8.8 Limites et critiques de l’ESCC Cycle 2.2
8.8.1 Critique de la façon dont sont mesurées certaines variables indépendantes Voici quelques critiques que nous émettons au sujet de la mesure de nos variables indépendantes. Le questionnaire de l’ESCC interroge les gens, pour connaître le nombre de fois où ils consomment des fruits et des légumes dans une journée, mais, sans poser de questions plus précises sur la quantité consommée.
Connaître la taille des portions, et pas seulement la fréquence de consommation est important, car par exemple, une fraise n’a pas le même impact nutritionnel qu’une pomme. Étant donné que l’enquête n’en tient pas compte, il est difficile de dire si effectivement, la personne atteint les objectifs prescrits par le Guide alimentaire canadien. La variable de consommation de fruits et légumes, peut donc, ne pas décrire efficacement les apports quotidiens d’une personne.
De plus, il est ardu de mesurer le niveau d’activité physique et le lien avec l’obésité. Dans l’ESCC, bien que l’on comptabilise les heures où l’enfant s’adonne à des activités physiques (par jour ou par semaine selon leur groupe d’âge), il est difficile de savoir jusqu’à quel point l’enfant et ses parents fournissent de l’information fiable, surtout lorsque la question est posée à des enfants de 6 à 11 ans.
Il pourrait très bien y avoir des problèmes de remémoration et de précision, mais, l’ampleur en est inconnue. Ceci pourrait fausser les associations entre obésité et activité physique. De plus, on demande aux adolescents de 12 à 17 ans de quantifier l’exercice physique fait durant les loisirs, mais, ceci pourrait ne pas refléter la somme de toutes les activités réalisées, car, l’exercice fait à l’école et au travail sont exclus du total.
De plus, lorsque l’on calcule la dépense énergétique totale des adolescents, dans la base de données on fait l’hypothèse que l’intensité de l’activité physique était faible pour tout le monde, sous prétexte que les gens sont portés à surestimer l’intensité de leur activité physique, mais ici il pourrait tout de même y avoir inexactitude.
8.8.2 Omission de variables
La base de données a des limites, en ce qui concerne les données héréditaires et métaboliques qui sont difficiles à observer dans un échantillon à grande échelle.
Bien que des recherches scientifiques ont démontré : « qu’un enfant dont les deux parents sont obèses a 7 fois plus de chance d’être obèse, qu’un enfant dont le poids de ses deux parents est normal (5 fois plus de chances d’être obèse, dans le cas où, un des deux parents de l’enfant est obèse). » (Plourde, 2006, p. 324) On ne retrouve pas comme variable dans l’enquête le poids des parents, que ce soit l’IMC de la mère ou celui du père.
Ceci nous empêche d’établir des liens de causalité. Des données concernant le gain de poids de la mère, durant la grossesse, auraient également été intéressantes bien que quasi-impossible à mesurer.
On ne retrouve pas non plus, des données concernant les habitudes de vie des parents, par exemple, le temps qu’ils passent devant l’écran, ou la quantité de fruits et légumes qu’ils consomment dans une journée. Au fil d’une analyse plus poussée, nous aurions pu déterminer, si par exemple, le lien entre le poids des parents et celui de leur enfant est de nature génétique, d’habitudes de vie ou un mélange des deux.
En effet, il y a une zone grise, pour expliquer qu’il y ait de l’obésité dans une même famille, faut-il immédiatement sauter à la conclusion que c’est à cause de la génétique? Ou est-ce que le fait que l’on partage le même mode de vie au sein d’une famille, ne pourrait- il pas être une explication tout aussi valable? Pour résumer l’article de Baril (1993), il est vrai que 30 % de la population a tendance à prendre du poids facilement, mais ce n’est qu’une tendance liée à de mauvaises habitudes de vie. Celle-ci peut se contrôler par une dépense énergétique équivalente à la masse calorique ingérée.
Tout ce qui pourrait avoir trait à la génétique de l’obésité est absent de l’enquête de l’ESCC, ou de toute autre enquête statistique à grande échelle. Ceci empêche de comparer ces données, à des facteurs socio-économiques et d’habitudes de vie et d’établir des relations. En effet, il est difficile et coûteux financièrement de mesurer avec un gros échantillon la quantité de certaines hormones qu’une personne peut avoir et d’isoler ces gènes.
Bien que la science ait progressé et que ces analyses scientifiques peuvent être réalisées sur un nombre de personnes restreint, avec l’aide d’une équipe médicale spécialisée, celles-ci peuvent être difficilement faites avec un gros échantillon.
