Série de documents de travail de la recherche sur la santé
Groupes de régions sociosanitaires homologues : document de travail, 2024

Objet

Le présent document a pour objet de définir le concept de groupe de régions sociosanitaires homologues, de décrire la manière dont ces groupes sont formés, et de démontrer leur utilité. La classification des groupes de régions sociosanitaires homologues de 2024 y est également présentée.

1 Introduction

Le lancement de l’Enquête sur la santé dans les collectivités canadiennes (ESCC) en 2000, combiné à l’élargissement des produits de données existants au niveau des régions sanitaires, a suscité le besoin d’une méthode permettant de comparer les régions ayant des déterminants socioéconomiques de la santé similaires. La justification de cette méthode repose sur la possibilité de comparer les régions selon des indicateurs de l’état de santé, en tenant compte des effets de divers facteurs sociaux et économiques reconnus comme influant sur la santé. Cette méthode permet ainsi de comparer l’efficacité relative des activités de promotion de la santé et de prévention dans les différentes régions. Pour appuyer des comparaisons significatives, les régions sanitaires ont été regroupées en « groupes de régions sociosanitaires homologues » en fonction de caractéristiques socioéconomiques semblables, à l’aide d’une technique de regroupement (clustering).

L’élaboration des critères servant à définir les groupes de régions homologues a nécessité une attention particulière quant à leur objectif. Étant donné que le but principal était de permettre des comparaisons sur des questions liées à la santé, les variables décrivant directement les résultats en matière de santé ont été exclues du processus de regroupement. En outre, les variables retenues devaient être fiables et disponibles de façon uniforme pour l’ensemble des régions sanitaires. Afin d’assurer l’objectivité, des méthodes empiriques ont été utilisées pour élaborer les groupes. Enfin, pour faciliter des comparaisons simples et pertinentes, chaque groupe homologue a été conçu pour comprendre environ 5 à 10 régions sanitaires. Lors de l’application de ces paramètres, plusieurs contraintes ont été rencontrées, ce qui a nécessité certains ajustements. Tous les critères ont été suivis aussi rigoureusement que possible, et tout écart est expliqué en détail dans le présent document.

La première classification des groupes de régions sociosanitaires homologues, basée sur l’an 2000, a été publiée en 2002. Elle reposait sur les données du Recensement de 1996, ainsi que sur les limites des régions sanitaires telles que définies par les provinces et territoires en 2000. Afin de demeurer à jour en ce qui concerne la disponibilité des données et les changements aux limites des régions sanitaires, il est nécessaire de mettre à jour la classification des groupes homologues au fil du temps. Ces mises à jour ont été réalisées en 2003, 2007, 2014, 2018 et 2023. La plus récente mise à jour repose sur les données du Recensement de 2021 et sur les limites des régions sanitaires en date de septembre 2024. Cette dernière classification a abouti à la création de dix groupes homologues couvrant l’ensemble des régions sanitaires du Canada.

Le présent document fournit un aperçu du processus de création des groupes homologues. Il présente la classification de 2024 et compare les résultats avec les classifications précédentes. Enfin, un exemple illustre comment les groupes homologues peuvent être utilisés pour analyser des enjeux liés à la santé.

2 Données

Généralement, un ensemble de 23 variables décrivant les déterminants socioéconomiques et sociodémographiques de la santé dans les régions sanitaires du Canada est utilisé dans l’algorithme de regroupement pour générer les groupes homologues. Ces variables couvrent divers sujets, notamment la structure démographique, le statut social et économique, l’origine ethnique, l’identité autochtone, le logement, l’urbanisation, les inégalités de revenu et les conditions du marché du travail. Il est important de noter que les variables directement liées à la santé ont été délibérément exclues de la création des groupes homologues.

Bien que certaines modifications aient été apportées au fil du temps, la majorité des variables sont demeurées constantes depuis la création de la classification de 2000. La classification de 2024 utilise les mêmes 23 variables que celles utilisées pour la classification de 2023, avec l’ajout d’une nouvelle variable — le coefficient de Gini. Toutes les variables sont fondées sur les données du Recensement de 2021. Une liste détaillée des variables utilisées dans l’analyse, ainsi que leurs descriptions respectives, est présentée au Tableau 2.1.

