Détermination des clusters à fort risque de malnutrition – Chapitre IV :
Dans ce chapitre, il est question de présenter les différentes zones du Cameroun dans lesquelles La malnutrition des enfants se fait ressentir de façon similaire.
I. Présentation de la technique de clusters (Clustering)
L’analyse spatiale est de plus en plus utilisée pour évaluer des risques sanitaires et pour ce faire de façon fiable, elle doit combiner des méthodes statistiques et les techniques des systèmes d’information géographique (SIG). Les variations spatiales des indicateurs sont étudiées dans un but descriptif afin de suggérer des hypothèses pertinentes par rapport au sujet traité.
Nous avons utilisé ici une approche géographique, ce qui nous a permis de ressortir La représentation cartographique du risque de malnutrition aigüe.
Ce travail s’intéresse plus particulièrement au niveau de risque de malnutrition mesuré à L’échelle d’un groupe géographique (zones de dénombrement « ZD ») car les coordonnées géographiques des centroïdes des ZD sont disponibles.
L’indicateur utilisé est le nombre d’enfants en situation de malnutrition aigüe modérée ou sévère en L’occurrence le Poids pour Taille qui permet de déterminer si La malnutrition est aigüe. Cet indicateur a été retenu car La malnutrition aigüe touche environ 20 millions d’enfants de moins de cinq ans et est associé à 1 à 2 millions de décès qui pourraient être évités chaque année dans le monde.
Les enfants souffrant de malnutrition aigüe sévère présentent un risque de décès accru (neuf fois supérieur) par rapport aux enfants ne souffrant pas de malnutrition ou souffrant de malnutrition modérée (OMS, 2018). De plus, lorsque le niveau de malnutrition aigüe d’une population atteint 10%, une alerte internationale est Lancée. (www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/nutrition)
L’objectif est d’étudier, au niveau de groupes d’individus définis sur une base géographique, La relation entre un indicateur de santé et une exposition environnementale (Introduction aux statistiques spatiales et aux systèmes d’information géographique en santé environnementale. Application aux études écologiques), en l’occurrence la malnutrition.
Pour réaliser cette étude, il est nécessaire de définir :
→ Le phénomène sanitaire d’intérêt et les indicateurs pertinents
→ L’unité statistique
→ La zone d’étude et La période d’étude
→ L’indicateur de risque d’intérêt
Cette analyse de cluster spatial présente bon nombre d’avantages tels que :
⇒ La localisation des données sanitaires et environnementales pour leur visualisation :
Le SIG permet de géo-référencer (attribuer des coordonnées géographiques à un objet afin de le localiser dans L’espace) des données et de mettre en œuvre des données de nature très différentes et qui n’ont souvent pas La même résolution spatiale.
Grâce à La prise de connaissance de ces données, c’est L’ensemble du contexte environnemental qui peut être décrit et mieux appréhendé. (Introduction aux statistiques spatiales et aux systèmes d’information géographique en santé environnementale. Application aux études écologiques)
⇒ La délimitation de La zone d’étude et La description des populations exposées :
C’est souvent dans le SIG, une fois intégrées les données sanitaires après géo-référencement, et les données du contexte environnemental, que pourra être définie La zone d’étude et de ce fait, La population d’intérêt. (Introduction aux statistiques spatiales et aux systèmes d’information géographique en santé environnementale. Application aux études écologiques)
⇒ La communication d’une information :
Enfin, c’est grâce aux outils du SIG que sera cartographiée L’information de manière efficace et directement utilisable pour La prise de décision et La communication des résultats d’une étude. (Introduction aux statistiques spatiales et aux systèmes d’information géographique en santé environnementale. Application aux études écologiques)
I. Présentation des résultats
II.1. Clusters à risques élevés
Les zones géographiques qui ont été utilisées pour notre analyse sont les zones de dénombrement (ZD) de L’enquête MICS 2014.
Nous nous sommes également servis de L’indicateur Poids pour Taille pour mesurer La prévalence de malnutrition aigüe car c’est celui indiqué pour les enfants de moins de cinq ans ; de plus, vu La situation de L’état civile, L’âge est tributaire de La déclaration des parents ce qui Laisse place à bon nombre d’informations pouvant fausser les analyses.
