African Economic Research Consortium (AERC)

Collaborative Research Project onHealth, Economic growth and Poverty Reduction in Africa

Analyse des inégalités de santé nutritionnelle des enfants au Togo

Par

Mr. Kodjo ABALOÉnseignant-chercheur, Chef d’équipe

IUT-Gestion/FASEGE-mail : aabalo05@yahoo.fr

Mr. YéléMaweki BATANAChercheur, PEP, Université Laval

&FASEG/Université de LoméE-mail : ybatana@hotmail.com

Mlle.Ablamba JOHNSONEconomiste, Assistante de recherche

Ministère de la Coopération et du DéveloppementE-Mail : ablambaj@yahoo.fr

Aout, 2012

1

Résumé

L’influence avérée de la malnutrition sur la mortalité infantile dans les pays en développement pose le problème des inégalités de santé nutritionnelle des enfants, sujet relativement peu abordé dans la littérature sur la pauvreté et le bien-être en Afrique. L’objectif de la présente étude, qui intervient dans un contexte d’augmentation de l’incidence de pauvreté, est de renforcer l’analyse et la compréhension de la santé nutritionnelle des enfants et de son évolution au Togo depuis la fin des années 90 jusqu’en 2006. Pour ce faire, elle s’appuie sur les données de l’enquête démographique et de santé (EDS) de 1998 et sur l’enquête à indicateurs multiples (MICS) de 2006, et va suivre deux approches : la première approche est basée sur les méthodes d’analyse des inégalités comme les indices de Gini et de concentration ainsi que les courbes de Lorenz et de concentration tandis que la seconde approche s’appuie sur les matrices revenu-santé qui sont une adaptation des matrices de transition souvent utilisées dans la littérature sur la mobilité sociale.Les résultats montrent que, même si elles sont modérées, les inégalités de santé nutritionnelle des enfants demeurent une réalité au Togo. Au niveau des inégalités pures il est mis en exergue l’existence de fortes inégalités généralement dues à des variations naturelles. Mais l’on constate aussi des variations régionales parfois importantes, ce qui est également le cas au niveau des indices de concentration. La méthode de décomposition basée sur les régressions permet de décomposer les inégalités selon ses différents déterminants et ce sont l’âge des enfants et la richesse des ménages qui se sont caractérisés comme étant les plus grands contributeurs aux inégalités.

2

1. Introduction

Le Togo, pays à façade maritime, d’une superficie de 56.600 km² en forme de corridor entre la République du Bénin à l’Est et la République du Ghana à l’Ouest, s’étire sur une longueur de près de 700 km entre l’Océan Atlantique au Sud et le Burkina Faso au Nord. Sa population est estimée à 5 500 000 habitants en 2005. Avec un PIB par habitant d’environ 310 dollars EU en 2004, le Togo fait partie des pays les moins avancés et c’est surtout le secteur primaire et tertiaire qui contribue plus à l’économie (environ 73% du PIB). Malgré la mise en œuvre de différentes politiques et réformes économiques, notamment les plans quinquennaux à compter de 1966 et les programmes d’ajustement structurel au début des années 80, l’économie togolaise connaît depuis les vingt dernières années une situation extrêmement fragile avec de très faibles performances économiques.Il en a résulté une aggravation de la pauvreté.

Dans une étude récente (Ministère de l’Economie, 2007), il a été révélé que l’incidence de la pauvreté a augmenté au Togo. En effet,les résultats de l’enquête ménage de 2006 indiquent que la proportion des individus vivant en dessous du seuil de pauvretéest de 61,7 %, soit 47,3 % des ménages dont 12,9% d’extrêmement pauvres. Cette incidence forte et inégalement répartie varie d’un milieu à un autre et d’une région à une autre. La pauvreté est essentiellement concentrée en milieu rural où vivent 79,9 % des individus pauvres et où l'incidence est de 74,3 %, contre une incidence de36,8% en milieu urbain. Les pauvres se concentrent particulièrement dans les régions Maritime et des Plateaux qui supportent à eux seuls un peu moins que la moitié de la population pauvre (44,6 %) avec des incidences respectives de 69,4 % et 56,2 %. L'incidence est élevée dans les régions Centrale (77,7 %) et Kara (75,0 %), avec une contribution à la pauvreté de 29,1 % et très élevée (90,5%) dans la région des Savanes qui abrite 18,4 % de l'ensemble des pauvres du pays.

Qu’en est-il de l’état de santé au Togo? La littérature sur les inégalités sociales de santé soulignent l’importance des déterminants socioéconomiques de la santé (McLeod et al, 2003; Deaton, 2003; Wildman, 2003; Marmot, 2005; Jones et Wildman, 2008). Bien que cette littérature soit consacrée principalement aux pays développés, la faiblesse des institutions de santé et l’absence d’une couverture sanitaire universelle dans les pays en développement rendent encore plus problématique le lien entre le statut socioéconomique et la santé des individus. Au Togo,malgré la mise en place des différents programmes depuis plus de trois décennies, notamment le Plan National de Développement de la Santé (PNDS) 2002-2006 et l’adoption d’un nouveau Plan 2009-20131, les

1 Ce programme va permettrela mise en œuvre d’actions à court, moyen et long termes en matière de renforcement du système de santé notamment la santé nutritionnelle (projet de lutte pour la prise en charge de la malnutrition aigue et le contrôle de la promotion de la croissance chez les enfants de moins de cinq ans)

3

indices d’évaluation de l’état nutritionnel des enfants montrent qu’il ne s’est pas amélioré dans le pays (voir tableau 1).

Le Tableau1 permet de faire une classification de l’intensité de la malnutrition au Togo. Il en ressort qu’au niveau du retard de croissance le Togo connait un niveau moyen de malnutrition au plan national, tandis qu’il affiche des niveaux élevés pour l’émaciation et l’insuffisance pondérale. Mais on constate une augmentation de la malnutrition entre 1998 et 2006 au niveau des trois indicateurs.

Tableau 1 : Classification del’intensité de la malnutrition chez les enfants de moins de 5 ans selon le niveau de prévalence au Togo

Classification du niveau de prévalence de la malnutrition

(%)

Prévalence de la malnutrition (%)

Faible moyenne

élevée

très élevée

1998 2006

Retard de croissance

< 20 20 – 29 30 – 39

> = 40 22 24

Insuffisance pondérale

< 10 10 – 19 20 – 29

> = 30 25 26

Emaciation < 5 5 – 9 10 – 14

> = 15 12 14

Source   : OMS, 1997: http://www.who.int/nutgrowthdb/about/introduction/en/index1.html, EDS 1998 et MICS 2006

Les inégalités de santé constituent un défi pour la santé publique dans la mesure où il estinacceptable, d’un point de vue éthique, que les individus n’aient pas les mêmes chances devant la maladie ou la mort. Même si la santé est une composante du bien-être, il est préférable qu’elle reste une dimension plus équitable susceptible d’influencer d’autres dimensions du bien-être comme le revenu ou la richesse et non l’inverse. Le choix de la santé nutritionnelle des enfants peut être justifié par plusieurs raisons: d’abord, l’absence ou l’inadéquation des indicateurs de mesures individuelles de santé chez les adultes dans les pays africains et en particulier au Togo2. La seconde raison tient au fait que la malnutrition semble constituer la principale cause de mortalité dans les pays en développement (Audibert, 2009). En effet, elle peut constituer en elle-même une cause directe de mortalité dans les cas extrêmes, mais elle rend les enfants généralement plus vulnérables et plus susceptibles de décéder des autres maladies infantiles. Pour Heltberg (2009) aussi, le retard de croissance est généralement associé à un risque élevé de mortalité. En constatant ainsi que la malnutrition est présente dans environ 50% des cas de décès des enfants, le choix de cette mesure de santé est pertinent d’autant que le quatrième objectif du millénaire pour le développement (OMD) est de réduire la mortalité infantile. Une dernière raison provient de l’importance que revêtent les conditions de vie

2Voir Audibert (2009) pour une revue critique des principales mesures de santé.

4

dans l’enfance sur le bien-être futur (Mwabu, 2009). Ainsi, la malnutrition au cours de l’enfance est susceptible d’affecter négativement le bien-être une fois adulte3. Ainsi, combattre la malnutrition des enfants répond d’abord à un souci éthique qui est celui de l’équité et de la justice sociale et de la réduction de la mortalité infantile, mais à plus long terme, il devrait permettre de produire une population active mieux éduquée et en meilleure santé, ce qui est désirable au regard de l’objectif de développement économique.

De ce qui précède, il y a lieu de relever que les inégalités de santé et notammentde la santé nutritionnelle des enfantsconstituent uneréalitéau Togo. Pour réaliser les objectifs de développement à court et long termes, ce problème doit être combattu à travers des politiques sociales et de santé publique de réduction des inégalités et d’amélioration de la santé néonatale. Un préalable à ces actions est de mieux comprendre la santé des enfants et son évolution au cours de la décennie précédente. Les principales questions qui devraient mener à cette meilleure compréhensionsont les suivantes : (i) quels sont les niveaux des inégalités de santé nutritionnelle et leur évolution? (ii) Quels sont les principales sources de ces inégalités?(iii) Quels sont les principaux déterminants de l’évolution des inégalités de santé?La présente étude essaie d’apporter quelques éléments de réponse en s’appuyant sur deux enquêtes: l’enquête démographique et de santé (EDS) de 1998 et l’enquête à indicateurs multiples (MICS) de 2006.

L’objectif général de l’étude estdonc de renforcer l’analyse et la compréhension de la santé nutritionnelle des enfants et de son évolution depuis la fin des années 90 jusqu’en 2006.Pour cela, nous mesurons et comparons les inégalités de santé des enfants. En fait, il s’agit d’évaluer leurs inégalités sociales de santé, puis de réaliser une décomposition des inégalités selon les différentes caractéristiques socioéconomiques et démographiques des ménages.

La prochaine section présente l’approche conceptuelle de l’étude. Elle donne une brève description des concepts d’inégalités et d’inégalités sociales de santé, du concept d’opportunité de santé et fait une revue sur la santé nutritionnelle des enfants. La section 3 décrit les différentes approches méthodologiques utilisées pour réaliser les objectifs de l’étude. Elle est suivie de la section 4 qui présente les sources et la nature des données en analysant la comparabilité des deux enquêtes retenues et en décrivant les principaux indicateurs nécessaires pour l’étude. La section 5 présente les résultats obtenus tandis que la dernière section conclut le papier en reprenant les principaux résultats et en soulignant les principales implications en matière de politiques économiques et de santé publique.

2. Approche conceptuelle

3 Ce mécanisme de transmission de la pauvreté intra-générationnelle est abordé dans la littérature sur les parcours de vie.

5

2.1 Les conceptsd’inégalités et d’inégalités sociales de santé

On distingue généralement les inégalités pures de santé et les inégalités sociales de santé (Wagstaff et van Doorslaer, 2003).

Les inégalités de santé, à l’instar de celles des revenus, concernent uniquement les inégalités observées dans les distributions de la santé. Cette approche, qualifiée à juste titre d’approche univariée par Sahn (2009), permet d’appréhender les inégalités pures en analysant les différences dans les niveaux de santé des individus d’une population donnée. La santé est conçue dans ce cas comme une composante intrinsèque du bien-être et analysée comme telle sans se référer aux inégalités dans les autres dimensions du bien-être (Gakidou, Murray et Frenk, 2000).