3 Méthodologie

L’analyse par grappes (ou classification automatique) non hiérarchique a été utilisée comme méthode pour former les groupes homologues. De manière générale, l’analyse de regroupement a pour objectif d’attribuer des observations à des grappes (ou clusters) en fonction de leur similarité, mesurée à l’aide d’une métrique de distance. L’objectif est de créer des groupes dont les observations sont similaires entre elles, tout en étant distinctes de celles des autres groupes — autrement dit, de former des grappes homogènes et bien différenciées.

Les algorithmes de regroupement non hiérarchique visent à diviser un ensemble de données en un nombre prédéfini de grappes disjointes, en s’appuyant sur un critère d’optimisation spécifique. Cette approche a été jugée la plus appropriée pour répondre aux objectifs initiaux du projet de formation des groupes homologues, soit l’utilisation d’une méthode empirique pour créer un nombre fixe de groupes homologues, chacun comprenant environ 5 à 10 régions sanitaires.

Historiquement, les groupes homologues étaient générés dans SAS à l’aide de la procédure FASTCLUS. Toutefois, pour cette publication, les groupes ont été créés dans R à l’aide des bibliothèques cluster et flexclust. Celles-ci utilisent l’algorithme des k-moyennes (k-means), qui répartit les observations dans un nombre prédéfini de k grappes. Une description détaillée de cet algorithme et de ses variantes peut être consultée dans Johnson et Wichern (2002). Les étapes de base de l’algorithme des k-moyennes sont les suivantes :

1. Initialisation : Choisir k observations comme valeurs initiales de grappe (centres initiaux des groupes homologues).
2. Attribution : Affecter chaque observation au centre de grappe le plus proche. Une fois toutes les observations attribuées, mettre à jour chaque centre de grappe en calculant la moyenne des observations qui lui sont associées. Répéter cette étape jusqu’à ce que les changements dans les centres deviennent négligeables ou nuls.
3. Finalisation : Attribuer chaque observation à son centre de grappe final le plus proche afin de former les grappes définitives.

3.1 Nombre de grappes

L’une des principales difficultés de l’analyse par grappes est la sélection du nombre approprié de grappes initiales. Plusieurs critères ont été proposés pour orienter ce choix (Everitt et al., 2001), généralement basés sur l’optimisation d’une ou plusieurs tests statistiques. En pratique, toutefois, la décision finale revient souvent à l’appréciation de l’analyste, selon les objectifs spécifiques de l’étude.

Pour la classification des groupes de régions homologues de 2024, un nombre maximal de 14 grappes a été retenu. Cela permettait d’attribuer en moyenne 7 régions sanitaires à chaque groupe de régions homologues^Note , conformément aux objectifs de l’étude. Le nombre maximal de grappes utilisé en 2023 était de 15.

4. Résultats

4.1 Normalisation des variables

Les variables mesurées sur des échelles différentes — ou sur une même échelle mais avec des variances différentes — sont souvent standardisées afin de réduire l’influence de ces écarts. Dans cette analyse, les 24 variables socioéconomiques ont été standardisées (moyenne de 0, variance de 1) avant de procéder à l’analyse de grappes.

Certaines variables comportaient des valeurs manquantes ou des zéros indiquant l’absence d’information pour certaines régions sociosanitaires. Plus précisément, la proportion d’individus à faible revenu dans les ménages privés (LOWPOP) et la proportion d’enfants à faible revenu (LOWKIDS) présentaient des valeurs manquantes, car les données sur le faible revenu ne sont pas dérivées par le recensement pour les trois territoires et les réserves indiennes. Ces valeurs manquantes concernaient notamment la “Région des Terres-Cries-de-la-Baie-James” (2418) ainsi que les territoires. De même, la proportion de ménages consacrant 30 % ou plus de leur revenu au logement (HOUAFF) et la proportion de logements occupés par leur propriétaire (OWNDWL) affichaient également des valeurs manquantes pour la région 2418. Toutes les valeurs manquantes ont été remplacées par des zéros avant la standardisation des variables.