Des questions sur la santé, pour savoir si la personne est atteinte d’une maladie génétique pouvant causer l’obésité auraient également été intéressantes, mais ces maladies sont si rares, que le nombre dans l’échantillon qui en aurait été atteint aurait probablement été trop faible. En revanche, poser la question à savoir si le jeune consommait des médicaments antidépresseurs ou antipsychotiques aurait été pertinent.
De plus, l’ESCC ne contient pas certaines variables, par exemple concernant les autochtones qui habitent dans les réserves. Ceci aurait été intéressant à mesurer, étant donné les études affirmant que l’obésité causerait des ravages particulièrement importants chez ceux-ci.
Des données sur la consommation calorique quotidienne de l’enfant auraient également été importantes dans notre étude. Notamment, de l’information sur la fréquence de consommation de fast-food et de boissons gazeuses aurait été pertinente.
Mais comme mentionné au chapitre 6.4 de ce texte, les données du rappel alimentaire de 24 heures (à l’exception de la consommation de fruits et légumes) n’étaient pas disponibles au moment de rédiger notre mémoire. Bien qu’ayant une utilité potentielle, on peut se questionner sur la représentativité de ce rappel étant donné qu’elle ne couvre un petit échantillon de temps (une journée).
De plus, dans la base de données, nous ne pouvons pas comparer l’obésité selon que les gens viennent d’un milieu urbain ou rural étant donné que nous n’avions pas accès aux codes postaux. Il aurait été intéressant également d’avoir l’information à savoir si la mère travaille à temps plein ou non. Aussi, des informations sur les heures de sommeil moyennes de l’enfant auraient été intéressantes, de même que de savoir si l’enfant a été nourri au sein ou non, et si oui, pour quelle durée.
Il n’y avait pas de données non plus en ce qui concerne la relation entre l’obésité et la prévalence/proximité de restaurants de fast-food ou de parcs proches de la maison. Aussi, nous n’avons pas trouvé d’information détaillée sur la baisse des prix en dollars réels de la nourriture et la hausse relative des prix de l’exercice physique au Canada donc nous avons dû nous en remettre à de la littérature scientifique sur le sujet.
Des données sur l’environnement commercial et l’exposition à la publicité faisant la promotion d’aliments à haute teneur calorique comme dans certaines bases de données américaines (dont le NLSY 1997) aurait aussi été pertinent.
Comme mentionné en 7.4, il aurait été plus représentatif de l’obésité réelle de pouvoir travailler avec la circonférence du tour de taille comme variable dépendante. En effet, cette mesure est une meilleure indication de la masse adipeuse d’un individu et est corrélée avec un plus grand nombre de maladies que l’IMC. Il aurait été intéressant aussi de définir si les déterminants de ces deux mesures étaient semblables ou différents.
8.8.3 Problème d’endogénéité et autres limites
Il existe également un problème d’endogénéité potentiel dans nos résultats. En effet une corrélation entre certaines variables indépendantes et le terme d’erreur est fort probable car des variables ont été omises de la régression. Comme mentionné en 2.1.1, la province d’origine n’est pas un déterminant en soi, car des facteurs omis que l’on retrouve dans cette province (bagage génétique, concentration d’autochtones, exposition publicitaire, présence de pistes cyclables, mesures gouvernementales adoptées par la province, revenu moyen des habitants etc.) sont davantage susceptibles de causer l’obésité.
En revanche, nous avons calculé qu’il y avait très peu de corrélation entre nos différentes variables indépendantes, donc le problème proviendrait principalement des variables omises (voir 8.8.2).
On constate aussi que le pouvoir explicatif de mes régressions est faible, avec un R carré allant de 4,82 % pour les 6 à 11 ans, à 8,48 % pour les 12 à 17 ans. Ici, il faut préciser que ce mémoire vise à expliquer les déterminants de l’obésité chez les jeunes, en lien avec l’augmentation de cette prévalence et non, pourquoi un individu précis est obèse. En effet, ces causes peuvent être de plusieurs natures, dont héréditaires, ce qui est difficile à calculer.
Ceci est important à considérer car les caractéristiques génétiques de la population changent lentement, tandis que l’incidence de l’obésité a augmenté rapidement au cours des dernières années. La génétique ne peut donc pas expliquer la prévalence de l’obésité juvénile au cours des dernières années pour cette raison. À moins qu’il y ait une corrélation entre une génétique propice au développement de l’obésité et les déterminants pouvant la causer. Ceci est l’hypothèse que nous retenons.
