions selon diverses mesures de l’état de santé. Il est également possible de comparer l’efficacité relative des mesures de promotion de la santé et de prévention d’une région à l’autre. Par conséquent, les régions sociosanitaires ayant des caractéristiques socioéconomiques semblables ont été regroupées à l’aide d’une technique de mise en grappes, et les groupes ainsi constitués sont désignés par le terme « groupes de régions homologues ».

Les critères ayant servi à définir les groupes de régions homologues ont été établis en tenant compte de l’utilisation prévue de ces groupes. Comme la formation de groupes de régions homologues a pour but de comparer des situations ayant trait à la santé, toutes les variables décrivant directement la santé ont, en bout de ligne, été éliminées comme critère éventuel de formation des groupes. En outre, on souhaitait disposer, pour toutes les variables, de données fiables pour toutes les régions sociosanitaires. Par souci d’objectivité, la formation des groupes de régions homologues devait aussi se fonder sur des méthodes empiriques. Enfin, pour simplifier les comparaisons et en assurer la pertinence, chaque groupe devait compter de cinq à dix régions environ et couvrir l’ensemble du pays. L’application des paramètres susmentionnés a donné lieu à plusieurs contraintes qui ont entraîné certaines modifications. Tous les critères ont été respectés dans la mesure du possible et tout écart est expliqué en détail dans le présent document.

La classification initiale des groupes de régions homologues de 2000, diffusée en 2002, s’est fondée sur les données du Recensement de 1996 et sur les limites des régions sociosanitaires définies par les provinces et les territoires en 2000. Pour tenir compte de la disponibilité des données et des définitions des limites des régions sociosanitaires les plus récentes, on doit mettre à jour la classification des groupes de régions homologues périodiquement. La classification des groupes de régions sociosanitaires homologues de 2003 et celle de 2007 constituent de telles mises à jour. La dernière mise à jour des groupes de régions homologues est fondée sur les données du Recensement de la population de 2011 et sur l’Enquête nationale auprès des ménages (ENM) et sur les limites des régions sociosanitaires de 2014. Cette classification a donné lieu, en définitive, à la création de neuf groupes de régions homologues, représentant toutes les régions sociosanitaires du Canada.

Le présent document donne un aperçu du processus de formation des groupes de régions homologues. Il fait état de la classification des groupes de régions homologues de 2014, lesquels sont comparés aux groupes créés antérieurement. Enfin, l’utilisation des groupes de régions homologues dans l’analyse des questions de santé sera illustrée par un exemple.

2. Données

Vingt-quatre variables décrivant les déterminants socioéconomiques et sociodémographiques de la santé dans les régions sociosanitaires de l’ensemble du Canada ont été utilisées pour produire les groupes de régions homologues. Les variables retenues à cette fin couvrent une vaste gamme de dimensions, notamment la structure démographique, la situation sociale et économique, l’ethnicité, l’appartenance à la population autochtone, le logement, l’urbanisation, l’inégalité du revenu et la situation du marché du travail. Il convient de noter qu’on a volontairement omis d’utiliser les variables relatives à la santé pour la création des groupes de régions homologues.

Certaines modifications ont été apportées au fil du temps, mais la majorité des variables sont demeurées constantes depuis la création des groupes de régions homologues en 2002. Cette classification repose sur les mêmes vingt-quatre variables utilisées lors de la création des groupes de régions homologues en 2007. Les variables s’appuient sur le Recensement de 2011 et l’ENM de 2011. Les variables employées pour l’analyse, de même que leurs sources respectives, sont décrites à l’annexe A.

3. Méthodologie

On a retenu l’analyse par grappes non hiérarchique comme méthode de formation des groupes de régions homologues. Généralement, l’analyse par grappes vise à classer les variables ou les observations dans des groupes (grappes) en fonction d’une mesure de la distance qui les sépare l’une de l’autre, de manière à ce que les observations au sein de chaque groupe soient similaires pour ce qui est des variables ou des attributs d’intérêt. En d’autres termes, l’objectif est de regrouper les observations en grappes homogènes et distinctes. Les algorithmes non hiérarchiques visent à partitionner un ensemble d’observations en un ensemble prédéterminé de groupes disjoints au moyen d’un critère précisé d’optimisation. Cette méthode a semblé la mieux adaptée à la réalisation des objectifs originaux du projet des groupes de régions homologues, à savoir la création, par une technique empirique, d’un nombre prédéfini de groupes de régions homologues comptant chacun de cinq à dix régions sociosanitaires environ.