Les inégalités sociales de santé, par contre, font référence aux gradients de santé qui sont l’association entre la classe sociale d’un individu et son niveau de santé. Il s’agit généralement de penser aux différences dans le statut de santé d’un individu en fonction de son revenu ou de son statut économique. D’un point de vue statistique, la démarche consiste à analyser les écarts dans la distribution de la santé lorsque les individus sont classés par ordres croissants de leurs revenus ou de leurs richesses. Mais, comme l’a souligné Gwatkin (2002), cette approche peut être restrictive puisque l’on pourrait plutôt s’intéresser aux inégalités par rapport à d’autres dimensions telles que le genre, l’origine ethnique, le niveau d’éducation ou la catégorie socioprofessionnelle. C’est pourquoi certaines études étendent l’analyse à ces autres dimensions. Les inégalités sociales de santé ont été largement abordées dans la littérature comme l’a d’ailleurs souligné Sahn (2009). Parmi ces études, l’on peut citer les travaux de Wagstaff, Paci et van Doorslaer (1991), de Kakwani, Wagstaff et van Doorslaer (1997), van Doorslaer et Jones (2003). Toutefois, comme l’ont souligné des auteurs comme Gakidou, Murray et Frenk (2000), cette approche n’est pas suffisante pour appréhender les inégalités de santédans la mesure où l’on fait abstraction des inégalités non reliées aux revenus.

2.2 Le concept d’opportunité de santé

La seconde approche est basée sur le concept « d’égalité des chances » ou « d’opportunités » en santé. Ce concept naît de l’utilisation d’un modèle emprunté à la littérature sur la mobilité du revenu, et qui est basé sur les matrices de transition (Zheng, 2006). L’opportunité de santé nutritionnelle, pour un individu d’une classe socioéconomique donnée, traduit les différentes probabilités qu’il a d’être associé à différents niveaux de santé. Cette approche, tout comme les courbes de Lorenz et de concentration, permet d’effectuer des comparaisons normativement robustes d’inégalités de santé. L’analyse de dominance, suivant cette approche, cerne des aspects des inégalités de santé différents de ceux captés par les dominances de Lorenz et des courbes de concentration, en

6

ce sens qu’elle s’interprèteen termes de dominance de Lorenz généralisé des espérances de santé. Elle est donc complémentaire.

2.3La santé nutritionnelle des enfants

2.3.1 La mesure de la santé nutritionnelle

Selon Heltberg (2009), les indicateurs de santé nutritionnelle sont attractifs pour plusieurs raisons. D’abord,ils reflètent directement le statut de la santé et de la nutrition de la population. Ensuite, ils permettent d’éluder les problèmes de changement de prix inhérents aux indicateurs monétaires.Enfin,ils sont compatibles avec l’approche multidimensionnelle du bien-être dans la mesure où l’on tient compte directement du phénomène de santé comme une dimension du bien-être dans l’espace des capacités de Sen. Ainsi, les indicateurs anthropométriques sont appropriés pour analyser la défavorisation absolue dans les pays en développement parce que, non seulement, ils reflètent les préférences et préoccupations des gens pauvres, mais aussi, parce qu’ils sont précis, relativement disponibles, intuitifs, faciles à utiliser et trivialement comparablesentre différents groupes. Trois indicateurs anthropométriques sont souvent considérés: la taille en fonction de l’âge, le poids en fonction de l’âge et le poids en fonction de la taille. On dissocie les mesures de court terme (le poids en rapport avec la taille) de celles de long terme (la taille en fonction de l’âge).

Plusieurs études recommandent l’utilisation de l’indice taille pour âge qu’elles jugent objectif et pertinent dans la mesure où le retard de croissance est lié à un ensemble de facteurs prénataux et postnataux incluant un faible poids à la naissance, des soins inadéquats, une malnutrition insuffisante et des infections répétées (Pradhan, Sahn et Younger, 2003; Wamaniet al, 2004; Sahn et Younger, 2005). Par ailleurs, les autres mesures à savoir l’indice poids pour âge et l’indice poids pour taille ne sont pas très appropriées pour analyser les inégalités dans la mesure où, contrairement à la taille, un poids plus élevé n’est pas forcément synonyme de meilleure nutrition (Pradhan, Sahn et Younger, 2003; Wagstaff, van Doorslaer et Watanabe, 2003).

La mesure de l’indice nutritionnel généralement utilisé chez les enfants est le . Il s’agit ici de l’indice taille pour âge qui capte dans quelle mesure la taille d’un enfant s’écarte de la médiane d’une population de référence du même âge. Son calcul est généralement donné par la formule suivante:

, (1)

7

où est la taille de l’enfant, la taille médiane d’une population de référence et , l’écart-type de la taille de cette population de référence. Les enfants concernés sont ceux âgés de 0 à 60 mois. Un enfant dont le

est en dessous de est considéré comme souffrant d’un retard de croissance.

Comme le comporte des valeurs négatives, alors que des analyses de distribution telles que celles des inégalités requièrent des valeurs positives, Pradhan, Sahn et Younger (2003) et Sahn et Younger (2005) suggèrent de standardiser la taille des enfants en utilisant un groupe d’âge ( ) et de sexe ( ) donné de la population de référence. Ceci est fait selon l’équation suivante:

, (2)

où est la fonction de répartition des tailles dans la population de référence pour chaque groupe d’âge ( ) et de sexe ( ), la taille des enfants telle que mesurée par l’enquête et la taille standardisée. et représentent respectivement l’âge et le sexe du groupe choisi de façon arbitraire4, ce qui par ailleurs n’affecte pas sensiblement la distribution de .

Lorsque l’indice nutritionnel de l’enfant est exprimé en taille ( ), sa variation relative est très faible comparée à ce que cet écart pourrait signifier en terme de différence de santé nutritionnelle. La conséquence est que les indices d’inégalités vont paraître beaucoup plus faibles que si l’on utilisait une mesure naturelle de la santé. Pour rendre les inégalités plus visibles, la normalisation suivante est proposée :

(3)

est la taille standardisée de l’enfant , sa valeur normalisée entre 0 et 1 tandis que les valeurs min et max se réfèrent aux extrema de l’échantillon. Ainsi correspond au pire état de santé nutritionnel dans l’échantillon des enfants alors que traduit le meilleur niveau de santé. Bien que cette transformation influence les indices d’inégalités, elle s’avère appropriée dans le cas présent d’autant qu’il n’existe pas une mesure naturelle de la santé sur une échelle cardinale comme dans le cas du revenu.

4 Le groupe choisi dans le présent papier est celui des enfants de sexe féminin âgées de 20 mois.

8

2.3.2 Les déterminants de la santé nutritionnelle

Plusieurs études se sont penchées sur la santé nutritionnelle des enfants en Afrique. Koffi-Tessio, Tossou et Homevor (2003) utilisent les enquêtes démographiques et de santé (EDS) pour identifier quelques déterminants de l’état de santé nutritionnel au Togo. Ils montrent que la santé nutritionnellepeut être affectée aussi bien par l’âge de l’enfant, par le niveau d’éducation de la mère que par des caractéristiques relevant de l’action publique, comme l’accès à l’eau potable et à l’assainissement. De tels résultats ont été également observés dans le cas du Ghana par Asenso-Okyere, Asante et Nubé (1997). En utilisant les EDS de 1998 sur le Togo, Abalo (2009) observeque, non seulement, l’âge et le sexe de l’enfant sont les principaux facteurs explicatifs de l’état nutritionnel des enfants, mais aussi quel’éducation desparents et la richesse du ménage contribuent à une bonne santé nutritionnelle. Une autre étude, effectuée à partir des données de six pays de l’Afrique sub-saharienne, observe que les effets des facteurs socioéconomiques et des caractéristiques individuelles sur le statut nutritionnel des enfants varient entre les pays, même si l’âge de l’enfant s’avère être le facteur le plus important au niveau de chaque pays (Madise, Mathews et Margetts, 1999). Kabubo-Mariara, Ndenge et Mwabu (2008) analysent les déterminants de la santé nutritionnelle des enfants au Kenya à partir des EDS 1998 et 2003. Leurs résultats confirment ceux des précédentes études en soulignant le rôle prépondérant des caractéristiques des enfants ainsi que celui des autres caractéristiques liées aux parents. Wamani et al. (2004) trouvent par contre, dans le cas du milieu rural en Ouganda, que l’éducation de la mère est le plus important déterminant du retard de croissance des enfants.Tout en montrant qu’une bonne nutrition était associée à un revenu élevé dans le cadre d’une étude sur la Tanzanie, Alderman, Hoogeveen et Rossi (2006) souligne le rôle bénéfique joué par les interventions publiques en matière de nutrition.Fosto (2006, 2007),quant à lui, explore plutôt les différences entre zones rurales et urbaines des inégalités socioéconomiques du retard de croissance dans 15 pays de l’Afrique sub-saharienne, en se basant sur les enquêtes EDS. Les résultats obtenus font ressortir que les inégalités sont plus fortes en milieu urbain qu’en milieu rural.

2.3.3 La santé nutritionnelle et les analyses de distributions

Un certain nombred’études utilisent l’indicateur nutritionnel pour analyser les distributions du bien-être et la pauvreté multidimensionnelle. Ainsi, Sahn et Stifel (2002) utilisent les données des EDS pour réaliser des comparaisons de bien-être entre pays et à travers le temps. Ils considèrent pour ce faire le statut nutritionnel des enfants, notamment l’indice taille pour âge, comme une mesure directe du bien-être. D’autres études abordent l’analyse en termes de bien-être multidimensionnel où le statut nutritionnel apparaît comme une dimension parmi d’autres (Batana et Duclos, 2010).

9

Cependant, il y a peu d’études qui se sont véritablement penchées sur les inégalités de la malnutrition infantile en Afrique. Parmi elles, on peut citer celle de Zere et McIntyre (2003) qui appréhende le degré d’inégalités de la malnutrition des moins de 5 ans en Afrique du sud, en utilisant l’indice de concentration. Ils observent que les inégalités sont bien réelles et qu’elles favorisent les plus riches. Lachaud (2003) fait une analyse comparative de la décomposition de la santé nutritionnelle des enfants entre le Burkina, le Cameroun et le Togo en se basant sur les EDS.Pour celui-ci, la réduction du retard de croissance des enfants est positivement corrélé au niveau de vie des ménages, il en déduit que les disparités de niveau de vie des ménages, sont les éléments les plus importants à l’origine de l’inégalité de la malnutrition des enfants.Pradhan, Sahn et Younger (2003) privilégient plutôt les inégalités pures de santé et utilisent pour cela la mesure d’entropie de Theil. Sahn et Younger (2005) analysent les courbes de Lorenz de la taille standardisée des enfants pour montrer la pertinence des mesures d’inégalités de santé. Djoke et al (2010) identifient et analysent les facteurs qui contribuent à la pauvreté des enfants et estiment les inégalités dans le bien-être des enfants pour 4 pays de l’UEMOA dont le Togo. L’indicateur de bien-être des enfants est déterminé à partir d’un ensemble de variables sanitaires comprenant les mesures anthropométriques.

