L’État de la sécurité alimentaire et de la nutrition dans le monde 2024

ANNEXES

ANNEXE 1B: Notes méthodologiques relatives aux indicateurs de la sécurité alimentaire et de la nutrition

PRÉVALENCE DE LA SOUS-ALIMENTATION

Définition: La sous-alimentation est définie comme étant la situation dans laquelle la consommation alimentaire habituelle d’un individu est insuffisante pour fournir, en moyenne, l’apport énergétique alimentaire nécessaire à une vie normale, active et saine.

Indicateur: L’indicateur, appelé «prévalence de la sous-alimentation» (PoU, prevalence of undernourishment), est une estimation du pourcentage de personnes dans la population qui sont en situation de sous-alimentation. Les estimations nationales sont présentées sous forme de moyennes mobiles sur trois ans pour tenir compte du manque de fiabilité des estimations de certains paramètres sous-jacents en raison d’éléments pour lesquels il est très rare que l’on dispose d’informations complètes et fiables, tels que la variation d’une année sur l’autre des stocks de produits alimentaires, l’une des composantes des bilans alimentaires annuels de la FAO. Les agrégats régionaux et mondiaux, quant à eux, sont présentés sous forme d’estimations annuelles, car on considère qu’il n’y a pas de corrélation entre les éventuelles erreurs d’estimation et que ces erreurs sont donc ramenées à des niveaux acceptables lorsqu’on agrège les données de plusieurs pays.

La série entière des données sur la PoU est révisée pour chaque nouvelle édition de ce rapport à la lumière des données et des informations reçues par la FAO depuis l’édition précédente. Comme cette procédure entraîne généralement une révision à rebours de la série entière, il est conseillé aux lecteurs de ne pas comparer les chiffres d’une édition sur l’autre et de se reporter systématiquement à l’édition la plus récente, y compris pour les chiffres des années précédentes.

Méthode: Pour estimer la prévalence de la sous-alimentation dans une population, on modélise la loi de distribution de probabilité de l’apport énergétique alimentaire habituel, exprimé en kilocalories par personne et par jour pour un individu moyen, sous la forme d’une fonction de densité de probabilité paramétrique, f(x)¹^, ². On obtient ensuite l’indicateur en calculant la probabilité cumulée que l’apport énergétique alimentaire habituel (x) soit inférieur aux besoins énergétiques alimentaires minimaux (MDER) (limite inférieure de la fourchette des besoins énergétiques appropriée pour un individu moyen représentatif), comme dans la formule ci-après:

où θ est un vecteur de paramètres caractérisant la fonction de densité de probabilité. Dans les calculs réels, on part du principe que la distribution est log-normale, et donc totalement caractérisée par deux paramètres seulement: la consommation d’énergie alimentaire (DEC) moyenne et son coefficient de variation (CV).

Sources de données: Différentes sources de données sont utilisées pour estimer les paramètres du modèle.

Besoins énergétiques alimentaires minimaux (MDER): Pour déterminer les besoins énergétiques d’une personne appartenant à une classe d’âge/un sexe donné(e), on multiplie les besoins normalisés associés au taux métabolique de base (exprimés par kilogramme de poids corporel) par le poids idéal d’une personne en bonne santé de ce sexe/cette classe d’âge (compte tenu de sa taille); on multiplie ensuite la valeur obtenue par un coefficient correspondant au niveau d’activité physique (NAP) afin de prendre en compte cette dernière^bl. Étant donné que l’indice de masse corporelle (IMC) et le NAP normal varient chez les personnes actives et en bonne santé de mêmes sexe et âge, on obtient une fourchette de besoins énergétiques pour chaque tranche d’âge de la population et chaque sexe. Les MDER d’un individu moyen dans la population – paramètre utilisé dans la formule de la PoU – correspondent à la moyenne pondérée des valeurs minimales des fourchettes de besoins énergétiques pour chaque tranche d’âge et sexe, la part de la population représentée par chaque groupe tenant lieu de coefficient de pondération. Comme pour les MDER, on estime les besoins énergétiques alimentaires moyens (ADER) (utilisés pour estimer la composante du CV décrite ci-dessous) à partir des valeurs moyennes de la catégorie de NAP «Mode de vie actif ou relativement actif»⁴.

Des informations sur la structure de la population par sexe et par âge nécessaires pour calculer les MDER sont disponibles pour la plupart des pays et pour chaque année dans le rapport du Département des affaires économiques et sociales du Secrétariat de l’ONU intitulé World Population Prospects (Perspectives de la population mondiale), qui est révisé tous les deux ans. La présente édition de L’État de la sécurité alimentaire et de la nutrition dans le monde utilise la version 2022 du rapport World Population Prospects (Perspectives de la population mondiale)⁵.

