projet de couplage de données issues de l’enquête de santé ... documenten/hislink final...

Étude réalisée pour l’INAMI

Projet de couplage de données issues de l’Enquête de Santé 2008

et des Organismes Assureurs

OD Publique et Surveillance Service Enquêtes, Style de vie et Maladies Chroniques 14, Rue Juliette Wytsman 1050 Bruxelles | Belgique www.wiv-isp.be

2

Service | Mai 2014 | Bruxelles, Belgique Éditeur resp. : M. Johan Peeters, Directeur général | Rue J. Wytsman 14 | 1050 Bruxelles Numéro de référence interne : Numéro de dépôt ou ISSN :

Auteurs Mimilidis Hélène Demarest Stefaan Tafforeau Jean Van der Heyden Johan Ce projet a été financé par : Institut national d'assurance maladie invalidité (INAMI)

La science au service de la Santé publique, de la Sécurité alimentaire et de l’Environnement

3

Table des matieres

Liste des abréviations.............................................................................................................................. 5

Messages clés .......................................................................................................................................... 7

Synthèse .................................................................................................................................................. 9

1 Introduction .................................................................................................................................... 9

2 Processus de couplage des données ............................................................................................. 10

3 Variations régionales des dépenses de l’assurance soins de santé .............................................. 13

4 Validité des informations administratives au regard des données de l’enquête de santé : le cas des maladies chroniques ............................................................................................................... 21

5 Coût supplémentaire pour le remboursement de groupes de médicaments spécifiques ........... 27

1. Introduction ...................................................................................................................................... 29

2. Procédures et résultats du processus de couplage .......................................................................... 33

2.1 Description des données à coupler ............................................................................................... 33

2.2 Partenaires impliqués.................................................................................................................... 36

2.3 Schéma de couplage ..................................................................................................................... 37

2.4 Procédures relatives à la protection de la vie privée .................................................................... 39

2.5 Mise en œuvre .............................................................................................................................. 40

2.6 Timing ............................................................................................................................................ 51

2.7 Conclusions ................................................................................................................................... 53

3. Variations régionales des dépenses de l’assurance soins de santé .................................................. 55

3.1 Introduction .................................................................................................................................. 55

3.2 Cadre conceptuel .......................................................................................................................... 57

3.3 Méthodologie ................................................................................................................................ 59

3.4 Résultats ........................................................................................................................................ 73

4. Evaluation des besoins de santé de la population et mesure de l’état de santé ........................... 101

4.1 Introduction ................................................................................................................................ 101

4.2 Malades chroniques et Indicateurs administratifs généraux ...................................................... 101

4.2.1 Les maladies chroniques : approches et mesures ............................................................. 104

4.2.2 Sélection des indicateurs de « maladie chronique » ......................................................... 107

4.2.3 Etude de validité ................................................................................................................ 112

4.2.4 Analyse des discordances .................................................................................................. 120

4

4.2.5 Conclusion ......................................................................................................................... 134

4.3 Malades spécifiques .................................................................................................................... 136

4.3.1 Introduction ....................................................................................................................... 136

4.3.2 Méthodologie .................................................................................................................... 137

4.3.3 Résultats ............................................................................................................................ 140

4.3.4 Discussion et conclusion .................................................................................................... 141

5. Coût pour le remboursement de quelques groupes de médicaments spécifiques ........................ 147

5.1 Introduction ................................................................................................................................ 147

5.2 Méthodologie .............................................................................................................................. 147

5.3 Résultats ...................................................................................................................................... 150

5.4 Conclusion ................................................................................................................................... 152

Références .......................................................................................................................................... 157

Annexes ............................................................................................................................................... 158

5

Liste des abreviations AIM Agence Intermutualiste ATC Anatomical Therapeutic Chemical BC Bien classé BCSS Banque Carrefour de la Sécurité Sociale BIM Bénificiaires de l'intervention majorée BPCO Bronchopneumopathie chronique obstructive CIN Collège intermutualiste national CNK Code nationa(a)l(e) codenummer CPVP Commission pour la Protection de la Vie privée DDD Defined daily dose DGSIE Direction générale Statistique et Information économique EPS Échantillon permanent / Permanente steekproef HIS Health Interview Survey (Enquête de Santé) HISLINK Health Interview Survey Linkage IC Intervalle de confiance IMS International Medical Services INAMI Institut National d’Assurance Maladie-Invalidité ISP Institut Scientifique de Santé Publique KCE Kenniscentrum/Centre d'expertise (Centre fédéral d’expertise des soins de santé) MAF Maximum à Facturer MRPA Maison de repos pour personnes âgées MRS Maison de repos et de soins NISS Numéro d’Inscription à la Sécurité sociale NRN Numéro de Registre National OA Organisme assureur OMS Organisation Mondiale de la Santé OR Odds ratio PDD Prescribed daily dose RDQ Research, Development & Quality RR Risque relatif SCRA Small Cell Risk Analysis Se Sensitivité Sp Spécificité SPF Service Public Fédéral TTP Trusted Third Party, ou Tiers de confiance UE Union Européenne VPN Valuer prédictive négative VPP Valeur prédictive positive

7

Messages cles • Réaliser un couplage entre les données de l’Enquête de Santé et celles des

Organismes Assureurs n’a pas été une tâche facile mais le projet a permis de monter que c’est réalisable. L’attitude constructive de tous les partenaires concernés a certainement contribué à la réussite de cette entreprise.

• Le projet a permis de développer une expertise dans le domaine; celle-ci sera utile pour réaliser d’autres couplages à l’avenir de manière plus systématique.

• La base de données couplées a été utilisée pour répondre à trois questions spécifiques de l’INAMI:

o Dans quelle mesure les différences en ce qui concerne le profil des populations des trois régions du pays contribuent aux différences observées entre ces régions en matière de consommation de soins ?

o Est-ce que les indicateurs utilisés par l’INAMI (sur base des données des Organismes Assureurs) pour identifier les personnes souffrant de maladie chronique donnent les mêmes résultats que ceux développés dans le cadre de l’Enquête de Santé?

o Quel serait le coût supplémentaire pour l’INAMI si certains médicaments qui ne sont pour l’instant pas remboursés étaient pris en charge pour certains groupes d’ayant droits ?

Il est important, pour une interprétation correcte des résultats, de tenir compte des limitations en ce qui concerne les sources de données.

• On observe une consommation de soins plus faible à Bruxelles en comparaison avec la Flandre et la Wallonie. Plusieurs éléments permettent d’expliquer une telle différence. On peut citer notamment le fait que les personnes de nationalité non belge constituent à Bruxelles une plus grande part de la population que dans les deux autres régions. Or, ces personnes ont précisément un consommation plus faible des soins de santé.

• Le pourcentage de personnes souffrant de maladie chronique suivant les critères de l’INAMI est un peu plus faible que celui mesuré sur base des indicateurs de l’Enquête de Santé. Un grand nombre de personnes avec un problème de santé chronique général comme par exemple l’arthrose ou l’allergie, ne répond pas en effet au critères de l’INAMI et ce parce que le consommation de soins est limitée. On a pu constater toutefois que presque toutes les personnes étiquetées comme malades chroniques sur base des critères de l’INAMI, sont également reconnues comme tel en fonction des indicateurs utilisés dans le cadre de l’Enquête de Santé.

8

• Le « statut malade chronique » est plus proche de la définition « maladie chronique auto-déclarée » de l’Enquête de Santé que ne le sont les critères « forfait malade chronique » et le « MAF malade chronique ».

• La base de données couplées (entre les données de l’Enquête de Santé et celles des Organismes Assureurs) permet de faire une estimation du coût des médicaments non remboursés, mais cette méthodologie mériterait d’être encore mieux validée.

9

Synthese

1 Introduction Les données / informations en matière de santé sont essentielles pour la mise en place d’une politique de santé cohérente. Il y a beaucoup de données disponibles en Belgique mais celles-ci sont souvent fragmentaires et ne sont pas intégrées dans un véritable système d’information. La présente étude vise à vérifier dans quelle mesure il est possible de formuler des réponses à des questions spécifiques posées par l’INAMI par l’intermédiaire du couplage des données de deux piliers de l’information sanitaire en Belgique, à savoir les données de l’assurance maladie et celles de l’Enquête de Santé.

Le projet était basé au départ sur les données de l’Enquête de Santé 2008. L’INAMI a proposé 3 thèmes spécifiques à étudier dans le cadre du couplage de ces données avec celles de Organismes Assureurs :

1. Un rapport de l’INAMI1 (1) a montré que les dépenses en matière de soins de santé ont été systématiquement plus faibles en région bruxelloise au cours des dernières années par rapport aux deux autres régions. Le couplage des données des Organismes Assureurs avec celles de l’Enquête de Santé devrait permettre de vérifier si ces différences ont un lien avec le profil spécifique des habitants de ces régions. On s’intéresse ici aux caractéristiques démographiques, socio-économiques mais aussi en matière de santé.

2. L’INAMI identifie sur base de données des Organismes Assureurs, une série d’ayants droits bénéficiaires d’un tarif préférentiel en raison de la présence de maladies chroniques. Cela concerne les personnes :

• avec le “statut malade chronique ”, • qui ont droit au “forfait malade chronique”, appelé aussi “forfait de soins”, • qui ont droit au statut “MAF malade chronique”.

Ces indicateurs / statuts sont basés uniquement sur des données en rapport avec la consommation de soins. Dans le cadre de l’Enquête de Santé par contre, l’information collectée au sujet de la présence de maladies chroniques est indépendante de celle concernant la consommation de soins. Le couplage des deux bases de données permet

1 http://www.inami.fgov.be/information/fr/studies/study58/index.htm

http://www.inami.fgov.be/information/fr/studies/study58/index.htm

10

donc de vérifier dans quelle mesure des personnes qui répondent aux critères de l’INAMI en termes de maladie chronique, déclarent effectivement souffrir de maladie chronique dans le cadre de l’Enquête de Santé. Inversement, cela permet aussi de vérifier si des personnes qui ne remplissent pas les conditions INAMI ont malgré tout déclaré dans le cadre de l’Enquête de Santé qu’elles souffrent d’une maladie chronique.

3. Dans une étude précédente commandée par l’INAMI (2;3), l’ISP a développé une méthodologie visant à estimer l’utilisation annuelle (déclarée par les répondants de l’Enquête de Santé) pour trois groupes spécifiques de médicaments: analgésiques, laxatifs et suppléments calciques. Cette information a permis d’évaluer le coût potentiel pour l’INAMI au cas où ces produits médicamenteux étaient intégralement pris en charge / remboursés. La base de données couplées permet de refaire ces mêmes estimations mais cette fois pour les groupes cibles mentionnés au point 2.

Le but du présent travail est donc dans un premier temps d’investiguer les trois thématiques mentionnées ci-dessus. Il est prévu aussi de documenter le processus de couplage des données, ceci afin que l’expertise développée au cours de cet exercice puisse être valorisé lors de nouveaux projets de couplage. Par ailleurs, les données disponibles seront également utilisées dans un avenir proche afin de valider les données de l’Enquête de Santé en ce qui concerne les questions portant sur la consommation de soins.

2 Processus de couplage des données 2.1 Sélection des données à inclure dans le couplage

Aussi bien les données de l’Enquête de Santé que celles des Organismes Assureurs sont des données codées. Dans le cadre du couplage de ces données et de l’utilisation de la base de données couplées, il est important de respecter le principe de proportionnalité: seules les données nécessaires pour le projet de recherche doivent faire l’objet du couplage. Il a fallu donc dans un premier temps réaliser une sélection des variables nécessaires en provenance tant de la base de données de l’Enquête de Santé (HIS) que de celle des Organismes Assureurs (OA).

2.2 Partenaires concernés

La collecte des données de l’Enquête de Santé 2008 a été réalisée en collaboration avec la Direction Générale de la Statistique et de l’Information Economique (DGSIE) du Service Public Fédéral Economie (SPF). L’enquête a été organisée dans le cadre de la Loi sur la Statistique Publique. La DGSIE était donc un partenaire essentiel.

11

Les procédures concernant l’utilisation des données en provenance des OA ont été élaborées en collaboration avec le consultant en matière de sécurité du Collège Intermutualiste National (CIN), de l’Agence Intermutualiste (AIM) et des sept Organismes Assureurs.

La Banque Carrefour de la Sécurité Sociale (BCSS) a fait office de partie tiers de confiance (trusted third party - TTP).

Enfin, bien entendu, l’INAMI et l’ISP étaient des partenaires clés, l’un comme commanditaire et l’autre comme institut en charge du projet.

2.3 Schéma de couplage

Un schéma de couplage a été développé de telle façon que les données de l’Enquête de Santé (HIS) et celles des OA puissent être couplées de manière anonyme. Toutefois, certains indicateurs se situent non pas au niveau des individus mais bien au niveau du ménage. Or, la composition du ménage définie dans le cadre du HIS (composition de fait observée au moment de la visite à domicile dans le cadre de l’enquête) n’est pas toujours équivalente à celle utilisée par les OA (ménage MAF en date du 1er janvier 2008). En conséquence, toutes les personnes qui faisaient partie d’un ménage donné ayant participé au HIS sur base de l’un des deux définitions (HIS et OA), ont été reprises dans la base de données couplées. Ceci a abouti toutefois à un processus de couplage relativement complexe.

2.4 Procédures en rapport avec la protection de la vie privée

Le projet de couplage portait sur des données (HIS) collectées dans le cadre de la loi sur la Statistique Publique ; en outre, il s’agissait de données relatives à la santé (HIS et OA). Il a donc été nécessaire d’introduire une demande de traitement des données auprès de deux comités : le Comité Sectoriel Statistique et le Comité Sectoriel Sécurité Sociale et Santé. En outre, comme stipulé à l’article 17 de la loi sur la vie privé, une déclaration a été faite auprès de la Commission de Protection de la Vie Privée avant de commencer le traitement des données.

2.5 Réalisation du couplage

11.254 individus ont participé à l’Enquête de Santé. Un certain nombre de personnes supplémentaire ont également fait l’objet du couplage des données avec celles des OA, en l’occurrence les membres des ménages participant à l’enquête qui n’ont pas sélectionnés / interviewés (en effet un maximum de 4 personnes étaient interrogées par ménage). Soit un total de 11.938 personnes.

Pour 11.303 personnes (94,7%) la DGSIE a pu retrouver un numéro de registre national (NRN). Ces numéros ont été transmis via le CIN et le TTP à l’Agence Inter mutualiste.

Parmi ceux-ci, 475 (4,2%) n’ont pas pu être retrouvés dans la base de données individuelles des OA. Il n’a donc été possible de réaliser in fine un couplage que pour 10.828 personnes, soit 90,7% des personnes présentes dans les ménages participant au HIS :

12

• 10.260 personnes qui ont effectivement participé à l’Enquête de Santé • 568 personnes qui se trouvaient dans les ménages participants mais qui n’ont pas

été sélectionnées / interrogées.

Les caractéristiques des participants à l’Enquête de Santé pour lesquels il fût possible de coupler les données avec celles des OA, n’étaient pas sensiblement différentes de celles des personnes un couplage n’a pas pu être réalisé. On peut donc en conclure que les résultats de la base de données couplées sont représentatifs.

5.808 ménages ont participé à l’Enquête de Santé 2008. Pour 4.447 d’entre eux (76,6%), la composition du ménage au niveau de l’Enquête de Santé était exactement la même que celle au niveau des OA (ménage MAF). Le profil de ces ménages n’était pas sensiblement différent de celui des ménages pour lesquels la composition au niveau du HIS différait de celle observée dans la base de données des OA.

2.6 Timing

Le délai nécessaire pour franchir toutes les étapes de la procédure de couplage, ne doit pas être sous-estimé. 14 mois se sont en effet écoulés entre l’introduction de la demande d’autorisation auprès de la commission vie privée et la mise à disposition de l’ISP de la base de données couplées. Ceci est sans doute lié en partie au fait qu’il a fallu apprendre / élaborer toutes ces procédures. L’expérience acquise devrait permettre toutefois le cas échéant à réaliser un couplage similaire dans des délais plus court à l’avenir.

2.7 Conclusions

Le projet a permis de démontrer qu’il est possible de coupler les données de l’Enquête de Santé avec celles des Organismes Assureurs. La procédure est toutefois relativement lourde.

Le fait qu’il ait été nécessaire d’impliquer aussi bien le Comité Sectoriel Sécurité Sociale et Santé que le Comité Sectoriel Statistique est propre au contexte spécifique de l’Enquête de Santé 2008 pour laquelle la collecte des données a été réalisé dans le cadre de la Loi Statistique. Pour l’enquête 2013 cela n’a plus été le cas et seul le Comité Sectoriel Sécurité Sociale et Santé devra être consulté.

13

3 Variations régionales des dépenses de l’assurance soins de santé

Cette partie de l’étude naît d’une série de constats dressés par l’INAMI dans son rapport sur la géographie de la consommation médicale publié pour la période 2006-20112:

1. La moyenne des dépenses de l’assurance soins de santé (c.-à-d. des remboursements INAMI) a augmenté moins vite à Bruxelles qu’en région flamande ou en région wallonne.

2. De même, les différences (en ce qui concerne le niveau moyen de remboursement) entre la région flamande et la région wallonne se sont réduites, et ces deux régions se sont globalement rapprochées de la moyenne belge. A Bruxelles, en revanche, le niveau moyen de dépenses de l’assurance soins de santé s’est encore davantage écarté du point de référence national.

Au regard de ces constats, l’objectif du présent travail a été de mieux comprendre les variations géographiques des dépenses de l’assurance soins de santé et plus spécifiquement, de fournir des pistes afin de mieux cerner les raisons du niveau moyen de dépenses plus faible observé pour la région de Bruxelles.

Pour ce faire, les possibilités offertes par un appariement de données en provenance de l’agence Intermutualiste (AIM) et de l’enquête de santé belge (HIS) ont été exploitées pour l’année 2008. Un tel couplage a permis de compléter les données objectives sur les remboursements de soins de santé (émanant des OA) par des données plus subjectives sur l’état de santé, les styles de vie, le statut sociodémographique et les problèmes d’accès aux soins (émanant du HIS). Les analyses ont donc spécifiquement porté sur l’année 2008 avec une attention particulière pour les :

a) « dépenses globales » de l’assurance soins de santé et

b) dépenses relevant de certains postes de dépenses spécifiques.

Précisons ici que le terme « dépenses globales » désigne, tout au long de cette note, les dépenses (c.-à-d. les remboursements INAMI) disponibles au niveau individuel, donc hors dépenses de la partie fixe du prix de journée des hôpitaux.

2 https://www.inami.fgov.be/information/fr/studies/study58/index.htm

https://www.inami.fgov.be/information/fr/studies/study58/index.htm

14

RESULTATS

3.1 Non-consommateurs vs. grands consommateurs

Une analyse de la distribution des dépenses de l’assurance soins de santé par région révèle un double phénomène qui cumulé peut – au moins en partie – expliquer les différences régionales observées en matière de dépenses de soins de santé.

On observe d’abord que le nombre de « non-consommateurs » (c’est-à-dire, le nombre de personnes pour lesquelles aucune dépense de soins de santé n’a été enregistrée au cours de l’année comptable 2008) est significativement plus élevé dans la région de Bruxelles que dans les autres régions du pays. Ainsi, la région de Bruxelles compte pratiquement deux fois plus de « non-consommateurs » que la région flamande ou la région wallonne (10,4% pour la région de Bruxelles, contre 4,7% pour la région flamande et 5,5% pour la région wallonne).

Ce phénomène est particulièrement visible pour les postes de dépenses suivants (voir Error! Reference source not found.):

• dépenses se rapportant à l’ensemble des spécialités pharmaceutiques remboursées délivrées en officine publique ;

• dépenses liées aux honoraires des généralistes ; • dépenses liées aux honoraires des praticiens de l’art infirmier ; • dépenses se rapportant à des prestations « diverses » en ambulatoire (biologie

clinique, radiologie, etc.)3.

Pour la région de Bruxelles, on remarque ensuite que la proportion de « grands consommateurs » (c’est-à-dire, le nombre de personnes ayant un niveau de consommation supérieur à la valeur médiane des dépenses des consommateurs au niveau national) est significativement inférieure à celle observée dans les deux autres régions du pays (43.2% pour la région de Bruxelles, contre 47,3% pour la région flamande et 48,4% pour la région wallonne). Ce constat vaut également pour les postes de dépenses déjà mentionnés plus haut (Error! Reference source not found.).

3 L’ensemble des dépenses qui ne ressortissent pas des honoraires de généraliste ou de spécialiste, des

prestations en maisons médicales, des soins dentaires (à l’exclusion de la « radiographie »), des soins infirmiers, ou des MRS/MRPA.

15

Tableau 1 : Variations régionales des dépenses de l’assurance soins de santé – Belgique, 2008

% de non-consommateurs % de grand consommateurs1

Type de dépenses Flandre Wallonie Bruxelles Flandre Wallonie Bruxelles

Dépenses globales2 4,7 5,5 10.3 47,3 48,4 43,3

Spécialités pharmaceutiques remboursées délivrées en officine publique

22,0 20,5 27,9

38,4 42,1 31,9

Honoraires des généralistes 17,0 21,3 34,1 44,4 36,9 24,2

Honoraires des praticiens de l’art infirmier 93.6 91.4 95.1 3,7 3,6 1,5

Prestations diverses en ambulatoire (biologie clinique, radiologie, etc.)

20,4 19,2 24,0

38,6 42,8 38,2

1 Ayant un niveau de consommation supérieur à la valeur médiane des dépenses des consommateurs au niveau national.

2 Remboursements INAMI, hors dépenses de la partie fixe du prix de journée des hôpitaux. Enfin, signalons que les différences régionales ont également été explorées en prenant en considération la moyenne des dépenses de l’assurance soins de santé. Pour des raisons mathématiques, ces analyses ont été menées en utilisant le logarithme des dépenses. Les résultats obtenus sur cette base ont mené à des conclusions similaires que celles tirées à partir de l’analyse du pourcentage de « grands consommateurs ».

16

3.2 Déterminants des dépenses de l’assurance soins de santé

Dans le but d’éclairer les facteurs individuels associés à certains profils de dépenses, une série de caractéristiques a été analysée (voir Tableau 2) :

Tableau 2 : Liste des déterminants étudiés (niveau individuel)

Facteurs prédisposant Age Sexe

Composition du ménage Pays de naissance Niveau d’éducation

Facteurs habilitants Revenu disponible équivalent Bénéficiaire (ou non) du tarif préférentiel de l’assurance obligatoire (BIM ou OMNIO)

Besoin en matière de soins

Présence de maladie(s) ou d’affection(s) de longue durée ou d’handicap(s) Nombre de maladies chroniques déclarées

Perception et croyances Report de soins pour des raisons financières Perception de la situation financière du ménage Perception au sujet des (propres) dépenses pour les soins de santé

3.2.1 Facteurs associés à la « non-consommation »

La chance d’être un « non-consommateur » – toutes dépenses confondues - est plus souvent associée aux caractéristiques suivantes :

• le fait d’être « célibataire » (OR : 2.44 ; IC : 1.44-4.16) ;

• le fait d’être né en dehors de la Belgique, que ce soit en Europe (OR : 2.11 ; IC : 1.29-3.43) ou en dehors de l’Europe (OR : 1.96 ; IC : 1.18-3.26) ;

• le fait d’appartenir au quintile de revenus le plus bas (OR : 1.96 ; IC : 1.13-3.38).

Inversement, différent facteurs diminuent les chances d’être un « non-consommateur »4 :

• l’âge de la personne (les chances d’être un « non-consommateur » diminuent au fur et à mesure que l’âge augmente)

• le fait d’être une femme (OR : 0.61 ; IC : 0.44-0.84),

4 Ce qui pourrait, dans ce dernier cas, confirmer l’amélioration de l’accès aux soins induite par l’octroi des

statuts BIM ou OMNIO.

17

• le fait de souffrir d’une maladie chronique (OR : 0.45 ; IC : 0.26-0.77)

• le fait d’être un bénéficiaire de l’intervention majorée – BIM ou OMNIO – (OR : 0.55 ; IC : 0.33-0.91).

Après ajustement pour l’ensemble des facteurs individuels mentionnés ci-dessus, la chance d’être un « non-consommateur » ne semble associée aux caractéristiques suivantes : le niveau d’éducation, le fait de reporter des soins pour des raisons financières, le fait de percevoir la situation financière du ménage comme difficile ou le fait de déclarer avoir des difficultés à payer les soins de santé.

3.2.2 Facteurs associés à la « grande consommation »

Dans un autre registre, la probabilité d’être un « grand consommateur » diminue avec la présence de certaines caractéristiques, à savoir :

• le fait d’être « célibataire » (OR : 0.65 ; IC : 0.51-0.83) ;

• le fait d’appartenir à un ménage « monoparental » (OR : 0.68 ; IC : 0.49-0.95) ;

• le fait d’appartenir aux deux quintiles de revenus les plus bas (OR : 0.66 ; IC : 0.49-0.91 pour le 1er quintile de revenus et OR : 0.74 ; IC : 0.56-0.97 pour le 2ème quintile).

Inversement, la probabilité d’être un « grand consommateur » augmente :

• avec l’âge

• chez les femmes (OR : 1.6 ; IC : 1.39-1.85)

• chez les bénéficiaires de l’intervention majorée – BIM ou OMNIO5 – (OR : 2.23 ; IC : 1.73-2.87)

• chez les personnes atteintes d’une maladie chronique (OR : 2.40 ; IC : 2.00-2.88).

Notons également ici que les personnes déclarant avoir des difficultés à payer leurs soins de santé sont plus souvent de « grands consommateurs » que leurs homologues éprouvant moins de difficultés de financement (OR : 1.28 ; 1.04-1.58)6.

Après ajustement pour l’ensemble des facteurs individuels mentionnés ci-dessus, la chance d’être un « grand consommateur » ne semble associée aux caractéristiques suivantes : le pays de naissance, le niveau d’éducation, le fait de reporter des soins pour des raisons financières ou le fait de percevoir la situation financière du ménage comme difficile.

5 La relation positive entre le fait de bénéficier d’un remboursement préférentiel (BIM ou OMNIO) et les

dépenses INAMI peut refléter des besoins accrus, mais également l’effet direct d’un remboursement plus important à besoin égal.

6 Ce dernier point confirme bien les difficultés d’accès aux soins inhérentes au fait de faire face à d’importantes dépenses de soins de santé.

18

3.2.3 Analyse des facteurs liés aux variations régionales

L’analyse des facteurs individuels mis en lumière dans la section précédente atteste de l’importance des facteurs sociodémographiques (« facteurs prédisposant ») dans l’explication des variations régionales des dépenses de l’assurance soins de santé.

Un nombre plus important de « non-consommateurs » dans la région de Bruxelles

D’après les données disponibles, l’agrégation des facteurs suivants : âge, type de ménage (le fait d’être « seul ou célibataire ») et pays de naissance semble expliquer une partie substantielle des variations régionales en ce qui concerne les dépenses globales (hors partie fixe), et plus spécifiquement la présence plus importante de « non-consommateurs » à Bruxelles.

Dans ce cadre, le pays de naissance jouerait un rôle particulièrement important. Autrement dit, les différences régionales observées dans la non-consommation (plus importante à Bruxelles) sont essentiellement dues à la structure de la population bruxelloise, laquelle comprend plus de "jeunes", plus de personnes "seules" et surtout plus de personnes qui ne sont pas nées sur le territoire national.

Toutefois, même en prenant en considération certains facteurs individuels comme l’âge, le sexe, le revenus, l’état de santé, etc. une fraction des différences régionales observées, notamment entre la région de Bruxelles et la région flamande, reste inexpliquée.

En ce qui concerne les postes de soins spécifiques, l’effet des facteurs sociodémographiques et notamment du pays de naissance est particulièrement perceptible pour :

• Les dépenses relatives aux spécialités pharmaceutiques remboursées délivrées en officine publique7 ;

• Les dépenses « diverses » en ambulatoire (biologie clinique, radiologie, etc.).

Il est important de noter, pour ce qui est des dépenses liées aux honoraires des généralistes et des praticiens de l’art infirmier, que des différences régionales importantes subsistent même après avoir tenu compte des facteurs individuels. Ceci indique donc leur faible portée explicative lorsqu’il s’agit d’étudier ces groupes de dépenses spécifiques.

Inversement, pour ce qui est des dépenses relatives aux spécialités pharmaceutiques remboursées délivrées en officine publique, la prise en compte des facteurs individuels – et notamment la structure d’âge, le type de ménage ou le pays de naissance – permet d’expliquer l’entièreté des différences régionales observées (et spécifiquement, la présence plus importante de « non-consommateurs » à Bruxelles).

7 Notons que l’état de santé de la population joue également dans l’explication des variations géographique de

la « non-consommation » entre la région de Bruxelles et la région wallonne

19

Un nombre moins important de « grands consommateurs » dans la région de Bruxelles

Pour ce qui est des « grands consommateurs », la structure d’âge expliquerait l’essentiel des variations géographiques observées au niveau des dépenses globales (hors partie fixe), c’est-à-dire, la présence moins importante de « grands consommateurs » dans la région de Bruxelles (impliquant un niveau de dépenses moins élevé) par rapport aux deux autres régions.

Malgré tout, lorsque l’on s’attarde aux postes de dépenses spécifiques, des différences régionales importantes subsistent lesquelles ne peuvent s’expliquer au regard des facteurs individuels retenus (âge, genre, revenus, état de santé, etc.). C’est le cas notamment :

• des dépenses liées aux honoraires des généralistes ; • des dépenses liées aux honoraires des praticiens de l’art infirmier ; • des dépenses « diverses » en ambulatoire (biologie clinique, radiologie, etc.) ; • des dépenses relatives aux spécialités pharmaceutiques remboursées délivrées en

officines publiques.

Pour ces quatre types de dépenses, la structure d’âge explique bien les variations du niveau de dépenses entre la région de Bruxelles et la région flamande, mais pas entre Bruxelles et la région wallonne.

Notons ici que l’analyse des variations géographiques de la consommation médicale sur base du logarithme des dépenses mène à des conclusions similaires.

3.3 Conclusions

Un double phénomène explique – au moins en partie – les différences régionales observées en matière de dépenses de soins de santé. D’une part, la région de Bruxelles compte plus de « non-consommateurs » et d’autre part, elle enregistre moins de « grands consommateurs ».

Notons que sur le plan des différences régionales, l’effet de la « non-consommation » semble plus déterminant que celui se rapportant à la « grande consommation ». Autrement dit, le niveau de dépenses de soins de santé plus faible enregistré pour Bruxelles devrait plus au nombre élevé de « non-consommateurs » qu’au nombre plus réduit de « grands consommateurs ».

Les facteurs sociodémographiques – que ce soit la structure d’âge ou la composition de la population en termes de type de ménage ou de pays de naissance – expliquent une partie non négligeable des variations régionales observées. En effet, la population bruxelloise est plus jeune et compte un nombre plus important de personnes dites « seules » ou de personnes qui ne sont pas nées sur le territoire national ; caractéristiques elles-mêmes

20

associées à une « non-consommation » plus importante et à une probabilité moindre d’être un « grand consommateur ».

Toutefois, même en prenant en considération une série de facteurs individuels explicatifs comme l’âge, le sexe, le revenus, l’état de santé, etc. une partie des différences régionales observées reste inexpliquée. Ainsi, d’autres pistes que celles étudiées jusqu’à présent devraient être explorées. Les facteurs individuels ayant montrés leurs limites, d’autres aspects plus « structurels » comme l’effet de l’offre et de l’organisation de l’offre (densité de l’offre, pratiques médicales, etc.) pourraient être analysés. En effet, ces aspects, même s’ils n’ont pu être pris en considération faute de données exploitables, mériteraient certainement une attention plus soutenue et, à notre sens, pourraient bien expliquer une partie du phénomène étudié ici.

Notons enfin en ce qui concerne les personnes qui ne sont pas nées sur le territoire national que la méconnaissance du système de soins de santé, la définition différentielle et/ou l’importance variable accordée au domaine de la « santé » pourrait bien agir comme une barrière importante à l’entrée dans le système de soins.

21

4 Validité des informations administratives au regard des données de l’enquête de santé : le cas des maladies chroniques

4.1. Maladie chronique en général

Ce chapitre vise à évaluer trois définitions utilisées par l’INAMI en ce qui concerne les patients atteints de maladie chronique. Ces définitions se basent sur des données de consommation en provenance des Organismes Assureurs ; elles sont comparées, grâce à la base de données couplées, avec les informations (subjectives) dont on dispose pour ces mêmes personnes à partir de l’Enquête de Santé sur la présence de maladies chroniques.

Les indicateurs en provenance des Organismes Assureurs concernent les personnes:

1. avec le “statut malade chronique”, 2. qui ont droit au “forfait malade chronique” aussi appelé “forfait de soins”, 3. qui ont droit au statut “MAF malade chronique”.

Les données en provenance de l’Enquête de Santé ont permis d’identifier les personnes :

1. qui ont déclaré souffrir d’une maladie chronique (en général) 2. qui ont déclaré souffrir au moins d’une des maladies chroniques suivantes: maladies

cardiovasculaires, respiratoires, neurologiques, diabète, cancer, problème au niveau du système locomoteur

3. qui ont pris au moins 5 médicaments différents au cours des dernières 24 heures précédant l’enquête

4. qui répondent aux critères (1), (2) et (3) 5. qui répondent aux critères (1), (2) ou (3) 6. qui répondent aux critères (1) et (2) 7. qui répondent aux critères (1) ou (2).

Dans un premier temps on a vérifié le pourcentage de personnes (qui ont participé à l’Enquête de Santé et qui sont reprises dans la base de données couplées) qui souffrent d’une maladie chronique en général sur base des définitions de l’INAMI. Les résultats obtenus ont été comparés ensuite avec les résultats de la base de données EPS (portant sur un échantillon de 250.000 personnes) : voir Tableau 3.

22

Tableau 3. Pourcentage de personnes avec une maladie chronique sur base des définitions de l’INAMI, base de données couplées HIS – OA et EPS, Belgique, 2008.

Pourcentage de personnes qui ont droit … Base de données couplées HIS 2008 - OA

EPS

au forfait malade chronique 1.75% 1.51% au MAF malade chronique 4.95% 4.20% au statut malade chronique 7.85% 7.53%

En gros, les estimations faites sur base des données de l’Enquête de Santé d’une part et de l’EPS d’autre part, donnent des résultats équivalents en termes de prévalence. Ceci tend à prouver que les indicateurs INAMI chez les participants à l’Enquête de Santé sont assez représentatifs de la population générale. Il s’agit ici bien entendu de résultats pondérés.

Dans un deuxième temps on a vérifié sur base des données couplées quel est le pourcentage de personnes souffrant de maladie chronique si l’on se base sur les données de l’Enquête de Santé (Tableau 4).

Tableau 4. Pourcentage de personnes avec une maladie chronique sur base des données de l’Enquête de Santé, base de données couplées HIS – OA, Belgique, 2008.

Pourcentage de personnes qui … %

déclarent souffrir d’une maladie chronique (en général) (1) 27.4% déclarent souffrir au moins d’une des maladies chroniques suivantes: maladies cardiovasculaires, respiratoires, neurologiques, diabète, cancer, problème du système locomoteur (2)

29.5%

déclarent avoir pris au moins 5 médicaments différents au cours des dernières 24 heures précédant l’enquête (3) 10.2%

répondent aux critères (1), (2) et (3) 6.6% répondent aux critères (1), (2) ou (3) 40.9% répondent aux critères (1) et (2) 16.9% répondent aux critères (1) ou (2) 40.0%

Ces deux tableaux montrent déjà clairement que les définitions INAMI et les indicateurs de l’Enquête de Santé mesurent des concepts différents. Le nombre de maladies chroniques est en effet beaucoup plus élevé sur l’on se base sur les indicateurs de l’Enquête de Santé.

Ce phénomène a été exploré plus en détail dans un troisième temps en étudiant les corrélations entre ces deux informations (avec l’aide du coefficient kappa). Cinq niveaux de corrélation peuvent être distingués: très mauvais, mauvais, moyen, bon et très bon. Les résultats de cette analyse de corrélation figurent au Tableau 5.

