Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
-
Upload
florian-jolivet -
Category
Healthcare
-
view
170 -
download
0
Transcript of Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
Comment améliorer les prochaines
couvertures vaccinales auprès des adultes
français ?
Une approche Bayésienne hiérarchique pour connaître les
attributs déterminants dans la décision de vaccination des
patients
Mémoire de stage/ de recherche
Présenté par : Florian Jolivet
Nom de l’entreprise : Sanofi Pasteur MSD Tuteur entreprise : Kati Lukas
Tuteur universitaire : Marianela Fornerino
Master 2 Marketing spécialité Le Quanti, métier des études marketing
2013 - 2014
Avertissement :
L’IAE de Grenoble, au sein de l’Université Pierre-Mendès-France, n’entend donner aucune approbation ni improbation aux opinions émises dans les mémoires des candidats aux masters en alternance : ces opinions doivent être considérées comme propres à leur auteur. Tenant compte de la confidentialité des informations ayant trait à telle ou telle entreprise, une éventuelle diffusion relève de la seule responsabilité de l’auteur et ne peut être faite sans son accord.
Nom et prénom de l’étudiant(e) : JOLIVET Florian
Master 2 Marketing, spécialité : Le Quanti, métiers des études en marketing année 2013/2014
Enseignant-tuteur : Marianela Fornerino
Entreprise d’accueil : Sanofi Pasteur MSD dates : 07 avril 2014 au 30 septembre 2014
Tuteur entreprise : Kati Lukas
Notes de synthèse
Résumé
L'objectif de ce travail est de déterminer quels sont les facteurs les plus influents lorsque le patient choisit de
se faire vacciner ou non afin d'optimiser les prochaines couvertures vaccinales. Suite à une analyse conjointe
par mesure de choix discret avec une approche bayésienne hiérarchique (HB) construite sur le Health Belief
Model, les résultats suggèrent l'existence de 4 segments parmi la patientèle interrogée. Les patients dits
confiants décident de se faire vacciner en se reposant principalement sur la gravité de la maladie et leur
tolérance au vaccin. Pour le segment le plus important, composé par des patients dits bien-être qui cherchent
à conserver leur qualité de vie, la décision de vaccination reposera alors principalement sur la vulnérabilité à la
maladie et la présence d'effets indésirables graves du vaccin. Le troisième groupe qui se caractérise par une
plus forte présence masculine, aura une décision qui repose là aussi principalement sur la gravité de la maladie.
Le risque potentiel d'effets indésirables graves n'aura pas ou peu d'impact sur leur choix. Enfin le dernier
groupe est composé de patients dits disciplinés qui ne se posent pas beaucoup de questions. Leur décision
repose pour l'essentiel sur la recommandation de leur médecin traitant et celle de la politique publique de
santé mise en place par le gouvernement. Ceci permet en conclusion de donner des pistes de développement
de vaccins afin d'offrir des produits plus susceptibles de se diffuser, mais aussi des actions marketing à mener
pour encourager les patients à se faire vacciner et ainsi optimiser les couvertures vaccinales des prochains
vaccins.
Mots-clés
Vaccination ; analyse conjointe ; bayésien hiérarchique ; patients ; Modèle Croyance Santé ; couverture
vaccinale
Abstract
The objective of this research is to determine what are the most influencing factors on patient's willingness to
be vaccinated in order to optimize the next vaccine coverage rate. Based on Health Belief Model, a Choice
Based Conjoint with a hierarchical Bayes (HB) approach has been used to express the heterogeneity of the
respondents. The results suggest 4 segments of interviewed patients. 'Confident' (so-called) patients mainly
base their decision on the disease' severity and their tolerance to the vaccine. For the biggest segment,
composed of patients who are focused on their quality of life, the most important factors are the vulnerability
to disease and serious side effects of the vaccine. The third group, which is distinguished by a strong male
proportion, will take a decision that is also based on disease severity but the potential risk of serious adverse
effects would have small impact on the final choice. Composing by people who do not ask themselves many
existential questions, the last group based their decision essentially on their GP's recommendation and on the
Government guideline. This research enables to have clues of development of vaccines in order to provide
products which are more likely to be spread, and to carry-out adequate marketing actions to stimulate patients
and in this way to optimize the coverage rates of future vaccines.
Key words
Vaccination ; conjoint analysis ; hierarchical Bayes ; patient ; Health Belief Model ; vaccine coverage rate
Remerciements
Je tiens tout d'abord à remercier Mme Kati Lukas, le service Market Intelligence sous la houlette de Mme
Christel Melinand et plus globalement le laboratoire Sanofi Pasteur MSD pour m'avoir donné l'opportunité de
faire ce stage en son sein. Stage qui a pu se passer dans les meilleures conditions grâce à l'entente cordiale au
sein du service, ainsi que l'ouverture offerte par l'ensemble des personnes avec qui j'ai pu travailler. Pour cela
je les remercie tous.
Je remercie aussi tout particulièrement Mme Marianela Fornerino qui a su m'aiguiller lorsque j'avais des
questions. Je remercie également Mme Agnès Helme-Guizon, responsable de mon master M2 Marketing
Quantitatif pour nous permettre d'avoir toutes les clés nécessaires à une première insertion professionnelle
dans les études marketing, et pour nous faire profiter d'un réseau de professionnels afin de trouver son stage.
Je remercie également l'IAE de Grenoble et son service de stage.
J'ai bien entendu une pensée particulière pour toutes les personnes qui ont accepté de répondre à mon
questionnaire, ainsi qu'à celles qui ont contribué à son partage.
Sommaire
Introduction ................................................................................................................................. 1
La vaccination .............................................................................................................................. 2
Principes de la vaccination ................................................................................................. 2
La vaccination et ses origines ........................................................................................... 2
La vaccination, sa définition, son action .............................................................................. 2
Les vaccins, quels types ? ............................................................................................... 3
Economie : quelle place pour la vaccination ? .......................................................................... 3
Rapport coûts / bénéfices .............................................................................................. 3
Industrie du vaccin et son marché ..................................................................................... 6
Evolution de la vaccination dans les pays développés .................................................................. 9
Mauvaise presse .......................................................................................................... 9
Changement de cible ................................................................................................... 11
En quête de la couverture vaccinale ..................................................................................... 12
Sa définition .............................................................................................................. 12
Son calcul dans la modélisation épidémiologique .................................................................. 12
Comment l’optimiser ? ................................................................................................ 12
Comportement à l’égard de la vaccination ................................................................................ 13
Modèles sociocognitifs et cognitifs adaptés aux comportements des gens en santé .............................. 13
Théories applicables .................................................................................................... 13
Health Belief Model .................................................................................................... 15
Health Belief Model appliqués à la vaccination ........................................................................ 16
Patients ................................................................................................................... 16
Médecins ................................................................................................................. 17
Médias .................................................................................................................... 17
Interactions entre les acteurs .......................................................................................... 17
Objectifs & hypothèses de recherche ........................................................................................ 18
Objectifs de ce mémoire .................................................................................................. 18
Hypothèses de recherche ................................................................................................. 19
Méthodologie ............................................................................................................................. 20
Analyse conjointe .......................................................................................................... 20
L'analyse conjointe par classement ou notation .................................................................... 21
L'analyse conjointe par mesure de choix discret ................................................................... 22
Conditions d'applications ................................................................................................. 26
Etapes de l'analyse conjointe par mesure de choix discret .......................................................... 27
Définition des attributs et modalités ................................................................................ 27
Choix du plan d'expérience ........................................................................................... 32
Recueil des données .................................................................................................... 35
Méthodes d'analyse ..................................................................................................... 37
Résultats ..................................................................................................................................... 41
Administration du questionnaire ........................................................................................ 41
Respect des conditions d’applications .................................................................................. 41
Monotonicité ............................................................................................................ 41
Stabilité et transitivité .................................................................................................. 42
Préférences lexicographiques ......................................................................................... 42
Pertinence des réponses ............................................................................................... 43
Population ................................................................................................................... 43
Facteurs déterminants dans la décision de se faire vacciner ......................................................... 44
Spécificités de la méthode d’analyse ................................................................................. 44
Description de la distribution des utilités partielles ............................................................... 44
Classification et description ........................................................................................... 46
Discussion ................................................................................................................................... 58
Validité de l'étude .......................................................................................................... 58
Validité interne ......................................................................................................... 58
Validité externe ......................................................................................................... 60
Vérification des hypothèses de recherche .............................................................................. 60
Recommandations managériales ......................................................................................... 62
Limites ........................................................................................................................................ 65
Représentativité de l'échantillon ......................................................................................... 65
Validité externe............................................................................................................. 65
Outils informatiques utilisés .............................................................................................. 65
Définition du plan d'expérience ...................................................................................... 65
Administration du questionnaire ..................................................................................... 66
Voies de recherche ..................................................................................................................... 66
Une segmentation plus riche ............................................................................................. 66
Un outil de simulation avec un modèle complet patient-prescripteur ............................................. 67
Echantillon représentatif ............................................................................................... 67
Plus d'attributs évalués ................................................................................................. 67
Etude similaire auprès de médecins .................................................................................. 69
Bibliographie.............................................................................................................................. 70
Annexes ...................................................................................................................................... 77
Annexe 1 – Benchmark des tarifs de vaccination pour une seule injection ....................................... 77
Annexe 2 – Benchmark des efficacités de vaccins existants (liste non exhaustive) [25] ......................... 78
Annexe 3 – Ensemble des paires présentées au cours de l'exercice de choix ..................................... 79
Annexe 4 – Graphiques des résultats des variables sociodémographiques des 67 répondants retenus ....... 82
Annexe 5 – Infographie réalisée pour partage des résultats auprès des répondants ............................. 84
Sommaire des tableaux
Tableau 1 - Elaboration du méta-attribut type de maladie et effets indésirables graves du vaccin ............... 30
Tableau 2 - Elaboration du méta-attribut inscription au calendrier vaccinal et coût encore à charge du patient
................................................................................................................................... 31
Tableau 3 - Attributs et modalités retenus pour l'étude ................................................................ 32
Tableau 4 - Plan factoriel fractionné suite procédure Orthoplan du logiciel SPSS .................................. 33
Tableau 5 - Matrice de corrélation entre les attributs des profils composant les paires de comparaison ........ 35
Tableau 6 - Résultats du test de Kolomogorov-Smirnov sur la distribution des utilités partielles individuelles
par rapport à une distribution d'une loi Normale ........................................................................ 45
Tableau 7 - Résultats des tests de Kruskal-Wallis selon les classes définies suite à la CAH ....................... 47
Tableau 8 - Répartition des individus parmi les groupes ................................................................ 47
Tableau 9 - Description résumée des 4 classes ........................................................................... 57
Tableau 10 - Résultats de validité interne de cette recherche en comparaison à ceux observés dans la
Littérature ...................................................................................................................... 59
Tableau 11 - Coefficients d'ajustement du modèle ...................................................................... 59
Tableau 12 - Tableau récapitulatif de vérification des hypothèses de recherche .................................... 60
Tableau 13 - Croyances du Health Belief Model les plus importantes dans leur décision de vaccination selon
chaque groupe de patient .................................................................................................... 61
Tableau 14 - Principales recommandations managériales par segments de patients ................................ 63
Sommaire des figures
Figure 1 - Les 10 principales causes de mortalité dans le monde [77] .................................................. 4
Figure 2 - Les principales maladies infectieuses en France [58] ......................................................... 5
Figure 3 - Ratio des dépenses en Recherche & Développement au PIB aux Etats-Unis (1953-2000) en %...... 7
Figure 4 - Parts de marché des principaux acteurs de l'industrie du vaccin en 2013 ................................. 8
Figure 5 - Top 20 des ventes de vaccins dans le monde en million de dollars (S1 2012) ........................... 9
Figure 6 - Evolution du nombre de personnes de plus de 60 ans en France entre 1970 et 2014 (en milliers de
personnes) ...................................................................................................................... 11
Figure 7 - Prévisions de chiffre d'affaires entre 2007 et 2017 pour le marché Adultes et Adolescents en Europe
.................................................................................................................................... 11
Figure 8 - Modèle de la théorie de l'action raisonnée [75] .............................................................. 14
Figure 9 - Modèle de la théorie du comportement planifié [75] ....................................................... 14
Figure 10 - Health Belief Model amélioré [75] ............................................................................ 15
Figure 11 - Nombre de placements médias et de vaccination grippe par semaine [64] ............................. 18
Figure 12 - Schéma des distances euclidiennes et de Manhattan ....................................................... 40
Figure 13 - Proportion des attributs jugés les plus importants par les répondants .................................. 42
Figure 14 - Représentation graphique de la distribution des utilités partielles individuelles avec illustration
d'une loi Normale correspondant ........................................................................................... 45
Figure 15 - Version raccourci de la chaîne des agrégations ............................................................. 46
Figure 16 - Utilités partielles estimées selon les groupes issus de la CAH............................................ 48
Figure 17 - Récapitulatif des résultats du test de Kruskal-Wallis sur les variables sociodémographiques et les
variables d'opinions/expériences de la vaccination ...................................................................... 55
Figure 18 - Histogramme des importances relatives des attributs selon chaque groupe ........................... 56
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
1
Introduction
L'industrie du vaccin, petit poucet de la grande industrie pharmaceutique, s'attire de plus en plus les intérêts
des grands laboratoires due à sa croissance de ces dernières années. Plus particulièrement les années 2000 ont
été marquées par une croissance à deux chiffres chaque année. Cette croissance devrait d'ailleurs perdurer car
les prévisions réalisées sur les 10 prochaines sont plutôt optimistes. Ceci s'explique notamment par une
évolution du marché. De par une simple lecture démographique, on s'aperçoit que de plus en plus de
personnes vivent sur notre planète et cette augmentation se fait particulièrement dans des pays dits en voie de
développement qui peuvent être concernées par certaines infections tropicales. Ces pays bien que ne disposant
pas de fonds nécessaires actuellement pour subventionner des politiques publiques de vaccination pourront
peut-être le faire à l'avenir. Une autre tendance démographique est le vieillissement de la population, et ceci
plus particulièrement dans les pays développés. Ce vieillissement entraîne de surcroît de nouveaux problèmes
de santé à traiter, et conséquemment l'une des voies de développement de l'industrie de vaccins est la
vaccination auprès des adultes. C'est ce cas auquel on assiste en France. La France est d'ailleurs l'un des pays
porteurs de la vaccination avec 2 centres de production et 3 centres de recherche & développement. Pour
autant c'est aussi le pays où le gouvernement rencontre le plus de difficultés à atteindre les couvertures
vaccinales fixées en objectifs. Ce "désamour" du vaccin par les français peut être expliqué par les différentes
controverses de ces dernières années comme celle du vaccin contre l'hépatite B, ou celui contre la grippe
H1N1. La France conserve pour autant une population riche, qui est vieillissante, ce qui tout naturellement en
ferait un pays prioritaire pour le développement de l'industrie du vaccin. C'est pourquoi dans ce mémoire je
me suis intéressé à chercher des potentielles solutions afin d'avoir une approche efficiente en France pour le
lancement de prochains nouveaux vaccins. Ma problématique est donc :
"Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?"
Afin de répondre à cette problématique, dans un premier temps une revue de Littérature sur la vaccination,
ainsi que les modèles psychologiques de décision en matière de santé a été réalisée. Celle-ci a permis de
développer une étude dont l'analyse reposera sur une analyse conjointe par mesure de choix discret avec une
approche hiérarchique bayésienne. Ceci permettra une analyse individuelle afin de segmenter la population et
fournir des recommandations pour chaque segment sur les potentielles pistes de développement ou les actions
marketing à mener. Cette démarche se rend intéressante par la nouveauté de partir du point de vue du
consommateur-patient dont l'avis est souvent occulté en considérant qu'il ne fera que suivre l'avis de son
médecin traitant.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
2
La vaccination
Principes de la vaccination
La vaccination et ses origines
Quand on parle des origines de la vaccination aujourd’hui, les personnes ont le plus souvent en tête Louis
Pasteur avec son vaccin contre la rage en 1885, mais il faut savoir que les prémices de la vaccination sont
encore plus lointaines. Edward Jenner au 18e siècle fit les premiers pas de la vaccination (au sens où on
l’entend aujourd’hui) en partant d’une simple observation. Il remarqua que des fermiers vivant au contact de
bovins qui avaient une maladie similaire à la variole, la vaccine (le nom étant un dérivé de vacca, qui veut dire
vache en latin), ne souffraient pas de la maladie. Sa méthode consista à retirer les vésicules se trouvant sur la
peau des bovins pour les injecter en solution à des humains.
Cependant, comme je l’ai écrit précédemment, il faudra attendre les travaux de Pasteur pour établir
véritablement les bases de la vaccination moderne. En effet c’est lui qui a réussi à déterminer comment
atténuer la pathogénicité d’un micro-organisme responsable d’une maladie par diverses techniques dont la
chaleur. L’idée qui se cache derrière est celle qui fonde la vaccination à savoir protéger un individu contre une
maladie spécifique sans qu’il soit malade de cette même maladie. Louis Pasteur en hommage à Edward Jenner
a donc inventé ce terme de vaccins, que nous utilisons toujours aujourd’hui. [33]
La vaccination, sa définition, son action
La définition fournie par le dictionnaire médical de l’Académie de Médecine est [1] :
« Méthode de prévention de certaines maladies bactériennes, virales ou parasitaires consistant à développer une immunité
active par l’introduction dans l’organisme d’un vaccin par voie buccale ou parentérale. »
En d’autres termes il s’agit d’une méthode de prévention où est introduit dans l’organisme une molécule qui
reprend des caractéristiques immunogènes d’une bactérie ou d’un virus dans le but de créer une réaction du
système immunitaire par une production d’anticorps, et de lymphocytes B (globules blancs) notamment.
L’intérêt ici est que la molécule injectée ne soit pas pathogène mais implique la même réponse immunitaire
afin de développer la mémoire immunitaire pour que si un jour l’individu est en contact de l’agent infectieux,
son organisme se souvienne de lui et développe une réaction immunitaire beaucoup plus rapide.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
3
Les vaccins, quels types ?
Bien que le principe de la vaccination soit toujours le même comme vu précédemment, on distingue
aujourd’hui trois principaux types de vaccins selon leur mode de fabrication : les vaccins inactivés, vivants
atténués et les antigènes vaccinaux purifiés [82].
- Les vaccins inactivés, l'agent infectieux ici a été tué, le vaccin est donc totalement inoffensif mais
entraîne tout de même une réaction immunitaire (exemple le vaccin contre le tétanos). Cette
réaction est principalement constituée d’anticorps, c’est pourquoi ils peuvent être couplés à un
adjuvant (substance chimique) afin de booster leur efficacité.
- Les vaccins vivants atténués, il s'agit d'un vaccin contenant un agent infectieux dont le pouvoir
pathogène a été atténué pour ne pas engendrer une maladie mais une réaction immunitaire (exemple
le vaccin contre la rougeole). C’est le type de vaccins qui est le plus immunogène (qui implique la
meilleure réaction immunitaire). Ceci s’explique par le fait qu’il peut se diffuser dans l’organisme
comme celui-ci est vivant et par conséquent entraîner des réactions à différents endroits. Il peut être
contre-indiqué pour certains patients (immunodéprimé), justement dû au caractère vivant de l'agent
infectieux et un possible retour de la virulence.
- Les antigènes vaccinaux purifiés, sont en fait des protéines soit cibles des anticorps soit responsables
d’une certaine activité de l’agent pathogène, dans ces deux cas les protéines présentent la même
immunogénicité (même réaction immunitaire). La réponse là encore est principalement composée
d’anticorps, c’est pourquoi ils peuvent être couplés à d’autres protéines (polysaccharides comme le
vaccin contre le pneumocoque) afin de booster leur immunogénicité ou des adjuvants là aussi.
On comprend bien que selon le type de vaccin la réaction immunitaire n’est pas la même ainsi que les
potentiels effets indésirables. C’est pourquoi lors du développement d’un vaccin, il est important de
savoir quel est le profil de la population cible pour ne pas développer un vaccin qui ne pourra pas être
prescrit par la suite.
Economie : quelle place pour la vaccination ?
Rapport coûts / bénéfices
Le critère essentiel qui concerne l’analyse de la vaccination de la part des pouvoirs publics (la vaccination étant
une politique de santé publique) est le rapport entre les coûts et les bénéfices. Les coûts représentant ce que
coûte tout simplement la vaccination (remboursement des actes de vaccination), et les bénéfices étant les vies
sauvées, les frais d’hospitalisation et/ou médicamenteux qui n’ont pas lieu d’être ainsi que d’autres
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
4
paramètres comme un ralentissement économique du pays qui pourraient être dû à un absentéisme des salariés
causé par la maladie en question [56][86][104]. Ce rapport sera développé plus en détails par la suite.
Si on se base sur le rapport de l’OMS [77] sur les principales causes de mortalité, on peut s’apercevoir ci-
dessous que l’on retrouve 3 causes infectieuses qui représentent 6,1 millions de morts en 2012 dans le
monde : les infections des voies respiratoires, le VIH/sida et les diarrhées.
Figure 1 - Les 10 principales causes de mortalité dans le monde [77]
Ces maladies infectieuses sont généralement très chères pour les systèmes publics de santé des pays. En effet le
caractère infectieux de celles-ci en fait des maladies avec une forte incidence et qui nécessite la prise en charge
d’un grand nombre de patients. C’est d’autant plus compliqué pour les pays en voie de développement qui ne
disposent pas des moyens que l’on peut avoir chez nous. D’ailleurs si on s’intéresse aux maladies infectieuses
en France, on peut voir sur ce rapport [58] qui date d’il y a environ 15 ans (2001) de l’Institut National de la
Santé Et de la Recherche Médicale (INSERM), que les maladies infectieuses restent une cause majeure de
mortalité dans notre pays.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
5
Figure 2 - Les principales maladies infectieuses en France [58]
La meilleure solution pour lutter contre les maladies infectieuses est tout simplement la vaccination. Mais
avant de lancer une nouvelle mise en œuvre de vaccination, il est nécessaire de comparer les différents aspects,
et c’est là que rentre en compte le rapport de coûts-bénéfices. Les différentes étapes pour l’établissement de
ce rapport sont les suivantes (étapes tirées d’un article de Hanslik & Boëlle dans Médecine/Sciences en 2007
[39]) :
- Déterminer a priori l’efficacité de la stratégie vaccinale
Cette étape passe par l’évaluation de l’efficacité directe du vaccin, à savoir la réduction de l’incidence de la
maladie chez les sujets traités vs les sujets non-traités (études cliniques) [11]. Mais aussi l’efficacité indirecte
qui est la diminution de l’incidence chez les sujets non-vaccinés par diminution de la transmission. La
définition de la couverture vaccinale (cf. En quête de la couverture vaccinale) critique qui est le taux de couverture
vaccinale nécessaire pour atteindre l’immunité grégaire (fin de la circulation de l’agent pathogène). Et enfin
décrire l’épidémiologie de la maladie concernée (incidence, taux de mortalité/d’hospitalisation, estimation
des risques selon les conditions de la personne ou de son âge).
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
6
- Evaluer les potentiels risques de la stratégie vaccinale
Il est nécessaire ici de connaître les effets indésirables que le vaccin peut provoquer : réactogénicité, réactions
allergiques, et dans le cas de vaccins vivants les réactions que ceux-ci peuvent causer. Ensuite il est nécessaire
d’appliquer une pharmacovigilance pour s’assurer du suivi des potentiels cas d’effets indésirables graves, puis
mener des études pour voir s’il s’agit bien d’un effet indésirable du vaccin ou si c’était simplement une
coïncidence.