Les informations relatives à la taille médiane des populations de chaque tranche d’âge et de chaque sexe par pays sont tirées d’une enquête démographique et sanitaire (EDS) récente ou d’autres enquêtes qui permettent de collecter des données anthropométriques sur les enfants et les adultes. Même si ces enquêtes ne se rapportent pas à la même année que celle pour laquelle on estime la PoU, les changements possibles d’une année à l’autre dans les statures médianes sont peu importants, et leur incidence sur les MDER et, de ce fait, sur les estimations de la PoU est donc considérée comme négligeable.

Consommation d’énergie alimentaire (DEC): L’idéal serait de pouvoir estimer la DEC à partir de données sur la consommation alimentaire issues d’enquêtes sur les ménages représentatives au niveau national (études sur la mesure des niveaux de vie [LSMS], ou enquêtes sur la consommation et les dépenses des ménages, par exemple). Cependant, très peu de pays réalisent ce type d’enquêtes chaque année. De ce fait, dans les estimations de la PoU calculées par la FAO aux fins du suivi mondial, les valeurs de DEC sont estimées à partir des disponibilités énergétiques alimentaires (DES) communiquées dans les bilans alimentaires établis par la FAO pour la plupart des pays⁶

Depuis la dernière édition du présent rapport, le domaine de FAOSTAT consacré aux bilans alimentaires a été mis à jour afin d’inclure les nouvelles valeurs des séries jusqu’en 2021 pour l’ensemble des pays. De plus, au moment où s’achevait la rédaction du présent rapport, les séries de bilans alimentaires étaient actualisées jusqu’en 2022 pour les 68 pays suivants, sélectionnés en priorité en raison de la forte proportion qu’ils représentent au sein de la population sous-alimentée à l’échelle mondiale: Afghanistan, Afrique du Sud, Angola, Arabie saoudite, Argentine, Bangladesh, Bénin, Bolivie (État plurinational de), Brésil, Burkina Faso, Cameroun, Colombie, Congo, Côte d’Ivoire, Égypte, Équateur, Éthiopie, Ghana, Guatemala, Guinée, Haïti, Honduras, Inde, Indonésie, Iran (République islamique d’), Iraq, Japon, Jordanie, Kenya, Lesotho, Libéria, Madagascar, Malaisie, Malawi, Mali, Maroc, Mozambique, Myanmar, Népal, Nicaragua, Niger, Nigéria, Ouganda, Pakistan, Papouasie-Nouvelle-Guinée, Pérou, Philippines, République arabe syrienne, République centrafricaine, République démocratique du Congo, République populaire démocratique de Corée, République-Unie de Tanzanie, Rwanda, Sénégal, Sierra Leone, Somalie, Soudan, Soudan du Sud, Sri Lanka, Tchad, Thaïlande, Togo, Ukraine, Venezuela (République bolivarienne du), Viet Nam, Yémen, Zambie et Zimbabwe. Par ailleurs, les séries de DES des bilans alimentaires ont été actualisées jusqu’en 2022 pour un autre groupe de 27 pays, qui représentent une moindre proportion de la population sous-alimentée à l’échelle mondiale: Albanie, Arménie, Bahamas, Bosnie-Herzégovine, Cabo Verde, Chili, Chine (continentale), Costa Rica, Djibouti, El Salvador, Eswatini, États-Unis d’Amérique, Jamaïque, Koweït, Liban, Libye, Mauritanie, Mongolie, Monténégro, Oman, Panama, Paraguay, République dominicaine, Sao Tomé-et-Principe, Slovaquie, Timor-Leste et Tunisie.

Les DES moyennes par habitant pour 2022 (pour les pays autres que ceux énumérés ci-dessus) et pour 2023 (pour tous les pays) sont des prévisions immédiates réalisées à partir des perspectives à court terme des marchés établies par la FAO et publiées sur le Portail de la situation alimentaire mondiale⁷, et sont utilisées pour calculer les valeurs de DEC de chaque pays pour 2022 et 2023.

Facteurs de gaspillage
Pour la présente édition du rapport, nous avons notamment actualisé les facteurs de gaspillage qui sont utilisés pour calculer la DEC en soustrayant le pourcentage de gaspillage des DES pour tous les pays. Les pourcentages de gaspillage alimentaire au niveau de la distribution ont été estimés à l’aide des données des bilans alimentaires disponibles sur FAOSTAT.

À partir des pourcentages indiqués dans le document de la FAO intitulé Pertes et gaspillages alimentaires dans le monde⁸, on calcule et on additionne les pertes de calories dues au gaspillage pour chaque groupe d’aliments, sauf les céréales, pour lesquelles les facteurs de gaspillage utilisés sont de 2 pour cent pour toutes les régions. Enfin, on considère les pertes totales de calories en pourcentage des calories totales pour chaque année et chaque pays. Les données sont disponibles jusqu’à l’année 2021. Pour 2022 et 2023, les valeurs utilisées sont celles de l’année 2021.