3. Méthodologie

3.1 Fondements théoriques des mesures d’inégalités

L’utilisation des courbes et des indices d’inégalité est généralement basée sur des propriétés désirables de la fonction de bien-être social. Bleichrodt et van Doorslaer (2006) proposent ainsi des fondements en économie du bien-être aux mesures d’inégalités de santé. Ils montrent que, si certains principes comme l’anonymité, la monotonicité et l’existence d’un niveau équivalent de santé également distribué sont acceptables dans les mesures d’inégalités de santé, d’autres principes tels que l’additivité et le transfert de santé sont assez contestables. La monotonicité a trait au fait qu’une augmentation du niveau de santé procure toujours une utilité au moins aussi élevée que celle initiale. L’anonymité signifie que tous les individus sont égaux d’un point de vue éthique. Ainsi, lorsque l’on permute les situations entre les individus, le bien-être-social, tout comme l’inégalité, ne change pas. Le principe de transfert (principe de Pigou-Dalton), dans le cadre du revenu, suggère qu’un transfert de revenu d’un individu riche à un autre moins riche, qui ne bouleverse pas le classement initial de revenu, ne peut pas entraîner la baisse de l’utilité sociale. Son applicabilité à la santé semble toutefois problématique dans la mesure où il est très difficile d’envisager un transfert de santé entre un individu en excellente santé et un autre qui l’est moins.

Le défi est souvent de proposer des mesures qui nécessitent moins de contraintes sur la fonction de bien-être social. C’est ainsi que Abasolo et

10

Tsuchiya (2004) soulignent que l’hypothèse de monotonicité de cette fonction peut, dans certains cas, être violée et les fonctions de bien-être traditionnelles ne sont pas assez flexibles pour représenter ce genre de préférences. Ils proposent alors une alternative pour prendre en compte ces préférences. Dutta (2007) souligne cependant que la non-monotonicité peut conduire à des résultats et des politiques paradoxaux. Il propose alors une explication alternative aux préférences non monotones qui n’exclut pas l’hypothèse de monotonicité.

3.2 Les courbes d’inégalité

La courbe de concentration (voir graphique 1) décrit l’évolution de la proportion cumulative de la santé par rapport à la proportion cumulative des individus d’une population classés par ordre croissant de leurs revenus ou de leurs richesses. Lorsque le classement des individus est effectué en fonction de leurs niveaux de santé, l’on obtient alors la courbe de Lorenz. Si la courbe de Lorenz coïncide avec la diagonale, alors il n’existe pas d’inégalités de santé. Autrement, la courbe se situerait en dessous de la diagonale et s’en écarterait d’autant plus que les inégalités sont importantes.

Graphique   1  : Courbe de concentration de la santé

Si nous considérons plutôt la courbe de concentration, une éventuelle coïncidence avec la diagonale ne signifierait pas forcément l’absence d’inégalités de santé, mais plutôt l’absence d’inégalités induites par les positions sociales des individus. Dans ce cas, les individus ont les mêmes

11

chances d’avoir un niveau de santé donné. Par contre, une courbe qui se situerait en dessous de la diagonale comme le graphique 1, signifierait que la répartition de la santé favorisait les individus les plus riches de la société, ce qui dénote de l’existence des inégalités sociales de santé. Comme dans le cas de la courbe de Lorenz, le degré d’inégalité est d’autant élevé que la courbe s’écarte de la diagonale. Mais, ici, peut se situer au-dessus de la diagonale. Dans ce cas, les individus d’une classe de revenu ont tendance à avoir une meilleure santé que ceux d’une classe de revenu supérieure5.

L’on peut réaliser l’analyse de dominance stochastique en comparant deux courbes de Lorenz ou de concentration. En effet, ces courbes servent d’outils de tests de robustesses au choix d'indices appartenant à une certaine classe d’indices de l’inégalité, c'est-à-dire ceux qui respectent le principe des transferts de Dalton. Considérons deux courbes et . Si la courbe se retrouve en tout point en dessous de la courbe , alors la population décrite par domine de façon stochastique celle représentée par , ce qui implique que les inégalités de santé y sont plus faibleset que, par conséquent, le bien-être y est plus élevé.

3.3 Les indicesd’inégalités de santé

Pour quantifier les inégalités de santé au sein d’une population, il existe plusieurs définitions statistiques et chaque définition peut donner lieu à une interprétation différente de la même situation (Gwatkin, 2002).Plusieurs indices généralement utilisés pour analyser les inégalités de revenu ont été adoptés afin de mesurer les inégalités de santé. Parmi ces indices où l’on retrouve entre autres les mesures d’entropie et d’Atkinson,les indices de Gini et de concentration demeurent les plus populaires dans la littérature de l’économie de la santé.

3.3.1Les indices de Gini et de concentration

On suppose une population de N individus classés par ordre croissant de leurs niveaux de santé , de telle sorte que . Soit la proportion cumulative de la population classée jusqu’au ième individu; alors l’indice de Gini, qui permet d’estimer l’ampleur de l’inégalité pure de santé, est donné par l’équation suivante (Wagstaff, Paci et van Doorslaer, 1991; van Doorslaer et Jones, 2003):

5 Il faut noter que l’interprétation de la position de par rapport à la diagonale dépend de la mesure de santé retenue. Dans cette étude, il s’agit d’une mesure qui peut s’analyser en terme d’utilité sanitaire dans la mesure où, tout comme lorsqu’il s’agit du revenu, plus signifie toujours mieux. Par contre, lorsque la santé est mesurée par la maladie (i.e. la mortalité), l’interprétation serait alors inversée.

12

, (4)

avec . (5)

estle niveau moyen pondéré de santé dans l’échantillon total, tandis que est le poids d’échantillonnage associé à chaque individu. Les sont normalisés de telle sorte que leur somme soit égale à 1. est le rang pondéré relatif de l’individu et est défini par:

. (6)

L’indice de Gini prend une valeur entre 0 et . Une valeur égale à 0 signifie qu’il y a une absence d’inégalités pures de santé tandis qu’une valeur élevée correspond à de fortes inégalités.

Lorsque les individus sont classés selon le statut socioéconomique plutôt que selon la santé, on obtient alors l’indice de concentration.Ce dernier permet d’appréhender le degré des inégalités de santé inhérentes à la répartition du revenu ou à la position sociale. Compte-tenu du manque d’information sur les revenus des individus dans les enquêtes EDS et MICS, nous utiliserons comme indicateur socio-économique, un indice de richesse. Celui-ci est estimé grâce à l’analyse factorielle basée sur un certain nombre d’indicateurs de bien-être comme la possession de biens durables et l’accès aux services de base(voir Sahn et Stifel, 2000 et 2003; Batana et Duclos,2010; Booysen et al, 2008).

L’indice de concentration ( ) est donné par la même formule que l’indice de Gini:

, (7)

La différence ici est que est déterminé à partir de la richesse et non de la santé . Les bornes de cet indice sont et . Si l’indice est égal à 0 cela signifie qu’il n’existe pas d’inégalités sociales de santé. Une valeur négative signifierait des inégalités qui favorisent les individus

13

financièrement pauvres alors qu’une valeur positive traduit des inégalités dans lesquelles les pauvres sont plus lésés sur le plan de la santé.

Plusieurs études de nature théorique ou empirique se sont penchées sur l’utilisation de ces outils (Wagstaff, Paci et van Doorslaer, 1991; Kakwani, Wagstaff et van Doorslaer, 1997; Humphries et van Doorslaer, 2000; Wagstaff, 2002; O’Donnell et al, 2008; McGrail et al, 2009).Les équations (4) et (7) peuvent être également déterminées à partir de la régression des moindres carrés pondérés suivante (Kakwani, Wagstaff et van Doorslaer, 1997):

, (8)

où est la variance pondérée de . est alors donné par (van Doorslaer et Jones, 2003):

(9)

Cette approche permet de dériver des écarts-types robustes pour les estimés de et . L’expression de leur variance est donnée par :

, (10)

où , avec et .Par ailleurs, pour tenir compte de l’aversion pour l’inégalité, Wagstaff (2002) propose un indice de concentration plus général. Si l’on désigne par l’aversion pour l’inégalité, l’expression de cet indice se présente comme suit (O’Donnell et al, 2008):

(11)

Pour , on retrouve les indices de Gini et de concentration proposés en équations (4) et (7). Ces indices sont en principe plus sensibles aux différences autour du mode de la distribution. Mais avec le choix du paramètre , on peut augmenter l’importance des groupes les plus vulnérables. Ainsi, dans le cas de l’indice de concentration, des valeurs élevées de signifient qu’on accorde beaucoup de poids à la santé nutritionnelle des individus de classes socioéconomiques inférieures.

14

Pour l’indice de Gini, par contre, cela revient à accorder du poids aux cas extrêmes de retard de croissance.

3.3.2 Les mesures d’entropie

La classe des mesures généralisées d’entropie est donnée par une fonction de la forme suivante (Sehili et al, 2005):

, (12)

où est un paramètre qui représente le poids associé aux différences entre les niveaux de santé.

Lorsque est égal à 1, l’on obtient alors l’indice d’entropie de Theil qui assigne un poids égal aux distances le long de toute la distribution:

(13)

Pradhan, Sahn et Younger (2003) utilisent notamment cet indice pour mesurer les inégalités de santé.

Dans le cas , où CV représente le coefficient de variation. Dans ce cas, on accorde plus de poids aux écarts dans les niveaux élevés de la distribution.

3.4 La mesure d’opportunité de santé

En supposant comme Zheng (2006) que la relation entre le niveau de santé d’un individu et son statut socioéconomique est stochastique, les opportunités de santé peuvent être représentées par une matrice revenu-

santé ∏ ¿|α kl|, où k représente la classe de revenu, l le niveau de santé et α kl la probabilité qu’un individu de la classe k jouisse d’un niveau de santé l. L’idée est la même que dans le cadre de la mobilité du revenu où des auteurs comme Atkinson (1983) et Dardanoni (1993) ont montré théoriquement que la comparaison de la mobilité impliquait celle de bien-être. On suppose qu’il y’a K classes de richesse et L états de santé, tous deux ordonnés des plus petits niveaux jusqu’aux plus grands. Pour une classe k donnée, le profil (αk 1 , α k2 , . .. , α kL) décrit les différentes probabilités d’un enfant de cette classe de jouir de l’un ou l’autre de ces L états de santé. Ainsi, la matrice entière ∏ ¿ ¿donne les opportunités de santé nutritionnelle pour toute la population et décrit le niveau des inégalités de santé par rapport à la richesse.

15

SoientP=( p1 , p2 ,. . . , pK ) , la distribution de la population à travers les classes socioéconomiques et Q=(q1 ,q2 , .. . , qK ) la distribution à travers les niveaux

de santé, on a alorsq l=∑

k=1

K

pkα kl. Dans une société caractérisée par

l’absence d’inégalités sociales de santé, chaque profil(αk 1 , α k2 , . .. , α kL) ne doit pas être significativement différent de (q1 , q2 ,. . ., qK ) . Cela signifie que, quelles que soient les classes socioéconomiques auxquelles ils appartiennent, les enfants ont les mêmes opportunités de santé ou la même égalité des chances devant la santé. Par contre, lorsque les inégalités sociales de santé existent, on devrait noter des différences significatives entre profils, avec une tendance pour les classes les plus pauvres à avoir des probabilités relativement plus élevées de connaître de plus faibles états de santé. Dans les deux cas (absence ou présence d’inégalités sociales), les matrices sont supposées être monotones.Une matrice est dite monotone lorsque chacune de ses lignes domine de façon stochastique la ligne au-dessus d’elle. Formellement, cette hypothèse se traduit comme suit (Conlisk 1990, Zheng 2006):

∑j=1

l

αk , j≥∑j=1

l

αk+1 , j, (14)

pour k=1,2 ,. .. , K−1et l=1,2 , .. . , L . Cette condition signifie qu’un individu d’une classe donnée ne peut pas présenter des opportunités de santé plus mauvaises que celles d’un individu d’une classe inférieure. L’analyse de dominance stochastique effectuée à partir des matrices richesse-santé peut être interprétée en termes de Lorenz généralisé des espérances de santé, ce qui implique une dominanceen bien-être social. La condition de dominance s’énonce comme suit:

Une espérance de santé e ¿¿domine une autre espérance de santé e ¿¿en termes de Lorenz généralisé si et seulement si

∑i=1

k

∑j=1

l

p iαij≤∑i=1

k

∑j=1

l

p iβ ij, pour k=1,2 ,. .. , K et pour l=1,2 , .. . ,L . (15)

∏α ¿ ¿et∏β ¿ ¿représentent les matrices richesse-santé d’une population à deux périodes différentes.