- Evaluer le rapport risque/bénéfice de la stratégie vaccinale
Lors de cette étape, il s’agit de voir si le bénéfice collectif (nombre de cas de maladies diminué, réduction du
taux de mortalité, etc.) est suffisant par rapport au risque individuel immédiat que le patient prend lorsqu’il
choisit de se faire vacciner (les potentiels effets indésirables du vaccin) pour un risque hypothétique (une
maladie infectieuse qu’il n’aura peut-être jamais). Ce jugement se fera alors sur la perception des risques du
patient (cf. Comportement à l'égard de la vaccination).
- Estimer le coût de la stratégie vaccinale
Cette dernière étape consiste à évaluer le coût que le remboursement du vaccin peut avoir, ainsi que les coûts
nécessaires à déployer pour permettre d’atteindre la couverture vaccinale critique. C’est au cours de cette
étape que le rôle du laboratoire est important, car il apporte lui aussi les budgets nécessaires pour permettre la
meilleure couverture possible. Avoir la possibilité de simuler la couverture vaccinale réelle peut être un
moyen d’optimiser cette partie.
Industrie du vaccin et son marché
De nos jours l’un des courants économiques qui se développe et qui est amené à poursuivre ce développement
(cf. Figure 3) est l’économie de la connaissance ou économie du savoir. Pour décrire brièvement ce courant
[2][107], il s’agit d’une nouvelle forme de capitalisme qui repose sur la technologie, sur le capital humain à
même d’utiliser cette technologie et l’organisation qui permet d’optimiser la relation entre les deux premiers
éléments.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
7
Figure 3 - Ratio des dépenses en Recherche & Développement au PIB aux Etats-Unis (1953-2000) en %
(en ligne continue, les investissements R&D hors militaire et spatial, en ligne discontinue les dépenses globales, source xx)
L’industrie du vaccin est un parfait exemple de cette nouvelle économie du savoir, comme peut l’être
l’ensemble de l’industrie pharmaceutique. Ce qui distingue la branche vaccin des autres est la part importante
de fonds qui sont injectés dans la recherche & développement (24% d’après un rapport de LEEM [60]). Et
c’est cette démarcation qui fait aussi de l’industrie du vaccin un marché porteur [90][103]. Au milieu des
années 2000, il représentait qu’un peu plus d’1% du chiffre d’affaires de l’industrie pharmaceutique mondiale
[20], alors qu’en 2013 d’après l’OMS le chiffre d’affaires de la branche vaccin était de 24 milliards de dollars
(USD) [51], soit 2,5% du chiffre d’affaires de l’industrie pharmaceutique mondiale (évaluée à 970 milliards de
dollars en 2013). C’est cette croissance de plus de 11,5% [59] annuelle qui fait de cette industrie un secteur
d’avenir avec des projections à plus de 50 milliards de dollars à moyen terme (2016) [103].
Comme vu précédemment, l’industrie du vaccin est un exemple de l’économie de la connaissance et par
conséquence il faut cette connaissance. C’est pourquoi cette industrie ne compte pas énormément d’acteurs,
ou tout du moins est contrôlée par un petit nombre d’entre eux qui acquièrent les plus petits pour se
développer. En se basant sur les chiffres de 2013 de l’OMS [51], la conclusion globale est que le marché est
dominé par 5 acteurs principaux qui sont GSK (GlaxoSmithKline), Sanofi Pasteur, Pfizer, Merck & Co et
Novartis. Le marché va d’ailleurs se resserrer d’autant plus que GSK a racheté la division vaccins de Novartis
en avril 2014 (hormis les vaccins contre la grippe) [100].
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
8
Figure 4 - Parts de marché des principaux acteurs de l'industrie mondiale du vaccin en 2013
(*SPMSD correspond à Sanofi Pasteur MSD qui est une joint-venture entre Sanofi Pasteur et Merck & Co pour 19 pays en Europe)
Un autre point caractéristique de cette industrie est son origine européenne. En effet l’Europe produit plus de
90% des vaccins [20][56][59] et en exporte presque tout autant soit environ 3,5 milliards de doses par an [20].
C’est cette forte présence qui permet à l’Europe d’accueillir près de 2/3 des projets d’investissements dans le
monde du vaccin [60]. La France n’est pas en reste car comme l’Allemagne dispose de 2 centres de
productions et 3 de R&D.
Si on s’intéresse d’un peu plus près aux meilleures ventes des vaccins en tant que produits dans la première
moitié de 2012 (toujours selon l’OMS), la part de vaccins pédiatriques reste importante (en vert) mais on peut
voir des vaccins spécifiques à des classes d’âges plus élevées s’immiscer dans ce top 20 (en bleu), ce qui est
signe d’une évolution sur ce marché de la vaccination (cf. Changement de cible).
23%
17%
13% 12%
10%
4%
21%
GSK Sanofi Pasteur Pfizer Merck & Co Novartis SPMSD Autres
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
9
Figure 5 - Top 20 des ventes de vaccins dans le monde en million de dollars (S1 2012)
Pour informations complémentaires, Prevenar 13 est désormais aussi recommandé pour les adultes de plus de
65 ans et de récentes études ont été publiées par Pfizer (dont l’étude CAPiTA [83]). Et concernant le vaccin
Celtura il s’agit du vaccin contre la grippe H1N1 développé par Novartis, son chiffre de ventes en 2012 est
donc dépendant du contexte.
Evolution de la vaccination dans les pays développés
Mauvaise presse
Ce qui peut paraître étonnant de l’œil d’un pays en voie de développement qui est en manque de vaccins, c’est
de voir que dans les pays développés la vaccination n’a pas nécessairement une bonne presse. Cet effet est dû à
différentes controverses qui ont pu avoir lieu ces dernières années. Il est vrai que le concept de vaccination
peut être lui-même sujet à controverses étant donné qu’il repose sur l’injection d’un agent potentiellement
infectieux dans le corps d’un sujet sain. Alors que dans le cas des médicaments, le sujet malade vit les
symptômes de sa maladie et accepte volontiers de prendre un produit pour en limiter les effets.
L’une des controverses qui a eu lieu à la fin des années 1990 est celle portant sur le vaccin contre l’Hépatite B
qui serait responsable de sclérose en plaques (SEP) survenue chez des patients vaccinés. Cette controverse qui
a uniquement eu lieu en France (dans aucun autre pays dans le monde il n’y a eu ce problème) a eu pour
1847
672
608
535
500
441
392
285
284
274
266
224
222
219
217
213
207
180
165
Prevenar 13
PENTAct-HIB
Gardasil
Pediarix
Hepatitis Vaccine Franchise
Celtura
Varivax
Cervarix
RotaTeq
Synflorix
Rotarix
Zostavax
Prevenar 7
Fluzone/Vaxigrip
Menactra
Pneumovax
Adacel
MMR-II
Boostrix
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
10
première conséquence de suspendre la vaccination en 1998 [40]. Depuis différents procès ont eu lieu obligeant
soit le laboratoire GSK, soit l’état à verser des indemnités à des patients qui auraient été atteints de SEP à
cause de ce vaccin. Le dernier en date [19] est tout récent (13 Août 2014) où l’état a été condamné à verser
une indemnité de 2,4 millions d’euros à une ancienne infirmière qui a développé une SEP après une
vaccination contre l’Hépatite B. Bien qu’aucune étude menée n’ait démontré un lien de causalité entre la
vaccination et le développement de SEP, le bénéfice du doute penche en faveur de la victime.
Une autre controverse qui a eu lieu au début de cette décennie est celle de la grippe H1N1. En effet lors de la
menace d’une possible pandémie, la demande pour un vaccin a été très forte ce qui a poussé l’Etat français
notamment à commander un grand nombre de vaccins. Mais une fois le vaccin prêt, la population, elle, était
beaucoup moins prête à accepter ce vaccin car une rumeur d’un possible lien entre le vaccin et des troubles
neurologiques avait circulé. Cette hypothèse était difficilement contrebalançable car les études portant sur le
caractère toxique du vaccin ont été très courtes compte tenu de l’urgence de la situation. La conséquence de
tout ça a été un affaiblissement de la confiance de la population à l’égard du pouvoir public qu’il juge partial et
sous lobbying de laboratoires pharmaceutiques.
La dernière grande controverse à l’égard de la vaccination en France est celle concernant le vaccin Gardasil qui
s’adresse principalement aux jeunes filles pour diminuer le risque de cancer de l’utérus dû à un
papillomavirus. Le vaccin serait responsable d’avoir fait développer chez certaines patientes des maladies très
handicapantes comme la maladie de Verneuil, le lupus ou la maladie de Guillain-Barré. Cependant selon
l’Agence Nationale de la Sécurité du Médicament, le rapport risque/bénéfice reste favorable. Depuis 2006,
503 effets indésirables graves ont été signalés pour 5,5 millions de doses distribuées soit 0,01% [23]. Bien
qu’aucune étude ne démontre de liens de causalité entre le vaccin et les maladies citées, ou que le ratio de cas
d’effets indésirables graves est faible, ceci suffit à créer une certaine méfiance à l’égard de la vaccination.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
11
Changement de cible
Actuellement la cible principale de vaccinations reste les nouveau-nés ou les jeunes enfants. Les vaccins qui se
vendent le plus étant principalement les vaccins pédiatriques. Cependant dans les pays développés, et plus
particulièrement la France la population améliore son espérance de vie, et par conséquent vieillit [INSEE, 44].
Figure 6 - Evolution du nombre de personnes de plus de 60 ans en France entre 1970 et 2014 (en milliers de personnes)
C’est pourquoi l’une des tendances stratégiques de l’industrie du vaccin pour les prochaines années est de
développer des vaccins pour cette tranche d’âge, mais aussi pour les adultes dans leur ensemble [4][32]. C’est
d’ailleurs pour ça que les prévisions pour la branche adolescents et adultes de la vaccination sont plutôt
optimistes en Europe, comme ci-dessous (ces prévisions ont été faites en 2007, il se peut alors que les derniers
événements [grippe H1N1, ou Gardasil] aient quelque peu érodé cette croissance) :
Figure 7 - Prévisions de chiffre d'affaires entre 2007 et 2017 pour le marché Adultes et Adolescents en Europe
6000
8000
10000
12000
14000
16000
18000
1970 1980 1990 2000 2010 2011 (r) 2012 (p) 2013 (p) 2014 (p)
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
12
Ce changement de cible va par la même impliquer un changement de stratégie marketing pour les industriels
et le gouvernement, car là il faut convaincre le potentiel vacciné et non le parent du potentiel vacciné. Cette
tâche ne sera pas simple car il s’agira de nouveaux vaccins et par conséquent non rentrés dans les mœurs.
En quête de la couverture vaccinale
Sa définition
La couverture vaccinale est comme on peut le voir en marketing le taux de couverture du vaccin, à savoir la
proportion de patients vaccinés sur une population cible. Il est utile de la mesurer pour se rendre compte de
l’efficacité de la politique de vaccination et l’utiliser comme facteur dans la modélisation de l’épidémiologie.
En effet une certaine couverture vaccinale critique est nécessaire à obtenir pour permettre l’éradication de la
maladie [30].
En France sa mesure est réalisée par l’Institut national de Veille Sanitaire depuis 2004 (InVS).
Son calcul dans la modélisation épidémiologique
La formule de modélisation épidémiologique peut être présentée sous la forme suivante [22] :
RE = R0 * S = R0 * (1- Iv) = R0 * (1 – (CV X E))
RE correspond ici au ratio de reproduction efficace, autrement dit le nombre de cas infectés par un sujet
infecté dans une population où une vaccination a lieu. Il est le produit de R0 qui est le caractère reproductible
de base d’une maladie et de S qui est le nombre de personnes susceptibles de contracter la maladie. Autrement
dit S correspond à toute la population moins ceux qui ont subi une intervention (vaccination) : Iv. Et donc Iv
dépend de la couverture vaccinale (CV) et de l’efficacité du vaccin (E). Cette formule permet alors de calculer
la couverture vaccinale critique (CVC), c’est-à-dire la couverture vaccinale nécessaire à atteindre pour
éradiquer la maladie, autrement dit le moment où RE devient inférieur à 1 (moins de nouvelles de personnes
sont infectées que le nombre actuel d’infectés, par exemple sur 100 infectés actuellement seules 80 personnes
supplémentaires le sont par leur « fautes », ce qui correspond à un ratio de 0,8).
Comment l’optimiser ?
La couverture vaccinale n’est pas une valeur fixe mais bel et bien une variable. Celle-ci va évoluer au gré de
facteurs externes ou internes comme la perception du rapport risque/bénéfice par la population cible, la
politique de remboursement ou de communication du gouvernement, les campagnes de notoriété de la
maladie menées par les laboratoires auprès de la population ou encore les actions marketing auprès des
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
13
personnels de santé. Un facteur interne intéressant est que la couverture vaccinale dépend de l’épidémiologie
de la maladie concernée. En effet avec le temps, les personnes peuvent juger qu’il n’est plus nécessaire de se
faire vacciner contre une maladie qui a presque été éradiquée (mais pas complètement) par rapport au nombre
grandissant de cas d’effets indésirables graves, ce qui a pour conséquence un redéveloppement de cette
maladie.
Dans tous les cas il est nécessaire de suivre cette couverture vaccinale du point de vue des laboratoires, car
c’est un indicateur clé pour ajuster les actions marketing auprès des personnels de santé, mais aussi pour
travailler sur la politique vaccinale à appliquer avec les gouvernements. Un point intéressant serait de pouvoir
simuler une couverture vaccinale au lancement d’un nouveau vaccin afin de pouvoir anticiper les actions
marketing à mettre en place.
Comportement à l’égard de la vaccination
Modèles sociocognitifs et cognitifs adaptés aux comportements
des gens en santé
Théories applicables
L'échange entre les sciences sociales et des disciplines comme l'épidémiologie a eu lieu car des chercheurs se
sont aperçus que le patient n'avait pas nécessairement le même comportement à l'égard de la santé et de sa
santé qu'un autre patient. Cette "découverte" a permis de mettre en évidence que certains critères
psychosociaux ou déterminants psychosociaux avaient une forte influence sur l'action (de guérison ou de
prévention) du patient.
C'est pourquoi deux premières théories parmi d'autres qui pourraient être applicables aux comportements des
gens dans le domaine de la santé, mais aussi plus particulièrement dans le cadre de ce travail sont :
La théorie de l'action raisonnée
Cette théorie a été développée par Fishbein et Ajzen en 1975. Le modèle théorique repose sur une interaction
entre les attitudes, les normes, les croyances, les intentions et les comportements des personnes [99].
Autrement dit le comportement d'une personne dépend de son intention de comportement (action raisonnée)
et non d'une quelconque influence de l'inconscience par exemple. En quelque sorte les croyances sur les
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
14
conséquences de ce comportement influe sur l'intention comportementale. De manière schématique le
modèle se construirait comme-ci [75]:
Figure 8 - Modèle de la théorie de l'action raisonnée [75]
A travers ce modèle il s'agit avant tout de comprendre la formation de l'intention chez l'individu. Dans le
cadre de la vaccination on pourrait s'imaginer le patient évaluer les conséquences de l'acte de vaccination avec
une certaine croyance relative à ces conséquences, ainsi que la croyance en autrui (médecin par exemple) et la
motivation à se soumettre à son avis.
La théorie du comportement planifié
Une évolution du modèle précédent, est la théorie du comportement planifié développé par Ajzen et Madden
en 1986. Celle-ci repose sur les mêmes principes que la précédente mais ajoute la dimension de contrôle
perçu du comportement au modèle. Cette dernière caractéristique peut se définir par l'évaluation par
l'individu de sa capacité à pouvoir réaliser le comportement. Ceci repose sur l'idée de potentiels barrières ou
leviers à la réalisation du comportement (externes ou internes).
Figure 9 - Modèle de la théorie du comportement planifié [75]
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
15
Cette méthode a pu déjà être appliquée à des comportements de santé [71] avec des résultats positifs et tente
de prendre en compte l'environnement social mais son application dans le domaine de la prévention par la
vaccination reste limitée. Par conséquent son bien-fondé reste à prouver.
Health Belief Model
Le Health Belief Model (HBM) ou Modèle de Croyance Santé est un modèle développé à l'origine par
Rosentock en 1966 puis par Becker & alii au cours des années 1970. Ce qui le distingue des deux précédents
modèles est tout d'abord sa spécificité au domaine de la santé, et dans un second temps le fait qu'il s'agisse d'un
modèle cognitif et non sociocognitif. A l'origine le HBM permettait de prédire un comportement de
précaution en matière de santé selon des croyances qui reposaient sur 5 perceptions principales [26][75] :
- La vulnérabilité à la maladie (croyance de l'individu de contracter une maladie)
- La gravité de la maladie (croyance de considérer cette maladie comme grave)
- Des coûts liés à la réalisation du comportement (sur son attitude, sa santé, etc.)
- Des bénéfices liés à la réalisation du comportement (là aussi sur son attitude ou sa santé)
- Des incitations à faire quelque chose (internes [changement perçu dans son état de santé comme un
affaiblissement, par exemple] ou externes [information aperçue dans une brochure]).
Par la suite, afin d'améliorer le modèle, 2 nouvelles perceptions ont été ajoutées :
- La motivation à la santé (tendance de l'individu à être concerné par sa santé)
- Contrôle perçu (perception du patient à pouvoir contrôler son comportement)
Figure 10 - Health Belief Model amélioré [75]
Si on applique le Health Belief Model à une patiente où le vaccin contre le HPV (responsable du cancer du col
de l'utérus) est recommandé, cette femme aura une plus forte probabilité d'aller se faire vacciner si [85]:
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
16
- Elle se sent vulnérable vis-à-vis d'une infection par HPV,
- Elle considère le cancer du col de l'utérus comme grave,
- Les bénéfices liés à la vaccination sont élevés par rapport aux effets indésirables potentiels,
- Elle a été incitée à le faire, soit par un élément interne ou un élément externe (affiche chez son
médecin)
- Elle est motivée à rester en bonne santé
- Elle a un fort sentiment de contrôle (c'est elle qui choisit de se faire vacciner et non le médecin qui
lui dit de le faire)
Bien que ce modèle a soulevé de nombreuses critiques et démontre certaines limites [75] comme le fait d'être
trop concentré sur l'individu et des informations conscientes, de ne pas prendre certains aspects émotionnels
comme la peur, ou encore les relations entre les croyances centrales (comment les mesurer ? , modèle linéaire
ou pas ? etc.), il a l'avantage d'avoir été développé afin de prédire des comportements de prévention dans la
santé et a été validé à différentes reprises dans ce domaine depuis sa création. Ainsi la recherche a démontré
que la vaccination était bien liée à la vulnérabilité à la maladie, la gravité de celle-ci et que le rapport coût-
bénéfice doit être favorable [4][16][85][86].
Health Belief Model appliqués à la vaccination
Dans le cadre de la vaccination, bien qu'à la fin il s'agisse de la vaccination du patient, plusieurs acteurs entrent
en jeu et ont chacun des perceptions et des croyances différentes.
Patients
Si l'on se base sur les composantes du HBM, l'une des perceptions est le rapport entre les bénéfices et les coûts
de la vaccination. Encore aujourd'hui de nombreux patients ont une vision un peu floue voir fausse de la
vaccination [17][86]. L'une d'elle serait le lien entre activer une réaction importante du système immunitaire
et causer des allergies (l'allergie étant elle une réaction excessive du système immunitaire), les vaccins ne sont
pas fiables, ou encore la présence de certaines théories du complot où l'Etat servirait avec complaisance les
laboratoires pharmaceutiques, etc.
D'autres facteurs peuvent influencer sur les perceptions notamment de la vulnérabilité à la maladie et sa
gravité comme l'expérience personnelle ou à minima la connaissance de la maladie et de ses effets. Ainsi
différentes recherches ont mis en évidence l'effet de l'information sur l'acte de vaccination car les patients (ou
décideurs dans le cadre d'une vaccination pédiatrique) avaient une meilleure perception de ce que pouvait
induire cette maladie [8][70].
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
17
Médecins
D'après une étude de l'INSERM de 2011 [37], plus de 95% des médecins étaient favorables à la vaccination en
France (66% se considèrent comme très favorables). Ces résultats démontrent encore la bonne image dont
dispose la vaccination auprès des personnels de santé. Cependant une étude de Zimmerman & alii [117] a pu
mettre en évidence que plus le médecin avait une perception importante des risques d'effets indésirables sur la
vaccination, moins il avait tendance à recommander la vaccination. Par conséquent lorsque le médecin n'est
pas favorable à la vaccination, on peut remarquer que sa patientèle est moins vaccinée. Ce résultat semble
logique, mais il est important de le rappeler car il souligne l'importance du médecin sur le choix de vaccination
du patient. D'ailleurs les médecins eux-mêmes ne sont pas nécessairement très nombreux à se vacciner [101].
De plus l'expérience acquise lors de mon stage chez Sanofi Pasteur MSD m'a permis de constater que les
médecins n'ont pas forcément à l'esprit la recommandation gouvernementale concernant une vaccination. Ceci
a pour conséquence qu'ils ne conseillent pas obligatoirement la vaccination aux personnes éligibles. Pour
d'autres ils ont connaissance de cette recommandation mais se servent de leur libre-arbitre et de leur
expérience pour ne conseiller la vaccination qu'aux patients qu'ils jugent les plus nécessiteux.
Médias
Dans la culture populaire on assimile souvent les médias comme étant le 4e pouvoir [61][112] afin d'exprimer
l'idée que les médias auraient une grande influence sur le comportement de la population. Cependant pour des
raisons économiques, les médias vont plutôt chercher à mettre en avant des événements insolites que des cas
génériques. Ainsi l'information est souvent à compléter. Pour le cas des vaccins, ceci peut s'illustrer par la
mise en avant d'un effet indésirable grave au détriment des bénéfices perçus du vaccin en temps normal.
Toutefois cette mise en lumière a le mérite de lancer des recherches complémentaires sur la sécurité du vaccin
dont les résultats seront utiles à tous.
L'autre aspect qu'il faut prendre en compte pour les médias est la véracité des informations transmises. Bien-
souvent les groupes d'anti-vaccination se servent d'Internet pour transmettre leurs idées qui ne reposent pas
sur des sources fiables [8].
Interactions entre les acteurs
Le fait de se faire vacciner reste un choix individuel qui est pour la plupart des cas rationnel (en France les
vaccins ne sont pas stockés chez le médecin, par conséquent la personne souhaitant se faire vacciner doit faire
pleinement la démarche en allant l'acheter à la Pharmacie, ce qui diminue la possibilité que le vaccin se fasse de
manière irrationnelle sur un "coup de tête"). Certaines recherches [31] démontrent bien que la source
principale d'informations en matière de vaccination reste le médecin, et que les médias possèdent une
influence sur la décision de vaccination, notamment Internet [8][86]. Ainsi aux Etats-Unis, une étude sur la
couverture vaccinale de la grippe chez les jeunes enfants (6 mois à 5 ans) en 2003 [64] a démontré l'impact de
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
18
la couverture médiatique sur celle-ci. En effet après exposition des médias, le taux de vaccination contre la
grippe par semaine a fortement augmenté passant de 2,4 à 8,6, ce qui fait que 75% des vaccinations ont eu lieu
après les premières couvertures médiatiques.
Figure 11 - Nombre de placements médias et de vaccination grippe par semaine [64]
Cependant aux Etats-Unis encore, quand la controverse sur le fait que la vaccination contre la varicelle
provoquerait l'autisme a eu lieu, le taux de refus de vaccination a évolué de 0,7% à 2,1% en 5 ans avant que
les médias grands publics ne s'emparent réellement du sujet. Ce qui suggère un effet limité de l'influence des
médias sur cette vaccination [92].
