Séries de tendances infranationales en matière de mortalité des moins de 5 ans jusqu'en 2019

Notes explicatives
Séries de tendances infranationales en matière de
mortalité des moins de 5 ans jusqu’en 2019

Groupe interorganisations des Nations Unies pour l’estimation de la mortalité
juvénile (IGME)
Organismes membres : UNICEF, OMS, Division de la population des Nations Unies
et Groupe de la Banque mondiale

Janvier 2021

                                                         United
                                                         Nations

Notes explicatives                                                                                          2

Placé sous la houlette de l’UNICEF et réunissant      L’estimation du TMM5 au niveau infranational est
des membres de l’Organisation mondiale de             effectuée à partir d’un modèle d’échantillonnage
la Santé (OMS), de la Division de la population       bêtabinomial dont les caractéristiques sont
des Nations Unies et du Groupe de la Banque           les suivantes : 1. Modélisation au niveau du
mondiale, le Groupe interorganisations des            cluster, 2. Lissage espace-temps, 3. modéles
Nations Unies pour l’estimation de la mortalité       spécifiques par pays, 4. Inférence bayésienne, 5.
juvénile (IGME) a été créé en 2004 afin de            Surdispersion, 6. Analyse comparative avec les
progresser dans le suivi des avancées vers la         estimations nationales de l’IGME, 7. Ajustement
réalisation des objectifs relatifs à la survie de     en matière de VIH, et 8. Visualisation informative.
l’enfant, en matière de mortalité infanto-juvénile.   Le modèle est donc qualifié de BB8.
Depuis 2020, l’IGME se penche sur un premier
ensemble d’estimations des taux de mortalité          Afin de combler le manque de données, le TMM5
des moins de 5 ans au niveau infranational.           est directement modélisé au niveau du cluster
                                                      en utilisant un modèle espace-temps bayésien.
Les méthodes employées par l’IGME dans                L’estimation du TMM5 au niveau infranational
ce domaine sont résumées dans le présent              est effectuée en utilisant des données tirées
document. Les estimations fournies par l’IGME         des Enquêtes démographiques et de santé
peuvent différer des statistiques officielles         (EDS) auprès des ménages. Ces dernières ont
fournies par les États membres, qui utilisent         généralement recours à un échantillonnage
peut-être des méthodes alternatives mais tout         stratifié des clusters en deux étapes dont les
aussi rigoureuses.                                    strates urbaines/rurales sont recoupées avec
                                                      un certain ensemble de zones géographiques
                                                      (habituellement Admin1).
Estimation de la mortalité des moins
de 5 ans au niveau infranational : Le
                                                      En principe, le risque de mortalité est semblable
modèle BB8
                                                      dans les lieux limitrophes en raison de facteurs
                                                      de risque communs. Pour cette raison, on estime
Il est essentiel d’évaluer les écarts de mortalité    que le risque de mortalité répond à une structure
infanto-juvénile au niveau infranational pour         spatiale. Le modèle comprend donc des
faire ressortir les zones les plus touchées et        termes spatiaux pour rendre compte d’une telle
suivre les progrès vers des buts précis, tels         structure.
que les objectifs de développement durable,
qui mentionnent explicitement le suivi de la
                                                      La distribution bêtabinomiale est utilisée dans ce
mortalité infanto-juvénile au niveau infranational.
                                                      modèle car elle caractérise la distribution binaire
En l’absence de systèmes d’enregistrement à
                                                      des résultats (absence de décès/présence de
l’état civil, il s’avère compliqué d’obtenir des
                                                      décès) de manière appropriée et dispose d’un
estimations au niveau infranational (le niveau
                                                      paramètre supplémentaire qui lui permet de
national correspond à Admin0, les niveaux
                                                      s’adapter à une surdispersion, aussi appelée
infranationaux plus fractionnés sont notés
                                                      variation binomiale trop importante.
Admin1, Admin2, etc.), car les données les plus
fiables proviennent des enquêtes menées auprès
des ménages. Celles-ci ne sont pas conçues pour       Pour plus de simplicité,un modèle décrivant les
collecter suffisamment de données thématiques         décés à un âge spécifique a été mis en place. Le
en vue de caractériser le taux de mortalité des       modèle est le suivant :
moins de 5 ans (TMM5) au niveau Admin2, qui           Yc | pc ~ Bêtabinomial(nc,pc,d), pour c=1,…,C
est le niveau auquel les interventions relatives
à la santé et la prise de décisions en matière        où Yc représente le nombre de décès sur nc mois
d’affectation des ressources ont généralement         à risque, et où pc = p(sc) est la probabilité d’un
lieu.                                                 décès dans un lieu sc pour les clusters c=1,…,C.

