Menee conjointement par UR et INSA Rennes, cette recherche explore l'inférence dans des modèles de comptage à inflation de zéro.
L'Essentiel : Menee conjointement par UR et INSA Rennes, cette recherche explore l'inférence dans des modèles de comptage à inflation de zéro.
Alpha Oumar Diallo, chercheur·e au sein de IRMAR (Université de Rennes).
Thèse soutenue en 2017 à l'école doctorale École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes).
Cette recherche est le fruit d'une cotutelle internationale entre plusieurs institutions partenaires.
Référencée dans le réseau ABES/STAR, cette thèse répond aux critères de rigueur de l'enseignement supérieur français.
Les modèles de régression à inflation de zéros se révèlent être des outils puissants et indispensables pour analyser des données de comptage, en particulier dans des domaines aussi cruciaux que l’économie de la santé. Ces modèles sont spécifiquement conçus pour traiter des situations où les données présentent un excès de zéros, une situation qui est fréquemment rencontrée dans des contextes tels que l’utilisation des soins médicaux. Par exemple, dans une étude sur l'accès aux soins dans certaines régions du Bénin, il a été observé que de nombreux individus n'ont pas recours aux services de santé, ce qui se traduit par un nombre élevé de zéros dans les données de comptage. Cette thèse, soutenue par l’Université de Rennes et l’INSA Rennes, aborde des questions fondamentales sur l’inférence dans ces modèles, en se concentrant spécifiquement sur le modèle binomial à inflation de zéro.
L’auteur, Alpha Oumar Diallo, démontre de manière rigoureuse l’existence de l’estimateur du maximum de vraisemblance dans ce modèle, ainsi que sa consistance et sa normalité asymptotique. Ces résultats sont non seulement théoriques, mais ils sont également validés par des simulations sur des échantillons de taille finie, ce qui renforce considérablement la crédibilité de l’approche adoptée. En outre, une application sur des données réelles en économie de la santé permet de mettre en lumière des aspects pratiques de cette recherche. Par exemple, l'analyse des données sur les consultations médicales dans les hôpitaux publics du Bénin a révélé des tendances intéressantes sur l'utilisation des services de santé, soulignant l'importance de ces modèles dans la compréhension des comportements de santé.
Un des points forts de cette étude est le développement d’un nouveau modèle pour analyser la consommation de soins médicaux. Ce modèle innovant permet d’identifier les causes du non-recours aux soins, une problématique cruciale pour les décideurs en santé publique. En effet, comprendre pourquoi certaines populations n’accèdent pas aux soins peut orienter les politiques de santé et améliorer l’efficacité des systèmes de santé. Par exemple, des facteurs tels que la distance géographique aux établissements de santé, les coûts associés aux soins ou encore des croyances culturelles peuvent jouer un rôle déterminant dans l'accès aux soins. En identifiant ces facteurs, les décideurs peuvent mettre en place des interventions ciblées pour améliorer l'accès aux soins.
L’auteur aborde également la question des données manquantes sur les covariables, un problème fréquent dans les études en santé. En proposant une méthode de pondération par l’inverse des probabilités de sélection, il offre une solution pertinente pour garantir la robustesse des résultats. Cette approche est essentielle, surtout dans des contextes où les données sont souvent incomplètes, comme c'est souvent le cas dans les enquêtes de santé en Afrique de l'Ouest. Les simulations numériques effectuées dans ce cadre montrent l’efficacité de cette méthode, ce qui ouvre des perspectives intéressantes pour les chercheurs et les praticiens. Par exemple, en utilisant cette méthode, il serait possible d'obtenir des estimations plus précises des besoins en santé dans des populations vulnérables.
En somme, cette recherche ne se limite pas à une simple analyse théorique. Elle propose des outils concrets et des méthodes qui peuvent être appliqués dans le domaine de la santé, avec des implications directes pour les politiques publiques. Les décideurs doivent prendre en compte ces résultats pour améliorer l’accès aux soins et optimiser les ressources dans le secteur de la santé. En intégrant ces modèles dans les évaluations de programmes de santé, il serait possible de mieux cibler les interventions et d'allouer les ressources de manière plus efficace. Cela pourrait également contribuer à réduire les inégalités en matière de santé, un enjeu majeur dans de nombreux pays d'Afrique de l'Ouest, y compris le Bénin. En définitive, cette thèse représente une avancée significative dans le domaine de l'inférence statistique appliquée à l'économie de la santé, avec des implications qui dépassent le cadre académique pour toucher directement la vie des populations.
Accéder à l'étude complète
Sources et accès
Alpha Oumar Diallo. Inférence statistique dans des modèles de comptage à inflation de zéro. Applications en économie de la santé. Applications [stat.AP]. INSA de Rennes; Université de Saint-Louis (Sénégal), 2017. Français. ⟨NNT : 2017ISAR0027⟩. ⟨tel-01804894⟩