De notre analyse, il ressort huit (08) clusters regroupés comme suit, selon un ordre de prévalence croissant :
Cluster 1 : uniquement constitué de La ZD 99 de L’arrondissement de Yagoua de La région de L’Extrême-Nord, tous les enfants de moins de cinq ans s’y trouvant ont 9,4% de risque en plus de souffrir de malnutrition que les enfants n’appartenant pas à ce cluster.
Cluster 2 : il est uniquement constitué de La zone de dénombrement (ZD) numéro 87. Cette ZD appartient à L’arrondissement de Bertoua de La région de L’Est. Les enfants appartenant à ce cluster ont tous 9,1% de risque en plus de souffrir de malnutrition que les enfants n’appartenant pas à ce cluster.
Cluster 3 : également composé d’une seule ZD à savoir La ZD 100 de L’arrondissement de Mora de La région de L’Extrême-Nord, ce cluster contient les enfants dont le risque d’exposition à La malnutrition est supérieur à celui de ceux n’y appartiennent pas de 8,3%.
Cluster 4 : constitué de La ZD 285 appartenant à L’arrondissement d’Akonolinga de La région du Centre, ce cluster contient les enfants dont le risque d’exposition à La malnutrition est supérieur à celui de ceux n’y appartiennent pas de 5,9%.
Cluster 5 : les enfants compris dans ce cluster ont 5,3% de risque en plus que les enfants qui n’y sont pas compris de souffrir de malnutrition. Ce cluster est composé de La ZD 3 de La région de L’Adamaoua précisément de L’arrondissement de Tignere.
Cluster 6 : les enfants compris dans ce cluster ont 4,2% de risque en plus que les enfants qui n’y sont pas compris de souffrir de malnutrition. Ce cluster est composé de La ZD 371 de La région du Nord précisément de L’arrondissement de Guider.
Cluster 7 : il est composé des ZD 445, 443, 442, 450, 452, 447, 179, 178, 180, 449. Ces ZD appartiennent toutes à La région du Sud mais venant de divers arrondissements à savoir Akom II, Ebolowa, Niete, Ma’an, Kribi, Mvengue. Les enfants de moins de cinq ans compris dans ce cluster ont 3,8% de risque en plus de souffrir de malnutrition que les enfants qui n’y sont pas.
Cluster 8 : les enfants compris dans ce cluster ont 3,7% de risque en plus que les enfants qui n’y sont pas compris de souffrir de malnutrition. Ce cluster est composé de La ZD 354 de La région du Littoral, précisément de L’arrondissement de Nyanon.
Graphique 7 : Représentation des différents clusters à hauts risques déterminés
Source : INS 2014, MICS 5, Nos calculs
Graphique 8 : Représentation des différents clusters à hauts risques déterminés parmi les différentes ZD disponibles
Source : INS 2014, MICS 5, Nos calculs
II.2. Clusters à risques nuls
De cette étude il ressort également trois (03) clusters dans lesquels le risque de souffrir de malnutrition est nul ou quasiment nul. Il s’agit de :
Cluster 1 : il composé des ZD 64, 63, 40, 69, 37, 65, 49, 36, 68, 41, 39, 44, 35, 66, 48, 70, 38, 34, 56, 71, 42, 33, 67, 50, 47 appartenant à La ville de Douala ; les enfants de moins de cinq ans vivant dans ces ZD particulièrement et dans La ville de Douala en général n’ont quasiment aucun risque de plus que les autres enfants de souffrir de malnutrition.
Cluster 2 : il est composé des ZD 282, 281, 280, 30, 29, 31, 221, 242, 217, 220, 243, 241, 219, 231, 230, 229, 240, 218, 215, 228, 216, 209, 239, 238, 227, 213, 211, 226, 214, 212, 237, 207, 225, 271, 210, 208, 224, 206 appartenant à La ville de Yaoundé et à La région du Centre, plus précisément dans les arrondissements de Mfou, Bikok, Mbankomo, Bot-Makak et Mbalmayo.
Les enfants de moins de cinq ans qui vivent dans ces zones n’ont aucun risque de plus que ceux n’y vivant pas de souffrir de malnutrition.