23

Tableau 5. Corrélation entre les indicateurs INAMI et les données de l’Enquête de Santé en ce qui concerne l’identification des personnes souffrant de maladie chronique, base de données couplées HIS – OA, Belgique, 2008.

INAMI

Pourcentage de personnes … Qui ont droit au “forfait malade chronique”

Qui ont droit au MAF malade chronique

Avec le “statut malade chronique”

HIS

déclarent souffrir d’une maladie chronique (en général) (1) Très mauvaise Très mauvaise Mauvaise

déclarent souffrir au moins d’une des maladies chroniques suivantes: maladies cardiovasculaires, respiratoires, neurologiques, diabète, cancer, problème du système locomoteur (2)

Très mauvaise Très mauvaise Mauvaise

déclarent avoir pris au moins 5 médicaments différents au cours des dernières 24 heures précédant l’enquête (3)

Très mauvaise Mauvaise Moyenne

répondent aux critères (1), (2) et (3) Très mauvaise Mauvaise Moyenne

répondent aux critères (1), (2) ou (3) Très mauvaise Très mauvaise Mauvaise

répondent aux critères (1) et (2) Très mauvaise Mauvaise Mauvaise

répondent aux critères (1) ou (2) Très mauvaise Très mauvaise Mauvaise

Il ressort de cette analyse que la corrélation n’est pas bonne dans la plupart des cas. Le pourcentage de personnes avec le statut malade chronique semble être celui qui est le plus proche des indicateurs construits sur base des données de l’Enquête de Santé.

Dans un quatrième temps on a étudié plus en détail la relation entre les indicateurs INAMI et ceux de l’Enquête de santé, à savoir :

1. pour les personnes qui sont considérées dans le cadre de l’Enquête de Santé comme souffrant de maladie chronique, dans quelle mesure elles répondent aux critères de l’INAMI (sensitivité)

2. pour les personnes qui sont considérées dans le cadre de l’Enquête de Santé comme ne souffrant pas de maladie chronique, dans quelle mesure elles ne répondent pas non plus aux critères de l’INAMI (spécificité).

24

La spécificité tourne dans tous les cas aux alentours des 95%. Cela veut dire que pour la grande majorité des personnes qui d’après l’Enquête de Santé ne souffrent d’aucune maladie chronique, les critères INAMI pour la maladie chronique ne sont pas non plus remplis. La sensibilité est par contre beaucoup plus faible : voir le Tableau 6.

Le pourcentage de personnes chez lesquelles on retrouve une maladie chronique sur base des critères de l’Enquête de Santé et qui répondent également les critères INAMI pour la maladie chronique, oscille entre 4.2% et 53.2% suivant le type d’indicateur.

Tableau 6. Pourcentage de malades chroniques (sur base des données de l’Enquête de Santé) qui répondent aux critères de l’INAMI, base de données couplées HIS – OA, Belgique, 2008.

Pourcentage de malades chroniques (sur base des données de l’Enquête de Santé) …

Qui ont droit au “forfait malade chronique”

Qui ont droit au MAF malade chronique

Avec le “statut malade chronique”

Défin

ition

sur b

ase

du H

IS d

e fa

it de

souf

frir

d’un

e m

alad

ie c

hron

ique

déclarent souffrir d’une maladie chronique (en général) (1) 5.8 13.9 23.7

déclarent souffrir au moins d’une des maladies chroniques suivantes: maladies cardiovasculaires, respiratoires, neurologiques, diabète, cancer, problème du système locomoteur (2)

4.8 13.0 20.0

déclarent avoir pris au moins 5 médicaments différents au cours des dernières 24 heures précédant l’enquête (3)

9.2 27.4 44.3

répondent aux critères (1), (2) et (3) 12.4 32.2 53.2

répondent aux critères (1), (2) ou (3) 4.2 11.3 18.1

répondent aux critères (1) et (2) 7.8 18.8 30.5

répondent aux critères (1) ou (2) 4.2 11.2 18.1

Il ressort donc de ces résultats qu’un nombre non négligeable de personnes étiquetées comme malade chronique dans le cadre de l’Enquête de Santé ne tombent pas dans l’une des catégories de malades chroniques définies par l’INAMI. On a donc décidé de poursuivre les investigations à ce sujet afin notamment de vérifier le profil de ces “faux négatifs”.

25

Ces analyses ont montré qu’il s’agit plus souvent (par rapport à la population des « vrais positifs »):

a) de personnes « jeunes » (< 65 ans) ; b) de personnes nées en dehors de l’Union Européenne ; c) de ménages monoparentaux et de couples sans enfant (et proportionnellement

moins de personnes seules ou célibataires) ; d) de personnes ayant un haut niveau d’éducation (et moins de personnes dotées d’un

niveau d’éducation très faible).

Dans un dernier temps, l’analyse a porté sur les maladies spécifiques dont déclarent souffrir les personnes que l’on retrouve dans la catégorie des faux négatifs (personnes identifiées comme malade chronique dans le cadre de l’Enquête de Santé qui ne tombent pas dans l’une des catégories de malade chronique définies par l’INAMI). Les maladies les plus rencontrées sont les suivantes (par ordre décroissant): arthrose, plaintes sérieuses en rapport avec des problèmes liés au dos, hypertension, problèmes sérieux au niveau de la nuque, arthrite, allergie et céphalées importantes ou migraine.

4.2. Maladies chroniques spécifiques

Tout ce qui précède a porté sur la présence d’une maladie chronique en général. L’exercice a été fait également afin de valider les algorithmes utilisés par l’INAMI (sur base de données des Organismes Assureurs) pour identifier des personnes souffrant de maladies spécifiques par rapport aux données de l’Enquête de Santé. Quatre maladies ont été sélectionnées :

1. diabète, 2. maladie respiratoire obstructive chronique (COPD), 3. maladie de Parkinson et 4. fracture de hanche.

La prévalence de ces maladies a été estimée à partir des données de l’Enquête de Santé (HIS) sur base de la question suivante: “Avez-vous souffert au cours des douze derniers moins de la maladie suivante?”. Pour ce qui est des données des Organismes Assureurs (OA), la prévalence de ces mêmes maladies est basée sur les algorithmes que le Bureau Fédéral du Plan et le KCE ont utilisés dans le cadre de leurs travaux. Ces estimations ont été faites sur la base de données couplées, à deux reprises pour chaque individu : une fois avec les données HIS et une fois avec les données OA.

Les résultats sont très variables. Pour ce qui est du diabète, les prévalences sont assez similaires dans les deux cas: 3,6% pour le HIS et 3,9% pour les OA. Pour la maladie de Parkinson on obtient également des prévalences quasiment équivalentes: 0.39% pour le HIS et 0.41% pour les OA.

26

Pour les deux autres maladies étudiées par contre les résultats sont assez mauvais. Pour les BPCO la prévalence semble en effet être beaucoup plus élevée sur base des données (de dépense en matière de soins) des OA par rapport aux données du HIS. Cela peut s’expliquer en partie par le fait que les médicaments utilisés dans le cadre des BPCO sont aussi indiqués pour d’autres problèmes comme l’asthme par exemple. Il faut noter toutefois que même chez les 65 ans et plus, groupe d’âge où la prévalence de l’asthme est sensiblement plus faible, on observe une discordance assez marquée entre les données du HIS et celles des OA.

Pour ce qui concerne les fractures de hanche, on observe également beaucoup de faux négatifs (des personnes qui n’ont pas eu de fracture de hanche suivant les OA mais bien suivant le HIS) : pour 84% des personnes qui déclarent dans la cadre de l’Enquête de Santé avoir eu une fracture de hanche au cours de l’année qui précède l’enquête, ceci n’est pas confirmé sur base des données des OA.

4.3. Conclusion

Le nombre de personnes souffrant de maladie chronique est plus faible si l’on se base sur les critères définis par l’INAMI par rapport aux indicateurs utilisés dans le cadre de l’Enquête de Santé. La différence semble pouvoir s’expliquer par le nombre de personnes avec des pathologies comme l’arthrose, des douleurs lombaires, des allergies et de l’hypertension, et qui ne font que peu appel aux soins de santé (remboursés) pour ces problèmes. On observe par ailleurs que les personnes qui disent souffrir de maladies chroniques mais ne répondent pas aux critères de l’INAMI sont plus souvent âgées de moins de 65 ans, ont plus souvent un niveau d’éducation élevé et se trouvent plus souvent dans des ménages de plus d’une personne.

Il est par contre encourageant de constater que les personnes répondant aux critères utilisés par l’INAMI pour identifier les personnes souffrant de maladie chronique, sont quant à elles identifiées comme tel dans la plupart des cas aussi suivant les indicateurs de l’Enquête de Santé.

Des trois critères INAMI, c’est le “statut malade chronique” qui est le plus proches des indicateurs de l’Enquête de Santé”. Ce critère serait donc celui qu’il faudrait privilégier pour le développement de mesures en rapport avec les malades chroniques.

Il est possible d’utiliser les données des Organismes Assureurs pour estimer la prévalence de certaines maladies, mais des travaux supplémentaires sont nécessaires pour valider ces procédures. Il est clair toutefois que les estimations seront d’autant plus précises que les procédures et les médicaments utilisés pour certaines maladies sont spécifiques. C’est le cas en partie pour le diabète et dans une moindre mesure pour la maladie de Parkinson. Par contre, cette méthodologie ne semble pas être applicable pour des pathologies telles que les maladies respiratoires obstructives chroniques ou les fractures de hanche.

27

5 Coût supplémentaire pour le remboursement de groupes de médicaments spécifiques

Dans une étude précédente on avait déjà vérifié pour trois types de médicaments quel serait le coût supplémentaire pour l’INAMI si ces derniers étaient intégralement remboursés et ce pour la population générale. Il s’agit des produits suivants :

• analgésiques (aussi bien classiques (ATCN02) que les anti-inflammatoires et les antirhumatismaux (ATC M01));

• laxatifs (ATC A06); • suppléments calciques (ATC A12A).

Les groupes cibles qui ont été pris en compte ici sont les mêmes que ceux qui ont été étudiés dans la partie concernant les maladies chroniques, à savoir les personnes :

• avec le “statut malade chronique”, • qui ont droit au “forfait malade chronique” aussi appelé “forfait de soins”, • qui ont droit au statut “MAF malade chronique”.

Les estimations ont été faites au moyen de la base de données couplées d’une part, mais aussi avec les données de l’IMS et de l’INAMI d’autre part. Ces deux dernières sources de données permettent en effet de vérifier au sein des trois groupes spécifiques quel est le pourcentage de ces médicaments qui est remboursé et quel est le coût moyen par DDD pour les médicaments non remboursés.

Tous les calculs sont basés sur les chiffres de 2008. Il faut insister sur le fait d’une part qu’il s’agit d’estimations sur des données brutes et d’autre part que les chiffres de l’Enquête de Santé sont basés sur ce que les individus prennent effectivement comme médicaments, et pas uniquement sur ce qui a été prescrit.

Le Tableau 7 donne (par groupe de médicaments et par groupe cible) les résultats des estimations.

Tableau 7. Montants supplémentaires (en euro) que l’INAMI devrait payer si le remboursement des groupes de médicaments mentionnés était prévu, Belgique, 2008.

“forfait malade chronique”

“MAF malade chronique”

“statut malade chronique”

Analgésiques 11.158.275 26.508.126 42.634.779 Laxatifs 1.766.443 2.854.698 6.875.514 Suppléments calciques 2.074.951 3.707.962 6.659.562

29

1. Introduction

Les données relatives à la santé sont essentielles à l’élaboration d’une politique de santé cohérente. En Belgique, de nombreuses données de cette nature sont disponibles. Un problème se pose cependant : ces données sont souvent fragmentaires et ne sont pas intégrées à un système d’information efficace en matière de santé. Dans cette étude, nous avons examiné dans quelle mesure il était possible, par un couplage de données issues de deux pierres angulaires de notre système d'information dans le domaine de la santé, à savoir les données de l'assurance maladie et celles de l’Enquête de Santé par Interview, de formuler une réponse à quelques questions spécifiques de l’INAMI. Les données de l’Enquête de Santé 2008 ont servi de point de départ pour ce projet.

En effet, une Enquête de Santé est un élément essentiel de notre système d'information en matière de santé. Par ses caractéristiques spécifiques, elle complète d’autres sources d’information importantes sur la santé de la population, telles que :

• les données relatives aux naissances et aux décès, • des registres de morbidité spécifiques (ex. : le registre du cancer), • des systèmes de surveillance (par ex. les Médecins vigies) et • des données sur l’utilisation de services de santé (par ex. des données émanant

d’Organismes Assureurs).

Dans le cadre de l’Enquête de Santé, les participants sont interrogés sur un large éventail de domaines liés à la santé. Pour beaucoup de ces données, l'Enquête de Santé constitue la méthode indiquée voire le seul moyen d’obtenir ces informations. Les données récoltées concernent les domaines suivants :

• les plaintes et symptômes ; • l’état de santé : par exemple, la présence de maladies de longue durée, de limitations

physiques, de handicaps, mais aussi le bien-être psychique ; • l’utilisation des services de santé ; • le mode de vie et les comportements ; • le contexte sociodémographique.

Dans une Enquête de Santé, la spécificité des informations s’exprime à travers deux caractéristiques fondamentales :

1. il s’agit d’une présentation de la santé telle que vécue par la population proprement dite et de données ne pouvant pas être communiquées par l’intermédiaire des services de santé ;

2. la collecte de données est horizontale : celles-ci étant collectées simultanément pour une même personne, on peut dès lors vérifier le rapport entre les différents

30

domaines susmentionnés (par ex. entre le mode de vie et la présence d’une affection spécifique).

La première Enquête de Santé en Belgique a été organisée en 1997. D’autres éditions ont suivi en 2001, 2004 et 2008. Le travail dans le cadre de l'Enquête de Santé 2013 est en cours.

Les données sont obtenues par le biais d’un questionnaire adressé directement à un échantillon choisi au hasard. L'échantillon de base de l’Enquête de Santé belge s’établit à 10.000 personnes, dont 3500 en Flandre et en Wallonie et 3000 à Bruxelles. À cet égard, certaines fractions de la population (par ex. certaines provinces ou groupes d'âge) peuvent être surreprésentées. Des facteurs de pondération permettent dès lors d’obtenir une image représentative de la population totale.

Par ailleurs, l’interprétation des résultats appelle deux considérations importantes :

1. les résultats étant basés sur un échantillon, il convient toujours de tenir compte de marges d’erreurs imputables au hasard statistique ;

2. la participation à l’Enquête de Santé n’est pas obligatoire. Le taux de participation s’est ainsi établi à 55 % en 2008. Or, les participants pour les domaines examinés se distinguant systématiquement des non-participants, il pourrait en résulter un biais de sélection.

En dépit de ces limitations, l’Enquête de Santé constitue un instrument important pour la définition d’une politique de santé adéquate. La répétition périodique de l’enquête permet par ailleurs de suivre l’évolution au fil du temps d’un certain nombre d'indicateurs de santé majeurs.

En 2010, l’INAMI a confié à l’ISP la mission suivante : sur la base des données de l’Enquête Santé 2008, approfondir deux thèmes :

1. Le premier concerne une analyse des problèmes d’accessibilité aux soins de santé. En effet, les résultats de l’Enquête de Santé avaient fait apparaître une forte augmentation, entre 2004 et 2008, du nombre de personnes indiquant devoir postposer des dépenses de soins de santé pour des motifs financiers.

2. Le deuxième thème porte sur l’utilisation de médicaments non remboursés (médicaments D). À cet égard, l’objectif consistait à vérifier la possibilité, sur la base de l’Enquête de Santé, d’évaluer l’impact de l'inclusion de certains groupes de médicaments non remboursés dans le maximum à facturer.

Les résultats à ce propos ont été subdivisés en deux rapports distincts (2-4).

Dans le même temps, l’INAMI a émis le souhait de poursuivre l’exploration de ces thèmes en couplant les données de l’Enquête de Santé à celles des Organismes Assureurs (OA).

31

Plusieurs considérations étaient à la base de ce raisonnement :

• L’Enquête de Santé est une source de données riche. Toutefois, les données étant rapportées par la personne elle-même, la validité de certaines d’entre elles s’en trouve limitée. À ce propos, les données relatives à la consommation médicale ne sont pas toujours fiables, compte tenu des difficultés rencontrées parfois par les personnes interrogées de se souvenir de certaines informations et du souhait par ailleurs de certains répondants de ne pas mentionner des soins qu’ils ont reçus.

• La réalisation d’un tel couplage est possible, tant sur le plan technique que pratique. La base de données de l'Enquête de Santé est un fichier codé avec comme base de sondage le Registre national. Bien entendu, les OA utilisent également le numéro de Registre national (NRN). Or, il est possible d’assurer un couplage entre ces deux bases de données dans un cadre légal en suivant des procédures approuvées par la Commission pour la Protection de la Vie privée (CPVP).

• Dès 1997, des données de l’Enquête de Santé ont ainsi été couplées à des données des OA. À l’époque, les procédures sur le plan juridique et de la vie privée n’étaient cependant pas encore tout à fait au point et les données n’ont été utilisées que de manière limitée. Elles ne sont d’ailleurs plus d’actualité.

• Depuis le lancement de l’Agence Inter mutualiste en 2002 et de l’Échantillon permanent (EPS), une dynamique a vu le jour, facilitant nettement l’utilisation de données des OA à des fins épidémiologiques.

• Un fichier de données couplé a l’avantage de combiner les atouts des deux sources de données (collecte de données horizontale de l’Enquête de Santé et données détaillées concernant les dépenses de soins des OA), ce qui en fait un instrument très puissant permettant de répondre à un certain nombre de questions pertinentes en matière de politique de santé.

Les préparations nécessaires ont donc été effectuées afin de procéder à un couplage et de démarrer un nouveau projet sur base de ces données couplées. L’objectif principal vise à explorer plus en détails les thèmes abordés (l‘accessibilité des soins et médicaments non remboursés) lors de la phase précédente mais à l'aide cette du fichier avec les données couplées. Si l’objectif initial consistait à intégrer un chapitre sur les déterminants de l’accessibilité des soins, celui-ci a toutefois été adapté par la suite. En effet, un rapport de l’INAMI a révélé que les dépenses en matière de soins de santé en Région de Bruxelles-Capitale étaient systématiquement plus faibles, au cours des années précédentes, que dans les deux autres régions (1). Compte tenu de la possibilité offerte par le fichier couplé de clarifier davantage ce point et cette information étant attendue d’urgence, il a été décidé de centrer le projet sur cette problématique plutôt que sur des déterminants de l’accessibilité aux soins.

32

Il a également été envisagé d'utiliser le fichier couplé afin de valider un certain nombre d'indicateurs produits à la fois à partir des données de l’Enquête de Santé et de celles des OA. Il s’agit notamment de l’utilisation des soins ambulatoires ou de l’identification des personnes souffrant d’une maladie chronique.

Le rapport complet se décline en 4 parties :

1. Une description des procédures et des résultats du processus de couplage

2. Une étude de la différence en matière de dépenses en matière de soins de santé entre Bruxelles et les deux autres régions.

3. Une comparaison entre les indicateurs calculés sur la base de données issue de l’Enquête de Santé d’une part et des données des OA d’autre part, l'objectif consistant surtout à valider les indicateurs utilisés par l'INAMI pour l'identification des malades chroniques.

4. Une étude du surcoût potentiel que représenterait la prise en charge de groupes spécifiques de médicaments non remboursés dans le maximum à facturer pour des groupes spécifiques de malades chroniques identifiés par l’INAMI sur la base de leur profil d'utilisateur.

33

2. Procedures et resultats du processus de couplage

2.1 Description des données à coupler Enquête de Santé

Il s’agit de données issues de l’Enquête de Santé 2008, dernière enquête en date, au moment de l’étude, pour laquelle des données étaient disponibles. Entre le 5 mai 2008 et le 14 juillet 2009, 5.809 ménages ont participé à l’Enquête de Santé 2008. La base de sondage de cette enquête est le Registre national, à partir duquel des personnes de référence ont été sélectionnées. La définition du ménage se fonde sur la déclaration des ménages contactés.

Les personnes séjournant dans des établissements ne font pas partie du groupe-cible, à l’exception des personnes vivant dans une maison de repos ou de repos et de soins. Ces personnes sont considérées alors comme un ménage d’une personne.

La participation à l’Enquête de Santé n’est pas obligatoire. Si un ménage ne participe pas, un nouveau ménage est contacté dans le même quartier, assez analogue au ménage sélectionné initialement en termes de composition et d'âge de la personne de référence. En 2008, le taux de participation, soit le pourcentage de ménages avec lesquels un contact a pu être établi et ayant consenti à participer, s’établissait à 55 %.

Par ailleurs, le nombre de personnes au sein des ménages participants s'élevait à 11.938. Un maximum de 4 personnes étant interrogées par ménage, l’échantillon final a cependant rassemblé 11.254 personnes. Nous disposons toutefois de quelques informations de base concernant les personnes faisant partie des ménages participants mais non sélectionnées personnellement : âge, sexe, lien de parenté avec la personne de référence, nationalité et pays de naissance.

Dans l'Enquête de Santé, il est prévu que certains groupes puissent être sur-échantillonnés. Dans l’édition 2008 de l’enquête de santé, c’était par exemple le cas des 65 ans et plus et des habitants de la province du Luxembourg. Malgré cela, les résultats sont tout de même représentatifs, tant au niveau de la Belgique qu’au niveau des régions et des provinces, grâce au recours à un système de pondérations de post-stratification.

Plusieurs techniques interviennent dans la sélection de l’échantillon : échantillonnage systématique, stratification et sélection en grappe. À cet égard, le protocole d’étude reprend des informations détaillées sur le plan de sondage, mais aussi sur tous les autres

34

aspects méthodologiques de l’Enquête de Santé8. Par ailleurs, l'analyse des résultats prend bien entendu en compte le plan de sondage.

Les données de l’Enquête de Santé se composent de plusieurs fichiers :

a. le premier reprend des données au niveau du ménage b. un autre les données au niveau individuel c. cinq fichiers reprennent les informations concernant les contacts avec des

prestataires de soins : médecin généraliste, spécialiste, service des urgences, hospitalisations de jour et hospitalisations classiques

d. un dernier reprend les médicaments pris par les personnes interrogées dans les 24 heures précédant l'enquête

Les données peuvent être utilisées par des tiers. Ces données étant codées, leur utilisation doit faire l’objet d’une demande introduite auprès de la CPVP. La procédure concernée est décrite sur le site Internet de l’Enquête de Santé9, qui reprend également la liste complète des variables disponibles10.

Par ailleurs, toutes les variables de l’Enquête de Santé n’ont pas été reprises pour le couplage avec les données des OA. On a ainsi opéré une sélection des variables pertinentes dans le cadre des objectifs du projet. La liste des variables sélectionnées figure dans la demande d’autorisation à la CPVP (voir infra).

Données des OA

Sept OA sont actifs en Belgique. Ceux-ci collectent de nombreuses données pour l’exécution de leurs missions :

• données administratives des membres : sexe, âge, … • données de facturation des membres : chaque fois qu’un membre a droit à un

remboursement pour des soins de santé, la mutualité prend en charge la collecte et la gestion des données telles que la date, le lieu et le montant des prestations effectuées par le prestataire de soins.

En 2002, l’Agence Inter mutualiste (AIM) a vu le jour afin d'assurer une utilisation efficace de toutes ces données. L’AIM dispose des données administratives des membres pouvant être couplées aux données de facturation des OA par l’intermédiaire d’un TTP.

8 https://his.wiv-isp.be/Shared%20Documents/protocol2008.pdf 9 https://his.wiv-isp.be/fr/SitePages/Accueil.aspx 10 https://his.wiv-isp.be/Shared%20Documents/Codebook_HIS_2008_ext.zip

https://his.wiv-isp.be/Shared%20Documents/protocol2008.pdf

https://his.wiv-isp.be/fr/SitePages/Accueil.aspx

https://his.wiv-isp.be/Shared%20Documents/Codebook_HIS_2008_ext.zip

35

Plus spécifiquement, les données OA concernent donc :

• des données démographiques • des données en matière de soins de santé • des données de Pharmanet (utilisation de médicaments remboursés)

Un modèle reprenant une description détaillée de l’ensemble des variables disponibles dans chacun de ces fichiers est disponible. Sur la base de ce modèle, nous avons opéré une sélection de variables pertinentes dans le cadre du projet de couplage. La liste de ces variables figure également dans la demande d’autorisation à la Commission pour la Protection de la Vie privée (voir infra).

La demande portait sur des données des années 2005, 2006, 2007, 2008, 2009 et 2010. Par variable, nous avons précisé et motivé pour quelle année des données s’avéraient nécessaires. Ainsi, nous devions disposer de données jusqu’à 2005 pour la validation d’indicateurs avec une période de référence de 3 ans. Nous avions par ailleurs besoin des données de 2009 et 2010, afin d’évaluer le recours aux soins durant la période suivant la participation à l’Enquête de Santé.

En effet, l’un des objectifs du projet concernait la validation d’un certain nombre d’indicateurs sur l’utilisation de soins de santé dans l’Enquête de Santé. Un couplage individuel permet d’assurer cette validation au niveau des « records », des individus. Par ailleurs, un autre mode de validation consiste à comparer les indicateurs calculés au niveau de la population dans l’Enquête de Santé avec des indicateurs de population analogues calculés sur la base de données des OA.

À cet égard, il n’est pas nécessaire de disposer des données des OA pour l’ensemble de la population belge. En effet, l’EPS (une banque de données reprenant des données des OA pour un échantillon représentatif de la population belge, qui compte environ 250.000 individus) suffit amplement pour cet usage. D’un point de vue pratique également, l’utilisation de l’EPS est indiquée dans ce cadre : en effet, l’ISP relève des organismes fédéraux ayant accès légalement aux données de l’EPS. Cependant, le view11 de l’EPS auquel l’ISP a accès ne comprend pas toutes les variables utilisées dans le cadre de ce projet de couplage. Aussi a-t-il été décidé de demander une extraction des données EPS reprenant précisément les mêmes variables que celles utilisées dans le projet de couplage.

11 Un « view » est un ensemble d’indicateurs et de variables accessibles pour un utilisateur.

36

2.2 Partenaires impliqués INAMI

L’INAMI, et plus particulièrement le Service « Soins de santé », Direction « Recherche, Développement et Promotion de la Qualité (RDQ) », est le commanditaire de cette étude.

ISP

L’ISP est responsable de la réalisation de cette étude, mais aussi de l’organisation de l’Enquête de Santé belge pour le compte de l'ensemble des autorités belges compétentes dans le domaine de la santé publique aux niveaux fédéral, régional et communautaire.

DGSIE

Les données de l’Enquête de Santé 2008 ont été collectées par l’intermédiaire de la DGSIE ; l’utilisation des données de cette enquête relève des conditions posées dans la loi relative à la statistique publique. Pour ce projet, la DGSIE a crypté les données et les a transférées à un Tiers de confiance (Trusted Third Party, ou TTP). Dans le même temps, les NRN ont été transmis au Collège Intermutualiste national (CIN) en vue du couplage.

Collège Intermutualiste National (CIN)

Le CIN dispose de la clé entre le NRN et le code utilisé au niveau des OA. Le CIN a reçu, de la part de la DGSIE, les NRN des données à coupler et les a transmises en version cryptée aux OA et au TTP.

Organismes Assureurs (OA)

Dans le cadre de ce projet, les OA ont communiqué au TTP les données « Pharmanet » et « Soins de santé ».

Agence Intermutualiste (AIM)

Pour ce projet, l'AIM fournit les données de type démographique. L’AIM réalise également une small cell risk analyse (SCRA). Une fois les données cryptées par le TTP, l’AIM met les données à la disposition de l’ISP.

Banque Carrefour de la Sécurité Sociale (BCSS)

La BCSS dispose également de la clé entre le code utilisé par les OA et celui utilisé pour l'AIM. La BCSS intervenant déjà comme TTP entre l’AIM et les OA, la BCSS a exercé ce même rôle dans le cadre du présent projet de couplage.

37

2.3 Schéma de couplage La Figure 1 (voir page suivante) présente un aperçu schématique des différentes étapes de la procédure de couplage. La complexité de cette procédure était surtout liée à l’absence de conformité entre la composition de ménage dans l’Enquête de Santé et celle utilisée par les Organismes Assureurs dans le cadre du maximum à facturer – MAF.

1. La DGSIE transmet les numéros de Registre national ou d'identification de la Sécurité sociale (NISS) des participants à l’Enquête de Santé 2008 au conseiller en sécurité du CIN.

2. Ces données sont codées en code C1 au niveau du CIN. Il s’agit du code utilisé par les Organismes Assureurs. Ces codes sont ensuite transmis au TTP (BCSS). Le TTP recode alors les données en C2. Les codes C1 et C2 sont également utilisés par le TTP dans d’autres projets nécessitant le couplage des données des OA et de l’AIM.

3. Le TTP transmet les codes C2 des participants à l’Enquête de Santé à l’AIM, qui vérifie quelles personnes font partie du même ménage MAF (et du même ménage titulaire).

4. La liste reprenant les codes C2 des participants mais aussi des autres membres du ménage est renvoyée au TTP.

5. Les codes C2 sont recodés au niveau du TTP en un code de projet (C38), lui-même renvoyé à l’AIM. Dans le même temps, le fichier enrichi des participants et des membres du ménage est recodé en code C1 et renvoyé sous ce code au conseiller en sécurité du CIN.

6. Le CIN recode les chiffres en numéro NISS et renvoie ce fichier (comprenant donc non seulement les numéros de Registre national des participants, mais aussi des membres du ménage, sur la base des informations AIM) à la DGSIE. Dans le même temps, le CIN transmet la liste enrichie aux OA sous forme de code C1.

7. La DGSIE code la liste enrichie des numéros NISS en un nouveau code RN38 et renvoie cette liste avec les deux numéros au CIN.

8. Le CIN code les numéros en C1 et envoie la liste reprenant les codes C1 et RN38 au TTP. À ce moment, la liste complète des participants et des autres membres du ménage se situe au niveau du TTP sous les codes C1, C2, C38 et RN38.

38

Figure 1. Schéma de couplage

Phase 1 : transfert de codes

Phase 2 : transfert de données

DGSIE

1) (NISS)

7) (RN38)

6a) (NISS)

2) (C1)

8) (RN38)

5a) (C1)

3) (C2)

4) (C2)

5b) (C38)

CIN TTP AIM

OA 6b) (C1)

OA 9) (C1)

13) (RN38) DGSIE

TTP

10) (C38)

11) (C38)

12) (C38)

14) (C38)

AIM

DW AIM

15) (C38) ISP

39

Jusque-là, il n'y a eu qu'un échange de listes de numéros de code. La transmission effective de données n'intervient que dans les étapes suivantes.

9. Les OA envoient les données de santé au TTP sur la base du code C1.

10. Le TTP recode ces données en C38 et les envoie à l’AIM.

11. L’AIM crée les flags voulus, ajoute les données démographiques et les données Pharmanet et les envoie au TTP en code C38.

12. Le TTP renvoie ces données à la datawarehouse de l’AIM en code C38.

13. La DGSIE transfère les données de l’Enquête belge de santé au TTP en code RN38.

14. Le TTP recode les données de l’Enquête belge de santé en code C38 et transmet ces données à la data warehouse de l’AIM en code C38.

15. Les données de l’Enquête de Santé belge par interview comme celles de l’AIM sont mises à disposition de l’ISP en code C38.

2.4 Procédures relatives à la protection de la vie privée Ce projet concerne le couplage de données de santé codées. La collecte des données de l’Enquête de Santé 2008 tombant sous la loi relative à la statistique publique, l'introduction d’une demande d’autorisation s’est imposée auprès des deux organes suivants :

• Comité sectoriel de la Sécurité sociale et de la Santé – Section Santé • Comité de surveillance statistique

Ces demandes d’autorisation figurent aux annexes 1 et 2. Les demandes reprennent la liste complète et détaillée de toutes les variables demandées, ainsi qu’une description précise de la procédure de couplage.

La délibération :

• n° 12/012, telle qu’arrêtée par le Comité sectoriel de la Sécurité sociale et de la Santé, Section « Santé » le 21 février 2012, est disponible par le lien suivant : http://www.privacycommission.be/sites/privacycommission/files/documents/d%C3%A9lib%C3%A9ration_SS_012_2012_0.pdf

• STAT n° 12/2012, publiée le 11 avril 2012 par la Commission, en lieu et place du Comité de Surveillance statistique, concernant la demande susmentionnée, est disponible par le lien suivant :

http://www.privacycommission.be/sites/privacycommission/files/documents/d%C3%A9lib%C3%A9ration_STAT_012_2012_0.pdf

Conformément à la délibération du Comité sectoriel de la Sécurité sociale et de la Santé, Section « Santé », une analyse des risques inhérents à la ré identification (analyse small-cell) a été effectuée par l’AIM. Les résultats sont présentés à l’annexe 3.

http://www.privacycommission.be/sites/privacycommission/files/documents/d%C3%A9lib%C3%A9ration_SS_012_2012_0.pdf

http://www.privacycommission.be/sites/privacycommission/files/documents/d%C3%A9lib%C3%A9ration_SS_012_2012_0.pdf



40

Conformément à l’article 17 de la loi « Vie privée », l’ISP a introduit une demande auprès de la CPVP pour le traitement des données.

Par ailleurs, il a été fait mention, dans la délibération du Comité sectoriel de la Sécurité sociale et de la Santé, Section « Santé », que les personnes concernées seraient informées par l’ISP du traitement de données envisagé et ce par une lettre de la DGSIE. Après concertation avec la DGSIE, il est apparu cependant que ceci n'était pas réalisable, tant sur le plan pratique que logistique. Une demande de modification a dès lors été introduite. Dans la délibération modifiée, le Comité sectoriel indique que les parties concernées sont exemptées de l'obligation d'information individuelle (voir annexe 4). Toutefois, le Comité sectoriel prend acte du fait que la DGSIE prévoit d’informer le grand public de ce traitement des données par l’intermédiaire de son site Internet.

Comme indiqué précédemment dans ce projet, une extraction de données de l’EPS a également été prévue. Conformément aux directives de la Commission technique de l’EPS, une fiche a été introduite à ce propos auprès de l’AIM.

2.5 Mise en œuvre 5.809 ménages ont pris part à l'Enquête de Santé 2008. Ces derniers ont été identifiés à l’aide du NRN de la personne de référence. Concernant les membres du ménage qui ne sont pas la personne de référence, des informations sont disponibles dans la base de données de l’Enquête de Santé permettant de savoir à quel ménage elles appartiennent ainsi que leur date de naissance (ces données émanant des personnes elles-mêmes). Ces informations ont été utilisées par la DGSIE, afin de retrouver le NRN de ces personnes.

Au moins 1 NRN a pu être retrouvé pour 5.744 ménages (98,8 %). Ce ne fut pas le cas pour 65 ménages. Peut-être s’agissait-il de ménages dont la personne de référence n'était pas (plus?) présente et qui a tout de même été interrogée. Le Tableau 8 présente un aperçu du nombre de ménages en fonction du nombre de personnes dont le NRN n’a pu être retrouvé. Pour 5.382 ménages, soit 93% des ménages, un NRN a pu être retrouvé pour l’ensemble des membres du ménage.

41

Tableau 8. Aperçu des ménages en fonction du nombre de personnes pour lesquelles aucun NRN n’a été retrouvé, Enquête de Santé 2008, Belgique

Nombre de personnes composant le ménage

Nombre de personnes pour lesquelles aucun NRN n’a été retrouvé 1 2 3 4 5 6 >= 7 Total

0 2541 1473 603 595 123 25 22 5382

1 50 124 55 51 17 10 3 310

2

8 33 16 8 2 2 69

3

24

1 1 26

4

5 8

13

5

1 4

5

6

1 1

7

2 2

11

1 1

Total 2591 1605 691 691 157 42 32 5809

Dans l’Enquête de Santé, il s’est avéré que le même NRN a été retrouvé pour deux participants ce qui, en principe, n’est pas possible. À vrai dire, l’échantillon est établi sur base trimestrielle, mais les personnes ayant déjà participé au trimestre précédent sont en principe exclues du/des prochain(s) échantillonnage(s). Dans un cas, une erreur a donc manifestement été commise.