Pour la Somalie et la Palestine, les données sur la consommation de poisson étant manquantes, les facteurs de gaspillage ont été estimés pour tous les groupes d’aliments à l’exception de celui-ci. Les données pour le Guatemala et la République dominicaine n’ont pas été actualisées.

Coefficient de variation (CV): On obtient le coefficient de variation de la DEC habituelle dans la population en calculant la moyenne géométrique de deux composantes, appelées CV|y et CV|r:

La première (CV|y) désigne la variabilité de la consommation par habitant chez les ménages appartenant à différentes couches sociodémographiques, et est donc appelée «coefficient de variation imputable aux revenus», tandis que la seconde (CV|r) rend compte de la variabilité liée au sexe, à l’âge, à la masse corporelle et au NAP des membres d’un même ménage. Étant donné que ce sont les mêmes éléments qui déterminent les besoins énergétiques, la seconde composante est appelée «coefficient de variation imputable aux besoins».

CV|y
Lorsqu’on dispose de données fiables sur la consommation alimentaire issues d’enquêtes sur les ménages représentatives au niveau national, on peut estimer directement le coefficient de variation imputable aux revenus (CV|y). Depuis la dernière édition de ce rapport, 14 nouvelles enquêtes réalisées dans les 13 pays suivants ont été traitées aux fins d’actualisation du CV|y: Arménie (2022), Costa Rica (2019), Côte d’Ivoire (2022), Inde (2011-2012 et 2022-2023), Jordanie (2017), Kazakhstan (2022), Maldives (2016), Mali (2022), Mexique (2022), Niger (2022), République de Moldova (2022), Sénégal (2022) et Timor-Leste (2015). Le CV|y repose donc désormais sur les données issues de 143 enquêtes menées dans 69 pays.

Lorsqu’on ne dispose pas de données d’enquête appropriées, on a recours aux données collectées par la FAO depuis 2014 au moyen de l’échelle FIES pour établir une projection des variations du CV|y à partir de 2015 (ou à partir de l’année de la dernière enquête de consommation alimentaire réalisée, si elle est postérieure) et jusqu’à 2023, en se basant sur l’évolution observée de l’insécurité alimentaire grave. Les projections sont fondées sur l’hypothèse que cette évolution mesurée au moyen des données FIES pourrait indiquer des variations équivalentes de la prévalence de la sous-alimentation. Si tant est qu’elles ne puissent pas s’expliquer totalement par les effets de changements liés à l’offre dans les approvisionnements alimentaires moyens, on peut raisonnablement attribuer ces variations de la PoU à une évolution non observée du CV|y qui se serait produite dans le même temps. L’analyse des estimations passées de la PoU montre qu’en moyenne, après neutralisation des différences liées à la DEC, aux MDER et au CV|r, l’évolution du CV|y explique un tiers environ des écarts de PoU dans le temps et dans l’espace. À partir de tous ces éléments, pour chaque pays pour lequel on dispose de données FIES, l’évolution du CV|y qui a pu se produire depuis 2015, ou depuis la date de la dernière enquête disponible, est donc estimée comme étant l’évolution susceptible d’entraîner une variation d’un tiers de point de pourcentage de la prévalence de la sous-alimentation pour chaque point de pourcentage de variation observé dans la prévalence de l’insécurité alimentaire grave. Pour tous les autres pays, faute de données probantes, on conserve la dernière estimation disponible du CV|y. Comme dans les deux éditions précédentes du rapport, la prévision immédiate du CV|y pour 2020, 2021, 2022 et 2023 a nécessité un traitement spécial pour tenir compte des effets de la pandémie de covid-19 (voir le supplément au chapitre 2).

CV|r
Le coefficient de variation imputable aux besoins (CV|r) reflète la variabilité de la distribution des besoins énergétiques alimentaires d’un individu moyen hypothétique représentatif d’une population en bonne santé, et correspond également au CV de la distribution des apports énergétiques alimentaires d’un individu moyen hypothétique si toute la population est parfaitement bien nourrie. Aux fins d’estimation, la distribution des besoins énergétiques alimentaires d’un individu moyen hypothétique est supposée normale, et l’écart type correspondant peut être estimé à partir de deux centiles connus. Nous utilisons les MDER et les ADER mentionnés précédemment pour obtenir une approximation du 1er centile et du 50e centile⁹^, ¹⁰. La valeur du CV|r est donc dérivée sous la forme d’une distribution normale type cumulative inverse de la différence entre les MDER et les ADER.

Problèmes et limites: La sous-alimentation est normalement un état individuel, mais, étant donné qu’on dispose généralement de données à grande échelle, il est impossible de déterminer de manière fiable les individus qui, au sein d’un groupe spécifique, sont effectivement sous-alimentés. Avec le modèle statistique décrit plus haut, l’indicateur ne peut être calculé qu’en référence à une population ou à un groupe d’individus pour laquelle/lequel on dispose d’un échantillon suffisamment représentatif. La PoU est donc une estimation du pourcentage d’individus du groupe considéré qui sont sous-alimentés, mais elle ne peut pas être décomposée plus finement.

