Cette deuxième section présente les mesures des inégalités socioéconomiques d’accès et d’utilisation de soins de santé prénataux selon les provinces et les caractéristiques socioéconomiques principalement le quantile de bien-être et le niveau d’éducation.
III. 2. 1. Les inégalités entre provinces
L’indice de Theil permet de mesurer les inégalités à travers les divisions administratives qui sont les provinces dans le cadre de ce travail. Le tableau suivant présente les indices de Theil entre province pour les visites prénatales et pour les accouchements assistés.
Indice Visites prénatales Accouchement assisté
Indice |
Gini |
Indice |
Gini |
|
Theil entre Provinces |
0.06202 |
0.05769 |
||
Theil dans les Provinces |
0.08168 |
0.05866 |
||
Theil total |
0.14371 |
0.30172 |
0.11635 |
0.26850 |
Source : Résultats générés à partir des données EDS (2007, 2013-2014) et MICS (2001).
Le tableau 9 donne les indices de Theil avec comme valeurs de 0.14371 pour les visites prénatales et de 0.11635 pour les accouchements assistés. Avec (0.14371) comme l’indice de Theil, il est évident dire qu’il existe des inégalités d’accessibilité aux visites prénatales en RDC. C’est-à-dire que l’accès à ces services par les femmes enceintes se diffère selon qu’elles se trouvent dans telle ou telle autre province. En ce qui concerne l’assistance à l’accouchement, l’indice de Theil de (0.11635), donne lieu de dispersion entre les assistances à l’accouchement selon les provinces.
Par le fait que dans une province, on peut y avoir les inégalités selon qu’on considère le milieu urbain ou rural, ces indices de Theil se décomposent d’une part des inégalités entre les provinces et d’autre part les inégalités dans les provinces. Il conviendra alors de comprendre que, chaque province contribue au niveau de ces indices différemment. La contribution de chaque province se justifie par le fait que, le niveau de consommation de services prénataux se diffère à l’intérieur de provinces selon plusieurs caractéristiques de la population, comme par exemple le milieu rural ou urbain.
Le tableau ci-dessous présente la répartition de cet indice de Theil selon les provinces, lesquelles inégalités liées selon les milieux urbain et rural de chaque province.
Visites prénatales Accouchement assisté
Province |
Indice de Theil |
GINI |
Indice de Theil |
GINI |
Kinshasa |
0.00000 |
0.00000 |
0.00000 |
0.00000 |
Bandundu |
0.11887 |
0.23883 |
0.09599 |
0.21550 |
Bas-Congo |
0.09095 |
0.20995 |
0.08951 |
0.20833 |
Equateur |
0.137 |
0.25556 |
0.05430 |
0.16326 |
Kasaï Occidental |
0.07539 |
0.19167 |
0.04783 |
0.15339 |
Kasaï Oriental |
0.0183 |
0.09535 |
0.00044 |
0.01483 |
Katanga |
0.01415 |
0.08392 |
0.00002 |
0.00306 |
Maniema |
0.01636 |
0.09019 |
0.01029 |
0.07162 |
Nord-Kivu |
0.07629 |
0.19278 |
0.05170 |
0.15937 |
Orientale |
0.12355 |
0.24328 |
0.11723 |
0.23725 |
Sud-Kivu |
0.22019 |
0.31897 |
0.17665 |
0.28807 |
Source : Résultats générés à partir des données EDS (2007, 2013-2014) et MICS (2001)
Le fait de résider dans un milieu donne un avantage d’utilisation de soins de santé prénataux par rapport à un autre. Ce qui renvoie au niveau d’inégalités différent selon les provinces. La province de Kinshasa étant considérée comme urbain, présente un indice de 0, tandis que la province du Sud-Kivu présente un niveau d’inégalité représenté par l’indice de Theil de 0, 32 pour les visites prénatales et de 0, 229 pour les assistances à l’accouchement qui sont supérieurs par rapport à d’autres provinces.
Ces résultats rencontrent les conclusions de (Mohammad, Nazmul, & Arijit, 2014) qui pour le cas de Bangladesh, aussi un pays en voie de développement, présente les indices de Theil qui sont supérieur à 0 entre les milieux de résidence des enquêtés. En plus, les résultats confirment le modèle présenté par (Wagstaff, 2002) (Figure 1) qui estime que les conditions d’un milieu à un autre peuvent agir sur la capacité d’utilisation de soins de santé.