Au niveau individuel, il est apparu que le NRN n’avait pas pu être retrouvé pour 634 personnes (5,3 %) parmi les 11.938 membres des ménages participants. Le Tableau 9 présente cette information en fonction du statut de participation. À cet égard, il apparaît qu'un NRN a été trouvé pour 95,1 % des participants, contre 88,2 % des non-participants.

42

Tableau 9. Nombre de personnes issues des ménages participants dont le NRN a pu être identifié en fonction du statut de participation (de la personne), Enquête de Santé 2008, Belgique

Participation (de la personne)

Oui Non Total

NRN Oui 10701* 95,1 % 603 88,2 % 11304*

Non 553 4,9 % 81 11,8 % 634

Total 11254* 100,0 % 684 100,0 % 11938*

*dans 1 cas, il s’agissait de 2 enquêtes réalisées auprès d’une seule et même personne.

Dans une étape ultérieure de la procédure de couplage, tous les NRN des membres des ménages participants (membres participants ou non) ont été transmis au Collège Inter mutualiste National (CIN). À cet égard, nous sommes partis du principe suivant : les indicateurs des ménages ne devaient pas porter uniquement sur les ménages tels que définis dans l’Enquête de Santé, mais aussi sur les ménages tels que définis sur le plan administratif.

Or, les données des OA permettent de définir les ménages de deux manières, sur la base soit du chef de ménage MAF12, soit du titulaire13:

1) Un ménage MAF comprend toutes les personnes qui, d'un point de vue administratif, résident sous un même toit. Dans les données des OA, le chef de ménage MAF peut être identifié et chaque ayant-droit est lié à un chef de ménage MAF.

2) Un ménage titulaire comprend le titulaire et l’ensemble des personnes à sa charge. La pertinence d’un ménage titulaire est très limitée. Dans un ménage comprenant deux partenaires actifs et deux enfants, l'un des parents aura les enfants à charge,

12 Le MAF (maximum à facturer) offre à chaque ménage la garantie qu’il ne devra pas dépenser plus qu’un montant maximum (plafond) pour les frais liés aux soins médicaux. Si, au cours de l'année, les frais médicaux atteignent ce montant maximum, les frais médicaux encourus ultérieurement cette même année sont entièrement remboursés.

13 Le titulaire est la personne ouvrant le droit pour elle-même et pour les membres de son ménage. Il est assuré dans le cadre du régime général ou du régime des travailleurs indépendants. La personne à charge dispose d’un droit dérivé aux interventions découlant de la cohabitation ou du degré de parenté avec le titulaire.

43

mais l’autre pas. D’un point de vue administratif, un tel ménage est donc composé de deux ménages titulaires.

Dans le cadre du couplage, nous avons cependant opté pour la solution consistant, pour chaque chef de ménage MAF et chaque titulaire ayant pris part à l’Enquête de Santé, à disposer des données des OA de toutes les personnes faisant partie du même ménage MAF ou du même ménage titulaire (y compris des personnes pour lesquelles nous ne disposions d’aucune information dans l’Enquête de Santé). Les NRN de ces personnes ont été transmis par le CIN à la DGSIE, qui les a cryptées de la même manière que les NRN des personnes déjà identifiées par ses soins.

Deux motifs principaux expliquent les différences de composition de ménage entre l’Enquête de Santé (sur la base de la personne de référence inscrite au Registre national) et les données OA :

• La composition de ménage, au regard de l’Enquête de Santé, se fonde sur des informations subjectives (la question « Qui fait partie du ménage ? », posée à la personne de référence du ménage ou au partenaire), pouvant différer des informations administratives.

• La composition de ménage peut varier dans le temps. Or, les informations des OA étaient basées sur la situation au 1er janvier 2008, celles de l’Enquête de Santé au moment de l’Enquête proprement dite (entre le 5 mai 2008 et le 14 juillet 2009).

La DGSIE a donc transmis 11.303 NRN au CIN. Cependant, le NRN n’a pas pu être retrouvé pour 475 individus (4,2 %). Cela signifie donc qu’un NRN n’était pas disponible pour environ 9 % des 11.938 personnes faisant partie des ménages participants, un couplage n’ayant donc pas pu être effectué dans ce cadre.

En revanche, le CIN a identifié 1.627 personnes relevant du même ménage MAF et/ou ménage titulaire que les titulaires et chefs de ménage MAF pour lesquels il avait reçu un NRN, ce qui a donné lieu à un fichier de 12.455 personnes.

La Figure 2 présente une répartition de ces personnes selon les trois types de ménages définis ici.

44

Figure 2 Aperçu des deux premières étapes de la procédure de couplage

Figure 3. Répartition du nombre de records en fonction de la définition du ménage

11254 participants 684 non-participants

634 (5,3%) no NR numberfound by GDSEI

1627 extra individualswere identified within

those households

leading to atotal of 12.455IMA records

Reconstruct householdsbased on head MAF

and titular

For 10828 (95,8%) individualsIMA found NR nbr (1 double)

For 475 (4,2%) individualsIMA did not find NR nbr

11303 (94,7%) NR nbr identifiedby GDSEI (1 double)

11938 individualsin selected housholds

5809 HIS housholds

45

En définitive, la collecte des données des OA a donc concerné 12.455 personnes.

Toutes les données ont été rassemblées au niveau du TTP :

• les données de l’Enquête de Santé provenant de la DGSIE • les données Pharmanet et les données « Soins de santé » provenant des OA • les données démographiques provenant de l’AIM

Après avoir créé les flags voulus14 et confié à l’AIM la réalisation d’une small cell analyse, les données ont été mises à la disposition de l’ISP par l’intermédiaire du serveur sécurisé de l’AIM (donnant également accès aux données de l’EPS). Seules les personnes de l’ISP mentionnées dans la demande d’autorisation adressée à la CPVP ont eu accès aux données du couplage, grâce à un nom d’utilisateur et un mot de passe spécifiques.

Le couplage final des fichiers a donné lieu à un fichier rassemblant 13.564 individus, parmi lesquels :

1) des individus pour lesquels des données étaient disponibles tant dans l’Enquête de Santé qu’auprès des OA,

2) des individus pour lesquels des données étaient disponibles uniquement dans l’Enquête de Santé,

3) des individus pour lesquels des données étaient disponibles uniquement auprès des OA.

Le Tableau 10 présente un aperçu plus détaillé des données disponibles. Il ressort donc de ce tableau qu’un couplage avec les données des OA n’a pu être effectué que pour 10.828 des 11.937 personnes faisant partie des ménages participant à l’Enquête de Santé. Il s’agit de 10.260 personnes ayant pris part de manière effective à l’Enquête de Santé et de 568 personnes relevant des ménages sélectionnés mais n’étant pas reprises personnellement (surnuméraires).

S’agissant d'examiner dans quelle mesure cette diminution a un impact sur la représentativité des résultats des données couplées, il est important de savoir dans quelle mesure les caractéristiques des participants à l’Enquête de Santé ayant pu faire l’objet d’un couplage différaient de celles des participants pour lesquels un couplage n’a pu être effectué. Le Tableau 11 ne fait pas apparaître de fortes différences entre ces deux groupes.

14 Les « flags » sont des indicateurs créés également dans l’EPS.

46

Tableau 10. Répartition des individus pour lesquels des données sont disponibles dans le fichier de données couplées selon le type de données disponibles

Type de données disponibles Nombre

Données de l’Enquête de Santé et des OA 10828

Quelques données de l’Enquête de Santé (faute de NRN trouvé par la DGSIE) 634

Quelques données de l’Enquête de Santé (faute de NRN trouvé par l’AIM) 475

Données OA ajoutées, le chef de ménage MAF faisant partie de l’échantillon de l’Enquête de Santé

934

Données OA ajoutées, le titulaire faisant partie de l’échantillon de l’Enquête de Santé

129

Données OA ajoutées, le chef de ménage MAF et le titulaire faisant partie de l’échantillon de l’Enquête de Santé

564

TOTAL 13564

47

Tableau 11. Distribution des caractéristiques des participants à l’Enquête de Santé (en %) : comparaison entre les personnes ayant pu faire l’objet d'un couplage avec les OA et celles pour lesquelles ce ne fut pas le cas (pourcentages pondérés)

Échantillon total (n =11.253)

Part de l’échantillon ayant pu faire l’objet d’un couplage (n =10.260)

Part de l’échantillon n’ayant pas pu faire l’objet d’un couplage (n =993)

Valeur du p pour la différence

Sexe

Hommes

48,6 48,6 49,7

Femmes

51,4 51,4 50,3 0,332

Groupe d’âge

<15

17,5 17 24,8

15-24

11,8 11,7 13,1

25-34

12,6 12,4 15,5

35-44

14,8 14,7 15,4

45-54

14,7 14,8 13,5

55-64

11,6 11,9 8,1

65-74

8,5 8,8 4,6

75-84

6,5 6,6 4,2

85+

2 2 0,9 < 0,001

Niveau d’étude

Pas d'information 1,9 1,8 3,6

Diplôme le plus élevé : enseignement inférieur 10,6 10,6 11,4

Secondaire inférieur 14,3 14,4 12,3

Secondaire supérieur 32,4 32,5 31,1

Enseignement supérieur 40,7 40,7 41,7 0,114

Revenus

Pas d'information 15,3 15 19,7

Quintile 1 16,3 16,3 16,4

Quintile 2 15,1 15,2 12,9

Quintile 3 16,3 16,6 12,9

Quintile 4 18,2 18,6 13,2

Quintile 5 18,8 18,4 24,9 0,003

48

Tableau 11 (suite)

Échantillon total (n =11.253)

Part de l’échantillon ayant pu faire l’objet d’un couplage (n =10.260)

Part de l’échantillon n’ayant pas pu faire l’objet d’un couplage (n =993)


Région

Flandre

57,6 58,9 40,2

Bruxelles

10,6 9,7 22,2

Wallonie

31,8 31,3 37,6 < 0,001

Taux d’urbanisation

Urbain

46,9 46,6 50,5

Semi-urbain

22,5 22,2 27,2

Rural

30,6 31,2 22,3 0,005

Nationalité

Pas d'information

0,3 0,2 1

belge

91,2 92,7 70,7

non belge, ressortissant de l’UE

5,5 4,4 20,2

non-ressortissant de l’UE

3 2,6 8,2 < 0,001

Type de ménage

Isolé

14,9 15,2 11,2

Famille monoparentale avec enfant(s) 8,8 8,8 10,1

Couple avec enfant(s) 20,8 21,3 14,3

Couple sans enfant 44,1 43,7 48,8

Autre ou inconnu 11,3 11 15,6 < 0,001

49

Dans le cadre de ce couplage, il est important de savoir à quel ménage une personne appartient. Comme nous l’avons déjà indiqué, la difficulté à cet égard tient au fait que le ménage, tel que défini dans l’Enquête de Santé, ne correspond pas nécessairement au ménage tel que défini dans les données OA (le ménage MAF donc). Le Tableau 12 combine des informations concernant la participation à l’Enquête de Santé et le lien de parenté avec le chef de ménage MAF.

Tableau 12. Répartition des individus dans le fichier couplé selon le statut de participation à l'Enquête de Santé par rapport au chef de ménage MAF

La personne fait-elle partie du ménage ayant pris part à l’Enquête de Santé ?

La personne est-elle elle-même chef de ménage MAF ?

Le chef de ménage MAF fait-il partie de l’échantillon de l’Enquête de Santé ?

Nombre %

Oui Oui Oui 5287 39,0

Oui Non Oui 5527 40,8

Oui Non Non 14 0,1

Oui Inconnu* Inconnu* 1109 8,2

Non Non Oui 1498 11,0

Non Pas d’infos** Pas d’infos** 129 1,0

Total 5808

* Statut inconnu, le couplage n’ayant pas eu lieu ** Il s’agit de personnes dont le titulaire fait partie de l’échantillon de l’Enquête de Santé, mais pas le chef de ménage MAF.

Si l'on procède à une analyse plus détaillée de ces informations au niveau des ménages, il apparaît que pour 4.447 (76,6 %) des 5.808 ménages ayant participé à l’Enquête de Santé 2008, la composition de ménage dans l’Enquête de Santé est parfaitement identique à celle du ménage MAF, le chef de ménage MAF faisant partie de l’échantillon de l’Enquête de Santé.

Une question se pose à cet égard : ces ménages sont-ils représentatifs de l’ensemble des ménages ayant pris part à l’Enquête de Santé 2008 ? Le Tableau 13 ne fait pas état de fortes

50

différences de distribution entre les ménages dont la composition sur la base des données de l’Enquête de Santé et des données OA est identique et ceux dont ce n’est pas le cas.

Tableau 13. Distribution des caractéristiques des ménages (en %) : comparaison entre les ménages dont la composition était identique sur la base des données de l’Enquête et de la situation familiale MAF et ceux pour lesquels ce n’était pas le cas (pourcentages pondérés)

Tous les ménages (n =5.808)

Ménages dont la composition selon l’Enquête de Santé = celle de la situation familiale MAF (n = 4.447)

Ménages dont la composition selon l’Enquête de Santé ≠ celle de la situation familiale MAF (n = 1.361)


Sexe de la personne de référence

Homme

65,1 65,9 62,6

Femme

34,9 34,1 37,4 0,220

Groupe d’âge de la personne de référence

15-24 1,6 1,0 3,4

25-44 35,3 33,1 42,2

45-64 37,8 36,2 42,9

65+ 25,3 29,7 11,5 <0,001

Type de ménage

Isolé 31,8 35,2 21,1

Famille monoparentale avec enfant(s)

8,3 7,5 10,8

Couple avec enfant(s) 21,2 22,9 15,9

Couple sans enfant 29,6 27,4 36,9

Autre ou inconnu 9,1 7,1 15,6 < 0,001 Revenus

Quintile 1

19,4 18,3 22,9

Quintile 2

20,2 20,8 18,1

Quintile 3

19,6 20,1 17,8

Quintile 4

20,3 21,0 17,9

Quintile 5

20,6 19,7 23,3 0,088

51

Tableau 13 (suite)

Tous les ménages

(n =5808)

Ménages dont la composition selon l’Enquête de Santé = celle de la situation familiale MAF (n = 4447)

Ménages dont la composition selon l’Enquête de Santé ≠ celle de la situation familiale MAF (n = 1361)

Valeur du p pour la

différence

Région Flandre 56,5 59,0 48,3 Bruxelles 12,1 11,0 15,5 Wallonie 31,4 29,9 36,2 < 0,001 Problèmes d’accessibilité aux soins

Oui 13,6 12,7 16,4 Non 86,4 87,3 83,6 0,074

2.6 Timing Si le lancement officiel du projet remonte à la réception des premières données, il a suivi une période de préparation déterminante. Le Tableau 14 présente un aperçu du laps de temps écoulé à partir des premières actions entreprises. Le tableau fait état d’une période de 14 mois séparant l’introduction de la première demande de la mise à disposition du fichier de données couplées pour l'ISP.

52

Tableau 14. Calendrier des différentes étapes nécessaires à la réalisation du couplage des données

Activité Date

Introduction d’une demande d’autorisation auprès du Comité sectoriel de la Sécurité sociale et de la Santé – Section Santé

2/2/2012

Introduction d’une demande d’autorisation auprès du Comité de surveillance statistique

2/2/2012

Publication de la délibération du Comité sectoriel de la Sécurité sociale et de la Santé – Section Santé

6/3/2012

Publication de la demande d’autorisation auprès du Comité de surveillance statistique

23/4/2012

Établissement d’un planning pour la communication de données d'enquête de la DGSIE au conseiller en sécurité du CIN

9/5/2012

Préparation des fichiers à transmettre au niveau de la DGSIE 9/5-9/10/2012

Constatation d’un problème relatif à l’obligation d’information aux personnes dont les données seront couplées

9/10/2012

Demande d’adaptation de la délibération du Comité sectoriel de la Sécurité sociale et de la Santé – Section Santé

15/10/2012

Publication de la délibération modifiée du Comité sectoriel de la Sécurité sociale et de la Santé – Section Santé

20/11/2012

Communication des données (NRN et données de l’Enquête de Santé) de la DGSIE au conseiller en sécurité du CIN

15/1/2013

Procédure de couplage au niveau des OA, de l’AIM et du TTP 15/1-1/3/2013

Finalisation de la small cell risk analysis par l’AIM 1/3/2013

Mise à disposition de toutes les données par l’intermédiaire du serveur de l’AIM au niveau de l’ISP

1/4/2013

53

2.7 Conclusions Ce projet révèle qu’un couplage des données de l'Enquête de Santé et des données des OA est parfaitement possible, mais que la procédure à suivre est assez lourde. La nécessité d’introduire une demande d’autorisation à la fois auprès du Comité sectoriel de la Sécurité sociale et de la Santé et auprès du Comité de surveillance statistique était liée au contexte spécifique de l’Enquête de Santé 2008, dont la collecte de données relevait de la loi relative à la statistique publique. Or, ce n'est plus le cas en 2013. Dès lors, une demande d'autorisation auprès du Comité sectoriel de la Sécurité sociale et de la Santé, Section Santé, s’avèrera suffisante dans le cas du couplage éventuel d'une prochaine enquête.

Parmi les 11.253 personnes ayant participé effectivement à l’Enquête de Santé, un couplage a pu être réalisé pour 10.260 d’entre elles (91,2 %). Le couplage a également concerné 568 personnes n’ayant pas pris part à l’Enquête de Santé belge par interview mais faisant toutefois partie des ménages participants.

Le profil des personnes qui n’ont pas pu faire l'objet d'un couplage n'étant guère différent de celui des personnes dont ce fut bien le cas et ce groupe étant, pour ainsi dire, assez limité, on peut admettre que ce niveau de perte ne présente qu’un effet marginal sur la représentativité des résultats couplés.

Dans le cadre de ce projet, l’objectif consiste également à procéder à des analyses au niveau des ménages. À cet égard, un problème se pose toutefois : la composition du ménage selon l’Enquête de Santé n’est pas toujours identique à celle annoncée par les données des OA. C’est bien le cas pour 76,6 % des ménages seulement. Par ailleurs, pour un certain nombre de caractéristiques, il apparaît que ces ménages ne diffèrent guère des ménages pour lesquelles des différences en termes de composition du ménage ont été observées entre l’Enquête de Santé et les OA. Pour des raisons pragmatiques, il est dès lors parfaitement défendable de limiter les analyses pour lesquelles les indicateurs de ménage se basant sur des données des OA sont importants, aux ménages dont la composition est identique dans l’Enquête de Santé et dans les données des OA.

55

3. Variations regionales des depenses de l’assurance soins de sante

3.1 Introduction Le chapitre concernant les variations régionales des dépenses de l’assurance soins de santé dans le cadre de cette étude naît d’une série de constats dressés par l’INAMI dans son rapport sur la géographie de la consommation médicale publié pour la période 2006-2011 (INAMI, 2012a et 2012b) :

1. La moyenne des dépenses de l’assurance soins de santé (c.-à-d. des remboursements INAMI) a augmenté moins vite à Bruxelles qu’en région flamande ou en région wallonne.

2. De même, les différences (en ce qui concerne le niveau moyen de remboursement) entre la région flamande et la région wallonne se sont réduites, et ces deux régions se sont globalement rapprochées de la moyenne belge. A Bruxelles, en revanche, le niveau moyen de dépenses de l’assurance soins de santé s’est encore davantage écarté du point de référence national.

L’ISP a donc reçu le mandat d’explorer plus en détail ce phénomène au moyen d’un couplage des données de l’enquête de santé avec celles des Organismes Assureurs (la base de données couplées sera appelée HISLINK tout au long de ce document). Le but poursuivi est d’étudier les déterminants des dépenses dans le cadre de l’assurance soins de santé et de préciser ceux qui entrainent des différences régionales (entre la Région de Bruxelles et les deux autres régions).

L’intérêt de la base de données couplées HISLINK réside dans le fait que l’on dispose pour tous les membres des ménages qui ont participé à Enquête de santé 2008, des informations disponibles dans la cadre de l’assurance soins de santé d’une part, et de l’enquête de santé d’autre part, notamment en ce qui concerne l’état de santé et ses déterminants.

Il est important de préciser un certain nombre d’éléments d’un point de vue méthodologique :

• L’enquête de santé est sujette à des problèmes de représentativité, comme c’est le cas dans la plupart des enquêtes. La méthodologie utilisée dans le cadre de l’enquête de santé belge vise bien évidement à obtenir une image représentative de (la santé de) la population belge ; il n’est pas exclu toutefois que certains groupes de population soient moins bien représentés au sein de l’échantillon. L’utilisation de facteurs de pondération permet malgré tout pour une série limitée de

56

caractéristiques (âge, sexe, région, …) de veiller à ce que l’enquête reflète la composition de la population. Il n’est pas exclu toutefois que pour certaines autres caractéristiques (statut socio-économique, consommation de soins, styles de vie) les données de l’enquête soient biaisées. Une étude basée sur le couplage du recensement de la population de 2001 et de l’enquête de santé 2001 a notamment montré que les personnes avec un faible niveau socio-économique sont moins enclins à participer à l’enquête de santé (5).

• Il n’a pas été possible d’inclure dans la présente étude tous les ménages qui avaient participé à l’Enquête de santé. Il était nécessaire en effet de disposer aussi bien des données de l’enquête d’une part et des données en provenance des Organismes Assureurs d’autre part. Il a déjà été démontré (voir chapitre 1 du rapport) que le couplage n’a pas été possible pour environ 10% des ménages.

• Il a été nécessaire, dans le cadre de la demande introduite auprès de la Commission de Protection de la Vie Privée d’opérer une sélection tant en ce qui concerne les données en matière de dépenses pour des soins de santé que pour les déterminants. En conséquence, dans la base de données couplée HISLINK on ne retrouve pas certains types de dépenses.

• La base de données couplée HISLINK permet d’étudier uniquement des caractéristiques individuelles, des facteurs liés au patient lui-même. Il n’existe pas de données de type contextuel liées à l’offre de soins par exemple.

• Les données utilisées dans la présente étude sont relativement similaires à celles qui ont été exploitées dans la cadre du rapport publié par l’INAMI. Il faut mentionner toutefois une légère différence: les dépenses en rapport avec la partie fixe du prix de la journée au niveau de l’hôpital n’étaient pas disponibles dans la base de données HISLINK et n’ont pas été prises en compte. De même, les coûts suivants n’ont pas été pris en compte, comme ce fut le cas par ailleurs dans le rapport INAMI : le ticket modérateur, les suppléments liés au séjour à l’hôpital en chambre seul, les coûts pour des soins paramédicaux, les dépenses pour des médicaments non remboursés, …

En raison de ce qui précède, il était prévisible que les dépenses en matière de soins de santé telles que calculées sur la base des données HISLINK puisse être différente de celles publiées dans le cadre du rapport INAMI. La représentativité des données en matière de dépenses de la base de données HISLINK a été contrôlée à l’aide de la base de données de l’Echantillon Permanent (EPS). Cette dernière est le fruit du tirage d’un échantillon anonyme, mis à jour chaque année et représentatif de la population belge. Cette base de données contient les informations disponibles au niveau des Organismes Assureurs en matière de soins de santé, pour un échantillon de 300.000 personnes environ. L’ISP a disposé dans la cadre de la présente étude d’une base de données EPS contenant précisément les mêmes données de consommation de soins que celles qui étaient reprises dans la base de données HISLINK.

57

3.2 Cadre conceptuel Le cadre conceptuel utilisé pour l’analyse des déterminants des dépenses pour des soins de santé, et la contribution spécifique de chacun de ces déterminants est basé sur le modèle proposé par Andersen (Figure 4) ; il inclut des déterminants contextuels et individuels. Figure 4. Modèle des comportements d’utilisation des services de soins (6)

Ce modèle inclut une série de dimensions pertinentes pour la présente analyse :

• Les « facteurs prédisposant » (« predisposing characteristics »): o Les facteurs démographiques, comme l’âge et le genre, exprimant des

impératifs biologiques liés à la probabilité qu’un individu ait besoin des services de soins de santé

o Les facteurs sociaux en rapport avec le statut d’un individu au sein d’une communauté ainsi que sa capacité à gérer les problèmes et à mobiliser les ressources nécessaires afin de traiter ces problèmes. Les mesures traditionnelles dans ce domaine comprennent le niveau d’éducation, leur occupation ainsi que leurs origines ethniques. Un set élargi pourrait inclure des mesures relatives au réseau social des individus ou aux interactions sociales susceptibles de faciliter ou compliquer l’accès aux services de soins de santé.

• Les croyances (spécialement en matière de santé) sont les attitudes, les valeurs et le

savoir que les individus cultivent à propos de leur cadre de vie, de la santé en général et des services de soins de santé. Ces caractéristiques peuvent influencer la perception des besoins en matière de santé et les comportements d’utilisation des services de soins de santé.

58

• Les « facteurs habilitants » (« enabling characteristics »):

o Le financement des soins de santé se rapporte au niveau de revenu et de richesse disponibles permettant aux individus de s’octroyer les services de soins requis. Le financement inclut également le prix effectif des soins de santé à charge des patients, lequel reste déterminé par le degré de couverture des soins de santé (assurance complémentaire) et le niveau de remboursement de ceux-ci.

o L’organisation des services de soins de santé se rapporte au fait que les individus disposent d’une source de soins régulière et la nature exacte de cette source (médecin de famille, centres de soins, urgences, etc.). Certains auteurs envisagent également le fait d’avoir une source de soins régulière comme un indicateur du niveau de besoin des individus.

• Le « besoin » de soins (état de santé perçu ou auto-déclaré vs. évalué) :

o L’état de santé perçu indique le degré avec lequel un individu est dans la capacité d’apprécier une existence confortable, dénuée de tout dysfonctionnement. L’état de santé perçu renvoie donc à la manière dont les individus perçoivent leur propre état de santé général ou leur état fonctionnel. On prend en compte ici également la manière dont ils expérimentent et répondent émotionnellement à différents symptômes renvoyant à la maladie ou la douleur ainsi que leurs inquiétudes par rapport à l’état de leur santé.

o L’état de santé évalué fait référence au jugement d’un professionnel de la santé et renvoie à des mesures objectives déterminant le niveau de besoin en soins médicaux d’un individu.

• L’utilisation des services de soins de santé (« use of personal health services ») est le degré d’utilisation des services de soins de santé ; il renvoie à l’accès réalisé tel que généralement mesuré par la probabilité et la fréquence d’utilisation des services médicaux au niveau ambulatoire et hospitalier.

59

3.3 Méthodologie Les étapes suivantes ont été suivies afin d’être à même de formuler une réponse à la question posée par l’INAMI:

1. Choix des indicateurs de résultat 2. Choix des catégories de dépenses à étudier 3. Comparaison des dépenses en matière de soins au niveau régional estimées à partir

de la base de données couplées HISLINK avec les estimations faites sur base de l’échantillon permanent EPS

4. Sélection des variables déterminantes sur base du modèle proposé par Andersen 5. Analyses statistiques

a. Univariées des indicateurs de résultats et des déterminants potentiels b. Vérification de l’association entre les indicateurs de résultats et les

déterminants potentiels c. Réalisation d’analyses afin de vérifier dans quelle mesure les différences

régionales peuvent être expliquées par les déterminants potentiels.

Dans ce qui suit les choix méthodologiques qui ont été faits ici sont brièvement discutés.

3.3.1 Choix des indicateurs de résultats

Le rapport INAMI fait mention de la moyenne des dépenses totales par personne assurée. Le calcul et la comparaison de moyennes est une mesure de facile à interpréter ; elle peut être utilisée pour analyser des différences entre des groupes de population à condition toutefois que la distribution des données soit « normale », ou exprimée graphiquement, prenne la forme d'une cloche. Dans le cas présent, une distribution « normale » des dépenses signifie que seulement pour une faible proportion de la population ces dernières sont soit très faibles, soit très élevées. L’interprétation d’une valeur moyenne dans le cas où une distribution est (très) éloignée de la « normale » est assez difficile/limitée. Il est hautement probable en effet dans ce cas que la valeur de la moyenne soit déterminée par des valeurs extrêmement basses ou élevées.

La Figure 5 montre la distribution des dépenses totales en matière de soins de santé pour l’année 2008. Il est clair, rien qu’en regardant ces courbes, que distribution est (très) éloignée de la « normale » : pour un nombre non négligeable d’individus il n’y a pas eu de dépenses au cours de l’année de référence ; inversement, pour un nombre réduit d’individus il y a eu des dépenses très importantes. En termes statistiques, on dira qu’une telle distribution est fortement biaisé (“skewed”). Dans de tels cas, l’utilisation de modèles de régression multivariées pour l’analyse de données n’est pas recommandée. Pour remédier à ce type de problèmes, une des possibilités est de faire appel à la transformation logarithmique : les données de départ sont dans ce cas remplacées par leur logarithme naturel. Ce faisant, la distribution (des logarithmes) se rapproche sensiblement des

60

exigences d’une distribution « normale » ; ce que l’on peut constater au niveau de la Figure 6.

La distribution des dépenses peut se faire sur base d’une variable / d’un indicateur de type continu mais aussi sur base d’indicateurs binaires. Ce type d’indicateurs est particulièrement indiqué pour l’étude de déterminants potentiels. En effet l’association entre un déterminant et un indicateur de résultat est plus facilement mise en évidence via l’utilisation de modèle d’analyse de régression logistique multivariée. L’exploration visuelle de la distribution des dépenses pour l’exercice 2008 (Figure 5) montre que d’une part un nombre important des assurés n’ont pas eu de dépenses en matière de soins de santé en d’autre part que cette proportion varie sensiblement d’une région à l’autre. Etant donné que la présente étude vise précisément à explorer les différences régionales en matière de dépenses pour des soins de santé, il est pertinent de créer un indicateur qui permette de distinguer les personnes n’ont pas eu de dépenses de celles qui ont effectivement eu des dépenses au cours de l’année de référence (2008).

Il est nécessaire en outre d’étudier plus en détails l’autre côté de la distribution et donc de distinguer les personnes qui ont eu des dépenses relativement élevées en matière de soins au cours de l’année de référence par rapport au reste de la population (y compris ceux des assurés n’ont pas eu de dépenses en matière de soins de santé). La limite qui a été utilisée ici pour identifier les personnes qui ont eu des dépenses élevées, est la valeur médiane des dépenses pour l’ensemble des assurés (la médiane est la valeur en terme de dépenses qui se trouve au milieu de la distribution : pour la moitié des assurés le niveau de dépenses se situe sous la valeur de la médiane et pour l’autre moitié le niveau de dépenses se situe au-dessus de la médiane). L’indicateur portant sur les dépenses élevées en matière de soins construit ici reprend donc les personnes pour lesquels le niveau de dépenses se situe au-dessus de la médiane.

Sur base de ces considérations, il a été décidé de procéder à des analyses pour les indicateurs (de résultats) suivants:

• Indicateur de non-consommation, soit pourcentage de personnes sans dépenses en matière de soins de santé au cours de l’année de référence

• Indicateur de grande consommation, soit le pourcentage de personnes avec des dépenses relativement élevées en matière de soins de santé au cours de l’année de référence

• Dépense moyenne des consommateurs, soit la moyenne du logarithme des dépenses au sein du groupe de personnes qui ont eu des dépenses en matière de soins de santé au cours de l’année de référence.

Les résultats correspondant sont illustrés dans le Tableau 15. Pour les deux derniers indicateurs on s’attend à ce que les résultats soient plus ou moins similaires.

61

Tableau 15 : Définition des indicateurs ou profils de consommation étudiés

Indicateur Définition

1. Indicateur de non-consommation

Indicateur binaire. Il s’agit pourcentage de personnes pour lesquelles aucune dépense de soins de santé n’a été enregistrée au cours de l’année comptable 2008 (1) vs. les autres (0).

2. Indicateur de grande consommation

Indicateur binaire. Il s’agit pourcentage de personnes ayant un niveau de consommation supérieur à la valeur médiane des dépenses des consommateurs au niveau national, en 2008 (1) vs. les autres (0).

3. Dépense moyenne des consommateurs

Il s’agit de la dépense annuelle moyenne par assuré en 2008. Cet indicateur se limite aux assurés pour les lesquels un remboursement a bien été acté au cours de la période de référence (dénominateur).

Au vu de la distribution des données, ces dernières ont été transformées pour les besoins de l’analyse. C’est donc la moyenne du logarithme des dépenses qui a été utilisé.

62

Figure 5 : Distribution des dépenses de l’assurance soins de santé par région et par source de données - Belgique, 2008

EPS data HISLINK data

0

5

10

15

20

25

0

5

10

15

20

25

0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000

Flanders Brussels

Wallonia Belgium

% o

f pop

ulat

ion

Euro

Data from EPS

Distribution of reimbursed health expenses - Belgium 2008

0

5

10

15

20

25

0

5

10

15

20

25

0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000

Flanders Brussels

Wallonia Belgium

% o

f pop

ulat

ion

Euro

Data from HIS


0

5

10

15

20

25

% o

f pop

ulat

ion

0 1000 2000 3000 4000 5000

Euro

Flanders BrusselsWallonia

Data from EPS


0

5

10

15

20

25

% o

f pop

ulat

ion

0 1000 2000 3000 4000 5000

Euro


Data from HIS


63

Figure 6 : Distribution du log des dépenses de l’assurance soins de santé par région et par source de données - Belgique, 2008

EPS data HISLINK data

05

1015202530

05

1015202530

0 1 2 3 4 5 6 7 8 9 10 11 12 13 0 1 2 3 4 5 6 7 8 9 10 11 12 13

Flanders Brussels

Wallonia Belgium

% o

f pop

ulat

ion

Log(euro)

Data from EPS


05

1015202530

05

1015202530

0 1 2 3 4 5 6 7 8 9 10 11 12 13 0 1 2 3 4 5 6 7 8 9 10 11 12 13

Flanders Brussels

Wallonia Belgium

% o

f pop

ulat

ion

Log(euro)

Data from HIS


0

5

10

15

20

25

30

% o

f pop

ulat

ion

0 1 2 3 4 5 6 7 8 9 10 11 12 13

Log(euro)


Data from EPS


0

5

10

15

20

25

30

% o

f pop

ulat

ion

0 1 2 3 4 5 6 7 8 9 10 11 12 13

Log(euro)


Data from HIS


64

3.3.2 Catégories de dépenses

Premièrement, en ce qui concerne la notion de « dépenses globales », il est important de noter que ce terme désigne tout au long de cette étude « les remboursements pour les prestations couvertes par l’INAMI, disponibles au niveau individuel, hors dépenses en rapport avec la partie fixe du prix de journée des hôpitaux ». Il s’agit donc des remboursements pour les prestations de l’assurance soins de santé avec régularisations effectuées au cours de la période de référence, soit l’année 2008. Suivant la méthodologie élaborée par les services de l’INAMI, les autres coûts médicaux, tels que le ticket modérateur, les suppléments d'honoraires et de chambre dans les hôpitaux, les prestations (para)médicales et les médicaments qui ne sont pas remboursés par l'assurance obligatoire et dont le coût est donc supporté par le patient, n'entrent pas en ligne de compte dans les dépenses analysées.

Les trois indicateurs de résultats sélectionnés ont été calculés pour les dépenses totales mais aussi pour une série de groupes de dépenses plus spécifiques comme par exemple :

• Les dépenses totales à l’exclusion des dépenses pour des maisons de repos pour personnes âgées ou de maisons de repos et de soins15

• Dépenses pour des soins en ambulatoire16 • Les dépenses en cours d’hospitalisation (à l’exclusion des dépenses en rapport avec

la partie fixe du prix de journée des hôpitaux)17 • Les dépenses dans le cadre du maximum à facturer18 • Les dépenses Pharmanet.