3.5 Décomposition des inégalités de santé

3.5.1 Décomposition selon les sources

16

Lorsque le niveau de santé est sensible à un certain nombre de déterminants socioéconomiques, Wagstaff, van Doorslaer et Watanabe (2003) suggèrent une décomposition des inégalités sociales de santé en moyennes et en inégalités des déterminants, pondérées par leurs effets respectifs sur la santé.

On considère que la santé nutritionnelle des enfants est liée à un certain nombre de facteurs à travers un modèle de régression linéaire de la forme:

, (16)

est le nombre de facteurs et les , les différents facteurs. Parmi les principaux déterminants de la santé, on peut retenir ceux spécifiques aux enfants (âge, sexe, allaitement maternel), ceux qui concernent le ménage (richesse, niveau d’éducation du père, niveau d’éducation de la mère) et, enfin, ceux qui sont d’ordre communautaire (couverture vaccinale, zone de résidence, etc.).

La méthode de Wagstaff, van Doorslaer et Watanabe (2003) permet de décomposer les indices de Gini et de concentration respectivement comme suit (Jones et Nicolás, 2006):

et , (17)

où est l’élasticité de la santé, l’indice de concentration du déterminant lorsque est déterminé à partir du classement des et , l’indice de concentration du même déterminant quand le classement est fait à partir de la richesse . est la moyenne pondérée du déterminant

, tandis que représente la composante non déterminée des indices d’inégalités de la santé.

3.5.2 Décomposition dans l’évolution des inégalités

Il est également possible de faire une décomposition de l’indice de concentration dans le temps en utilisant l’approche d’Oaxaca (Wagstaff, van Doorslaer et Watanabe, 2003). Si on considère une population à deux périodes et , la décomposition d’Oaxaca de l’indice de concentration (dans l’équation (17)) est donnée par l’équation suivante:

17

(18)

La même chose peut être réalisée pour l’indice de Gini.

4. Nature et Sources des données

Les données utilisées sont celles recueillies dans le cadre des enquêtes EDS 1998 et MICS 2006 réalisées au Togo.

4.1 Comparaison des méthodes d’échantillonnage des deuxenquêtes

Les enquêtes EDS 1998 et MICS 2006, qui ont couvert l’ensemble du pays, ont permis de produire des échantillons représentatifs au plan national, basés sur un sondage aréolaire, stratifiés et tirés à deux degrés. Au premier degré, pour ce qui concerne l’EDS, 288 grappes (zones de dénombrement) ont été tirées au hasard avec une probabilité proportionnelle à leur taille en population, à partir de la liste de dénombrement établie par la cartographie de 1997 du Recensement Général de la Population et de l’Habitation. La même liste a permis de tirer 300 grappes au niveau de l’enquête MICS en utilisant également une probabilité proportionnelle. Six domaines géographiques sont considérés: Lomé la capitale, la région Maritime (sans Lomé), la région des Plateaux, la région Centrale, la région de la Kara et la région des Savanes. Au niveau de l’EDS, chaque domaine a été ensuite stratifié selon le critère urbain et rural, et selon les zones d’intervention du projet Santé Familiale et Prévention du Sida (SFPS), ce qui donné 19 strates. Dans le cas de l’enquête MICS, les domaines sont plutôt stratifiés en urbain et rural, ce qui a donné 12 strates puisque, en ce qui concerne Lomé, une distinction a été faite entre la ville et sa périphérie. Le Tableau 2présente la répartition des grappes entre les 6 domaines pour les 2 enquêtes.

Tableau 2 : Répartition des grappes tirées selon le domaine d’étudeDomaines d'étude

Total

Lomé

Maritime

Plateaux

Centrale

Kara Savanes

EDS 1998

62 50 52 42 42 40 288

MICS 2006

64 53 55 40 45 43 300

Au deuxième degré, les ménages ont été tirés avec la même probabilité de sélection à partir de la liste des ménages dénombrés dans chaque grappe. Cependant, l’échantillon est auto-pondéré à l’intérieur de chaque strate dans l’EDS. Ainsi, toutes les 288 grappes sélectionnées ont été entièrement enquêtées et le nombre de ménage sélectionnés dans chaque grappe varie de 8 à 60 de telle sorte que la probabilité de tirer un

18

ménage dans une strate est la même pour tous les ménages de cette strate. Il en est autrement pour l’enquête MICS où un échantillon systématique de 22 ménages a été tiré au sort dans chacune des 300grappes, ce qui fait que la probabilité de tirer un ménage varie d’une grappe à l’autre. Dans les deux enquêtes, la prise en compte des poids d’échantillonnage, qui varient d’une strate à l’autre au niveau de l’EDS et d’une grappe à l’autre au niveau du MICS, permet de disposer d’échantillons représentatifs au plan national. Même si l’on note une certaine différence dans les techniques d’échantillonnage, la considération de ces poids d’échantillonnage rend appropriée l’analyse comparative entre les 2 enquêtes.

Trois types de questionnaires ont été utilisés. Au niveau de l’EDS, il s’agit d’abord d’un questionnaire ménage qui recueille des informations sur tous les membres du ménage ainsi que sur les caractéristiques de l’habitat; ensuite, un questionnaire individuel femme, adressé à toutes les femmes de 15 à 49 ans dans chaque ménage; et enfin un questionnaire homme basé sur un échantillon d’hommes de 15-59 ans obtenu dans un sous-échantillon des ménages. Les informations sur les enfants sont recueillies à partir du questionnaire femme. Pour cette enquête, 7 517 ménages ont été interviewés au sein desquels 8 569 femmes âgées de 15-49 ans et 3 819 hommes âgés de 15-59 ans. Elle a également permis d'avoir des informations sur 3 693 enfants âgés de 0 à 35 mois.

Dans le cas du MICS, le troisième type de questionnaire concerne directement les enfants de moins de 5 ans et non pas les hommes, et le questionnaire est administré aux mères et aux personnes qui ont la charge des enfants.L’enquête a considéré au total un échantillon de 6600 ménages dans lesquels 6213 femmes ont été interrogées tandis que 4158 enfants de moins de 5 ans ont été identifiés dont 4077 ont été enquêtés avec succès.

4.2 Principales variables d’intérêt

Cette enquête a permis de disposer des informations détaillées sur, entre autres, la fécondité, la santé maternelle et infantile, l'état nutritionnel des enfants et des mères ainsi que sur les variables économiques et sociodémographiques des ménages. L’unité d’analyse dans notre étude est l’enfant bien que certaines caractéristiques socioéconomiques relèvent des informations recueillies au niveau du questionnaire ménage.

Tableau 3: Description des variables d’intérêt dans les deux basesDimensions Sources

Possession de biens durablesRadio, télévision, voiture, motocyclette, bicyclette, réfrigérateur

EDS-Togo 98 et MICS-2006

Accès aux services de baseElectricité, Source d’eau potable, Type de EDS-Togo 98 et MICS-

19

toilette 2006Qualité de l’habitatNature de la terrasse (moderne, traditionnelle)Nature du mur (moderne, traditionnelle)Nature du plafond (moderne, traditionnelle)

EDS-Togo 98 et MICS-2006

Indicateurs anthropométriquesTaille de l’enfant EDS-Togo 98 et MICS-

2006Caractéristiques des parents et du ménageEducation et âgede la mère, éducation et âge du père, région et milieu de résidence, taille du ménage

EDS-Togo 98 et MICS-2006

Caractéristiques des enfantsAge et sexe de l’enfant, accès à la vaccination, soins prénatals, phase de diarrhée

EDS-Togo 98 et MICS-2006

Niveau de vie du ménageIndicateur composite richesse calculée par les auteurs, à partir de caractéristiques de l’habitat, de l’accès aux sources d’énergie, de l’accès à l’eau, de la possession d’élément de confortetc. 

EDS-Togo 98 et MICS-2006

La variable d’intérêt concerne l’anthropométrie des enfants qui vient du questionnaire individuel enfant. La taille de l’enfant est ainsi utilisée pour estimer le d’après l’équation (1). Mais, pour analyser les inégalités, la variable anthropométrique utilisée est la taille standardiséecomme suggérépar Pradhan, Sahn et Younger (2003) et Sahn et Younger (2005) en équation (2), puis normalisée entre 0 et 1 conformément à l’équation (3). La population de référence est celle utilisée par l’OMS pour établir les standards de croissance des enfants. Elle est basée sur un échantillon de 8000 enfants en bonne santé, vivant dans des conditions favorisant une croissance normale et qui sont issus du Brésil, du Ghana, de l’Inde, de la Norvège, d’Oman et des Etats-Unis. Les nouveaux standards remplacent ceux basés sur la référence de croissance du NCHS (National Center for Health Statistics) et de l’OMS utilisée depuis les années 70 et qui, d’après l’OMS (2009), ne représenterait pas adéquatement la croissance des enfants.

Le questionnaire ménage fournit les informations nécessaires pour estimer l’indice de la richesse, notamment sur la possession de biens durables, sur l’accès aux services de base et sur la qualité de l’habitat. L’estimation consiste à dériver un indice composite de richesse par l’analyse à correspondance multiple (voir entre autres Batana et Duclos, 2010).

20

Les questionnaires fournissent également des indications sur l’éducation des parents et sur les caractéristiques sociodémographiques des ménages. Les principales variables sont présentées dans le Tableau 3.

Le Tableau 4 présente les fréquences en fonctiondes principales caractéristiques sociodémographiques au niveau des deux enquêtes. Il permet de voir par exemple dans quelle mesure les deux enquêtes sont comparables de par leurs structures sociodémographiques. Concernant l’unité d’analyse qui est l’enfant, l’on remarque que leurs structures selon l’âge et le sexe sont assez semblables pour les deux enquêtes. Pour les autres variables il est à noter parfois certaines différences. Ces différences traduisent cependant pour l’essentiel un changement dans la structure sociale et démographique du pays plutôt qu’une différence dans les structures des enquêtes. Ainsi, l’on pourrait imputer l’augmentation de la proportion de la population urbaine de 22.9% en 1998 (EDS) à 35.3% en 2006 (MICS) à l’exode rural, notamment vers Lomé la principale ville. Cela explique aussi probablement pourquoi la proportion de la Région Maritime est passée de 33.3% à 47.6% au détriment surtout de la Région des Plateaux qui en est la plus proche. La plus grande proportion de parents (mères et pères) éduqués dans l’enquête MICS par rapport à l’enquête EDS serait tout simplement due à une amélioration du niveau d’éducation de la population togolaise de 2006 par rapport à 1998.