Notes explicatives                                                                                          3

Le paramètre d permet une surdispersion et             de temps précédents, qui correspondent aux
est lié à la corrélation intra-clusters entre les      années dans le modèle. Pour le principal terme
différentes individus dans le même cluster nc. La      spatial, on considère un modèle ICAR ainsi
probabilité est modélisée sous la forme suivante :     qu’une interaction spatiotemporelle. En fonction
                                                       du pays, on associera soit un modèle RW2 à
p(sc) = expit( α + Sc[i] + ec[i] )                     un modèle ICAR, soit un modèle autorégressif
où Sc[i] et ec[i] sont respectivement un effet         de premier ordre (AR1) à un modèle ICAR. Les
aléatoire spatial et un effet aléatoire indépendant,   modèles RW2, ICAR et AR1 sont décrits plus
indiqués au niveau Admin2 indexé par i. Ici, la        en détail dans un autre document6. Les termes
notation c[i] doit être comprise comme la zone i       d’interactions permettent des écarts locaux
d’Admin2 dans laquelle réside le cluster c. Tous       à partir des principaux modèles spatiaux et
les clusters de la zone i d’Admin2 reçoivent donc      temporels.
les mêmes effets aléatoires. Les termes spatiaux
sont censés suivre le modèle conditionnel              Les données des enquêtes sont ajustées
autorégressif intrinsèque (ICAR)1. Ce modèle           pour prendre en compte les mères mortes du
est l’un des plus répandus en matière de               sida dont les enfants sont exposés à un plus
cartographie de l’épidémiologie des maladies,          grand risque de décès en utilisant la même
car il est relativement simple à ajuster et la         méthode que celle du modèle B3 du TMM5.
fiabilité de ses estimations a été démontrée par       Référez-vous aux notes explicatives « Séries de
de nombreuses études. Le modèle est ajusté             tendances en matière de mortalité de l’enfant,
en utilisant l’approche rapide et précise de           de l’adolescent et du jeune adulte jusqu’en 2019
l’approximation de Laplace emboîtée intégrée           » pour consulter la description des méthodes
(INLA)2.                                               utilisées pour l’obtention des estimations
                                                       nationales du TMM5 avec le modèle B3 (section
L’agrégation des probabilités de clusters pour la      3) ainsi que la description de l’ajustement en
zone i d’Admin2 est facilitée par l’hypothèse d’un     matière de VIH/sida (section 2.3). De manière
terme spatial constant dans chaque zone Admin2.        générale, le modèle B3 utilise plus de données
La probabilité d’un décès néonatal dans la zone        (tirées, p. ex., de recensements et de systèmes
Admin2 est plus particulièrement de :                  d’enregistrement à l’état civil lorsqu’elles
                                                       sont disponibles). À des fins de cohérence,
pi = expit(α + Si + ei )                               les estimations sont alors comparées aux
                                                       estimations nationales du modèle B3.
Pour obtenir une estimation du TMM5 à long
terme, le modèle est plus complexe car, en             Le modèle est ajusté dans l’environnement
plus de la dimension spatiale, il faut prendre en      de programmation R en utilisant le package «
considération l’évolution des risques au fil du        SUMMER ». Ce lien comprend également des
temps et avec l’âge.                                   pages qui fournissent tous les détails nécessaires
                                                       sur le modèle espace-temps-âge.
Comme cela a été le cas pour des travaux
antérieurs4,5, et selon les procédures des EDS,        Il existe différentes manières de présenter et de
un modèle de risques en temps discret est pris         visualiser les synthèses des estimations relatives
en compte avec 6 risques pour chacune des              au niveau Admin2 au cours du temps. La figure 1
tranches d’âge (en mois) : 0-1, 2-11, 12-23, 24-35,    montre les estimations et les données relatives
36-47, 48-59. On considère également un modèle         à Admin2 de trois façons : le panneau supérieur
flexible de marche aléatoire d’ordre 2 (RW2)           montre les estimations annuelles du TMM5 au
en tant que principal terme temporel, et des           niveau Admin2 pour le Ghana entre 2010 et 2019
marches aléatoires séparées pour les tranches          ; le panneau inférieur gauche montre les données
d’âge 0-1, 2-11 et 12-59. Ce modèle effectue un        et les estimations infranationales avec une
lissage linéaire local en utilisant les deux laps