Les dépenses pour des soins en ambulatoire constituent un groupe assez hétérogène ; il a donc été décidé de réaliser également des analyses pour une série de catégories au sein du groupe des dépenses pour des soins ambulatoires:

• Dépenses pour les honoraires de médecins généralistes • Dépenses pour les honoraires de médecins spécialistes • Dépenses des prestations de dentistes (à l'exception de l'imagerie) • Dépenses pour honoraires de prestataires de soins infirmiers • Dépenses forfaitaires dans le cadre d’une maison médicale

15 Les dépenses pour les maisons de repos (et de soins) sont moins dépendantes du patient lui-même; il est donc préférable de ne pas tenir compte des dépenses en matière de maison de repas (et de soins) lorsque l’on souhaite étudier l’influence des caractéristiques des individus sur les dépenses en matière de soins de santé 16 Dans les données des Organismes Assureurs : dépenses pour lesquelles PROCEDURE_AH_CAT = 1 et PROCEDURE_GROUP = 1 à 79 y compris 17 Dans les données des Organismes Assureurs : dépenses pour lesquelles PROCEDURE_AH_CAT = 2 et PROCEDURE_GROUP = 1 à 79 y compris 18 Dans les données des Organismes Assureurs : dépenses pour lesquelles PROCEDURE_AH_CAT = 3 et PROCEDURE_GROUP = 1 à 79 y compris; cela concerne les dépenses qui ne peuvent être attribuées soit à des soins en ambulatoire ou au niveau hospitalier en raison du fait qu’il s’agit de remboursements du ticket modérateur payé par le patient lorsque les dépenses dépassent une certaine limite

65

• Dépenses / remboursements dans le cadre d’un séjour en maison de repos (et de soins)

• Toutes les autres dépenses pour des soins en ambulatoire (biologie clinique, imagerie médicale, …).

La définition détaillée de ces catégories correspond à des variables utilisées au sein de la base de données des Organismes Assureurs : voir Tableau 16. Le poids relatif de chacune de ces catégories de dépenses est présenté au niveau de la Figure 7. La part liée aux dépenses en matière de soins ambulatoires semble assez importante, soit 60,2% du total. Ceci est dû notamment au fait que les dépenses en rapport avec la partie fixe du prix de journée des hôpitaux ne sont pas prises en compte dans le total.

L’analyse en fonction de catégories spécifiques de soins se justifie par le fait que les caractéristiques du patient qui ont une influence sur le niveau de dépenses peuvent varier en fonction du type de soins.

Tableau 16 : Décomposition du poste relatif aux prestations délivrées en ambulatoire

Intitulé du poste Définition administrative

1. Dépenses relatives aux honoraires des médecins généralistes

Ensemble des remboursements INAMI repris sous le code PROCEDURE_CAT = 3100, 3101, 3102, 3116, 3118, 3140, 3141, 3145, 3147, 3150, 3151, 3152, 3160, 3165 (PROCEDURE_GROUP < 80). Notons que les analyses menées au sujet de ce poste de dépenses excluent les personnes inscrites au sein d’une maison médicale.

2. Dépenses relatives aux honoraires des médecins spécialistes

Ensemble des remboursements INAMI repris sous le code PROCEDURE_CAT = 3104, 3107, 3108, 3109, 3110, 3111, 3112, 3113, 3117, 3119, 3142, 3146, 3170

(PROCEDURE_GROUP < 80).

3. Dépenses liées à des prestations délivrées par des dentistes

Ensemble des remboursements INAMI – à l’exception du poste « radiologie » – repris sous le code PROCEDURE_CAT = 8120, 8121, 8122, 8123, 8124, 8125, 8126, 8127, 8129, 8130, 8131, 8132, 8133, 8134, 8135, 8136, 8137, 8138, 8139, 8140 (PROCEDURE_GROUP < 80).

66

4. Dépenses liées aux honoraires des praticiens de soins infirmiers

Ensemble des remboursements INAMI repris sous le code PROCEDURE_CAT = 9001, 9002, 9003, 9004, 9005, 9006, 9007, 9008, 9009, 9011, 9012, 9013, 9014

(PROCEDURE_GROUP < 80).

5. Dépenses relatives aux maisons médicales

Ensemble des remboursements INAMI repris sous le code PROCEDURE_GROUP = 55.

6. Dépenses se rapportant aux

maisons de repos et de soins (MRS) et aux maisons de repos pour personnes âgées (MRPA)

Ensemble des remboursements liés aux « maisons de repos et de soins » (PROCEDURE_GROUP = 32) et aux « maisons de repos pour personnes âgées » (PROCEDURE_GROUP = 33).

67

Figure 7. Distribution des dépenses de l’assurance soins de santé en Belgique – Source : Echantillon Permanent (EPS), 2008

68

3.3.3 Comparaison des dépenses régionales estimées à partir de la base de données HISLINK avec celles estimées à partir de la base de données EPS

La comparaison des estimations des dépenses faites à partir de la base de données HISLINK et celles faites à partir d’EPS se base sur une représentation graphique de la distribution de ces dépenses (Figure 5). La représentation graphique du logarithme des dépenses (Figure 6) a permis également de vérifier si celle-ci suit une distribution « normale ». Ces graphiques permettent de tirer les conclusions suivantes :

• Les différences régionales entre Bruxelles et les deux autres régions se situent à deux niveaux:

a. La proportion de personnes qui n’ont pas eu de dépenses en matière de soins de santé (en 2008) est plus élevée à Bruxelles qu’en Flandre et en Wallonie

b. Chez les personnes qui ont eu des dépenses pour des soins de santé en 2008 on trouve à Bruxelles un niveau de dépenses un peu plus faible chez les personnes qui se situent au milieu de la courbe : les différences régionales en ce qui concerne la moyenne des dépenses sont essentiellement liées aux différences observées auprès des personnes qui des niveaux modérés de dépenses plutôt chez les personnes qui des dépenses soit très faibles, soit très élevées. La courbe de la distribution des dépenses montre bien que la proportion de personnes avec de faibles niveau de dépenses est plus ou moins semblable dans les trois régions (overlap) ; il en est de même en ce quoi concerne la proportion de personnes avec un niveau élevé de dépenses. Par contre, la proportion de personnes avec des niveaux moyens de dépenses en matière de soins de santé (ceux qui se trouvent au milieu de la courbe) est plus faible à Bruxelles en comparaison avec les deux autres régions.

• Les différences sont observées aussi bien sur base des données EPS que celles de HISLINK, mais elles apparaissent plus nettement avec les données de l’échantillon permanent (EPS). Il est très probable que cela soit dû à un biais de sélection dans le cadre de la base de données HISLINK, parce que certains groupes sont sous-représentés dans la région de Bruxelles.

Pour tenter de diminuer le biais potentiel de sélection au niveau de la base de données HISLINK, il a été décidé de corriger les facteurs de pondération de l’enquête de santé (HIS) avec un facteur de post-stratification basé sur la distribution des dépenses dans la base de données EPS. Le point de départ a été la distribution sous forme de déciles – pour la Belgique – des dépenses totales sur base de l’échantillon permanent (EPS). Un tableau croisé des déciles et des 3 régions permet de répartir la population en 30 groupes. Un contrôle a été effectué aussi bien pour la base de données HISLINK que celle de l'EPS afin de vérifier quelle fraction de la population totale appartient à chacun de ces 30 groupes. En

69

multipliant les facteurs de pondération de départ du HIS par le ratio de ces fractions, on a obtenu de nouveaux facteurs de pondération ; ces derniers permettent de s’assurer que la distribution relative des dépenses par région et par décile de dépense au niveau de la base de données HISLINK correspondent mieux à la distribution observée dans le cadre la base de données EPS. De cette façon, les différences observées en matière de dépenses de soins dans HISLINK correspondent aussi mieux à celles observées dans EPS. Une hypothèse sous-jacente est que les personnes dans une région donnée et dans une catégorie de dépenses donnée et qui sont éventuellement sous-représentées dans le fichier HISLINK sont représentatifs de tous les individus au sein de cette cellule.

Les résultats pour les principales catégories de dépenses sont comparés sur base des deux sources de données dans l’annexe 5. Il en ressort que l’application des facteurs de pondération corrigés sur la base de données HISLINK permet de reproduire les différences régionales pour les trois indicateurs de résultats sélectionnés de manière assez fiable par rapport aux résultats obtenus via l’EPS.

3.3.4 Sélection des variables déterminantes explicatives

Divers déterminants peuvent avoir une influence sur l’utilisation des services de soins de santé et donc sur les dépenses correspondantes :

• Besoins en matière de soins : il y d’abord avant tout le besoin médical pour des soins de santé, c’est-à-dire la/les maladie(s), ou de manière plus générale les raisons d’avoir recours aux services de soins

• Les facteurs habilitants (enabling factors) : le niveau de revenu, les tarifs et statuts préférentiels liés aux individus mais aussi une série de facteurs de type contextuel comme l’organisation des soins de santé, leur accessibilité et leur disponibilité, leur prix, les modalités de prise en charge / de remboursement, …

• Les facteurs prédisposant tels que l’âge, le sexe, l’éducation, la nationalité, … facteurs déjà présents avant même que n’apparaisse un besoin en termes de soins de santé; mais aussi d’autres facteurs de type sociodémographiques et socio-économiques

• Les perceptions et les croyances, les facteurs psycho-sociaux tels que l’attitude par rapport aux soins de santé, la capacité de faire face (coping), le support social, …

Les données disponibles dans le cadre de la base de donnée HISLINK n’ont pas permis d’inclure dans l’analyse tous les facteurs repris dans le modèle conceptuel repris ci-dessus. Il a été possible toutefois pour chacun des groupes de variables d’identifier des paramètres comme déterminants potentiels en matière de dépenses pour des soins de santé. Certaines variables en recouvraient d’autres (overlap) ou étaient moins pertinentes. Une sélection a donc été opérée en accord avec l’INAMI afin de limiter les variables prises en compte dans l’analyse (Tableau 17).

70

Tableau 17 : Liste des déterminants pris en compte dans l’analyse

Catégorie Déterminant Nom de la variable Source Inclus dans les analyses Facteurs prédisposant Age

Sexe AGE8 HC04

HIS HIS

Oui Oui

Composition du ménage Pays de naissance Niveau d’éducation

HHTYPE2 HC07_2 ET_1

HIS HIS HIS

Oui Oui Oui

Facteurs habilitants Revenu disponible équivalent Bénéficiaire (ou non) du tarif préférentiel de l’assurance obligatoire (BIM ou OMNIO) Statut de remboursement : VIPO Droit au remboursement MAF

IN_20 MAJOR_COVERAGE_YN MAJOR_BENEFIT_YN PROCEDURE_GROUP=44

HIS AIM

AIM AIM

Oui Oui

Non Non

Besoin en matière de soins

Présence de maladie(s) ou d’affection(s) de longue durée ou d’handicap(s) Nombre de maladies chroniques déclarées Santé subjective Attestation maladies chronique au cours de l’année de référence et/ou droit à une indemnité pour personnes handicapées Bénéficiaire invalide ou handicapé

MB01 CHRONIC_SUM SH01_1 CHRONICAL_YN MAJOR_INVALIDITY_YN

HIS

HIS

HIS AIM AIM

Oui

Oui

Non Non Non

Perception et croyances Report de soins pour des raisons financières Perception de la situation financière du ménage Perception au sujet des (propres) dépenses pour les soins de santé

AC_4 IN04 AC_3

HIS

HIS

HIS

Oui

Oui

Oui

71

3.3.5 Analyses statistiques

La distribution aussi bien des indicateurs de résultats que des déterminants de la consommation de soins a été étudié d’abord par le biais d’analyses univariées.

Au cours de l’étape suivante on a évalué la relation globale entre les indicateurs de résultats et les déterminants potentiels via :

• une régression logistique multivariée (pour les indicateurs de résultats binaires « personnes qui n’ont pas eu de dépenses » et « personnes qui ont eu des dépenses relativement élevées »)

• une régression linéaire multivariée (pour l’indicateur de dépenses moyennes).

L’analyse régionale des déterminants des dépenses en matière de soins de santé a suivi une procédure statistique standard avec l’utilisation du risque relatif pour les indicateurs de résultats binaires et le ratio des coûts pour les dépenses moyennes :

• Le risque relatif permet de mesurer le risque d’un événement (par exemple le fait de ne pas avoir eu de dépenses pour des soins de santé) chez les résidents de la Région de Bruxelles par rapport à ceux des deux autres régions. Un risque relatif avec une valeur de 1 permet d’affirmer que le risque n’est pas différent entre les régions. Un risque relatif plus élevé que 1 indique que le risque est plus élevé (de ne pas avoir eu par exemple de dépenses pour des soins de santé) à Bruxelles par rapport à la Flandre ou la Wallonie, et de quantifier le niveau de ce risque. Un risque relatif plus bas que 1 indique que le risque est plus bas (de ne pas avoir eu par exemple de dépenses pour des soins de santé) à Bruxelles par rapport à la Flandre ou la Wallonie.

• Le ratio des coûts est calculé de manière similaire au risque relatif : la moyenne des (logarithmes des) dépenses à Brussel est divisé par la moyenne des (logarithme des) dans les autres régions. L’interprétation est la même que pour un risque relatif. Il faut être prudent toutefois avec l'ampleur des différences doivent car on travaille ici avec des transformations logarithmiques.

L’évaluation de l’impact des facteurs déterminants sur les différents indicateurs de résultats commence par un modèle de base comprenant juste l’indicateur et les régions. Ensuite, dans les étapes suivantes, un facteur (ou un set de facteurs appartenant à la même catégorie) est chaque fois ajouté au modèle. A chaque fois on vérifie si les différences régionales restent valides après l’ajout du nouveau set de facteurs (c’est-à-dire si les différences entre Bruxelles et les 2 autres régions restent statistiquement significatives). Il se peut en effet que les différences observées au départ soient dues à des différences en termes de structure par âge entre les régions, ou en termes de composition de ménage, de nationalité des résidents, de distribution en ce qui concerne le niveau d’éducation, …

Les différences observées éventuellement entre les modèles en terme de risque relatif (Région de Bruxelles versus Région Flamande, Région de Bruxelles versus Région wallonne) indiquent que les

72

différences observées au départ ce qui concerne la proportion de personnes pour lesquels aucune dépense en matière de soins n’a été faite en 2008, sont expliquées en partie par les (set de) facteurs introduits dans le modèle. Non seulement le changement du risque relatif peut être interpréter mais aussi la mesure dans laquelle celui-ci change par rapport au modèle précédent peut être une indication.

La structure suivante a été utilisée pour la construction des modèles :

Modèle 1: indicateur de résultat en fonction de la région (non corrigé) Modèle 2: modèle 1 avec correction complémentaire pour l’âge et le sexe Modèle 3: modèle 2 avec correction complémentaire le type de ménage Modèle 4: modèle 3 avec correction complémentaire pour le pays de naissance Modèle 5: modèle 4 avec correction complémentaire pour le niveau d’éducation Modèle 6: modèle 5 avec correction complémentaire pour le revenu équivalent Modèle 7: modèle 6 avec correction complémentaire pour le droit à un traitement préférentiel Modèle 8 modèle 7 avec correction complémentaire pour le besoin en matière de soins

(présence de maladies, nombre de maladies chroniques) Modèle 9 modèle 8 avec correction complémentaire pour des facteurs psychosociaux (report

de soins, perception de sa propre situation financière, perception de sa propre contribution aux soins).

Les mêmes analyses ont été effectuées pour toutes les catégories de dépenses. Pour les analyses des différences régionales en ce qui concerne les dépenses pour les médecins généralistes, les personnes inscrites dans une maison médicale n’ont pas été prise en compte ; en outre, un modèle supplémentaire (10) a été ajouté avec correction complémentaire pour les dépenses pour les honoraires des médecins spécialistes.

Dans une dernière étape on a étudié en détail le profil des personnes qui n’ont pas eu de dépenses de soins de santé au cours de la période de référence en Région Bruxelloise. L’association entre l’absence de dépenses (pour les catégories de dépenses principales) et leurs déterminants potentiels a été étudiée via une régression logistique multivatiée, avec l’estimation des odds ratios bruts et des odds ratios corrigés pour les autres déterminants.

73

3.4 Résultats

3.4.1 Résultats des analyses univariées

Le Tableau 18 donne un aperçu du pourcentage de personnes sans dépenses de soins au cours de la période de référence par région et par type de dépense : ce pourcentage est deux fois plus élevé dans la Région de Bruxelles que dans les autres régions. Les différences sont marquées surtout en ce qui concerne :

• les dépenses liées aux soins ambulatoires • la consommation de médicaments (remboursés) • dans une moindre mesure les dépenses en rapport avec une hospitalisation.

On observe en outre au sein de la catégorie des soins ambulatoires des différences assez importantes. Ainsi, à Bruxelles, le pourcentage de personnes qui n’ont pas eu de dépenses en ce qui concerne des honoraires pour des médecins généralistes est nettement plus élevé que dans les deux autres régions ; inversement, le pourcentage de personnes qui n’ont pas eu de dépenses en ce qui concerne des honoraires pour des médecins spécialistes est légèrement plus faible qu’en Région Flamande.

Le Tableau 19 donne un aperçu du pourcentage de personnes dont les dépenses pour des soins au cours de la période de référence se situaient au-dessus de la médiane des dépenses (pour les personnes qui ont eu recours à des soins de santé) ; les résultats sont présentés par région et par type de dépenses. Ce pourcentage est plus bas de 10% environ à Bruxelles par rapport aux deux autres régions.

La ventilation des résultats par types de dépenses montre que ce phénomène concerne surtout les honoraires pour des prestations de médecin généraliste, les soins infirmiers à domicile et la consommation de médicaments remboursés.

Au Tableau 20 enfin, figurent les résultats concernant la valeur moyenne du logarithme des dépenses. Cette valeur est significativement plus basse à Bruxelles par rapport aux deux autres régions. La différence est surtout marquée au niveau des honoraires des médecins généraliste, les soins infirmiers à domicile et les médicaments remboursés. Inversement, la moyenne des dépenses est plus élevée à Bruxelles pour les honoraires des médecins spécialistes et les prestations des dentistes.

74

Tableau 18. Pourcentage de personnes sans dépenses de soins de santé au cours de la période de référence, par région et par type de dépenses – HISLINK, 2008.

Type de dépenses Flandre Wallonie Bruxelles

Dépenses globales 4,7 5,5 10.3

Dépenses globales sans MRS/MRPA 4,7 5,5 10,4

Dépenses globales liées aux prestations en ambulatoire 5,9 7,1 12,3

Dépenses liées aux honoraires des généralistes 17,0 21,3 34,1

Dépenses liées aux honoraires des spécialistes 37,2 30,8 33,7

Dépenses liées aux prestations délivrées par des dentistes (à l’exception du poste « radiologie ») 48,9 56,6 57,7

Dépenses liées aux honoraires des praticiens de l’art infirmier

93.6 91.4 95.1

Dépenses se rapportant aux « Maisons médicales » 99,0 98,3 95,0

Dépenses se rapportant aux MRS/MRPA 98,9 98,8 98,3

Prestations diverses en ambulatoire (biologie clinique, radiologie, etc.) 19,1 18,4 23,5

Dépenses liées aux prestations délivrées en milieu hospitalier§

85,9 85,3 86,6

Dépenses liées au « maximum à facturer 90,5 88,6 90,6


22,0 20,5 27,9

§ Hors dépenses de la partie fixe du prix de journée des hôpitaux

75

Tableau 19. Pourcentage de personnes dont les dépenses pour des soins de santé se situaient au-dessus de la médiane* per région et par type de dépenses – HISLINK, 2008.


Dépenses globales 47,3 48,4 43,3







3,7 3,6 1,5





7,1 7,3 6,7

Dépenses liées au « maximum à facturer » 4,7 5,9 4,5


38,4 42,1 31,9

* Niveau de consommation supérieur à la valeur médiane des dépenses des consommateurs au niveau national § Hors dépenses de la partie fixe du prix de journée des hôpitaux

76

Tableau 20. Moyenne du logarithme des dépenses pour des soins de santé (parmi les consommateurs) par région et par type de dépenses – HISLINK, 2008.


Dépenses globales 6,16 6,20 6,09







5,35 4,82 3,69





6,66 6,39 6,37

Dépenses liées au « maximum à facturer 4,36 4,44 4,41


4,34 4,50 4,18

* Niveau de consommation supérieur à la valeur médiane des dépenses des consommateurs au niveau national § Hors dépenses de la partie fixe du prix de journée des hôpitaux

77

Des informations complémentaires en rapport avec les différences régionales (avec notamment le niveau de signification statistique), se trouvent dans l’Annexe 5.

Afin de comprendre quels déterminants jouent un rôle dans les différences régionales, il est important de vérifier dans quelle mesure la distribution de ces déterminants varie d’une région à l’autre. Ceci est illustré au niveau du Tableau 21. Il en ressort que la population de la région de Bruxelles se différencie de la Flandre et de la Wallonie dans toute une série de domaines :

• la population à Bruxelles est un peu plus jeune • la proportion à Bruxelles de personnes vivant seules est plus élevée • la proportion à Bruxelles de personnes âgées et isolées est plus élevée • la proportion à Bruxelles de personnes qui ne sont pas nées en Belgique beaucoup plus

élevée (près d’un tiers de la population) • la proportion à Bruxelles de personnes qui se trouvent dans un situation financière difficile est

plus élevée, avec des conséquences sur la manière dont ces dernières pensent pouvoir prendre en charge les coûts liés aux soins de santé

En ce qui concerne l’état de santé par contre, la situation n’est pas aussi nette ; les différences se situent même plutôt entre la Flandre et la Wallonie.

78

Tableau 21 Caractéristiques des personnes reprises dans la base de données, par région – HISLINK, 2008

Région fl. n = 3712 Région brux. n = 2879 Région

wall. n = 3666

moyenne/% Cl(*). moyenn

e/% Cl. moyenne/% Cl.

Age (num.) 41.22 40.04-42.40 38.51 37.41-39.61 39.95 38.78-41.11 Age

0-14 16.31 14.58-18.04 17.26 15.45-19.08 18.08 16.33-19.83 15-24 11.37 9.91-12.84 12.31 10.77-13.86 12.05 10.60-13.49 25-34 11.85 10.36-13.34 17.26 15.56-18.97 11.94 10.44-13.43 35-44 14.71 13.23-16.19 15.56 14.00-17.12 14.57 13.13-16.00 45-54 15.39 13.82-16.95 12.30 10.80-13.79 14.61 13.10-16.13 55-64 12.07 10.62-13.53 10.21 8.92-11.49 12.06 10.54-13.58 65-74 9.44 8.00-10.88 6.92 5.75-8.10 8.18 6.81-9.56 75+ 8.86 7.77-9.94 8.17 7.16-9.19 8.51 7.47-9.55

Sexe Homme 48.72 47.22-50.21 48.52 46.76-50.29 48.39 46.92-49.87 Femme 51.28 49.79-52.78 51.48 49.71-53.24 51.61 50.13-53.08

Composition du ménage Célibataire 12.76 11.48-14.04 26.16 23.93-28.40 16.45 14.86-18.05 Monoparental 7.06 5.54-8.58 13.41 11.26-15.56 10.50 8.65-12.36 Couple avec enfants 23.10 20.75-25.45 14.91 13.02-16.79 19.95 17.75-22.15 Couple sans enfants 45.21 41.96-48.45 37.38 34.07-40.70 42.84 39.57-46.11 Autre/inconnu 11.87 9.67-14.08 8.14 6.29-9.98 10.25 8.23-12.28

Niveau d’éducation Pas de diplôme 10.60 8.96-12.23 11.72 9.67-13.76 10.82 9.17-12.48 Secondaire inf. 13.86 11.81-15.91 15.16 12.82-17.51 16.18 13.92-18.44 Secondaire sup. 32.31 29.36-35.25 28.08 25.15-31.01 36.21 33.15-39.28 Supérieur 43.24 40.01-46.47 45.04 41.85-48.24 36.78 33.62-39.95

Pays de naissance Belgique 93.87 92.67-95.06 64.29 61.89-66.69 90.16 88.72-91.60 Europe 3.64 2.73-4.55 14.67 12.89-16.46 6.62 5.44-7.81 Hors Europe 2.49 1.68-3.30 21.03 18.88-23.18 3.22 2.32-4.11

Perception de la situation financière du ménage

Très difficile 4.86 3.37-6.35 18.60 15.90-21.30 10.63 8.62-12.65 Difficile 9.81 7.86-11.77 17.84 15.16-20.51 18.06 15.42-20.71 Plutôt difficile 17.06 14.46-19.65 22.37 19.52-25.22 19.55 16.93-22.17 Plutôt facile 22.61 19.76-25.45 18.46 15.95-20.98 29.64 26.36-32.91 Facile 34.46 31.08-37.83 16.80 14.28-19.32 15.50 12.97-18.04 Très facile 11.21 8.99-13.42 5.93 4.33-7.54 6.61 4.66-8.57

Perception au sujet des (propres) dépenses pour les soins de santé

Difficile à financer 27.47 24.53-30.42 47.31 44.06-50.55 35.99 32.97-39.02 Pas difficile à financer 72.53 69.58-75.47 52.69 49.45-55.94 64.01 60.98-67.03

(*) Intervalle de confiance à 95%

79

Région fl. n = 3712 Région brux. n = 2879 Région

wall. n = 3666

moyenne/% Cl(*). moyenn

e/% Cl. moyenne/% Cl.

Revenu par unité de consommation

1 15.90 13.33-18.47 33.88 30.51-37.25 20.53 17.79-23.27 2 17.04 14.59-19.50 17.57 15.06-20.09 19.70 17.11-22.29 3 19.19 16.48-21.90 14.55 12.26-16.83 21.69 18.76-24.61 4 24.26 21.17-27.35 14.21 12.00-16.43 19.66 16.83-22.50 5 23.60 20.70-26.50 19.78 17.23-22.34 18.42 15.66-21.17

Report de soins pour des raisons financières

Oui 10.24 8.19-12.29 24.66 21.80-27.51 12.65 10.51-14.79 Non 89.76 87.71-91.81 75.35 72.49-78.20 87.35 85.21-89.49

Santé subjective Très bon, bon 78.16 76.14-80.17 73.48 71.05-75.90 72.85 70.58-75.13 Moyen, mauvais, très mauvais 21.84 19.83-23.86 26.52 24.10-28.95 27.15 24.87-29.42

Présence de maladie(s) ou d’affections de longue durée ou d’un handicap

Oui 27.00 25.07-28.93 31.49 29.43-33.56 29.46 27.42-31.50 Non 73.00 71.07-74.93 68.51 66.44-70.57 70.54 68.50-72.58

Statut de remboursement : VIPO Non 74.01 71.79-76.24 78.73 76.62-80.85 73.56 71.29-75.83 Oui 25.99 23.76-28.21 21.27 19.15-23.38 26.44 24.17-28.71

Bénéficiaire du tarif préférentiel de l’assurance obligatoire : BIM, OMNIO

Non 88.91 87.42-90.40 78.02 75.48-80.56 85.18 83.27-87.09 Oui 11.09 9.60-12.58 21.98 19.44-24.52 14.82 12.91-16.73

Attestation maladies chroniques au cours de l’année de référence et/ou droit à une indemnité pour personnes handicapées

Non 94.54 93.69-95.38 95.13 94.23-96.04 95.01 94.15-95.86 Oui 5.46 4.62-6.31 4.87 3.96-5.77 4.99 4.14-5.85

Bénéficiaire est invalide ou handicapé

Non 96.21 95.33-97.10 95.13 93.80-96.47 95.35 94.23-96.48 Oui 3.79 2.90-4.67 4.87 3.53-6.20 4.65 3.53-5.77

Droit au remboursement MAF Non 89.82 88.12-91.52 89.72 87.98-91.45 88.17 86.29-90.05 Oui 10.18 8.48-11.88 10.28 8.55-12.02 11.83 9.95-13.71

(*) Intervalle de confiance à 95%

80

3.4.2 Résultats des analyses multivariées

Un première série d’analyses a été effectuée en rapport avec les dépenses globales.

3.4.2.1 Association entre l’indicateur de résultat et les déterminants potentiels

Les résultats sont discutés pour chacun des indicateurs de résultat. Les associations sont étudiées après avoir pris en compte tous les autres facteurs.

3.4.2.1.1 Absence de dépenses pour des soins de santé (au cours de la période de référence, 2008)

Il ressort du Tableau 22, avoir pris en compte tous les autres facteurs, que la chance de ne pas avoir eu de dépenses pour des soins de santé est :

• significativement plus basse en Région Flamande en comparaison avec la Région de Bruxelles (OR 0.66; CI 0;46 – 0.95)

• significativement plus élevée chez les personnes jeunes par rapport aux personnes âgées • significativement plus basse chez les femmes par rapport aux hommes (OR 0.61; CI 0.44 –

0.84) • significativement plus élevée chez les personnes qui vivent seules par rapport à celles qui

vivent en couple (OR 2.44; BI: 1.44-4.16) • significativement plus élevée chez les personnes qui ne sont pas nées en Belgique mais

dans un autre pays européen (OR 2.11 ; CI 1.29-3.43) ou en dehors de l’Europe (OR 1.96; CI 1.18-3.26)

• significativement plus élevée chez les personnes qui se trouvent dans la classe (quintile) de revenu la plus basse, en comparaison avec les personnes dans la classe la plus élevée (OR 1.96 ; CI 1.13-3.38).

• significativement plus élevée chez les personnes qui n’ont pas le statut MAF/OMNIO • significativement plus bas chez les personnes qui ne souffrent pas d’une maladie chronique

(OR 0.54; CI 0.33-0.90).

Il est intéressant de noter que des facteurs tels que :

• la perception en ce qui concerne sa propre contribution financière pour les soins de santé • le fait d’avoir éventuellement dû postposer des soins de santé • le fait que la personne considère ou non ses revenus comme suffisant

… ne sont pas associés avec l’indicateur de résultat “absence de dépenses pour des soins de santé”.

81

Tableau 22. Association le fait de ne pas avoir eu de dépenses pour des soins de santé au cours de la période de référence (2008) et les caractéristiques des individus, Odds ratios (et intervalles de confiance à 95%) sur base d’un modèle d’analyse de régression multivariée.

OR CI 95%

Région Région de Bruxelles

(référence) 1

Région Flamande 0.66 0.46 - 0.95 Région Wallonne 0.84 0.59 - 1.20 Groupe d’âge 0 - 14 ans 6.59 2.67 - 16.26 15 - 24 ans 5.27 2.10- 13.22 25 - 34 ans 3.92 1.67 - 9.21 35 - 44 ans 5.49 2.31 - 13.07 45 - 54 ans 5.26 2.16 - 12.82 55 - 64 ans 4.32 1.83 - 10.20 65 - 74 ans 4.74 1.84 - 12.21 75 + ans (référence) 1 Sexe Homme (référence) 1 Femme 0.61 0.44 - 0.84 Type de ménage Personne seule/isolé 2.44 1.44 - 4.16 Famille monoparentale 1.56 0.79 - 3.08 Couple (référence) 1 Ménage complexe 0.82 0.50 - 1.36 Couple avec enfants 1.02 0.52 - 1.98 Pays de naissance Pays européen 2.17 1.29 - 3.43 Pays non-européen 1.96 1.18- 3.26 Belgique (référence) 1 Diplôme le plus élevé dans le ménage Pas de diplôme/primaire 0.86 0.46 - 1.59 Secondaire inférieur 1.55 0.92 - 2.6 Secondaire supérieur 1.32 0.92 - 1.9 Enseignement supérieur

(référence) 1

Classe (quintiles) de revenu (revenu équivalent au niveau du ménage) 1er quintile 1.96 1.13 - 3.38 2ème quintile 1.38 0.81 - 2.34 3ème quintile 1.05 0.60 - 1.84 4ème quintile 0.94 0.57 - 1.53 5ème quintile (référence)

1

82

OR CI 95%

Statut préférentiel MAF/OMNIO (référence) 1 Pas de statut MAF/OMNIO 0.54 0.33 - 0.90 Souffre de maladie(s) chronique(s) Oui 0.45 0.26 -0.77 Non 1 Nombre de maladies chroniques nombre 0.69 0.59 -0.82 Estime que les dépenses pour des soins de santé Sont difficiles à prendre en

charge 0.82 0.53 - 1.26

Sont faciles à prendre en charge (référence)

1

A dû postposer des soins de santé Oui 1.11 0.65 - 1.90 Non (référence) 1 Revenus permet de couvrir les dépenses Très difficilement 0.92 0.41 -2.03 Difficilement 0.90 0.44 -1.87 Assez Difficilement 0.94 0.48 -1.84 Assez facilement 0.73 0.38 -1.39 Facilement 0.94 0.51 -1.72 Très facilement (référence) 1

3.4.2.1.2 Dépenses relativement élevées pour des soins de santé (au cours de la période de référence, 2008)

Il ressort du Tableau 23, avoir pris en compte tous les autres facteurs, que la chance d’avoir eu de dépenses élevées (c’est-à-dire plus élevées que la valeur médiane du niveau des dépenses parmi les personnes qui ont eu des dépenses au cours de la période de référence) pour des soins de santé:

• ne varie pas d’une région à l’autre • est significativement plus basse chez les personnes jeunes par rapport aux personnes âgées • est significativement plus élevée chez les femmes par rapport aux hommes (OR 1.61; IC:

1.39 – 1.86) • est significativement plus basse chez les personnes qui vivent seules, chez les personnes

qui appartiennent à une famille monoparentale et chez les couples avec enfants par rapport à celles qui vivent en couple (sans enfants)

• est significativement plus élevée chez les personnes qui ne bénéficient pas d’une statut préférentiel MAF/OMNIO (OR 2.23; IC 1.73 – 2.88)

• est significativement plus élevée chez les personnes qui souffrent de maladie(s) chronique(s) (OR: 2.4; BI: 2.01 - 2.88)

83

• est significativement plus élevée chez les personnes qui déclarent avoir difficile à prendre en charge les dépenses pour les soins de santé (OR: 1.28; BI: 1.04 - 1.58).

Tableau 23. Association le fait d’avoir eu de dépenses élevées (c’est-à-dire plus élevées que la valeur médiane du niveau des dépenses parmi les personnes qui ont eu des dépenses au cours de la période de référence, 2008) pour des soins de santé et les caractéristiques des individus, Odds ratios (en intervalles de confiance à 95%) sur base d’un modèle d’analyse de régression logistique multivariée.

OR CI 95%

Région Région de Bruxelles

(référence) 1

Région Flamande 1.132 0.935- 1.37 Région Wallonne 1.131 0.942- 1.359 Groupe d’âge 0 - 14 ans 0.145 0.097 - 0.217 15 - 24 ans 0.106 0.071 -0.158 25 - 34 ans 0.2 0.139 - 0.288 35 - 44 ans 0.19 0.133 - 0.271 45 - 54 ans 0.251 0.177 - 0.355 55 - 64 ans 0.332 0.233 - 0.472 65 - 74 ans 0.577 0.398 -0.837 75 + ans (référence) 1 Sexe Homme (référence) 1 Femme 1.608 1.392 - 1.856 Type de ménage Personne seule/isolé 0.642 0.501 - 0.823 Famille monoparentale 0.685 0.494 - 0.948 Couple (référence) 1 Ménage complexe 0.941 0.753 - 1.176 Couple avec enfants 0.711 0.533 - 0.948 Pays de naissance Pays européen 0.866 0.628 - 1.194 Pays non-européen 0.832 0.629 - 1.102 Belgique (référence) 1

Diplôme le plus élevé dans le ménage Pas de diplôme/primaire 1.17 0.863 - 1.585 Secondaire inférieur 1.064 0.816 - 1.386 Secondaire supérieur 0.957 0.793 - 1.156 Enseignement supérieur

(référence) 1

84

OR CI 95%

Classe (quintiles) de revenu (revenu équivalent au niveau du ménage) 1er quintile 0.659 0.482 - 0.9 2ème quintile 0.742 0.565 - 0.975 3ème quintile 0.832 0.641 - 1.08 4ème quintile 0.805 0.646 - 1.004 5ème quintile (référence) 1 Statut préférentiel MAF/OMNIO (référence) 1 Pas de statut MAF/OMNIO 2.233 1.733 - 2.878 Souffre de maladie(s) chronique(s) Oui 2.406 2.007 - 2.884 Non (référence) 1 Nombre de maladies chroniques Nombre 1.37 1.298 - 1.445 Estime que les dépenses pour des soins de santé Sont difficiles à prendre en

charge 1.283 1.041 - 1.581


1

A dû postposer des soins de santé Oui 1.028 0.79 - 1.338 Non (référence) 1 Revenus permet de couvrir les dépenses Très difficilement 1.09 0.69 - 1.723 Difficilement 1.037 0.712 - 1.51 Assez Difficilement 1.161 0.836 - 1.611 Assez facilement 1.173 0.867 - 1.587 Facilement 1.21 0.903 - 1.621 Très facilement (référence) 1

85

3.4.2.1.3 Niveau moyen des dépenses (parmi les personnes qui ont eu des dépenses au cours de la période de référence, 2008)

Il ressort du Tableau 24, avoir pris en compte tous les autres facteurs dans un modèle d’analyse de régression linéaire multivariée, que la moyenne du logarithme des dépenses au cours de la période de référence (2008) pour des soins de santé:

• ne varie pas de manière significative d’une région à l’autre • est significativement plus basse chez les personnes jeunes par rapport aux personnes âgées • est significativement plus élevée chez les femmes par rapport aux hommes • ne varie pas de manière sensible en fonction du type de ménage ; la moyenne des

dépenses est toutefois significativement plus basse chez les personnes qui vivent seules par rapport à celles qui vivent en couple avec enfants

• ne varie pas de manière significative en fonction du pays de naissance • est significativement plus élevée chez les personnes avec un faible niveau d’éducation par

rapport aux personnes avec le niveau le plus élevé • est significativement plus basse chez les personnes avec un faible revenu par rapport aux

revenus les plus élevés • est significativement plus élevée chez les personnes qui bénéficié d’une statut préférentiel • est significativement plus élevée chez les personnes qui souffrent de maladie(s)

chronique(s)

86

Tableau 24. Association entre la moyenne du logarithme des dépenses pour des soins de santé et les caractéristiques des individus , coefficient, erreur standard et value du test de T sur base d’un modèle d’analyse de régression linéaire multivariée.