Compte tenu de la nature probabiliste de l’inférence et des marges d’incertitude associées aux estimations de chacun des paramètres du modèle, la précision des estimations de la PoU est généralement faible. Il n’est pas possible de calculer formellement les marges d’erreur associées aux estimations de la PoU, mais il est probable qu’elles soient supérieures à 5 pour cent dans la plupart des cas. C’est pourquoi la FAO considère que les estimations de la PoU qui sont inférieures à 2,5 pour cent ne sont pas suffisamment fiables pour figurer dans les rapports.

Il est important de noter que les fourchettes présentées pour les valeurs de la prévalence de la sous-alimentation en 2020, 2021, 2022 et 2023 ne doivent pas être interprétées comme des intervalles de confiance statistiques; elles représentent plutôt des scénarios différents utilisés pour établir des prévisions immédiates des valeurs de CV|y de 2020 à 2023.

Lectures recommandées:
FAO. 1996. Methodology for assessing food inadequacy in developing countries. Dans: The Sixth World Food Survey, p. 114-143. Rome. https://www.fao.org/4/w0931e/w0931e16.pdf

FAO. 2003. Sommaire des débats: Mesure et évaluation des pénuries alimentaires et de la dénutrition: Colloque scientifique international. Rome.

FAO. 2014. Advances in hunger measurement: traditional FAO methods and recent innovations. Division de la statistique de la FAO. Document de travail no 14-04. Rome.

Naiken, L. 2002. Résumé de la communication invitée: Méthodologie de la FAO pour estimer la prévalence de la sous-alimentation. Document présenté lors du colloque scientifique international Mesure et évaluation des pénuries alimentaires et de la dénutrition, Rome, 26-28 juin 2002. Rome, FAO.

Wanner, N., Cafiero, C., Troubat, N. et Conforti, P. 2014. Refinements to the FAO methodology for estimating the prevalence of undernourishment indicator. Rome, FAO.

PRÉVALENCE DE L’INSÉCURITÉ ALIMENTAIRE ÉVALUÉE À L’AIDE DE L’ÉCHELLE DE MESURE DE L’INSÉCURITÉ ALIMENTAIRE VÉCUE

Définition: L’insécurité alimentaire, telle qu’elle est mesurée par cet indicateur, fait référence à un accès à la nourriture limité, au niveau des individus ou des ménages, en raison d’un manque de ressources financières ou d’autres ressources. La gravité de l’insécurité alimentaire est mesurée à l’aide des données collectées grâce au module d’enquête FIES (échelle de mesure de l’insécurité alimentaire vécue), un ensemble de huit questions qui permettent aux individus ou aux ménages interrogés de déclarer des situations ou des expériences généralement associées à un accès limité à la nourriture. Aux fins du suivi annuel des ODD, les questions sont posées en référence aux 12 mois précédant l’enquête.

Des techniques statistiques sophistiquées fondées sur le modèle de mesure de Rasch permettent de valider les informations obtenues dans le cadre du module d’enquête FIES, aux fins de cohérence interne, et de les convertir en une mesure quantitative sur une échelle de gravité (de faible à élevée). Selon leurs réponses aux différentes questions de l’enquête, les individus ou les ménages interrogés dans le cadre d’une enquête représentative de la population au niveau national se voient associer une probabilité d’appartenir à l’une des trois classes suivantes, définies au moyen de deux seuils fixés à l’échelle internationale: i) en situation de sécurité alimentaire ou d’insécurité alimentaire marginale; ii) en situation d’insécurité alimentaire modérée; iii) en situation d’insécurité alimentaire grave. À partir des données FIES collectées sur trois ans (de 2014 à 2016), la FAO a défini l’échelle de référence FIES, qui est utilisée comme norme mondiale pour les mesures de l’insécurité alimentaire vécue ainsi que pour la fixation des deux seuils de gravité de référence.

L’indicateur 2.1.2 des ODD est obtenu en calculant la probabilité cumulée de se trouver dans les deux classes correspondant à l’insécurité alimentaire modérée et à l’insécurité alimentaire grave. Un indicateur distinct (FIsev) est calculé en référence à la classe d’insécurité alimentaire grave uniquement.

Indicateur: Dans le présent rapport, la FAO fournit des informations relatives à deux niveaux d’insécurité alimentaire: l’insécurité alimentaire modérée ou grave (FI_mod+sev) et l’insécurité alimentaire grave (FI_sev). Deux estimations sont données pour chacun de ces niveaux:

la prévalence (pourcentage) des individus dans la population qui vivent dans un ménage où l’on a constaté qu’au moins un adulte était en situation d’insécurité alimentaire;
le nombre des individus dans la population qui vivent dans un ménage où l’on a constaté qu’au moins un adulte était en situation d’insécurité alimentaire.