Objectifs & hypothèses de recherche
Objectifs de ce mémoire
A la suite de cette revue de Littérature, un constat qui s'impose à nous est que l'industrie du vaccin est en
croissance et qu'elle s'apprête à changer de cible principale passant des vaccins pédiatriques à des vaccins pour
les adultes et séniors pour continuer son développement. L’hypothèse est alors que de nombreux nouveaux
vaccins vont voir le jour lors de ses prochaines années, et qu'il est compliqué dans le cadre du lancement de
nouveaux vaccins de savoir quelle couverture vaccinale sera atteinte et comment l'optimiser. Actuellement,
comme pour d'autres produits non pharmaceutiques, les prévisions de couverture vaccinale se font à partir
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
19
d'un échantillon d'experts qui se basent sur leurs expériences. De plus, leur avis, bien que probablement très
juste, ne nous donne pas les clés pour pouvoir avoir une vision qui part réellement du marché (des patients)
ainsi que des informations pouvant s'avérer utiles lors du développement du vaccin pour permettre de réaliser
le produit le plus performant (la meilleure couverture possible) contre une maladie.
Par conséquent l'objectif principal de ce mémoire est d'obtenir l'importance des différents attributs pouvant
caractériser un vaccin (rapport coût-bénéfices), une maladie (vulnérabilité, gravité), un contexte (incitation,
motivation, contrôle perçu) dans le processus de décision de vaccination d'un patient. Ainsi ceci permettrait
d'avoir les clés pour optimiser cette couverture vaccinale. Un objectif secondaire serait de pouvoir amener les
bases au développement d'un outil de simulation de couverture vaccinale pour le cas d'un nouveau vaccin.
Hypothèses de recherche
A la vue des objectifs précédemment cités et la revue de Littérature, il n'y a pas véritablement d'hypothèses de
recherche qui nécessitent une évaluation. Cependant il peut être intéressant de s'assurer des résultats afin de
choisir en amont la méthodologie la plus adéquate :
- Hypothèse 1 – Les individus n'ont pas tous la même approche dans leur décision concernant la
vaccination
L'idée de cette hypothèse est que le choix de se faire vacciner est une décision si personnelle (concerne sa
propre santé) qu'on ne peut avoir une seule et même réponse pour l'ensemble de la population. Par
conséquent on retrouverait des importantes différences pour les facteurs influençant la décision de vaccination
parmi les individus interrogés, ou à minima une certaine segmentation.
- Hypothèse 2 – La recommandation de leur médecin traitant reste le facteur clé de leur décision
La croyance qui relève de l'incitation à agir (cf. le Health Belief Model) illustrée par la recommandation du
médecin traitant reste la perception qui influence le plus la décision finale quel que soit l'individu.
- Hypothèse 3 – Malgré les controverses, les français conservent une bonne image de la vaccination
Comme vu précédemment de nombreuses controverses ont interpellé l'opinion publique les années
précédentes, et ce d'autant plus auprès de la population française. L'objectif sera seulement de s'assurer que les
personnes interrogées sont toujours favorables à la vaccination.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
20
Méthodologie
Compte-tenu des objectifs de cette étude, et notamment du principal qui est d'obtenir l'importance des
différents facteurs entrant en compte dans la décision du patient de se faire vacciner, et ceci de façon
généralisable, la méthode qui s'impose à nous est une méthode quantitative : l'analyse conjointe ou trade-off.
Analyse conjointe
Le principe de base de cette méthode d'analyse est assez proche d'une analyse de variance sauf qu'ici la variable
expliquée n'est pas métrique mais plutôt catégorielle. L'objectif étant de capturer les "préférences" du
répondant selon les stimuli (combinaisons d'attributs) qui lui sont présentés. C'est Paul Green (parmi d'autres)
qui a développé cette nouvelle approche analytique dans les années 1970 [34][35], et qui depuis a été utilisée
de nombreuses fois dans le domaine du marketing ou même de la santé. L'objectif de cette analyse, comme dit
précédemment, est de pouvoir expliquer le comportement des consommateurs (dans notre cas des patients)
en mesurant l'effet conjoint de plusieurs variables explicatives sur la variable à expliquer [79]. Pour mesurer
cette préférence trois grands types de recueil de données s'opposent. Les deux premiers sont des recueils par
classement, ou par notation des profils (profils: combinaisons de niveaux d’attributs) qui sont présentés au
répondant, le troisième est un choix que fait le répondant parmi ces profils à plusieurs reprises. L'idée est que
l'individu ne connait pas ou n'a pas conscience de l’exacte importance de chacun des attributs, mais que par cet
exercice on puisse les obtenir. En effet le principe repose sur la compensation faite par l'individu entre les
différents niveaux des attributs pour son classement, sa notation ou son choix. Par conséquent les principes
généraux d'une analyse conjointe sont :
- Le produit testé peut être décomposé en caractéristiques (attributs)
- Chacun des attributs disposent de plusieurs niveaux (modalités)
- Le produit (profil) se présente comme une combinaison de diverses modalités des différents attributs
- Ces modalités ont chacune une certaine valeur pour l'individu (utilité) qui influe sur la préférence de
celui-ci
- Plus précisément, l'analyse conjointe permet l'estimation de l'utilité partielle de chacune des modalités
qui donnent une indication sur la désirabilité du niveau de l'attribut donné
- La somme de ces utilités partielles nous permet d'obtenir l'utilité globale du répondant pour un
produit donné.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
21
- Enfin l'étendue des utilités partielles (α) d'un niveau (j) de l'attribut (i), sur la somme des étendues
des utilités partielles nous permet d'obtenir l'importance réduite (W) de cet attribut par rapport aux
autres.
L'analyse conjointe par classement ou notation
Ces deux premières méthodes se distinguent de la troisième car elles reposent sur un modèle linéaire pour la
modélisation des préférences du consommateur. Dans le cadre d'un ranking (classement) la variable expliquée
sera ordinale tandis que pour la méthode par rating (notation) la variable expliquée sera métrique avant d'être
recodée de façon binaire par la suite.
Elles se distinguent aussi par la méthode d'estimation des préférences : utilisation majoritairement de la
méthode des moindres carrés [76] contre la méthode du maximum de vraisemblance pour l'approche par
choix (cf. l'analyse conjointe par mesure de choix discret).
Enfin la troisième distinction majeure entre ces deux approches et la 3e concerne l'analyse des données
récoltées. Pour ces deux premières méthodes, l'analyse peut se faire et doit se faire dans un premier temps à
l'échelle individuelle tandis que pour la méthode reposant sur le choix, le peu d'informations individuelles
perçues à chaque épreuve de choix obligent à faire l'analyse traditionnelle de manière agrégée. Cependant
d'autres méthodes ont été développées pour permettre une analyse individuelle (cf. Modèle agrégé vs approche
Bayésienne hiérarchique).
Green et Srinivasan (1978, [35]) ont résumé en sept étapes la procédure à utiliser pour ce type d'approche de
l'analyse conjointe.
1) Sélection de la fonction de préférence, à savoir le modèle des utilités partielles, du vecteur idéal
(les utilités partielles sont liées linéairement aux attributs), du point idéal (existence d'un
maximum, utilisé plus pour l'approche par notation). A noter que comme vu précédemment, il
s'agit du modèle des utilités partielles qui est principalement utilisé dans l'analyse conjointe (les
deux autres étant des cas spécifiques de celui-ci).
2) Sélection de la méthode de recueil des données. L'une d'elle est la méthode des profils complets.
Ici le répondant est amené à noter ou classer selon ses préférences des profils définis de produits.
Au cours des années 1980, cette méthode a subit une amélioration pour devenir l'analyse
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
22
conjointe hybride [69]. Ceci consiste à évaluer des profils complets comme précédemment mais
est précédé par une évaluation directe de la part des répondants de l'importance des attributs.
3) Choix entre un plan d'expérience des profils complets ou des profils réduits. Selon le nombre
d'attributs, il est possible d'avoir un nombre de profils trop nombreux pour qu'ils soient tous
évalués. Green et Srinivasan [35] recommande 30 profils maximum, mais dans la pratique il est
préférable d'en faire le moins possible et il s'avère que la limite soit inférieure à 20 (épuisement
cognitif du répondant) [48]. Si le nombre de profils est trop important, et que le choix d'un plan
d'expérience des profils réduits s'imposent il est important de conserver l'orthogonalité des
attributs afin d'éviter tout biais de corrélation entre les variables explicatives.
4) Choix du mode de présentation des scénarii : verbal ou visuel. Le mode verbal consiste à décrire
le profil selon un texte, un tableau, des mots clés tandis que le mode visuel est une
représentation graphique ou physique.
5) Sélection de la méthode de collecte de données : en face à face, téléphone, on-line, etc.
6) Sélection du mode d'évaluation des produits : rating ou ranking.
7) Sélection de la méthode d'estimation des utilités partielles selon le mode d'évaluation. Dans le
cas d'une notation (rating) et par conséquent d'une variable métrique (si on décide de ne pas la
recoder), la méthode des moindres carrés ou une analyse de variance (ANOVA) sera adaptée.
Pour le cas d'un classement (ranking) avec une variable expliquée ordinale, la méthode des
moindres carrés sera aussi adaptée ou alors une analyse monotone de la variance
(MONANOVA).
L'analyse conjointe par mesure de choix discret
Dans cette partie, uniquement le cas de l'analyse conjointe par mesure de choix discret (MCD) sera
développé. En effet on peut distinguer 2 types de choix [36] :
- un choix dit continu où là l'individu est amené à choisir une certaine quantité de chaque alternative
parmi plusieurs. Pour exemple dans la vaccination, ce serait comme demander à un médecin de
répartir 100 prescriptions de vaccination parmi 3 alternatives.
- un choix dit discontinu (ou discret) où l'individu est amené à choisir une seule alternative parmi
plusieurs.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
23
Fondement théorique [12][62][76]
En supposant que le répondant puisse comparer toutes les alternatives existantes (chose improbable en
pratique), on peut estimer une fonction d'utilité U qui sera sa préférence. Si l'ensemble de choix pour n
décideurs de toutes les alternatives possibles est désigné par Cn où Uin représente l'utilité U de l'alternative i
pour le décideur n alors :
Soit l'alternative i est choisie par le décideur n si et seulement si :
Cependant tous les individus ne vont pas faire le même choix pour la même expérience de choix, c'est
pourquoi il est nécessaire d'introduire la théorie du choix probabiliste. Autrement dit on ne pourra pas savoir
exactement quelle alternative un répondant va choisir, mais on pourra connaître la probabilité qu'il choisisse
telle alternative. On suppose que le patient choisira toujours l'alternative i avec l'utilité la plus forte soit :
Comme dit précédemment, l'utilité i n'est pas une valeur connue mais une variable aléatoire, il est nécessaire
de l'exprimer de la façon suivante :
in étant l erreur aléatoire (erreur de perceptionet
oud optimisation de la part du patient
et Vin une fonction continue et déterministe
Ainsi pour chaque patient n, on peut décrire la probabilité de choix de l'alternative i parmi l'ensemble de choix
Cn de la façon suivante :
(équation A)
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
24
Si on s'intéresse plus précisément à cette fonction Vin, on peut dire qu'elle est dépendante du vecteur des
attributs et il est nécessaire de spécifier la combinaison des attributs pour influencer son choix. Autrement dit
il est nécessaire d'appliquer une relation d'utilité (généralement linéaire) pour exprimer la relation entre les
variables indépendantes et le choix du patient, soit :
β étant le vecteur des k paramètres inconnus de la fonction et X un attribut.
L'utilité de l'alternative i devient alors :
Comme dit précédemment, on suppose que le répondant choisisse le profil où l'utilité est la plus forte, ceci se
traduit formellement par :
Où y est une variable binaire qui est égale à 1 quand l'alternative est choisie et 0 sinon.
En repartant de l'équation de probabilité précédente (équation A), on peut alors l'exprimer sous forme
d'intégrale de la manière suivante :
En présumant que les termes d'erreurs sont indépendamment et identiquement distribués (IId), hypothèse
identique à l'hypothèse IIa (indépendance des alternatives non pertinentes) [66], et que ceux-ci suivent une
distribution de Gumbel [109], on peut alors exprimer la probabilité de choix de l'alternative i de la manière
suivante :
On retrouve alors le modèle logit multinomial (MNL) [76] qui sert de modèle d'analyse pour les analyses
conjointes par mesure de choix discret. Cependant comme démontré, pour obtenir cette expression il est
obligatoire de faire certaines hypothèses (IIa et IId) ce qui rend contraignant l'utilisation du MNL dans certains
contextes. Une autre contrainte est que les modèles logit multinomiaux ont des difficultés à déterminer les
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
25
utilités partielles de manière individuelle et par conséquent agrègent les résultats en faisant l'hypothèse que
tous les individus sont homogènes. C'est pourquoi d'autres méthodes ont été développées (cf. modèle agrégé vs
approche Bayésienne hiérarchique).
Outre ces aspects techniques, la méthodologie de l'analyse conjointe MCD peut permettre d'offrir la
possibilité de refus des deux possibilités, ce que l'on peut appeler "l'option zéro" [76]. Cette option permet de
rendre les choix des répondants plus réalistes mais diminue quelque peu la précision dans l'estimation des
utilités partielles.
Un autre point méthodologique propre à cette méthode est la construction des plans d'expérience. En
comparaison, aux méthodes de notation ou de classement, il est nécessaire de procéder en 2 niveaux. Quand
dans les deux premières méthodes, il suffit de soit présenter l'ensemble des profils soit un nombre réduit qui
respecte l'orthogonalité des attributs, dans la troisième il est nécessaire de coupler ces profils. Ce qui fait que
dans un premier temps il est indispensable d'établir une liste de profils pour les coupler ensuite avec pour
objectif d'avoir le plan d'expérience le mieux possible [116]. Dans ce cas nous parlons de plan D-optimal [95].
L'objectif de la recherche de la D-optimalité est d'obtenir un plan où les effets des facteurs sont les plus
indépendants possible. Autrement dit, que le déterminant de la matrice de produit croisé tend alors vers 1
(quand le déterminant est égal à 1 alors on peut conclure que les facteurs sont orthogonaux, qu'ils ne sont
donc pas corrélés/dépendants). La matrice de produit croisé est en fait le produit de la matrice X par sa
transposée X' soit XX' en notation matricielle. La recherche de la D-optimalité revient à chercher à maximiser
|XX | où |…| qualifient le déterminant. Afin de calculer la D-efficacité (la D-optimalité correspondant à une
D-efficacité de 100%), la formule à utiliser est la suivante :
Où p est égale au nombre d'effets des facteurs du plan (nombre de colonnes de X) et N le nombre
d'alternatives nécessaires.
Raisons du choix pour cette étude
Le choix opté pour la réalisation de cette étude a été d'utiliser la méthode d'analyse conjointe par mesure de
choix discret, et ceci pour différentes raisons :
- Le réalisme, le fait de présenter des profils de produits hypothétiques rend l'exercice plus réaliste que
celui de faire classer ou noter les attributs séparément par les répondants [76].
- Le non-déclaratif, les préférences se mesurent à travers une expérience de choix de profils et non
directement, l'attention du répondant est détourné du sujet d'analyse et ses réponses sont alors plus
véridiques (diminution d'un possible effet de "surrationalisation"), ce qui lui confère une meilleure
validité prédictive [69][73].
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
26
- L'option zéro, la possibilité offerte par cette méthode d'ajouter cette option permet de renforcer le
réalisme de celle-ci. Bien qu'il est possible avec les autres méthodes d'ajouter une question sur leur
volonté de se faire vacciner, ceci rajoute une tâche au répondant et complique l'analyse ensuite.
- Le ludisme, l'une des tendances actuelles dans le monde des études de marché est la gamification
[10], bien que l'analyse conjointe MCD soit loin d'être un jeu, des observations montrent [76] qu'elle
est mieux perçue par les répondants que ces homologues par classement ou notation.
- L'expérience, l'analyse conjointe reposant sur le choix est une méthode très appréciée dans le
domaine de la recherche en marketing [38][68][73], ce qui lui offre un certain "background" et
particulièrement dans le domaine de la santé [3][72][74][87][88] et de la vaccination [22][89]. Cette
expérience permet donc de donner une validité aux résultats issus de cette méthode.
- L'attrait, ce dernier argument est purement personnel. N'ayant pas vu cette méthode en cours, j'ai
souhaité enrichir mes connaissances et mes compétences par le biais de ce mémoire sur cette
méthode très utilisée ainsi que sur ses évolutions possibles (à savoir l'Adaptive Choice Based
Conjoint, Choice Based Conjoint avec analyse par classes latentes, ou encore Choice Based Conjoint
avec une approche Bayésienne hiérarchique).
Conditions d'applications
Lors de la réalisation d'une analyse conjointe MCD, il est nécessaire de s'appliquer à respecter des conditions
concernant la structure des préférences qui se doit d'être rationnelle et cohérente soit [36] :
- Monotone : le profil présentant les meilleurs niveaux dans chacun des attributs se doit d'être préféré
par le répondant par rapport à celui qui présente les pires niveaux.
- Transitive : la transitivité peut se mesurer à partir de 3 scénarii (A, B et C). L'idée est la suivante (Ui
= Utilité de l'alternative i) :
Autrement dit si l'individu choisit A parmi A et B, choisit B parmi B et C alors si ses réponses sont
transitives il se doit de choisir A parmi A et C, si ce n'est pas le cas ses réponses peuvent être alors
intransitives. Certains cas peuvent être non conclusifs (les informations sur les deux premières
réponses ne permettent pas de prédire la troisième).
- Absence de préférence lexicographique : un individu a une préférence lexicographique lorsque ses
choix se basent exclusivement sur un ordre prédéterminé des attributs. Les réponses de cet individu
sont bien entendues rationnelles, il utiliserait la même simplification dans la vie réelle, cependant
dans le cadre d'une analyse conjointe les informations issues de ses réponses ne sont guère riches. En
effet, l'information sur les autres attributs et une estimation précise des utilités partielles de ceux-ci
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
27
ne sont possible que lorsque l'attribut "dominant" a le même niveau dans les deux profils présentés
(dans le cadre d'une présentation par paire).
- Stable : pour une même comparaison de profils à des temps différents dans le questionnaire,
l'individu se devra de donner la même réponse. Pour cette étude, j'ai pris parti de ne pas tester
directement cette condition mais plutôt de supposer son résultat dans le même temps que la
transitivité des réponses sera vérifiée (afin de limiter le nombre de sous-ensemble présentés).
- Pertinente : la pertinence des réponses s'évaluent par le degré de compréhension de l'exercice par les
répondants. Pour cela il est nécessaire de réaliser des alternatives réalistes (pas nécessairement
existantes mais réalistes). De plus les différences entre les niveaux des attributs se doivent d'être
différenciables (une différence suffisamment importante).
Dans le cadre d'une analyse par le modèle logit multinomial, une autre condition d'application est la
vérification de l'hypothèse IIa (indépendance des alternatives non pertinentes). Autrement dit les
probabilités de choix des alternatives doivent dépendre uniquement des alternatives présentées au
répondant et non celles qui lui sont omises [66]. Afin de la supposer vérifiée, il est nécessaire de choisir
des attributs et modalités génériques. Un exemple typique dans le marketing qui illustre la non-
vérification de cette hypothèse, est d'avoir l'attribut marque où les probabilités de choix peuvent être
influencées par la présence ou l'absence de la marque préférée du répondant dans l'ensemble de choix. De
manière concrète, ceci peut se traduire par une étude sur les préférences d'un consommateur au sujet des
tablettes de chocolat avec dans l'ensemble de choix les marques suivantes : Lindt, Milka, Côte d'Or, Alter
Eco et MDD, alors que la marque préférée du consommateur est 1848 et par conséquent ses préférences
dans l'exercice de cette étude seront influencées.
Etapes de l'analyse conjointe par mesure de choix discret
Dans cette partie seront décrites les différentes étapes réalisées pour permettre le bon déroulement de cette
recherche.
Définition des attributs et modalités
Pour permettre la définition des attributs pour cette analyse conjointe, la directive d’Orme [81] a été suivie.
Celle-ci peut se résumer en 8 points :
1) Les niveaux des attributs se doivent d'être concis et avec un sens concret. Par exemple un niveau
indiquant "une bonne performance" est trop ambigüe et laisse libre à l'interprétation du répondant
qui est par conséquent individuel et donc hétérogène parmi tous les interrogés.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
28
2) Les attributs se doivent d'être indépendants entre eux, et ceci plus particulièrement pour une analyse
conjointe MCD. De plus les niveaux des attributs ne doivent pas se combiner naturellement, car
même si cela peut apporter un certain réalisme c'est souvent préjudiciable d'empêcher des niveaux
d'attributs d'apparaître ensemble (combinaisons impossibles).
3) Les niveaux des attributs doivent être mutuellement exclusifs. C'est d'autant plus vrai lorsque
l'objectif de l'étude est d'établir un simulateur de parts de marché.
4) L'étendue des niveaux des attributs doit couvrir l'ensemble des possibilités du marché actuel et
potentiel. Sinon le choix du répondant peut être influencé, mais surtout l'outil de simulation [78] qui
en découle ne sera pas valide ou sera rapidement obsolète s'il ne couvre que les possibilités du marché
actuel. L'extrapolation bien que possible doit être évitée.
5) Les combinaisons impossibles (prohibitions en anglais) se doivent d'être rares voir absentes (cf. point
2). En effet interdire un trop grand nombre de combinaisons est une erreur courante qui intervient
lorsque le chercheur (ou le client qui commande l'étude dans le monde professionnel) juge que des
combinaisons présentes dans l'ensemble de choix sont irréalistes. Par exemple, il peut s'agir d'un
produit qui a toutes les meilleures caractéristiques au prix le plus bas, ou tout simplement 2 niveaux
d'attributs qui ne peuvent pas aller ensemble dans le "monde réel". Introduire des combinaisons
impossibles ici serait tentant mais entraînerait dans le meilleur des cas une perte de précision dans les
estimations des utilités, et dans le pire des cas des effets confondus et une incapacité à calculer des
utilités stables. Par conséquent il est préférable de prévenir le répondant qu'il risque d'être confronté
à des scenarii qui n'existent pas actuellement que de bloquer certaines combinaisons. Une autre
méthode (celle qui a été choisie pour cette étude) est de créer un méta-attribut. Ceci consiste à
regrouper 2 ou plusieurs attributs en un seul où les modalités sont en fait les combinaisons possibles
des attributs initiaux. Pour exemple, l'attribut 1 et l'attribut 2 ont respectivement 2 (A & B) et 3
modalités (X, Y & Z). Les seules combinaisons possibles sont AX, AZ et BX, BY. Par conséquent,
plutôt que d'interdire les combinaisons AY et BZ, la création d'un méta-attribut avec 4 modalités
(AX, AZ, BX & BY) est préférable. L'inconvénient de cette méthode est la perte d'information sur les
utilités et importance des attributs initiaux. C'est pourquoi il est nécessaire de juger s'il est capital de
les connaître dans le cadre d'un potentiel outil de simulation de parts de marché par exemple.
6) Le nombre de niveaux choisi pour un attribut peut avoir une influence sur les résultats. En effet il a
été montré dans la Littérature un "Number-of-levels effect" [43][102] qui est d'autant plus présent
pour les analyses conjointes MCD. La recommandation est d'avoir un nombre de niveaux équivalent
entre les attributs ou à minima conserver des nombres de niveaux proches. Il est important aussi de
limiter le nombre de niveaux pour les attributs dits quantitatifs (comme pourrait l'être l'efficacité du
vaccin dans cette étude). En effet il est préférable d'avoir plus d'informations à chaque point plutôt
que d'avoir moins de mesures sur plus de points quantitatifs. L'extrapolation est à éviter, cependant
l'interpolation entre les niveaux de l'attribut peut être possible si nécessaire.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
29
7) Les attributs qui ne peuvent être définis clairement par des mots se doivent d'être décrits par
multimédia. Cette recommandation ne concerne pas notre étude.
