Concordance des mesures du statut socio-économique : mesures par région et mesures individuelles

Kitaw Demissie, James A. Hanley, Dick Menzies, Lawrence Joseph et Pierre Ernst

Résumé

Dans les études épidémiologiques, on détermine souvent le statut socio-économique (SSE) d'après la région. Une telle approche suppose que le statut socio-économique soit homogène à l'intérieur d'une région. Pour chiffrer la concordance entre les mesures du SSE à l'échelle d'une région et les mesures individuelles du SSE, nous avons effectué une étude transversale portant sur 943 élèves de 18 écoles de Montréal, Québec, qui habitaient dans 155 secteurs de dénombrement de petite taille et 117 secteurs de recensement. Nous avons utilisé les données sur l'adresse de voirie de même que les données du recensement de 1986 et le type de profession des parents pour établir des indicateurs du SSE à l'échelle régionale et individuelle. Treize indices régionaux du SSE ont classé les enfants dans le même quintile que les indices individuels 28,7 % (±2,8 %) du temps. L'écart était de moins d'un quintile dans 35,3 % (±2,3 %) des cas, de deux quintiles dans 20,6 % (±3,6 %) des cas, de trois quintiles dans 11,3 % (±4,2 %) des cas et de quatre quintiles dans 4,1 % (±0,2 %) des cas. En conclusion, nous avons observé un écart important entre les mesures du SSE fondées sur la région et les mesures individuelles. Il faut donc user de prudence lorsqu'on établit le plan ou interprète les résultats d'études faisant appel à des mesures du SSE fondées sur la région pour vérifier des hypothèses ou tenir compte des facteurs de confusion.

Mots clés : biais lié au changement de niveau; petite région; recherche étiologique; statut socio-économique; variables contextuelles; variables écologiques

Introduction

Les effets individuels sur la santé peuvent être associés à des déterminants individuels et génériques (écologiques). Le biais lié au changement de niveau est un phénomène qui consiste à faire des inférences en ce qui concerne un niveau d'analyse en se fondant sur les associations observées à un niveau différent¹. Le biais de ce type dont on entend parler le plus souvent en épidémiologie est le «sophisme écologique», qui résulte d'une mauvaise interprétation et inférence relativement à des associations au niveau individuel basées sur des associations à un niveau global^2,3. Des analyses qui établissent des liens entre les caractéristiques globales et des résultats individuels n'entraînent pas nécessairement de biais écologique¹.

Dans les enquêtes, le statut socio-économique (SSE) peut être une question délicate à aborder avec des répondants; il peut ainsi être moins pratique et moins valable de poser des questions directes concernant les divers aspects du SSE⁴. Une autre solution consiste à utiliser des données indirectes basées sur des mesures moyennes des conditions sociales et économiques dans des secteurs géographiques de résidence. En plus d'avoir l'avantage de limiter le taux de non-réponse, cette approche régionale est relativement peu coûteuse et l'information est facilement accessible.

Dans les recherches étiologiques, l'effet sur la santé peut être déterminé à l'échelle individuelle, alors que les caractéristiques d'exposition, tels les attributs du SSE, sont établies à l'échelle d'une région géographique pour vérifier l'hypothèse que le SSE est associé à un effet particulier sur la santé ou pour ajuster les données afin de tenir compte de l'effet confondant du SSE^5-13. Divers aspects du SSE propres à une région ont été utilisés - p. ex., la valeur moyenne des maisons, la valeur locative mensuelle médiane des habitations et la proportion de sujets ayant une formation universitaire, de familles monoparentales ou de chômeurs de même que des échelles composites formées d'une combinaison de ces variables^7,8. Cette approche repose sur l'hypothèse que les caractéristiques sont stables et homogènes à l'intérieur de la région géographique. Toutefois, en milieu urbain, les conditions sociales et économiques de la population peuvent être hétérogènes⁹, même à l'intérieur de petites régions (p. ex., un seul pâté de maisons) et peuvent varier avec le temps.

Nous avons donc étudié le degré de concordance entre les mesures régionales et individuelles du SSE, en cotant les variables régionales en fonction de leur proximité par rapport aux mesures individuelles.