Tableau4: Répartition des échantillons en fonction dedifférentes caractéristiques sociodémographiquesVariables EDS (1998) MICS (2006)

N. d’obs. En % N. d’obs.

En %

Enfant (0 à 35 mois) de sexe féminin

1913 50.8 1263 48.9

Enfant (0 à 35 mois) de sexe masculin

1854 48.2 1320 51.1

Enfant de moins de 24 mois 2692 71.5 1846 71.5Enfant de 25 à 35 mois 1075 28.5 737 28.5Zone rurale 2904 77.1 1671 64.7Zone urbaine 863 22.9 912 35.3Région Maritime 1254 33.3 1230 47.6Région des Plateaux 1049 27.8 430 16.7Région Centrale 390 10.4 248 9.6Région de la Kara 522 13.8 300 11.6Région des Savanes 552 14.7 375 14.5Mère sans éducation 2266 60.2 1245 48.2Mère éduquée 1501 39.8 1338 51.8Père sans éducation 1708 45.3 633 24.5Père éduqué 2059 54.7 1950 75.5

5. Résultats

21

5.1 Prévalence de la malnutrition, indices et courbes d’inégalités

5.1.1 Prévalence de la malnutrition

Les résultats sur la prévalence du retard de croissance au Togo (Tableau 5) sont différents de ceuxgénéralement par les rapports antérieurs. La différence provient essentiellement du fait que, pour rendre l’enquête EDS-1998 et l’enquête MICS-2006 comparables dans la présente étude, seuls les enfants de 35 mois et moins ont été considérés pour les estimations, ce qui n’est pas le cas dans les études précédentes. Par ailleurs la population de référence n’est pas la même puisque dans les analyses antérieures la référence de croissance du NCHS/OMSa été utilisée alors que les estimations du Tableau 5 sont basées sur la nouvelle référence de l’OMS. Ainsi, contrairement au Tableau 1 qui fait état d’une augmentation légère de la malnutrition, l’observation du Tableau 5révèle plutôt une amélioration sensible de la prévalence du retard de croissance des enfants aussi bien au niveau national que dans les régions ou selon les zones de résidence. Le taux de prévalence au niveau national est passé de 30,4% de 1998 à 26,4% en 2006. Une situation qui résulte de la mise en œuvre des programmes nationaux de développement dont le programme national de lutte contre la malnutrition. Dans une région cependant (région de Kara), la malnutrition a fortement augmentéentre les deux périodes : les taux de prévalence sont passés de 30 à 37% (malnutrition modérée) et de 13,6% à 23% (malnutrition sévère). La surprise vient de la diminution nette constatée dans la région des savanes, réputée être la région la plus pauvre du Togo, où la prévalence est descendue jusqu’à 13,4 en 2006 contre 19,3% en 1998.

Tableau 5: Prévalence du retard de croissance des enfants de 35 mois et moins au Togo (%)Variables EDS (1998) MICS (2006)

National 30.4 12.6 26.4 12.7Zone rurale 33.1 14.4 31.7 15.4Zone urbaine 21.4 6.6 16.7 7.7Région Maritime 25.2 8.6 19.8 9.6Région des Plateaux 31.6 13.5 26.4 14.1Région Centrale 31.6 12.5 31.1 12.0Région de la Kara 30.3 13.6 36.9 22.7Région des Savanes 39.5 19.3 36.6 13.4

Lorsque l’on utilise les critères de classification de l’OMS présentés dans le Tableau 1, on peut dire que l’on est passé d’un niveau de malnutrition élevé en 1998 à un niveau de malnutrition moyen en 2006 sur le plan national. Le milieu rural affiche toujours un niveau élevé pour les deux périodes, tandis que la malnutrition (modérée) a fortement diminué en milieu urbain passant d’un niveau moyen en 1998 à un niveau faible en 2006. Les disparités entre régions s’avèrent également élevées. Si la région Maritime passe d’un niveau moyen en 1998 à un niveau faible en 2006 et la région des Plateaux d’un niveau élevé à un niveau moyen, les

22

trois autres régions (Centrale, Kara, Savanes) connaissent un niveau toujours élevé pour les deux années même si l’on note une amélioration pour la région des Savanes, une stagnation pour la région Centrale et une détérioration pour la région de la Kara.

5.1.2 Indices d’inégalités

Comme l’a souligné Carr (1988), il existe toujours une variation naturelle de la taille au sein d’une population en bonne santé. Cela pose donc un problème lorsqu’on cherche à appréhender les inégalités pures de la santé notamment avec les courbes de Lorenz et les indices de Gini ou de Theil. L’approche suivie par Pradhan, Sahn et Younger (2003) permet de contourner ce problème. Pour ce faire, il s’agit d’évaluer les inégalités naturelles parmi la population de référence de l’OMS du groupe d’enfants de sexe féminin de 20 mois d’âge, à partir des équations (4) et (13).

Soient et les indices respectifs de Gini et de Theil obtenus pour la population de référence, et les mêmes indices estimés pour les

échantillons des enquêtes EDS et MICS, les indices ajustés et sont donnés respectivement par les différences et . Ceci permet d’éliminer les inégalités naturelles de telle sorte que les inégalités obtenues traduisent les variations imputables aux inégalités de la santé nutritionnelle. Ce problème d’inégalités naturelles paraît moins pertinent dans le cas des indices et des courbes de concentration si l’on suppose que sa distribution conditionnelle à l’indice de richesse suit un processus iid6. Les indices de Gini, de Gini ajusté, de Theil, de Theil ajusté et de concentration sont présentés dans les Tableaux 6 et 7.

L’examen des résultats du Tableau 6 suggère quelques commentaires.D’abord, l’on note une persistance des inégalités pures constatées en 1998 puisqu’elles n’ont pratiquement pas varié en 2006 comme l’attestent les indices de Gini et de Theil ajustés (respectivement de 0.211 et 0.209 en 1998 contre 0.212 et 0.212 en 2006).Ensuite, les inégalités apparaissent plus élevées en milieu rural qu’en milieu urbain.Les indices de concentration sont relativement faibles par rapport aux indices de Gini. Ils sont cependant significatifs, traduisant l’existence d’inégalités induites par des inégalités de richesse. Contrairement à ce que l’on a observé au niveau des inégalités pures, les inégalités par rapport à l’indice de richesse semblent être plus prononcées en milieu urbain surtout au cours de l’année1998 (0.018 pour le rural vs 0.054 pour l’urbain). De façon générale, le fait que les inégalités pures soient beaucoup plus importantes que les inégalités induites par la richesse laisse penser que, au Togo, la malnutrition peut être en grande partie un problème d’éducation et de comportement vis-à-vis de la nutrition de l’enfant plutôt qu’un problème économique.

6 Ceci aurait pu être vérifié si on avait disposé d’information sur le revenu ou l’indice de richesse dans la population de référence, ce qui n’est pas le cas.

23

Tableau   6 : Indices d’inégalités aux niveaux national, rural et urbainIndices DHS (1998) MICS (2006)

National

Rural Urbain National

Rural Urbain

Gini 0.370*(0.005)

0.387*(0.006)

0.313*(0.010)

0.371*(0.006)

0.401*(0.008)

0.316*(0.011)

Gini ajusté 0.211*(0.005)

0.228*(0.006)

0.154*(0.010)

0.212*(0.006)

0.242*(0.008)

0.157*(0.011)

Concentration 0.041*(0.007)

0.018**(0.008)

0.054*(0.013)

0.039*(0.008)

0.014(0.011)

0.019(0.013)

Theil 0.251*(0.007)

0.273*(0.008)

0.179*(0.012)

0.254*(0.009)

0.292*(0.011)

0.189*(0.014)

Theil ajusté 0.209*(0.007)

0.231*(0.008)

0.137*(0.012)

0.212*(0.009)

0.250*(0.011)

0.147*(0.014)

Les chiffres entre parenthèses représentent les écarts-types tandis que (*) et (**) signifient que les estimés sont significatifs respectivement aux seuils de 1 et de 5%.

Rappelons qu’une valeur négative de l’indice de concentration signifie des inégalités qui favorisent les individus financièrement pauvres alors qu’une valeur positive traduit des inégalités dans lesquelles les pauvres sont plus lésés sur le plan de la santé.

Le Tableau 7 présente les indices d’inégalités par région. Il ressort de l’observation de cetableau une persistance voire, une accentuation des inégalités au niveau de la malnutrition des enfants dans la région Centrale (-0.015 en 1998 contre 0.043 en 2006) et dans la région de la Kara (0.054 en 1998 comparé à 0.089 en 2006) et une diminution des inégalités en faveur des individus financièrement pauvres dans les régions desPlateaux (0.022 en 1998 contre -0.005 en 2006), Maritime (0.045 en 1998 contre 0.025 en 2006) et des Savanes (0.043 en 1998 contre -0.002 en 2006).

24

Tableau   7 : Indices d’inégalités par régionIndices Maritim

ePlateaux Centrale Kara Savanes

DHS(1998)

Gini 0.329*(0.010)

0.374*(0.010)

0.381*(0.012)

0.380*(0.012)

0.436*(0.010)

Gini ajusté 0.170*(0.010)

0.215*(0.010)

0.222*(0.012)

0.221*(0.012)

0.277*(0.010)

Concentration

0.045*(0.012)

0.022(0.014)

-0.015(0.016)

0.054*(0.017)

0.043*(0.014)

Theil 0.199*(0.012)

0.258*(0.014)

0.260*(0.016)

0.261*(0.016)

0.343*(0.016)

Theil ajusté

0.157*(0.012)

0.216*(0.014)

0.218*(0.016)

0.219*(0.016)

0.301*(0.016)

MICS(2006)

Gini 0.328*(0.010)

0.393*(0.017)

0.354*(0.014)

0.470*(0.019)

0.401*(0.012)

Gini ajusté 0.169*(0.010)

0.234*(0.017)

0.195*(0.014)

0.311*(0.019)

0.242*(0.012)

Concentration

0.025**(0.012)

-0.005(0.023)

0.043**(0.019)

0.089*(0.026)

-0.002(0.020)

Theil 0.204*(0.013)

0.279*(0.024)

0.226*(0.018)

0.411*(0.032)

0.285*(0.018)

Theil ajusté

0.162*(0.013)

0.237*(0.024)

0.184*(0.018)

0.369*(0.032)

0.243*(0.018)

Les chiffres entre parenthèses représentent les écarts-types tandis que (*) et (**) signifient que les estimés sont significatifs respectivement aux seuils de 1 et de 5%.

Par ailleurs, excepté quelques indices de concentration, notamment parmi ceux estimés pour les régions et les lieux de résidence (rural vs urbain), qui sont apparus non significatifs, la plupart des indices sont significativement différents de 0 aux seuils de 5 et de 1%.

5.1.3 Courbes d’inégalités et analyse de dominance

Tout comme dans le cas des indices de Gini, la courbe de Lorenz doit être ajustée en faisant abstraction des inégalités imputables aux variations naturelles au sein de la population de référence. Le Graphique 2 présente la courbe de Lorenz et celle de Lorenz ajusté pour l’enquête EDS qui montrent dans quelle mesure les inégalités sont réduites lorsqu’on enlève les inégalités naturelles.