Sources de données: Depuis 2014, on utilise le module d’enquête FIES, qui comporte huit questions, pour recueillir des données sur des échantillons nationalement représentatifs de la population adulte (à savoir les individus âgés de 15 ans et plus) dans plus de 140 pays pris en compte dans le sondage mondial de Gallup©, qui couvre plus de 90 pour cent de la population mondiale. En 2023, les entretiens se sont déroulés par téléphone et en face à face. Les entretiens téléphoniques ont été maintenus dans certains pays pour lesquels cette méthode avait déjà été employée en 2020 compte tenu du risque élevé de contamination des communautés qu’aurait entraîné la collecte de données en présentiel pendant la pandémie de covid-19.

Gallup^© a généralement recours à des enquêtes par téléphone en Amérique du Nord, en Europe de l’Ouest, dans certaines régions d’Asie et dans les pays membres du Conseil de coopération des États arabes du Golfe. En Europe centrale, en Europe de l’Est, dans une grande partie de l’Amérique latine, dans la quasi-totalité de l’Asie, au Proche-Orient et en Afrique, un plan d’échantillonnage aréolaire a été utilisé pour les entretiens en face à face.

Dans la plupart des pays, les échantillons comptent un millier d’individus environ, mais ils sont plus importants en Inde (3 000 personnes), en Chine continentale (3 500 personnes) et en Fédération de Russie (2 000 personnes). Aucune donnée n’a été collectée en Chine (continentale) en 2023.

On a utilisé les données issues d’enquêtes publiques nationales pour estimer la prévalence de l’insécurité alimentaire dans 70 pays qui comptent plus d’un quart de la population mondiale, en appliquant les méthodes statistiques de la FAO aux fins de validation interne et de façon à ajuster les résultats nationaux sur la même norme de référence mondiale. Une fois validées, les données sont utilisées pour peupler ou actualiser les séries nationales (voir la description ci-après). Lorsque la population d’un pays représente une large proportion de la population de la région, cette opération peut entraîner la révision (y compris à rebours) de la série régionale ou sous-régionale. C’est pourquoi nous invitons le lecteur à ne pas comparer les chiffres entre les différentes éditions du rapport, et à considérer l’édition actuelle comme la référence.

Pour la présente édition du rapport, on a utilisé les données provenant d’enquêtes publiques nationales réalisées dans les 70 pays suivants: Afghanistan, Afrique du Sud, Angola, Arménie, Belize, Bénin, Botswana, Brésil, Burkina Faso, Burundi, Cabo Verde, Canada, Chili, Colombie, Congo, Costa Rica, Côte d’Ivoire, Émirats arabes unis, Équateur, États-Unis d’Amérique, Fédération de Russie, Fidji, Ghana, Grèce, Grenade, Guinée-Bissau, Guyana, Honduras, Indonésie, Israël, Kazakhstan, Kenya, Kirghizistan, Kiribati, Lesotho, Malawi, Mali, Mexique, Mozambique, Namibie, Niger, Nigéria, Ouganda, Pakistan, Palestine, Papouasie-Nouvelle-Guinée, Paraguay, Philippines, République de Corée, République dominicaine, République-Unie de Tanzanie, Sainte-Lucie, Saint-Kitts-et-Nevis, Saint-Vincent-et-les Grenadines, Samoa, Sénégal, Seychelles, Sierra Leone, Soudan, Soudan du Sud, Sri Lanka, Tchad, Timor-Leste, Togo, Tonga, Uruguay, Vanuatu, Viet Nam, Yémen et Zambie. Les données nationales de ces pays sont prises en compte pour l’année/les années pour laquelle/lesquelles elles sont disponibles. Pour les autres années, on a appliqué la stratégie suivante:

Lorsque des données nationales sont disponibles pour plusieurs années, les valeurs des années manquantes sont calculées par interpolation linéaire.
Lorsque des données nationales sont disponibles pour une seule année, les valeurs des années manquantes sont:

–établies à l’aide de données de la FAO si ces données sont considérées comme étant compatibles avec les enquêtes nationales;
–imputées en fonction de la tendance suggérée par les données de la FAO en cas d’incompatibilité avec les données nationales;
–imputées en fonction de la tendance sous-régionale si aucune autre information fiable n’est disponible en temps voulu;
–considérées comme suivant une tendance constante par rapport au niveau établi dans le cadre de l’enquête nationale si la tendance sous-régionale ne peut pas être calculée ou si la tendance qui ressort d’autres enquêtes ou la tendance sous-régionale n’est pas applicable à la situation particulière du pays en question compte tenu des éléments probants qui ont été réunis à l’appui de la tendance (évolution de la pauvreté, de la pauvreté extrême, de l’emploi et de l’inflation des prix des aliments, entre autres); cela s’applique aussi aux pays où la prévalence de l’insécurité alimentaire est très basse (moins de 3 pour cent pour l’insécurité alimentaire grave) ou très élevée (plus de 85 pour cent pour l’insécurité alimentaire modérée ou grave).