Les groupes de régions homologues ont été créés en SAS à l’aide de la procédure FASTCLUS. Cette procédure utilise un algorithme à k moyennes pour attribuer les observations à un ensemble prédéterminé de k grappes. Le lecteur trouvera dans Johnson et Wicheren et coll. (2002). La description de la mise en grappes à k moyennes et de plusieurs variantes de la méthode. Les principales étapes de la répartition des observations en k grappes sont les suivantes :

1. Choisir k observations comme valeurs initiales de grappe (centres initiaux des grappes).
2. Assigner chaque observation à la grappe ayant la valeur initiale la plus proche. Lorsque toutes les observations sont assignées, remplacer chaque valeur initiale de grappe par la moyenne de grappe. Répéter cette étape jusqu’à ce que la variation de la valeur initiale de grappe devienne nulle ou presque nulle.
3. Former les grappes finales en affectant chaque observation à la grappe ayant la valeur initiale la plus proche.

Des renseignements complets sur la méthode FASTCLUS figurent dans le document SAS OnlineDoc®, Version 9.

3.1 Nombre de grappes

L’un des principaux problèmes de l’analyse par grappes consiste à sélectionner le nombre approprié de grappes. Les divers critères qui ont été proposés (Everitt et al., 2001) comprennent généralement l’optimisation d’au moins un test statistique. En pratique, il revient souvent à l’analyste de déterminer le nombre de grappes le plus approprié pour un besoin particulier. Pour les besoins de la classification des groupes de régions homologues de 2014, un nombre maximal de 16 grappes a été retenu. Ce critère donnerait lieu à un nombre moyen de sept régions sociosanitaires par groupe de régions homologues^Note 1, nombre conforme aux objectifs de l’étude. Le nombre maximal de grappes retenu en 2014 était inférieur à celui des analyses antérieures, car le nombre total de régions sociosanitaires a diminué.

4. Résultats

4.1 Normalisation des variables

On procède souvent à la normalisation des variables mesurées sur différentes échelles ou sur une même échelle avec des variances différentes afin d’atténuer l’effet de ces différences entre les variables. Dans le présent exercice, les 24 variables socioéconomiques ont été normalisées (moyenne nulle et variance de 1) avant l’analyse par grappes. Deux variables n’ont pu être calculées pour certaines des régions sociosanitaires les plus éloignées : la proportion de personnes à faible revenu dans les ménages privés (LowPop) et la proportion d’enfants vivant dans une famille à faible revenu (LowKids). En effet, on ne produit pas, dans le cadre du recensement et l’ENM, de données sur le faible revenu pour les trois territoires et les réserves indiennes. D’autres régions éloignées peuvent également être exclues du calcul des statistiques de faible revenu si les données s’y rapportant ne sont pas jugées fiables. Dans le cas des deux variables de faible revenu employées dans l’analyse des groupes de régions homologues, une valeur nulle est inscrite dans le fichier pour les trois territoires et pour les régions 2417 et 2418. Cette valeur nulle indique que la variable n’a pu être calculée.

4.2 Création des groupes de régions homologues

Afin d’établir un point de départ, l’algorithme de mise en grappes a été utilisé pour regrouper les régions sociosanitaires en 16 grappes. Cinq des grappes ainsi obtenues ne comptaient qu’une seule région sociosanitaire. Ceci indique que 16 grappes était un nombre trop élevé, puisque la création de groupes de régions homologues vise à permettre la comparaison de régions sociosanitaires similaires. L’analyse par grappes a été effectuée de nouveau avec un nombre réduit de valeurs initiales de grappe.

Les résultats de l’analyse par grappes finale effectuée à l’aide de PROC FASTCLUS sont présentés au tableau 4.2.1. Ce tableau montre le nombre de régions sociosanitaires dans chaque groupe de régions homologues, de même que diverses statistiques relatives aux grappes. L’écart-type est une mesure de la variabilité des points de données autour du centre de la grappe. Le rayon correspond à la plus grande distance euclidienne mesurée entre le centre de la grappe et toute observation à l’intérieur de cette grappe. La grappe la plus proche renvoie au groupe de régions homologues séparé par la distance euclidienne la plus petite. Enfin, la dernière colonne du tableau montre la distance qui sépare le centre de la grappe en question du centre de sa plus proche voisine. Pour toutes ces statistiques, le centre de la grappe est le point dont les coordonnées correspondent à la moyenne de toutes les observations de la grappe. La distance euclidienne est une mesure statistique de distance entre deux points.