25

Graphique   2  : Courbes de Lorenz et de Lorenz ajusté

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.10.2

0.30.4

0.50.6

0.70.8

0.91.0

Proportion cumulative de la population classée selon le niveau de santé

Proportion cumulative de la santé

line d'égalité Lorenz

Lorenz ajusté

De façon générale les courbes de Lorenz permettent de confirmer les résultats des indices d’inégalités. On note par exemple que les inégalités sont plus grandes dans le milieu rural que dans l’urbain aussi bien en 1998 qu’en 2006 (voir Graphique 3). Dans la mesure où les courbes de Lorenz du milieu urbain apparaissent toujours au-dessus de celles du milieu rural, l’on peut alors dire que le milieu urbain domine de façon stochastique le milieu rural en termes de Lorenz.

Graphique   3  : Courbes de Lorenz ajusté selon le lieu de résidence

26

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.10.2

0.30.4

0.50.6

0.70.8

0.91.0

Proportion cumulative de la population classée selon le niveau de santé

Proportion cumulative de la santé

line d'égalité Urbain 1998 Urbain 2006

Rural 1998 Rural 2006

Graphique   4  : Courbes de Lorenz ajustées selon les régions en 1998

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.10.2

0.30.4

0.50.6

0.70.8

0.91.0

Proportion cumulative de la population classée selon le niveau de santé

Proportion cumulative de la santé

line d'égalité Maritime Kara

Centrale Plateaux Savanes

Au niveau des régions, quelques relations de dominance semblent se dessiner. En 1998, la région Maritime dominait toutes les autres en termes de Lorenz tandis que la région des Savanes était dominée par toutes les autres. Il ne paraît pas y avoir de relations de dominance entre les courbes de Lorenz des régions des Plateaux, Centrale et de la Kara qui sont assez proches. En 2006, la région de la Kara devient la plus inégalitaire alors que la région Maritime demeure toujours la moins inégalitaire. On note l’existence probable de dominance par la région

27

Maritime de trois autres régions (Plateaux, Kara, Savanes), ainsi que la dominance de la région de Kara par celle Centrale. Pour le reste, il semble y avoir une absence de dominance puisque les courbes se touchent.

Graphique   5  : Courbes de Lorenz ajusté selon les régions en 2006

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.10.2

0.30.4

0.50.6

0.70.8

0.91.0

Proportion cumulative de la population classée selon le niveau de santé

Proportion cumulative de la santé

line d'égalité Maritime Kara

Centrale Plateaux Savanes

5.2 Décompositions des inégalités de santé

5.2.1 Déterminants de la santé nutritionnelle

Le Tableau 8 met en évidence quelques relations entre la malnutrition des enfants au Togo et certaines variables identifiées comme étant ses principaux déterminants. Dans la regression linéaire estimée, la santé nutritionnelle est la variable dépendante expliquée par un certains nombres d’indicateurs sociodémographiques et de caractéristiques des enfants. Les résultats suggèrent quela santé nutritionnelle des enfants est positivement corréléeà l’indice de richesse des ménages, cette dernière étant estimée grâce à l’analyse à correspondance multiple (ACM). Cet indice intègre certains aspects du bien-être qui peuvent affecter directement la santé des enfants, notamment l’accès à l’eau potable et les conditions sanitaires. La corrélation positive entre richesse et santé nutritionnelle confirme les résultats obtenus par les précédentes études dont entre autres Abalo (2009) et Kabubo-Mariara, Ndenge et Mwabu (2008).

Tableau   8 : Résultats des estimations par les moindres carrés ordinaires des déterminants de la santé nutritionnelle des enfants au TogoVariables DHS (1998) MICS (2006)

Modèle 1 Modèle 2 Modèle 1Coeffici

entt-

statistique

Coefficient

t-statistiq

ue

Coefficient

t-statistiq

ue

28

Constante 0.543 35.81* 0.482 21.26* 0.526 15.99*Indice de richesse 0.138 4.82* 0.132 4.38* 0.094 2.74*Taille du ménage -0.000 -0.55 -0.001 -1.05 -0.000 -0.13Sexe de l’enfant (masculin)

-0.031 -4.85* -0.033 -5.05* -0.034 -3.87*

Age de l’enfant -0.015 -11.94* -0.016 -11.85* -0.015 -8.55*(Age de l’enfant)2/100

0.019 5.49* 0.020 5.51* 0.012 2.48**

Éducation de la mère

0.016 2.17** 0.014 1.84*** -0.008 -0.80

Éducation du père -0.002 -0.33 -0.002 -0.27 0.017 1.42Résidence urbaine 0.017 1.72*** 0.015 1.46 0.014 1.02Région des Plateaux

-0.023 -2.48** -0.023 -2.50** -0.018 -1.31

Région Centrale -0.019 -1.63 -0.018 -1.51 -0.038 -2.33**Région de la Kara -0.007 -0.68 -0.007 -0.60 -0.046 -2.96**Région des Savanes

-0.040 -3.61* -0.042 -3.73* -0.037 -2.33**

Accès à l’eau potable

-0.025 -3.05* -0.023 -2.79* -0.015 -1.36

Accès aux toilettes améliorées

-0.002 -0.17 -0.008 -0.62 -0.009 -0.71

Accès à la vaccination

0.005 0.54 -0.001 -0.09 0.039 2.20**

Phase de diarrhée -0.025 -3.52* -0.027 -3.76* 0.014 1.22Soins prénatals 0.010 3.72*Age de la mère 0.001 2.11**Age du père -0.000 -0.07

(observations)

0.31

105.8 (0.000)

3767

0.32

86.0 (0.000)

3559

0.35

86.2 (0.000)

2568Les signes (*), (**) et (***) traduisent que les coefficients sont significatifs aux seuils respectifs de 1, 5 et 10%.

Les résultats révèlent ensuite, le lien positif entre le niveau d’instruction des mères et lestatut nutritionnel des enfants pour 1998. Ainsi, un bon niveau d’instruction de la mère permet en moyenne de réduire chez son enfant la probabilité de souffrir d’un retard de croissance. Ces résultatscorroborent ceux obtenus dans la littérature (Asenso-Okyere, Asante et Nubé,1997;Koffi-Tessio, Tossou et Homevor 2003; Wamani et al. 2004). Une discussion des principaux canaux de transmission par lesquels l’éducation d’une mère influence l’état nutritionnel de son enfant est proposée par Barrera (1990).

Le troisième déterminant important est l’âge des enfants qui semble être directement lié au retard de croissance. Les coefficients relatifs à l’âge sont tous négatifs et significatifs, ce qui signifie que, plus les enfants sont âgés, et plus leur santé nutritionnelleest en moyenne faible.

Sur les deux périodes étudiées (1998et 2006), les garçons sont désavantagés par rapport aux filles. Autrement dit, la santé nutritionnelle

29

des petites filles est meilleure que celle des petits garçons. Des résultats semblables sont obtenus par Lachaud (1999)7.

Ensuite, l’analyse de la situation dans les régions montre que, plus on s’éloigne de la capitale (Lomé), et plus le risque de souffrir de la malnutrition est élevé. Autrement dit les conditions de vie dans les régions affectent négativement la santé nutritionnelle des enfants. Une situation qui peut s’expliquer par la présence forte et concentrée des hôpitaux et des cliniques à Lomé comparées aux régions.

Les autres déterminants qui interviennent sont :l’âge de la mère, l’accès à la vaccination et l’accès aux soins prénatals, qui favorisent une meilleure santé nutritionnelle tandis que les phases de diarrhée contribuent plutôt à la détériorer. Quant à l’accès à l’eau potable, l’impact serait négatif sur la santé nutritionnelle, ce qui est contraire au signe attendu. Il est possible que l’effet de cette variable soit plutôt capté par l’indice de richesse dans la mesure où cet indice peut être corrélé avec la capacité d’un ménage d’accéder à l’eau potable.

Les autres variables comme le niveau d’éducation et l’âge du père, la taille du ménage, l’accès aux toilettes améliorées et le milieu de résidence (rural vs urbain) sont potentiellement déterminantes du niveau de santé nutritionnelle. Mais, dans la présente étude, les résultats obtenus ne permettent pas de confirmer cette importance dans la santé nutritionnelle des enfants au Togo aussi bien en 1998 qu’en 2006. Même si, dans la littérature, l’éducation et l’âge du père ne sont souvent pas aussi pertinente que ceux de la femme, les différences dans les résultats avec les études précédentes pourraient se trouver dans la nature de la variable dépendante. Dans la plupart de ces études, la variable dépendante était une variable discrète traduisant si oui ou non l’enfant souffrait de malnutrition. Ici, dans le souci de réaliser des analyses distributives de la santé nutritionnelle, une variable cardinale de la nutrition a été retenue. Elle traduit le bien-être en santé en ce sens qu’une valeur plus élevée équivaut à une meilleure santé nutritionnelle. Le choix de l’indicateur du retard de croissance est suggéré par la littérature (Pradhan, Sahn et Younger, 2003; Wagstaff, van Doorslaer et Watanabe, 2003) comme adéquat dans la perspective de cette cardinalisation de la santé nutritionnelle.

5.2.2 Décomposition des indices d’inégalités

Les résultats de la décomposition des indices de Gini et de concentration sont présentés dans lesTableaux 9 et 10.

7Ce résultat, mis en évidence à l’aide de l’enquête prioritaire de 1994-95, était justifié par deux arguments : équité – c’est- à dire à cause de la plus grande fragilité des garçons –, et rationalité – les garçons représentent un meilleur investissement en termes de sécurité sociale.

30

En effet, l’analyse duTableau9 révèle que les disparités de niveau de vie des ménages, appréhendées par l’indice de richesse, et l’âge des enfants sont les éléments les plus déterminants de l’inégalité de la malnutrition des enfants. Quelle que soit l’enquête considérée (EDS 98 ou MICS 2006), l’indice de richesse apparaît, après l’âge, comme le second contributeur à l’indice de Gini même si sa contribution demeure assez faible en termes de pourcentage. En effet, la contribution de l’indice de richesse dans l’explication de l’inégalité de la malnutrition était respectivement de 1.3% en 1998 contre 1.1% en 2006.

Quant à la variable âge, même si son carré contrebalance, en partie, cet effet, sa contribution à l’indice de concentration demeure relativement la plus forte avec des taux qui sont respectivement de 30.8% en 1998 contre 26.8% en 2006. Le grand point à souligner à ce niveau est que l’essentiel des inégalités pures de santé (0.288/0.370 soit 77.8% en 1998 et 0.289/0.371 soit 77.9% en 2006) est expliqué par des causes inconnues. De ces contributions dues à des causes inconnues l’on sait que 0.159, ce qui représente un peu plus de la moitié, sont dus à des variations naturelles observées au sein d’une population de référence en bonne santé et vivant dans des conditions d’une croissance normale. Les autres variations pourraient alors s’expliquer par des spécificités aux échantillons togolais ainsi qu’à d’autres variables non considérées dans les modèles de regression.

Tableau   9 : Décomposition de l’indice de GiniVariables DHS (1998) MICS (2006)

Contr.

Contr.