Compte tenu de l’hétérogénéité des sources utilisées lors des enquêtes et de la petite taille de l’échantillon de certaines enquêtes de la FAO, les nouvelles données peuvent parfois déboucher sur une forte augmentation ou diminution d’une année sur l’autre. Dans ce cas, la règle est de rechercher des informations concernant le pays issues de sources extérieures (données ou rapports, le cas échéant en concertation avec des experts du pays tels que les fonctionnaires nationaux et régionaux de la FAO) afin de déterminer si des bouleversements importants ou des interventions de grande ampleur ont eu lieu. Si la tendance peut être confirmée par des données probantes, mais semble excessive, elle est conservée mais lissée (en utilisant la moyenne sur trois ans, par exemple). Sinon, la même règle que celle utilisée pour les années manquantes est appliquée (en maintenant le niveau constant ou en appliquant la tendance sous-régionale). En 2023, aucune donnée FIES n’a été collectée en Chine (continentale), et la tendance a donc été maintenue constante.

Méthode: Les données ont été validées et utilisées pour établir une échelle de gravité de l’insécurité alimentaire selon le modèle de Rasch, qui postule que la probabilité d’obtenir une réponse affirmative de la personne interrogée i à la question j est une fonction logistique de la distance, sur une échelle de gravité sous-jacente, entre la position de la personne interrogée, a_i, et celle de l’item, b_j.

En appliquant le modèle de Rasch aux données FIES, on peut estimer pour chaque personne interrogée i la probabilité (comparable d’un pays à l’autre) qu’elle soit en situation d’insécurité alimentaire (p_i,L), à chaque niveau L de gravité (modérée ou grave, ou grave uniquement) de cette situation, avec 0 < p_i,L < 1.

La prévalence de l’insécurité alimentaire à chaque niveau de gravité (FI_L) dans la population correspond à la somme pondérée de la probabilité d’être en situation d’insécurité alimentaire pour toutes les personnes interrogées (i) d’un échantillon:

où w_i correspond à la pondération poststratification appliquée à l’échantillon qui indique la proportion d’individus ou de ménages dans la population nationale représentée par chaque enregistrement de l’échantillon.

Étant donné que seules les personnes âgées de 15 ans ou plus sont échantillonnées dans le sondage mondial de Gallup^©, les estimations de prévalence produites directement à partir des données de ce sondage portent sur la population située dans cette tranche d’âge. Pour obtenir la prévalence et le nombre d’individus (de tous les âges) dans la population, il faut estimer le nombre de personnes qui vivent dans un ménage où au moins un adulte est considéré comme étant en situation d’insécurité alimentaire. À cet effet, on utilise la procédure par étapes expliquée à l’annexe II du document intitulé Méthodes d’estimation de taux comparables de prévalence de l’insécurité alimentaire chez les adultes à l’échelle mondiale (voir le lien fourni à la section «Lectures recommandées» ci-après).

Les valeurs agrégées régionales et mondiales de l’insécurité alimentaire de niveau modéré ou grave et de niveau grave, FI_L,r, sont calculées comme suit:

où r indique la région, FI_L,c est la valeur de FI de niveau L estimée pour le pays c dans la région, et N_c, la taille de la population correspondante. En l’absence d’estimation de FI_L pour un pays, on considère que cette valeur est égale à la moyenne, pondérée par la population, des valeurs estimatives pour les pays restants de la même sous-région. L’agrégat régional est calculé uniquement si les pays pour lesquels une estimation est disponible représentent au moins 50 pour cent de la population de la région.

Des seuils universels sont définis sur l’échelle FIES internationale de référence (une série de valeurs de paramètres d’items calculées à partir des résultats de tous les pays visés par le sondage mondial de Gallup© en 2014-2016) et convertis dans les valeurs correspondantes sur les échelles locales. Le processus d’étalonnage de l’échelle de chaque pays au regard de l’échelle FIES internationale de référence peut être présenté comme une mise en correspondance qui permet de produire des mesures comparables à l’échelle internationale de la gravité de l’insécurité alimentaire des personnes interrogées, ainsi que des taux de prévalence nationaux comparables.

Le problème vient du fait que, lorsqu’elle est définie comme un trait latent, la gravité de l’insécurité alimentaire ne peut pas être évaluée par rapport à une référence absolue. Le modèle de Rasch permet de déterminer la position relative occupée par les différents items sur une échelle libellée en unités logit, mais dont le «zéro» est défini arbitrairement (comme étant la gravité moyenne estimée, généralement). Cela signifie que le zéro de l’échelle change dans chaque cas. Pour produire des mesures comparables dans le temps et entre différentes populations, il faut définir une échelle commune qui sera utilisée comme référence, et trouver la formule nécessaire pour convertir les mesures entre les différentes échelles. Comme lorsqu’on convertit des mesures de température effectuées selon des échelles différentes (Celsius et Fahrenheit, par exemple), il faut déterminer un certain nombre de points d’«ancrage». Dans la méthode FIES, ces points d’ancrage sont les niveaux de gravité associés aux items dont la position relative sur l’échelle de gravité peut être considérée comme égale à celle des items correspondants sur l’échelle de référence internationale. Ensuite, pour «mettre en correspondance» les mesures établies selon les différentes échelles, on détermine la formule pour laquelle la moyenne et les écarts types des niveaux de gravité des items communs sont égaux.