III. 2. 2. Mesure des inégalités socioéconomiques
Cette section présente les courbes de Lorenz, les indices relatif et absolu des inégalités ainsi que les indices de concentration selon le quantile de bien-être et le niveau d’éducation pour les visites prénatales et l’accouchement assisté.
L’accès aux soins de santé prénataux peut être inégalement reparti selon que la femme se trouve dans la catégorie de bien-être de pauvre ou de riche. Les courbes et les indices ci-dessous présentent le niveau de ces inégalites selon le quantile de bien-être.
Les deux figures représentent la manière dont sont concentrées les visites prénatales et les accouchements assistés selon le quantile de bien-être. Le tableau ci-dessous va présenter les différents indices (SII, RII et IC) afin d’entreprendre une interprétation combinées avec les figures ci-haut pour voir si les résultats conduisent aux mêmes conclusions.
Mesures Indicateurs |
Visites prénatales |
Accouchement assisté |
Indices |
Indices |
|
SII_Quantiles |
.2804411*** |
.4287219*** |
RII_Quantiles |
1.431473*** |
2.190004*** |
Indice de concentration |
.04949148*** |
.09864264*** |
* p<0.1; ** p<0.05; *** p<0.01
Source : Résultats générés à partir des données EDS (2007, 2013-2014) et MICS (2001).
En somme, les résultats pour les deux indicateurs (visites prénatales et accouchements assistés) prouvent l’existence des inégalités d’accès et d’utilisation de soins de santé prénataux en RDC selon le niveau de bien-être économique. Les indices relatif et absolu des inégalités de (.2804411 et 1.431473) et (.4287219 et 2.190004), respectivement pour les visites prénatales et l’accouchement et qui sont statistiquement significatif, indiquent l’existence de gradient positif de richesse dans l’utilisation de soins de santé maternels en RDC. En d’autre terme, les femmes des ménages plus faibles en termes de quantile de bien-être économique, utilisent moins de service de santé que celles des ménages avec un revenu élevé. Par exemple, les SII pour les deux indicateurs donne une inégalité de 28% et 42% respectivement pour les visites prénatales et les assistances à l’accouchement. Et les RII présente une différence de chance de 1 contre 0, 43 et de 2 contre 0,19 respective pour les visites prénatales et les assistances à l’accouchement.
Les indices de concentration et les courbes de Lorenz soutiennent ces résultats. Les courbes de
Lorenz éloignées de la diagonale, et tournées vers le bas montrent que l’utilisation des soins prénataux est plus concentrée dans les catégories de quantile le plus élevé. Ce qui rencontre les résultats de (Ahmed & Mesbah, 2016) qui trouvent pour le cas d’Egypte, Jordanie et Yémen, les courbes de concentration entre le statut de bien-être économique tournées vers le bas pour les trois pays et indiquant une concentration de services de santé maternelles vers le quantile de riche.
Ces résultats s’expliquent par le fait que les riches (en plus de leur pouvoir économique et financier) disposent en général d’un bon niveau d’éducation, d’une bonne culture en santé et bénéficient d’une couverture maladie.
L’accès aux soins de santé prénataux peut aussi se différencier selon que la femme a un tel ou tel niveau d’éducation. Les courbes et les indices ci-dessous présentent le niveau de ces inégalites selon le quantile de bien-être.
Les deux figures permettent d’observer la manière dont selon l’éducation, les services de soins de santé prénataux sont distribués. Pour plus de lumière sur ces figures, le tableau 12 présente les indices relatif et absolu des inégalités ainsi que les indices de concentration pour les visites prénatales et les assistances à l’accouchement qui seront comparés à ces figures.
Mesures
Indicateurs |
Visites prénatales |
Accouchement assisté |
Indices |
Indices |
|
SII_Education |
.2837918*** |
.3955243*** |
RII_Education |
1.391513*** |
1.930602*** |
Indice de concentration |
.05215229*** |
.08551787*** |
* p<0.1; ** p<0.05; *** p<0.01
Source : Résultats générés à partir des données EDS (2007, 2013-2014) et MICS (2001).
Les courbes de Lorenz montrent qu’une forte utilisation de soins de santé prénataux est concentrée dans la catégorie du niveau élevé d’éducation. L’indice de concentration
(.05215229 et .08551787) respectivement pour les visites prénatales et l’assistance à l’accouchement, approuvent ces inégalités. Le SII et RII (.2837918 et 1.391513), (.3955243 et 1.930602) pour (les visites présentes et accouchement assisté) respectivement soutient la présence des inégalités d’accès aux soins prénataux en RDC selon le niveau d’éducation.