Matériel et méthodes

Population étudiée

Cette étude faisait partie d'une étude plus vaste visant à examiner les facteurs de risque, à l'intérieur des locaux, en matière d'hyperréactivité bronchique chez les écoliers montréalais. Pour qu'un vaste éventail de SSE soit représenté, toutes les écoles appartenant à cinq commissions scolaires du centre de Montréal, Québec, ont été classées selon la valeur moyenne des maisons dans le quartier¹⁴ et, à l'intérieur de chaque commission scolaire, les écoles ont été choisies au hasard parmi celles classées au rang supérieur, moyen et inférieur. Dans chacune des 18 écoles, nous avons choisi une classe de première année (6-7 ans), de troisième année (8-9 ans) et de cinquième année (10-11 ans).

Lorsque nous avons comparé les écoles choisies avec celles qui n'avaient pas été retenues, nous n'avons observé aucune différence pour ce qui est de la pauvreté dans le quartier, du niveau de revenu ou du niveau de scolarité¹⁴. Par exemple, dans le cas des écoles choisies et non choisies qui avaient été classées au rang supérieur (valeur moyenne des maisons dans le quartier >95,000 $), la proportion relative de sujets vivant sous le seuil de la pauvreté (tel que défini par Statistique Canada) était de 6,1 % (n = 6) contre 5,4 % (n = 115), p = 0,83; dans la tranche du milieu (valeur moyenne des maisons de 70 000 $ à 95 000 $), les proportions relatives étaient de 12,2 % (n = 6) contre 12,2 % (n = 124), p = 0,98; et dans la tranche inférieure (valeur moyenne des maisons <70 000 $), la proportion s'établissait à 45,1 % (n = 6) contre 35,9 % (n = 52), p = 0,21.

Évaluation du statut socio-économique à l'échelle individuelle

À l'échelle individuelle (familiale), nous avons utilisé l'emploi le plus récent d'un parent pour évaluer le SSE de l'enfant. Une personne dûment formée a interrogé les deux parents à domicile afin d'obtenir un relevé détaillé des emplois occupés : le nom de l'entreprise, le type d'industrie, le service à l'intérieur de l'entreprise, le titre de poste, une brève description du poste et l'année d'entrée en fonction et de cessation d'emploi. Ces renseignements ont été recueillis pour les emplois actuels et tous les emplois précédents. Nous nous sommes servis des données sur l'emploi le plus récent du parent pour trouver les codes correspondants de la Classification canadienne descriptive des professions¹⁵. Les codes ont été transformés en scores de SSE pour l'enfant, à partir du niveau de revenu et de scolarité correspondant à chaque emploi selon les tableaux élaborés par Blishen et ses collègues¹⁶. Nous avons retenu pour l'analyse le score le plus élevé obtenu par un des parents (indice du SSE à l'échelle individuelle).

La validité des déclarations des répondants concernant les emplois passés est bien établie¹⁷. Les corrélations entre le score pour le SSE obtenu en tenant compte de l'emploi le plus récent et des trois derniers emplois, respectivement, étaient les suivantes : r = 0,86, r = 0,84 et r = 0,62 pour les emplois des mères et r = 0,87, r = 0,84 et r = 0,81 pour les emplois des pères. La corrélation (r) entre l'emploi actuel des pères et des mères s'établissait à 0,89.

Le nombre de personnes par pièce dans la maison (indice d'encombrement), la monoparentalité et le niveau maximal de scolarité d'un ou l'autre parent constituent d'autres mesures de remplacement du SSE à l'échelle individuelle.

Évaluation du statut socio-économique à l'échelle régionale

À l'aide de cette méthode, on peut inférer le statut socio-économique d'un sujet (famille de l'enfant, en l'occurrence) à partir du lieu de résidence. Au Canada, l'information sur les facteurs démographiques, le logement, le revenu, la scolarité, la qualité des habitations et d'autres caractéristiques des ménages est résumée à l'échelle des secteurs de dénombrement par Statistique Canada. Les secteurs de dénombrement (SD) sont des quartiers géographiques établis pour le recensement qui contiennent au plus 375 ménages dont les conditions économiques et sociales sont relativement similaires. Les secteurs de recensement (SR) constituent l'unité géostatistique supérieure, englobant de 2 500 à 8 000 (moyenne de 4 000) résidents. On a établi les frontières de ces secteurs en reprenant des divisions reconnaissables entre les quartiers pour créer des unités qui sont le plus homogènes possible sur le plan socio-économique¹⁴.