Par ailleurs, la variable MIZ (zone d’influence métropolitaine) affichait une valeur de zéro dans certaines régions sociosanitaires. Dans ce cas, un zéro n’indique pas une donnée manquante, mais simplement l’absence d’une grande agglomération dans la région concernée. Ainsi, une valeur de zéro pour MIZ est valide et a été conservée dans l’analyse.

4.2 Création des groupes de régions homologues

Pour amorcer le processus de regroupement, l’algorithme a été paramétré afin de répartir les régions sociosanitaires en 14 grappes. Toutefois, 6 des grappes obtenues contenaient moins de cinq régions sociosanitaires, ce qui suggère que ce nombre de grappes pourrait être excessif pour une comparaison significative. L’objectif principal de la création de groupes de pairs étant de faciliter les comparaisons entre régions similaires, l’analyse a été ajustée en conséquence.

L’analyse a été relancée avec un nombre accru d’itérations, et l’algorithme K-means a été remplacé par K-medians. Contrairement à K-means, qui définit le centre d’un groupe comme la moyenne des points de données, K-medians utilise la médiane, ce qui le rend moins sensible aux valeurs aberrantes. Une dernière itération a ensuite été effectuée, en imposant une valeur maximale au rayon des groupes afin de limiter leur étendue.

Les résultats finaux de l’analyse de regroupement sont présentés dans le tableau 4.2.1. Ce tableau indique le nombre de régions sociosanitaires par groupe de pairs, ainsi que plusieurs statistiques :

• Écart-type quadratique moyen : Mesure la variabilité des points de données autour du centre du groupe.
• Rayon : Distance euclidienne maximale entre le centre du groupe et une observation quelconque dans ce groupe.
• Groupe le plus proche : Groupe de pairs le plus similaire selon la distance euclidienne.
• Distance jusqu’au groupe le plus proche : Distance euclidienne entre le centre du groupe courant et celui de son voisin le plus proche.

Dans ce contexte, le centre de chaque groupe est défini par les coordonnées moyennes de toutes les observations qu’il contient, et la distance euclidienne est utilisée comme mesure statistique de la distance entre deux points.

4.3 Regroupement des petites grappes

Les résultats du tableau 4.2.1 représentent des grappes réparties à peu près uniformément et dont la variance à l’intérieur de la grappe est minime, selon les paramètres utilisés par l’algorithme de mise en grappes. Les résultats indiquent la formation de 14 grappes, dont la taille varie de 2 à 16 régions sociosanitaires. Toutefois, il n’est pas pratique qu’une grappe comprenne moins de cinq régions, car cela limite les options de comparaison. Pour améliorer la comparabilité, les grappes comptant moins de cinq membres ont été combinées avec leur plus proche voisine. La grappe M (Montréal et Toronto) constitue l’exception. La grappe M n’a pas été fusionnée à une autre grappe parce que ses régions sociosanitaires tendent à être très différentes des autres régions du pays.

La grappe B (3 régions) a été combinée avec sa voisine la plus proche, la grappe C, produisant une grappe de 9 régions. La grappe D (2 régions) a été combinée avec sa voisine la plus proche, la grappe H, produisant une grappe de 10 régions. La grappe G (4 régions) a été combinée avec sa voisine la plus proche, la grappe J, produisant une grappe de 12 régions. Enfin, les grappes E (2 régions) et F (3 régions) ont été mises ensemble, produisant une grappe de 5 régions. Le regroupement des petites grappes a permis de ramener les 14 groupes de régions homologues issus de l’analyse par grappes et présentés dans le tableau 4.2.1 à dix groupes. Pour maintenir la continuité de la nomenclature alphabétique des groupes de régions homologues, les grappes ont été renommées de A à J. Une liste des régions sociosanitaires catégorisées par les groupes de régions homologues finaux figure au tableau 1.1.