8) D'après l'expérience d’Orme et de son équipe (Sawtooth Software), les répondants ont des difficultés
à répondre lorsqu'il y a plus de 6 attributs en même temps lors d'une CBC (choice-based conjoint).
Ceci rejoint mon expérience et connaissances personnelles sur le chiffre de 7 informations différentes
(± 2) qui peuvent être traitées de façon simultanée par le cerveau humain. C'est d'ailleurs pour cela
que les échelles de Likert ont été construites en 7 points. L'ajout d'attributs supplémentaires aurait
comme conséquence la concentration du répondant sur uniquement quelques attributs les plus
importants et non sur l'ensemble.
En gardant cette directive en tête, et en me basant sur les croyances du Health Belief Model une revue de
littérature a été faite grâce à une recherche documentaire avec pour mots-clés : "vaccination", "analyse
conjointe", "conjoint analysis", "immunization", "vaccine", "factors", "characteristics", "coverage",
"attitude", "health belief model", "acceptability", "choice-based conjoint", "efficacy", "safety",
"elderly", "adults".
Ceci m'a permis d'établir une première liste d'attributs qui pourrait illustrer les facteurs entrant en
compte dans la décision de se faire vacciner ou non (nouveau vaccin) pour le patient adulte :
- La vulnérabilité à la maladie : prévalence de la maladie (fréquence de celle-ci)
- La gravité de la maladie : fréquence de cas graves parmi les personnes qui ont contracté la
maladie
- Des coûts liés à la réalisation du comportement : fréquence des effets indésirables graves,
gravité des effets indésirables graves, douleur ressentie à l'injection, nombre de doses nécessaires,
coût du vaccin à la charge du patient
- Des bénéfices liés à la réalisation du comportement : efficacité du vaccin, durée de
protection
- Des incitations à faire quelque chose : recommandation du médecin traitant, inscription au
calendrier vaccinal, communication gouvernementale dans les médias
- La motivation à la santé : pas un facteur dépendant du vaccin
- Contrôle perçu : type de vaccin (confiance du patient dans son organisme pour pouvoir combattre
un vaccin vivant par exemple)
Ce qui porte cette liste initiale à 13 attributs, ce qui conformément au point 8 de la directive d’Orme est trop.
Dans un premier temps, l'attribut "communication gouvernementale dans les médias" a été éliminé car il ne
ressort pas de la responsabilité du laboratoire pharmaceutique. Dans un second temps l'attribut "gravité des
effets indésirables graves" a été éliminé car bien qu'il y ait différentes formes de gravité [25], cet attribut était
redondant car l'information importante ici est que l'effet indésirable est grave et l'hypothèse a été faite qu'une
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
30
échelle de gravité sur cette caractéristique n'apporterait pas plus d'informations. Une simple description de ce
que pourrait être un effet indésirable grave a été jugée suffisante.
A partir de là, il ne restait plus que 11 attributs, ce qui reste trop important pour le répondant (et la
pertinence de ses réponses). Afin de réduire encore une fois le nombre d'attributs, l'intérêt s'est porté sur les
combinaisons impossibles de modalités d'attributs et donc la création d'un méta-attribut (cf. point 5 de la
directive d’Orme). Pour ce faire, je me suis basé sur les travaux du Dr Debacker [22] qui a réalisé des focus
group auprès de médecins afin d'établir des conditions impossibles d'existence de maladies, et éliminer des
rapports coûts-bénéfices trop défavorables à la vaccination. Ainsi l'idée est de créer un méta-attribut à partir
des attributs prévalence de la maladie, fréquence de cas graves de la maladie et fréquence des effets
indésirables graves du vaccin (EIG).
Si pour le premier, les modalités définies sont : maladie courante (prévalence de 1/1), maladie assez fréquente
(prévalence de 1/100), maladie rare (prévalence de 1/5 000),
le second : peu grave (1 cas /1 000 000), rarement grave (1 cas/1 000), souvent grave (1 cas/10), et le
troisième : effets indésirables graves exceptionnels (1 cas/50 millions) et effets indésirables graves fréquents (1
cas/50 000), on a alors 3*3*2=18 combinaisons possibles.
Tableau 1 - Elaboration du méta-attribut type de maladie et effets indésirables graves du vaccin
Prévalence Gravité
Effets
indésirables
graves
Conservé ou non
1/1 1/1 million 1/50 millions Conservé
1/1 1/1 million 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/1 1/1 000 1/50 millions Non conservé car ce type de maladie n'existe pas
1/1 1/1 000 1/50 000 Non conservé car ce type de maladie n'existe pas
1/1 1/10 1/50 millions Non conservé car ce type de maladie n'existe pas
1/1 1/10 1/50 000 Non conservé car ce type de maladie n'existe pas
1/100 1/1 million 1/50 millions Non conservé car rapport coût-bénéfices défavorables
1/100 1/1 million 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/100 1/1 000 1/50 millions Conservé
1/100 1/1 000 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/100 1/10 1/50 millions Non conservé car ce type de maladie n'existe pas
1/100 1/10 1/50 000 Non conservé car ce type de maladie n'existe pas
1/5 000 1/1 million 1/50 millions Non conservé car rapport coût-bénéfices défavorables
1/5 000 1/1 million 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/5 000 1/1 000 1/50 millions Non conservé car rapport coût-bénéfices présente un faible
intérêt
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
31
Pour précision, lorsque la justification pour rejeter la combinaison est que ce type de maladie n'existe pas, il
s'agit de son existence en France. La récente crise du virus Ebola en Afrique nous prouve qu'une maladie peut
être fréquente et grave.
La conclusion est la création d'un méta-attribut "type de maladie avec fréquence des effets indésirables graves
du vaccin" qui aura 4 modalités. Cette étape permet d'atteindre le chiffre de 9 attributs par profils.
De la même manière pour les deux attributs coût du vaccin à la charge du patient et inscription au calendrier
vaccinal. Concernant les modalités des coûts, les chiffres ont été déterminés selon un benchmark rapide des
coûts pratiqués actuellement (cf. Annexe 1) et le caractère impossible des combinaisons était définit selon la
définition du Service Médical Rendu de la Haute Autorité de Santé [40] :
Tableau 2 - Elaboration du méta-attribut inscription au calendrier vaccinal et coût encore à charge du patient
Inscription
au CV
Coût reste à
charge Conservé ou non
Oui 0€ Conservé
Oui 30€ Non conservé car impossible
Oui 100€ Non conservé car impossible
Non 0€ Non conservé car impossible
Non 30€ Conservé
Non 100€ Conservé
Ensuite, afin de toujours limiter le nombre de scénarii nécessaires pour respecter l'orthogonalité des attributs,
l'attribut "douleur ressentie à l'injection" a été supprimé. En effet, cet attribut peut être important pour les
vaccins pédiatriques car des vaccins s'injectent par voie orale, mais pour les adultes il est acquis qu'ils vont
recevoir une injection via une seringue. Grâce à cela j'ai fait l'hypothèse que cet attribut n'aura pas une grande
influence sur la décision de se faire vacciner.
Toujours dans cette optique, parmi les 7 attributs retenus, 3 d'entre eux (dosage du vaccin, durée de
protection et efficacité vaccinale [les modalités de l'efficacité ont été établies selon un benchmark des vaccins
existants [29], cf. Annexe 2]) ont vu réduire leur nombre de modalités à seulement 2 suite à des tests de
nombre de scénarii requis pour respect de l'orthogonalité. A la fin de cette étape, les attributs et modalités
retenus sont présentés dans le tableau suivant :
1/5 000 1/1 000 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/5 000 1/10 1/50 millions Conservé
1/5 000 1/10 1/50 000 Conservé
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
32
Tableau 3 - Attributs et modalités retenus pour l'étude
Attributs Modalités
Recommandation de
votre médecin
1. Recommandation active
2. Informe uniquement de l'existence du vaccin
3. N'aborde pas le sujet
Dosage du vaccin 1. 1 dose
2. 2 doses ou plus
Type de vaccin 1. Vaccin vivant atténué
2. Vaccin tué/inactivé
3. Vaccin recombinant avec adjuvant
Inscription au
calendrier vaccinal
1. Inscrit au calendrier vaccinal et entièrement remboursé
2. Non inscrit au calendrier vaccinal avec coût de 30 €
3. Non inscrit au calendrier vaccinal avec coût de 100 €
Durée de protection 1. 10 ans
2. 5 ans
Efficacité vaccinale 1. 60%
2. 80% ou plus
Type de maladie avec
fréquence des effets
indésirables du vaccin
1. Maladie courante (1/1) mais peu grave (1/1 million) - Effets
indésirables graves du vaccin exceptionnels (1/50 millions)
2. Maladie assez fréquente (1/100) mais rarement grave (1/1 000) - EI
graves du vaccin exceptionnels (1/50 millions)
3. Maladie rare (1/5 000) mais souvent grave (1/10) - EI graves du
vaccin fréquents (1/50 000)
4. Maladie rare (1/5 000) mais souvent grave (1/10) - EI graves du
vaccin exceptionnels (1/50 millions)
Choix du plan d'expérience
Si on se base sur le tableau précédent, on peut en déduire que le nombre de scénarii dans le cadre d'un plan
factoriel complet au total est de : 3*2*3*3*2*2*4 = 864. De plus comme notre objectif ici est de faire
comparer ces profils par paire, ceci offre (864*863)/2 = 372 816 paires potentielles. Il est évident que ce
chiffre est trop important pour que les répondants évaluent toutes les paires possibles. C'est pourquoi la
procédure Orthoplan du logiciel SPSS a été utilisé [93] (parmi d'autres [54]), et en respect des règles
d'orthogonalité a permis de limiter le nombre de profils à 16 sur les 864 qui composent le plan factoriel
complet. Cette procédure qui revient à rendre orthogonal le plan d'expérience, traduit le fait que chaque
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
33
niveau des attributs a la même probabilité d'être combiné avec chacun des autres niveaux [15][98]. De plus la
procédure Orthoplan permet de s'assurer théoriquement l'équilibre des niveaux, à savoir que chaque niveau
d'un attribut est présenté le même nombre de fois. Les 16 profils obtenus sont présentés ci-dessous. On
comprend alors que pour les attributs à 3 modalités, comme la recommandation du médecin, l’équilibre des
niveaux n’est pas respecté.
Tableau 4 - Plan factoriel fractionné suite procédure Orthoplan du logiciel SPSS
Profil Reco. du médecin
Dosage Type
vaccin
Reco. gouvernementale
et coût Durée Efficacité
Type de maladie et
EIG
1 0 1 2 1 1 1 2
2 0 1 0 0 1 1 0
3 2 0 2 2 0 1 0
4 0 0 0 1 0 1 3
5 1 0 0 0 0 1 2
6 0 1 0 2 0 0 3
7 2 1 1 0 1 1 3
8 1 1 0 2 1 1 1
9 2 0 0 1 1 0 1
10 1 1 1 1 0 0 0
11 1 0 2 0 1 0 3
12 0 1 2 0 0 0 1
13 0 0 0 0 1 0 0
14 0 0 1 0 0 1 1
15 0 0 1 2 1 0 2
16 2 1 0 0 0 0 2
Le fait de n'avoir que 16 paires à établir et à faire évaluer au répondant par la suite évite la tâche de devoir
splitter le plan factoriel pour ensuite le faire évaluer par des sous-échantillons. Le choix de ne pas vouloir
utiliser des sous-échantillons, quitte à devoir sacrifier certaines modalités dans les attributs, s'explique par la
difficulté à atteindre un nombre suffisant de répondants (qui auraient dû être doublé ou triplé dans le cas d'un
split), et de plus il aurait été difficile de garantir l'homogénéité des sous-échantillons. Enfin 16 paires restent
suffisant pour respecter les conditions d'identifiabilité qui imposent d'avoir un nombre d'observations
supérieur au nombre de paramètres à estimer [108]. En effet le nombre de paramètres à estimer ici est de : 19
(nombre total de modalités) – 7 (nombre d'attributs) = 12 paramètres à estimer soit 13 paires au minimum où
le répondant doit exprimer son choix.
Cette première étape réalisée, il est nécessaire dans le cadre d'une analyse conjointe basée sur le choix de
procéder à une deuxième étape qui est la constitution des paires. Pour ce faire, il faut chercher à maximiser le
déterminant de la matrice de produit croisé (cf. les fondements théoriques de l'analyse conjointe par mesure de choix
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
34
discret) afin d'obtenir la D-Optimalité. Lors de la constitution de ces paires d'alternatives, il est souhaitable de
suivre deux conditions [84] :
- L'équilibre des utilités : il faut s'assurer a priori qu'aucune des deux alternatives présentées ne domine
clairement l'autre.
- Le chevauchement minimal : les deux alternatives d'une même comparaison ne doivent pas afficher
les mêmes niveaux pour quelconque attribut. Dans cette recherche, le parti a été pris de ne pas
suivre stricto sensu cette règle au cas où certaines préférences lexicographiques entreraient en compte,
et afin de limiter l'épuisement cognitif (avoir 14 niveaux d'attributs différents à chaque paire
complique la tâche).
Street, Burgess et Louvière reprennent dans un article de 2005 [97] différentes procédures afin de construire
un plan optimal ou proche dans le cadre des expériences de choix. Malheureusement la procédure qu'eux
mettent en place (par incrémentation) pour fournir un plan optimal m'était impossible à réaliser avec les
logiciels à ma disposition. J'ai donc dû m'orienter vers une méthode qui sera peut-être moins bonne. Celle qui
m'a permis d'obtenir une D-efficacité la plus élevée, consiste de partir des 16 profils issus de la procédure
Orthoplan et de les redistribuer de manière aléatoire pour faire la paire. Ainsi par exemple le profil 1 sera
opposé au profil 7. Lorsque cette méthode est utilisée, il faut faire attention à ce qu'un même profil ne se
retrouve pas en double (le profil 14 opposé au profil 14), aucune information ne pourrait être tirée de cette
comparaison. Afin de calculer le déterminant de la matrice de produit croisé, il est nécessaire auparavant de
recoder les variables de sorte à ce que la somme de chaque colonne soit égale à 0 et que la modalité minimale
soit égale à -1 et la modalité maximale soit égale à 1. Pour exemple un attribut à 2 modalités sera recodé -1;1,
un attribut à 3 modalités
-1;0;1, et un attribut à 4 modalités -1;-1/3;1/3;1. A la suite d'essais de distribution aléatoire de profils sur le
logiciel Excel, j'ai pu atteindre une D-efficacité de 68% en appliquant cette formule (cf. les fondements théoriques
de l'analyse conjointe par mesure de choix discret) :
Ici, le nombre d'effets de facteurs est de 14 (p) : 7 attributs * 2 (14 colonnes de X), et N est égal à 16 (16
alternatives possibles).
Ce chiffre de 68% qui bien qu'éloigné des 100% pour atteindre une D-Optimalité (théorique) reste bon. Tout
comme le confirme la matrice de corrélation où l'ensemble des corrélations restent inférieures à 0,5.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
35
Afin de pouvoir vérifier les conditions d'application de l'analyse conjointe MCD, 3 comparaisons ont été
ajoutées au design de l'étude. A savoir une comparaison évidente afin de vérifier le caractère monotone des
préférences, et deux autres comparaisons supplémentaires afin de vérifier la transitivité des réponses, en
complément d'une paire déjà établie pour le calcul des estimations des utilités partielles (cf. Annexe 3). Ce qui
fait qu'au total chaque répondant aura 19 expériences de choix. Ce qui d'après Johnson et Orme [48] devrait
limiter le potentiel épuisement cognitif car selon les résultats de leur recherche la validité interne de l'analyse
conjointe reste inchangée jusqu'à 20 expériences de choix [48].
Recueil des données
Echantillon
Il n'existe pas réellement de règles statistiques établies pour calculer un nombre minimal de répondants pour
permettre une analyse conjointe par mesure de choix discret [15]. Cependant quelques formules apparaissent
de manière empirique, dont celle-ci qui garantit qu'en moyenne chacun des niveaux d'attributs apparaîtra 500
fois dans les profils présentés. Dans la formule suivante, n = nombre de répondants, t = nombre d'expérience
de choix, a = nombre d'alternatives dans chaque expérience, c = le nombre maximal de niveaux par attribut
(soit que des nombres positifs) :
Il sera donc nécessaire dans cette étude d'atteindre un échantillon d'au moins 63 personnes. Ma méthode
d'échantillonnage sera non-probabiliste pour des raisons de praticité et de coûts. Elle se résumera à solliciter
mes proches, en espérant obtenir un échantillon relativement hétérogène qui tendrait vers une représentativité
utopique de la population française.
Tableau 5 - Matrice de corrélation entre les attributs des profils composant les paires de comparaison
Reco Admin Type Gouv Durée Effic Malad Reco_o2 Admin_o2 Type_o2 Gouv_o2 Durée_o2 Effic_o2 Malad_o2
Reco 1,0 0,0 0,0 0,0 0,0 0,0 0,0 -0,2 -0,2 0,2 -0,2 0,0 0,2 0,0
Admin 0,0 1,0 0,0 0,0 0,0 0,0 0,0 0,0 -0,3 0,0 0,0 0,3 0,0 -0,3
Type 0,0 0,0 1,0 0,0 0,0 0,0 0,0 0,1 0,3 -0,4 -0,4 -0,2 -0,2 -0,1
Gouv 0,0 0,0 0,0 1,0 0,0 0,0 0,0 0,2 -0,2 0,1 0,2 -0,2 -0,3 -0,2
Durée 0,0 0,0 0,0 0,0 1,0 0,0 0,0 -0,2 0,0 0,0 -0,3 0,0 0,0 0,2
Effic 0,0 0,0 0,0 0,0 0,0 1,0 0,0 -0,2 -0,3 0,0 0,0 0,3 0,0 -0,1
Malad 0,0 0,0 0,0 0,0 0,0 0,0 1,0 0,3 -0,4 0,1 0,1 0,1 0,1 0,2
Reco_o2 -0,2 0,0 0,1 0,2 -0,2 -0,2 0,3 1,0 0,0 0,0 0,0 0,0 0,0 0,0
Admin_o2 -0,2 -0,3 0,3 -0,2 0,0 -0,3 -0,4 0,0 1,0 0,0 0,0 0,0 0,0 0,0
Type_o2 0,2 0,0 -0,4 0,1 0,0 0,0 0,1 0,0 0,0 1,0 0,0 0,0 0,0 0,0
Gouv_o2 -0,2 0,0 -0,4 0,2 -0,3 0,0 0,1 0,0 0,0 0,0 1,0 0,0 0,0 0,0
Durée_o2 0,0 0,3 -0,2 -0,2 0,0 0,3 0,1 0,0 0,0 0,0 0,0 1,0 0,0 0,0
Effic_o2 0,2 0,0 -0,2 -0,3 0,0 0,0 0,1 0,0 0,0 0,0 0,0 0,0 1,0 0,0
Malad_o2 0,0 -0,3 -0,1 -0,2 0,2 -0,1 0,2 0,0 0,0 0,0 0,0 0,0 0,0 1,0
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
36
Questionnaire
Afin de pouvoir contacter le plus grand nombre en un minimum de temps et en un minimum de coûts, le
mode d'administration choisi pour cette étude a été une méthodologie CAWI (Computer Assisted Web-
Interviewing). De plus celle-ci permet d'avoir une meilleure lisibilité et clarté pour cet exercice de l'analyse
conjointe. L'outil utilisé a été Google Forms qui présente l'avantage d'intégrer les réponses directement dans
un fichier Excel et d'être gratuit. Malheureusement il présente aussi certains inconvénients comme
l'impossibilité d'intégrer une rotation aléatoire entre les questions. Autrement dit afin d'éviter un potentiel
effet d'ordre [6] sur la présentation des paires de profils, j'ai dû créer 3 chemins différents afin que chaque
paire d'alternatives apparaisse une fois en début, une fois en milieu et une fois en fin de questionnaire. Afin de
répartir les répondants entre ces 3 chemins possibles, une question préambule leur sera posée à savoir le
nombre des minutes affiché à leur horloge d'ordinateur. Ainsi, si le hasard fait bien les choses, on peut espérer
une répartition équivalente entre les chemins.
Dans le but de faire rentrer progressivement les répondants dans le sujet, et donc de ne pas les brusquer trop
rapidement en les lançant directement dans l'exercice de l'analyse conjointe MCD (technique de l'entonnoir)
[80], des questions génériques sur la vaccination leur étaient posées en début de questionnaire (opinions et
expérience de la vaccination en tant qu'adultes). Et à la fin de celui-ci des questions d'ordre signalétique leur
étaient posées, afin de fournir des variables sociodémographiques pour une potentielle segmentation.
Afin de s'assurer de la pertinence des réponses obtenues, une question sur la difficulté du questionnaire leur
était posée en fin d'exercice de l'analyse conjointe (question sur une échelle de note de 1 à 10, 10 étant une
très grande difficulté).
Pour vérifier l'existence de préférences lexicographiques chez les répondants, une question leur était posée en
fin de questionnaire "Quelles sont selon vous les 2 attributs les plus importants pour prendre votre décision
?". Ainsi, un répondant était considéré comme ayant utilisé des préférences lexicographiques si toutes les
alternatives choisies présentaient les meilleurs niveaux des 2 attributs jugés les plus importants (l'impossibilité
de faire un classement sur Google Forms ne permettant pas de distinguer l'attribut jugé le plus important du
deuxième).
Enfin, pour s'assurer de la stabilité et de la transitivité des réponses de manière simultanée, les 3 paires
d'alternatives étaient présentées en 1ère position, une en milieu de questionnaire, et la 3e en 19e position
(l'ordre des paires changeaient selon le chemin définit pour le répondant). Grâce à cette répartition dans le
questionnaire, ceci me permettait de faire l'hypothèse qu'un individu qui possède des réponses transitives
aurait aussi une stabilité dans ses réponses. Concernant le caractère monotone des préférences de l'interviewé,
la paire de comparaison évidente des alternatives était présentée en milieu de questionnaire.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
37
Méthodes d'analyse
Modèle agrégé vs approche Bayésienne hiérarchique
L'une des contraintes de l'analyse conjointe par mesure de choix discret est que les estimations ne peuvent se
faire que de façon agrégée à partir des méthodes de maximum de vraisemblance en principe. Cette contrainte
oblige à supposer l'homogénéité des préférences dans la population, ce qui est rarement le cas. C'est pourquoi
d'autres méthodes ont été développées : le modèle par classes latentes (LC) et l'approche Bayésienne
hiérarchique (HB) en sont les principaux, d'autres méthodologies peuvent cependant être utilisées [52][55]. La
première méthode (LC) ne permet pas l'analyse individuelle mais arrive à déterminer des groupes de
répondants qui ont une structure proche. Comme les études montrent des résultats moins bons que par
l'approche HB [5][63], cette méthode n'a pas été choisie pour ce travail. Pour en savoir plus, la lecture de ces
articles ou cours permettra de comprendre plus en détails cette méthode [9][36][46][53][65][72]. Pour rappel
concernant la seconde méthode qui est l'approche HB, le théorème de Bayes se construit comme suit [49] :
Autrement dit ce sont des probabilités conditionnelles, où on peut déterminer la probabilité de A sachant B si
la probabilité de B sachant A, la probabilité de A et la probabilité de B sont connues. Un autre point développé
dans ses travaux de la théorie de Bayes est qu'une probabilité peut être déterminée à partir d'observations dans
une expérience mais aussi par les paramètres liés à cette probabilité.
En repartant de la formule du logit multinomial (cf. les fondements théoriques de l'analyse conjointe par mesure de
choix discret) [12]:
Dans l'approche MNL le vecteur β est supposé fixe dans la population, alors que l'une des solutions est de
considérer ce vecteur comme suivant une loi de probabilité dans la population (une loi Normale par exemple).