Nous avons utilisé l'adresse de voirie et le code postal du lieu habituel de résidence de l'enfant de même que le Fichier de conversion des codes postaux de Statistique Canada¹⁸ pour identifier le secteur de dénombrement et le secteur de recensement. Nous nous sommes servis de la copie papier du Répertoire des codes postaux au Canada¹⁹ pour vérifier les codes postaux en cas de doute au sujet de l'orthographe du nom d'une rue. La validité du Fichier de conversion des codes postaux de Statistique Canada a été indirectement évaluée. Le classement selon le SSE de petites régions géographiques obtenu grâce à ce fichier de conversion semble être un bon prédicteur de nombreux effets sur la santé²⁰.

Nous avons eu recours au Dictionnaire de recensement de 1986²¹ et aux tables de codage des fichiers sur bande du recensement de 1986 préparées par Statistique Canada pour sélectionner les variables qui, à notre avis, reflétaient le SSE d'un quartier. Les variables utilisées dans notre analyse pour les SR et les SD sont tirées des études publiées^22S28 et ont été choisies d'après la fréquence de leur utilisation comme indicateurs de l'inégalité sociale dans les petites régions. Ces variables ont été définies de la façon suivante :

• Niveau de scolarité net : proportion de personnes de 15 ans et plus qui ont un diplôme universitaire ou d'études post-secondaires moins la proportion de personnes de 15 ans et plus sans certificat ni diplôme d'études secondaires dans chaque petite région (Cette variable semble être l'indicateur le plus sensible du niveau de scolarité atteint¹⁶.)
• Proportion de sujets ayant une formation universitaire : proportion de personnes de 15 ans et plus ayant un diplôme universitaire ou d'études post-secondaires
• Revenu médian : revenu médian des familles de recensement
• Revenu adéquat : revenu médian divisé par le nombre de membres dans les familles de recensement
• Valeur moyenne des maisons : valeur moyenne des habitations privées occupées
• Proportion de chômeurs : nombre des chômeurs de 15 ans et plus par rapport à la population active de 15 ans et plus, exprimé en pourcentage
• Proportion de logements possédés : nombre total d'habitations privées occupées par le propriétaire par rapport à l'ensemble des habitations privées occupées, exprimé en pourcentage
• Proportion de parents de sexe masculin : nombre de familles de recensement comptant un parent de sexe masculin par rapport à l'ensemble des familles de recensement (%)
• Proportion de parents de sexe féminin : nombre de familles de recensement comptant un parent de sexe féminin par rapport à l'ensemble des familles de recensement (%)
• Proportion de parents uniques : nombre de familles de recensement dirigées par un seul parent par rapport à l'ensemble des familles de recensement (%)

En plus des variables ci-dessus, le score obtenu pour le statut socio-économique dans chaque profession qui a été élaboré par Blishen et ses collègues¹⁶ a été pondéré d'après la proportion de personnes dans chaque catégorie professionnelle et totalisé afin de produire un seul score pour le SSE dans chaque petite région, soit l'indice-I du SSE du quartier; les scores z pour le niveau de scolarité net, le revenu médian et la proportion de chômeurs ont été totalisés pour donner l'indice-II du SSE du quartier; et les scores z pour le niveau scolarité net, le revenu médian, la valeur moyenne des maisons, la proportion de maisons possédées et la proportion de parents uniques ont également été totalisés pour le calcul de l'indice-III du SSE du quartier.

Ces variables régionales du SSE ont été condensées pour chaque enfant de notre échantillon au niveau des SD. Afin de synthétiser les variables pour les SR correspondants, les données brutes ont été totalisées si possible avant le calcul des moyennes et des proportions. Lorsque des moyennes et des proportions des secteurs de dénombrement étaient utilisées pour calculer les variables au niveau des SR, une pondération adéquate a été effectuée.