4.4 Régions de Santé Ontario (RSO)

L’Ontario compte deux niveaux de divisions géographiques : 6 régions de santé de l’Ontario (RSO) et 34 circonscriptions sanitaires. En raison de la relation entre ces deux niveaux, il a été possible d’intégrer les deux dans la classification des groupes de régions homologues. Les informations au niveau des circonscriptions sanitaires ont été utilisées pour créer les groupes de régions homologues. Lors de la dernière étape de l’analyse de mise en grappes, la géographie au niveau des RSO a été intégrée aux groupes existants. Les RSO n’ont pas influencé le classement des autres régions sociosanitaires dans les groupes de régions homologues finaux. Pour toute analyse impliquant les groupes de régions homologues, un seul niveau géographique en Ontario doit être utilisé.

5 Discussion

5.1 Prédicteurs les plus puissants

Pour déterminer quelles variables ont joué un rôle clé dans la définition des groupes de régions sociosanitaires homologues, les grappes finales ont été analysés à l’aide d’une analyse discriminante pas à pas avec l’ensemble des 24 variables. Une étape de prétraitement a été effectuée pour détecter les groupes de variables contenant des informations redondantes. En supprimant automatiquement une variable de chaque paire fortement corrélée, nous avons obtenu un ensemble réduit de prédicteurs dans lequel les variables restantes sont en grande partie indépendantes les unes des autres. La fonction stepclass() de la bibliothèque klaR dans R a ensuite été exécutée afin d'évaluer séquentiellement la contribution de chaque prédicteur candidat aux performances de classification, en ajoutant ou en supprimant des variables selon le critère d'information (capacité de séparation). L’utilisation d’un facteur d’amélioration minimale permet de s’assurer que chaque variable ajoutée au modèle apporte une amélioration significative (≥ 0,05) à sa performance. Au total, cinq variables se sont révélées être les prédicteurs les plus importants. Le tableau 5.1.1 présente un résumé des résultats.

5.2 Analyse en composantes principales

L’analyse en composantes principales est une technique multidimensionnelle visant à ramener le nombre de variables dans les données à quelques facteurs appelés « composantes principales ». Les composantes principales sont des combinaisons linéaires des variables d’origine et ne sont pas corrélées. Ces composantes sont établies par ordre décroissant d’importance, pour que la majeure partie de la variance totale puisse être expliquée par le plus petit nombre possible de facteurs. Par conséquent, la première composante principale est la plus importante, car elle représente la plus grande proportion de la variance totale présente dans l’ensemble de données.

Les 24 variables socioéconomiques employées dans l’analyse par grappes ont été soumises à une analyse en composantes principales. Les deux premières composantes principales expliquent un peu moins de 57 % de la variabilité totale.

Voici une description sommaire des quatre premières composantes :

1. La première composante principale semble représenter des facteurs associés à l’« urbanisation », tels que l’abordabilité du logement, la proportion de minorités visibles, la proportion d’immigrants, la valeur moyenne des logements et la population âgée de moins de 20 ans.
2. La deuxième composante principale semble indiquer des caractéristiques liées au profil familial, telles que la proportion de la population âgée de 65 ans et plus, la proportion de familles monoparentales, la proportion de la population âge de 25 à 54 ans en situation d’emploi, la population totale en 2021 et la proportion de la population autochtone.
3. Pour ce qui est de la troisième composante principale, elle pourrait être interprétée comme reflétant l’inégalité des revenus, comme en témoignent des variables telles que la proportion des revenus provenant des transferts gouvernementaux, la proportion d’enfants à faible revenu, la proportion de personnes à faible revenu dans les ménages privés et le taux de chômage.
4. La quatrième composante est liée au milieu de vie, avec des variables telles que la densité de population et les logements privés occupés par leur propriétaire.

Les six premières composantes principales expliquent plus de 88 % de la variabilité totale dans les données, ce qui montre que les 24 variables peuvent être efficacement réduites à six facteurs avec une perte d’information minimale. Ces résultats sont cohérents avec la classification précédente par groupes de régions homologues, ce qui indique que les variables clés qui sous-tendent l'analyse sont restées relativement stables dans le temps.