Coefficient Erreur standard p

Intercept 6.4042024 0.11446362 <.0001 Région Région de Bruxelles

(référence) 0.0684566 0.05702626 0.2300

Région Flamande 0.0497073 0.05335313 0.3516 Région Wallonne 0.0000000 0.00000000 . Groupe d’âge 0 - 14 ans -1.1443146 0.11159734 <.0001 15 - 24 ans -1.2524223 0.09825582 <.0001 25 - 34 ans -0.9630318 0.10256683 <.0001 35 - 44 ans -0.9718612 0.08558136 <.0001 45 - 54 ans -0.7889321 0.08434833 <.0001 55 - 64 ans -0.5732632 0.07772976 <.0001 65 - 74 ans -0.2436939 0.07497603 0.0012 75 + ans (référence) 0.0000000 0.00000000 . Sexe Homme (référence) 0.2511814 0.04151910 <.0001 Femme 0.0000000 0.00000000 . Type de ménage Personne seule/isolé -0.2451097 0.07298142 0.0008 Famille monoparentale -0.1530527 0.09068374 0.0915 Couple (référence) -0.0398410 0.06987900 0.5686 Ménage complexe -0.2055159 0.09263250 0.0266 Couple avec enfants 0.0000000 0.00000000 . Pays de naissance Pays européen -0.1838919 0.09414499 0.0509 Pays non-européen -0.0995390 0.07790090 0.2014 Belgique (référence) 0.0000000 0.00000000 . Diplôme le plus élevé dans le ménage Pas de diplôme/primaire 0.1763876 0.08050231 0.0285 Secondaire inférieur 0.0615765 0.07120952 0.3872 Secondaire supérieur 0.0282186 0.05490187 0.6073 Enseignement supérieur

(référence) 0.0000000 0.00000000 .

Classe (quintiles) de revenu (revenu équivalent au niveau du ménage) 1er quintile -0.4183459 0.08568406 <.0001 2ème quintile -0.3443686 0.08440848 <.0001 3ème quintile -0.1911878 0.07561017 0.0115 4ème quintile -0.2172722 0.06620927 0.0010 5ème quintile (référence) 0.0000000 0.00000000 .

87

Coefficient Erreur standard p

Statut préférentiel MAF/OMNIO (référence) 0.4060399 0.06771307 <.0001 Pas de statut MAF/OMNIO 0.0000000 0.00000000 . Souffre de maladie(s) chronique(s) Oui 0.6734693 0.05140627 <.0001 Non 0.0000000 0.00000000 . Nombre de maladies chroniques nombre 0.1516502 0.01009736 <.0001 Estime que les dépenses pour des soins de santé Sont difficiles à prendre en

charge 0.1461995 0.06608867 0.0270


0.0000000 0.00000000 .

A dû postposer des soins de santé Oui 0.0698900 0.07837648 0.3726 Non (référence) 0.0000000 0.00000000 . Revenus permet de couvrir les dépenses Très difficilement 0.1288971 0.14213713 0.3645 Difficilement 0.1123166 0.11359813 0.3229 Assez Difficilement 0.1412859 0.10124758 0.1630 Assez facilement 0.1377776 0.08820592 0.1184 Facilement 0.0923567 0.08813250 0.2947 Très facilement (référence) 0.0000000 0.00000000 .

88

3.4.2.2 Analyses en rapport avec l’explication des différence régionales en termes de dépenses globales

3.4.2.2.1 Absence de dépenses pour des soins de santé au cours de la période

Sur base du modèle de base, qui ne prend pas en compte d’autres variables, on peut constater que le risque relatif de ne pas avoir eu de dépenses pour des soins de santé est significativement plus élevée pour la Région de Bruxelles par rapport à la Région Flamande (RR: 2.20) et la Région Wallonne (RR: 1.65) (Tableau 25).

Si l’on ajoute l’âge et le sexe au modèle d’analyse, on n’observe pas de variation en ce qui concerne le risque relatif.

Si l’on ajoute le type de ménage au modèle d’analyse, le risque relatif diminue :

• 1.93 à Bruxelles par rapport à la Région Flamande, soit une diminution de 13% en comparaison avec le modèle précédent

• 1.50 par rapport à la Région Wallonne, soit une diminution de 8.3%.

Cela signifie qu'une partie au moins des différences régionales en terme de dépenses peut s'expliquer par des variations en ce qui concerne le type de ménage.

Si l’on ajoute le pays de naissance au modèle d’analyse, le risque relatif diminue :

• 1.56 à Bruxelles par rapport à la Région Flamande, soit une diminution de 19.7% en comparaison avec le modèle précédent

• 1.25 par rapport à la Région Wallonne, soit une diminution de 16.8%.

Cela signifie qu'une partie aussi des différences régionales en terme de dépenses peut s'expliquer par des variations en ce qui concerne le pays de naissance.

Si l’on ajoute d’autres variables au modèle d’analyse, comme :

• le niveau d’éducation • le niveau de revenu • le statut préférentiel OMNIO • le fait d’avoir dû postposer des soins • la perception de ses propres contributions aux frais de soins de santé

le risque relatif ne change pas : le risque relatif pour les personnes de ne pas avoir eu de dépenses pour des soins de santé reste significativement plus élevée pour la Région de Bruxelles par rapport à la Région Flamande ; par rapport à la Région Wallonne le risque relatif n’est toutefois plus significativement différent.

3.4.2.2.2 Dépenses relativement élevées pour des soins de santé (au cours de la période de référence, 2008)

Les résultats en ce qui concerne la proportion de personnes avec dépenses élevées pour des soins de santé se trouvent dans le Tableau 26. Le modèle de base montre juste une petite (mais significative) différence en terme de risque relatif avec une proportion plus élevé en Région Wallonne par rapport à Bruxelles. Cette différence disparait toutefois lorsque l’on tient compte de

89

la distribution par sexe et par âge. L’introduction d’autres variables dans le modèle n’apporte pas d’autres modifications.

3.4.2.2.3 Niveau moyen des dépenses (parmi les personnes qui ont eu des dépenses au cours de la période de référence, 2008)

Les résultats en ce qui concerne la moyenne du logarithme des dépenses pour des soins de santé se trouvent dans le Tableau 27. Le modèle de base montre juste une petite (mais significative) différence en terme de risque relatif avec des dépenses plus élevées à Bruxelles par rapport à la Région Wallonne. Cette différence disparait toutefois lorsque l’on tient compte de la distribution par sexe et par âge.

90

Tableau 25. Différences régionales en ce qui concerne le pourcentage de personnes qui n’ont pas eu de dépenses pour des soins de santé au cours de la période de référence (2008). Evolution du risque relatif via l’introduction successive de déterminants potentiels dans le modèle. HISLINK 2008.

Type de modèle Risque relatif de Bruxelles

comparé avec

la Flandre

% différence

du RR avec le modèle précédent

Risque relatif de Bruxelles

comparé avec

la Wallonie

% différence

du RR avec le modèle précédent

Non corrigé 2.20 ** . 1.65 ** .

Corrigé pour âge et sexe 2.21 ** -0.58 1.63 ** 0.74

Corrigé également pour type de ménage 1.93 ** 13.01 1.50 ** 8.30

Corrigé également pour pays de naissance 1.56 ** 19.17 1.25 16.84

Corrigé également pour éducation 1.56 ** -0.11 1.28 -3.02

Corrigé également pour revenu 1.47 * 5.47 1.23 3.96

Corrigé également pour bénéficiaire du statut OMNIO

1.50 * -1.52 1.24 -0.59

Corrigé également pour besoins de santé 1.47 * 1.77 1.19 4.00

Corrigé également pour perception de barrières financières

1.50 * -2.13 1.18 0.80

* valeur p < 0.05 - ** valeur p < 0.01

91

Tableau 26 Différences régionales en ce qui concerne le pourcentage de personnes qui ont eu des dépenses plus élevées que la médiane (des dépenses pour les personnes qui ont consommé des soins de santé) pour des soins de santé au cours de la période de référence (2008). Evolution du risque relatif via l’introduction successive de déterminants potentiels dans le modèle. HISLINK 2008.

Type de modèle Risque relatif

de la Flandre comparé

avec Bruxelles

% différence du RR

comparé avec le

modèle précédent

Risque relatif de la

Wallonie comparé

avec Bruxelles

% différence du RR

comparé avec le

modèle précédent

Non corrigé 1.08 . 1.11 ** .

Corrigé pour âge et sexe 1.03 4.55 1.07 3.73

Corrigé également pour type de ménage 1.03 -0.18 1.07 -0.10

Corrigé également pour pays de naissance 1.03 -0.09 1.07 -0.22

Corrigé également pour éducation 1.03 0.34 1.07 0.56

Corrigé également pour revenu 1.04 -0.63 1.07 -0.55


1.06 -1.78 1.08 -1.01

Corrigé également pour besoins de santé 1.05 0.39 1.05 3.18


1.06 -1.14 1.06 -1.27

* valeur p < 0.05 - ** valeur p < 0.01

92

Tableau 27. Différences régionales en ce qui concerne la moyenne du logarithme des dépenses globales pour des soins de santé au cours de la période de référence (2008). Evolution du ratio de coût via l’introduction successive de déterminants potentiels dans le modèle. HISLINK 2008.

Type de modèle Ratio des coûts moyens

- Flandre versus

Bruxelles

% différence de ce ratio

avec le modèle

précédent

Ratio des coûts moyens

- Wallonie versus

Bruxelles

% différence de ce ratio

avec le modèle

précédent

Non corrigé 1.07 . 1.14 * .

Corrigé pour âge et sexe 1.00 6.54 1.06 6.70

Corrigé également pour type de ménage 1.02 -1.52 1.07 -0.93

Corrigé également pour pays de naissance 1.02 0.25 1.07 -0.10

Corrigé également pour éducation 1.00 1.12 1.05 1.61

Corrigé également pour revenu 1.01 -0.45 1.06 -0.53


1.02 -1.41 1.06 -0.52

Corrigé également pour besoins de santé 1.04 -1.58 1.03 2.75


1.07 -3.09 1.05 -1.58

* valeur p < 0.05 - ** valeur p < 0.01

93

3.4.2.3 Analyses en rapport avec l’explication des différences régionales pour ce qui concerne les catégories de dépenses

Comme pour les analyses décrites ci-dessus qui portaient sur les dépenses globales, les mêmes statistiques ont été produites pour les catégories spécifiques de dépenses (à l’exception des dépenses pour les maisons de repos / et de soins – parce que ces dépenses sont de type structurel et dépendent assez peu des caractéristiques individuelles). Les résultats de ces analyses se trouvent dans les tableaux en Annexe 6 respectivement pour les dépenses :

1. globales sans les maisons de repos: Tableaux B1 à B3 2. pour des soins ambulatoires en général: Tableaux B4 à B6 3. en rapport avec des honoraires de médecins généralistes: Tableaux B7 à B9 4. en rapport avec des honoraires de médecins spécialistes: Tableaux B10 à B12 5. pour des prestations de soins dentaires (sans imagerie) Tableaux B13 à B15 6. pour des honoraires pour des soins infirmiers à domicile: Tableaux B16 à B18 7. forfaitaires en maison médicales: Tableaux B19 à B21 8. autres soins ambulatoires que ceux cités de 3 à 9 : Tableaux B22 à B24 9. diverses en relation avec les hospitalisations : Tableaux B25 à B27 10. en rapport avec le maximum à facturer: Tableaux B28 à B30 11. pour des médicaments remboursés: Tableaux B31 à B33

3.4.2.4 Profil des personnes qui n’ont pas eu recours à des soins de santé dans la Région de Bruxelles

La dernière phase de l’analyse a porté sur le profil des personnes qui n’ont pas eu recours à des soins de santé dans la Région de Bruxelles au cours de la période de référence. Le pourcentage de la population bruxelloise qui n’a pas eu de dépenses pour une série de soins spécifiques figure dans les Tableaux 28 à 33:

• Dépenses globales pour des soins de santé • Dépenses globales pour des soins de santé sans les maisons de repos (et de soins) • Dépenses pour des soins de santé ambulatoires • Dépenses pour des médicaments remboursables • Dépenses en rapport avec une/des hospitalisations (à l’exclusion du prix fixe à la journée) • Dépenses dans la cadre du maximum à facturer.

La relation entre le fait de ne pas eu des dépenses pour des soins de santé (ou certains types de soins) et les déterminants potentiels est présentée sous forme d’Odds ratios (bruts et corrigés pour les autres variables). Les principales conclusions de ces analyses sont les suivantes:

• Les personnes sans dépenses pour des soins de santé sont souvent :

o plus jeunes o non belges o avec un revenu faible

94

• Inversement, les personnes sans dépenses pour des soins de santé sont moins souvent celles qui souffrent de maladie(s) chronique(s)

• La différence entre les Belges et les non-Belges originaires d’autres pays européens porte sur tous les types de soins (ambulatoire, médicaments, hospitalisation) tandis que la différence entre les Belges et les non-Belges originaires de pays non-européens porte essentiellement sur les soins ambulatoires

• Les personnes avec un faible revenu semblent surtout ne pas avoir de dépenses en ce qui concerne les soins ambulatoires. Il n’y a pas de relation significative par contre en ce qui concerne la consommation de médicaments (remboursables) et les frais en rapport avec une/des hospitalisation(s)

• Il apparait clairement au Tableau 33 que le Maximum à Facturer concerne surtout :

o les personnes âgées o les personnes avec un faible niveau d’éducation o les personnes avec un faible niveau de revenu o les personnes avec une/des maladie(s) chronique(s) o les personnes qui ressentent des difficultés pour payer leurs soins de santé.

• Inversement, après correction pour toutes les autres variables il apparait que les dépenses dans le cadre du Maximum à Facturer concernent moins souvent les non-Belges (essentiellement en provenance d’autres pays européens) que les Belges. Attention toutefois car ceci ne concerne que 1,7% du total des dépenses ; les dépenses en rapport avec le Maximum à Facturer sont donc trop faibles pour pouvoir expliquer des différences régionales en terme de dépenses pour les soins de santé.

95

Tableau 28. Pourcentage de la population de la Région de Bruxelles sans dépenses pour des soins de santé et relation avec des déterminants potentiels de la consommation de soins, HISLINK, Belgique, 2008.

% OR brut OR corrigé 1

Age < 15 ans 12.0 12.6 * 14.2 * 15-24 ans 6.8 6.7 * 5.2 * 25-34 ans 11.8 12.4 * 8.0 * 35-44 ans 12.2 12.8 * 9.2 * 45-54 ans 8.8 8.9 * 7.8 * 55-64 ans 9.3 9.5 * 9.5 * 65-74 ans 6.7 6.0 * 6.9 * 75 + ans 1.1 Réf Réf * Sexe Hommes 12.4 Réf Réf Femmes 6.5 0.5 * 0.6 * Type de ménage2 Vivant seul/isolé 13.9 1.8 1.8 Famille monoparentale 5.3 0.6 0.4 Couple sans enfant(s) 8.2 Réf Réf Couple avec enfant(s) 9.2 1.1 0.6 Autre type ou type inconnu 8.5 1.0 0.6 Pays de naissance Belgique 6.5 Réf Réf Europe hors Belgique 16.4 2.8 * 2.6 * Non européen 14.1 2.4 * 2.1 * Niveau d’éducation2 Pas de diplôme/enseignement primaire 12.3 1.6 1.9 Secondaire inférieur 9.8 1.2 1.4 Secondaire supérieur 10.5 1.3 1.3 Enseignement supérieur 8.3 Réf Réf Niveau de revenu (équivalent)2 1er quintile 12.1 1.6 2.1 * 2ème quintile 9.2 1.2 1.6 3ème quintile 9.0 1.2 1.3 4ème quintile 7.2 0.9 1.0 5ème quintile 8.0 réf Réf Tarif préférentiel pour l’assurance obligatoire Oui 8.3 0.8 0.6 Non 10.0 Réf Réf Maladie chronique (auto-rapportée) Oui 4,2 0.3 * 0.5 * Non 11,8 Réf Réf Nombre de maladie(s) chroniques spécifiques 0 13,3 Réf Réf 1 7.3 0.5 * 0.6 2 8.1 0.6 0.7 3 ou plus 2.7 0.2 * 0.3 * Frais pour les soins de santé difficiles à prendre en charge dans le cadre du budget du ménage2

Oui 8,7 0.8 0.6 Non 10,4 Réf Réf A dû postposer des soins pour des raisons financières2 Oui 8.0 0.8 0.9 Non 10.2 Réf Réf Mesure dans laquelle le ménage arrive à nouer les deux bouts avec le budget disponible au niveau du ménage2 Très difficilement 13.0 3.8 * 4.1 * Difficilement 10.5 3.0 2.9 Assez difficilement 7.3 2.0 2.1 Assez facilement 7.5 2.1 2.0 Facilement 12.6 3.6 * 3.3 Très facilement 3.8 Réf Réf 1 Corrigé pour les autres variables reprises dans le modèle 2 Information mesurée au niveau du ménage

96

Tableau 29. Pourcentage de la population de la Région de Bruxelles sans dépenses pour des soins de santé (à l’exclusion des frais en rapport avec des maisons de repos – et de soins) et relation avec des déterminants potentiels de la consommation de soins, HISLINK, Belgique, 2008.


Age < 15 ans 12.0 9.5 10.9 * 15-24 ans 6.8 5.1 4.0 * 25-34 ans 11.8 9.4 6.1 * 35-44 ans 12.2 9.7 7.0 * 45-54 ans 8.8 6.7 6.0 * 55-64 ans 9.3 7.2 7.2 * 65-74 ans 6.1 4.5 5.2 * 75 + ans 1.4 Réf Réf * Sexe Hommes 12.4 Réf Réf Femmes 6.5 0.5 0.6 * Type de ménage2 Vivant seul/isolé 14.0 1.8 1.8 Famille monoparentale 5.3 0.6 0.4 Couple sans enfant(s) 8.2 Réf Réf Couple avec enfant(s) 9.2 1.1 0.6 Autre type ou type inconnu 8.5 1.0 0.6 Pays de naissance Belgique 6.5 Réf Réf Europe hors Belgique 16.4 2.8 2.6 * Non européen 14.1 2.4 2.1 * Niveau d’éducation2 Pas de diplôme/enseignement primaire 12.5 1.6 1.9 Secondaire inférieur 9.8 1.2 1.4 Secondaire supérieur 10.5 1.3 1.3 Enseignement supérieur 8.3 Réf Réf Niveau de revenu (équivalent)2 1ste quintile 12.1 1.6 2.1 * 2ème quintile 9.2 1.2 1.6 3ème quintile 9.2 1.2 1.3 4ème quintile 7.2 0.9 1.0 5ème quintile 8.0 Réf Réf Tarif préférentiel pour l’assurance obligatoire Oui 8.4 0.8 0.6 Non 10.0 Réf Réf Maladie chronique (auto-rapportée) Oui 4.3 0.3 0.5 * Non 11.8 Réf Réf Nombre de maladie(s) chroniques spécifiques 0 13.3 Réf Réf 1 7.3 0.5 0.6 2 8.1 0.6 0.7 3 ou plus 2.8 0.2 0.3 * Frais pour les soins de santé difficiles à prendre en charge dans le cadre du budget du ménage2 Oui 8.7 0.8 0.6 * Non 10.4 Réf Réf A dû postposer des soins pour des raisons financières2 Oui 8.0 0.8 0.9 Non 10.2 Réf Réf Mesure dans laquelle le ménage arrive à nouer les deux bouts avec le budget disponible au niveau du ménage2 Très difficilement 12.9 3.8 4.1 * Difficilement 10.5 3.0 2.9 Assez difficilement 7.3 2.0 2.1 Assez facilement 7.7 2.1 2.0 Facilement 12.6 3.6 3.3 Très facilement 3.8 Réf Réf 1 Corrigé pour les autres variables reprises dans le modèle 2 Information mesurée au niveau du ménage

97

Tableau 30. Pourcentage de la population de la Région de Bruxelles sans dépenses pour des soins de santé ambulatoires et relation avec des déterminants potentiels de la consommation de soins, HISLINK, Belgique, 2008.


Age < 15 ans 13.1 5.0 * 5.1 * 15-24 ans 10.1 3.8 * 2.7 25-34 ans 15.1 5.9 * 3.3 * 35-44 ans 14.7 5.7 * 3.7 * 45-54 ans 9.3 3.4 * 2.7 55-64 ans 10.2 3.8 * 3.5 * 65-74 ans 6.1 2.2 2.3 75 + ans 2.9 Réf Réf Sexe Hommes 14.2 Réf Réf Femmes 8.4 0.6 * 0.7 * Type de ménage2 Vivant seul/isolé 16.7 1.7 * 1.7 Famille monoparentale 6.9 0.6 0.4 * Couple sans enfant(s) 10.4 Réf Réf Couple avec enfant(s) 10.8 1.0 0.5 * Autre type ou type inconnu 9.3 0.9 0.5 Pays de naissance Belgique 8.2 Réf Réf Europe hors Belgique 18.9 2.6 * 2.4 * Non européen 16.1 2.1 * 1.9 * Niveau d’éducation2 Pas de diplôme/enseignement primaire 12.3 1.1 1.3 Secondaire inférieur 10.2 0.9 0.9 Secondaire supérieur 12.0 1.1 1.0 Enseignement supérieur 11.4 Réf Réf Niveau de revenu (équivalent)2 1ste quintile 13.8 1.5 2.6 * 2ème quintile 9.2 1.0 1.5 3ème quintile 13.2 1.5 1.8 4ème quintile 10.0 1.1 1.2 5ème quintile 9.4 Réf Réf Tarif préférentiel pour l’assurance obligatoire Oui 8.3 0.6 0.5 * Non 12.4 Réf Réf Maladie chronique (auto-rapportée) Oui 5.5 0.4 0.6 Non 14.0 Réf Réf Nombre de maladie(s) chroniques spécifiques 0 15.7 Réf Réf 1 8.6 0.5 * 0.6 * 2 10.8 0.6 0.7 3 ou plus 3.3 0.2 * 0.3 *

Frais pour les soins de santé difficiles à prendre en charge dans le cadre du budget du ménage2 Oui 10.6 0.8 0.7 Non 12.3 Réf Réf A dû postposer des soins pour des raisons financières2 Oui 10.4 0.9 1.1 Non 11.9 Réf Réf Mesure dans laquelle le ménage arrive à nouer les deux bouts avec le budget disponible au niveau du ménage2

Très difficilement 13.8 2.4 2.5 Difficilement 12.2 2.1 2.0 Assez difficilement 9.6 1.6 1.6 Assez facilement 10.4 1.8 1.6 Facilement 13.9 2.5 2.1 Très facilement 6.2 Réf Réf 1 Corrigé pour les autres variables reprises dans le modèle 2 Information mesurée au niveau du ménage

98

Tableau 31. Pourcentage de la population de la Région de Bruxelles sans dépenses pour des médicaments remboursables et relation avec des déterminants potentiels de la consommation de soins, HISLINK, Belgique, 2008.


Age < 15 ans 41.9 12.0 * 7.9 * 15-24 ans 33.9 8.6 * 5.3 * 25-34 ans 28.6 6.7 * 4.0 * 35-44 ans 30.9 7.5 * 4.8 * 45-54 ans 28.4 6.6 * 5.0 * 55-64 ans 20.0 4.2 * 4.0 * 65-74 ans 11.5 2.2 2.3 75 + ans 5.6 Réf Réf Sexe Hommes 32.5 Réf Réf Femmes 22.4 0.6 * 0.6 * Type de ménage2 Vivant seul/isolé 27.7 1.6 * 1.5 Famille monoparentale 26.3 1.4 0.9 Couple sans enfant(s) 19.9 Réf Réf Couple avec enfant(s) 30.8 1.8 * 0.8 Autre type ou type inconnu 31.5 1.9 * 1.2 Pays de naissance Belgique 24.9 Réf Réf Europe hors Belgique 39.1 1.9 * 2.0 * Non européen 28.5 1.2 1.1 Niveau d’éducation2 Pas de diplôme/enseignement primaire 26.7 0.9 1.5 Secondaire inférieur 25.8 0.9 1.0 Secondaire supérieur 29.3 1.1 1.0 Enseignement supérieur 27.7 Réf Réf Niveau de revenu (équivalent)2 1ste quintile 30.3 1.2 1.3 2ème quintile 26.6 1.0 1.3 3ème quintile 27.4 1.0 1.1 4ème quintile 25.5 0.9 1.0 5ème quintile 26.6 Réf Réf Tarif préférentiel pour l’assurance obligatoire Oui 24.8 0.8 0.9 Non 28.6 Réf Réf Maladie chronique (auto-rapportée) Oui 12.8 0.3 * 0.5 * Non 33.8 Réf Réf Nombre de maladie(s) chroniques spécifiques 0 38.4 Réf Réf 1 21.6 0.4 * 0.6 * 2 22.9 0.5 * 0.6 * 3 ou plus 7.4 0.1 * 0.2 *

Frais pour les soins de santé difficiles à prendre en charge dans le cadre du budget du ménage2 Oui 26.8 0.9 1.0 Non 28.6 Réf Réf A dû postposer des soins pour des raisons financières2 Oui 26.6 0.9 1.1 Non 28.2 Réf Réf Mesure dans laquelle le ménage arrive à nouer les deux bouts avec le budget disponible au niveau du ménage2


99

Tableau 32. Pourcentage de la population de la Région de Bruxelles sans dépenses pour une/des hospitalisations et relation avec des déterminants potentiels de la consommation de soins, HISLINK, Belgique, 2008.


Age < 15 ans 92.7 4.7 * 3.2 * 15-24 ans 93.2 5.1 * 3.7 * 25-34 ans 87.5 2.6 * 1.8 * 35-44 ans 90.3 3.4 * 2.6 * 45-54 ans 82.2 1.7 * 1.5 55-64 ans 87.8 2.7 * 2.6 * 65-74 ans 73.1 1.0 1.1 75 + ans 73.0 Réf * Réf Sexe Hommes 87.5 Réf Réf Femmes 85.7 0.9 0.9 Type de ménage2 Vivant seul/isolé 83.5 1.0 0.9 Famille monoparentale 88.0 1.4 0.9 Couple sans enfant(s) 84.0 Réf Réf Couple avec enfant(s) 88.8 1.5 * 0.7 Autre type ou type inconnu 88.9 1.5 1.1 Pays de naissance Belgique 85.7 Réf Réf Europe hors Belgique 91.4 1.8 * 1.8 * Non européen 86.1 1.0 1.0 Niveau d’éducation2 Pas de diplôme/enseignement primaire 81.7 0.6 1.0 Secondaire inférieur 84.0 0.7 0.8 Secondaire supérieur 87.6 0.9 1.0 Enseignement supérieur 88.2 Réf Réf Niveau de revenu (équivalent)2 1ste quintile 87.2 1.0 1.1 2ème quintile 84.7 0.8 1.0 3ème quintile 86.0 0.9 0.9 4ème quintile 88.1 1.1 1.1 5ème quintile 87.0 Réf Réf Tarif préférentiel pour l’assurance obligatoire Oui 85.4 0.9 1.3 Non 87.0 Réf Réf Maladie chronique (auto-rapportée) Oui 77.9 0.4 * 0.6 * Non 90.2 Réf Réf Nombre de maladie(s) chroniques spécifiques 0 90.9 Réf Réf 1 88.9 0.8 1.1 2 86.4 0.6 0.9 3 ou plus 73.2 0.3 * 0.5 *

Frais pour les soins de santé difficiles à prendre en charge dans le cadre du budget du ménage2 Oui 84.7 0.7 * 0.8 Non 88.4 Réf Réf A dû postposer des soins pour des raisons financières2 Oui 85.2 0.9 1.1 Non 87.1 Réf Réf Mesure dans laquelle le ménage arrive à nouer les deux bouts avec le budget disponible au niveau du ménage2


100

Tableau 33. Pourcentage de la population de la Région de Bruxelles sans dépenses en rapport avec le Maximum à Facturer et relation avec des déterminants potentiels de la consommation de soins, HISLINK, Belgique, 2008.


Age < 15 ans 94.2 5.7 * 7.1 * 15-24 ans 92.1 4.0 * 4.7 * 25-34 ans 94.9 6.5 * 6.5 * 35-44 ans 95.2 6.9 * 8.2 * 45-54 ans 90.7 3.4 * 4.0 * 55-64 ans 92.1 4.0 * 5.6 * 65-74 ans 74.2 1.0 1.6 75 + ans 74.2 Réf Réf Sexe Hommes 91.5 Réf Réf Femmes 90.2 0.9 1.0 Type de ménage2 Vivant seul/isolé 92.7 1.6 1.5 Famille monoparentale 89.4 1.0 0.6 Couple sans enfant(s) 89.0 Réf Réf Couple avec enfant(s) 92.0 1.4 0.4 * Autre type ou type inconnu 85.6 0.7 0.4 Pays de naissance Belgique 90.5 Réf Réf Europe hors Belgique 94.7 1.9 * 2.1 * Non européen 89.3 0.8 1.4 Niveau d’éducation2 Pas de diplôme/enseignement primaire 76.6 0.1 * 0.4 * Secondaire inférieur 85.4 0.2 * 0.5 * Secondaire supérieur 91.0 0.4 * 0.7 Enseignement supérieur 96.2 Réf Réf Niveau de revenu (équivalent)2 1ste quintile 86.6 0.2 * 0.3 * 2ème quintile 88.7 0.2 * 0.4 3ème quintile 89.5 0.2 * 0.4 * 4ème quintile 95.8 0.6 0.8 5ème quintile 97.5 Réf Réf Tarif préférentiel pour l’assurance obligatoire Oui 86.1 0.5 * 1.4 Non 92.2 Réf Réf Maladie chronique (auto-rapportée) Oui 82.6 0.3 * 0.7 Non 94.2 Réf Réf Nombre de maladie(s) chroniques spécifiques 0 95.5 Réf Réf 1 92.3 0.6 * 0.7 2 89.4 0.4 * 0.4 * 3 ou plus 77.9 0.2 * 0.3 * Frais pour les soins de santé difficiles à prendre en charge dans le cadre du budget du ménage2 Oui 84.7 0.2 * 0.3 * Non 96.5 Réf Réf A dû postposer des soins pour des raisons financières2 Oui 88.2 0.7 1.2 Non 91.8 Réf Réf Mesure dans laquelle le ménage arrive à nouer les deux bouts avec le budget disponible au niveau du ménage2

Très difficilement 85.8 0.2 * 1.4 Difficilement 88.0 0.3 * 1.5 Assez difficilement 90.2 0.4 1.3 Assez facilement 93.2 0.6 1.0 Facilement 95.9 0.9 1.1 Très facilement 96.1 Réf Réf 1 Corrigé pour les autres variables reprises dans le modèle 2 Information mesurée au niveau du ménage

101

4. Evaluation des besoins de sante de la population et mesure de l’etat de sante

4.1 Introduction Ce chapitre concerne une étude de validation à propos de la prévalence des maladies chroniques en général en premier lieu, et de quelques maladies spécifiques ensuite. Le travail se fonde sur un couplage des données couplées de l’Enquête de Santé (HIS) et des données administratives receilllies par les organsimes assureurs (OA). Ce couplage permet de vérifier dans quelle mesure les définitions utilisées sur base des données des OA pour identifier les malades chroniques correspondent avec l’information (subjective) dont on dispose pour les mêmes personnes pour définir un malade chronique sur base des données du HIS.

Dans la deuxième partie de ce chapitre, le même travail est effectué pour vérifier les algorithmes utilisés pour identifier des patients souffrant de maladies chroniques spécifiques sur base des données des OA, et les comparer avec les informations du HIS. Quatre maladies ont été choisies pour cet exercice: diabète, maladies respiratoire obstructives chroniques, maladie de Parkinson et fracture de hanche.

4.2 Malades chroniques et Indicateurs administratifs généraux

Les maladies chroniques sont devenues, à l’échelle mondiale, une cause majeure de morbidité et de mortalité19. Face aux nombreux défis que posent ces maladies, les autorités belges s’organisent afin d’adapter au mieux leurs politiques, leurs budgets et leurs services pour répondre de manière « performante » aux « besoins » de santé existant20. En effet, dans l'optique de l'organisation des soins aux malades chroniques, une vision holistique et intégrée des soins est développée ; celle-ci est centrée sur l’idée qu'un malade chronique a des besoins (médicaux, psychologiques, etc.) qui évoluent parallèlement à sa (ou ses) maladie(s).

Une approche orientée sur les « besoins » en matière de santé n’exclut cependant pas totalement une réflexion centrée sur la « maladie » puisque l’évaluation des « besoins » au sein de la population nécessite en première instance :

19 http://www.who.int/nmh/publications/ncd_report_full_en.pdf 20 http://www.laurette-onkelinx.be/articles_docs/20080923_-_propositions_malades_chroniques_F.pdf

http://www.who.int/nmh/publications/ncd_report_full_en.pdf

http://www.laurette-onkelinx.be/articles_docs/20080923_-_propositions_malades_chroniques_F.pdf

102

1. D’identifier le (les) problème(s) et enjeux de santé au sein d’une population définie (par exemple, d’un point de vue « épidémiologique », « comparatif » ou « sociétal »21).

2. D’estimer la nature et l’étendue du (des) problème(s) en évaluant, entre autres, l’état de santé de la population concernée (problèmes de santé et/ou gains potentiels).

Ces aspects de l’évaluation des « besoins » en matière de santé posent, plus que jamais, la question de l’établissement d’un système d’information de soins de santé performant devant permettre le suivi et l’évaluation non seulement des « besoins » en matière de santé de la population mais aussi des services de soins de santé proposés (et leur coordination).

Ces aspects de suivi renvoient eux-mêmes à la problématique des « meilleures données disponibles », c’est-à-dire aux sources de données existantes et à l’évaluation de l’information qu’elles véhiculent. Cet enjeu est d’ailleurs particulièrement criant dans le cas des « maladies chroniques » compte tenu, précisément, de la prolifération des définitions de travail et des méthodologies/approches proposées.

De manière à soutenir le planning, la mise en place et l’évaluation des interventions, programmes et politiques axés sur les « besoins » des patients atteints de maladie chronique, il est donc primordial de disposer également d’une information valide et fiable au sujet de la nature et de la distribution du (des) problème(s) et des enjeux de santé que l’on se propose de surmonter.