Problèmes et limites: Lorsque les estimations de prévalence de l’insécurité alimentaire reposent sur les données FIES recueillies dans le cadre du sondage mondial de Gallup©, avec des échantillons nationaux d’un millier de personnes environ dans la plupart des pays, les intervalles de confiance dépassent rarement 20 pour cent de la prévalence mesurée (ce qui signifie que des taux de prévalence de 50 pour cent sont associés à des marges d’erreur pouvant aller jusqu’à plus ou moins 5 pour cent). Les intervalles de confiance sont toutefois beaucoup plus petits si les taux de prévalence nationaux sont estimés à partir d’échantillons plus importants ou s’il s’agit d’estimations portant sur des agrégats de plusieurs pays. Afin de réduire l’effet de la variabilité de l’échantillonnage d’une année sur l’autre, on présente les estimations nationales sous forme de moyennes sur trois ans, calculées en faisant la moyenne de toutes les années disponibles pour les périodes triennales considérées.

Les enquêtes publiques nationales constituent la source privilégiée pour l’établissement des estimations de l’insécurité alimentaire fondées sur les données FIES. Cependant, elles peuvent ne pas être disponibles tous les ans, ou les données peuvent être mises à la disposition de la FAO plusieurs années après. En l’absence d’enquêtes nationales annuelles, la série chronologique est établie à l’aide de la méthode décrite plus haut (voir «Sources de données»). Nous pouvons ainsi être amenés à réaliser une révision à rebours des données de la série.

Lectures recommandées:
FAO. 2016. Méthodes d’estimation de taux comparables de prévalence de l’insécurité alimentaire chez les adultes à l’échelle mondiale. Rome. https://openknowledge.fao.org/handle/20.500.14283/i4830f

FAO. 2018. «Voices of the Hungry». Dans: FAO. [Consulté le 28 avril 2020]. https://www.fao.org/in-action/voices-of-the-hungry/fr/

Cafiero, C., Viviani, S. et Nord, M. 2018. Food security measurement in a global context: The food insecurity experience scale. Measurement, 116: 146-152. [Consulté le 25 juin 2024]. https://www.sciencedirect.com/science/article/pii/S0263224117307005

COÛT D’UNE ALIMENTATION SAINE

Définition: Le coût d’une alimentation saine correspond au coût d’achat des articles les moins chers disponibles dans chaque pays qui peuvent composer une alimentation satisfaisant aux recommandations nutritionnelles fondées sur le choix des aliments et aux besoins énergétiques d’une personne représentative, sur la base d’une consommation définie à 2 330 kcal/jour assurant l’équilibre énergétique.

Indicateur: L’indicateur (appelé «coût d’une alimentation saine» [CoHD]) est une estimation du montant minimal moyen qu’une personne doit dépenser dans un pays pour acheter les articles les moins chers, disponibles localement, qui lui sont nécessaires pour avoir une alimentation saine. Pour permettre les comparaisons entre pays, le coût d’une alimentation saine exprimé en unités monétaires locales est converti en dollars internationaux au moyen des taux de change exprimés en parités de pouvoir d’achat (PPA) relatifs à la consommation privée. L’indicateur CoHD est de ce fait présenté sous la forme d’un montant moyen en USD en PPA par personne et par jour.

Sources de données: Les prix des articles associés à chacun des groupes d’aliments entrant dans une alimentation saine proviennent du Programme de comparaison internationale (PCI), coordonné par la Banque mondiale, qui fournit des estimations de PPA établies à partir d’un ensemble d’articles normalisés au niveau international exprimés en unités monétaires locales¹¹. Aux fins de comparaison entre pays, les prix en unités monétaires locales sont convertis en dollars internationaux au moyen des facteurs de conversion en PPA relatifs à la consommation privée calculés par le PCI et publiés dans la base de données des indicateurs du développement dans le monde¹². Pour actualiser le coût d’une alimentation saine pour les années séparant les cycles du PCI, on utilise les données de l’indice des prix à la consommation (IPC) des produits alimentaires publiées par la FAO¹³.