Deux grappes (C et D) regroupent la majorité des régions sociosanitaires. Ces deux grappes sont formées de régions très semblables (les deux comptant un grand nombre de régions sociosanitaires et affichant des écarts-types peu élevés). En outre, ces deux grappes sont plus proches voisines et la distance qui sépare leurs centres est petite, ce qui indique que les régions sociosanitaires des deux grappes sont également similaires. Par conséquent, bien que ces grappes ne respectent pas l’objectif de classer de cinq à dix régions environ dans chaque groupe de régions homologues, il n’a pas semblé utile de les subdiviser en groupes plus petits.

Il convient de noter qu’on retrouve deux découpages géographiques en Ontario : 14 réseaux locaux d’intégration des services de santé (RLISS) et 36 circonscriptions sanitaires. L’information au niveau des circonscriptions sanitaires a été utilisée pour la formation des groupes de régions homologues.  À la dernière étape de l’analyse par grappes, après l’établissement des groupes de régions homologues, le découpage géographique des RLISS a été ajouté aux grappes existantes afin de déterminer le groupe de régions homologues approprié pour chaque RLISS. Les RLISS n’ont pas eu d’incidence sur le classement des autres régions sociosanitaires dans les groupes finaux de régions homologues. Dans une analyse se rapportant aux groupes de régions homologues, un seul découpage géographique doit être employé pour l’Ontario, afin d’éviter toute influence indue de l’Ontario dans la formation des groupes de régions homologues.

4.3 Regroupement des petites grappes

Les résultats de la section 4.2 (plus précisément le tableau 4.2.1) représentent des grappes qui sont espacées assez uniformément et qui affichent une variance intragrappe minimale compte tenu des paramètres utilisés dans l’algorithme de mise en grappes. Les résultats du tableau montrent la formation de 11 grappes dont la taille varie de deux à 31 régions sociosanitaires (excluant les RLISS). Cependant, l’obtention de grappes contenant moins de cinq régions sociosanitaires n’est pas pratique, car de telles grappes n’offrent pas beaucoup de possibilités de comparaison. Afin d’accroître le nombre de régions sociosanitaires à comparer, les grappes comptant moins de cinq membres ont été fusionnées à leur voisine la plus proche. Seule fait exception la grappe G (Montréal, Toronto et Vancouver) et la grappe I (régions sociosanitaires 6101, 6001, 4835 et 5953). La grappe G n’a pas été fusionnée à une autre grappe parce que ses régions sociosanitaires tendent à être très différentes des autres régions du pays. La grappe I n’a pas été fusionnée à son proche voisin, la grappe B, parce ses caractéristiques tendent à être différentes de la plutôt des régions dans la grappe B.

Deux grappes ont été fusionnées à leur plus proche voisine. La grappe F (régions sociosanitaires 2417, 2418 et 6201) a été combinée à sa plus proche voisine, soit la grappe K (régions sociosanitaires 4604 et 4714). Le regroupement des grappes F et K a produit une grappe comptant cinq régions sociosanitaires, de sorte qu’il n’a pas été nécessaire de procéder à une nouvelle fusion. La catégorie combinée porte le nom de grappe F. Par ailleurs, la grappe J (régions sociosanitaires 2416, 3551, 4832 et 4834) a été combinée à la grappe H (régions sociosanitaires 3549, 4660, 4670, 4709, 4710, 5951 et 5952). La catégorie combinée porte le nom de grappe B (régions sociosanitaires 2407, 2414, 2415, 3530, 3536, 3560, 3565, 3566, 4605, 4704, 4706, 4710, 4831, 4833 et 5921). Le regroupement des petites grappes a permis de ramener les 11 groupes de régions homologues issus de la dernière analyse par grappes fondée sur la procédure FASTCLUS et présentés au tableau 4.5.1 à dix groupes. La liste des régions sociosanitaires comprises dans chaque groupe final de régions homologues figure à l’annexe D (Circonscription sanitaire) et l’annexe E (RLISS).