Soit la formule précédente deviendrait [27]:
En se reposant sur le principe du Théorème de Bayes, les estimations initiales de probabilité pourraient être
révisées par les informations fournies par les données pour obtenir des estimations de probabilités
postérieures. Plus concrètement l'approche Bayésienne hiérarchique se nomme ainsi car elle se déroule en
deux niveaux [28][96] :
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
38
- Au niveau supérieur, l'hypothèse est faite que les estimations individuelles suivent une loi multivariée
de distribution normale avec comme annotation :
Où α est le vecteur des tendances centrales des distributions des estimations individuelles,
Et D est une matrice de variance-covariance de la distribution des estimations individuelles.
- Au niveau inférieur, il s'agit de la formule de logit multinomiale précédente :
Les facteurs à déterminer sont donc le vecteur β pour chaque individu, le vecteur α et la matrice de variance-
covariance D.
L'estimation des paramètres se fait selon un processus itératif qui est robuste et qui ne dépend pas des valeurs
initiales. Cependant pour accélérer le processus, il peut être conseillé de mettre des valeurs initiales proches
des valeurs finales. Quoiqu'il en soit les différentes étapes de ce processus sont :
Estimation initiale de βn qui est égal aux paramètres du modèle logit multinomial agrégé.
Estimation initiale de α qui est la tendance centrale de βn.
Estimation initiale de D qui consiste à faire la matrice de variance-covariance du MNL agrégé.
Une fois les estimations initiales faites, chaque itération suit l'algorithme d'échantillonnage de Gibbs (Gibbs
sampling, un autre nom est Monte Carlo Markov Chain) qui permet aux nouvelles estimations calculées de
converger vers les distributions exactes de ces paramètres. Chaque itération se réalise selon ces trois étapes :
Utiliser les estimations de βn et de D pour calculer une nouvelle estimation de α, en supposant que α
est distribué selon une loi normale avec sa moyenne égale à sa tendance centrale.
Utiliser les estimations de α et βn pour générer une nouvelle estimation de D selon la distribution de
la loi de Wishart inverse [110].
Utiliser les estimations de D et de α pour calculer une nouvelle estimation de βn selon la procédure
de l'algorithme de Metropolis-Hastings [14] qui est une méthode de Monte Carlo par Chaînes de
Markov. Lors de l'utilisation de cet algorithme, βold symbolise l'ancienne estimation de βn et βnew la
nouvelle. Le résultat du test consiste alors à savoir si cette nouvelle estimation représente une
amélioration ou pas. Afin de calculer βnew il est nécessaire d'ajouter un vecteur aléatoire d de
différences d'une distribution avec une tendance centrale égale à 0 et une matrice de variance-
covariance proportionnelle à D. Soit βnew = βold + d
Ensuite la probabilité de choix est calculée selon la formule du niveau inférieur (le MNL) pour βnew et
βold, ce qui nous donne respectivement pold et pnew. Puis les densités relatives des distributions de βnew
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
39
et βold sont calculées à partir des estimations actuelles de D et α, pour donner respectivement dold
et dnew. Selon la formule suivante :
Qui permet ensuite de calculer le ratio r :
Si ce ratio r est supérieur à 1 alors la nouvelle estimation de β a une plus grande probabilité que la
précédente et par conséquent βnew est accepté. Et si r est inférieur à 1 alors βnew est accepté mais avec
une probabilité égale à r.
Cette méthode a déjà prouvé sa valeur ajoutée dans des recherches marketing classiques [27][96] mais aussi
dans le domaine de la vaccination avec des résultats concluants [43][89].
Classification ascendante hiérarchique
Dans le cadre d'une segmentation deux approches s'opposent, la première est à visée explicative qui est une
segmentation a priori (segmentation du χ² ou Automatic Interaction Detection), la seconde est à visée
descriptive qui est une segmentation a posteriori (analyse typologique). Dans le cadre de cette étude, comme il
n'y a pas d'hypothèses préalables comme quoi certains critères sociodémographiques auraient une influence sur
les facteurs déterminants dans le choix de se faire vacciner ou non pour le patient, une approche exploratoire
est requise. Par conséquent la méthode de segmentation se fera a posteriori via une analyse typologique sur les
estimations des utilités individuelles.
Ce qui caractérise l'analyse typologique est la notion de distance. La distance la plus utilisée en statistiques et
notamment pour les classifications est la distance euclidienne [7], il s'agit de la distance "à vol d'oiseau" entre
deux points. Elle se calcule à partir des valeurs centrées réduites des variables selon la formule suivante :
dij = distance euclidienne entre les individus i et j
p = nombre de variables
xik = valeur centrée réduite de la variable k pour l'individu i
xjk = valeur centrée réduite de la variable k pour l'individu j
Afin de donner un poids plus important à des valeurs plus extrêmes, le carré de la distance euclidienne peut
être utilisé. Une autre distance qui peut être employée lors d’une classification ascendante hiérarchique, est la
distance de Manhattan. Elle se nomme ainsi en l’hommage des taxis New Yorkais qui doivent se déplacer
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
40
parmi les rues à angle droit dans l’arrondissement de Manhattan. L’autre nom de cette distance est la distance
en bloc. En effet pour la calculer il est nécessaire d’additionner les valeurs absolues des distances sur les
variables. Ce qui lui permet d’éviter d’augmenter le poids de valeurs extrêmes potentielles. Sa formule est
donc [105] :
Pour schématiser ces distances (Euclidienne et de Manhattan), prenons deux points A et B :
Figure 12 - Schéma des distances euclidiennes et de Manhattan
La distance de Manhattan sera de 6 + 6 = 1+1+1+1+1+1+1+1+1+1+1+1 = 5+2+4 =12 (en rouge, bleue
ou jaune), alors que la distance euclidienne sera la racine carrée de 6²+6² 8,5. Comme la logique le veut la
distance de Manhattan est donc plus importante.
Une autre distance encore, qui peut être utilisée par la classification ascendante hiérarchique est la distance de
Tchebychev. Cette distance se calcule par la différence maximale entre deux points sur une seule de leur
dimension. Concrètement un individu qui se distinguera beaucoup des autres sur une seule caractéristique sera
plus distant des autres qu’un individu qui se distingue un petit peu sur beaucoup de variables. Pour prendre
exemple, si on se base sur une population d’individus où les moyennes de leur taille et masse sont de 180cm et
70kg, un individu qui ferait 195cm et 70kg serait plus distant des autres qu’un individu qui ferait 185cm et
80kg. Sa formule de calcul est la suivante [106] :
A partir de là une matrice des distances ou matrice de proximité peut être construite. Cette matrice permettra
d'appliquer un algorithme pour constituer les groupes de répondants. Celui utilisé dans le cadre de cette
A
B
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
41
recherche sera l'algorithme de classification ascendante hiérarchique, où la méthode la plus couramment
utilisée est celle du "voisin moyen" (plus adaptée pour un petit échantillon que la méthode de Ward par
exemple). Cette méthode consiste à affecter un individu à un groupe en fonction de la distance moyenne entre
lui et les membres du groupe. S'il y a plusieurs groupes, les groupes formés seront ceux où la distance
moyenne entre les individus est la plus faible. La procédure consiste à dire qu'à l'étape initiale chacun des
individus constituent un groupe à lui seul, à l'étape 1 un premier groupe est constitué à partir des individus les
plus proches, et ainsi de suite jusqu'à l'étape finale où il n'y a plus qu'un seul groupe. Le choix du nombre de
groupe pertinent se fait par rapport à la distance de fusion, la solution à conserver est celle qui précède le saut
de distance le plus important. Une fois cette étape réalisée, il est nécessaire de vérifier si les groupes sont bien
différenciés sur les estimations des utilités partielles par groupe (dans le cadre de cette étude) et de les décrire
pour voir si une application concrète en marketing peut être appliquée. En effet, des différences autres que
comportementales doivent apparaître entre les groupes pour pouvoir rendre les individus "palpables". Une
variable comportementale étant non palpable, il serait impossible de distinguer simplement et rapidement les
individus entre afin de mener une action marketing sur tel ou tel segment.
Résultats
Administration du questionnaire
Suite à la diffusion du lien permettant d’accéder au questionnaire en ligne sur des réseaux personnels,
professionnels et par la sollicitation de l’aide de ma tutrice et de ma maître de stage, 71 réponses exploitables
ont été obtenues entre le 22/07/2014 et le 28/07/2014.
Respect des conditions d’applications
Monotonicité
Afin de s’assurer de la monotonicité des réponses, une comparaison d’alternatives évidentes avait été ajoutée
(cf. Annexe 3). A la lecture des résultats 57 individus présentent des réponses monotones, 13 ne présentent pas
de résultats conclusifs au test et 1 seul présente des réponses non monotones. Par conséquent cet individu a
été retiré de l’échantillon pour l’analyse.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
42
Stabilité et transitivité
Pour vérifier la transitivité et par la même occasion la stabilité des réponses fournies par les interrogés, 3
paires d’alternatives étaient utilisées (placé en 1ère place, au milieu et en 19e place dans l’exercice de l’analyse
conjointe). A la lecture des résultats, seulement 3 individus présentent des réponses non transitives, ils sont
donc retirés de l’échantillon.
A l’issue des vérifications des conditions d’applications de l’analyse conjointe par mesure de choix discret, 67
répondants sont analysables. Ce qui est satisfaisant d’après l’estimation faite d’un besoin minimum de 63
répondants (cf. Recueil des données – Echantillon).
Préférences lexicographiques
A la fin du questionnaire, il était demandé aux répondants d’indiquer les deux attributs qu’ils jugeaient les plus
importants dans leur décision de se faire vacciner. Cette question avait pour unique but d’identifier les
individus ayant des préférences lexicographiques. Comme l’outil Google Forms ne permet pas de distinguer
l’ordre, les proportions suivantes concernent la position des attributs comme les deux les plus importants :
Figure 13 - Proportion des attributs jugés les plus importants par les répondants
A partir de cette information, les individus étaient considérés comme ayant des préférences lexicographiques,
quand leurs choix de vaccin se portaient sur les alternatives offrant les meilleurs niveaux sur les deux attributs
qu’ils jugent les plus importants (impossibilité de différencier l’ordre et par conséquent de se baser sur le plus
important). A la lecture des résultats seulement 7 personnes présentent cette caractéristique soit 10,4% de
l’effectif final. Ces individus ont été conservés dans l’échantillon malgré la perte de précision que ça
occasionne sur le calcul de leurs utilités partielles (de l’information est acquise sur les autres attributs
29%
23%
17%
13%
8%
7%
1%
Recommandation
Type de maladie et EIG
Inscription et coût
Efficacité
Type de vaccin
Durée
Administration
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
43
uniquement quand les deux alternatives présentent les meilleurs niveaux sur les deux attributs les plus
déterminants selon le répondant). Ce choix s’explique par la spécificité de l’élément qui est évalué (un
vaccin), élément qui reste complexe à appréhender. De plus ces réponses ne sont pas fausses, car on peut
supposer que ces individus ont le même comportement dans la vie réelle.
Pertinence des réponses
Dans l'objectif de mesurer la pertinence des réponses, et par conséquent la compréhension de l'exercice, une
question sur la difficulté du questionnaire était posée aux répondants. Les résultats de cette question nous
indiquent que les répondants ont trouvé en moyenne le questionnaire assez difficile
( ), et plus d'un quart de l'échantillon l'ont trouvé très difficile (27%
ont mis une note de difficulté ≥ 8). La pertinence des réponses de cette recherche peut être remise en cause à
la lecture de ces résultats, mais les valeurs ne sont pas suffisamment fortes pour pouvoir l'affirmer.
Population
Dans un premier temps, les 3 chemins définis pour s’éviter l’effet d’ordre dans l’exercice de l’analyse
conjointe ont été équitablement répartis avec un seuil de risque de 5%, par conséquent le hasard a bien fait les
choses (principe de la Loi des grands nombres en probabilité). Concernant la description, 72% des répondants
sont des femmes et la moyenne d’âge de l’échantillon est de 30,5 ans. Les répondants disent avoir une
connaissance plutôt modérée de la vaccination ( ), seulement 15% de
l’effectif pensent avoir une très bonne connaissance de la vaccination (note supérieure ou égale à 8/10). Pour
autant 87% des répondants se sont déjà faits vaccinés au moins une fois depuis qu’ils ont 18 ans. Le vaccin le
plus courant est le rappel pour la Diphtérie, le Tétanos et la Poliomyélite (66% des répondants ont déjà eu ce
vaccin de rappel depuis leur 18ans).
D’après les résultats de cette étude, seulement 6% de l’effectif dit avoir un avis peu favorable à l’égard de la
vaccination, tandis que 25% se disent très favorable. Ceci va dans l’optique de confirmer l’hypothèse 3 comme
quoi les français conserveraient une bonne opinion de la vaccination malgré les controverses, mais cette
hypothèse ne peut être que partiellement vérifiée car l’effectif de cette recherche n’est pas représentatif de la
population française (en sexe, en âge ou même en CSP avec une surreprésentation étudiante).
Pour plus de précision sur les résultats des caractéristiques sociodémographiques, se reporter à l'annexe 4.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
44
Facteurs déterminants dans la décision de se faire vacciner
Spécificités de la méthode d’analyse
Lors d’une analyse conjointe par mesure de choix discret avec une approche Bayésienne hiérarchique,
certaines conditions doivent être fixées a priori. L’une d’elle est la contrainte du modèle de régression
logistique pour les réponses multinomiales (MNL). Cette méthode consiste à relier la présence ou l’absence
d’un événement (choix de l’alternative dans notre cas) à des variables explicatives (paramètres) [115]. Ici la
contrainte à appliquer est que la somme des paramètres du modèle se doit d’être nulle. Ainsi la moyenne de la
variable expliquée sera égale à la constante du modèle. Une autre condition à appliquer est le degré de
convergence que l’on souhaite atteindre. Pour l’objectif de ce mémoire mon objectif optimal serait que les
itérations du modèle atteignent une convergence de 1‰ afin d’avoir des résultats très proches de la réalité.
Malgré une procédure lourde (1126 secondes d’analyse soit environ 19 minutes) avec 200.000 itérations dont
une période de chauffe (burn-in) de 10.000 itérations, le modèle n’a pu converger qu’à 1.2% soit 12‰. Ce
chiffre reste bon, mais nous indique que les utilités partielles estimées sont plus éloignées que ce qui pouvait
être envisagé. Avec les outils à ma disposition pour cette analyse (Add-on XLStat pour le logiciel Microsoft
Excel), une procédure plus lourde aurait été difficile, voire impossible à mettre en place.
En résumé :
Caractéristiques de l’analyse conjointe par l’approche Bayésienne hiérarchique
Contraintes Somme(ai)=0
Convergence 0.001
Période de chauffe 10000
Temps passé 1126s
Itérations 200000
Description de la distribution des utilités partielles
L’une des hypothèses sur laquelle repose l’approche Bayésienne hiérarchique est de supposer que le vecteur β
suit une loi de probabilité dans la population (et plus particulièrement une loi normale comme dit
précédemment). De plus l’information sur la distribution des utilités partielles permettra de s’assurer d’une
certaine hétérogénéité potentielle parmi les répondants et de choisir la bonne méthode de calcul des distances
pour la classification ascendante hiérarchique ensuite. Les tests de Kolmogorov-Smirnov [113] qui consistent à
comparer la distribution d’une variable cible à la distribution d’une variable référence (une Loi de probabilité
généralement) ont été appliqués. Les lois testées, étaient la loi Normale, la loi uniforme continue [111] et la
loi de Poisson. Les résultats du test de la loi Normale sont non-significatifs, ce qui signifie que l’on ne peut
rejeter l’hypothèse nulle (H0 : les deux distributions sont similaires, soit elles proviennent de la même loi),
par conséquent les utilités partielles suivent bien une loi Normale.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
45
Tableau 6 - Résultats du test de Kolmogorov-Smirnov sur la distribution des utilités partielles individuelles par rapport à une distribution d'une loi Normale
reco_inform reco_active reco_pasaborde
admin_1dose admin_2doses
type_recomb
N 67 67 67 67 67 67
Z de Kolmogorov-Smirnov
,775 ,754 ,576 ,586 ,586 ,388
Signification asymptotique (bilatérale)
,586 ,620 ,895 ,883 ,883 ,998
type_tue type_vivant gouv_100eur gouv_30eur gouv_gratuit duree_5ans
N 67 67 67 67 67 67
Z de Kolmogorov-Smirnov
,815 ,402 ,504 ,421 ,545 ,627
Signification asymptotique (bilatérale)
,520 ,997 ,961 ,994 ,927 ,827
duree_10ans
effic_60 effic_80 malad_EIExc malad_EIG malad_courante malad_frequente
N 67 67 67 67 67 67 67
Z de Kolmogorov-Smirnov
,627 ,494 ,494 ,745 ,732 ,536 ,427
Signification asymptotique (bilatérale)
,827 ,968 ,968 ,635 ,657 ,936 ,993
a. La distribution à tester est gaussienne.
b. Calculée à partir des données.
Ce qui se confirme d’après une visualisation graphique, avec pour exemple :
A partir de ces résultats, on peut supposer une certaine hétérogénéité des utilités partielles individuelles
estimées dans l’échantillon.
Figure 14 - Représentation graphique de la distribution des utilités partielles individuelles avec illustration d'une loi Normale correspondant
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
46
Classification et description
Méthode retenue pour la CAH
Compte-tenu des objectifs de cette recherche, de la taille de l’échantillon et de la distribution des variables des
utilités partielles individuelles estimées, une classification ascendante hiérarchique (CAH) réalisée à partir des
distances de Tchebychev semble plus pertinente. En effet cette classification permettra plus aisément
d’identifier les profils qui se distinguent beaucoup des autres sur l’une ou l’autre des utilités partielles
estimées. Ainsi une classification par cette méthode permettra certainement d’avoir un nombre de groupes
d’individus plus importants, et par conséquent permettra de mieux appréhender les différences présentes
entre les personnes.
A l’issue de cette analyse, la solution avec 4 groupes est la plus adéquate en se référant au saut de distance de
fusion le plus important :
Etape
Regroupement de classes
Coefficients
Etape d'apparition de la classe
Etape suivante
Saut de distance de fusion Classe 1 Classe 2 Classe 1 Classe 2
… 62 2 5 2,345 58 48 63 0,04
63 2 9 2,389 62 54 66 0,20
64 1 12 2,590 60 61 65 0,09
65 1 3 2,675 64 56 66 0,16
66 1 2 2,832 65 63 0
Figure 15 - Version raccourci de la chaîne des agrégations
Une fois cette classification en 4 groupes faite, il est nécessaire de s’assurer que les groupes sont bien
différenciés sur les variables explicatives (variables d’utilités partielles). Compte-tenu du faible effectif dans
chaque classe, le test non-paramétrique de Kruskal-Wallis [94] est à préférer par rapport à l’analyse de
variance traditionnelle (ANOVA) (voir le calcul de la statistique dans la partie suivante Description détaillée des
groupes).
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
47
Tableau 7 - Résultats des tests de Kruskal-Wallis selon les classes définies suite à la CAH
reco_inform reco_active reco_pasaborde admin_1dose admin_2doses type_recomb Khi-deux 15,563 27,163 36,816 36,258 36,258 25,850
ddl 3 3 3 3 3 3
Signification asymptotique
,001 ,000 ,000 ,000 ,000 ,000
type_tue type_vivant gouv_100eur gouv_30eur gouv_gratuit duree_5ans
Khi-deux 40,892 36,942 8,535 30,283 22,294 30,356
ddl 3 3 3 3 3 3
Signification asymptotique
,000 ,000 ,036 ,000 ,000 ,000
duree_10ans effic_60 effic_80 malad_EIExc malad_EIG malad_courante malad_frequente
Khi-deux 30,356 35,423 35,423 25,606 32,130 43,858 14,517
ddl 3 3 3 3 3 3 3
Signification asymptotique
,000 ,000 ,000 ,000 ,000 ,000 ,002
a. Test de Kruskal Wallis
L’ensemble des résultats des tests sont significatifs, par conséquent pour chacun d’eux l’hypothèse nulle (H0 :
les échantillons ne sont pas différents) peut être rejetée avec un seuil de risque inférieur à 5%. Plus
précisément, ceci signifie qu'au moins un des échantillons est différent des autres. La typologie définie suite à
cette CAH est donc bien réelle, les utilités partielles estimées sont bien différentes selon les groupes. En
conclusion de ces résultats, on peut constater qu’il existe bien une hétérogénéité des préférences lors de la
décision de se faire vacciner. Ainsi, l’hypothèse 1 de cette recherche (Les individus n ont pas tous la même
approche dans leur décision concernant la vaccination) est validée.
Description détaillée des groupes
Il a été démontré précédemment qu'il existait bel et bien 4 segments différents de patients concernant les
facteurs déterminants de leur vaccination.
Tableau 8 - Répartition des individus parmi les groupes
Groupe Effectif Proportion
Numéro 1 12 18%
Numéro 2 34 51%
Numéro 3 9 13%
Numéro 4 12 18%
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
48
A la lecture de ces effectifs, on peut en conclure que la moitié de l'échantillon présente des préférences
homogènes, et que l'autre moitié est (presque) équitablement répartie en 3 groupes. Ces résultats pourraient
sembler logique comme il a été prouvé que les distributions des utilités partielles individuelles suivent une loi
Normale (forte concentration de valeurs autour de la tendance centrale : 95% des valeurs se trouvent à ±1,96
écart-type). Cependant bien que sur chaque variable une majorité des individus sont proches, ça ne veut pas
pour autant dire que ce sont toujours les mêmes.
Un schéma récapitulatif des utilités partielles estimées pour chacun des groupes (moyenne des utilités
partielles des individus qui les composent) est présenté ci-dessous :
Cette première lecture graphique permet d'avoir une tendance sur les caractéristiques de chacun des groupes
en termes d'utilités partielles et donc des niveaux qui augmentent la probabilité de choix du vaccin, mais aussi
en terme d'importance de par une visualisation de l'étendue des utilités estimées. Néanmoins une simple
lecture graphique ne permet pas une analyse rigoureuse. Il a été démontré dans la sous-partie précédente que
les groupes étaient bien différenciés sur toutes variables (Test de Kruskal-Wallis significatifs, rejet de
l'hypothèse nulle qui stipule l'égalité des rangs entre les échantillons), ce qui rend possible l'analyse post-hoc
afin de comparer les groupes paire par paire. Lors d'une analyse paramétrique de variance (ANOVA), le test
permettant cette comparaison est le test de Tukey [114], dans le cas de cette étude il est nécessaire d'utiliser
un équivalent non-paramétrique. Les trois principaux sont les tests de Nemenyi-Damico-Wolfe-Dunn [13], de
Dwass-Steel-Chritchlow-Fligner [94] et de Conover-Inman [24][94]. La procédure de Nemenyi bien que
simple n'a pas été retenue car il est nécessaire de respecter la contrainte qui est que les effectifs des
échantillons à tester soient de même taille, ce qui n'est pas le cas ici. Parmi les deux techniques restantes, le
choix du test de Conover-Inman a été fait car il s'agit du test qui a l'approche la plus intuitive par rapport à ce
-90.0000
-70.0000
-50.0000
-30.0000
-10.0000
10.0000
30.0000
50.0000
70.0000
90.0000
110.0000 Gr1 Gr2 Gr3 Gr4
Figure 16 - Utilités partielles estimées selon les groupes issus de la CAH
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
49
qui est réalisé en test paramétrique. En effet cette approche correspond à un test de Student réalisé sur des
rangs (suit une distribution de Student par conséquent). Le contraste est considéré comme significatif lorsque :
Ri est la somme des rangs pour l'échantillon i, ni est l'effectif de l'échantillon i (identiquement pour Rj
et nj,
t est un quantile d'une distribution de Student avec N-k degrés de liberté (N étant la somme des
effectifs de l'échantillon i et j et k le nombre d'échantillons) et un seuil de risque α,
H correspond à la statistique du test de Kruskal-Wallis :
L'hypothèse nulle (H0) de ce test est : les paramètres des échantillons ne sont pas différents. Par conséquent si
le test est significatif (p < à la correction de Bonferroni [méthode pour corriger le seuil de significativité lors
de comparaisons multiples]), ceci veut dire que l'on peut rejeter l'hypothèse nulle (H0) avec un seuil de risque
d'erreur de moins de x% et donc que les paramètres des échantillons sont bien différents.