Avec le facteur quantile de bien-être et le niveau de l’éducation, il s’observe que les assistances à l’accouchement présentent une plus forte inégalité comparativement aux visites prénatales. Il se remarque également une évolution décroissante des inégalités au fil du temps (annexe 1) étant donné que, les indices sont moindres en 2014 la dernière année d’enquête qu’en 2007 plus encore qu’en 2001.
En bref, on observe des écarts entre les caractéristiques socioéconomiques et démographiques dans différents domaines associés à la santé sous étude. L’analyse démontre que l’iniquité en soins prénataux persiste en RDC plus encore dans la prise en charge des femmes pendant l’accouchement.
Cependant, il convient de souligner, bien que l’ampleur des inégalités semble être moins forte mais injustifiable et évitable ; il est ainsi important d’arriver à analyser le lien de causalité de chacun des déterminants socioéconomiques et démographiques qui impactent l’accès aux visites prénatales et l’accouchement assisté dans la section suivante en s’appuyant au modèle d’Anderson tout en intégrant d’autres facteurs tel que l’âge, statut matrimonial, …
III. 3. Analyse des déterminants d’accès aux soins de santé prénataux
III. 3. 1. Visites prénatales
Pour rappel, l’indicateur de santé « visites prénatales » est multinomial. Il présente trois modalités à savoir : 0 « Aucune visite » 1. « Visites insuffisantes » 3. « Visites suffisantes ».
Le tableau ci-dessous reprend les résultats issus de la régression multinomiale ayant comme variable dépendante « visites prénatales ». Les résultats se présentent par année d’enquête et à la fin il y a une colonne qui reprend l’ensemble des données combinées en ajutant dans le modèle la variable année d’enquête pour voir l’effet des années sur l’accès aux soins.
Compte tenu que les coefficients apportent peu en termes d’interprétation des résultats en se focalisant uniquement que sur les signes des paramètres, il a été question de se servir des RR (Risque Relatif) présentés dans le tableau 13 pour améliorer l’interprétation de nos résultats.
Tableau 13 : Tableau de mlogit entre les visites prénatales et les variables indépendantes
Variables |
MICS_2001 |
EDS_2007 |
EDS_2014 |
Ensemble |
||||||
RR |
RR |
RR |
RR |
|||||||
Insuffisant |
||||||||||
Milieu rural |
-0.23 |
-0.25 |
-0.24 |
-0.16 |
||||||
(0.73) |
(3.07)*** |
(2.64)*** |
(2.78)*** |
|||||||
Age de la femme |
0.01357 |
-0.03262 |
0.01383 |
-0.01122 |
||||||
(0.17) |
(1.56) |
(0.65) |
(0.77) |
|||||||
Age de 20-24 |
0.190 |
0.131 |
-0.212 |
-0.013 |
||||||
(0.42) |
(0.91) |
(1.43) |
(0.13) |
|||||||
Age de 25-29 |
-0.39 |
0.35 |
-0.26 |
0.05 |
||||||
(0.52) |
(1.63) |
(1.14) |
(0.30) |
|||||||
Age de 30-34 |
-0.48 |
0.52 |
-0.38 |
0.08 |
||||||
(0.42) |
(1.69)* |
(1.23) |
(0.36) |
|||||||
Age de 35-39 |
0.08 |
0.63 |
-0.35 |
0.17 |
||||||
(0.05) |
(1.57) |
(0.85) |
(0.59) |
|||||||
Age de 40-44 |
-0.61 |
0.88 |
-0.52 |
0.19 |
||||||
(0.33) |
(1.75)* |
(1.04) |
(0.55) |
|||||||
Age de 45-49 |
-1.67 |
1.07 |
-0.64 |
0.23 |
||||||
(0.75) |
(1.75)* |
(1.04) |
(0.53) |
|||||||
Primaire |
0.57 |
0.09 |
0.29 |
0.23 |
||||||
(2.45)** |
(1.20) |
(4.53)*** |
(4.78)*** |
|||||||
Secondaire |
0.90 |
0.55 |
0.88 |
0.74 |
||||||
(2.82)*** |