Gardant ce dernier point à l’esprit, l’objet de la présente section est double :

1. Il s’agit tout d’abord d’évaluer la possibilité de produire une information valide au sujet de la prévalence des « malades chroniques » au sein de la population belge en utilisant pour ce faire une source de données indirecte, c’est-à-dire les données administratives émanant des organismes assureurs (OA).

2. Il s’agit simultanément de répondre au questionnement des services de l’INAMI, à savoir dans quelle mesure la définition d’un « patient souffrant de maladie chronique » fondée sur des critères administratifs et construite à partir de données de routine concernant l’utilisation des services de soins de santé (OA) correspond effectivement au statut auto-déclaré et aux informations sur la morbidité fournies par les mêmes répondants au sein d’une enquête en population générale, en l’occurrence l’Enquête de Santé belge (HIS) ? En somme, cette information concorde-t-elle, et à quel point ?

Dans ce cadre, l’appariement des données administratives des organismes assureurs et de l’Enquête de Santé belge offre une opportunité unique d’étudier conjointement ces différents aspects, c’est-à-dire de contribuer à l’analyse des « besoins » en matière de santé via, entre autres, la description de l’état de santé de la population (estimation du nombre

21 http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1113121/

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1113121/

103

de « malades chroniques » au sein de la population générale) et d’apprécier la qualité des informations fournies par une source administrative de données, comme celles provenant des organismes assureurs, au regard d’une autre source comme l’Enquête de Santé belge (estimation de la « validité » des informations issues des données administratives de santé).

Comme mentionné dans l’introduction, cette première partie a comme objectifs : 1. L’estimation du nombre de « malades chroniques » (d’un point de vue général) au

sein de la population belge à partir de données administratives concernant l’utilisation des services de soins de santé et émanant des organismes assureurs (OA) ;

2. L’appréciation de la qualité de cette information administrative et, plus spécifiquement, la « validité » de cette information au regard des données de l’Enquête de Santé belge (HIS). En l’essence, il s’agira surtout d’objectiver le degré de concordance de ces deux sources gardant à l’esprit la nature particulière de ces informations (information subjective collectée auprès de répondants dans le cadre de la HIS vs. information administrative et financière collectée par différents prestataires et gestionnaires de soins pour ce qui est des OA).

De manière à répondre à ces différents objectifs, différentes tâches seront mises en œuvre :

− Une première étape sera de définir le « phénomène étudié ». Dans ce cadre, deux buts seront poursuivis à partir d’une étude de la littérature scientifique :

a. Définir ce que l’on entend par « maladie chronique » ; b. Donner un bref aperçu des approches et indicateurs utilisés au sein d’études

s’attardant aux problèmes que posent les « maladies chroniques » et ciblant la population générale.

− A partir de là, une sélection des indicateurs se référant au statut de « malade chronique » sera opérée sur base de l’information disponible. Comme mentionné précédemment, deux sources de données (couplées) seront mobilisées ici :

a. Les indicateurs de l’Enquête de Santé belge (HIS). Les informations émanant de la HIS font référence à l’enquête de 2008 et sont définies comme « tests de référence » pour la validation des informations administratives se rapportant à la présence des malades chroniques au sein de la population belge.

b. Les indicateurs administratifs des organismes assureurs (OA) Pour les besoins du présent exercice, les informations issues des OA se rapportent aux données s’échelonnant de 2007 à 2009 (approche actuarielle) et sont définies comme « nouveaux tests » pour l’exercice de validation.

− Enfin, sur base d’une série de mesures ad hoc (sensibilité, spécificité, etc.), il s’agira d’évaluer la valeur informationnelle – la validité – des indicateurs administratifs des

104

organismes assureurs (OA), c’est-à-dire le degré avec lequel ces données administratives sont capables de restituer l’information telle que collectée au sein de la HIS. En d’autres termes : dans quelle mesure les différentes définitions et indicateurs construits sur base des données administratives et de l’Enquête de Santé belge coïncident ou au contraire divergent ? Et le cas échéant, expliquer ou interpréter les divergences constatées.

4.2.1 Les maladies chroniques : approches et mesures

L’étude des maladies chroniques reste une problématique large, complexe et importante pour une série d’acteurs22 :

− Les patients si l’on prend en considération la qualité de vie, la charge financière et familiale, etc.

− Les professionnels de la santé confrontés entre autres à la pluridisciplinarité, la comorbidité ou la continuité des soins.

− L’assurance maladie renvoyée à une série de défis comme l’accessibilité financière des soins et la pérennité d’un système universel d’assurance soins de santé.

− Et enfin, la société en général soucieuse de certaines valeurs et confrontée à une série d’orientations : égalité, solidarité, impact socio-économique, etc.

L’action publique nécessite néanmoins d’opérer une série de choix ; notamment sur la manière dont va être défini ce que l'on entend par « maladies chroniques » ou « malades chroniques » et sur les critères qui devront être mobilisés afin de baliser l’aide financière, etc. apportée (7).

Une partie de la confusion entourant le concept de « maladies chroniques » vient du fait que ce terme apparaît sous différentes appellations et dans différents contextes. Parfois, dans la littérature anglo-saxonne, le terme de « maladies non-transmissibles » (« non-communicable diseases ») est utilisé afin de distinguer les affections étudiées des « maladies infectieuses », « transmissibles » (« communicable diseases »). Parfois, on retrouve le label « lifestyle-related » diseases pour marquer la contribution de certains comportements ou modes de vie sur le développement de la maladie23.

De manière générale, selon l’Organisation Mondiale de la Santé (OMS), les maladies chroniques sont des maladies de longue durée, affichant généralement une progression lente. Selon cette même source, les maladies chroniques comme les maladies cardiovasculaires, neurologiques, pulmonaires ou le diabète seraient de loin la cause la plus importante de mortalité à travers le monde, responsables de 63% de tous les décès répertoriés24.

22 http://www.inami.fgov.be/information/fr/studies/study57/pdf/study5703.pdf 23 http://www.who.int/chp/chronic_disease_report/full_report.pdf 24 http://www.who.int/topics/chronic_diseases/en/

http://www.inami.fgov.be/information/fr/studies/study57/pdf/study5703.pdf

http://www.who.int/chp/chronic_disease_report/full_report.pdf

http://www.who.int/topics/chronic_diseases/en/

105

De manière générique, les maladies chroniques sont donc des maladies non-transmissibles, dont la durée reste longue ou prolongée, qui ne se guérissent pas de manière spontanée et qui sont rarement guéries complètement25.

D’autres approches soulignent encore que ce terme se rapporte à des « malades de longue durée qui en fonction de certains critères peuvent bénéficier de conditions particulières en matière de soins » 26ou encore que cet état se rapporte à « un épisode de traitement pour une maladie spécifique lequel s’étend sur une longue période et est si sérieux que sans traitement, les activités ordinaires de la vie quotidienne au regard de l’âge et du sexe du patient seraient entravées de manière significative et sur une longue période »27. Le terme « chronique » ne dirait donc rien sur le degré de gravité de la maladie, ou le stade de la maladie qui a été atteint.

Le terme crée donc l’impression d’une catégorie de patients homogène et clairement définie. Cependant, lorsqu’on y regarde de plus près, il existe une diversité importante d’« états » chroniques ayant des implications extrêmement divergentes en termes de qualité de vie ou en matière de soins.

Prenant en considération l’ensemble des appellations, le terme de « maladies chroniques » est néanmoins préféré dans la mesure où celui-ci souligne une série de caractéristiques partagées par l’ensemble des maladies et affections qu’il désigne28 :

− Les épidémies de maladies chroniques mettent des années avant d’être clairement établies, elles prennent leur source aux âges les plus jeunes

− Compte tenu de leur longue durée, de nombreuses opportunités existent en matière de prévention

− Ces maladies requièrent une approche systématique et de long-terme en matière de traitement

− Les services de soins de santé doivent intégrer leur action face à ces maladies en rapport avec leur action sur les affections aigues et les maladies infectieuses.

Ainsi, les définitions fournies exhibent un haut niveau d’hétérogénéité fonction des nombreuses caractéristiques envisagées comme la durée de la maladie ou sa latence, le besoin plus ou moins important d’attention médicale requise, l’impact fonctionnel, la pathologie, l’impact sur le bien-être, la nature non-contagieuse de la maladie, les multiples facteurs de risque, et souvent l’impossibilité d’une guérison complète et définitive.

Cependant, bien que la littérature ne soutienne pas une définition unique, unanime et uniforme de ce qu’est effectivement une « maladie chronique », les critères qui reviennent régulièrement incluent l’association avec des problèmes de santé récurrents et persistants,

25 http://www.cdc.gov/chronicdisease/resources/publications/aag/chronic.htm 26 https://www.riziv.be/fr/glossary/index.htm#m 27 http://cat.inist.fr/?aModele=afficheN&cpsidt=15044218 28 http://www.who.int/chp/chronic_disease_report/full_report.pdf

http://www.cdc.gov/chronicdisease/resources/publications/aag/chronic.htm

https://www.riziv.be/fr/glossary/index.htm#m

http://cat.inist.fr/?aModele=afficheN&cpsidt=15044218

http://www.who.int/chp/chronic_disease_report/full_report.pdf

106

une durée mesurée en mois ou années (pas en jours ou en semaines) et un impact relatif sur la qualité de vie et les activités de la vie quotidienne (limitations fonctionnelles).

La conséquence première d’une telle profusion conceptuelle est la multiplication et la variété des listes et des instruments de mesure fournis lesquels posent une série de problèmes en termes d’exactitude et de précision notamment pour l’estimation de la magnitude de certaines caractéristiques, comme l’occurrence, la charge de morbidité (« burden of disease ») ou les coûts associés. Ainsi, comme l’indique la littérature29 « although preventing and mitigating the effect of chronic conditions requires sufficient measurement capacities, such measurement has been constrained:

− by lack of consistency in definitions and diagnostic classification schemes (e.g. self-report, International Classification of Diseases [ICD] coding, Clinical Classifications Software [CCS])

− by the heterogeneity in data systems and methods of data collection in different population groups in different settings ».

Jusqu’ici, différentes approches ont été utilisées afin de mesurer la prévalence et les conséquences engendrées par la présence d’affections chroniques et de maladies chroniques ; conduisant à une grande variabilité des estimations de la prévalence de ces maladies et à des problèmes de comparabilité des données30. Cependant, si on y regarde de plus près, on constatera que les perspectives adoptées pour la mesure du phénomène ne sont pas infinies.

Ainsi, lorsqu’on s’attache aux instruments de mesure, plusieurs options sont relayées par la littérature :

• L’utilisation de caractéristiques ad hoc comme la durée de l’affection ou de la maladie;

• L’utilisation de listing dits « de consensus » sur la nature de telle ou telle maladie ou affection;

• L’utilisation de références émanant d’organisations internationales et/ou faisant autorité sur la question ;

• L’utilisation de la logique de certains schèmes ou systèmes de classification.

29 http://www.cdc.gov/Pcd/issues/2013/12_0239.htm 30 http://jama.jamanetwork.com/article.aspx?articleid=207703

http://www.cdc.gov/Pcd/issues/2013/12_0239.htm

http://jama.jamanetwork.com/article.aspx?articleid=207703

107

4.2.2 Sélection des indicateurs de « maladie chronique »

4.2.2.1 Données des OA

Trois indicateurs de « maladie chronique » ont été sélectionnés afin de répondre aux nécessités de la présente analyse. Ces indicateurs ont été choisis dans la mesure où ils renvoient à d’importantes initiatives lancées au niveau fédéral dans le cadre du programme « priorité aux malades chroniques »31 en vue d’améliorer l’accessibilité aux soins de santé pour les malades chroniques. Il s’agit, plus spécifiquement, des indicateurs relatifs au MAF « malade chronique »32, au « statut malade chronique », et au forfait « malade chronique »33.

• Le « MAF maladie chronique » est attribué si la contribution financière personnelle de l’assuré (et de son ménage) a été de plus de 450 Euros au cours de deux années consécutives (et ce indépendamment du niveau de revenu). Dans un tel cas, un réduction de 100 Euros est accordée au ménage à partir de la 3ème année. Les membres du ménage reçoivent alors automatiquement le statut “malade chronique”.

• Le « statut malade chronique » est attribué si les dépenses pour des soins de santé d’un assuré atteint au moins 300 Euros par trimestre et ce pendant huit trimestres consécutifs (qui comprennent 2 années calendrier). Les dépenses prise en considération comprennent aussi bien la partie remboursée par l’organisme assureur que le ticket modérateur. Le statut « malade chronique » est automatiquement attribué aux personnes qui bénéficient du « forfait malade chronique ».

• Le « forfait malade chronique » est attribué aux personnes qui en raison de leur état de santé sont très dépendantes de tierces personnes et ont des dépenses importantes en matière de soins de santé. Le forfait est attribué si le montant des dépenses aussi bien pour l'année civile concernée que pour l'année précédente atteint 450 euros/an pour un patient malade chronique qui ne bénéficie pas de l'intervention majorée ou 365 euros/an pour un patient malade chronique qui bénéficie de l'intervention majorée. La personne doit en outre répondre à un certain nombre de conditions en termes de dépendance.

Ces trois indicateurs sont décrites d’un point de vue technique dans le Tableau 34, avec la manière dont ces informations sont enregistrées dans la base de données des OA (base de données qui fait partie intégrante de la base de données couplées - HISLINK).

31 http://www.laurette-onkelinx.be/articles_docs/20110330_-_EDL_Priorite_aux_malades_chroniques.pdf 32 http://www.inami.fgov.be/news/fr/press/pdf/press20100722.pdf 33 http://www.gls-sisd.be/documents/documents/Lesforfaitsdesoins.pdf

http://www.laurette-onkelinx.be/articles_docs/20110330_-_EDL_Priorite_aux_malades_chroniques.pdf

http://www.inami.fgov.be/news/fr/press/pdf/press20100722.pdf

http://www.gls-sisd.be/documents/documents/Lesforfaitsdesoins.pdf

108

Tableau 34. Liste des indicateurs de « maladie chronique » sélectionnés au sein des données de l’AIM, Belgique

Label Nom de la variable Description des valeurs possibles Indicateur Nature de

l’indicateur

1. Droit MAF maladies chroniques

PP3014 0 = indique que le plafond MAF du membre est inchangé.

1 = indique que le plafond MAF du membre est baissé de 100€ parce qu’il a personnellement atteint 450€ de tickets modérateurs deux années de suite c.-à-d. que c’est ce membre du ménage qui a personnellement le « Droit MAF Maladies Chroniques ».

2 = indique que le plafond MAF du membre est baissé de 100€ parce qu’un membre du ménage dont il fait partie a personnellement le « Droit MAF Maladies Chroniques »

Si PP3014 = 1 alors l’indicateur de maladie chronique MAF_CHR = 1 (présence d’une maladie chronique)

Si PP3014 = 0 ou 2 alors l’indicateur de maladie chronique MAF_CHR = 0 (pas de maladie chronique)

Le statut MAF renvoi à l’année comptable 2009. Cette information n’est en effet pas disponible pour les années précédentes.

dichotomique

2. Statut maladie chronique

SS00060

SS00160 PROCEDURE_AH_CAT

Cet indicateur englobe :

1/ Le « forfait malade chronique »

2/ La consommation/dépenses de soins de santé (critère financier). Globalement, on considère les dépenses liées au statut « bénéficiaire de l’intervention majorée » (BIM) et celles liées aux dépenses hors BIM. On examine ici non seulement les montants de remboursement (SS00060) mais également les montants de l’intervention personnelle (SS00160). On exclut cependant les suppléments (SS00165). Notons que ces dépenses sont limitées à l’ambulatoire et aux hospitalisations (AH_CAT=1 ou 2). Certaines dépenses liées au MAF sont également prises en considération (SS00020 = 781616, 781631, 781653, 781675, 781690, 781712, 781734, 781756). Les dépenses liées aux spécialités pharmaceutiques remboursées délivrées en officine publique (Pharmanet) sont également comptabilisées.

L’indicateur de maladie chronique = 1 (présence d’une maladie chronique) si les dépenses personnelles de soins de santé excèdent 300 euros chaque trimestre durant les 8 trimestres précédents (2 ans).

L’indicateur de maladie chronique = 0 (pas de maladie chronique) si ce n’est pas le cas.

Les dépenses considérées ici s’étalent donc sur 2007 et 2008.

dichotomique

109

3. Forfait

malade chronique

SS00020

SS00060

Cette variable englobe les montants de remboursement (SS00060) liés aux « pseudocodes » suivant :

SS00020 = 740014, 740036, 740051, 740073, 740095, 740110, 740132, 740154, 740176, 740235.

Les dépenses prises en considération se rapportent à l’année comptable 2008.

L’indicateur de maladie chronique = 1 (présence d’une maladie chronique) si la personne a enregistré une dépense de ce type au cours de la période.

L’indicateur de maladie chronique = 0 (pas de maladie chronique) si aucune dépense relevant des pseudocodes n’a été enregistrée au cours de la même période.

dichotomique

4.2.2.2 Indicateurs de l’Enquête de Santé 2008

Trois indicateurs ont été sélectionnés sur base des critères établis au niveau de la littérature scientifique, afin de circonscrire le groupe des « malades chroniques » au sein de la population générale : 1) « les personnes avec des limitations dans la vie quotidienne » (MB_1), 2) « les personnes avec une maladie chronique spécifique »(MA_1) et 3) « les personnes qui consomment beaucoup de médicaments » (DR_1):

• Le premier indicateur (MB_1) se concentre explicitement sur les « maladies chroniques » sans pour autant donner une définition précise du phénomène. La série de questions qui sous-tend cet indicateur (MB01, MB03 et MB04) laisse effectivement au répondant le soin de définir lui-même s’il « souffre d’une ou plusieurs maladies de longue durée, d’affections de longue durée ou de handicaps » et s’il est éventuellement « limité » ou « confiné » dans les activités de la vie quotidienne en raison de cette(ces) maladie(s), affection(s) ou handicap(s).

• Le deuxième indicateur (MA_1) se concentre sur 6 grands groupes de maladies ou « chronic conditions » (8) : 1) des troubles musculo-squelettiques ; 2) des maladies des poumons ; 3) des désordres neurologiques ; 4) des maladies cardiovasculaires ; 5) du diabète ; 6) du cancer34. A partir d’une liste de 36 affections chroniques (MAXX_3), 6 groupes ont ainsi été construits reprenant 14 maladies/affections que l’on trouve dans la liste de l’Enquête de Santé. Ces maladies ont été sélectionnées en

34 “Musculoskeletal diseases are defined as "severe back problems, longer than 3 months, or slipped disc"; "osteoarthritis of knees, hips, or hands"; "arthritis, rheumatoid arthritis of hands or feet"; and "other chronic arthritis of joints. Lung diseases are defined as "asthma," "chronic bronchitis," and "chronic obstructive pulmonary disease. Neurological diseases are defined as "epilepsy," "dizziness with "falling," and "stroke." Heart diseases are defined as "severe heart problem" and "myocardial infarction."

110

raison de leur prévalence, du risque en matière de mortalité et/ou d’invalidité, et de la consommation de soins qui y est potentiellement associée. Un indicateur de comorbidité est construit sur cette base ; il indique si la personne présente au moins une affection chronique relevant d’un seul groupe de maladies vs. de plusieurs groupes, ou si la personne ne présente aucune affection chronique (parmi les six groupes définis).

• Enfin, un dernier indicateur (DR_1) est construit sur base de la consommation de médicaments au cours des dernières 24 heures précédant l’entretien (DR05, DR06). Sont considérés ici aussi bien les médicaments prescrits que les médicaments non prescrits. L’indicateur (DR_1) reflète la littérature sur la « polypharmacie » utilisée comme indicateur de « maladie chronique » au sein de la population générale (9;10). Les revues de littérature consultées font état de plusieurs définitions (c’est-à-dire de plusieurs « seuils ») en fonction de la population ciblée (population générale, personnes âgées, etc.). En ce qui concerne la population générale, deux seuils sont le plus souvent utilisés : a) la consommation de 5 médicaments ou plus et b) 9 médicaments ou plus, avec une large majorité se référant à la première définition (un seuil de 5+). L’indicateur qui sera utilisé ici définit donc comme « malade chronique » les personnes ayant déclaré avoir consommé cinq médicaments ou plus au cours des dernières 24 heures précédant l’entretien.

Il a été décidé de construire deux indicateurs supplémentaires; ceux-ci permettent de synthétiser l’information des trois précédents de différentes manières :

• L’indicateur SER permet de vérifier si la personne interrogée dans le cadre du HIS est à la fois limitée dans la vie quotidienne (MB_1), mais déclare aussi souffrir de maladie chronique (MA_1) et consommer au moins 5 médicaments (DR_1)

• L’indicateur PAR permet de vérifier si la personne interrogée dans le cadre du HIS répond au moins à l’un des trois critères : si au moins elle est soit limitée dans la vie quotidienne (MB_1), soit si elle déclare aussi souffrir de maladie chronique (MA_1) ou soit consommer au moins 5 médicaments (DR_1).

Le Tableau 35 décrit ces indicateurs d’un point de vue technique, avec la manière dont ces informations sont enregistrées dans la base de données HIS (base de données qui fait partie intégrante de la base de données couplées - HISLINK).

111

Tableau 35. Description des indicateurs sélectionnés, HISLINK, Belgique, 2008

Label Variables Indicateur Description Nature

1.

Restrictions dans les activités de la vie quotidienne

MB01 MB03 MB04 MB_135

MB_3C (dichotomisé par la suite)

1 = Présence d’une maladie chronique avec restrictions légères, moyennes ou graves 2 = Présence d’une maladie chronique sans restrictions 3 = Absence de maladie chronique

ordinale

2.

Maladie chronique (morbidité-comorbidité)

MAXX_3 Liste des affections chroniques (6 groupes)

MA_1 (dichotomisé par la suite)

1 = Présence de plusieurs maladies chroniques relevant de plusieurs groupes de maladies 2 = Présence d’une/plusieurs maladie(s) chronique(s) relevant d’un seul groupe de maladies 3 = Absence de maladie chronique

ordinale

3. Polypharmacie DR05 DR06 DR_1D

1 = Présence d’une maladie chronique (consommation de 5 médicaments ou +) 2 = Absence de maladie chronique

dichot.

4.

Maladie chronique (interprétation en séries)

MB_1 MA_1 DR_1

SER 1 = Présence d’une maladie chronique (Si parmi MB_1, MA_1 et DR_1 tous les indicateurs sont « positifs ») 2 = Absence de maladie chronique

dichot.

5.

Maladie chronique (interprétation parallèle)

MB_1 MA_1 DR_1

PAR 1 = Présence d’une maladie chronique (Si parmi MB_1, MA_1 et DR_1 au moins un indicateur est « positifs ») 2 = Absence de maladie chronique

dichot.

Les données qui ont été utilisées pour cette étude (n : 9990) se rapportent à la population belge et plus spécifiquement aux personnes qui, simultanément:

• ont participé à l’Enquête de Santé belge de 2008 et rempli l’ensemble des questionnaires proposés dans l’enquête (notons qu’un enregistrement a été éliminé car il s’agissait d’un ménage ayant participé deux fois à l’Enquête de Santé belge de 2008)

• pour lesquelles on dispose effectivement de données couplées, c’est-à-dire des données administratives de consommation émanant des organismes assureurs (OA) et des données de l’Enquête de Santé 2008.

Les données des organismes assureurs (données de population et de consommation) prises en considération pour le calcul des différents indicateurs administratifs (OA) renvoient aux enregistrements effectués pour les années comptables 2007 à 2009.

Notons enfin que, ayant construit l’ensemble des indicateurs administratifs (OA) et les indicateurs de dichotomiques de l’Enquête de Santé belge (HIS), et considérant l’objectif

35 Valeurs de MB_1: 1 = Serious restriction; 2 = Moderate restriction; 3 = Mild restriction; 4 = Presence of chronic disease without restriction; 5 = Absence of chronic disease.

112

principal de l’étude (c.-à-d. la validation des mesures administratives), il a été décidé d’exclure les observations ne présentant pas une information complète pour l’ensemble des indicateurs construits, c’est-à-dire les indicateurs administratifs (OA) et les indicateurs de l’enquête (HIS).

4.2.3 Etude de validité

4.2.3.1 Introduction

Il a déjà été mentionné auparavant que les indicateurs provenant du HIS seraient considérés/utilisés comme « gold standard » ou « référence ». Cela se base donc sur l’idée que l’enquête de santé et les indicateurs qui en découlent représentent une image parfaite de la réalité, autrement dit que ces informations sont valides à 100%.

La question centrale qui se pose ici est de savoir si et dans quelle mesure les indicateurs basés sur les données des OA correspondent avec les résultats des indicateurs basés sur les données du HIS. Une telle concordance doit se vérifier au niveau individuel (pour chacune des personnes interrogées dans le cadre du HIS).

On va donc vérifier en pratique si un individu considéré comme malade chronique dans le cadre du HIS l’est aussi si l’on se base sur les données des OA pour ce même individu. Différentes possibilités se présentent si l’on analyse la situation ; celles-ci sont figurent au Tableau 36.

Tableau 36. Plan d’évaluation d’un nouvel instrument de mesure par rapport à un instrument de référence

Indicateurs de référence (HIS)

Malades (M+) Non-malades (M-)

Indicateurs OA Positif (T+) Vrais positifs (a) Faux positifs (b) (a + b)

Négatif (T-) Faux négatifs (c) Vrais négatifs (d) (c + d)

(a + c) (b + d) N

Il existe de nombreux outils statistiques qui permettent de vérifier la validité d’un nouvel instrument de mesure (il s’agit ici des indicateurs de “malade chronique” développé sur base des données des OA) par rapport à un instrument de référence (ici les indicateurs de “malade chronique » utilisés dans le cadre du HIS). La philosophie de base est assez simple : on vérifie si un individu appartenant à une catégorie en fonction de l’indicateur de référence, fait partie de la même catégorie si l’on se base / utilise le nouvel instrument de mesure. Dans le cas d’indicateurs binaires (du type oui-non, malade-pas malade), la validité peut être vérifiée notamment par les tests / analyses suivant(e)s :

113

• Kappa (aussi appelé coefficient Kappa de Cohen) : il s’agit d’une méthode de mesure permettant de vérifier la concordance intra- et inter-observer. Il est utilisé ici pour vérifier la concordance entre l’instrument de référence et le nouvel instrument, et tient compte du pourcentage de chance que par hasard les résultats soient concordants :

o un Kappa = 0 signifie que la concordance entre les deux instruments est tout à fait liée au hasard (et donc que le nouvel instrument n’est pas valide)

o un kappa = 1 signifie qu’il y a une concordance parfaite entre les deux instruments.

Le Tableau 37 spécifie les niveaux de concordance tels que mesuré par le coefficient Kappa.

Tableau 37. Niveaux de concordance tels que mesurés par le coefficient Kappa

Kappa Concordance

< 0 0.01-0.20 0.21-0.40 0.41-0.60 0.61-0.80 0.81-0.99

Niveau plus faible que simplement par chance Faible Bonne Modérée Substantielle Presque parfaite

• Sensibilité et spécificité : la sensibilité (Se) permet d’estimer la proportion des vrais positifs parmi les sujets malades ou, en termes de statistiques conditionnelles, la probabilité d’avoir un résultat positif au « nouveau test » dans la population malade (golden standard). La spécificité (Sp) correspond quant à elle à la proportion des vrais négatifs parmi les sujets non malades ou, en termes de statistiques conditionnelles, la probabilité d’avoir un résultat négatif au « nouveau test » dans la population non malade (golden standard).

• Les valeurs prédictives (VP) cherchent à évaluer les chances d’avoir, par le nouvel instrument, un jugement correct de l’existence ou non de la maladie. La valeur prédictive dépend des caractères propres du nouvel instrument mais également de la prévalence de la maladie étudiée. Dans ce cadre, la valeur prédictive positive (VP+) est la proportion de vrais positifs sur l’ensemble des sujets positifs au nouveau test. Elle correspond à la probabilité qu’un sujet soit réellement malade lorsque le résultat du nouveau test est positif. La valeur prédictive négative (VP-) est alors définie comme la proportion de vrais négatifs sur l’ensemble des sujets négatifs au nouveau test et correspond à la probabilité que le sujet soit vraiment non malade quand le résultat du nouveau test est négatif.

http://os1.amc.nl/mediawiki/index.php?title=Diagnostisch_onderzoek#Hoe_analyseer_ik_de_betrouwbaarheid_van_mijn_meetmethode.3F

114

• Rapport de vraisemblance : pour un indicateur binaire, il est possible d’étudier deux rapports de vraisemblance. Le rapport de vraisemblance du résultat positif (LR+) est égal au rapport de la proportion de tests positifs chez les malades sur la proportion de tests positifs chez les sujets non malades et signifie que le test positif est (LR+) fois plus fréquent dans la population malade que dans la population non-malade. La valeur « diagnostique » d’un test positif sera d’autant plus appréciable que (LR+) sera grand. Le rapport de vraisemblance du résultat négatif (LR-) est égal au rapport de la proportion de tests négatifs chez les malades sur la proportion de tests négatifs chez les sujets non malades ; il signifie que le test négatif est (LR-) fois moins fréquent dans la population malade que dans la population non malade. Logiquement, la valeur « diagnostique » d’un test négatif sera d’autant meilleur que (LR-) sera proche de zéro.

4.2.3.2 Etude de validation des indicateurs « malade chronique»

4.2.3.2.1 Prévalence des maladies chroniques sur base des données des OA et du HIS

Les données de l’Enquête de Santé (HIS) et celles des organismes assureurs (OA) permettent de donner un aperçu de la présence des malades chroniques au sein de la population belge.

Si l’on s’en tient aux données administratives des OA (qui se rapportent aux mesures sociales visant l’accès aux soins pour les patients atteints d’une maladie chronique), on remarque que le pourcentage de personnes dites « malades chroniques » oscille entre 1,75% et 7,85% en fonction de la mesure / de l’indicateur étudié(e) (Tableau 38). Ainsi, presque 8% de la population a droit au « statut malade chronique » tandis que 5% bénéficie du droit au « MAF malade chronique ». Enfin, on observe que moins de 2% de la population belge est concernée par le « forfait malade chronique ».

Les données de l’Enquête de Santé montrent – si l’on prend comme référence les mesures dites « générales » – que le pourcentage de « malades chroniques » varie entre 10,23% et 29,52% du total de la population. De fait, près de 27% de la population déclare souffrir d’au moins une affection, d’une maladie chronique ou d’un handicap induisant, ou non, des restrictions au niveau des activités de la vie quotidienne. De même, presque un tiers de la population (29,52%) déclare souffrir d’au moins une maladie chronique spécifique reprise dans la liste établie (cf. section méthodologique). Enfin, la « polypharmacie » - comme indicateur de maladie chronique – reste un phénomène assez fréquent avec près de 10% de la population belge concernée.

Parallèlement, on observe une grande variation dans la prévalence des « malades chroniques » sur base des mesures « composites » construites à partir des données de l’Enquête de Santé belge. Ainsi, si on considère les mesures dites « en séries » (SER- fondées

115

sur la conjonction des différentes mesures « générales »), on observe que la proportion de « malades chroniques » oscille entre 6,6% et 16,9% de la population alors que les mesures dites « parallèles » (PAR - fondées sur l’inclusion d’au moins une des mesures « générales ») renvoient à des niveaux allant de 40% à 41%.

Cette grande variation dans les résultats obtenus sur base des mesures « composites » indique que les groupes de malades ciblés par les différentes mesures « générales » ne se superposent pas totalement, loin de là.

Cette constatation n’est néanmoins pas illogique compte tenu des différentes définitions utilisées au sein de l’Enquête de Santé. En effet, une personne se déclarant elle-même de « malade chronique », peut effectivement ne pas souffrir d’une des maladies chroniques spécifiques sélectionnées et/ou ne pas être soumise à une consommation de médicaments importante (c’est-à-dire l’utilisation d’au moins cinq médicaments par jour) pour le traitement de son état, et vice versa.

Tableau 38. Prévalence des maladies chroniques en fonction de différents indicateurs, base de données couplées HIS-OA, Belgique, 2008.

Oui Non

N % N % Erreur Standard

OA-indicateurs

MAF malade chronique 659 4,95 9.331 95,05 0,32

Forfait malade chronique 229 1,75 9.761 98,25 0,18

Statut malade chronique 1.194 7,85 8.796 92,15 0,37

HIS-indicateurs

Restrictions dans les activités de la vie quotidienne

3.237 27,36 6.753 72,64 0,67

Affection ou maladie chronique spécifique

3.484 29,52 6.506 70,48 0,69

Polypharmacie 1.482 10,23 8.508 89,77 0,42

SER 971 6,60 9.019 93,40 0,34

PAR 4.676 40,89 5.314 59,11 0,77

4.2.3.2.2 Convergence de l’information issue de la HIS en des OA

ANALYSE DE CONCORDANCE : LE COEFFICIENT KAPPA DE COHEN

116

De manière générale, on note une concordance des mesures de « maladie chronique » issues de l’Enquête de Santé et des OA exprimant un degré d’accord allant de « mauvais » (κ=0.01-0.20) à « modéré » (κ=0.41-0.60) (voir Tableau 39).

Pour l’ensemble des mesures « générales » sélectionnées au sein de l’Enquête de Santé, les plus forts taux de concordance s’observent pour le « statut malade chronique » (κ=0.26-0.46). Dans ce cadre, c’est le classement entre l’indicateur de « polypharmacie » et le « statut malade chronique » qui donne lieu au plus fort degré d’accord, avec 46% de classements concordants.

L’analyse des mesures « composites » reflète ce qui a déjà été mentionné plus haut. Les plus haut niveaux de consensus s’observent, de manière générale, pour le « statut malade chronique » (κ=0.23-0.44). On note également une plus grande concordance entre le « statut malade chronique » et les mesures dites « en série » – basées sur la conjonction des différents critères de « maladie chronique » sélectionnés au sein de l’Enquête de Santé – avec 44% et 37% de classements concordants (respectivement pour la mesure prenant en considération, ou pas, la « polypharmacie »).

De manière globale, et quelle que soit l’indicateur de référence sélectionné au sein de l’Enquête de Santé, l’efficacité des mesures fondées sur les critères du « MAF malade chronique » ou du « forfait malade chronique » semble moins bonne; ces mesures affichent en effet systématiquement un plus faible degré de concordance avec l’information fournie par l’Enquête de Santé (κ=0.05-0.31).

Une analyse plus approfondie des coefficients de concordance, par sexe et par âge, confirme les résultats exposés plus haut. On n’observe en effet pas de variation du degré de concordance entre les différentes mesures en fonction du sexe ou de l’âge du répondant (cf. Annexe 7).

SENSITIVITÉ (SE), SPÉCIFICITÉ(SP), VALEUR PRÉDICTIVE POSITIVE (VPP), VALEUR PRÉDICTIVE NÉGATIVE (VPN)

Globalement, on observe que la spécificité – c’est-à-dire le proportion de « vrais négatifs » parmi les sujets qui ne sont pas « malade chronique » selon la HIS – reste assez élevée (plus de 95%) pour toutes les mesures / indicateurs des OA et quel que soit l’indicateur HIS pris en considération (voir Tableaux 40).

La sensibilité des indicateurs OA– ou la proportion de « vrais positifs » parmi les sujets malades chroniques selon la HIS – reste, quant à elle, globalement assez faible puisqu’elle varie de 5% à 44% lorsqu’on considère les indicateurs « généraux » issus de l’Enquête de Santé, et de 4% à 53% lorsqu’on s’attarde aux mesures « composites ».