Méthodes statistiques

Nous avons évalué la concordance entre les divers indices régionaux du SSE (tant au niveau des SR que des SD) et l'indice individuel du SSE de quatre manières. Tout d'abord, nous avons utilisé les scores régionaux et les scores individuels du SSE pour regrouper les enfants en quintiles (le quintile I comptant les enfants les plus pauvres et le quintile V les moins pauvres), et nous avons calculé le degré de concordance lorsque l'enfant était classé dans le même quintile ou un quintile voisin à l'aide des deux méthodes. Deuxièmement, nous avons classé les enfants selon les scores obtenus à l'aide des deux méthodes et utilisé les rangs pour représenter graphiquement les données et tracer la ligne médiane (figure 1). Troisièmement, nous avons calculé les corrélations de rangs de Spearman entre les divers indices régionaux du SSE et les indices individuels. Enfin, nous avons utilisé les rangs pour calculer le coefficient de corrélation interne²⁹.

Pour l'analyse statistique, nous nous sommes servis du logiciel statistique SAS³⁰.

Résultats

Dans les 18 écoles de Montréal retenues, 1 274 enfants étaient admissibles, dont 989 (77,6 %) ont participé à l'étude; la profession des parents a pu être codée dans un score de SSE dans le cas de 934 (94,4 %) de ces enfants. Les codes postaux pour les adresses de 952 (96,3 %) enfants ont pu être reliés à 117 identificateurs de secteurs de recensement correspondants et à 155 identificateurs de secteurs de dénombrement plus petits pour le calcul du SSE régional.

Les 13 indices régionaux du SSE ont classé les enfants dans le même quintile que celui établi à partir du score individuel du SSE 28,7 % (±2,8 %) du temps. Il y avait un écart d'un quintile dans 35,3 % (±2,3 %) des cas, de deux quintiles dans 20,6 % (±3,6 %) des cas, de trois quintiles dans 11,3 % (±4,2 %) des cas et de quatre quintiles dans 4,1 % (±0,2 %) des cas (tableau 1). Le degré d'écart était similaire pour les mesures régionales du SSE obtenues à l'échelle des SR comme des SD. De même, les corrélations de rangs de Spearman et les coefficients de corrélation interne entre les mesures régionales et individuelles du SSE étaient toujours inférieures à 0,40 (tableau 2), ce qui semble indiquer une mauvaise concordance. La figure 1 présente un diagramme de dispersion avec une ligne médiane illustrant la relation entre la mesure régionale du SSE calculée à partir de la profession (l'indice-I du SSE du quartier) et le SSE au niveau individuel. On observe une grande variation de part et d'autre de la ligne médiane.

La concordance entre les divers indices régionaux du SSE, d'une part, et la scolarité des parents, la monoparentalité et l'indice d'encombrement obtenus à l'échelle individuelle, d'autre part, n'était pas non plus très bonne et s'apparentait à ce que nous avons obtenu pour l'indice individuel du SSE (données non illustrées).

Discussion

Nous avons noté une faible concordance entre les mesures régionales et individuelles du SSE même lorsque celles-ci étaient utilisées pour classer les enfants en grandes catégories de SSE. L'absence de concordance a été observée pour tout un éventail d'indicateurs du SSE à l'échelle individuelle et du quartier, et un grand nombre de petites régions dans divers quartiers a été inclus. En outre, nous n'avons observé aucune différence marquée sur le plan des indicateurs de la pauvreté dans le quartier entre les écoles choisies et non choisies, ce qui limite le biais de sélection.

Diverses méthodes et informations ont été utilisées pour élaborer des indices régionaux du SSE. Dans une étude britannique, Campbell et coll.²² se sont servis des taux de chômage dans différentes régions. Wegner a combiné (avec une pondération égale) les scores z pour le nombre moyen d'années de scolarité et le revenu moyen des sujets résidant dans un secteur de recensement donné²³. Après avoir examiné les déterminants de la mortalité au Connecticut et au Rhode Island, Stockwell²⁴ a calculé la moyenne des scores en percentiles pour la profession, la scolarité et le revenu médian par secteur de recensement et a par la suite modifié ce calcul en ajoutant la valeur locative des maisons et le degré d'encombrement dans les unités de logement à l'intérieur de chaque secteur de recensement. Il n'existe pas de méthode standard pour élaborer des indices régionaux, et les diverses méthodes utilisées dans les études publiées n'ont pas été comparées ni cotées sur la base de la proximité relative des résultats obtenus par rapport à l'information sur le SSE recueillie à l'échelle individuelle.