- Comparaison des utilités partielles des groupes de reco_informa
Reco-
Inform | 1 Reco-
Inform | 2 Reco-
Inform | 3 Reco-
Inform | 4
Reco-Inform | 1 1 0,068 0,000 1,000
Reco-Inform | 2 0,068 1 0,005 0,068
Reco-Inform | 3 0,000 0,005 1 0,000
Reco-Inform | 4 1,000 0,068 0,000 1
Niveau de signification corrigé de Bonferroni : 0,0083
Sur le niveau de recommandation où le médecin informe uniquement, le groupe 3 se distingue des 3 autres.
En effet seul ce groupe est influencé positivement sur leur choix de vaccination par ce niveau, pour les autres
ceci aura plutôt pour effet de ne pas choisir la vaccination.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
50
- Comparaison des utilités partielles des groupes de reco_active
Reco-active
| 1 Reco-active
| 2 Reco-active
| 3 Reco-active
| 4
Reco-active | 1 1 0,108 0,510 0,000
Reco-active | 2 0,108 1 0,029 < 0,0001
Reco-active | 3 0,510 0,029 1 0,003
Reco-active | 4 0,000 < 0,0001 0,003 1
Niveau de signification corrigé de Bonferroni : 0,0083
L'utilité partielle estimée pour la recommandation active du médecin traitant est différente pour le groupe 4
par rapport aux 3 autres. Celle-ci est en effet beaucoup plus forte pour ce groupe, ce qui fait de la
recommandation active du médecin un niveau essentiel de cet attribut pour ce groupe.
- Comparaison des utilités partielles des groupes de reco_pasaborde
Reco-pasaborde |
1
Reco-pasaborde |
2
Reco-pasaborde |
3
Reco-pasaborde |
4
Reco-pasaborde | 1 1 0,644 < 0,0001 < 0,0001
Reco-pasaborde | 2 0,644 1 < 0,0001 < 0,0001
Reco-pasaborde | 3 < 0,0001 < 0,0001 1 0,370
Reco-pasaborde | 4 < 0,0001 < 0,0001 0,370 1
Niveau de signification corrigé de Bonferroni : 0,0083
Naturellement les groupes 3 et 4 se distinguent des groupes 1 et 2, qui eux préfèrent être maître de leur
décision concernant leur santé plutôt que ça soit leur médecin qui informe ou recommande la vaccination.
- Comparaison des utilités partielles des groupes de admin_1dose vs admin_2doses
Admin-
1dose | 1 Admin-
1dose | 2 Admin-
1dose | 3 Admin-
1dose | 4
Admin-1dose | 1 1 < 0,0001 0,163 0,585
Admin-1dose | 2 < 0,0001 1 < 0,0001 < 0,0001
Admin-1dose | 3 0,163 < 0,0001 1 0,059
Admin-1dose | 4 0,585 < 0,0001 0,059 1
Niveau de signification corrigé de Bonferroni : 0,0083
Comme il s'agit d'une variable binaire, le tableau de significativité est identique pour l'administration en 2
doses. Pour cet attribut le groupe 2 (le plus nombreux) s'oppose aux 3 autres en étant le seul groupe qui a une
utilité partielle positive et forte pour l'administration en 1 dose.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
51
- Comparaison des utilités partielles des groupes de type_recomb
Type-
Recomb | 1 Type-
Recomb | 2 Type-
Recomb | 3 Type-
Recomb | 4
Type-Recomb | 1 1 0,449 0,001 0,001
Type-Recomb | 2 0,449 1 < 0,0001 < 0,0001
Type-Recomb | 3 0,001 < 0,0001 1 0,753
Type-Recomb | 4 0,001 < 0,0001 0,753 1
Niveau de signification corrigé de Bonferroni : 0,0083
Les groupes 3 et 4 s'opposent à nouveau aux groupes 1 et 2 car pour eux le fait d'avoir un vaccin de type
recombinant avec adjuvant va influencer négativement leur décision de vaccination au contraire des 2 autres
groupes où ceci va influencer positivement leur décision.
- Comparaison des utilités partielles des groupes de type_tue
p-values :
Type-Tue |
1 Type-Tue |
2 Type-Tue |
3 Type-Tue |
4
Type-Tue | 1 1 < 0,0001 < 0,0001 0,869
Type-Tue | 2 < 0,0001 1 0,007 < 0,0001
Type-Tue | 3 < 0,0001 0,007 1 < 0,0001
Type-Tue | 4 0,869 < 0,0001 < 0,0001 1
Niveau de signification corrigé de Bonferroni : 0,0083
Sur le point d'une vaccination par un vaccin de type tué/inactivé, les patients des groupes 1 et 4 s'accordent à
dire que ce type va influencer négativement leur décision. Au contraire des patients des groupes 2 et 3,
cependant pour le groupe 3 ce sera le type de vaccins qui influencera le plus positivement leur décision alors
que pour le groupe 2 il s'agit du type recombinant avec adjuvant (vu précédemment).
- Comparaison des utilités partielles des groupes de type_vivant
p-values :
Type-Vivant |
1 Type-Vivant |
2 Type-Vivant |
3 Type-Vivant |
4
Type-Vivant | 1 1 0,000 0,369 0,001
Type-Vivant | 2 0,000 1 < 0,0001 < 0,0001
Type-Vivant | 3 0,369 < 0,0001 1 0,018
Type-Vivant | 4 0,001 < 0,0001 0,018 1
Niveau de signification corrigé de Bonferroni : 0,0083
Le groupe 2 se distingue clairement des 3 autres sur ce type de vaccin (vivant atténué) car pour eux ce type de
vaccin influence fortement et négativement leur décision. Cette influence est aussi négative pour les groupes 1
et 3 mais dans de plus faibles proportions. Enfin le groupe 4 se distingue des 3 autres (même si pour le groupe
3 le seuil de risque est de 1,8%, ce qui est trop important compte-tenu du niveau de signification corrigé de
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
52
Bonferroni), en étant le seul groupe où ce type de vaccin influence positivement leur choix. Il s'agit d'ailleurs
pour ce groupe du seul type de vaccin choisi.
- Comparaison des utilités partielles des groupes de gouv_100eur
p-values :
Gouv-100eur |
1 Gouv-100eur |
2 Gouv-100eur |
3 Gouv-100eur |
4
Gouv-100eur | 1 1 0,576 0,501 0,051
Gouv-100eur | 2 0,576 1 0,199 0,004
Gouv-100eur | 3 0,501 0,199 1 0,250
Gouv-100eur | 4 0,051 0,004 0,250 1
Niveau de signification corrigé de Bonferroni : 0,0083
Dans l ensemble le fait que le vaccin ne soit pas remboursable entièrement (reste à charge 100€) et qu il ne soit
pas inscrit au calendrier vaccinal a plutôt tendance à appuyer sur la décision de non-vaccination. Seulement
cette tendance est encore plus marquée dans le groupe 4, ce qui le distingue du groupe 2 (barrière haute).
- Comparaison des utilités partielles des groupes de gouv_30eur
Gouv-30eur
| 1 Gouv-30eur
| 2 Gouv-30eur
| 3 Gouv-30eur
| 4
Gouv-30eur | 1 1 0,000 0,174 0,012
Gouv-30eur | 2 0,000 1 0,073 < 0,0001
Gouv-30eur | 3 0,174 0,073 1 0,000
Gouv-30eur | 4 0,012 < 0,0001 0,000 1
Niveau de signification corrigé de Bonferroni : 0,0083
Le tableau ici informe peu car les possibles distinctions ne sont mutuellement exclusives. Cependant le groupe
4 comme précédemment a une forte utilité partielle négative, tandis que pour les groupes 1 et 3, cette utilité
tend plus vers 0 (lorsque le prix à payer est de seulement 30€ ce n est pas un facteur qui rentre beaucoup en
compte dans la décision). Et pour le groupe 2, ceci a même tendance à influencer positivement leur décision.
- Comparaison des utilités partielles des groupes de gouv_gratuit
Gouv-
gratuit | 1 Gouv-
gratuit | 2 Gouv-
gratuit | 3 Gouv-
gratuit | 4
Gouv-gratuit | 1 1 0,043 0,914 0,005
Gouv-gratuit | 2 0,043 1 0,090 < 0,0001
Gouv-gratuit | 3 0,914 0,090 1 0,006
Gouv-gratuit | 4 0,005 < 0,0001 0,006 1
Niveau de signification corrigé de Bonferroni : 0,0083
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
53
Le groupe 4 se démarque clairement des autres sur cette caractéristique, car ici la gratuité du vaccin et
son inscription au calendrier vaccinal sont primordiales dans leur choix de se faire vacciner.
- Comparaison des utilités partielles des groupes de duree_5ans vs durée_10ans
Là encore la durée de protection est une variable dichotomique, par conséquent les tableaux de
significativité sont identiques.
Duree-5ans
| 1 Duree-5ans
| 2 Duree-5ans
| 3 Duree-5ans
| 4
Duree-5ans | 1 1 0,000 0,986 0,010
Duree-5ans | 2 0,000 1 0,002 < 0,0001
Duree-5ans | 3 0,986 0,002 1 0,017
Duree-5ans | 4 0,010 < 0,0001 0,017 1
Niveau de signification corrigé de Bonferroni : 0,0083
Sur cet attribut l'ensemble des individus interrogés s'accordent à préférer une durée de 10 ans, mais
pour le groupe 2 (le plus nombreux) ce choix est encore plus marqué, ce qui pourrait être synonyme
d'une importance de l'attribut plus importante.
- Comparaison des utilités partielles des groupes de effic_60 vs effic_80
Là encore l'efficacité vaccinale est une variable binaire, d'où des tableaux de significativité identiques.
Effic-60 | 1 Effic-60 | 2 Effic-60 | 3 Effic-60 | 4
Effic-60 | 1 1 0,003 0,001 0,006
Effic-60 | 2 0,003 1 < 0,0001 < 0,0001
Effic-60 | 3 0,001 < 0,0001 1 0,371
Effic-60 | 4 0,006 < 0,0001 0,371 1
Niveau de signification corrigé de Bonferroni : 0,0083
L'analyse ce tableau nous indique que les groupes 3 et 4 sont similaires sur cet attribut, à savoir qu'ils
auraient plutôt une tendance à préférer une efficacité de 60% (choix un peu contre-nature mais qui est à
remettre dans son contexte de modèle compensatoire des utilités), au contraire des deux autres groupes.
Les patients du 2e groupe sont d'ailleurs plus sensibles à cet attribut.
- Comparaison des utilités partielles des groupes de malad_eiexc
Malad-
EIExc | 1 Malad-
EIExc | 2 Malad-
EIExc | 3 Malad-
EIExc | 4
Malad-EIExc | 1 1 < 0,0001 < 0,0001 < 0,0001
Malad-EIExc | 2 < 0,0001 1 0,520 0,417
Malad-EIExc | 3 < 0,0001 0,520 1 0,942
Malad-EIExc | 4 < 0,0001 0,417 0,942 1
Niveau de signification corrigé de Bonferroni : 0,0083
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
54
Le groupe 1 se particularise ici car pour eux l'acceptation de vaccination n'est influencée positivement que
lorsque la maladie est rare et grave avec des effets indésirables graves du vaccin exceptionnels. Pour les
autres groupes, les utilités partielles estimées restent proche de 0.
- Comparaison des utilités partielles des groupes de malad_eig
Malad-EIG |
1 Malad-EIG |
2 Malad-EIG |
3 Malad-EIG |
4
Malad-EIG | 1 1 < 0,0001 0,032 0,842
Malad-EIG | 2 < 0,0001 1 < 0,0001 < 0,0001
Malad-EIG | 3 0,032 < 0,0001 1 0,049
Malad-EIG | 4 0,842 < 0,0001 0,049 1
Niveau de signification corrigé de Bonferroni : 0,0083
Dans le cas d'une maladie rare mais grave avec des effets indésirables graves du vaccin fréquents, la
tendance globale est plutôt à une utilité partielle proche de 0 (positive pour le groupe 3) alors que pour le
groupe le plus important (groupe 2), cette utilité est fortement négative.
- Comparaison des utilités partielles des groupes de malad_courante
Malad-
courante | 1 Malad-
courante | 2 Malad-
courante | 3 Malad-
courante | 4
Malad-courante | 1 1 < 0,0001 0,119 0,214
Malad-courante | 2 < 0,0001 1 < 0,0001 < 0,0001
Malad-courante | 3 0,119 < 0,0001 1 0,676
Malad-courante | 4 0,214 < 0,0001 0,676 1
Niveau de signification corrigé de Bonferroni : 0,0083
Le groupe 2 se dissocie à nouveau des autres segments de l'échantillon car les patients de celui-ci sont les seuls
à préférer une vaccination lorsque la maladie est courante (et peu grave) c'est d'ailleurs le seul type de maladie
combiné aux effets indésirables du vaccin où ils préfèrent se faire vacciner.
- Comparaison des utilités partielles des groupes de malad_frequente
Malad-frequente |
1
Malad-frequente |
2
Malad-frequente |
3
Malad-frequente |
4
Malad-frequente | 1 1 0,776 0,703 0,001
Malad-frequente | 2 0,776 1 0,847 0,000
Malad-frequente | 3 0,703 0,847 1 0,006
Malad-frequente | 4 0,001 0,000 0,006 1
Niveau de signification corrigé de Bonferroni : 0,0083
Pour ce dernier type de maladie (assez fréquente mais rarement grave) combiné à des effets indésirables graves
exceptionnels du vaccin, les individus composant le groupe 4 se démarquent des autres en étant les seuls à être
influencés positivement dans leur décision de vaccination.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
55
Si on s'intéresse désormais aux variables sociodémographiques ou plus évaluables comme l'opinion sur la
vaccination, ou l'expérience de vaccination, il s'avère que seul le sexe est une variable différenciée.
Figure 17 - Récapitulatif des résultats du test de Kruskal-Wallis sur les variables sociodémographiques et les variables d'opinions/expériences de la vaccination
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
56
Les résultats du test de Conover-Iman sont les suivants sur cette variable sexe :
Sexe | 1 Sexe | 2 Sexe | 3 Sexe | 4
Sexe | 1 1 0,386 0,087 0,351
Sexe | 2 0,386 1 0,006 0,789
Sexe | 3 0,087 0,006 1 0,011
Sexe | 4 0,351 0,789 0,011 1
Niveau de signification corrigé de Bonferroni : 0,0083
Le groupe 3 et le groupe 2 se différencient l'un de l'autre car le groupe 3 est composé au 2/3 d'hommes,
tandis que le groupe 2 est composé de 79,4% de femmes, ce qui est une tendance aussi des autres groupes
(67% de femmes pour le groupe 1, 83,3% de femmes pour le groupe 4). Comme l'échantillon n'est pas
représentatif (et que c'est un petit échantillon : ce qui explique les tests non significatifs pour les autres
groupes), il serait préjudiciable d'en conclure que les hommes dans la population auraient plus de chance
d'avoir les facteurs déterminants de leur décision de vaccination identiques à ceux du groupe 3, mais ça révèle
tout du moins une tendance.
Description résumée des groupes
En se basant sur l'analyse des importances relatives de chaque attribut (graphique suivant) ainsi que sur
l'analyse détaillée des différences sur les utilités partielles de chaque niveau d'attribut, il sera possible de
nommer ces groupes et de voir sur quels facteurs déterminants se reposent leur décision en matière de
vaccination pour pouvoir apporter ensuite des recommandations marketing (cf. Discussion – Recommandations
managériales).
Figure 18 - Histogramme des importances relatives des attributs selon chaque groupe
16%
1%
18%
2%
12%
8%
43%
10% 8%
22%
9%
15%
10%
26%
13%
6%
26%
9%
15%
10%
20%
32%
0%
15%
30%
4% 3%
16%
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
Gr1 Gr2 Gr3 Gr4
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
57
Tableau 9 - Description résumée des 4 classes
Groupe Proportion Nom du groupe Principaux facteurs déterminants dans leur décision de vaccination
1 18%
Le patient confiant :
n'est pas effrayé par les maladies
du quotidien qu'il pense pouvoir
combattre mais souhaite se
protéger efficacement des
maladies rares et graves
Trois quarts de la décision dépend de 3 facteurs :
43% de la décision selon le type de maladie préférence pour les
maladies rares mais que s'il y a peu d'effets indésirables graves
18% de la décision selon le type de vaccin préfère un vaccin de type
recombinant avec adjuvant
16% de la décision dépend de l'intervention du médecin eux préfèrent
ne pas être influencés (d'où le faible impact du remboursement et de
l'inscription au CV)
2 51%
Le patient bien-être :
souhaite conserver sa qualité de
vie au quotidien sans prendre de
risques
Décisions qui reposent sur l'ensemble des facteurs :
28% de la décision selon le type de maladie et EIG maladie courante
exclusivement, et est très sensible à la présence d'effets indésirables graves
22% de la décision selon le type de vaccin contre les vaccins de type
vivant atténué
15% selon la durée et 10% selon l'efficacité veulent une efficacité
importante et une longue durée de protection
10% de la décision dépend de l'attribut intervention du médecin ici
l'intervention du médecin n'est pas primordiale
3 13%
Le patient hardi :
seul groupe où les hommes sont
majoritaires
26% de la décision dépend du type de vaccin préférence pour le vaccin
de type tué/inactivé peut-être perçu comme plus inoffensif (moins sujet
aux EIG)
20% de la décision selon le type de maladie préférences pour les
maladies graves même si risque d'EIG (contrebalance le type de vaccin)
Préfèrent une durée de protection plus longue à une meilleure efficacité
4 18%
Le patient discipliné :
sa décision dépend
principalement de la
recommandation du médecin et
de l'inscription au CV
Près de 2/3 de la décision dépend de la politique publique de vaccination :
32% de la décision dépend de l'intervention du médecin
recommandation active uniquement pour se faire vacciner
30% de la décision dépend de la directive gouvernementale vaccination
uniquement si inscrit au CV et remboursé
16% de la décision dépend du type de maladie et EIG préférence pour
les maladies les plus graves (rare ou assez fréquente mais sans EIG
fréquents)
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
58
Ce qui est intéressant de noter, est que le critère de recommandation du vaccin jugé comme l’un des plus
importants en déclaratif (cf. Test de préférences lexicographiques) par 29% de l’échantillon s’avère être le critère
prioritaire pour seulement 18% (le groupe des patients dits disciplinés). Ceci souligne encore une fois l’apport
bénéfique du non-déclaratif de l’analyse conjointe par mesure de choix discret.
Discussion
Validité de l'étude
Validité interne
La validité interne d'une recherche correspond à la fiabilité des résultats/conclusions internes à cette étude.
Un certain nombre de facteurs peut remettre en cause cette fiabilité.
Dans cette étude le premier pouvait être un potentiel effet d'ordre dans l'apparition des paires de profils. De
par l'utilisation d'une répartition sur 3 chemins de façon aléatoire qui a permis de répartir les répondants
équitablement, on peut supposer que le risque potentiel d'un effet d'ordre est limité.
Un autre potentiel effet aurait pu être un effet d'histoire, autrement dit qu'un événement extérieur soit
survenu pendant la durée d'administration du questionnaire. La durée d'administration du questionnaire n'était
que de 7 jours, et durant cette période aucun événement relié directement à la vaccination n'a été rapporté par
les médias. La dernière envolée médiatique sur le virus Ebola en Afrique qui aurait pu influencer les
répondants, a débuté dans la première semaine d'août principalement, soit juste après la fin d'administration
du questionnaire.
Le troisième facteur, ou plutôt les troisièmes facteurs sont un non-respect des conditions d'applications de
l'analyse conjointe par mesure de choix discret. Différents tests ont été réalisés pour vérifier la transitivité, la
stabilité, la monotonicité et la pertinence des réponses. Dans la revue de Littérature portant sur des études
dans la santé avec une analyse conjointe MCD, qui a été faite pour la réalisation de cette recherche, peu
d'auteurs précisent les résultats de fiabilité de leurs études. Ceci étant les résultats observés de cette recherche
démontre une bonne validité interne en comparaison aux valeurs observées dans la Littérature (sur des études
réalisés auprès de patients ou de médecins) [22][72][74][89].
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
59
Tableau 10 - Résultats de validité interne de cette recherche en comparaison à ceux observés dans la Littérature
Critères de validité interne Valeurs pour cette recherche Etendue des valeurs
retrouvées dans la Littérature
Transitivité (% de réponses
non-transitives) 4,2% [1,4% ; 20%]
Stabilité (% de réponses non-
stables)
Non testé directement car couplé
avec les tests de transitivité d'où
une comparaison impossible
[57% ; 88%]
Monotonicité (% de réponses
non-monotones) 1,4% [2,6% ; 38%]
Pertinence des réponses
(note de difficulté sur 10) 5,73
[5,6 ; 6,4]*
*résultats d'études auprès de
médecins uniquement
Enfin le dernier critère de validité concerne lui le modèle d'analyse qui a été réalisé. Il a été démontré
précédemment que le modèle au bout de 200.000 itérations n'avait pu atteindre l'objectif de 0,1% d'écart de
convergence puisqu'il était à un écart de 1,2%. Les résultats de ce modèle sur d'autres critères de qualité sont
les suivants :
Tableau 11 - Coefficients d'ajustement du modèle
Statistique Mesures
Observations 3216
Somme des poids 3216,000
-2 Log(Vraisemblance) 37686,796
RLH (Root Likelihood) 0,333
La mesure du RLH est la plus intéressante pour juger de la validité du modèle (si les résultats obtenus
correspondent aux données) [91]. Sa valeur maximale est 1, et sa valeur minimale à obtenir est la réciproque
du nombre de choix possibles par expérience de choix. Autrement dit, ici l'individu était confronté à 3 choix
possibles (Vaccin A, Vaccin B, Ni A, ni B (refus de la vaccination)), soit la réciproque est de 1/3 (0,333). Le
modèle remplit donc tout juste le minimum, ce qui est une potentielle limite à la validité interne de cette
étude. Un nombre d'itérations plus important aurait peut-être pu permettre une meilleure convergence et par
conséquent un RLH plus fort, mais les logiciels utilisés pour cette recherche ne permettaient pas une analyse
plus lourde. Toutefois si le -2 Log(Vraisemblance) obtenu est comparé à celui d'une analyse classique par le
modèle multinomial logit des préférences (hypothèse de l'homogénéité des préférences dans l'échantillon) :
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
60
37686,796 > 540,517, il démontre qu'il était préférable de passer par une approche de modèle hiérarchique
de Bayes plutôt que par une analyse selon le modèle MNL.
En conclusion, on peut considérer que les résultats internes à cette étude sont valides, bien que cette validité
aurait pu être améliorée par un modèle plus convergent.
Validité externe
La validité externe, quant à elle, correspond à la fiabilité des conclusions externes, autrement dit à la capacité
de généralisation des résultats de la recherche.
Dans le cas de cette recherche, il a été tenté de rendre l'exercice de choix le plus réaliste possible avec des
profils de vaccins crédibles, ainsi que le choix de refuser la vaccination. Cependant les préférences étaient
acquises dans un cadre expérimental, on peut considérer qu'un potentiel biais existe et que par conséquent les
préférences estimées issues de cette enquête ne seraient pas les mêmes pour les patients dans la "vraie" vie.