De manière générale, on remarque que les mesures se basant sur le « statut malade chronique » affichent une plus grande sensibilité. Ces mesures restent, en effet, plus promptes à discriminer les personnes déclarant souffrir d’une maladie chronique au sein de la HIS que les indicateurs basés sur le « MAF malade chronique » ou le « forfait malade

117

chronique ». Dans ce cadre, les meilleures performances sont enregistrées lorsque l’on compare les indicateurs des OA aux indicateurs de l’Enquête de Santé prenant en considération la « polypharmacie » comme critère d’identification de malades chroniques: l’indicateur « statut maladie chronique » permet par exemple d’identifier 44% des personnes définies comme malades chroniques selon la HIS, quasi un malade sur deux donc. Ce niveau de sensibilité n’est pas surprenant dans la mesure où l’indicateur renvoyant à la « polypharmacie » (HIS) se rapporte à la consommation de soins/médicaments des personnes, tout comme les données administratives des OA. Cependant, alors que les données OA prennent en considération les spécialités pharmaceutiques le plus souvent remboursées obtenues en officine publique (qu’elles soient consommées ou non), les données de l’Enquête de Santé tiennent compte de la consommation effective de ces médicaments. Il ne faut pas oublier en outre que les données du HIS prennent aussi en considération les médicaments non remboursés, ce qui n’est bien entendu pas le cas pour la base de données des OA. On voit donc que les deux définitions ne se superposent pas totalement ce qui peut, en partie, expliquer les divergences constatées.

La proportion de sujets bien classés (BC) par rapport aux indicateurs de référence HIS – vrais positifs ou vrais négatifs – montre que les indicateurs OA ont globalement d’assez bonnes performances. Ici aussi on observe également un plus haut niveau de sujets bien classés par rapport aux indicateurs de l’Enquête de Santé prenant en considération la « polypharmacie ». Dans ce cadre, la proportion de sujets bien classés atteint même 90%.

La valeur prédictive positive (VP+) est globalement similaire pour tous les indicateurs OA quel que soit l’indicateur HIS de référence considéré. Notons que la VP+ dépend des caractéristiques propres du nouveau test mais également de la prévalence de la « maladie » étudiée. Dans ce cadre, il n’est pas étonnant de constater une VP+ moins élevée pour les indicateurs de maladie chronique prenant en considération la « polypharmacie » ; ce phénomène est en effet moins fréquent au sein de la population générale et ce. La VP+ est donc assez moyenne alors même que les indices de sensibilité et de spécificité de ces mesures affichent des niveaux assez hauts.

Enfin, on remarque que la valeur prédictive négative (VP-) reste également assez similaire pour l’ensemble des indicateurs OA.

En somme, les indicateurs basés sur les données des OA demeurent globalement assez performants lorsqu’il s’agit de discriminer les personnes n’étant pas définies comme malades chroniques au sein de la HIS (spécificité élevée). Le niveau de sensibilité reste par contre cependant assez faible et ce, qu’elle que soit la mesure HIS de référence considérée.

De même, si les mesures basées le « statut maladie chronique » semblent manifestement plus performantes lorsqu’il s’agit de caractériser les personnes « malades chroniques » (sensibilité plus élevée), il reste que cette mesure ne se distingue pas nettement des autres en termes de spécificité ou de valeur prédictive.

118

En résumé, on note que l’analyse des coefficients Kappa a démontré un plus haut niveau de concordance entre le classement induit par le « statut malade chronique » et celui des mesures de l’Enquête de Santé. De plus, cette mesure affiche des indices de sensibilité et de spécificité globalement élevés par rapport aux autres indicateurs basés sur les données des OA, que ce soit le « forfait malade chronique » ou le « MAF malade chronique ». De même, les valeurs prédictives positives et négatives de l’indicateur « statut malade chronique » sont au moins similaires aux autres indicateurs (MAF et forfait). Il semble donc, si on se base sur l’analyse et les résultats qui précèdent, que c’est bien la mesure fondée sur le « statut malade chronique » qui, globalement, relaie l’information de l’Enquête de Santé de la façon la plus adéquate.

Tableau 39. Coefficient Kappa de concordance des indicateurs « malade chronique » des différents indicateurs OA avec les indicateurs HIS comme référence, base de données couplées HIS-OA, Belgique, 2008.

Restrictions Maladies spécifiques Polypharmacie

Kappa IC95% Kappa IC95% Kappa IC95%

Forfait malade chronique 0.08 0.07-0.09 0.06 0.05-0.07 0.13 0.11-0.15

MAF malade chronique 0.17 0.15-0.18 0.15 0.13-0.16 0.31 0.28-0.33

Statut malade chronique 0.31 0.29-0.33 0.26 0.24-0.28 0.46 0.44-0.49

SER PARA SER_1 PARA_1

Kappa IC95% Kappa IC95% Kappa IC95% Kappa IC95%

Forfait malade chronique 0.17 0.14-0.20 0.05 0.04-0.05 0.11 0.09-0.13 0.05 0.04-0.06

MAF malade chronique 0.31 0.28-0.34 0.12 0.11-0.14 0.22 0.20-0.24 0.12 0.11-0.13

Statut malade chronique 0.44 0.41-0.46 0.24 0.22-0.25 0.37 0.35-0.40 0.23 0.22-0.25

119

Tableau 40. Concordance entre les indicateurs basés sur les données des OA par rapport à l’indicateur de référence HIS (n = 9990), base de données couples OA-HIS, Belgique, 2008.

FORFAIT MAF STATUT

Estim. IC95% Estim. IC95% Estim. IC95%

Référence HIS : restrictions dans les activités de la vie quotidienne (MB_2C)

Sensitivité 5.77 4.60-6.93 13.91 12.05-15.77 23.70 21.54-25.86 Spécificité 99.76 99.62-99.89 98.42 98.05-98.79 98.12 97.75-98.48 VPP 89.98 84.55-95.42 76.84 71.95-81.74 82.57 79.41-85.72 VPN 73.76 72.45-75.06 75.22 73.94-76.50 77.35 76.08-78.61

Référence HIS : au moins une affection ou une maladie spécifique (MA_1D)


Référence HIS : polypharmacie (DR_1D)


Référence : interprétation « en série », 3 indicateurs HIS (SER) ; n = 9990


Référence HIS : interprétation « parallèle », 3 indicateurs HIS (PARA)


Référence HIS : interprétation « en série », 2 indicateurs HIS (SER_1 sans polypharmacie)


Référence HIS : interprétation « parallèle », 2 indicateurs HIS (PARA_1 sans polypharmacie)


120

4.2.4 Analyse des discordances

Après avoir analysé la concordance de l’information au sujet des « malades chroniques » sur base des données de l’Enquête de Santé belge (HIS) et de celles des organismes assureurs, on a constaté que cette information ne se confondait pas totalement. Une série d’analyses ont donc été menées afin de mieux cerner les « cas discordants ». En l’essence, le but était de mettre en lumière certaines caractéristique associées à :

• la population reprise comme « malade chronique » au sein de l’enquête santé mais n’étant pas caractérisée comme tel au moyen des données de consommation des OA (c’est-à-dire, les « faux négatifs »)

• la population non reprise comme « malade chronique » au sein de l’Enquête de Santé belge mais caractérisée comme tel au moyen des données des OA (c’est-à-dire, les « faux positifs »).

Sur cette base six indicateurs de résultats dichotomiques ont été construits :

Les « faux négatifs » ont été étudiés à partir de l’indicateur « composite » basé sur l’interprétation « en série » excluant la polypharmacie (SER_1). L’idée était d’isoler les personnes déclarant simultanément souffrir 1) d’au moins une affection chronique, d’une maladie chronique ou d’un handicap (avec ou sans restrictions) et 2) d’au moins une maladie chronique ou d’une affection chronique spécifique (sur base de la liste établie). Sur base de cette population, on a alors distingué ceux ayant (=0) ou n’ayant pas droit (=1) au :

• « Forfait malade chronique » (indicateur 1) • « MAF malade chronique » (indicateur 2) • « Statut maladie chronique » (indicateur 3)

Les « faux positifs » ont quant à eux été étudiés sur base de l’indicateur « composite » basé sur l’interprétation « parallèle » excluant la polypharmacie (PARA_1). L’idée était d’isoler les personnes ne déclarant aucune affection chronique, maladie chronique ou handicap (avec ou sans restrictions) ou alors ne déclarant souffrir d’aucune maladie chronique ou affection chronique spécifique (sur base de la liste établie). Sur base de cette population, on a alors distingué ceux ayant (=1) ou n’ayant pas droit (=0) au :

• « Forfait malade chronique » (indicateur 4) • « MAF malade chronique » (indicateur 5) • « Statut maladie chronique » (indicateur 6)

Les résultats montrent que le pourcentage de personnes déclarant dans le HIS souffrir d’une maladie chronique avant mais n’étant pas reconnus comme tel à partir des données de consommation des OA (« les faux négatifs ») reste assez important.

121

En effet, sur l’ensemble des personnes se déclarant « malade chronique » (N= 2.170) (cf. plus haut) :

• 92,2% ne sont pas bénéficiaires du « forfait malade chronique » • 81,2% n’ont effectivement pas droit au statut « MAF malade chronique » • 69,5% n’ont pas accès au « statut malade chronique ».

Vrai positif Faux négatif

n % n % Erreur

standard

Forfait malade chronique 175 7,79 1.995 92,21 0,89 MAF malade chronique 420 18,82 1750 81,18 1,37 Statut malade chronique 791 30,50 1379 69,50 1,51

On remarque également que le taux de « faux positifs » (c’est-à-dire, le nombre de personnes ne se déclarant pas « malade chronique » mais pour qui les données de consommation indiquent cependant le contraire) établit à partir des différents indicateurs OA reste très faible. En effet, seul :

• 0,8% de la population (N=5.427) déclarant ne pas souffrir d’une maladie chronique bénéficie effectivement du « MAF malade chronique »

• 0,1% bénéficient du « forfait malade chronique » • 1% du « statut malade chronique ».

Compte tenu de la très faible prévalence des « faux positifs », il semble plus adéquat de se concentrer, à ce stade, sur la question que posent les « faux négatifs ».

Vrai négatif Faux positif

n % n % Erreur

standard

Forfait malade chronique 5.424 99.89 13 0,11 0,04 MAF malade chronique 5.361 99.20 76 0.80 0,13 Statut malade chronique 5.326 98.96 111 1.04 0,15

Analyse bivariée des faux négatifs

Il faut constater que la grande majorité des personnes identifiées sur base des données/indicateurs HIS comme “malade chronique ” n’est pas reconnue comme telle sur base des données/indicateurs des OA (ce sont les faux négatifs). Les caractéristiques de ces personnes, que l’on retrouve dans la base de données HIS, ont été étudiées en détail. Il n’est pas possible toutefois d’analyser toutes les informations disponibles dans le HIS; le choix des paramètres à étudier s’est donc fait à partir de la liste utilisée dans le cadre de l’étude sur l’accessibilité de soins:

122

• Groupe d’âge, avec une distinction entre les moins de 65 ans et les 65 ans et plus • Sexe • Pays de naissance, avec une distinction entre personnes nées en Belgique, dans

d’autres pays européens ou dans un pays en dehors de l’Europe • Type de ménage (personne isolée, monoparental, couples avec enfant(s), couple

sans enfant(s) et ménage « complexe ») • Niveau d’éducation parmi les membres du ménage • Niveau d’urbanisation de la commune de résidence (milieu urbain, semi-urbain ou

rural) • Revenu équivalent du ménage (en quintiles) • Caractéristique du ménage par rapport à l’accès aux soins: est-ce que le ménage a dû

postposer des soins pour des raisons financières.

Dans un premier temps une simple analyse bivariée a été réalisée où l’on compare le profil des « faux négatifs » avec celui des « vrais positifs ».

Notons que sur les 9.990 observations disponibles au départ dans la base de données couplées HIS-OA, 5 cas pour lesquels aucune information n’était disponible au sujet du pays de naissance ont été exclus. Les analyses se basent donc sur 9.985 observations. Cette perte de 5 observations se traduit concrètement par la perte d’un seul cas pour l’analyse des « faux négatifs ».

Résultats de l’analyse bivariée

L’analyse de l’indicateur 1 ciblant les personnes se déclarant “malade chronique” – avec restrictions ou maladie(s) chronique(s) spécifique(s) – mais pour lesquelles les données de consommation relatives au « forfait malade chronique » ne confirment pas ce statut, montre (cf. Tableau 41):

• un nombre deux fois plus important de personnes « jeunes » (< 65 ans) par rapport à la population des « vrais positifs » (60,1% contre 32,1% pour les « vrais positifs »)

• un pourcentage plus important de ménages monoparentaux (8,4% contre 3%) et de couples sans enfant (19,6% contre 9,5%).

Notons, de manière générale, qu’une certaine prudence reste de mise dans l’interprétation de ces résultats dans la mesure où le nombre d’observations prisent en considération pour l’analyse (utilisation de pondérations) reste parfois assez faible.

L’analyse de l’indicateur 2 (population des « faux positifs » – c’est-à-dire les personnes se déclarant “malade chronique”, avec restrictions ou maladie(s) chronique(s) spécifique(s), mais pour lesquelles les données de consommation relatives au « MAF malade chronique » ne confirment pas ce statut) montre (cf. Tableau 42):

• un nombre plus important de personnes « jeunes » (< 65 ans) par rapport à la population des « vrais positifs » (64% contre 31,4% pour les vrais positifs)

123

• une plus grande proportion de personnes nées en dehors de l’UE (5,2% contre 1,1%) et proportionnellement moins de personnes nées en Belgique (87,4% contre 92,4%)

• un plus grand nombre de ménages monoparentaux (9,2% contre 2,6%) et de couples sans enfant (21,6% contre 7,1%), et relativement moins de couples avec enfant (31,3% contre 55,1%).

L’analyse de l’indicateur 3 (individus se déclarant “malade chronique”, avec restrictions ou maladie(s) chronique(s) spécifique(s), mais pour lesquels les données de consommation relatives au « statut malade chronique » ne confirment pas cet état), montre (cf. Tableau 43).

• un pourcentage plus important de personnes « jeunes » (< 65 ans) par rapport à la population des « vrais positifs » (68,5% contre 33,7% pour les vrais positifs).

• un nombre relativement plus grand de personnes nées en dehors de l’UE (5,8% contre 1,4%).

• Une proportion importante de ménages monoparentaux (9,8% contre 3,9%) et de couples sans enfant (23,6% contre 8%) et proportionnellement moins de personnes seules ou célibataires (23,3% contre 41%).

• la présence plus marquée de personnes ayant un haut niveau d’éducation (30,1% contre 17,6%) et moins de personnes dotées d’un niveau d’éducation très faible (17,2% contre 31,7%).

• un nombre plus important de personnes avec un niveau très élevé de revenus (5ème quintile de revenus : 16,1% contre 9,2%).

124

Tableau 41 : Distribution de certaines caractéristiques au sein de la population des « faux négatifs » et « vrais positifs » selon l’indicateur 1 (n = 2170) - Belgique, HISLINK 2008

Forfait malade chronique « Faux négatifs » « Vrais positifs »

% IC95% N=1995 % IC95% N=175

Age

<65 60.08 56.75 - 63.41 940 32.12 21.36 - 42.88 39 +65 39.92 36.59 - 43.25 1055 67.88 57.12 - 78.64 136

Sexe

Homme 41.75 38.75 - 44.76 771 41.09 30.18 - 52.00 63 Femme 58.25 55.24 - 61.25 1224 58.91 48.00 - 69.82 112

Pays de naissance

BE 87.89 85.97 - 89.80 1667 93.19 87.87 - 98.50 160 UE 7.43 5.85 - 9.01 188 5.36 0.47 - 10.24 12 Hors-UE 4.68 3.55 - 5.81 140 1.46 0.00 - 3.63 3

Type de ménage

Seul/isolé 28.15 25.47-30.83 795 34.81 23.34 - 46.27 79 Monoparental 8.40 6.25 - 10.55 157 3.00 0.43 - 5.56 9 Couple avec enfant(s) 34.72 31.25 - 38.19 578 48.01 36.10 - 59.93 61 Couple sans enfant 19.62 16.63 - 22.62 291 9.54 3.84 - 15.24 15 Autre ou inconnu 9.11 7.03 - 11.18 174 4.64 0.54 - 8.75 11

Education

Inconnu 1.76 0.15 - 2.56 78 1.35 1.16 - 2.36 7 Pas de diplôme ou niveau primaire

20.93 19.35 - 41.01 499 30.18 18.25 - 23.60 58

Secondaire inférieur 23.09 9.75 - 26.05 450 17.90 19.97 - 26.22 38 Secondaire supérieur 27.64 16.77 - 39.17 506 27.97 24.55 - 30.73 40 Supérieur 26.58 12.40 - 32.79 462 22.60 23.38 - 29.79 32

125

Forfait malade chronique « Faux négatifs » « Vrais positifs »

% IC95% N=1995 % IC95% N=175

Niveau d’urbanisation

Urbain 51.53 48.09 - 54.97 1166 41.66 29.95 - 53.37 84 Suburbain 18.77 16.04 - 21.50 294 26.43 16.90 - 35.96 41 Rural 29.70 26.44 - 32.96 535 31.91 20.49 - 43.33 50

Revenu équivalent du ménage (quintiles basé sur la population belge)

Inconnu 13.16 10.91 - 15.41 310 15.23 7.27 - 23.19 30 Quintile 1 20.95 17.91 - 24.00 419 19.56 10.89 - 28.24 33 Quintile 2 22.33 19.62 - 25.05 479 26.86 15.26 - 38.46 40 Quintile 3 16.40 13.83 - 18.98 311 20.75 10.54 - 30.96 37 Quintile 4 13.15 10.68 - 15.63 242 3.95 0.59 - 7.32 10 Quintile 5 14.00 11.46 - 16.54 234 13.64 6.71 - 20.56 25


Inconnu 4.24 3.10 - 5.38 178 15.62 6.60 - 24.65 30 Oui 17.95 15.32 - 20.58 349 16.95 6.76 - 27.14 20 Non 77.81 75.02 - 80.59 1468 67.43 55.59 - 79.26 125

126


MAF malade chronique « Faux négatifs » « Vrais positifs »

% IC95% N=1750 % IC95% N=420

Age

<65 64.04 60.76 - 67.31 874 31.44 24.41 - 38.48 105 +65 35.96 32.69 - 39.24 876 68.56 61.52 - 75.59 315

Sexe

Homme 41.30 38.21 - 44.39 679 43.44 35.43 - 51.45 155 Femme 58.70 55.61 61.79 1071 56.56 48.55 - 64.57 265

Pays de naissance

BE 87.34 85.29 - 89.40 1448 92.42 89.12 - 95.72 379 UE 7.45 5.79 - 9.11 165 6.51 3.39 - 9.63 35 Hors-UE 5.21 3.94 - 6.47 137 1.07 0.00 - 2.14 6

Type de ménage

Seul/isolé 28.34 25.51 - 31.18 683 30.07 23.26 - 36.87 191 Monoparental 9.22 6.81 - 11.63 150 2.64 0.97 - 4.30 16 Couple avec enfant(s) 31.27 27.85 - 34.68 479 55.12 47.23 - 63.00 160 Couple sans enfant 21.55 18.29 - 24.82 276 7.13 3.93 - 10.33 30 Autre ou inconnu 9.62 7.36 - 11.87 162 5.05 2.40 - 7.70 23

Education


21.64 15.61 - 27.74 451 21.68 18.76 - 24.52 106


127

MAF malade chronique « Faux négatifs » « Vrais positifs »

% IC95% N=1750 % IC95% N=420






Inconnu 4.46 3.18 - 5.74 156 8.02 3.99 - 12.04 52 Oui 18.61 15.78 - 21.43 317 14.71 9.18 - 20.25 52 Non 76.93 73.94 - 79.93 1277 77.27 70.75 - 83.79 316

128


Statut malade chronique « Faux négatifs » « Vrais positifs »

% IC95% N=1379 % IC95% N=791

Age

<65 68.53 65.08 - 71.99 793 33.68 28.25 - 39.11 186 +65 31.47 28.01 - 34.92 586 66.32 60.89 - 71.75 605

Sexe

Homme 42.84 39.44 - 46.24 577 39.12 33.30 - 44.93 257 Femme 57.16 53.76 - 60.56 802 60.88 55.07 - 66.70 534

Pays de naissance

BE 86.98 84.77 - 89.19 1120 91.30 88.59 - 94.03 707 UE 7.27 5.54 - 9.00 130 7.28 4.72 - 9.84 70 Hors-UE 5.75 4.30 - 7.19 129 1.42 0.47 - 2.37 14

Type de ménage

Seul/isolé 23.26 20.40 - 26.13 430 40.98 35.44 - 46.52 444 Monoparental 9.77 7.03 - 12.51 127 3.91 2.30 - 5.52 39 Couple avec enfant(s) 34.62 30.82 - 38.42 440 38.34 31.96 - 44.72 199 Couple sans enfant 23.61 19.92 - 27.30 255 7.97 5.23 - 10.70 51 Autre ou inconnu 8.74 6.59 - 10.89 127 8.80 5.46 - 12.14 58

Education


17.23 14.27 - 20.19 284 31.71 26.58 - 36.85 273


129

Statut malade chronique « Faux négatifs » « Vrais positifs »

% IC95% N=1379 % IC95% N=791






Inconnu 1.52 0.78 - 2.27 34 13.34 9.59 - 17.09 174 Oui 18.98 16.02 - 21.94 281 15.35 10.85 - 19.85 88 Non 79.49 76.47 - 82.52 1064 71.31 65.94 - 76.68 529

130

Résultats de la régression logistique

Dans un deuxième temps, via un analyse de régression logistique36, la “chance” (ou le “odds”) d’être étiqueté comme “faux négatif” a été calculée en fonction de chacune des caractéristiques sélectionnées dans la liste.

Les résultats de la régression logistique confirme ceux présentés dans la section précédente.

Pour le « forfait malade chronique » et les déterminants associés au fait d’être classé comme « faux négatif » (indicateur 1), on remarque que (Tableau 44) :

• les « jeunes » (< 65 ans) ont deux fois plus de chance (OR : 2,5 IC95% 1,1-5,4) que leurs homologues plus âgés (65+) de se déclarer « malade chronique » sans que les données de consommation ne viennent confirmer ce statut.

L’analyse des caractéristiques associées au fait d’être « faux négatifs » lorsqu’on considère le « MAF malade chronique » (indicateur 2) indique que (Tableau 45):

• les « jeunes » (< 65 ans) ont trois fois plus de chance (OR : 3,2 CI95% 2,0-5,0) d’être « faux négatif » que leurs homologues plus âgés (65+) et ce, même en prenant en considération toute une série de facteurs (sexe, niveau d’éducation, etc.)

• les personnes qui ne sont pas nées au sein de l’UE ont également trois fois plus de risque de se retrouver « faux négatif » que les personnes nées en Belgique (OR : 3,4 CI95% 1,1-10,3)

• à caractéristiques égales, et par rapport aux couples avec enfant, les personnes « célibataires » (OR : 1,8 CI95% 1,2-2,7) ou issues de ménages monoparentaux (OR : 3,6 CI95% 1,7-8,0) ainsi que les couples sans enfant (OR : 2,8 CI95% 1,6-4,8) restent significativement plus enclins à se déclarer « malade chronique » sans que les données de consommation au sujet du « MAF malade chronique » ne confirment ce statut pour autant.

Enfin, si l’on considère le « statut malade chronique » (indicateur3) et plus spécifiquement les caractéristiques associées au fait de se définir « malade chronique » au sein de l’Enquête de Santé sans que les données de consommation n’appuie cette déclaration, on observe que (Tableau 46) :

• les « jeunes » (< 65 ans) ont plus de chance d’être classés « faux négatif » par rapport à leurs homologues plus âgés (OR : 3,0 IC95% 2,2-4,2).

• les personnes qui ne sont pas nées au sein de l’UE ont une plus grande probabilité de se retrouver « faux négatif » par rapport à leurs homologues nés en Belgique (OR : 3,41 IC95% 1,4-8,2).

• les individus ne disposant d’aucun diplôme ou seulement d’un diplôme de l’enseignement primaire ont un risque plus faible de se déclarer « malade chronique » sans confirmation de ce statut au niveau des données de consommation (OR : 0,5 IC95% 0,3-0,8).

36 modèle de régression logistique où l’indicateur “faux négatif (ou pas)” est considéré comme la variable dépendante et toute les autres caractéristiques sont considérées comme les variables indépendantes

131

Tableau 44. Analyse de régression logistique de la chance d’être étiqueté comme “faux négatif” (personnes considérées comme malade chronique sur base des données/indicateurs de l’Enquête de Santé mais pas suivant les données des OA / indicateurs de l’INAMI) via le forfait malade chronique, en fonction d’une série de caractéristiques, base de données couplées HIS-OA, Belgique, 2008. (N= 2170).

OR IC95%

Age

<65 2.5 1.1 – 5.4 +65 Ref

Sexe

Homme 1.1 0.6 – 1.8 Femme Ref

Pays de naissance

BE Ref UE 1.6 0.5 – 4.4 Hors-UE 2.4 2.4 – 12.5

Type de ménage

Seul/isolé 1.4 0.7 – 2.5 Monoparental 2.2 0.7 – 6.7 Couple avec enfant(s) Ref Couple sans enfant 1.6 0.7 – 3.7 Autre ou inconnu 2.2 0.7 – 6.3

Education

Inconnu 2.4 0.6 – 9.9 Pas de diplôme ou niveau primaire 0.9 0.4 – 2.4 Secondaire inférieur 1.4 0.6 – 3.6 Secondaire supérieur 0.9 0.4 – 2.1 Supérieur Ref


Urbain Suburbain 0.6 0.4 – 1.1 Rural 0.8 0.5 – 1.4


Inconnu 1.5 0.6 – 3.9 Quintile 1 1.1 0.4 – 3.2 Quintile 2 1.2 0.4 – 3.4 Quintile 3 1.1 0.4 – 2.8 Quintile 4 3.6 1.2 – 10.6 Quintile 5 Ref


Inconnu 0.2 0.1 – 0.6 Oui 0.6 0.2 – 1.3 Non ref

132

Tableau 45. Analyse de régression logistique de la chance d’être étiqueté comme “faux négatif” (personnes considérées comme malade chronique sur base des données/indicateurs de l’Enquête de Santé mais pas suivant les données des OA / indicateurs de l’INAMI) via le MAF malade chronique, en fonction d’une série de caractéristiques, base de données couplées HIS-OA, Belgique, 2008. (N= 2170).

OR 95% IC

Age

<65 3.2 2.0 – 5.0 +65 Ref

Sexe


Pays de naissance

BE Ref UE 1.1 0.6 – 2.1 Hors-UE 3.4 1.1 – 10.3

Type de ménage

Seul/isolé 1.8 1.2 – 2.7 Monoparental 3.6 1.7 – 8.0 Couple avec enfant(s) Ref Couple sans enfant 2.8 1.6 – 4.8 Autre ou inconnu 2.6 1.4 – 5.0

Education



Urbain Ref Suburbain 1.2 0.8 – 1.8 Rural 1.1 0.7 – 1.6





133

Tableau 46. Analyse de régression logistique de la chance d’être étiqueté comme “faux négatif” (personnes considérées comme malade chronique sur base des données/indicateurs de l’Enquête de Santé mais pas suivant les données des OA / indicateurs de l’INAMI) via le statut malade chronique, en fonction d’une série de caractéristiques, base de données couplées HIS-OA, Belgique, 2008. (N= 2170).

OR IC95%

Age

<65 2.9 2.0 – 4.0 +65 Ref

Sexe


Pays de naissance

BE Ref 0.7 – 1.8 UE 1.1 1.6 – 9.0 Hors-UE 1.4

Type de ménage

Seul/isolé 0.8 06 – 1.2 Monoparental 1.8 0.9 – 3.3 Couple avec enfant(s) Ref Couple sans enfant 1.6 1.0 – 2.6 Autre ou inconnu 0.7 0.5 – 1.2

Education



Urbain Ref Suburbain 1.0 0.7 – 1.4 Rural 1.0 0.7 – 1.3





134

Analyses complémentaires

Cette dernière analyse vise à vérifier quelles maladies chroniques spécifiques (déclarées dans le cadre du HIS) sont liées aux cas où les personnes se retrouvent dans la catégorie des “faux négatifs” (personnes considérées comme malade chronique sur base des données/indicateurs de l’Enquête de Santé mais pas suivant les données des OA / indicateurs de l’INAMI).

Les maladies liées aux faux négatifs sont les suivantes (dans un ordre décroissant): arthrose, problèmes sérieux au dos, hypertension, problèmes sérieux au cou, arthrite, allergie en maux de tête importants ou migraine (voir Tableau 47).

Tableau 47. Prévalence des maladies chroniques spécifiques (déclarées dans le cadre du HIS) liées aux cas où les personnes se retrouvent dans la catégorie des “faux négatifs” (personnes considérées comme malade chronique sur base des données/indicateurs de l’Enquête de Santé mais pas suivant les données des OA / indicateurs de l’INAMI), base de données couplées HIS-OA, Belgique, 2008.

Indicateurs INAMI – base de données OA

MAF malade chronique

Statut malade chronique

Forfait malade chronique

Prévalence Prévalence Prévalence

Arthrose 47.9% 47.6% 49.8% Problèmes sérieux au dos 41.1% 40.7% 42.3% Hypertension 31.3% 28.8% 33.5% Problèmes sérieux au cou 28.6% 27.1% 29.1% Arthrite 24.9% 24.6% 25.9% Allergie 20.9% 22.4% 22.0% Maux de tête importants ou migraine

22.6% 23.9% 21.9%

4.2.5 Conclusion

Ce travail a été réalisé grâce à une base de données couplées au niveau individuel avec des données en provenance de l’Enquête de Santé (HIS) et les données (administratives) au sujet des mêmes individus en provenance des organismes assureurs (OA). Ce couplage a offert une occasion unique de valider les indicateurs INAMI construits à partir des données des OA. La présente étude a porté sur la validité des indicateurs “malade chroniques” construit à partir des données des OA ; ceux-ci ont été comparés aux indicateurs calculés sur base des données de l’Enquête de Santé.

Cet exercice a permis de montrer que la méthodologie utilisée dans le cadre du HIS pour identifier les malades chroniques donnent des résultats très différents par rapport à celle utilisée à partir des données des OA. La validité des indicateurs OA reste assez mauvaise

135

quelle que soit l’indicateur utilisé : forfait malade chronique, MAF maladie chronique ou statut maladie chronique.

En général, l’approche préconisée pour exploiter les données des OA est plus stricte que celle qui est appliquée pour identifier les malades chroniques sur base de données du HIS. Un simple coup d’œil aux pourcentages de personnes considérées comme malades chroniques sur base des données des OA, montre que ces chiffres sont beaucoup plus bas que ceux qui sont calculés à partir des données du HIS. Inversement, il y a une très faible proportion de cas où des personnes bénéficient d’un régime “malade chronique” alors qu’elles ne semblent pas avoir été identifiées comme malade chronique à partir des données du HIS.

Les différentes statuts accordés à partir des données des OA, sont presque uniquement basés sur des niveaux seuils de dépenses pour des soins de santé (soit les dépenses de l’individu lui-même ou celles du ménage auquel il appartient) et ce durant une période données (assez longue). Les “malades chroniques” reconnus sur base des données des OA sont avant tout des personnes avec des “dépenses chroniques”. En ce qui concerne le HIS par contre, la notion de “malade chronique” est essentiellement basée sur la déclaration (subjective) des individus, sans lien directe avec les dépenses (personnelles) pour des soins de santé.

Le manque de concordance entre les approches basées sur les données des OA d’une part et du HIS d’autre part, peut s’expliquer par le fait que sans doute un part importante des personnes étiquetées comme malade chroniques pour le HIS n’ont pas eu des dépenses pour des soins de santé qui répondent aux critères fixés à partir des données des OA. Il faut dire que ces critères sont stricts: il s'agit de montants assez considérables qui doivent systématiquement être dépensés sur une période relativement longue.

136

4.3 Malades spécifiques 4.3.1 Introduction

Il y a sans aucun doute en Belgique une pénurie de données sur la prévalence et l'incidence des maladies chroniques spécifiques. Il y a bien quelques registres qui collectent des informations de manière continue mais ceux-ci se limitent à quelques pathologies comme le cancer, la tuberculose ou le SIDA ; ces derniers permettent de réaliser des estimations assez fiables des taux d’incidence ou de prévalence des maladies concernées.

Il est possible d’utiliser des alternatives pour combler ce manque d’information; on peut notamment faire usage des données des organismes assureurs (OA). En effet, si une personne souffrant d’une maladie donnée est prise habituellement en charge suivant une procédure spécifique et remboursée, et/ou un médicament spécifique remboursé, cette personne peut alors être identifiée comme patient. Une telle approche a par exemple été appliquée dans le cadre d‘une étude de l’ISP pour le compte d’Eurostat; le but poursuivi était de tâcher d’estimer la prévalence ou l’incidence en Belgique pour une série de maladies spécifiques (11;12). La même méthodologie a également été adoptée dans une étude du Bureau du Plan Fédéral (en collaboration avec le KCE); ce travail visait à analyser les besoins futurs en matière de prise en charge résidentielle des personnes âgées en Belgique37.

Dans le cadre du présent projet, l’étude de la base de données couplées a été axée sur quatre maladies spécifiques. Ce travail visait à vérifier dans quelle mesure les algorithmes développés par le Bureau du Plan Fédéral (et le KCE) permettaient d’aboutir aux mêmes estimations que celles obtenues par l’Enquête de santé sur base d’auto-déclaration. Les maladies sélectionnées sont les suivantes :

• diabète • maladies respiratoires obstructives chroniques • maladie de Parkinson • fracture de la hanche.

Dans cette partie du rapport, nous explorons dans quelle mesure la définition d’un « patient souffrant d’une de ces maladies spécifiques » fondée sur des critères administratifs et construite à partir de données de routine concernant l’utilisation des services de soins de santé (OA) correspond effectivement au statut auto-déclaré et aux informations sur la morbidité fournies par les mêmes répondants au sein d’une enquête en population générale, en l’occurrence l’Enquête de Santé belge (HIS).

37 https://kce.fgov.be/sites/default/files/page_documents/KCE_167B_soins_residentiels_en_Belgique_Synthese.pdf

https://kce.fgov.be/sites/default/files/page_documents/KCE_167B_soins_residentiels_en_Belgique_Synthese.pdf

137

4.3.2 Méthodologie

Données de l’Enquête de Santé belge 2008 (HIS 2008)

L’établissement des « cas » à partir des données de l’Enquête de Santé s’est opéré sur base des données couplées (HISLINK 2008) à partir d’une série de questions (MA01 à MA04) visant objectiver l’état de santé du répondant à l’aide d’une liste de maladies ou d’affections spécifiques. Les questions s’organisent comme suit38 :

− « Je vais parcourir une liste de maladies ou affections. Pouvez-vous, pour chacune d’elles, m’indiquer si vous en souffrez ou si vous en avez déjà souffert ? » [Dénomination de la maladie ou de l’affection] (MA01)

− « Cette maladie a-t-elle été diagnostiquée par un médecin ? » (MA02) − « Avez-vous souffert de cette maladie au cours des 12 derniers mois ? » (MA03) − « Au cours des 12 derniers mois, avez-vous été pris en charge par un médecin ou un

autre professionnel de la santé pour cette maladie? » (MA04)

De manière à assurer une certaine comparabilité avec les données administratives émanant des organismes assureurs, il a été décidé de se concentrer sur le concept de prévalence de la maladie ou de l’affection au cours des 12 mois précédents l’interview (MA03). Pour chaque maladie ou affection considérée, l’indicateur se présente donc sous une forme binaire : « a souffert de la maladie/affection X au cours des 12 derniers mois » (=1) vs. « n’a pas souffert de cette maladie/affection au cours de la même période » (=0).

Données des organismes assureurs (OA)

La méthodologie utilisée pour l’identification des cas se base sur l’exercice mené par le Bureau du Plan (et le KCE). Dans le cas présent, l’identification des personnes souffrant d’une maladie chronique spécifique se base sur les données couplées (HISLINK 2008) et se réfère aux sources de données suivantes:

• les données de Pharmanet : il s’agit des spécialités pharmaceutiques remboursées délivrées en officine publique (la consommation de médicaments en milieu hospitalier n’est pas prise en considération pour le présent exercice)

• les données de consommation de soins ou données de nomenclature renvoyant aux prestations faisant l'objet d'un remboursement (total ou partiel) par l'assurance soins de santé.