Dans la présente étude, nous avons comparé et classé 13 variables différentes qui semblaient être liées au SSE et qui pouvaient être tirées des renseignements rassemblés à l'échelle d'une région, et dans tous les cas, la corrélation avec la mesure individuelle du SSE était peu étroite. De plus, il n'existait aucune différence notable entre ces variables quant au degré de proximité par rapport au SSE évalué à l'échelle individuelle.

Le degré d'association entre le SSE et la maladie semblait, d'après les études, varier selon la taille de la petite région utilisée dans l'analyse. Par exemple, dans une étude où l'on s'est servi du secteur de recensement comme petite région d'analyse, la valeur locative médiane des résidences n'était pas associée au cancer de l'endomètre⁷; toutefois, la même variable était associée au cancer de l'endomètre lorsque l'unité d'analyse était le pâté de maisons⁸.

Dans la présente étude, on n'observait aucune amélioration notable lorsque l'on utilisait des secteurs de dénombrement plus petits et potentiellement plus homogènes plutôt que des secteurs de recensement plus vastes. Cela peut être dû au fait que les secteurs de dénombrement et les secteurs de recensement correspondaient assez étroitement dans notre échantillon; on retrouvait en effet seulement 155 secteurs de dénombrement dans les 117 secteurs de recensement. Une des raisons qui peut expliquer le petit nombre de secteurs de dénombrement tient au fait que les aires de recrutement des écoles étaient assez petites et peuvent n'avoir englobé que quelques secteurs de dénombrement de chaque secteur de recensement.

Nous avons utilisé le SSE à l'échelle individuelle comme norme de référence dans les comparaisons avec les mesures régionales du SSE. Nous avons eu recours à l'indice de SSE de Blishen pour mesurer le SSE à l'échelle individuelle¹⁶. Nous avons interrogé directement les parents pour obtenir des relevés détaillés de leurs emplois passés, et cette information a servi à distinguer les divers emplois ayant des titres similaires. Le score de SSE attribué pour chaque profession a été établi après de nombreuses recherches et est fondé sur des mesures objectives du niveau de scolarité et du niveau de revenu associé à chaque profession. L'indice de SSE de Blishen, élaboré pour les professions au Canada, et son pendant américain (l'indice de SSE de Duncan), sont considérés comme les mesures les plus justes pour classer les sociétés nord-américaines d'après les conditions sociales et économiques. Ces mesures composites sont celles qui sont le plus souvent utilisées dans les recherches en sciences sociales³¹, bien qu'elles ne constituent peut-être pas le véritable étalon de référence, vu la complexité de l'évaluation du statut socio-économique.

Il est peu probable que la piètre concordance entre les diverses mesures régionales et individuelles du SSE soit due à des problèmes intrinsèques aux classifications de Blishen à l'échelle individuelle, parce que l'indice régional de Blishen (indice-I du SSE du quartier) concordait aussi mal avec les mesures individuelles que les autres indices régionaux.

Les personnes de SSE faible et élevé résident le plus souvent dans certains secteurs à l'intérieur des grandes villes. Les mesures du faible SSE dans une région semblent correspondre au même construit que les mesures individuelles du faible SSE, comme le montrent les études établissant un lien entre les deux niveaux de mesure du SSE et divers indicateurs de santé⁴. Il a été établi que les scores de SSE au niveau d'une région étaient inversement liés à la mortalité, toutes causes confondues²⁴. Chez les femmes, il existe de fortes corrélations entre les ratios standardisés de mortalité et les variables socio-économiques dans une région³². Les variables du SSE au niveau régional ont été associées à l'insuffisance de poids à la naissance, à la proportion de mères adolescentes, au nombre d'enfants non immunisés et à la taille de même qu'à d'autres marqueurs potentiels de mauvaise santé^23,33.