Compte tenu du caractère novateur de cette étude (des cas d'études similaires n'ont pas été trouvés lors de
l'état de l'Art) il est difficile de s'appuyer sur des recherches précédentes pour justifier sa validité externe sur le
sujet concerné (la vaccination). Certes la validité externe d'une analyse conjointe par mesure de choix discret
et plus particulièrement lors d'une analyse par l'approche Bayésienne hiérarchique a été prouvée dans la
Littérature mais pas sur ce thème précis [68] (cf. Limites).
Vérification des hypothèses de recherche
Pour rappel, les 3 hypothèses initiales de la recherche étaient celles-ci :
Tableau 12 - Tableau récapitulatif de vérification des hypothèses de recherche
Numéro
d'hypothèse Enoncé Validation
H1 Les individus n'ont pas tous la même approche
dans leur décision concernant la vaccination Validée
H2 La recommandation de leur médecin traitant reste
le facteur clé de leur décision Non validée
H3 Malgré les controverses, les français conservent
une bonne image de la vaccination Partiellement validée
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
61
Lors des analyses précédentes, il a été démontré que 4 groupes distincts de patients ressortaient de l'analyse
des préférences pour leur décision de vaccination. L'hypothèse H1 est donc validée. Si on couple ceci à une
analyse avec le Health Belief Model, les groupes de patients peuvent être décrits comme suit :
Tableau 13 - Croyances du Health Belief Model les plus importantes dans leur décision de vaccination selon chaque groupe de patient
Proportion
des groupes
Nom des patients
du groupe Croyances du HBM les plus importantes
18% Le patient confiant
Gravité de la maladie (vaccination contre maladie grave)
Contrôle perçu (tolérance au vaccin)
Incitation à faire quelque chose (l'incitation du médecin notamment sera mal perçue par ce
groupe)
51% Le patient bien-être
Vulnérabilité à la maladie (vaccination contre maladie courante)
Coûts liés à la réalisation du comportement (effets indésirables graves du vaccin)
Contrôle perçu ("effrayé" par le vaccin vivant)
Bénéfices liés à la réalisation du comportement (efficacité et durée)
13% Le patient hardi
Contrôle perçu (type de vaccin tué)
Gravité de la maladie (vaccination contre maladie grave)
Bénéfices liés à la réalisation du comportement (Durée de protection)
18% Le patient discipliné
Incitations à faire quelque chose (recommandation active du médecin, inscription au
calendrier vaccinal)
Gravité de la maladie (vaccination contre maladie plutôt grave)
Cette analyse croisée avec les différentes composantes du modèle de croyance santé, permet de répondre à
l'hypothèse 2. En effet hormis, pour le groupe 4 où la recommandation active de leur médecin traitant est
primordiale, pour les autres groupes ce n'est pas le cas et même cette incitation à agir peut être mal perçue par
certains. L'hypothèse H2 est donc rejetée.
Enfin, pour la dernière hypothèse H3, bien que les résultats aillent dans le sens de l'hypothèse, les problèmes
de représentativité de l'échantillon (cf. Limites) font qu'il n'est pas possible de la valider pleinement.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
62
Recommandations managériales
Pour ces recommandations managériales, il est nécessaire de garder en tête que les résultats de cette étude ne
montrent pas de grandes différences sociodémographiques, par conséquent il peut être difficile de reconnaître
les différents groupes de patients autrement que par ces variables comportementales (cf. Voies de recherche –
Réaliser une segmentation plus poussée). L'objectif de ces recommandations managériales est de donner des pistes
de travail afin d'optimiser les couvertures vaccinales des prochains vaccins auprès de la population française
adulte. Ces recommandations sont à deux niveaux :
- Le premier est au niveau du développement. Les informations obtenues à l'issue de cette
segmentation et analyse donnent des clés pour développer des vaccins en priorité afin de contribuer
au développement de ce marché. Bien qu'il puisse être tendancieux de choisir les maladies à
combattre et ne pas choisir d'autres, il ne faut pas perdre de vue qu'un laboratoire pharmaceutique
reste une entreprise qui est soumis à des objectifs de rentabilité et de croissance. De plus autre que de
choisir de développer un vaccin contre telle maladie et pas une autre, ceci permet aussi d'optimiser
l'acceptation du vaccin et sa diffusion en changeant son type (un vaccin tué/inactivé plutôt qu'un
vaccin vivant atténué par exemple).
- Le second niveau est celui du marketing-mix. Il peut se faire soit en direction du prescripteur
(médecin) soit en direction du patient. Il est important de préciser que pour ce dernier toutes
informations ne peuvent être "brandées" (le laboratoire ne doit pas être mis en avant), comme il est
stipulé dans l'article L5122-6 du Code de la Santé Publique.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
63
Tableau 14 - Principales recommandations managériales par segments de patients
Proportion
des groupes
Nom des patients
du groupe Principales recommandations managériales
18% Le patient
confiant
Développement
Développer plutôt des vaccins contre des maladies graves
Marketing-mix
Ne pas adopter un discours trop incitatif, privilégier l'informatif (en mettant en avant
le caractère grave de la maladie) > campagne de notoriété hors cabinet (hypothèse
que le patient confiant ne va pas souvent chez son médecin).
Avoir une démarche marketing "cachée" (par exemple développer un site sur
comment voyager pour mettre en avant en même temps la vaccination pour le
voyage) afin de toujours diminuer la perception du laboratoire pharmaceutique ou le
médecin ou la politique santé qui indique quel comportement adopté.
51% Le patient bien-
être
Développement
Développer plutôt des vaccins contre des maladies courantes avec un type de vaccin bien toléré
(éviter les vaccins de type vivant atténué)
Marketing-mix
Patient qui cherche à conserver sa qualité de vie au quotidien (Motivation à la santé
forte d'après le HBM), mettre en avant lors de campagnes de notoriété le caractère
impactant sur cette qualité de vie, et le caractère courant de la maladie. >
communication via poster ou "leaflet" (brochure) en cabinet.
Patient plus sensible aux éventuels coûts/risques liés à la vaccination, nécessaire de le
rassurer à ce niveau-là (effets indésirables graves du vaccin) notamment.
13% Le patient hardi
Développement
Développer plutôt des vaccins contre des maladies graves où la durée de protection serait
importante
Marketing-mix
Adopter une démarche qui ne soit pas trop paternaliste. Ce type de patients à besoin
d'être informé mais il ne doit pas être pris par la main (contrôle perçu et faible
sensibilité aux incitations).
Mettre en avant lors de communication le caractère grave de la maladie et la longue
durée de protection. Comme une maladie grave n'est pas fréquente, le patient doit
pouvoir s'imaginer que durant 10 ans il peut peut-être avoir le risque de contracter
cette maladie grave (mettre en avant une information de probabilité temporelle : Au
cours de ces 10 prochaines années vous avez 1 chance sur 5 de contracter cette maladie par
exemple).
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
64
18% Le patient
discipliné
Développement
Développer plutôt des vaccins contre des maladies qui touchent toutes classes de population
(politique de santé publique qui couvrira plus de monde)
Marketing-mix
Forte campagne auprès des médecins pour qu’ils puissent remplir leur rôle de
prescripteur > mettre en avant l'information sur l'inscription au calendrier vaccinal si
obtenue
Mettre en avant la caractéristique remboursement de la vaccination (si possible) car
inscrit au CV ou par les mutuelles
D'un point de vue global, l'administration du vaccin ne semble pas être un élément important dans la décision
de se faire vacciner pour les patients. Il est donc préférable de privilégier une meilleure efficacité ou une
meilleure protection en dépit d'une administration en dose unique. Ce critère peut cependant avoir un rôle
plus important pour le médecin et par conséquent influencer sa recommandation ou son information du vaccin
à sa patientèle ce qui peut être préjudiciable pour les patients disciplinés particulièrement, et même pour
d'autres vis-à-vis du relais de l'information.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
65
Limites
Représentativité de l'échantillon
La première limite importante à cette recherche est la représentativité de l'échantillon. Cette limite était
prévisible étant donné le choix de diffusion du questionnaire (via les réseaux sociaux principalement). Ceci
pose bien entendu des problèmes de généralisation des résultats à la population française. Quoi qu'il en soit
cette étude peut servir d'éclaircissement sur des tendances existantes dans la population française au sujet du
processus de décision concernant la vaccination.
Validité externe
Le manque d'éléments existants dans la Littérature concernant le sujet de cette recherche ne permet pas de
dire si la validité externe de celle-ci est forte ou bien modérée. Pour ce faire, une solution serait de mesurer la
probabilité du choix pour un vaccin existant et par conséquent la couverture vaccinale estimée par le modèle
et la comparer à la couverture vaccinale réelle. Cependant, grand nombre de maladies existantes n'ont plus la
même prévalence qu'avant la vaccination, et beaucoup de vaccins sont désormais combinés pour ces maladies
(DTPolio par exemple) ce qui rend compliqué le choix du nombre de doses à prendre en compte par
exemple. L'une des questions de cette recherche était de savoir quels vaccins avaient été administrés aux
répondants depuis leur 18 ans, mais le parti a été pris de se servir de cette question plus comme préparation à
l'exercice de choix plutôt qu'une véritable information à prendre. En effet, on peut supposer que les réponses
n'ont pas été nécessairement données de manière sérieuse (avec vérification dans le carnet de santé) pour
l'ensemble des répondants (notamment les plus jeunes qui ont peut-être signifiés s'être fait vacciner contre
telle maladie mais il s'avère que c'était avant leur 18 ans).
Outils informatiques utilisés
Définition du plan d'expérience
Comme démontré précédemment, le plan d'expérience affichait une D-efficacité de 68%, ce qui reste une
bonne valeur mais il est probable qu'avec un outil plus adapté que Microsoft Excel pour ce type de travail,
permettant de faire tourner des procédures itératives comme la méthode de Street et Burgess [97], l'efficacité
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
66
du plan d'expérience soit meilleure. Ceci n'est qu'une hypothèse car peut être que la D-Optimalité (D-
efficacité de 100%) théorique ne peut être atteinte avec les caractéristiques de cette recherche et que 68% est
déjà dans la limite haute (certaines méthodes testées n'offraient qu'une D-efficacité de 27%).
Administration du questionnaire
L'utilisation de Google Forms pour l'administration, bien qu'offrant la gratuité du questionnaire et d'autres
qualités, n'offre naturellement pas toutes les possibilités souhaitées pour réaliser un terrain parfait. L'une d'elle
est notamment la rotation aléatoire des expériences de choix. Dans cette recherche la décision prise a été de se
limiter à 3 chemins possibles uniquement. De plus le faible choix de mise en page et d'applications dans cet
outil ne permet pas de rendre plus ludique/attractif la réalisation du questionnaire et par conséquent limiter
un potentiel effet de mortalité (perte d'un répondant en cours de questionnaire) ou un hypothétique effet de
lassitude suite à un épuisement cognitif par la répétition de la même tâche avec une présentation sommaire.
Enfin cet outil ne permet pas l'utilisation d'une analyse conjointe hybride (plus précisément l'Adaptive Choice
Based Conjoint) qui aurait permis de rendre la tâche des répondants plus agréable, de traiter plus d'attributs
(une analyse des facteurs déterminants plus large) et une analyse plus en profondeur de tous les attributs (pour
plus de détails sur cette méthode se reporter aux Voies de recherche).
Voies de recherche
Une segmentation plus riche
Une des voies de recherche possible est d'enrichir cette première segmentation réalisée dans ce travail.
Maintenant qu'il a été démontré qu'il existait une segmentation possible des patients concernant leur décision
de vaccination, une classification a priori peut être réalisée. De plus d'autres informations peuvent être
obtenues afin de rendre cette segmentation plus palpable afin de mener des actions marketing. Par exemple le
groupe dits des patients confiants, qui ont une préférence sur les vaccins contre les maladies rares et qui
perçoivent mal d'être incités à la vaccination par leur médecin ou par la politique vaccinale menée par le
gouvernement, sont-ils des patients plus adeptes de l'automédication que les autres ? Cette information plus
facile à obtenir permettrait de mieux les distinguer des autres groupes d'individus, et par conséquent faciliter
l'optimisation de la couverture vaccinale parmi eux. De même ce groupe apparaît comme celui qui a la
connaissance déclarée en vaccination la plus élevée (test non significatif car p=0,139), est ce que ceci se
confirme sur un échantillon plus important ? Ou encore, bien que les tests ne soient pas significatifs (dû
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
67
probablement aux petits échantillons car p = 0,14), il s'avère que le groupe des patients dits disciplinés est le
groupe des patients les plus âgés. Est-ce que leur grande sensibilité à la recommandation de leur médecin, et à
l'inscription dans le calendrier vaccinal provient de leur âge ? Si ceci se confirme sur un échantillon plus grand,
est ce que cela pourrait être expliqué par un changement de point de vue sur la relation avec le médecin entre
la nouvelle génération et celle qui la précède.
Un outil de simulation avec un modèle complet patient-
prescripteur
Un objectif secondaire de cette recherche était de pouvoir apporter des bases à la construction d'un modèle de
simulation de couverture vaccinale dans le cas d'un lancement d'un nouveau vaccin [Méthode utilisée par
Lebeau & alii pour le lancement de nouveaux véhicules hybrides, 56]. Certains modèles ont été construits
pour simuler la couverture vaccinale (comme celui de Coudeville [18]), mais peu prennent en compte les
différentes dimensions du vaccin et de la maladie et leur possible impact sur celle-ci. Afin de remplir cet
objectif il serait intéressant de développer encore certaines caractéristiques.
Echantillon représentatif
Dans l'objectif de rendre ce modèle applicable à toute la population française, et par conséquent être utile à la
fois aux laboratoires pharmaceutiques mais aussi au ministère de la santé afin d'adapter leur politique de
vaccination pour optimiser la CV, il est nécessaire de travailler sur un échantillon représentatif de cette
population. Représentatif en termes de sexe, d'âge, de CSP, mais aussi compte-tenu de la spécificité de la
vaccination, s'approchait d'une représentativité en termes de conditions de santé (diabétiques,
immunodéprimés, etc.). D'un point de vue déontologique, il peut être difficile de réaliser des quotas sur ces
critères (en plus du refus de réponse), mais on peut supposer qu'avec un échantillon suffisamment conséquent
et le principe de la loi des grands nombres, les proportions soient proches de la réalité.
Plus d'attributs évalués
Pour cette recherche, il a été choisi d'occulter certains attributs comme l'impact média, ou d'en regrouper
plusieurs (prévalences de la maladie, sa gravité et fréquence d'effets indésirables du vaccin notamment). Mais
afin d'enrichir l'outil de simulation et de rendre plus de paramètres variables, certains peuvent être rajoutés.
Afin de permettre une analyse conjointe reposant sur plus d'attributs, une méthode d'analyse conjointe hybride
(l'Adaptive Choice Based Conjoint) serait à adopter. Cette méthode développée par Sawtooth Software repose
sur 3 étapes [47][80] :
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
68
1) Build your own (BYO) phase
Cette première phase consiste à demander aux répondants de choisir leur niveau préféré dans chacun des
attributs afin de construire leur "produit idéal".
2) Screening phase
Le produit construit lors de la phase précédente sert de base pour les produits présentés lors de cette phase. Ici
le répondant doit évaluer individuellement chacun des produits et dire si c'est un choix possible pour lui ou
non. En même temps que cette phase est réalisée par le répondant, le logiciel analyse les réponses pour
proposer à l'interrogé des niveaux d'attributs qui semblent être indispensables pour lui ("must haves") ou
d'autres qui semblent impossibles ("unacceptables"), l'individu se doit alors de confirmer la proposition ou
non.
3) Choice tasks phase
Lors de cette phase, les produits considérés comme acceptables suite à la screening phase sont présentés en
groupes et le répondant doit choisir son produit préféré. Il s'agit ici d'un exercice de choix classique mais sans
l'option zéro. Cette phase se poursuit jusqu'à ce que le meilleur produit soit déterminé.
Une 4e phase peut être ajoutée dans certains cas pour mesurer l'intention de payer pour ce produit, ou pour
conduire des calibrages.
Cette méthode a le mérite de pouvoir traiter plus d'attributs donc, mais aussi d'aller plus en profondeur sur les
attributs qui pourraient être occultés en cas de préférences lexicographiques. Cette tâche prend en moyenne
plus de temps au répondant, mais semble plus appréciée [47] (la personnalisation/l'adaptation offrant un
contact durant le questionnaire, les profils présentés sont pertinents pour le répondant).
Cette méthode a déjà été utilisée à différentes reprises dans le domaine de la santé dans le monde professionnel
mais aussi dans des recherches académiques [Etat des lieux réalisé par Cunningham & alii en 2010, 21] qui
démontrent que bien qu'elle permette un plus grand nombre d'attributs il est préférable de rester inférieur à
12 avec moins de 7 niveaux par attributs. Au-delà il serait nécessaire de faire une phase de préparation au BYO
pour limiter le nombre d'attributs. De plus cette méthode ne supporte pas les combinaisons impossibles de
niveaux, mais il a été démontré dans la Littérature et rappelé dans ce travail qu'il était préférable de réaliser
des méta-attributs à bloquer certaines combinaisons. Quoiqu'il en soit les différentes recherches l'utilisant
s'accordent à dire que l'ACBC permet une meilleur expérience pour le répondant qui se traduit par des
données de meilleure qualité et donc de meilleures estimations et une meilleure validité prédictive [42].
Une possibilité supplémentaire afin d'enrichir les informations obtenues d'une enquête serait de coupler
l'exercice de choix avec d'autres outils, ainsi une recherche menée par Meissner et Decker en 2010 a prouvé
un gain sur les informations par l'apport de l'Eye-tracking lors de cette tâche [67].
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
69
Etude similaire auprès de médecins
Une autre caractéristique à développer pour permettre l'établissement d'un modèle complet serait de rendre
variable l'intervention du médecin selon les caractéristiques du vaccin et de la maladie concernée. En d'autres
termes réaliser une étude identique auprès de médecins où le résultat serait leur probabilité de recommander
le vaccin. Ainsi cette variable pourrait être implémentée dans le calcul de la probabilité d'accepter la
vaccination par le patient, ce qui rendrait le modèle complet avec la relation prescripteur-patient. La
résultante serait un modèle d'estimation de la couverture vaccinale plus réaliste. D'autant plus que l'on peut
imaginer qu'une segmentation existe aussi, parmi les médecins, sur les facteurs déterminants de leur décision
de recommander le vaccin.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
70
Bibliographie
1 ACADEMIE DE MEDECINE. Dictionnaire médical de l'Académie de Médecine, version 2014, consulté le 15/08/2014
à l'adresse : http://dictionnaire.academie-medecine.fr/?q=vaccination
2 AMABLE, B. et ASKENAZY, P. Introduction à l’économie de la connaissance, contribution pour le rapport
Unesco. Construire des sociétés du savoir, 2005.
3 AMMI, Mehdi. Analyse économique de la prévention. Offre de prévention, incitations et préférences en médecine libérale.
2011. Thèse de doctorat. Université de Bourgogne.
4 ANGELMAR, Reinhard et MORGON, Pierre A. Vaccine Marketing. In : Innovation and Marketing in the
Pharmaceutical Industry. Springer New York, 2014. p. 365-423.
5 BACKHAUS, Klaus, HILLIG, Thomas, et WILKEN, Robert. Predicting purchase decisions with different
conjoint analysis methods-A Monte Carlo simulation. International Journal of Market Research, 2007, vol. 49, no 3,
p. 341-364.
6 BATHELOT, Bertrand. Définition Effet d'ordre, consulté le 28/07/2014 à l'adresse : http://www.definitions-
marketing.com/Definition-Effet-d-ordre
7 BAUDOT, Jean-Yves. Métriques des classifications, consulté le 22/07/2014 à l'adresse :
http://www.jybaudot.fr/Analdonnees/metriques.html
8 BETSCH, Cornelia, BREWER, Noel T., BROCARD, Pauline, et al. Opportunities and challenges of Web 2.0
for vaccination decisions. Vaccine, 2012, vol. 30, no 25, p. 3727-3733.
9 BLANDON, José, HENSON, Spencer, et ISLAM, Towhidul. The importance of assessing marketing
preferences of small-scale farmers: a latent segment approach. European Journal of Development Research, 2010,
vol. 22, no 4, p. 494-509.
10 BLOCH, Hervé. Gamification : l’expansion du jeu dans tous les domaines d’activité, consulté le 03/08/2014 à
l'adresse : http://www.tourmag.com/Gamification-l-expansion-du-jeu-dans-tous-les-domaines-d-activite_a64776.html
11 BOËLLE, Pierre-Yves. Efficacité vaccinale : définitions & estimation. Cours de la Faculté de Médecine Piette et Marie
Curie, 2010.
12 BORGHI, Carlo. Discrete choice models for marketing.
13 BOURNEMOUTH UNIVERSITY. The Kruskal-Wallis and Friedman tests for non-parametric data (plus various post hoc
tests), consulté le 19/08/2014 à l'adresse : http://media3.bmth.ac.uk/spss/focus_pages/focus_13a.htm
14 CHIB, Siddhartha et GREENBERG, Edward. Understanding the metropolis-hastings algorithm. The American
Statistician, 1995, vol. 49, no 4, p. 327-335.
15 CHRZAN, Keith et ORME, Bryan. An overview and comparison of design strategies for choice-based conjoint
analysis. Sawtooth software research paper series, 2000.
16 COE, Antoinette B., GATEWOOD, Sharon BS, MOCZYGEMBA, Leticia R., et al. The use of the health belief
model to assess predictors of intent to receive the novel (2009) H1N1 influenza vaccine. Innovations in pharmacy,
2012, vol. 3, no 2, p. 1.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
71
17 CONROY, Kathleen, ROSENTHAL, Susan L., ZIMET, Gregory D., et al. Human papillomavirus vaccine
uptake, predictors of vaccination, and self-reported barriers to vaccination. Journal of Women's Health, 2009, vol.
18, no 10, p. 1679-1686.
18 COUDEVILLE, Laurent. Comportement individuel en matière de vaccination. Revue économique, 2004, vol. 55,
no 4, p. 745-765.
19 COUMAU, Cécile. Vaccin hépatite B : 2,4 millions d'indemnité pour une sclérose en plaque, consulté le 15/08/2014 à
l'adresse : http://www.pourquoidocteur.fr/Vaccin-hepatite-B---2-4-millions-d-indemnite-pour-une-sclerose-en-plaque-
7543.html
20 CRISTOFARI, Jean-Jacques. Vaccins, l'Europe mène le bal. Pharmaceutiques, 2007, Juin-Juillet, p. 54-71.
21 CUNNINGHAM, Charles E., DEAL, Ken, et CHEN, Yvonne. Adaptive Choice-Based Conjoint Analysis. The
Patient: Patient-Centered Outcomes Research, 2010, vol. 3, no 4, p. 257-273.
22 DEBACKER, Pauline. Facteurs déterminant les conseils de vaccination du nourrisson chez les médecins et chez les internes
en pédiatrie (étude en analyse conjointe). 2012. Thèse de doctorat.
23 DELLUS, Sylvie. Huit choses à savoir sur le Gardasil, le vaccin contre le cancer du col de l’utérus, consulté le
29/07/2014 à l'adresse : http://www.santemagazine.fr/actualite-huit-choses-a-savoir-sur-le-gardasil-le-vaccin-contre-
le-cancer-du-col-de-l-uterus-55493.html
24 DERRYBERRY, DeWayne R., SCHOU, Sue B., et CONOVER, W. J. Teaching rank-based tests by
emphasizing structural similarities to corresponding parametric tests. Journal of Statistics Education, 2010, vol. 18,
no 1, p. 1-19.