5. Discussion

5.1 Prédicteurs les plus puissants

Afin de déterminer quelles variables ont joué un rôle déterminant dans la définition des groupes de régions sociosanitaires homologues, on a effectué une analyse discriminante pas à pas des grappes finales en fonction de chacune des 24 variables. La valeur du carré du coefficient de corrélation partiel (R2 partiel) a été fixée à 0,15 pour l’introduction dans le modèle et le retrait de celui-ci. Toute variable dont le R2 était égal ou supérieur à 0,5 lors de la régression en fonction d’une variable déjà incluse dans le modèle a été supprimée de l’analyse. Dans l’ensemble, cinq variables se sont révélées comme étant les prédicteurs les plus puissants. Les résultats sont résumés au tableau 5.2.1.

Les prédicteurs les plus puissants des groupes finaux de régions homologues étaient la densité de population et la proportion de la population appartenant à une minorité visible. Aucune autre variable n’a été supprimée de l’analyse lors de la régression en fonction de la densité de population. En revanche, la proportion de la population âgée de moins de 20 ans et la proportion de familles monoparentales ont été supprimées de l’analyse lors de la régression en fonction du taux d’emploi.

5.2 Composantes principales

L’analyse en composantes principales est une technique multidimensionnelle qui vise à ramener le nombre de variables dans les données à quelques facteurs appelés « composantes principales ». Les composantes principales sont des combinaisons linéaires des variables originales et ne sont pas corrélées. Ces composantes sont établies par ordre décroissant d’importance, pour que la majeure partie de la variance totale puisse être expliquée par le plus petit nombre possible de facteurs. Par conséquent, la première composante principale représente le facteur le plus important, soit celui qui explique la plus forte proportion de la variance totale dans les données.

Les 24 variables socioéconomiques employées dans l’analyse par grappes ont été soumises à une analyse en composantes principales. Les deux premières composantes principales expliquent un peu plus de 55 % de la variabilité totale. La première composante principale semble regrouper des mesures du degré d’urbanisation (abordabilité du logement, proportion d’immigrants, valeur moyenne des logements, proportion de titulaires d’un diplôme d’études postsecondaires, proportion de membres des minorités visibles, etc.). La deuxième composante principale semble regrouper des mesures suivantes: La proportion d’Autochtones, proportion de la population de 0 à 19, proportion de la population de 65 ans et plus, proportion de familles monoparentales et proportion de logements privés habités par leur propriétaire). La troisième composante principale semble regrouper des mesures de l’inégalité du revenu (revenu médian du ménage, proportion d’enfants vivant dans une famille à faible revenu, proportion de personnes à faible revenu dans les ménages privés, taux de chômage de longue durée, taux d’emploi, etc.). Les six premières composantes principales représentent plus de 86 % de la variabilité totale dans les données, de sorte que les 24 variables peuvent être ramenées à six facteurs sans grande perte d’information. Ces résultats s’apparentent à ceux des classifications antérieures des groupes de régions homologues, ce qui indique que les variables les plus importantes dans l’analyse demeurent assez constantes au fil des ans.

5.3 Description des groupes de régions homologues

Les cinq variables finales de l’analyse discriminante pas à pas ont été utilisées pour représenter chacune des grappes. Les valeurs moyennes calculées pour chaque groupe de régions homologues figurent à l’annexe B. Pour chacune des cinq variables, plusieurs percentiles ont été calculés et utilisés pour classer les groupes homologues. Les valeurs ont été classées en fonction des intervalles suivants.

Très élevée : X > 85^e percentile
Élevée : 65^e percentile < X ≤ 85^e percentile
Moyenne : 35^e percentile < X ≤ 65^e percentile
Faible : 15^e percentile < X ≤ 35^e percentile
Très faible : X ≤ 15^e percentile

Les résultats de cette classification sont présentés au tableau 5.3.1. Bien que cette méthode soit un outil descriptif imparfait, elle aide à distinguer les caractéristiques d’un groupe de régions homologues de celles d’un autre. Tel qu’on peut le voir dans le tableau, il n’y a pas deux grappes qui soient dans la même catégorie pour chacune des quatre variables. Par exemple, le groupe de régions G (qui est formé de Toronto, Vancouver et Montréal) est le seul pour lequel la densité de population est très élevée, la proportion d’autochtones est très faible et le pourcentage d'immigrants est très élevé.