Ce qui est en jeu dans ce type d'analyse, c'est le degré d'erreur qui résulte de l'utilisation de mesures du SSE à l'échelle d'une région. Nous nous attendons à ce que l'erreur de classification associée à l'utilisation de mesures du SSE au niveau d'une région soit non différentielle (c.-à-d. que les probabilités d'erreur de classification de l'exposition soient les mêmes pour tous les groupes comparés et non liées à la morbidité). L'emploi de mesures non fiables a donc pour effet d'atténuer les coefficients de corrélation ou de régression exposition-issue²⁹. À cause notamment de cette atténuation, une estimation de la corrélation observable dans un échantillon peut ne pas atteindre un degré de signification statistique alors qu'une estimation de la corrélation utilisant des scores plus précis peut être significative. Le recours à des mesures du SSE à l'échelle d'une région peut donc obliger les chercheurs à utiliser des échantillons plus importants et entraîner des coûts additionnels.

Un rapport récent des États-Unis, qui utilisait un échantillon national pour examiner l'emploi des variables agrégées fondées sur les données de recensement comme mesure de remplacement du SSE, a conclu que les associations entre les effets sur la santé et les mesures agrégées du SSE étaient beaucoup moins étroites qu'avec les mesures de micro-niveau¹³. À partir des coefficients de corrélation interne présentés au tableau 2, on peut calculer un facteur de correction pour les corrélations atténuées²⁹.

Nous avons utilisé les données du recensement canadien de 1986 pour élaborer les mesures du SSE pour une région tandis que nous avons recueilli des données pour la profession des parents pour la période s'étendant entre avril 1990 et novembre 1992. Ce décalage temporel peut avoir contribué à la faible corrélation entre les mesures du SSE à l'échelle individuelle et régionale. Les données du recensement sont recueillies tous les 5 ou 10 ans dans la plupart des pays; il existe donc assez souvent des différences temporelles similaires dans les études utilisant des mesures de SSE au niveau d'une région. Géronimus et Bound¹³ ont indiqué que le décalage entre les données primaires analysées et les données de recensement n'a pas tellement d'importance pour ce qui est des mesures du SSE à l'échelle des régions lorsqu'on veut prédire l'évolution de l'état de santé.

En conclusion, nous avons observé un écart important entre les mesures du SSE à l'échelle des régions et les données recueillies pour chaque sujet. Il faut donc user de prudence lorsqu'on conçoit des études ou qu'on interprète les résultats d'études faisant appel à des mesures du SSE dans une région pour vérifier les hypothèses ou tenir compte des facteurs de confusion.

Remerciements

L'étude a été approuvée par le comité d'éthique du Département d'épidémiologie et de biostatistique de l'Université McGill et a bénéficié de l'aide financière du Conseil de recherches médicales du Canada et du Réseau de centres d'excellence en santé respiratoire (Canada).

Références

1. Korff MV, Koepsell T, Curry S, Diehr P. Multi-level analysis in epidemiologic research on health behaviours and outcomes. Am J Epidemiol 1992;135:1077-82.

2. Greenland S, Robins J. Invited commentary: ecological studies-biases, misconceptions, and counterexamples. Am J Epidemiol 1994;139:747-60.

3. Morgenstern H. Ecologic studies in epidemiology: concepts, principles, and methods [revue]. Annu Rev Public Health 1995;16:61-81.

4. Liberatos P, Link BG, Kelsey JL. The measurement of social class in epidemiology. Epidemiol Rev 1988;10:87-121.

5. Hakama M, Hakulinen T, Pukkala E, Saxen E, Teppo L. Risk indicators of breast and cervical cancer on ecologic and individual levels. Am J Epidemiol 1982;116:990-1000.

6. Kelsey JL, LiVolsi VA, Holford TR, Fischer DB, Mostow ED, Schwartz PE, et al. A case-control study of cancer of the endometrium. Am J Epidemiol 1982;116:333-42.

7. Graham S, Levin M, Lilienfeld AM. The socioeconomic distribution of cancer of various sites in Buffalo, NY, 1948-1952. Cancer 1960;13:180-91.

8. Elwood JM, Cole P, Rothman KJ, Kaplan SD. Epidemiology of endometrial cancer. J Natl Cancer Inst 1977;59:1055-60.

9. Chirikos TN, Reiches NA, Moeschberger ML. Economic differentials in cancer survival: a multivariate analysis. J Chronic Dis 1984;37:183-93.

10. Geronimus AT, Bound J, Neidert LJ. On the validity of using census geocode characteristics to proxy individual socioeconomic characteristics. J Am Stat Assoc 1996;91:529-37.