Les critères pour l’établissement des cas sont repris dans le Tableau 48 et valent pour une année calendrier. Il a été décidé de prendre en considération la consommation de soins de chaque répondant en se référant à une année calendrier à rebours de la date de l’enquête (les douze mois précédents l’enquête), et ce pour deux raisons :

• en raison des spécificités liées à la collecte des données dans le cadre de la HIS • afin de garantir au maximum la comparabilité des données.

38 https://his.wiv-isp.be/fr/Documents%20partages/qface_2008.pdf

https://his.wiv-isp.be/fr/Documents%20partages/qface_2008.pdf

138

La période de référence prise en considération pour l’analyse couvre donc 365 jours et varie d’un répondant à l’autre en fonction de la date d’interview.

Tableau 48: Description des critères pour l’établissement des cas dans la base de données des organismes assureurs, Belgique.

Maladie chronique Critère(s) de sélection Source

Au cours d’une année calendrier :

Bronchopneumopathie chronique obstructive (BPCO)

Au moins 90 DDD parmi les médicaments repris sous le code ATC R03 (produits médicamenteux pour les maladies obstructives des voies respiratoires)

Données de Pharmanet (2007 à 2009)

Diabète Un code de nomenclature correspondant à la prise en charge par le patient lui-même de son diabète (cf. Annexe 7)

Ou

Au moins une dose (sans restriction en fonction du nombre de DDD) parmi les médicaments repris sous le code ATC 10A (insuline et analogues)

Ou

Au moins 90 DDD parmi les médicaments repris sous le code ATC 10B (produits hypoglycémiants par voir orale)


Données de consommation (2007 à 2009)

Parkinson Au moins 90 DDD parmi les médicaments repris sous le code ATC N04 (produits médicamenteux antiparkinsoniens)


Fracture de la hanche Un code de nomenclature correspondant à la fracture de hanche

Ou

Un code de nomenclature correspondant à la prothèse totale de hanche (cf. Annexe 7).

Données de consommation (2007 à 2009) au sujet des hospitalisations classiques et des hospitalisations de jour;

L’établissement de certains diagnostics à partir des données administratives prend en considération le nombre de DDD consommés (cf. plus bas pour quelques définitions) durant une période donnée.

Le calcul du nombre de DDD consommés se base sur une méthodologie simple: il s’agit de faire correspondre pour chaque code ATC et code CNK (SS00135), c’est-à-dire pour chaque emballage d’une spécialité pharmaceutique donnée, un certain nombre de DDD ou doses journalières moyennes.

Dans ce cadre, le nombre de DDD consommés par prescription pour un individu donné est obtenu en multipliant le nombre de DDD par emballage (DPP) associé à un certain code CNK et à un certain code ATC, par le nombre ou la quantité d’emballages achetés (SS00050).

139

La consommation annuelle d’un individu donné est, quant à elle, obtenue en effectuant la somme de l’ensemble des DDD consommés par prescription (renvoyant à certains codes CNK et certains codes ATC) sur une période donnée (les 365 jours précédant l’entretien HIS dans le cas présent).

Enfin, deux remarques doivent être formulées :

• La méthodologie utilisée pour la validation des diagnostics posés sur base des données administratives des organismes assureurs au regard des informations fournies par la HIS est similaire à celle mise en place au sein de la première partie du présent rapport. Nous renvoyons donc le lecteur à la discussion méthodologique esquissée précédemment (cf. « L’évaluation de la valeur informationnelle d’un ou plusieurs instruments de mesure »).

• L’Enquête de Santé belge ne collectant aucune information au sujet de la prévalence des cas de démence au sein de la population générale, il n’a pas été possible de mettre en œuvre l’exercice de validation pour cette affection spécifique.

Tableau 49: Quelques définitions au niveau des codes des médicaments

• CNK

En Belgique, un numéro de « code nationa(a)l(e) codenummer » (CNK) est attribué à tous les médicaments, les produits parapharmaceutiques, le matériel médical et de soins, les produits homéopathiques, les produits phytothérapeutiques et les matières premières chimiques délivrées en pharmacie, à usage aussi bien humain, que vétérinaire ou phytopharmaceutique. Ce numéro de code est un simple numéro d’ordre sans la moindre signification analytique. Il est attribué à chaque produit sur base de : sa dénomination, sa forme galénique, sa composition, son dosage, son conditionnement. Dès qu’une de ces données est modifiée, un nouveau numéro de code national est donc requis.

• ATC (Anatomical Therapeutical Chemical classification)

L’ATC est une classification des médicaments, établie sous la responsabilité l’Organisation Mondiale de la Santé (OMS). Cette classification est exprimée par des codes. Le code ATC est un code chimique, anatomique, thérapeutique correspondant à la classification pharmaco thérapeutique établie et reconnue au niveau international.

• DDD (Defined Daily Dose)

Une DDD est la dose journalière moyenne absorbée d’un médicament, employée pour son indication principale chez des adultes, telle que proposée sous la responsabilité de l’Organisation Mondiale de la Santé (OMS).

• PDD (Prescribed Daily Dosis)

Un PDD est la quantité journalière prescrite, comme elle peut être déduite de la collecte des données par l’intermédiaire de Pharmanet.

140

4.3.3 Résultats

Les résultats détaillés des analyses se trouvent dans les Tableaux 50 à 57. Voici un résumé des principales constatations.

Diabète

La prévalence du diabète sur 12 mois au sein de la population générale, selon les données des organismes assureurs (OA), s’élève à 3,9% du total de la population. Cette estimation se rapproche de l’évaluation faite sur base de la HIS. Selon cette dernière source de données la prévalence du diabète s’élèverait à 3,6%. On note également, sur base de la HIS, que la part des personnes déclarant souffrir du diabète au cours des 12 derniers mois et devant suivre un traitement s’élève à 2,9% du total de la population39. De manière générale, ces différentes estimations ne divergent pas fondamentalement.

L’analyse du coefficient Kappa de Cohen, montre une concordance substantielle entre les deux sources d’information (HIS/OA) en ce qui concerne le diagnostic de diabète (κ=0.61-0.80). Ainsi, le degré d’accord entre les données administratives et les données d’enquête est important avec, notons-le, 77% de classements concordants (κ=0.77 ; IC95% 0.74-0.80). Ce degré d’accord ou de concordance ne semble pas varier en fonction du sexe ou de l’âge de la personne interrogée au cours de l’enquête.

La sensibilité (Se) et la spécificité (Sp) des indicateurs administratifs sont également élevées. En effet, les critères diagnostiques mis en place sur base des données administratives permettent d’identifier 81,4% (Se) des personnes se déclarant diabétiques sur base de la HIS (18,6% de « faux négatifs »). Ces mêmes critères permettent d’identifier 99% (Sp) des personnes déclarant ne pas souffrir de diabète (1% de « faux positifs »). Les valeurs prédictives positives et négatives sont donc également assez élevées.

Maladies respiratoires obstructives chroniques (BPCO)

Le taux de prévalence des maladies respiratoires obstructives chroniques varie entre 8,7% suivant les OA et 3,8% sur base du HIS. Cette différence d’estimation se reflète également au niveau du Kappa qui vaut ici 0.24. Ce coefficient est plus élevé chez les personnes âgées (0.29), mais ceci est tout à fait insuffisant pour parler de concordance entre les deux estimations.

C’est ici surtout la sensibilité de l’indicateur basé sur les données des OA qui est relativement basse (45.1%), avec un pourcentage élevé de faux négatifs (de personnes qui déclarent souffrir de BPCO dans l’Enquête de Santé mais ne sont pas reconnues comme telles via les données des OA). La valeur prédictive positive n’est que de 19.7% (personnes étiquetées comme patient BPCO sur base des données des OA qui rapportent souffrir de cette maladie dans le HIS).

39 sur base des questions HIS suivantes :

MA.08. Pour cette maladie, avez-vous eu des injections (insuline) au cours des 12 derniers mois? MA.09. Pour cette maladie, avez-vous pris des pilules ou des comprimés au cours des 12 derniers mois?

141

Maladie de Parkinson

Les analyses ont été effectuées ici au niveau de la population générale même si en raison de la spécificité de la maladie de Parkinson il aurait été plus indiqué de la faire pour les personnes âgées uniquement, ceci afin de pouvoir comparer les résultats avec les autres maladies.

Les résultats sont assez encourageants : la prévalence de la maladie de Parkinson telle qu’elle peut être estimée sur base des données des OA, est de 0.41%. Les données du HIS donnent une estimation de 0.39%. Le coefficient de kappa d’une valeur de 0.61 indique un niveau de concordance assez bon (le kappa atteint même 0.65 chez les femmes et 0.65 chez les 65 ans et plus).

Le pourcentage de faux négatifs est tout de même assez élevé (36% des personnes qui déclarent souffrir de la maladie de Parkinson dans le cadre du HIS, ne sont pas identifiées comme telles sur base des critères/données des OA, à savoir avoir pris des médicaments antiparkinsoniens au cours des douze mois qui ont précédé l’enquête).

Fracture de la hanche

Le pourcentage de personnes qui ont souffert d’une fracture de hanche au cours des douze mois qui ont précédé l’enquête est un peu différent suivant que l’on se base sur les données/critères des OA (0.27%) et sur les résultats de l’Enquête de Santé (0.34%). Le coefficient kappa de 0.25 témoigne quant à lui d’un niveau de concordance assez faible, et ce aussi bien chez les gommes que les femmes, et chez personnes âgées de moins de 65 ans ou de 65 ans et plus.

Le pourcentage de faux négatifs est ici fort élevé: 83.9% des personnes ayant déclaré avoir eu une fracture de hanche dans le HIS ne sont pas reconnues retrouvées sur base des données/critères des OA !

4.3.4 Discussion et conclusion

Les résultats concernant la concordance des estimations à propos des quatre maladies sélectionnées sont très hétérogènes :

• pour le diabète et dans une moindre mesure la maladie de Parkinson, ils sont assez satisfaisants

• pour les COPD et la fracture de la hanche, ils sont plutôt mauvais.

La prévalence des COPD telle que mesurée sur bases des données des OA est sensiblement plus élevée que les estimations du HIS. Ceci s’explique en partie par le fait que les médicaments utilisés dans le cadre des BPCO le sont aussi dans d’autres cas, comme pour l’asthme par exemple. On observe toutefois une mauvaise concordance même chez les personnes âgées chez qui l’asthme est moins fréquent.

Le faible niveau de concordance en ce qui concerne la fracture de la hanche est difficile à expliquer. Il faut malgré tout mentionner le fait que l’information en provenance de l'Enquête de Santé n’est pas toujours correcte. Il est en effet basée sur l’auto-déclaration. Or, une

142

mauvaise connaissance de la maladie elle-même ou des problèmes de mémoire peuvent biaiser l’information recueillie dans le cadre de l’Enquête de Santé. Ceci pourrait constituer une partie de l’explication du phénomène observé en ce qui concerne la fracture de hanche.

Le principal enseignement que l’on peut tirer de cet exercice tient dans le fait que l’estimation de la prévalence des maladies sur base des données des organismes assureurs, est possible, du moins pour certaines pathologies. Ces procédures mériteraient toutefois d’être validées. Au plus les procédures de prise en charge ou les médicaments pour traite rune maladies sont spécifiques, au plus les estimations seront correctes.

Tableau 50. Prévalence de maladies spécifiques (12 mois) suivant les données de consommation et suivant le HIS

Maladie Source % IC95%

Diabète Données de consommation (Pharmanet) 3.90 3.42-4.39 (N total = 10158) Déclarations des répondants (HIS) 3.59 3.15-4.04 Déclarations des répondants (HIS – cas traités) 2.86 2.46–3.25

BPCO Données de consommation (Pharmanet) 8.73 7.92–9.55 (N total = 10187) Déclarations des répondants (HIS) 3.82 3.35–4.29

Maladie de Parkinson Données de consommation (Pharmanet) 0.41 0.26–0.56 (N total = 10212) Déclarations des répondants (HIS) 0.39 0.23–0.55

Fracture de la hanche Données de consommation (Pharmanet) 0.27 0.16–0.37 (N total = 10217) Déclarations des répondants (HIS) 0.34 0.22–0.45

143

Tableau 51. Concordance des données de consommation (Pharmanet) avec les déclarations dans le HIS (HIS, Belgique, 2008)

Maladie Valeur Kappa IC95%

Diabète (référence : tous les cas) Homme 0.76 0.71 – 0.80 Femme 0.78 0.75 – 0.82

< 65 + 0.77 0.72 – 0.81 65 + 0.77 0.73 – 0.80

Total 0.77 0.74 - 0.80

Diabète (référence : cas traités) Homme 0.72 0.67 – 0.77 Femme 0.71 0.66 – 0.75

< 65 + 0.70 0.65 – 0.74 65 + 0.71 0.65 – 0.76

Total 0.71 0.68 - 0.75

BPCO Homme 0.26 0.22 – 0.31 Femme 0.24 0.19 – 0.28

< 65 + 0.20 0.16 – 0.24 65 + 0.29 0.24 – 0.35

Total 0.24 0.22 – 0.28

Maladie de Parkinson Homme 0.53 0.36 – 0.69 Femme 0.66 0.54 – 0.77

< 65 + 0.35 0.10 – 0.60 65 + 0.65 0.55 – 0.76

Total 0.61 0.51 – 0.70

Fracture de la hanche Homme 0.22 0.04 – 0.40 Femme 0.26 0.14 – 0.37

< 65 + 0.24 0.02 – 0.46 65 + 0.24 0.13 – 0.35

Total 0.25 0.15 – 0.35

144

Tableau 52. Evaluation de la validité de l’information fournie par Pharmanet par rapport aux déclarations dans l’Enquête de Santé belge 2008 (référence : données HIS)

Maladie Paramètre Estimation IC 95%

Diabète (référence : tous les cas) Sensibilité 81.41 76.88-85.94 Spécificité 98.98 98.72-99.25 Valeur prédictive positive 74.89 69.33-80.45 Valeur prédictive négative 99.31 99.12-99.49

Diabète (référence : cas en Sensibilité 86.66 82.25-91.07 traitement médicamenteux) Spécificité 98.53 98.21-98.84 Valeur prédictive positive 63.36 57.30-69.43 Valeur prédictive négative 99.60 99.46-99.74

BPCO Sensibilité 45.13 38.91-51.35 Spécificité 92.71 91.93-93.50 Valeur prédictive positive 19.73 16.28-23.18 Valeur prédictive négative 97.70 97.32-98.09

Maladie de Parkinson Sensibilité 63.92 42.98-84.85 Spécificité 99.84 99.75-99.92 Valeur prédictive positive 60.31 43.39-77.23 Valeur prédictive négative 99.86 99.75-99.97

Fracture de la hanche Sensibilité 16.09 5.03-27.15 Spécificité 99.79 99.69-99.89 Valeur prédictive positive 20.30 6.24-34.35 Valeur prédictive négative 99.72 99.61-99.82

145

Tableau 53. Evaluation de l’information fournie par Pharmanet par rapport aux déclarations de diabète au sein de l’Enquête de Santé belge 2008 : faux positifs (FP) et faux négatifs (FN)

Diabète (HIS)

Diabète (Pharmanet) Non Oui Total

Nombre % pondéré Nombre % pondéré

Non 9531 98.98% 97 (FN) 18.59% 9628 Oui 125 (FP) 1.02% 405 81.41% 530

Total 9656 100.00% 502 100.00% 10158

Tableau 54. Evaluation de l’information fournie par Pharmanet par rapport aux déclarations de diabète avec traitement au sein de l’Enquête de Santé belge 2008 : faux positifs (FP) et faux négatifs (FN)

Diabète (HIS)

Diabète (Pharmanet) Non Oui Total


Non 9570 98.53% 58 (FN) 13.34% 9628 Oui 196 (FP) 1.47% 334 86.66% 530

Total 9766 100.00% 392 100.00% 10158

Tableau 55.Evaluation de l’information fournie par Pharmanet par rapport aux déclarations de COPD au sein de l’Enquête de Santé belge 2008

BPCO (HIS)

BPCO (Pharmanet) Non Oui Total


Non 8976 92.71% 278 (FN) 54.87% 9254 Oui 722 (FP) 7.29% 211 45.13% 933

Total 9698 100.00% 489 100.00% 10187

146

Tableau 56. Evaluation de l’information fournie par Pharmanet par rapport aux déclarations Parkinson au sein de l’Enquête de Santé belge 2008

Parkinson (HIS)

Parkinson (Pharmanet) Non Oui Total


Non 10116 99.84% 23 (FN) 36.08% 10139 Oui 31 (FP) 0.16% 42 63.92% 73

Total 10147 100.00% 65 100.00% 10212

Tableau 57. Evaluation de l’information fournie par Pharmanet par rapport aux déclarations fracture de la hanche au sein de l’Enquête de Santé belge 2008

Fracture de la hanche (HIS)

Fracture de la hanche (Pharmanet) Non Oui Total


Non 10105 99.79% 71 (FN) 83.91% 10176 Oui 25 (FP) 0.21% 16 16.09% 41

Total 10130 100.00% 87 100.00% 10212

147

5. Cout supplementaire pour le remboursements de quelques groupes de medicaments specifiques

5.1 Introduction Cette section du rapport fait suite aux analyses présentées dans un précédent rapport pour le compte de l’INAMI (2;3). Ce dernier visait à évaluer, sur la base des résultats de l’Enquête de Santé (HIS) 2008, le surcoût qui pèserait sur l’INAMI si la prise en charge de trois groupes spécifiques de médicaments non remboursés (médicaments de catégorie D) était intégrée au maximum à facturer (MAF) malades chroniques. Il est question des produits suivants :

• les antidouleurs (tant les analgésiques classiques (ATCN02) que les anti-inflammatoires et les antirhumatismaux (ATC M01)

• les laxatifs (ATC A06) • les préparations à base de calcium (ATC A12A).

L’étude qui nous occupe a, quant à elle, pour vocation d’estimer, à l’aide des données sur la consommation de médicaments livrées par l’Enquête de Santé 2008, les coûts supplémentaires que l’INAMI devrait supporter si le remboursement de ces médicaments se limitait à des groupes cibles spécifiques identifiés par l’INAMI :

1. les bénéficiaires du forfait malade chronique 2. les bénéficiaires du MAF malade chronique 3. les personnes porteuses du statut malade chronique.

5.2 Méthodologie Principe

Dans le cadre de l’Enquête HIS 2008, les interviewers ont demandé à tous les participants de leur montrer les médicaments qu’ils avaient consommés au cours des dernières 24 heures. Ces derniers ont pris note de la marque et, si possible, du code CNK correspondant. Dans de nombreux cas, le code CNK s’est toutefois révélé incorrect ou manquant (par exemple en raison de l’absence de l’emballage original). Par conséquent, les données ont seulement pu, a posteriori, être ramenées au niveau du code ATC. Pour ce qui est des préparations magistrales, aucune information sur les composants n’a été recueillie.

148

Afin de déduire du pourcentage de la population ayant consommé un médicament spécifique au cours des 24 dernières heures une estimation du nombre de DDD utilisées par an, la méthode décrite dans le précédent rapport a été utilisée. Les étapes suivantes ont été suivies :

1. On postule que le nombre moyen de DDD pour une personne prenant un médicament donné est égal à 1 ;

2. Le pourcentage de la population ayant consommé un médicament spécifique au cours des dernières 24 heures correspond dès lors au nombre moyen de DDD consommées par jour par 100 personnes dans la population ;

3. En extrapolant ce chiffre, on peut calculer combien de DDD la population totale consomme par jour ;

4. Pour disposer d’une estimation de la consommation annuelle, il suffit alors de multiplier le chiffre obtenu par 365.

Ensuite, il convient de traduire cette estimation en coûts pour l’assurance maladie. Le coût moyen d’une DDD peut être déduit par code ou groupe ATC. En multipliant ce coût par le nombre de DDD, on obtient alors le coût que représente la consommation totale de ce produit dans la population.

Pour chaque code ou groupe ATC, le pourcentage (%) de spécialités non remboursées peut être calculé à l’aide des chiffres IMS40. Si l’on multiplie le coût total de toutes les DDD utilisées pour un produit ou un groupe de produits par ce pourcentage, on obtient alors le montant total à charge des patients eux-mêmes. Ce montant correspond au surcoût que l’assurance maladie devrait assumer si ce médicament ou ce groupe de médicaments était intégralement remboursé.

Toutefois, cette méthode a incontestablement ses limites et repose sur des hypothèses qui ne sont pas nécessairement exactes. En voici quelques exemples :

• la représentation de l’échantillon est loin d’être garantie à 100 % ; le degré de participation à l’enquête atteint 55 % à peine ; lors du couplage, 10 % supplémentaires ont encore été perdus ;

• l’hypothèse selon laquelle une personne utilisant un médicament en consomme en moyenne 1 DDD n’est pas nécessairement exacte ; moins l’usage est fréquent, plus le risque d’estimation erronée est élevé ;

• il est impossible de contrôler l’extrapolation du nombre moyen de DDD utilisées par jour à la consommation annuelle ; il est une nouvelle fois probable que le risque d’erreur augmente au fur et à mesure que la fréquence d’utilisation du médicament diminue ;

40 Les chiffres IMS (International Medical Services) proviennent de l’industrie pharmaceutique.

149

• la méthode repose sur des estimations moyennes : prix moyen d’une DDD et montant moyen remboursé ; la consommation de médicaments peut donner des résultats tout à fait faussés, surtout en cas de chiffres peu élevés ;

• les chiffres IMS relatifs au pourcentage de médicaments remboursés portent sur la population totale ; ces mêmes chiffres servent pour réaliser des estimations pour certains groupes cibles, mais il est tout à fait possible que le pourcentage de médicaments remboursés soit différent dans ces groupes.

Il est important de souligner que les données de Pharmanet et de l’IMS reposent sur la prescription de médicaments d’une part et sur les chiffres de vente d’autre part, alors que pour ce qui concerne l’Enquête de Santé on pose des questions aux individus à propos de leur consommation de médicaments. Le nombre de médicaments effectivement utilisés sera toujours plus faible que le nombre de médicaments prescrits, et l’écart varie vraisemblablement en fonction du type de médicament.

Validité de la méthodologie appliquée

Pour vérifier, dans une certaine mesure, la validité de la méthodologie appliquée, un exercice a été mené. Celui-ci consistait à comparer, pour quatre types de médicaments toujours soumis à une prescription médicale, les trois indicateurs suivants:

1) le nombre moyen de DDD prescrites par bénéficiaire sur la base des chiffres de Pharmanet issus de l’EPS ;

2) le nombre moyen de DDD prescrites par personne dans la population sur la base des données HIS couplées à celles de Pharmanet ;

3) le nombre moyen de DDD utilisées par personne dans la population estimé sur la base du HIS à l’aide de la méthodologie décrite ci-dessus.

Les médicaments étudiés étaient les suivants : antibiotiques, antidépresseurs, statines et antiparkinsoniens.

Étant donné qu’il s’agit de médicaments toujours soumis à prescription médicale et remboursables, des informations exhaustives sur le nombre d’emballages prescrits sont disponibles grâce à Pharmanet.

Les résultats obtenus sont présentés dans le Tableau 58. Il en ressort que le nombre moyen de DDD par personne calculé à partir des données EPS (pour l’année 2008) correspond assez bien à l’estimation faite sur la base de l’Enquête de Santé pour les catégories de médicaments choisis. Pour les participants à l’Enquête de Santé, l’estimation du nombre de DDD utilisées sur une base annuelle atteint, en fonction de la catégorie de médicaments, entre 62,6 % et 87,7 % du nombre moyen de DDD prescrites l’année précédant la participation à l’enquête de santé (sur la base des données Pharmanet). Vu que tous les médicaments prescrits ne sont pas effectivement consommés, ce résultat semble relativement acceptable. On peut donc globalement tirer la conclusion que la méthodologie

150

appliquée permet, malgré ses nombreuses limites, de réaliser des estimations approximatives acceptables.

Tableau 58. Comparaison des prescriptions et des consommations pour 4 catégories de médicaments toujours remboursés

DDD prescrites par personne et par an (source :

EPS)

DDD prescrites par personne et par an

(source : base de données HIS couplée)

DDD consommées par personne et par an

(source : base de données HIS couplée)

DDD DDD

% par rapport aux données EPS DDD

% par rapport aux DDD

prescrites

Antibiotiques (J01) 28,01 32,02 114,3 % 20,03 62,6 %

Antidépresseurs (N06A) 10,54 10,30 97,7 % 6,77 65,7 %

Statines (C10AA) 32,33 34,65 107,2 % 30,38 87,7 %

Antiparkinsoniens (N04) 1,99 2,03 102,0 % 1,45 71,4 %

5.3 Résultats Les résultats de l’exercice pour les catégories de médicaments sélectionnés par l’INAMI sont présentés au Tableau 59.

Dans la population générale, le nombre moyen de DDD consommées par personne et par an est le suivant :

• 3,00 unités pour les laxatifs (ATC A06) • 5,00 pour les suppléments calciques (A12A) • 18,00 pour les anti-inflammatoires (M01) • 21,20 pour les analgésiques (N02).

Dans les sous-populations qui nous intéressent (bénéficiaires du MAF malade chronique, personnes porteuses du statut malade chronique et bénéficiaires du forfait malade chronique), la prise de ces médicaments est bien entendu plus haute. La consommation moyenne d’analgésiques (N02) chez les bénéficiaires du forfait malade chronique s’élève ainsi à 94,40 DDD par an.

Si l’on multiplie le nombre moyen de DDD par an par le nombre total de bénéficiaires en 2008 (9.443.517), on obtient une estimation du nombre de DDD consommées dans la population totale. Si l’on veut réaliser le même calcul pour les sous-populations qui nous occupent, il convient naturellement de tenir compte de la part de la population qui appartient à ces sous-groupes :

151

• 1,79 % pour les bénéficiaires du forfait malade chronique • 4,79 % pour les bénéficiaires du MAF malade chronique • 7,98 % pour les personnes porteuses du statut malade chronique.

Ces pourcentages ont été calculés sur la base du couplage de données issues du HIS et des Organismes Assureurs (OA), mais sont également assez proches des pourcentages tirés de l’EPS (qui s’élèvent respectivement à 1,51 %, 4,20 % et 7,29 %).

Le pourcentage de DDD non remboursées varie bien entendu d’un produit à un autre :

• 17,6 % dans le cas des anti-inflammatoires • 70,2 % dans le cas des analgésiques • plus de 95 % dans le cas des laxatifs et des suppléments calciques (ces derniers

médicaments cités ne sont en effet pratiquement jamais remboursés).

Pour une estimation des coûts, il convient de prendre en considération le coût moyen d’une DDD :

• 0,38 EUR pour les suppléments calciques • 0,46 EUR pour les laxatifs • à 0,94 EUR pour les analgésiques • 1,05 EUR pour les anti-inflammatoires.

En fin de compte, les calculs mènent aux résultats suivants :

1. Si l’on décidait de rembourser tous les antidouleurs et tous les anti-inflammatoires pour la population entière, cela représenterait un surcoût de 163.341.286 EUR pour l’INAMI. Si l’on appliquait ce principe exclusivement pour :

a. les bénéficiaires du forfait malade chronique, le surcoût s’élèverait à 11.158.275 EUR

b. 26 508 126 EUR pour les bénéficiaires du MAF malade chronique c. 42 634 779 EUR pour les personnes porteuses du statut malade chronique.

2. Si l’on décidait de rembourser tous les laxatifs pour la population entière, cela

représenterait un surcoût de 12.608.682 EUR pour l’INAMI. Si l’on appliquait ce principe exclusivement pour :

a. les bénéficiaires du forfait malade chronique, le surcoût s’élèverait à 1 766 443 EUR


3. Si l’on décidait de rembourser tous les suppléments calciques pour la population entière, cela représenterait un surcoût de 17.877.711 EUR pour l’INAMI. Si l’on appliquait ce principe exclusivement :

a. pour les bénéficiaires du forfait malade chronique, le surcoût s’élèverait à 2 074 951 EUR

152


4. Enfin, si l’on décidait de rembourser tous les médicaments des 3 catégories rassemblés pour la population entière, cela représenterait un surcoût de 193.827.679 EUR pour l’INAMI. Si l’on appliquait ce principe exclusivement pour :

a. les bénéficiaires du forfait malade chronique, le surcoût s’élèverait à 14.999.669 EUR


5.4 Conclusion L’Enquête de Santé permet d’estimer la consommation et le coût de catégories spécifiques de médicaments non remboursés, tant pour la population générale que pour des groupes cibles définis. Le couplage des données issues de l’Enquête de Santé et des Organismes Assureurs permet de produire des résultats pour des groupes spécifiques identifiés par l’INAMI sur la base des données de consommation, tels que les bénéficiaires du forfait malade chronique, les bénéficiaires du MAF malade chronique et les personnes porteuses du statut malade chronique. Les calculs livrent toutefois des estimations approximatives et des recherches plus approfondies doivent être menées afin de confirmer la validité des résultats.

Tableau 59. Estimation du coût du remboursement de groupes de médicaments actuellement non (intégralement) remboursés – HIS 2008

POPULATION TOTALE

M01 (AINS) N02

(analgésiques) A06 (laxatifs) A12A (suppléments

calciques)

Consommation moyenne par personne en 2008 (exprimée en DDD) sur la base des données issues de la base de données couplée

18,04 21,20 3,00 5,00

Consommation totale en 2008 (exprimée en DDD) sur la base des données issues de la base de données couplée 170 361 047 200 202 560 28 330 551 47 217 585

% de non-remboursements (sur la base des données IMS) 17,6 70,2 97,6 98,6

Estimation de la consommation totale de médicaments non remboursés en 2008 (exprimée en DDD) 29 983 544 140 542 197 27 650 618 46 556 539

Coût par DDD non remboursée (sur la base des données IMS) 1,051 0,938 0,456 0,384

Estimation du coût total des médicaments non remboursés en 2008 (exprimée en euros) sur la base des données issues de la base de données HIS couplée

31 512 705 131 828,581 12 608 682 17 877 711

154

SÉLECTION : PERSONNES BÉNÉFICIANT DU FORFAIT « MALADES CHRONIQUES »

M01 (AINS) N02


calciques

Consommation moyenne par personne en 2008 (exprimée en DDD) dans le groupe sélectionné 20,92 94,37 23,48 32,42

% de la population totale appartenant au groupe sélectionné 1,79 1,79 1,79 1,79

Consommation totale en 2008 (exprimée en DDD) dans le groupe sélectionné 3 536 295 15 952 206 3 969 035 5 480 243


Estimation de la consommation totale de médicaments non remboursés en 2008 dans le groupe sélectionné (exprimée en DDD) 622 388 11 198 449 3 873 778 5 403 519


Estimation du coût total des médicaments non remboursés en 2008 (exprimée en euros) dans le groupe sélectionné 654 130 10 504 145 1 766 443 2 074 951

155

SÉLECTION : PERSONNES BÉNÉFICIANT DU MAF « MALADES CHRONIQUES »

M01 (AINS) N02


calciques





Estimation de la consommation totale de médicaments non remboursés en 2008 dans le groupe sélectionné (exprimée en DDD) 3 884 300 23 908 024 6 260 303 9 656 152


Estimation du coût total des médicaments non remboursés en 2008 (exprimée en euros) dans le groupe sélectionné 4 082 399 22 425 727 2 854 698 3 707 962

156

SÉLECTION : PERSONNES PORTEUSES DU STATUT « MALADE CHRONIQUE »

M01 (AINS)

N02 (analgésiques) A06 (laxatifs)

A12A (suppléments calciques)





Estimation de la consommation totale de médicaments non remboursés en 2008 dans le groupe sélectionné (exprimée en DDD) 5 367 629 39 438 593 15 077 882 17 342 609


Estimation du coût total des médicaments non remboursés en 2008 (exprimée en euros) dans le groupe sélectionné 5 641 379 36 993 401 6 875 514 6 659 562

References (1) Geographie de la consommation. Variations de dépenses de l'assurance soins de santé

en Belgique – Données 2009. De Cock J, editor. 1-250. 2012. INAMI/RIZIV.

(2) Mimilidis H, Van der Heyden J, Demarest S, Tafforeau J. La consommation de médicaments non-remboursés en Belgique; une étude utilisant les données de l'enquête de santé belge 2008. PHS 2013/011, 1-68. 2013. Brussels, Institut scientifique de Santé publique / Wetenschappelijk Instituut Volksgezondheid (WIV-ISP). 9-9-2013.

(3) Mimilidis H, Van der Heyden J, Demarest S, Tafforeau J. La consommation de médicaments non-remboursés en Belgique; une étude utilisant les données de l'enquête de santé belge 2008: supplément sur l'estimation du coût lié à la consommation de certains groupes de médicaments non remboursés. PHS 2013/011, 1-72. 2013. Brussels, Institut scientifique de Santé publique / Wetenschappelijk Instituut Volksgezondheid (WIV-ISP). 9-9-2013.

(4) Mimilidis H, Demarest S. Les déterminants de l'accès aux soins de santé en Belgique; une étude des besoins de soins non-satisfaits pour des raisons financières sur base de l'enquête de santé belge. 2012.

(5) Demarest S, Van der Heyden J, Charafeddine R, Tafforeau J, Van Oyen H, Van Hal G. Socio-economic differences in participation of households in a Belgian national health survey. Eur J Publ Health 2012.

(6) Andersen R. National health surveys and the behavioral model of health services use. Med Care 2008; 46(7):647-653.

(7) De Lepeleire J, Heyrman J. Is everyone with a chronic disease also chronically ill? Arch Public Health 2003; 61:161-176.

(8) Picavet HS, van den Bos GA. The contribution of six chronic conditions to the total burden of mobility disability in the Dutch population. Am J Public Health 1997; 87:1680-1682.

(9) Hovstadius B, Petersson G. Factors leading to excessive polypharmacy. Clin Geriatr Med 2012; 28(2):159-172.

(10) Fulton MM, Allen ER. Polypharmacy in the elderly: a literature review. J Am Acad Nurse Pract 2005; 17(4):123-132.

(11) Van der Heyden J, Mimilidis H, Bartholomeeusen S, Vanthomme K, Van Casteren V, Tafforeau J. Diabetesprevalentie in België: vergelijking van beschikbare data. Vlaams tijdschrift voor Diabetologie 2012; 2:6-8.

(12) Van der Heyden J, Mimilidis H, Tafforeau J. Eurostat Pilot Project Diagnosis-specific Morbidity Statistics, Belgium. Final Report. 2011. Brussels, Operational Direction Public Health and Surveillance, Scientific Institute of Public Health.

158

Annexes Annexe 1 : Demande d’autorisation pour le transfert, le couplage et le traitement de

données individuelles de l'Enquête de Santé 2008 avec des données des organismes assureurs (OA), introduite auprès du Comité sectoriel de la Sécurité sociale et de la Santé, Section « Santé »

Annexe 2 : Demande d’autorisation pour le transfert, le couplage et le traitement de données individuelles de l'Enquête de Santé 2008 avec des données des organismes assureurs (OA), introduite auprès du Comité de surveillance statistique

Annexe 3 : Analyse du risque d’identification par l’Agence Intermutualiste

Annexe 4 : Délibération n° 12/012 du 21 février 2012, modifiée le 20 novembre 2012, relative à la communication de données à caractère personnel codées par l’Agence Intermutualiste à l’Institut scientifique de Santé publique en vue de leur couplage avec des données à caractère personnel codées relatives à l’Enquête de Santé 2008 dans le cadre d’une recherche scientifique et statistique

Annexe 5 : Différences régionales en ce qui concerne les dépenses pour des soins de santé: comparaison entre HISLINK (2008) en EPS (échantillon permanent)

Annexe 6 : Différences régionales en ce qui concerne les dépenses pour des soins de santé spécifiques. Evolution du risque relatif via l’introduction successive de déterminants potentiels dans le modèle

Annexe 7 : Coefficient Kappa de concordance des indicateurs « malade chronique » des différents indicateurs OA avec les indicateurs HIS comme référence, base de données couplées HIS-OA, par âge et sexe, Belgique, 2008

Annexe 8 : Liste des codes ATC et des numéros de nomenclature utilisés pour les maladies cibles