Notes explicatives                                                                                                 4

incertitude en ce qui concerne la ville d’Accra ; et
le panneau inférieur droit montre un graphique
ridgeline du TMM5 de 2019 avec une incertitude
sur toutes les zones Admin2 du Ghana.

  Figure 1: Estimations du TMM5 au niveau infranational dans la zone Admin2 au Ghana présentées de trois façons.
  1.1 : Estimations annuelles du TMM5 au niveau Admin2 pour le Ghana entre 2010 et 2019 ;

Notes explicatives                                                                                      5

1.2 : données et estimations infranationales du TMM5 avec une incertitude en ce qui concerne Accra

                                                        Accra BB8 estimates
                                                           Accra BB8 estimates

                                                                                     DHS 2014

                                 200
                                                                                     DHS 2008
                                                                                     DHS 2003
                                                                                     DHS 1998
                                                                                     DHS 1993
                                 150                                                 Estimated U5MR
                          U5MR

                                 100
                                 50
                                 0

                                       1990      1995     2000      2005     2010      2015      2020
                                                                     Year
                                                                    Year
1.3: graphique ridgeline du TMM5 de 2019 avec une incertitude sur toutes les zones Admin2 du Ghana.

Notes explicatives                                       6

References

1   Besag, J., York, J. et Mollié, A. (1991), « Bayes-
    ian image restoration with two applications
    in spatial statistics » (Restauration d'images
    bayésiennes avec deux applications en statis-
    tiques spatiales), Annals of the Institute of Sta-
    tistics and Mathematics, vol. 43, p. 1-59.
2   Rue, H, Martino, S et Chopin, N (2009), «
    Approximate Bayesian inference for latent
    Gaussian models by using integrated nested
    Laplace approximations » (Inférence bayési-
    enne approximative pour les modèles gauss-
    iens latents en utilisant des approximations de
    Laplace emboîtées intégrées), Journal of the
    Royal Statistical Society : Series B, vol. 71, p.
    319-392.
3   Pezzulo, C., Hornby, G.M., Sorichetta, A.,
    Gaughan, A.E., Linard, C., Bird, T.J, Kerr, D.,
    Lloyd, C.T. et Tatem, A.J. (2017), « Sub-national
    mapping of population pyramids and depen-
    dency ratios in Africa and Asia » (Cartographie
    infranationale des pyramides des âges et des
    rapports de dépendance en Afrique et en Asie),
    Scientific Data, vol. 4, no 170089.
4   Li, Z.R., Hsiao, Y., Godwin, J., Martin, B.D.,
    Wakefield, J. et Clark, S.J. (2019), « Chang-
    es in the spatial distribution of the under five
    mortality rate: small-area analysis of 122 DHS
    surveys in 262 subregions of 35 countries in
    Africa » (Changements dans la distribution
    spatiale du taux de mortalité des moins de 5
    ans : analyse à petite échelle de 122 EDS dans
    262 sous-régions de 35 pays africains), PLoS
    One, publié le 22 janvier 2019.
5   Wakefield, J., Fuglstad, G.A., Riebler, A., God-
    win, J., Wilson, K. et Clark, S. (2019), « Esti-
    mating under five mortality in space and time
    in a developing world context » (Estimation
    spatiotemporelle de la mortalité des moins de
    5 ans dans le contexte d'un monde en dével-
    oppement), Statistical Methods in Medical Re-
    search, vol. 28, p. 2614-2634.
6   Rue, H. et Held, L. (2005), Gaussian Markov
    Random Fields: Theory and Application, Chap-
    man and Hall/CRC Press : Boca Raton.