5.3 Description des groupes de régions homologues

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

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

Les résultats de cette classification sont présentés dans le tableau 5.3.1. Même si cette méthodologie est un outil descriptif simpliste, elle distingue efficacement les caractéristiques d’un groupe de régions homologues par rapport à un autre. Comme le montre le tableau ci-dessous, aucun groupe de régions homologues ne partage la même catégorie pour les cinq variables. Par exemple, le groupe de régions homologues I (comprenant Montréal et Toronto) est le seul groupe caractérisé par une valeur moyenne très élevée des logements, une proportion très élevée d'enfants vivant dans une famille à faible revenu, une proportion très faible de migrants internes sur 5 ans, un taux élevé de chômage de longue durée, et une proportion faible de personnes âgées de 0 à 19 ans.

Les résultats de cette classification ont servi à élaborer un résumé écrit des dix groupes de régions homologues, basé sur les cinq variables clés de l’analyse discriminante. Ce sommaire est présenté à l’annexe B.

5.4 Limites géographiques

Chaque province et territoire définit les limites géographiques de ses régions sociosanitaires en fonction de préférences administratives, et ces limites peuvent évoluer avec le temps. Les régions sociosanitaires peuvent être strictement urbaines, strictement rurales, ou une combinaison des deux. Une variabilité importante peut exister au sein des régions sociosanitaires en ce qui concerne les indicateurs de santé, en raison d’un manque d’homogénéité géographique. Cette variabilité doit être prise en compte lors des inférences portant sur une région spécifique. Par exemple, bien que les indicateurs de santé à Vancouver soient favorables par rapport aux moyennes nationales, cela ne signifie pas que les habitants du centre-ville de Vancouver bénéficient d’une meilleure santé que la moyenne.

Ce manque d’homogénéité dans la définition des limites des régions sociosanitaires complique le processus d’attribution des régions sociosanitaires à des groupes de régions homologues. Cette variabilité peut influencer de manière significative la représentativité d’une variable donnée pour l’ensemble de la région, et dans certains cas, des facteurs déterminants importants peuvent être négligés.

Il convient également de noter qu’une variabilité notable peut exister entre les régions sociosanitaires d’un même groupe de régions homologues en ce qui concerne les facteurs socioéconomiques utilisés dans l’analyse par grappes. Cela doit être pris en compte lors de la comparaison des régions au sein d’un même groupe de régions homologues. Cette variabilité est apparente parmi les groupes de régions homologues de 2024 listés à l’annexe A, illustrant la diversité des cinq variables clés identifiées par l’analyse discriminante pas à pas.

5.5 Représentation géographique des groupes de régions homologues définitifs

La carte ci-dessous offre une représentation visuelle claire du regroupement géographique des régions sociosanitaires en dix groupes de régions homologues définitifs. Montréal et Toronto constituent la plus petite grappe en raison de leurs différences marquées en matière de taille de population et de diversité, comparativement aux autres régions sociosanitaires, ce qui les rend inadaptées à une intégration dans un autre groupe de régions homologues.

Des grappes de régions sociosanitaires se sont formées de manière nette, principalement en raison de caractéristiques communes influencées par leur emplacement géographique au Canada. Par exemple, les régions du Nord se sont regroupées en fonction de la composition autochtone de leur population et de leur faible densité démographique.

Régions sociosanitaires et groupes de régions homologues du Canada, 2024

Description de la carte

Cette carte montre les dix groupes de régions sociosanitaires homologues au Canada. Le groupe de régions homologues A est en violet. Le groupe de régions homologues B est en mauve. Le groupe de régions homologues C est en lavande. Le groupe de régions homologues D est en vert foncé. Le groupe de régions homologues E est en brun. Le groupe de régions homologues F est en rose foncé. Le groupe de régions homologues G est en vert pâle. Le groupe de régions homologues H est en jaune. Le groupe de régions homologues I est en noir. Le groupe de régions homologues J est en orange. Les régions sociosanitaires sont encadrées d'une mince ligne noire et étiquetées en texte noir comprenant leur code à quatre chiffres.