Indice de richesse 0,132 0,061 0,084 0,005 0,094 0,075 0,051 0,004Taille du ménage -0,001

-0,019

-0,013 0,000 -0,000

-0,003

-0,015 0,000

Sexe de l’enfant -0,033

-0,049

-0,046 0,002 -0,034

-0,046

-0,033 0,002

Age de l’enfant -0,016

-0,773

-0,147 0,114 -0,015

-0,643

-0,154 0,099

(Age)2/1000,020 0,229

-0,209

-0,048 0,012 0,119

-0,228

-0,027

Éducation mère 0,014 0,017 0,092 0,002 -0,008

-0,011 0,029

-0,000

Éducation du père -0,002

-0,004 0,034

-0,000 0,017 0,033 0,026 0,001

Résidence urbaine 0,015 0,010 0,130 0,001 0,014 0,013 0,088 0,001Région Plateaux -0,023

-0,019

-0,025 0,000 -0,018

-0,008

-0,013 0,000

Région Centrale -0,018

-0,006 0,008

-0,000 -0,038

-0,010

-0,089 0,001

Région de la Kara -0,007

-0,003 0,019

-0,000 -0,046

-0,014

-0,112 0,002

Région des Savanes -0,042

-0,019

-0,131 0,002 -0,037

-0,014

-0,112 0,002

Accès à l’eau potable -0,023

-0,051 0,003

-0,000 -0,015

-0,022 0,018

-0,000

31

Accès toilettes amélior. -0,008

-0,003 0,101

-0,000 -0,009

-0,010 0,074

-0,001

Accès à la vaccination -0,001

-0,002

-0,013 0,000 0,039 0,093

-0,008

-0,001

Phase de diarrhée -0,027

-0,025

-0,082 0,002 0,014 0,069 0,007 0,000

Soins prénatals 0,038 0,098 0,019 0,002Age de la mère 0,001 0,124

-0,003

-0,000

Age du père-0,000

-0,004

-0,006 0,000

Sous-total - - - 0.082 - - - 0.082Résidu - - - 0.288 - - - 0.289Total - - - 0.370 - - - 0.371

Par ailleurs le même tableau montre également le rôle partiel de la localisation géographique des ménages. En effet, en considérant l’année 2006, on observe que, lorsque l’on contrôle par un ensemble de facteurs, la localisation spatiale des ménages a dans l’ensemble contribué à rehausser l’indice de concentration de la malnutrition. Par ailleurs, on notera aussi l’hétérogénéité de l’impact des différentes zones rurales. Par exemple, en 2006, les régions Centrale, de la Kara et des Savanes ont influencé positivement l’inégalité de la malnutrition des enfants contre un impact négatif (pour la région Centrale et celle la Kara) dans les années 98.

Le Tableau 10présente les mêmes décompositions pour l’indice de concentration. Contrairement à l’indice de Gini, l’indice de concentration semble être expliqué essentiellement par les variables des modèles de regression. L’indice de richesse apparaît ainsi comme le principal contributeur puisqu’il explique 0.028 (soit 68.3%) des inégalités en 1998 et 0.030 (soit 78.9%) en 2006. Le reste des inégalités est expliqué par l’éducation de la mère, la résidence et la position géographique par rapport à certaines régions comme celle des Savanes et des plateaux.

Tableau   10 : Décomposition de l’indice de concentration

32

5.3Ma

trices richesse-santé

Pour construire les matrices, il a été constitué 5 classes de richesse et 5 classes pour l’état nutritionnel des enfants représentant respectivement les quintiles de richesse et de santé nutritionnelle. Les classes de richesse sont représentées par les lignes tandis que les classes de santé sont représentées par les colonnes. Les matrices richesse pour les deux enquêtes sont données par :

33

Variables DHS (1998) MICS (2006)Contr

.Contr

.Indice de richesse 0,132 0,061 0,456 0,028 0,094 0,075 0,397 0,030Taille du ménage -0,001

-0,019 0,014

-0,000 -0,000

-0,003

-0,014 0,000

Sexe de l’enfant -0,033

-0,049 0,013

-0,001 -0,034

-0,046

-0,023 0,001

Age de l’enfant -0,016

-0,773

-0,002 0,001 -0,015

-0,643

-0,001 0,000

(Age)2/1000,020 0,229

-0,004

-0,001 0,012 0,119

-0,005

-0,001

Éducation mère 0,014 0,017 0,229 0,004 -0,008

-0,011 0,186

-0,002

Éducation du père -0,002

-0,004 0,142

-0,000 0,017 0,033 0,083 0,003

Résidence urbaine 0,015 0,010 0,554 0,005 0,014 0,013 0,523 0,007Région Plateaux -0,023

-0,019

-0,087 0,002 -0,018

-0,008

-0,209 0,002

Région Centrale -0,018

-0,006 0,001

-0,000 -0,038

-0,010

-0,083 0,001

Région de la Kara -0,007

-0,003 0,012

-0,000 -0,046

-0,014

-0,073 0,001

Région des Savanes -0,042

-0,019

-0,268 0,005 -0,037

-0,014

-0,373 0,005

Accès à l’eau potable -0,023

-0,051 0,151

-0,008 -0,015

-0,022 0,294

-0,007

Accès toilettes amélior. -0,008

-0,003 0,718

-0,002 -0,009

-0,010 0,500

-0,005

Accès à la vaccination -0,001

-0,002 0,062

-0,000 0,039 0,093 0,027 0,003

Phase de diarrhée -0,027

-0,025

-0,031 0,001 0,014 0,069 0,008 0,001

Soins prénatals 0,038 0,098 0,061 0,006Age de la mère 0,001 0,124

-0,008

-0,001

Age du père-0,000

-0,004

-0,015 0,000

Sous-total - - - 0.039 - - - 0.038Résidu - - - 0.002 - - - 0.000Total - - - 0.041 - - - 0.038

On remarque que l’hypothèse de monotonie n’est pas vérifiée de façon générale au niveau des deux matrices. Cependant, au niveau de la matrice de 1998, on peut remarquer que seules les deux premières classes de richesse ne semblent pas différentes en termes d’opportunités de santé. Pour le reste, la ligne 3 de la matrice domine de façon stochastique les deux lignes au-dessus d’elle d’après la définition donnée dans l’équation (14). La ligne 3 est à son tour dominée de façon stochastique par la ligne 4 alors que la ligne 4 est dominée par la ligne 5. Cela montre l’existence de gradients de santé en 1998, en ce sens que les enfants issus de ménages ayant une plus grande richesse ont de meilleures opportunités de disposer d’une bonne santé nutritionnelle. Cela ne semble pas être le cas pour 2006. En effet, au niveau de la seconde matrice seule la ligne 5 domine de façon stochastique toutes les autres lignes. Cette absence de gradients de santé peut être due aux progrès réalisés après 1998 en matière de politique nutritionnelle des enfants au Togo.

Les matrices de richesse-santé ont été également réalisées en considérant les zones rurales et urbaines.

Tout comme au niveau national, les matrices par zone de résidence ne semblent pas respecter l’hypothèse de monotonie. On remarque néanmoins que certaines lignes dominent de façon stochastique les lignes qui sont au-dessus d’elles. C’est le cas des deux dernières lignes des deux matrices (rural et urbain) de 1998. L’on peut dire que si les gradients de santé sont une réalité au Togo, leur amplitude paraît faible lorsqu’il s’agit de la nutrition des enfants. Cela pourrait s’expliquer par le fait que la santé nutritionnelle des enfants dépend moins de la richesse du ménage que d’une bonne pratique alimentaire. En effet, selon l’UNICEF, 97% des enfants togolais ne bénéficient pas d’une alimentation satisfaisant aux critères nutritionnels adéquats.

34

Posons que et , avec , et . En suivant la condition de dominance établie par l’équation (15), on dira alors qu’une espérance de santé e ¿¿ domine

une autre espérance de santé en termes de Lorenz généralisé si la

matrice ne contient que des valeurs négatives et nulles.

Les résultats montrent qu’il n’existe pas de dominance en opportunités de santé entre 2006 et 1998 au plan national. Cependant, les résultats suggèrent qu’il y a de meilleures opportunités pour les deux quantiles les moins riches en 2006 par rapport à 1998. En effet, les différences sont négatives pour les deux lignes correspondantes, ce qui traduit que 2006 domine 1998 au niveau des deux quantiles concernés.

Les comparaisons entre zones rurales exclusivement et zones urbaines exclusivement ne montrent pas non plus de dominance. Pour les zones rurales, la situation ressemble un peu à celle observée au niveau national puisque les trois quantiles les moins riches semblent avoir connu une amélioration de leurs opportunités de santé en 2006 par rapport à 1998. Il ne semble pas y avoir par contre de changement notable en ce qui concerne les zones urbaines.

Il peut être également intéressant de comparer la zone urbaine à la zone rurale. Il s’agira alors de dire par exemple si l’enfant est susceptible

35

d’être confronté à de plus grandes inégalités s’il réside dans les villes ou dans les campagnes. Les résultats fournis par les deux matrices ci-dessous montrent l’existence de la dominance entre zone urbaine et zone rurale. Ainsi, les enfants vivant dans les villes ont de meilleures opportunités de santé que ceux vivant dans les milieux ruraux, ce qui signifie que les inégalités sont plus fortes en zone rurale.

Les résultats obtenus ici divergent quelque peu de ceux obtenus au niveau des indices de concentration. Ils sont plutôt plus proches des résultats sur les inégalités pures de santé captées par les indices de Gini et de Theil ajustés.

6. Conclusion

De ce qui précède, il y a lieu de relever que les inégalités de santé et notamment de la santé nutritionnelle des enfants constituent une réalité au Togo. Pour réaliser les objectifs de développement à court et long termes, ce problème doit être combattu à travers des politiques sociales et de santé publique de réduction des inégalités et d’amélioration de la santé néonatale. Le quatrième objectif du millénaire pour le développement (OMD) est de réduire la mortalité infantile. La connaissance des facteurs qui influencent cette mortalité constitue alors un préalable. Comme l’a souligné Audibert (2009), la malnutrition est associée à près de la moitié des cas de mortalité infantile dans les pays en développement. Combattre la malnutrition devient ainsi un canal privilégié pour lutter efficacement contre la mortalité des moins de 5 ans. En dehors de cet effet immédiat, la malnutrition infantile est susceptible d’influencer négativement à long terme la propension d’un individu devenu adulte à se réaliser économiquement. C’est dans le souci de mieux appréhender les inégalités

36

sociales de santé chez les enfants que la présente étude s’inscrit. La démarche adoptée présente l’ampleur des inégalités pures et sociales chez les enfants togolais âgés de 0 à 35 mois en 1998 et en 2006. Ensuite elle propose une décomposition de ces inégalités à travers différents déterminants qui vont des caractéristiques liées à l’enfant à plusieurs autres caractéristiques socioéconomiques et démographiques du ménage. L’approche des opportunités de santé a été enfin utilisée pour renforcer l’appréhension des gradients de santé.Les résultats montrent que, même si elles sont modérées, les inégalités de santé nutritionnelle des enfants demeurent une réalité au Togo. Au niveau des inégalités pures il est mis en exergue l’existence de fortes inégalités généralement dues à des variations naturelles et à d’autres causes inconnues. Mais l’on constate aussi des variations régionales parfois importantes, ce qui est également le cas au niveau des indices de concentration. L’on obtient que les zones rurales sont plus inégalitaires que les zones urbaines en termes d’inégalités pures, une tendance qui s’inverse lorsqu’on d’inégalités sociales de santé. L’analyse des opportunités de santé à travers les matrices richesse-santé conforte l’existence de gradients de santé nutritionnelle même s’ils sont limités. Elle révèle ensuite que, entre 1998 et 2006, il y a eu en moyenne une amélioration des opportunités de santé pour les enfants issus des 40% de ménages les moins riches, et que cette amélioration est surtout le fait des zones rurales. L’analyse montre enfin que les enfants possèdent généralement de meilleures opportunités de santé dans les zones urbaines que rurales.De ce qui précède, il convient de déduire des pistes de politiques de santé et de nutrition au profit des enfants et de lutte contre la pauvreté des ménages. Ces pistes concernent: - Le combat contre la malnutrition à travers des politiques sociales et de santé publique de réduction des inégalités et d’amélioration de la santé néonatale. Ce combat doit passer par l’amélioration de l’accès aux soins et à la prévention des populations «les plus démunies», en situation de «précarité sociale», «confrontées à l’exclusion » ou «fragilisées», selon l’expression employée, nécessite, pour être efficace, de définir les limites des populations ciblées et de connaître leurs besoins spécifiques, notamment en matière de santé, afin d’élaborer des programmes d’intervention adaptés. L’efficacité de ces interventions nécessite, par ailleurs, une bonne coordination de des acteurs de proximité tels que les travailleurs sociaux, les professionnels de santé susceptibles d’être en contact avec ces populations;- L’Etat doit poursuivre ses interventions en matière de santé dans les zones rurales afin de réduire les inégalités d’accès entre milieux urbains et ruraux;- le maintien des actions de promotion de l'allaitement maternel exclusif durant les 6 premiers mois de l'enfant ;- le renforcement de la politique d’éducation de base pour tous et davantage dans les zones rurales ;- la fourniture aux populations des zones rurales des infrastructures sanitaires ;