Cluster 3 : il est uniquement constitué de La ZD 341 qui appartient à L’Extrême-Nord précisément dans La ville de Mogodé.
Graphique 9 : Représentation des différents clusters à risques nuls déterminés
Source : INS 2014, MICS 5, Nos calculs
Graphique 10 : Représentation des différents clusters à risques nuls déterminés parmi les différentes ZD disponibles
Source : INS 2014, MICS 5, Nos calculs
Limites de l’étude
Cette étude ne saurait prétendre être parfaite car elle a rencontrée des difficultés de taille et par conséquent accuse des limites. Cette étude n’a pu être exacte à cause de certains éléments tels que:
• L’étude n’a pas été menée sur toutes les grappes, nous n’avons utilisé qu’un échantillon de celles-ci car L’enquête utilisée était une enquête par sondage, ce qui implique qu’il y a peut- être d’autres ZD concernées par le phénomène et pouvant compléter ou constituer un cluster qui n’ont pas été étudiées ;
• L’analyse temporelle n’a pas pu être faite car L’enquête MICS 2014 ne le permettait pas du fait qu’elle a été faite en coupe instantanée ;
• La population d’enfants utilisée n’est pas La population exacte mais une estimation de celle- ci. Les résultats auraient été meilleurs avec La population exacte d’enfants ;
• Le manque du nombre de ZD en 2014 ; en effet, L’étude a été menée avec une estimation du nombre de ZD de 2005 ;
• Quatre ZD ont été exclues de L’étude pour manque de coordonnées géographiques.
Quelques recommandations
Le niveau de prévalence des indicateurs nutritionnels est un problème qui nécessite encore un regard particulier de La part du gouvernement qui se doit par conséquent d’adopter des stratégies ou politiques adéquates pour La résolution de ce dernier.
Dans L’optique d’améliorer La situation nutritionnelle des enfants de moins de cinq ans au Cameroun, nous proposons les recommandations suivantes :
Toute intervention visant à améliorer L’état nutritionnel des enfants doit cibler en priorité les régions de L’Extrême-Nord, du Nord, du Sud, de L’Adamaoua et de L’Est. A cet effet, il serait important de renforcer les centres nutritionnels thérapeutiques dans les districts de santé situés en zone rurale dans les régions citées ci-haut ;
Sensibiliser La population du Cameroun en général et des régions de L’Extrême-Nord, du Nord, du Sud, de L’Adamaoua et de L’Est en particulier notamment dans les zones rurales quant à L’importance de La qualité des aliments consommés car il est connu que La quantité est souvent privilégiée à La qualité de L’alimentation, pourtant La qualité de L’apport alimentaire a des répercussions sur La santé et le bien-être ;
Intégrer aux activités de La Semaine d’Actions de Santé et de Nutrition Infantile et Maternelle (SASNIM), une mesure du périmètre brachial pour déterminer les enfants souffrant de malnutrition aigüe suivi de La distribution des pâtes nutritives telles que plumpy nut aux mères dont les enfants ont un poids très faible par rapport à leur âge ou présentent des signes d’émaciation ;
Améliorer La couverture géographique des actions de lutte contre La pauvreté et La malnutrition, et renforcer les activités en milieu rural ;
Intégrer L’éducation nutritionnelle dans L’enseignement de base (primaire, secondaire) ;
Elaborer une politique visant à garantir au moins un niveau scolaire secondaire aux jeunes filles ce qui permettrait d’améliorer L’état nutritionnel des enfants à long terme ;
Mettre en œuvre des mesures visant à améliorer et à contrôler La situation nutritionnelle des enfants dans les zones qui correspondent au profil établi ;
Faire une analyse de cluster sur toutes les ZD du Cameroun et non sur un échantillon permettant de ressortir les zones les plus marquées par La malnutrition et nécessitant L’implantation des centres nutritionnels thérapeutiques.
Conclusion
Les questions de santé en général et de nutrition en particulier sont de nos jours fortement pris en compte dans les politiques et programmes de développement initiés et mis en place par le Gouvernement camerounais et les partenaires au développement. Par conséquent il est plus que légitime de fournir à ces décideurs des outils pertinents et fiables leur permettant de prendre des décisions efficaces.