Groupes de régions sociosanitaires homologues

Groupe de régions homologues A

• 1020 Eastern Urban Zone
• 1204 Zone 4 - Central
• 2413 Région de Laval
• 3537 Circonscription sanitaire de la cité de Hamilton
• 3544 Circonscription sanitaire de Middlesex-London
• 3551 Circonscription sanitaire de la ville d'Ottawa
• 3565 Circonscription sanitaire de Waterloo
• 3568 Circonscription sanitaire de Windsor-comté d'Essex
• 4601 Région sanitaire de Winnipeg et de Churchill
• 4724 Saskatoon Zone
• 4727 Regina Zone
• 4834 Edmonton Zone

Groupe de régions homologues B

• 2401 Région du Bas-Saint-Laurent
• 2402 Région du Saguenay–Lac-Saint-Jean
• 2403 Région de la Capitale-Nationale
• 2404 Région de la Mauricie et du Centre-du-Québec
• 2405 Région de l'Estrie
• 2408 Région de l'Abitibi-Témiscamingue
• 2409 Région de la Côte-Nord
• 2410 Région du Nord-du-Québec
• 2412 Région de la Chaudière-Appalaches

Groupe de régions homologues C

• 1024 Labrador-Grenfell Zone
• 3549 Circonscription sanitaire du Nord-Ouest
• 3556 Circonscription sanitaire de Porcupine
• 4722 North Central West Zone
• 4723 North Central East Zone
• 4833 Central Zone
• 4835 North Zone
• 5950 Northern Health Authority
• 6001 Yukon
• 6101 Territoires du Nord-Ouest

Groupe de régions homologues D

• 2417 Région du Nunavik
• 2418 Région des Terres-Cries-de-la-Baie-James
• 4604 Région sanitaire du Nord
• 4721 Far North Zone
• 6201 Nunavut

Groupe de régions homologues E

• 1021 Eastern Rural Zone
• 1022 Central Zone
• 1023 Western Zone
• 1201 Zone 1 - Western
• 1202 Zone 2 - Northern
• 1203 Zone 3 - Eastern
• 1304 Zone 4 (région d'Edmundston)
• 1305 Zone 5 (région de Campbellton)
• 1306 Zone 6 (région de Bathurst)
• 1307 Zone 7 (région de Miramichi)
• 2411 Région de la Gaspésie–Îles-de-la-Madeleine
• 3526 Circonscription sanitaire du district d'Algoma

Groupe de régions homologues F

• 3530 Circonscription sanitaire régionale de Durham
• 3536 Circonscription sanitaire régionale de Halton
• 3553 Circonscription sanitaire régionale de Peel
• 3570 Circonscription sanitaire régionale de York
• 4832 Calgary Zone
• 5920 Fraser Health Authority
• 5930 Vancouver Coastal Health Authority

Groupe de régions homologues G

• 1302 Zone 2 (région de Saint John)
• 1303 Zone 3 (région de Fredericton)
• 3540 Circonscription sanitaire de Chatham-Kent
• 3542 Circonscription sanitaire de Lambton
• 3550 Circonscription sanitaire de Huron et Perth
• 3558 Circonscription sanitaire de l'Est de l'Ontario
• 3561 Circonscription sanitaire de Sudbury et son district
• 3562 Circonscription sanitaire du district de Thunder Bay
• 3563 Circonscription sanitaire de Timiskaming
• 4602 Région sanitaire de Prairie Mountain
• 4603 Région sanitaire d'Entre-les-Lacs et de l'Est
• 4605 Région sanitaire du Sud
• 4725 South West Zone
• 4726 South East Zone
• 4831 South Zone

Groupe de régions homologues H

• 3527 Circonscription sanitaire du comté de Brant
• 3533 Circonscription sanitaire de Grey Bruce
• 3534 Circonscription sanitaire de Haldimand-Norfolk
• 3535 Circonscription sanitaire du district de Haliburton, Kawartha et Pine Ridge
• 3538 Circonscription sanitaire des comtés de Hastings et Prince Edward
• 3541 Circonscription sanitaire de Kingston, Frontenac et Lennox et Addington
• 3543 Circonscription sanitaire du district de Leeds, Grenville et Lanark
• 3546 Circonscription sanitaire régionale de Niagara
• 3547 Circonscription sanitaire du district de North Bay Parry Sound
• 3555 Circonscription sanitaire du comté et de la cité de Peterborough
• 3557 Circonscription sanitaire du comté et du district de Renfrew
• 3560 Circonscription sanitaire du district de Simcoe Muskoka
• 3566 Circonscription sanitaire de Wellington-Dufferin-Guelph
• 3575 Circonscription sanitaire d’Oxford, Elgin et St. Thomas
• 5910 Interior Health Authority
• 5940 Island Health Authority