(6.21)*** |
(9.92)*** |
(12.18)*** |
|||||||
Université |
-0.84 |
1.46 |
1.95 |
1.48 |
||||||
(1.05) |
(4.17)*** |
(2.70)*** |
(5.15)*** |
|||||||
Pauvre |
-0.49 |
-0.04 |
0.51 |
0.28 |
||||||
(1.69)* |
(0.42) |
(7.14)*** |
(5.15)*** |
|||||||
Moyen |
0.05 |
0.08 |
0.83 |
0.51 |
||||||
(0.15) |
(0.95) |
(10.37)*** |
(8.90)*** |
|||||||
Riche |
0.06 |
0.11 |
1.21 |
0.66 |
||||||
(0.19) |
(1.06) |
(11.29)*** |
(9.62)*** |
|||||||
Très riche |
1.23 |
0.47 |
1.28 |
0.91 |
||||||
(2.30)** |
(3.78)*** |
(7.69)*** |
(9.93)*** |
|||||||
Nombre de naissances |
0.12 |
-0.00 |
-0.05 |
-0.01 |
||||||
(1.72)* |
(0.18) |
(2.48)** |
(1.13) |
|||||||
Divorcée et séparée |
-0.23 |
-0.17 |
-0.05 |
-0.11 |
||||||
(0.62) |
(1.56) |
(0.49) |
(1.45) |
|||||||
Jamais marié |
-0.01 |
0.01 |
0.03 |
0.03 |
||||||
(0.03) |
(0.06) |
(0.21) |
(0.27) |
|||||||
Taille du ménage |
-0.03 |
0.00 |
-0.01 |
-0.01 |
||||||
(1.23) |
(0.47) |
(0.70) |
(0.75) |
|||||||
2. Masculin |
-0.59 |
-0.01 |
0.03 |
-0.01 |
||||||
(1.67)* |
(0.06) |
(0.42) |
(0.21) |
|||||||
Année 2007 |
-3.05 |
|||||||||
(29.09)*** |
||||||||||
Année 2013 |
-0.87 |
|||||||||
(8.25)*** |
||||||||||
Année 2014 |
-1.10 |
|||||||||
(9.66)*** |
||||||||||
Constant |
2.13 |
0.18 |
1.19 |
2.54 |
||||||
(1.46) |
(0.44) |
(2.90)*** |
(8.56)*** |
|||||||
Suffisant |
||||
Milieu rural |
-0.28 |
-0.65 |
-0.47 |
|
(1.02) |
(2.88)*** |
(2.70)*** |
||
Age de la femme |
0.03512 |
0.08082 |
0.05940 |
|
(0.55) |
(1.56) |
(1.49) |
||
Age de 20-24 |
0.404 |
0.675 |
0.594 |
|
(0.82) |
(1.37) |
(1.73)* |
||
Age de 25-29 |
-0.02 |
0.80 |
0.47 |
|
(0.03) |
(1.26) |
(1.02) |
||
Age de 30-34 |
-0.21 |
0.28 |
0.10 |
|
(0.22) |
(0.33) |
(0.16) |
||
Age de 35-39 |
-0.72 |
-0.09 |
-0.29 |
|
(0.57) |
(0.09) |
(0.36) |
||
Age de 40-44 |
-0.63 |
-0.48 |
-0.47 |
|
(0.40) |
(0.37) |
(0.48) |
||
Age de 45-49 |
-0.28 |
-2.39 |
-0.94 |
|
(0.15) |
(1.32) |
(0.78) |
||
Primaire |
0.17 |
0.44 |
0.30 |
|
(0.63) |
(1.87)* |
(1.69)* |
||
Secondaire |
0.49 |
0.76 |
0.55 |
|
(1.59) |
(2.96)*** |
(2.82)*** |
||
Université |
1.83 |
2.22 |
1.77 |
|
(3.01)*** |
(2.76)*** |
(4.45)*** |
||
Pauvre |
0.63 |
0.54 |
0.51 |
|
(1.77)* |
(2.09)** |
(2.44)** |
||
Moyen |
0.58 |
0.68 |
0.56 |
|
(1.57) |
(2.51)** |
(2.59)*** |
||
Riche |
0.91 |
1.33 |
0.97 |
|
(2.39)** |
(4.69)*** |
(4.36)*** |
||
Très riche |
1.77 |
2.56 |
2.11 |
|
(4.25)*** |
(8.03)*** |
(8.73)*** |
||
Nombre de naissances |
0.00 |
-0.13 |
-0.07 |
|
(0.03) |
(2.92)*** |
(1.98)** |
||
Divorcée et séparée |
-0.30 |
-0.44 |
-0.37 |
(0.91) |
(1.55) |
(1.73)* |
||
Jamais marié |
-0.81 |
0.05 |
-0.17 |
|
(1.49) |
(0.17) |
(0.69) |
||
Taille du ménage |
-0.01 |
0.08 |
0.05 |
|
(0.19) |
(3.73)*** |
(3.02)*** |
||
2. Masculin |
0.44 |
-0.14 |
0.03 |
|
(1.98)** |
(0.71) |
(0.17) |
||
Année 2007 |
13.94 (0.03) |
|||
Année 2013 |
15.61 (0.03) |
|||
Année 2014 |
14.97 (0.03) |
|||
Constant |
-4.92 |
-5.49 |
-20.05 |
|
(3.84)*** |
(5.12)*** |
(0.04) |
||
N |
1934 |
5438 |
11,263 |
18,635 |
Pseudo R2 |
0.0760 |
0.0408 |
0.0805 |
0.1864 |
LR Chi2 |
63.30*** |
352.15*** |
920.56*** |
4529.32*** |
***=significatif au seuil de 1%, **=significatif au seuil de 5%, *=significatif au seuil de 10%
Source : Résultats générés à partir des données EDS (2007, 2013-2014) et MICS (2001).