Cette étude a permis d’analyser La malnutrition des enfants de moins de cinq (05) ans au Cameroun afin d’en ressortir les zones les plus fortement affectées par ce phénomène et d’en établir un profil géographique si possible.
Il en ressort ainsi que :
– 15% des enfants de moins de 05 ans souffrent d’Insuffisance Pondérale ;
– l’Extrême-Nord, L’Est, du Nord et de L’Adamaoua sont les plus exposées au phénomène d’insuffisance pondérale ;
– plus d’un enfant de moins de cinq ans sur trois (34%) souffrent de retard de croissance
– les enfants de La région de L’Extrême-Nord sont ceux qui présentent le plus de risque de souffrir de retard de croissance ;
– 5% des enfants de moins de cinq souffrent d’émaciation ;
– les enfants présentant le plus de risque d’émaciation sont ceux de La région du Nord suivi de ceux de l’Extrême-Nord et de L’Est ;
– Un enfant de moins de cinq ans sur 10 (10,1%) souffre d’obésité ;
– les enfants de La région de L’Ouest souffrent le plus d’obésité tandis que ceux du Nord y sont le moins exposés
– les facteurs associés à La malnutrition sont :
→ le milieu de résidence
→ La région d’enquête
→ le niveau d’instruction de La mère
→ le niveau de bien-être économique
la recherche de clusters à hauts risques de malnutrition a permis de mettre en exergue que les régions du Sud, de L’Extrême-Nord, du Nord, de L’Est, de L’Adamaoua, du centre et du Littoral sont celles qui possèdent les ZD les plus frappées par La malnutrition car La malnutrition y est aigüe. Cela fait de ces régions les régions le plus frappées par la malnutrition au Cameroun.
Et inversement, les villes de Douala et Yaoundé et La région du Centre ont un risque nul ou quasi-nul de souffrir de malnutrition. Il en ressort également que malgré le risque élevé de malnutrition qui plane dans La région de L’Extrême-Nord, La ville de Mogodé qui y est comprise n’a presque pas de risque de souffrir de malnutrition.
Bibliographie
• CDC, 2000 ; Kuzmarski et al. 2000 & 2002 ; Ogden et al., 2002
• Dictionnaire Larousse
• Evolutionary perspective on Human Growth, Bogin 1999, Annual Review of Anthropology
• fr.wikipedia.org/wiki/Indice_de_masse_corporelle
• Guide de Mesure des Indicateurs Anthropométriques, Bruce Cogill, Mars 2003
• INSERM, 2000 ; Sempé et al, 1979
• Institut National de La Statistique. 2015. Enquête par grappes à indicateurs multiples (MICS5), 2014, Rapport Final. Yaoundé, Cameroun, Institut National de La Statistique.
• Introduction aux statistiques spatiales et aux systèmes d’information géographique en santé environnementales. Application aux études écologiques
• La situation des enfants dans le monde 1998, UNICEF
• Les indicateurs anthropométriques pour évaluer L’état nutritionnel des individus et des populations, Michel Garenne, FERDI, 2014
• Les indicateurs de mesure de La malnutrition et de L’accès à L’alimentation, FAO
• Les principaux types de malnutrition et les déficiences en micronutriments, Direction de La Nutrition, Direction de La nutrition, FAO
• National Center for Health Statistics, USA [Hamil et al., 1979 ; Johnson et al., 1981 ; WHO, 1983 & 1986]
• sante-medecine.journaldesfemmes.fr/faq/50160-retard-de-croissance-definition
• Sécurité alimentaire : L’information pour L’action, Évaluation et analyse de L’état nutritionnel, Leçon 3 Les indicateurs de L’état nutritionnel, Dossier de L’apprenant, FAO 2007
• Sécurité alimentaire : L’information pour L’action, Évaluation et analyse de L’état nutritionnel, Les indicateurs de L’état nutritionnel, Dossier de L’apprenant, Leçon 3, FAO 2007
• Wikipédia [fr.wikipedia.org/wiki/Maigreur]
• www.futura-sciences.com/sante/definitions/medecine-obesite-5126/
• www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/nutrition
• www.journaldunet.fr/web-tech/dictionnaire-du-webmastering/1203345-clustering- definition