Groupe de régions homologues I

• 2406 Région de Montréal
• 3595 Circonscription sanitaire de la cité de Toronto

Groupe de régions homologues J

• 1100 Île-du-Prince-Édouard
• 1301 Zone 1 (région de Moncton)
• 2407 Région de l'Outaouais
• 2414 Région de Lanaudière
• 2415 Région des Laurentides
• 2416 Région de la Montérégie

6 Les groupes de régions homologues à l’œuvre

L’objectif de cette section est de démontrer l’utilité des groupes de régions homologues. Deux types d’analyses, distinctes mais complémentaires, peuvent être réalisées à l’aide des groupes de régions homologues: la comparaison des indicateurs liés à la santé entre les groupes de régions homologues et au sein d’un même groupe. Étant donné que les groupes de régions homologues sont constitués de régions ayant des caractéristiques socioéconomiques similaires, des différences entre les groupes sont attendues. Les groupes de régions homologues présentant des indicateurs socioéconomiques plus favorables sont susceptibles d’afficher de meilleurs résultats en matière de santé. De plus, les estimations issues d’un groupe de régions homologues peuvent être comparées aux moyennes nationales pour évaluer la performance globale du groupe.

Une deuxième analyse, peut-être plus pertinente, consiste à comparer les régions sociosanitaires au sein d’un même groupe de régions homologues. Une fois les effets des facteurs socioéconomiques connus pour influencer l’état de santé neutralisés, il devient possible de comparer les régions de manière plus significative, sur la base des indicateurs de santé.

L’exemple présenté à la section 6.1 illustre de façon simple comment et quand utiliser les groupes de régions homologues. Il repose sur la classification des groupes de régions homologues de 2024 et les données de l’Enquête sur la santé dans les collectivités canadiennes (ESCC) de 2019-2020. Une analyse plus approfondie utilisant les groupes de régions homologues est disponible dans l’étude « La santé dans les collectivités canadiennes », de Margot Shields et Stéphane Tremblay de Statistique Canada (2002).

6.1 Exemple : maladies du cœur

Cet exemple examine la prévalence des maladies du cœur dans la population âgée de 18 ans et plus dans les différentes régions du pays. Chaque répondant à l’Enquête sur la santé dans les collectivités canadiennes (ESCC) est interrogé sur son état de santé cardiaque. La prévalence nationale des maladies du cœur chez les adultes en 2019-2020 était de 5,0 %. Le taux de données manquantes pour cet indicateur de santé est inférieur à 0,5 %. Dans cet exemple, les valeurs manquantes ont été exclues.

La prévalence des maladies du cœur dans chaque groupe de régions homologues est illustrée dans le tableau 6.1.1, accompagnée d’une description de chaque groupe. La prévalence des maladies du cœur dans le groupe de régions homologues F est inférieure de 1,15 point de pourcentage à la moyenne nationale. Elle est également inférieure de 1,8 point de pourcentage au taux de maladies du cœur du groupe de régions homologues J. Ces deux différences sont statistiquement significatives (valeur de p < 0,01). Le groupe de régions homologues F est composé de grandes villes et de banlieues en Ontario, en Alberta et en Colombie-Britannique, caractérisées par une densité de population très élevée. Ce groupe présente un faible taux de tabagisme (10,6 %), un faible taux de consommation excessive d’alcool (15,8 %) et un taux d’activité physique supérieur à la moyenne (74,2 %). En revanche, le groupe de régions homologues J comprend des régions avec secteurs urbains et ruraux au Québec, au Nouveau-Brunswick et à l’Île-du-Prince-Édouard. Ce groupe affiche un taux de tabagisme plus élevé (16,3 %), un taux de consommation excessive d’alcool plus élevé (19,9 %) et un taux d’activité physique plus faible (66,0 %). Les différences entre les groupes F et J pour ces facteurs de risque sont statistiquement significatives (valeur de p < 0,01).