Les résultats de cette classification ont servi à préparer un sommaire des dix groupes de régions homologues fondé sur les cinq variables de l’analyse discriminante. Ce sommaire est présenté à l’annexe C.

5.4 Restrictions géographiques

Chaque province ou territoire définit les limites géographiques de ses régions sociosanitaires en fonction de préférences administratives, et la définition de ces limites peut changer au fil des ans. Les régions sociosanitaires peuvent être strictement les centres de population ou rurales, ou une combinaison des deux. Les régions sociosanitaires peuvent afficher une grande variabilité interne pour ce qui est des mesures de la santé, en raison d’un manque d’homogénéité géographique, et cette variabilité doit être prise en compte lorsqu’on tire des conclusions au sujet d’une région donnée. Par exemple, même si les indicateurs de la santé observés pour les résidents de Vancouver se comparent favorablement aux moyennes canadiennes, ils ne peuvent être interprétés comme signifiant que les résidents du cœur du centre-ville de Vancouver jouissent d’une santé supérieure à la moyenne^Note 2. Ce manque d’homogénéité dans la définition des limites des régions sociosanitaires rend la répartition de ces dernières en groupes de régions homologues nettement plus difficile, puisqu’il peut avoir une incidence considérable sur la capacité d’une variable donnée à représenter l’ensemble de la région, si bien que, dans certains cas, des facteurs déterminants importants pourraient être omis.

Il peut aussi y avoir une grande variabilité entre les régions sociosanitaires d’un même groupe de régions homologues pour ce qui est des facteurs socioéconomiques utilisés dans l’analyse par grappes. Il convient d’en tenir compte lorsqu’on compare des régions dans un groupe donné de régions homologues. La variabilité observée dans les groupes de régions homologues de 2014 pour les cinq variables déterminées par l’analyse discriminante pas à pas est présentée à l’annexe B.

5.5 Regroupement de régions sociosanitaires

Dans un cas, on a regroupé de petites régions sociosanitaires dans le cadre de l’ESCC afin d’obtenir un coefficient de variation des estimations tirées des données d’enquête qui permette la publication des données. Celles-ci se trouvent dans le nord de la Saskatchewan où les régions sociosanitaires 4711 (Mamawetan Churchill River Regional Health Authority), 4712 (Keewatin Yatthé Regional Health Authority) et 4713 (Athabasca Health Authority) ont été fusionnées pour former la région sociosanitaire 4714 (Mamawetan/Keewatin/Athabasca). On a décidé d’utiliser ces régions sociosanitaires fusionnées dans la formation des groupes de régions homologues (4714) parce que l’ESCC est l’une des principales sources d’information employées dans l’analyse des données sur la santé selon le groupe de régions homologues.

À l’automne 2014, les limites des régions sociosanitaires en Nouvelle-Écosse ont été mises à jour et les six zones (1210, 1223, 1230, 1240, 1258 et 1269) ont été remplacées par quatre nouvelles zones. Les nouvelles régions ont été utilisées pour la création des groupes de régions homologues.

5.6 Représentation géographique des groupes finaux de régions homologues

La carte ci-dessous est une bonne représentation visuelle de la proximité géographique des régions sociosanitaires formant les neuf groupes finaux de régions homologues. Montréal, Toronto et Vancouver forment la plus petite grappe parce que, compte tenu de la taille et de la diversité de leur population, elles sont trop différentes des autres régions sociosanitaires pour qu’on puisse les combiner à tout autre groupe de régions homologues.

Certaines grappes distinctes de régions sociosanitaires se sont formées en raison de leur situation géographique au Canada. Les régions du Nord ont été regroupées sous l’influence de la proportion d’Autochtones dans leurs collectivités. Tous les groupes de régions homologues comptent des régions appartenant à divers territoires et (ou) provinces.

6. Les groupes de régions homologues à l’œuvre

Deux analyses utiles, quoique différentes, sont possibles à partir des groupes de régions homologues : on peut comparer les indicateurs de la santé entre les groupes de régions homologues et à l’intérieur de ceux-ci. Comme les groupes de régions homologues sont formés de régions ayant des caractéristiques socioéconomiques semblables, on s’attend à observer des différences entre les groupes de régions homologues. Les groupes de régions homologues qui affichent de meilleurs indicateurs de la situation socioéconomique sont susceptibles d’obtenir de meilleurs résultats au chapitre des mesures de l’état de santé. On peut aussi comparer les estimations visant un seul groupe de régions homologues aux moyennes nationales. Aussi, c’est possible de comparer les régions sociosanitaires au sein d’un même groupe de régions homologues. Une fois qu’on a neutralisé les effets des diverses caractéristiques sociales et économiques dont l’influence sur l’état de santé est connue, on peut effectuer des comparaisons plus utiles des régions selon les mesures de l’état de santé.