L’analyse des résultats du tableau 13 fait état de quelques observations se résumant de la manière suivante :
L’année à laquelle la femme a été enquêtée présente les effets sur l’accès aux soins de santé prénataux. En premier lieu, le risque relatif de se retrouver dans la catégorie de visites prénatales « insuffisantes » au lieu dans « aucune visite » diminuerait à un facteur de 3.05 lorsqu’on considère l’année 2007, de 0.87 pour l’année 2013 et de 1.10 pour 2014 comparées à l’année de 2001 (p<0.01). En second lieu, le risque relatif de se retrouver dans la catégorie de visites « suffisantes » malgré statistiquement non significatif augmenterait d’un facteur de
13.94 pour l’année 2007, de 15.61 pour l’année 2013 et de 14.97 en 2014 comparées à l’année 2001.
De ce qui précède, au fil des années, la chance pour une femme de réaliser les visites prénatales suffisantes augmente. C’est-à-dire que pendant l’année 2001 un grand nombre de femmes avait moins de chance de réaliser les visites prénatales suffisantes comparativement à d’autres années.
Ces observations rencontrent les résultats pour les différents indices calculés qui ont montré que les inégalités d’accès aux soins de santé prénataux étaient plus fortes en 2001 comparativement aux autres années (annexe 1). Cela étant, il s’avère de dire que, les acteurs sanitaires s’activent chaque jour pour réduire le taux de mortalité maternelle qui passe en partie par l’augmentation d’accès optimal aux services prénataux.
Pour la modalité « visites insuffisantes » ; le risque relatif d'être dans une catégorie des visites insuffisantes au lieu de « aucune visite » diminuera par un facteur de 0, 16 pour les femmes rurales comparées aux femmes urbaines (p<0.01). De même, le risque relatif d'être dans catégorie visites suffisantes au lieu de renoncer aux visites prénatales diminuera par un facteur de 0, 47 pour les femmes rurales comparées aux femmes urbaines (p<0.01).
Le lieu d’habitation est un facteur important pour déterminer l’accès aux soins. A cet égard, Hazarika (2009) a étudié l’accès et l’utilisation de service de santé de reproduction des femmes qui vivent dans le milieu urbaine et celles de milieu pauvre en Inde et il a trouvé que les femmes des zones rurales utilisent peu les services de santé de reproduction. Cette réalité peut s’avère évident étant donné que, les populations rurales sont plus pauvres que celles urbaines et l’offre des services de soins est plus diversifiée en zone urbaine qu’en zone rurale. (Bicego et Boerma, 1993) montrent aussi que la population de milieux urbains accède facilement à l’éducation par rapport à celle des milieux ruraux, car elles sont plus affectées aux contraintes des normes traditionnelles. Et donc la résidence dans un milieu urbain augmenterait une probabilité qu’une femme recourt aux visites prénatales.