Le groupe de régions homologues F comprend sept régions sociosanitaires. Le tableau 6.1.2 présente la prévalence des maladies du cœur dans chacune de ces régions. Dans toutes les régions, la prévalence est inférieure à la moyenne nationale de 5,0 %. La prévalence la plus élevée, soit de 4,8 %, est observée dans la région sociosanitaire 3570. En revanche, la prévalence la plus faible, soit 3,3 %, est enregistrée dans la région sociosanitaire 4832.

Il convient de noter que les prévalences de maladies du cœur présentées dans les tableaux 6.1.1 et 6.1.2 ci-dessus peuvent toutes être publiées sans réserve, car elles reposent sur un nombre suffisant de répondants. L’intervalle de confiance peut être utilisé pour évaluer la fiabilité de l’estimation.

Pour les groupes de régions homologues comprenant des régions sociosanitaires plus éloignées, il peut ne pas être possible de réaliser la même analyse en raison du faible nombre de répondants. Dans ces cas, les résultats sont généralement publiés au niveau provincial, afin d’obtenir un échantillon plus important et des estimations plus fiables. Les groupes de régions homologues constituent alors une alternative utile aux provinces.

7 Résumé

En raison des modifications des frontières des régions sociosanitaires en septembre 2024 et de la disponibilité des données du Recensement de 2021, il a été nécessaire de mettre à jour la classification des groupes de régions homologues de 2023. Conformément au document de travail initial, l’objectif était de créer une classification regroupant les régions de santé ayant des déterminants sociaux et économiques de la santé similaires. Vingt-quatre variables couvrant un large éventail de domaines sociaux, économiques et démographiques ont été utilisées pour regrouper les régions sociosanitaires.

En partant d’un ensemble initial de 14 grappes et en s’assurant que chaque groupe comportait au moins deux régions sociosanitaires, les résultats indiquent que six grappes comptaient moins de cinq régions sociosanitaires. Les groupes de régions homologues comptant moins de cinq régions sociosanitaires ont été fusionnés avec leurs voisins les plus proches afin d’assurer un nombre suffisant de régions sociosanitaires pour des comparaisons significatives. La grappe I, composée de Montréal et Toronto, n’a pas été fusionnée avec une autre grappe, car ces régions sociosanitaires partagent plus de similarités entre elles qu’avec les autres. La classification finale comprenait dix groupes de régions homologues de taille allant de 2 à 16 régions, à l’exclusion des Régions de santé Ontario.

Une analyse discriminante pas à pas a été utilisée pour identifier les variables ayant le plus d’influence sur la formation finale des groupes de régions homologues. Les cinq variables les plus importantes étaient la population âgée de 0 à 19 ans, la valeur moyenne du logement, les enfants vivant dans une famille à faible revenu, le taux de chômage de longue durée et les migrants internes sur 5 ans. Chaque groupe de régions homologues se caractérise par au moins un facteur distinctif parmi ces cinq variables.

Les groupes de régions homologues sont utiles pour analyser les indicateurs liés à la santé, car, après avoir tenu compte des effets de différentes caractéristiques sociales et économiques influençant l’état de santé, ils permettent des comparaisons plus significatives entre les régions. Les indicateurs de la santé peuvent être comparés à la fois entre les groupes de régions homologues et au sein d’un même groupe. De plus, les groupes de régions homologues offrent une alternative aux provinces, lorsque les résultats d’une analyse ne peuvent être présentés au niveau de la région sociosanitaire en raison d’un échantillon insuffisant ou d’une forte variabilité d’échantillonnage.

8 Références

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

Everitt, B.S., S. Landau, M. Leese et D. Stahl. 2001. Cluster Analysis, 5th Edition, John Wiley and Sons Ltd, Chichester, Royaume-Uni.

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

Sarafin, C. 2009. « Guide méthodologique sur les groupes de régions homologues, 2007 », Indicateurs de la santé (document interne), Statistique Canada.

Shields, M. et S. Tremblay. 2002. « La santé dans les collectivités canadiennes », supplément aux Rapports sur la santé, vol. 13, Statistique Canada.

Wannell, B. 2009. « Groupes de régions homologues, 2007 », Indicateurs de la santé (document interne), Statistique Canada.

Annexes