25 DIRECTION GENERALE DE LA SANTE. Guide des vaccinations, 2012.
26 D'SOUZA, Clare, ZYNGIER, Suzanne, ROBINSON, Priscilla, et al. Health belief model: Evaluating marketing
promotion in a public vaccination program. Journal of Nonprofit & Public Sector Marketing, 2011, vol. 23, no 2, p.
134-157.
27 EISEN-HECHT, Jonathan I., KRAMER, Randall A., et HUBER, Joel. A Hierarchical Bayes Approach to Modeling
Choice Data: A Study of Wetland Restoration Programs. 2005. Thèse de doctorat. Duke University.
28 FISHER, Jacob C. Fitting Bayesian hierarchical multinomial logit models in PROC MCMC, 2012.
29 FLORET, D. Le calendrier des vaccinations et les recommandations vaccinales 2012 selon l’avis du Haut Conseil
de la santé publique. Bull Epidémiol Hebd, 2012, vol. 10, p. 111-112.
30 FUTURA-SCIENCES. Couverture vaccinale, consulté le 22/06/2014 à l'adresse : http://www.futura-
sciences.com/magazines/sante/infos/dico/d/medecine-couverture-vaccinale-13088/
31 GAUDELUS, J., COHEN, R., LEPETIT, H., et al. Vaccinoscopie: de la perception des mères à la couverture
vaccinale. Médecine & enfance, 2009, vol. 29, no 8, p. 397-401.
32 GBI RESEARCH. Adult and Adolescent Vaccines Market to 2017 - Accelerated Development and Introduction
Plans (ADIP) by GAVI Alliance to Drive Growth., 2011.
33 GLAXOSMITHKLINE. Histoire de la vaccination, consulté le 15/08/2014 à l'adresse : http://www.vacciweb.be/fr-
BE/content/vaccins-pour-adolescents-et-adultes/la-vaccination-en-general/histoire/151/509/
34 GREEN, Paul E. et RAO, Vithala R. Conjoint measurement for quantifying judgmental data. Journal of Marketing
research, 1971, p. 355-363.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
72
35 GREEN, Paul E. et SRINIVASAN, Venkataraman. Conjoint analysis in consumer research: issues and outlook.
Journal of consumer research, 1978, p. 103-123.
36 GREENE, William H. Discrete choice modeling. Cours de l'Université du Danemark du Sud, 2008.
37 GUTHMANN, J. P. et ABITEBOUL, D. Vaccinations chez les soignants des établissements de soins de France,
2009. Couverture Vaccinale, Connaissances et Perceptions vis-à-vis des Vaccinations, Rapport Final, 2011.
38 GUYON, Hervé. L’analyse conjointe discrète: une illustration pour le marché du pneu. Revue Française du
Marketing, 2009, no 225.
39 HANSLIK, Thomas et BOËLLE, Pierre Yves. L’évaluation du rapport risque/bénéfice des stratégies de
vaccination. Med Sci (Paris), 2007, vol. 23, p. 391-8.
40 HAUTE AUTORITE DE SANTE. Définition du Service Médical Rendu (SMR), consulté le 18/07/2014 à l'adresse :
http://www.has-sante.fr/portail/upload/docs/application/pdf/definition_smr.pdf
41 HAUTE AUTORITE DE SANTE. Vaccination contre le virus de l’hépatite B et sclérose en plaques : état des
lieux. Rapport d'orientation de la commission d'audition, 2004.
42 HERRMANN, Andreas, SCHMIDT-GALLAS, Dirk, et HUBER, Frank. Adaptive conjoint analysis:
understanding the methodology and assessing reliability and validity. In : Conjoint Measurement. Springer Berlin
Heidelberg, 2003. p. 305-329.
43 HOOGERBRUGGE, Marco. Practical issues concerning the number-of-levels effect. In : Sawtooth Software
Conference. 2000.
44 HUANG, Yangxin, LIU, Dacheng, et WU, Hulin. Hierarchical Bayesian methods for estimation of parameters
in a longitudinal HIV dynamic system. Biometrics, 2006, vol. 62, no 2, p. 413-423.
45 INSEE. Population par âge, consulté le 01/08/2014 à l'adresse :
http://www.insee.fr/fr/mobile/etudes/document.asp?reg_id=0&id=4149
46 JAIN, Dipak, BASS, Frank M., et CHEN, Yu-Min. Estimation of latent class models with heterogeneous choice
probabilities: An application to market structuring. Journal of Marketing Research, 1990, p. 94-101.
47 JOHNSON, Richard et ORME, B. A perspective on adaptive CBC (what can we expect from respondents?).
Sawtooth Software, Research Paper Series, 2008.
48 JOHNSON, Richard M. et ORME, Bryan K. How many questions should you ask in choice-based conjoint
studies. Sawtooth software technical paper, 1996.
49 JOHNSON, Richard M. Understanding HB: an intuitive approach. Sawtooth Software Inc., Sequim, WA, 2000.
50 JOHNSON, Richard, HUBER, Joel, et BACON, Lynd. Adaptive choice-based conjoint. In : Proceedings of the
10th Sawtooth Software Conference. 2003.
51 KADDAR, Miloud. Global Vaccine Market Features and Trends. Diaporama de présentation à l'Organisation
Mondiale de la Santé.
52 KAMAKURA, Wagner A., KIM, Byung-Do, et LEE, Jonathan. Modeling preference and structural
heterogeneity in consumer choice. Marketing Science, 1996, vol. 15, no 2, p. 152-172.
53 KONTOLEON, Andreas et YABE, Mitsuyasu. Market segmentation analysis of preferences for GM derived
animal foods in the UK. Journal of Agricultural & Food Industrial Organization, 2006, vol. 4, no 1.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
73
54 KUHFELD, Warren F. Efficient experimental designs using computerized searches. Research Paper Series, SAS
Institute, Inc, 1997.
55 LARSON, Daniel J. et WON, Doyeon. Road cycling event preferences for racing cyclists. International Journal of
Sports Marketing & Sponsorship, 2012, vol. 13, no 2, p. 116-131.
56 LE PEN, Claude. Vaccins : les enjeux économiques. Cours Université Paris-Dauphine.
57 LEBEAU, Kenneth, VAN MIERLO, Joeri, LEBEAU, Philippe, et al. The market potential for plug-in hybrid and
battery electric vehicles in Flanders: A choice-based conjoint analysis. Transportation Research Part D: Transport and
Environment, 2012, vol. 17, no 8, p. 592-597.
58 LEFÈVRE, H., PAVILLON, G., LE TOULLEC, A., et al. Mortalité par maladies infectieuses en France.
Situation actuelle et tendances évolutives. Surveillance nationale des maladies infectieuses, 2001, vol. 2003.
59 LES ENTREPRISES DU MEDICAMENT. Position des Entreprises du Médicament. Le vaccin, un médicament
comme les autres ?
60 LES ENTREPRISES DU MEDICAMENT. Quel est le poids de l'industrie du vaccin ? 100 questions que l'on nous
pose, 2012, Juin, p. 77.
61 Les Médias, un 4e pouvoir ?, consulté le 17/08/2014 à l'adresse : http://media-et-politique.e-monsite.com/pages/les-
medias-un-quatrieme-pouvoir.html#
62 Les modèles de choix discret et leur estimation. (Téléchargeable à partir de
http://temis.documentation.developpement-durable.gouv.fr/documents/Temis/0028/Temis-0028463/11993_2.pdf).
63 LIECHTY, John C., FONG, Duncan KH, et DESARBO, Wayne S. Dynamic models incorporating individual
heterogeneity: Utility evolution in conjoint analysis. Marketing Science, 2005, vol. 24, no 2, p. 285-293.
64 MA, K. K., SCHAFFNER, W., COLMENARES, C., et al. Influenza vaccinations of young children increased
with media coverage in 2003. Pediatrics, 2006, vol. 117, no 2, p. e157-e163.
65 MAGIDSON, J. et VERMUNT, J. K. A Nontechnical Introduction to Latent Class Models. Statistical
Innovations White Paper# 1. 2002.
66 MCFADDEN, Daniel, TYE, William B., et TRAIN, Kenneth. An application of diagnostic tests for the independence
from irrelevant alternatives property of the multinomial logit model. Institute of Transportation Studies, University of
California, 1977.
67 MEISSNER, Martin et DECKER, Reinhold. Eye-tracking information processing in choice-based conjoint
analysis. International Journal of Market Research, 2010, vol. 52, no 5.
68 MELLES, Torsten, LAUMANN, Ralf, et HOLLING, Heinz. Validity and reliability of online conjoint analysis.
In : Proceedings of the Sawtooth Software Conference. Sawtooth Software Sequim, WA, 2000. p. 31-40.
69 MEYER-WAARDEN, Lars et ZEITOUN, Helen. Une comparaison empirique de la validité prédictive de la
méthode de composition, de l'analyse conjointe et de l'analyse conjointe hybride. Recherche et applications en
marketing, 2005, vol. 20, no 3, p. 39-58.
70 MILLS, Edward, JADAD, Alejandro R., ROSS, Cory, et al. Systematic review of qualitative studies exploring
parental beliefs and attitudes toward childhood vaccination identifies common barriers to vaccination. Journal of
clinical epidemiology, 2005, vol. 58, no 11, p. 1081-1088.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
74
71 NACHE, Catalin M. et TRUDEAU, François. DETERMINANTS PSYCHOSOCIAUX DES
COMPORTEMENTS DE SANTE: APPROCHES THEORIQUES ET OPERATIONNALISATION EN
EDUCATION POUR LA SANTE. SPIRALE, 2000, no 25, p. 89-109.
72 NAIK-PANVELKAR, Ms Pradnya, ARMOUR, Carol, ROSE, John M., et al. Patient Preferences for
Community Pharmacy Asthma Services. PharmacoEconomics, 2012, vol. 30, no 10, p. 961-976.
73 NATTER, Martin et FEURSTEIN, Markus. Real world performance of choice-based conjoint models. European
Journal of Operational Research, 2002, vol. 137, no 2, p. 448-458.
74 NGUYEN, Florence, NORA, M., et al. Révélation des préférences individuelles pour un bien de santé: la
méthode des choix discrets appliquée au choix du Traitement Hormonal Substitutif de la ménopause. Journées de
l'AFSE. GRESAC, GATE and U, 2007.
75 OGDEN, Jane. Psychologie de la santé: A Textbook. De Boeck Supérieur, 2008.
76 OHANNESSIAN, Silva. L'option" zéro" en analyse conjointe: une nouvelle spécification de l'indécision et du refus. 2008.
Thèse de doctorat.
77 ORGANISATION MONDIALE DE LA SANTE. Principales causes de mortalité dans le monde, consulté le
16/08/2014 à l'adresse : http://www.who.int/mediacentre/factsheets/fs310/fr/
78 ORME, Bryan et BAKER, Gary. Comparing Hierarchical Bayes Draws and Randomized First Choice for
Conjoint Simulations. Sawtooth Software Research Paper Series, 2000.
79 ORME, Bryan K. Interpreting the Results of Conjoint-Analysis. Getting started with conjoint analysis: Strategies for
product design and pricing research. 2010, Chapitre 9.
80 ORME, Bryan. Fine-tuning CBC and adaptive CBC questionnaires. Notice disponible sur
www.sawtoothsoftware.com, 2009.
81 ORME, Bryan. Formulating attributes and levels in conjoint analysis. Sawtooth Software Research Paper. Sawtooth
Software Inc.(Téléchargeable à partir de http://www.sawtoothsoftware.com/download/techpap/formatt.pdf), 2002.
82 PAUL, Stéphane, AUTRAN, Brigitte, JEANNIN, Pascale, et LELIEVRE, Jean-Daniel. Mécanisme d'action des
vaccins, rôle des adjuvants. Association des Collèges des Enseignants d'Immunologie des Universités de langue
française.(Téléchargeable à partir de http://www.assim.refer.org/colleges/colleges/styled/files/page80-l3.10.vaccins.pdf).
83 PFIZER. Pfizer Presents Detailed Results From Landmark Community-Acquired Pneumonia Immunization Trial In Adults
(CAPiTA) Evaluating Efficacy Of Prevenar 13, consulté le 16/04/2014 à l'adresse : http://www.pfizer.com/news/press-
release/press-release-
detail/pfizer_presents_detailed_results_from_landmark_community_acquired_pneumonia_immunization_trial_in_adults_
capita_evaluating_efficacy_of_prevenar_13
84 REED JOHNSON, F., LANCSAR, Emily, MARSHALL, Deborah, et al. Constructing experimental designs for
discrete-choice experiments: report of the ISPOR conjoint analysis experimental design good research practices
task force. Value in Health, 2013, vol. 16, no 1, p. 3-13.
85 REITER, Paul L., BREWER, Noel T., GOTTLIEB, Sami L., et al. Parents' health beliefs and HPV vaccination of
their adolescent daughters. Social science & medicine, 2009, vol. 69, no 3, p. 475-480.
86 ROUSSEY, M. Les freins à la vaccination. Pôle de pédiatrie médico-chirurgicale et de génétique clinique.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
75
87 RYAN, Mandy et GERARD, Karen. Using discrete choice experiments to value health care programmes:
current practice and future research reflections. Applied health economics and health policy, 2003, vol. 2, no 1, p.
55-64.
88 RYAN, Mandy, GERARD, Karen, et AMAYA-AMAYA, Mabel (ed.). Using discrete choice experiments to value
health and health care. Springer, 2007.
89 SAPÈDE, Claudine et GIROD, Isabelle. Willingness of adults in Europe to pay for a new vaccine: The
application of discrete choice-based conjoint analysis. International Journal of Market Research, 2002, vol. 44, no 4,
p. 463-476.
90 SAVOPOULOS, John. Strategic directions in vaccines. Journal of Medical Marketing: Device, Diagnostic and
Pharmaceutical Marketing, 2004, vol. 4, no 2, p. 105-109.
91 SAWTOOTH SOFTWARE. The CBC System for Choice-Based Conjoint Analysis. Sawtooth Software Technical
Paper. Sawtooth Software Inc. (Téléchargeable à partir de https://sawtoothsoftware.com/download/techpap/cbctech.pdf),
2013.
92 SMITH, Michael J., ELLENBERG, Susan S., BELL, Louis M., et al. Media coverage of the measles-mumps-
rubella vaccine and autism controversy and its relationship to MMR immunization rates in the United States.
Pediatrics, 2008, vol. 121, no 4, p. e836-e843.
93 SPSS INC. IBM SPSS Conjoint, 2012.
94 STATSDIRECT. Kruskal-Wallis Test, consulté le 19/08/2014 à l'adresse :
http://www.statsdirect.com/help/default.htm#nonparametric_methods/kruskal_wallis.htm
95 STATSOFT. Plans d'Expériences : Construire des plans D et A Optimaux, consulté le 25/06/2014 à l'adresse :
http://www.statsoft.fr/concepts-statistiques/plans-experiences/plans-d-et-a-optimaux.php#.U_dKIGPyJ3t
96 STEENHARD, David et CHOU, N. T. Designing information-service products: a Hierarchical Bayesian
approach, 2004.
97 STREET, Deborah J., BURGESS, Leonie, et LOUVIERE, Jordan J. Quick and easy choice sets: constructing
optimal and nearly optimal stated choice experiments. International Journal of Research in Marketing, 2005, vol. 22,
no 4, p. 459-470.
98 STREET, Deborah J., BURGESS, Leonie, VINEY, Rosalie, et al. Designing discrete choice experiments for health care.
Springer Netherlands, 2008.
99 UNIVERSITE DE GENEVE. Théorie de l'action raisonnée, consulté le 23/07/2014 à l'adresse :
http://edutechwiki.unige.ch/fr/Th%C3%A9orie_de_l%E2%80%99action_raisonn%C3%A9e
100 VAN DRIESSCHE, Luc. Le deal à 21 milliards de Novartis et GSK, consulté le 08/05/2014 à l'adresse :
http://www.lecho.be/actualite/entreprises_pharma/Le_deal_a_21_milliards_de_Novartis_et_GSK.9492904-
3002.art?ckc=1
101 VERGER, P., FLICOTEAUX, R., PAUVIF, L., et al. Attitudes et pratiques des médecins généralistes de ville
relatives à la vaccination en général et à celle contre la grippe A/H1N1 en 2009. Études et Résultats, 2011, vol.
770, p. 1-8.
102 VIRELLI, Giuseppina. Number of levels effect in adaptive and choice-based conjoint analysis. 2001. Thèse de doctorat.
Concordia University.
103 VISIONGAIN. The Global Vaccines Market, 2008-2023. 2008.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
76
104 WALSH, Julia A. Les aspects économiques de la grippe - Maladie et vaccination. Cours de l'Ecole des Hautes Etudes
en Santé Publique, 2010.
105 WIKIPEDIA. Distance de Manhattan, consulté le 22/07/2014 à l'adresse :
http://fr.wikipedia.org/wiki/Distance_de_Manhattan
106 WIKIPEDIA. Distance de Tchebychev, consulté le 22/07/2014 à l'adresse :
http://fr.wikipedia.org/wiki/Distance_de_Tchebychev
107 WIKIPEDIA. Economie du savoir, consulté le 07/08/2014 à l'adresse :
http://fr.wikipedia.org/wiki/%C3%89conomie_du_savoir
108 WIKIPEDIA. Identifiability, consulté le 05/07/2014 à l'adresse : http://en.wikipedia.org/wiki/Identifiability
109 WIKIPEDIA. Loi de Gumbel, consulté le 23/05/2014 à l'adresse : http://fr.wikipedia.org/wiki/Loi_de_Gumbel
110 WIKIPEDIA. Loi de Wishart inverse, consulté le 15/06/2014 à l'adresse :
http://fr.wikipedia.org/wiki/Loi_de_Wishart_inverse
111 WIKIPEDIA. Loi uniforme continue, consulté le 18/08/2014 à l'adresse :
http://fr.wikipedia.org/wiki/Loi_uniforme_continue
112 WIKIPEDIA. Quatrième pouvoir, consulté le 17/08/2014 à l'adresse :
http://fr.wikipedia.org/wiki/Quatri%C3%A8me_pouvoir
113 WIKIPEDIA. Test de Kolmogorov-Smirnov, consulté le 08/08/2014 à l'adresse :
http://fr.wikipedia.org/wiki/Test_de_Kolmogorov-Smirnov
114 WIKIPEDIA. Tukey range test, consulté le 19/08/2014 à l'adresse :
http://en.wikipedia.org/wiki/Tukey%27s_range_test
115 XLSTAT. Régression logistique pour réponses binaires et multinomiales (logit, probit, …), consulté le 14/08/2014 à
l'adresse : http://www.xlstat.com/fr/produits-solutions/fonctionnalite/regression-logistique-pour-reponse-binaires-et-
multinomiales-logit-probit.html
116 YU, Jie, GOOS, Peter, et VANDEBROEK, Martina. Efficient conjoint choice designs in the presence of
respondent heterogeneity. Marketing Science, 2009, vol. 28, no 1, p. 122-135.
117 ZIMMERMAN, Richard Kent, SCHLESSELMAN, James J., MIECZKOWSKI, Tammy A., et al. Physician
concerns about vaccine adverse effects and potential litigation. Archives of pediatrics & adolescent medicine, 1998,
vol. 152, no 1, p. 12-19.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
77
Annexes
Annexe 1 – Benchmark des tarifs de vaccination pour une seule
injection
Type de vaccination Prix en Euros
pour 1 injection (€) / pers.
DIPHTERIE - TETANOS - POLIOMYELITE - COQUELUCHE (Repevax / Boostrix) 40
DIPHTERIE - TETANOS - POLIOMYELITE - COQUELUCHE (Tétravac Acellulaire) 21
DIPHTERIE - TETANOS - POLIOMYELITE (Revaxis) 20
ENCEPHALITE A TIQUES (Ticovac) 55
ENCEPHALITE JAPONAISE (Ixiaro) 105
FIEVRE JAUNE (Stamaril multidose) 45
GRIPPE (Vaxigrip) 15
HEPATITE A (Avaxim / Havrix 1440 / Havrix 720) 43
HEPATITE B (Genhevac B / Engérix B) 26
HEPATITES A + B (Twinrix) 50
HUMAN PAPILLOMAVIRUS (Gardasil / Cervarix) 124
LEPTOSPIROSE (Spirolept) 80
MENINGITE A + C (Méningococcique A + C) 32
MENINGOCOCCIQUE A + C + Y + W 135 conjugué (Nimenrix / Menveo) 52
RAGE (Rabique Pasteur / Rabipur) 50
ROUGEOLE (Rouvax) 10
ROUGEOLE OREILLONS RUBEOLE (Priorix) 25
TEST TUBERCULINIQUE (Tubertest 5UI) 12
TETANOS (Vaccin tétanique Pasteur) 10
TYPHOIDE (Typhérix / Typhim) 50
Source : http://www.pasteur.fr/fr/sante/informations-pratiques/tarifs
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
78
Annexe 2 – Benchmark des efficacités de vaccins existants (liste
non exhaustive) [25]
Vaccin Efficacité
Choléra 85%
Coqueluche 90%
Diphtérie 95%
Encéphalite à tiques 90%
Encéphalite japonaise 95%
Grippe saisonnière 60-90%
Haemophilus Influenzae type b 100%
Hépatite A 97%
Hépatite B 90%
HPV 99%
Pneumocoque 50-70%
Poliomyélite 80-90%
Rotavirus 85%
Rougeole 95%
Rubéole 95%
Tétanos 95%
Typhoïde 60%
Zona 61%
A la lecture de ce tableau, 3 modalités d'efficacité semblent pertinentes pour les vaccins adultes : 60%, 75% et
90% (respect des équidistances entre modalités). Finalement dans l'objectif de réduire le nombre de scénarii,
la décision de réduire à 2 modalités a été prise. Par conséquent les modalités retenues sont 60% et 80% et
plus.
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
79
Annexe 3 – Ensemble des paires présentées au cours de l'exercice
de choix
design 1- Profil A comparé au profil C
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
80
design 10 - >Comparaison évidente (profil A > profil B)
design 12 - Profil A comparé au profil B
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
81
design 19 - Profil B comparé au profil C
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
82
43% 30% 27%
Connaissance déclarée de la vaccination
Mauvaise (note entre 1 et 5) Modérée (note de 6 ou 7) Très bonne (note supérieure à 8)
Annexe 4 – Graphiques des résultats des variables
sociodémographiques des 67 répondants retenus
72%
28%
Proportion de femmes et d'hommes
Femmes Hommes 76%
4%
15%
4%
0%
18-34
35-44
45-54
55-64
65 et plus
Proportion des classes d'âge
0%
1%
18%
6%
24%
3%
0%
45%
0%
1%
1%
Agriculteurs
Artisans, Commerçants, Chefs d'entreprises
Cadres et professions intellectuelles supérieures
Professions intermédiaires
Employés
Ouvriers
Retraités
Etudiants
Inactifs et chômeurs n'ayant jamais travaillé
Refus de répondre
Autres
Proportion des CSP
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
83
25%
69%
6%
Opinions à l'égard de la vaccination
Très favorable Favorable Peu favorable Pas du tout favorable
87% des interrogés ont déjà été
vacciné au moins une fois depuis leur
18 ans
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
84
Annexe 5 – Infographie réalisée pour partage des résultats auprès
des répondants
Le lien permettant d’accéder à la version dynamique de cette infographie est le suivant :
https://infogr.am/optimiser-les-prochaines-couvertures-vaccinales-aupres-des-adultes-francais
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
85
Mémoire de stage réalisé par Florian Jolivet, étudiant en M2 Marketing
spécialité Le Quanti, métiers des études en marketing à l’IAE de Grenoble
(2013/2014).
Profil LinkedIn :
Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
86
our contact : [email protected]
Profil LinkedIn :