Une analyse détaillée axée sur les groupes de régions homologues est présentée dans l’article « La santé dans les collectivités canadiennes », de Margot Shields et Stéphane Tremblay de Statistique Canada (2002).

7. Sommaire

La modification des limites des régions sociosanitaires en date de décembre 2014 et la diffusion des données du Recensement de 2011 et des données de l’Enquête nationale auprès des ménages ont rendu nécessaire la mise à jour de la classification des groupes de régions homologues de 2007. Comme dans le document de travail original, l’objectif était de produire une classification des régions sociosanitaires permettant de rassembler celles dont les déterminants socioéconomiques de la santé sont semblables en groupes de régions homologues. Vingt-quatre variables couvrant une vaste gamme de dimensions sociales, économiques et démographiques ont été utilisées pour regrouper les régions sociosanitaires.

À partir d’un ensemble initial de 16 groupes, et en s’assurant que chaque groupe comportait au moins deux régions sociosanitaires, les résultats indiquent que les régions se sont naturellement regroupées en 11 groupes distincts de régions homologues. Les groupes de régions homologues comptant moins de cinq régions sociosanitaires ont été combinés avec leur plus proche voisin. On a procédé ainsi pour s’assurer d’obtenir un nombre suffisant de régions sociosanitaires au sein d’un groupe de régions homologues aux fins de comparaison. Le groupe G regroupant Montréal, Toronto et Vancouver, ainsi que le groupe I (régions sociosanitaires 6101, 6001, 4835 et 5953), n’ont pas été forcés de fusionner avec un autre groupe car ces régions sociosanitaires ont tendance à avoir plus de points communs entre elles qu’avec d’autres régions sociosanitaires. En fin de compte, neuf groupes de régions homologues, dont la taille varie de 3 à 31 (excluant les RLISS en Ontario), ont été formés.

L’analyse discriminante pas à pas a permis de cerner les variables ayant le plus d’incidence sur la détermination des groupes finaux de régions homologues. Les cinq variables les plus importantes à ce chapitre sont la densité de population, la proportion d’Autochtones, le taux d’emploi. Chaque groupe de régions homologues compte au moins un facteur distinctif associé à ces cinq variables.

Les groupes de régions homologues peuvent se révéler pertinents dans l’analyse des indicateurs de la santé. De fait, une fois qu’on a neutralisé les effets des diverses caractéristiques sociales et économiques dont l’influence sur l’état de santé est connue, on peut effectuer des comparaisons plus utiles des régions. On peut comparer les indicateurs de la santé entre les groupes de régions homologues et à l’intérieur de ceux-ci. En outre, les groupes de régions homologues offrent une solution de rechange aux données publiées au niveau de la province, lorsque les résultats d’une analyse ne peuvent être présentés au niveau de la région sociosanitaire en raison d’un échantillon trop petit ou d’une variabilité d’échantillonnage trop élevée.

8. Bibliographie

Andberg, M. R. 1973. Cluster Analysis for Applications. New York : Academic Press.

Everitt, B. S., Landau S., Leese M. and Stahl, D. 2001. Cluster Analysis, 5th Edition. John Wiley and Sons, Ltd: Chichester, UK.

Johnson, R. and Wicheren, D. 2002. Applied Multivariate Statistical Analysis. Prentice Hall, Canada.

SAS Institute Inc. 2003. SAS OnlineDoc®, Version 9. Cary, NC: SAS Institute Inc.

Shields, M. et Tremblay, S. 2002. « La santé dans les collectivités canadiennes ». Rapports sur la santé (Statistique Canada). no 82-003-XIF au catalogue.

Annexes

Annexe A : Définition des variables
Annexe B : Statistiques descriptives des grappes finales (excluant les RLISS)
Annexe C : Description des groupes finaux de régions homologues
Annexe D : Groupes de régions sociosanitaires homologues (Circonscription sanitaire)
Annexe E : Groupes de régions sociosanitaires homologues (Ontario par Réseau local d'intégration des services de santé)

Notes