37

- l’Etat du Togo doit poursuivre ses efforts de réduction de la pauvreté sous toutes ses dimensions surtout dans les zones les plus défavorisées;- la mise en œuvre de toute politique tendant à accroître le revenu des ménages ou à diminuer le prix des biens durables concourant au bien-être et l’accroissement de l’indice de richesse ;- la promotion de l’éducation sanitaire et nutritionnelle des femmes afin d’améliorer la santé néonatale;- la nécessité de développer les services de planning familial pour limiter la taille des ménages, en particulier le nombre d’enfants;- Des mesures systémiques, consistant, par exemple, à renforcer les services de santé publiques existants ou à redéfinir les pratiques, seraient aussi à envisager à plus long terme. Il s’agirait, par exemple, de mieux intégrer la prévention dans la pratique clinique des professionnels du soin;- Il est nécessaire de poursuivre et de développer des travaux de recherche d’une part, sur les facteurs explicatifs des inégalités à l’accès aux soins de santé, et, d’autre part, sur les déterminants sociaux de l’état de santé, pour pouvoir élaborer et mettre en œuvre des politiques et programmes de santé adaptés, éventuellement ciblés selon ces facteurs.

Références

Abalo, K. (2009), "Poverty and the Anthropometric Status of Children: A Comparative Analysis of Rural and Urban Household in Togo,"AERC Research Paper 191, African Economic Research Consortium, Nairobi.

Abasolo, I. et A. Tsuchiya (2004), "Exploring social welfare functions and violation of monotonicity: An example from inequalities in health," Journal of Health Economics, 23: 313-329.

Alderman, H., Hoogeveen, H. et M. Rossi (2006), "Reducing child malnutrition in Tanzania: Combined effects of income growth and program interventions,"Economics and HumanBiology,4:1-23.

Asenso-Okyere, W. K., Asante, F. A. et M. Nubé (1997), "Understanding the health and nutritional status of children in Ghana,"Agricultural Economics, 17: 59-74.

Atkinson, A. B. (1983), "The Measurement of Economic Mobility," in : Social Justice and Public Policy, Harvester Wheatsheaf.

Audibert, M. (2009), "Issues and Challenges of Measurement of Health: Implications for Economic Research," AERC, Health, Economic Growth and Poverty Reduction in Africa: Framework Papers Review Workshop, Accra, Ghana, April 20-22.

Barrera, A. (1990), "The role of maternal schooling and its interaction with public health programs in child health production," Journal of Development Economics, 32: 69-91.

38

Batana, Y. M. etJ.-Y. Duclos (2010): "Multidimensional Poverty among West African children: Testing for robust comparisons,"dans: Cockburn J.et J. Kabubo-Mariara(eds.), Child Welfare in Developing Countries, Springer-IDRC-PEP, New York, 95-122.

Bleichrodt, H. et E. van Doorslaer (2006), "A welfare economic foundation for health inequality measurement," Journal of Health Economics, 25: 945-957.

Booysen, F., von Maltitz, M., van der Berg, S., Burger, R. et G. du Rand (2008): "Using an Asset index to Assess Trends in Poverty in Seven Sub-Saharan African Countries,"World Development, 36: 1113-1130.

Carr, H. R. (1988), "Time trends in inequalities in health,"Journal of Biosocial Sciences, 20:265-273.

Conlisk, J. (1990), "Monotone Mobility Matrices,"Journal of Mathematical Sociology, 15: 173-191.

Dardanoni, V. (1993), "Measuring Social Mobility,"Journal of Economic Theory, 61: 372-394.

Deaton, A. (2003), "Health, Inequality, and Economic Development," Journal of Economic Literature, 41: 113-158.

Djoke, G. K. A., Djadou, A., d’Almeida, A.etR. Ruffino (2010): "Profiling Child Poverty in Four WAEMU Countries: A Comparative Analysis Based on the Multidimensional Poverty Approach,"dans: Cockburn J.et J. Kabubo-Mariara(eds.), Child Welfare in Developing Countries, Springer-IDRC-PEP, New York, 61-93.

Dutta, I. (2007), "Health inequality and non monotonicity of the health related social welfare function,"Journal of Health Economics, 26: 414-421.

Fosto, J.-C. (2006), "Child health inequities in developing Countries: Differences across urban and rural areas," Health and Place, 13: 205-223.

Fosto, J.-C. (2007), "Urban-rural differentials in child malnutrition: Trends and socioeconomic correlates in Sub-Saharan Africa," International Journal for Equity in Health, 5: 1-10.

Gakidou, E. E., Murray, C. J. L. et J. Frenk (2000), "Defining and measuring health inequality: an approach based on the distribution of health expectancy," Bulletin of theWorld Health Organization, 78: 42-54.

Gwatkin, D. R. (2002), "Reducing Health Inequalities in Developing Countries," in: Detels, R., McEwen, J., Beaglehole, R. et H. Tanaka

39

(eds.),Oxford Textbook of Public Health, 4th edition, Oxford:Oxford University Press,1791-1810.

Heltberg, R. (2009), "Malnutrition, Poverty, and Economic Growth," Health Economics, 18: S77-S88.

Humphries, K. H. et E. van Doorslaer (2000), "Income-related health inequality in Canada," Social Science & Medicine, 50: 663-671.

Jones, A. M. etÁ. L. Nicolás (2006), "Allowing for heterogeneity in the decomposition of measures of inequality in health," Journal of Economic Inequality, 4: 347-365.

Jones, A. M. et J. Wildman (2008), "Health, Income and Relative Deprivation: Evidence from the BHPS," Journal of Health Economics, 27: 308-324.

Kabubo-Mariara, J., Ndenge, G. K. et D. K. Mwabu (2008), "Determinants of Children’s Nutritional Status in Kenya: Evidence from Demographic and Health Surveys," Journal of African Economies, 18: 363-387.

Kakwani, N., Wagstaff, A. et E. van Doorslaer (1997), "Socioeconomic inequalities in health: measurement, computation and statistical inference," Journal of Econometrics, 77: 87-104.

Lachaud, J. P. (2003), "La dynamique de l'inégalité de la malnutrition des enfants en Afrique. Une analyse comparative fondée sur une décomposition de régression," Document de travail 86, Groupe d'Economie du Développement de l'Université Montesquieu Bordeaux IV.

Madise, N. J., Mathews, Z. et B. Margetts (1999), "Heterogeneity of child nutritional status between households: A comparison of six sub-Saharan African countries," Population Studies, 53: 331-343.

Marmot, M. (2005), "Social Determinants of Health Inequalities," Lancet, 365: 1099-1104.

McGrail, K. M., van Doorslaer, E., Ross, N. A. et C. Sanmartin (2009), "Income-Related Inequalities in Canada and the United States: A Decomposition Analysis," American Journal of Public Health, 99: 1856-1863.

McLeod, C. B., Lavis, J. N., Mustard, C. A. et G. L. Stoddart (2003), "Income Inequality, Household Income, and Health Status in Canada: A Prospective Cohort Study," American Journal of Public Health, 93: 1287-1293.

Mwabu, G. (2009), "The Production of Child Health in Kenya: A Structural Model of Birth Weight," Journal of African Economies, 18: 212-260.

40

O’Donnell, O., van Doorslaer, E., Wagstaff, A. et M. Lindelow (2008), Analyzing Health Equity Using Household Survey Data: A Guide to Techniques and their Implementations, The World Bank, Washington DC.

OMS (2009), WHO Child Growth Standards: Growth velocity based on weight, length and head circumference. Methods and development, World Health Organization Press: Geneva.

Pradhan, M., Sahn, D. E. et S. D. Younger (2003), "Decomposing world health inequality," Journal of Health Economics, 22: 271-293.

Sahn, D. E. (2009), "Health Inequality across Individuals and Populations," AERC, Health, Economic Growth and Poverty Reduction in Africa: Framework Papers Review Workshop, Accra, Ghana, April 20-22.

Sahn, D. E. et D. Stifel (2000): "Poverty Comparisons Over Time and Across Countries in Africa,"World Development, 28, 2123-55.

Sahn, D. E. et D. C. Stifel (2002), "Robust Comparisons of Malnutrition in Developing Countries," American Journal of Agricultural Economics, 84: 716-735.

Sahn, D. E. et D. Stifel (2003): "Exploring Alternative Measures of Welfare in the Absence of Expenditure Data,"Review of Income and Wealth, 49, 463-489.

Sahn, D. E. et S. D. Younger (2005), "Improvements in children’s health: Does inequality matter?," Journal of Economic inequality, 3: 125-143.

Sehili, S., Elbasha, E. H., Moriarty, D. G. et M. M. Zack (2005), "Inequalities in self-reported physical health in the United States, 1993-1999," Health Economics, 14: 377-389.

van Doorslaer, E. et A. M. Jones (2003), "Inequality in self-reported health: Validation of a new approach to measurement," Journal of Health Economics, 22: 61-87.

Wagstaff, A. (2002), "Inequality aversion, health inequalities and health achievement," Journal of Health Economics, 21: 627-641.

Wagstaff, A., van Doorslaer, E. et N. Watanabe (2003), "On decomposing the causes of health sector inequalities with an application to malnutrition inequalities in Vietnam," Journal of Econometrics, 112: 207-223.

Wagstaff, A., et E. van Doorslaer (2003), "Overall vs socioeconomics health inequality: A measurement framework and two empirical illustrations," Health Economics, 13: 297-301.Wagstaff, A., Paci, P. et van Doorslaer (1991), "On the measurement of inequalities in health," Social Sciences and Medicine, 33: 545-557.

41

Wamani, H., Tylleskär, T., Åstrøm, A. N., Tumwine, J. K. et S. Peterson (2004), "Mothers’ education but not fathers’ education, household assets or land ownership is the best predictor of child health inequalities in rural Uganda," International Journal for Equity in Health, 3: 9.

Wildman, J. (2003), "Income Related Inequalities in Mental Health in Great Britain. Analysing the causes of Health Inequality Over Time," Journal of Health Economics, 22: 295-312.

Zere, E. et D. McIntyre (2003), "Inequities in under-five child malnutrition in South Africa," International Journal for Equity in Health, 2: 7.

Zheng, B. (2006), "Measuring Health Inequality and Health Opportunity," UNU-WIDER Conference, Helsinki, September.

42