L’éducation de la mère est l’un des facteurs le plus consistant pour expliquer l’accès aux visites prénatales. Le risque relatif d’être dans la catégorie des visites insuffisantes au lieu de ne réaliser « aucune visite » augmente par un facteur de 0, 23 (p<0.1) pour les femmes de niveau d’éducation primaire comparées aux femmes de niveau « sans éducation », de 0.74 (p<0.01) pour le niveau « secondaire » et de 1.48 (p<0.01) pour les universitaires. De même, le risque relatif d’être dans la catégorie des « visites suffisantes « au lieu de ne réaliser « aucune visite » augmente par un facteur de 0.30 (p<0.1) pour le niveau primaire, de 0.55 (p<0.01) pour le niveau secondaire et 1, 77 (p<0.01) pour le niveau universitaire comparées au niveau sans éducation. Et donc un niveau élevé de l’éducation de la mère augmenterait sa chance d’accès aux visites insuffisantes et ainsi qu’aux visites suffisantes. Plus une femme a un niveau d’éducation élevé, plus elle a une grande chance d’accéder aux soins de santé. L’explication plausible à ceci est qu’une femme ayant un niveau d’éducation supérieur est plus habilitée à prendre des décisions au sein du ménage que celles qui ont un niveau d’éducation inférieur. Mais aussi, une femme avec un niveau d’éducation supérieur est équipée d’informations et des moyens qui lui permettent de s’adapter aux changements d’un monde moderne et ainsi améliorer son comportement d’utilisation de service de santé. Ce qui rencontre les résultats de l’étude de (Nanfosso & Kasiwa, 2013) réalisée en RDC.
L’indice de richesse de la femme a un impact positif sur l’utilisation de soins de santé prénataux. D'une part, le risque relatif d'être dans une catégorie des visites insuffisantes au lieu « aucune visite » prénatale augmentera par un facteur de 0.28 pour des femmes de quantile de « pauvre », de 0.51 pour le « moyen », de 0.66 pour le « riche » et de 0.91 pour le « très riche » comparées aux femmes dans le quantile de bien-être « très pauvre » (p<0.01). D’autre part, le risque relatif d’être dans une catégorie des visites suffisantes au lieu « aucune visite » prénatale augmentera par un facteur de 0.51 pour les femmes de quantile de « pauvre », de 0.56 de « Moyen », de 0.97 de « riche » et de 2.11 de « très riche » toujours comparées aux femmes dans le quantile de bien-être « très pauvre » (p<0.01). Il faut dire, plus une femme a une source de revenu, plus elle améliore son comportement sanitaire. Pour toutes années, les femmes se trouvant dans le quantile de bien-être économique élevé, avaient un grand risque d’accéder aux visites prénatales quelle que soit la qualité des visites. Ceci vient confirmer la théorie de l’UNICEF (2007) qui a fait savoir, qu’au fur et à mesure que les femmes investissent dans la sphère économique, leur influence s’accroit dans d’autres domaines. Une autre explication relevée par (Rama, 2015), estime que le coût d’opportunité d’accéder aux soins prénataux et le niveau d’ignorance. La femme pauvre pense que l’utilisation de service de santé peut amener à la perte des moyens.
Pour les visites insuffisants, le nombre d’enfants n’a pas d’effet sur leur l’utilisation. Tandis que lorsqu’il s’agit de visites suffisantes, l’augmentation de nombre d’enfant, diminuerait le risque par facteur de 0.07 (p<0.05) pour une femme de se retrouvant dans la catégorie « visites suffisantes ». Cela veut dire que, plus la femme possède un nombre élevé d’enfant, moins elle fait recours aux soins prénataux. Et pourtant, pour une femme, le nombre de naissances élevé, augmenterait le risque à l’accouchement. Ce résultat croise celui de de (Hazarika, 2010) qui trouve qu’en Inde, les femmes avec une parité (nombre élevé des enfants) ont de chance moindre de réaliser les visites prénatales.
Le risque relatif de se retrouver dans la catégorie de visites prénatales « suffisantes » au lieu dans « aucune visite » prénatale diminuerait de facteur de 0.37 (p<0.1) pour les femmes divorcées comparativement aux femmes mariées. Enfin la taille de ménage augmenterait le risque de se retrouver dans la catégorie « visites suffisantes » au lieu de renoncer aux soins à l’ordre de 0.05 (p<0.01).
Le tableau ci-haut (à la fin) donne plusieurs indicateurs de la qualité du modèle (ou qualité d’ajustement). Ces résultats sont équivalents au R2 et au tableau d’analyse de la variance de la régression linéaire et de l’ANOVA. La valeur la plus importante est le Chi2 associé au Log Ratio (LR). C’est l’équivalent du test de F de Fisher du modèle linéaire, On essaie d’évaluer si les variables apportent une quantité d’information significative pour expliquer la variabilité de la variable cible. Dans ce cas, comme la probabilité est inférieure à 0, 0001, on peut conclure que les variables apportent une quantité significative d’information.