11. Krieger N, Williams DR, Moss NE. Measuring social class in US public health research: concepts, methodologies, guidelines. Annu Rev Public Health 1997;18:341-78.

12. Krieger N. Overcoming the absence of socioeconomic data in medical records: validation and application of a census-based methodology. Am J Public Health 1992;82:703-10.

13. Geronimus AT, Bound J. Use of census-based aggregate variables to proxy for socioeconomic group: evidence from national samples. Am J Epidemiol 1998;148:475-86.

14. Statistique Canada. Recensement du Canada de 1986. Profils, secteurs de recensement. Montréal, parties I et II [fichiers informatiques].

15. Statistique Canada (Division des normes). Classification type des professions (1980). Ottawa; Cat. 12-565F.

16. Blishen BR, Carroll WK, Moore C. The 1981 socioeconomic index for occupations in Canada. Rev Soc Anth 1987;24:465-88.

17. Stewart WF, Tonascia JA, Matanoski GM. The validity of questionnaire-reported work history in live respondents. J Occup Med 1987;29:795-800.

18. Statistique Canada (Division de la géographie). Fichier de conversion des codes postaux, version de janvier 1989. Ottawa, 1989.

19. Société canadienne des postes. Répertoire des codes postaux au Canada. Ottawa: Société canadienne des postes, 1990.

20. Wilkins R. Utilisation des codes postaux et des adresses dans l'analyse des données sur la santé. Rapports sur la santé 1993;5:157-77.

21. Statistique Canada. Dictionnaire du recensement de 1986. Ottawa, 1987; Cat. 99-101F.

22. Campbell DA, Radford JMC, Burton P. Unemployment rates: an alternative to the Jarman index? BMJ 1991;303:750-5.

23. Wegner EL. The computation of socioeconomic status scores for census tracts in Hawaii and suggestions for their use in health research. Research and Statistics Office, Hawaii State Department of Health; 1980. (ISSN 0145-9643).

24. Stockwell EG. A critical examination of the relationship between socioeconomic status and mortality. Am J Public Health 1963;53:956-64.

25. Reijneveld SA, Gunning-Schepers LJ. Age, socioeconomic status, and mortality at the aggregate level. J Epidemiol Community Health 1994;48:146-50.

26. Brennan ME, Lancashire R. Association of childhood mortality with housing status and unemployment. J Epidemiol Community Health 1978;32:28-33.

27. Sargent JD, Bailey A, Simon P, Blake M, Dalton MA. Census tract analysis of lead exposure in Rhode Island children. Environmental Research 1997;74:159-68.

28. Crosse EA, Alder RJ, Ostbye T, Campbell MK. Small area variation in low birthweight: looking beyond socioeconomic predictors. Can J Public Health 1997;88:57-61.

29. Fleiss JL. The reliability of measurement. Dans: Fleiss JL. The design and analysis of clinical experiments. New York: John Wiley & Sons, 1986:1-32.

30. SAS Institute Inc. Statistical Analysis System, Version 6. Cary (NC): SAS Institute Inc., 1989.

31. Powers MG. Measures of socioeconomic status: an introduction. Dans: Powers MG, réd. Measures of socioeconomic status: current issues. Boulder (CO): Westview Press, 1982.

32. Alexander FE, O'Brien F, Hepburn W, Miller M. Association between mortality among women and socioeconomic factors in general practices in Edinburgh: an application of small area statistics. BMJ 1987;295:754-6.

33. Reading R, Jarvis S, Openshaw S. Measurement of social inequalities in health and use of health services among children in Northumberland. Arch Dis Child 1993;68:626-31.  

Kitaw Demissie, Dick Menzies et Pierre Ernst, Respiratory Epidemiology Unit, Department of Epidemiology and Biostatistics, McGill University, Montréal (Québec)

James A. Hanley et Lawrence Joseph, Respiratory Epidemiology Unit, Department of Epidemiology and Biostatistics, McGill University, Montréal (Québec)

Correspondance : Kitaw Demissie, Department of Environmental and Community Medicine, University of Medicine and Dentistry of New Jersey, Robert Wood Johnson Medical School, 675 Hoes Lane, Piscataway, New Jersey, USA, 08854-5635; Télécopieur : (732) 235-4569; Courriel : demisski@umdnj.edu

[Table des matières] [Prochaine]