Méthode:

Méthode utilisée pour définir un panier alimentairesain

Étant donné que les aliments sélectionnés dans un panier alimentaire sain varient selon les conditions locales, les pays ont élaboré des recommandations nutritionnelles fondées sur le choix des aliments pour préconiser des habitudes alimentaires saines correspondant au contexte culturel et aux aliments disponibles localement. Cependant, tous les pays n’ont pas défini ce type de recommandations nutritionnelles, et souvent, ceux qui l’ont fait ne donnent pas d’indications quantifiables en termes de quantités d’aliments et de kilocalories. Pour remédier à ce manque de données et créer une norme mondiale en matière de régime alimentaire sain qui reprend les points communs des recommandations nutritionnelles dans le monde entier, nous avons sélectionné 10 recommandations nutritionnelles fondées sur le choix des aliments, représentatives de différentes régions du monde et élaborées ces dernières années. Le Panier alimentaire sain a été créé pour pouvoir définir cette norme mondiale. Il est fondé sur les proportions moyennes des différents groupes d’aliments indiquées dans les recommandations nutritionnelles nationales fondées sur le choix des aliments et utilise les quantités médianes préconisées pour chaque groupe dans les 10 recommandations qui ont été quantifiées. Le Panier alimentaire sain est défini de manière à fournir un apport énergétique alimentaire de 2 330 kcal par jour et se compose d’articles disponibles localement classés dans six groupes d’aliments: féculents; légumes; fruits; aliments d’origine animale; légumes secs, fruits à coque et graines; huiles et graisses. Plus précisément, il est conçu pour apporter 1 160 kcal de féculents, 110 kcal de légumes, 160 kcal de fruits, 300 kcal d’aliments d’origine animale, 300 kcal de légumes secs, de fruits à coque et de graines, et 300 kcal d’huiles et de graisses. Le coût d’une alimentation saine a été estimé pour 169 pays sur la période 2017-2022.

Méthodes de calcul des coûts lorsque des données du PCI sont disponibles

Pour calculer l’alimentation saine à moindre coût, à chaque moment et à chaque endroit, on classe les différents articles alimentaires du PCI dans leur groupe d’aliments, et on détermine les articles les moins onéreux qui répondent aux exigences du Panier alimentaire sain. Au total, pour chaque pays, 11 articles alimentaires de moindre coût sont intégrés dans le Panier alimentaire sain: deux féculents, trois légumes, deux fruits, deux aliments d’origine animale, un(e) légume sec/fruit à coque/graine, et une huile ou graisse. Le coût par jour de chaque groupe d’aliments correspond au prix d’achat des articles sélectionnés dans ce groupe multiplié par la quantité qui apporte l’énergie définie pour ce groupe dans le Panier alimentaire sain. Pour terminer, on détermine le coût d’une alimentation saine dans chaque pays en additionnant le coût des six groupes d’aliments.

Méthodes d’actualisation des coûts lorsqu’on ne dispose pas de données du PCI

Le PCI est actuellement la seule source de données sur les prix au détail des articles normalisés au niveau international. Ces données ne sont mises à disposition que tous les trois à quatre ans, ce qui ne permet pas d’effectuer une actualisation annuelle du coût d’une alimentation saine. La dernière série de données du PCI a été publiée en 2024, et se rapporte aux prix de 2021. Pour actualiser l’indicateur de coût pour les années situées entre deux cycles de publication du PCI, on établit une estimation en appliquant les IPC des produits alimentaires publiés par la FAO au coût d’une alimentation saine en 2021. Cet ensemble de données suit la variation mensuelle des IPC (indices généraux des prix à la consommation et indices des prix à la consommation des produits alimentaires) au niveau national en prenant 2015 comme année de base. Les IPC annuels sont calculés sous la forme d’une simple moyenne des 12 indices mensuels. Le coût d’une alimentation saine, c (PPP)_t, est estimé pour les années manquantes en multipliant le coût réel dans chaque pays en 2021, exprimé en unités monétaires locales, par le ratio des IPC, puis en divisant le résultat par les parités de pouvoir d’achat:

Où:

Pour les pays qui n’ont pas de données relatives aux PPA, des imputations de PPA sont appliquées à l’aide d’un modèle autorégressif à moyenne mobile intégrée avec variable explicative externe (ARIMAX). Conformément à la méthode d’extrapolation des PPA employée par la Banque mondiale pour les indicateurs du développement dans le monde, le ratio entre l’IPC général d’un pays et l’IPC du pays de référence (en l’occurrence, les États-Unis d’Amérique) est introduit dans la spécification du modèle en tant que principal prédicteur des valeurs des PPA. Le produit intérieur brut (PIB) par habitant et les dépenses de consommation des ménages par habitant sont également ajoutés en tant que covariables externes, et la méthode de lissage de Holt-Winter est appliquée aux deux séries pour combler les éventuelles lacunes. L’approche ARIMAX permet d’estimer, pour chaque pays, plusieurs spécifications de modèle comprenant une composante autorégressive, une composante d’intégration, une moyenne mobile et une combinaison de ces trois éléments. La meilleure spécification est sélectionnée lorsque le coefficient estimé du ratio des IPC, au moins, est statistiquement significatif, la signification statistique des paramètres ARIMAX étant considérée en deuxième lieu. Dans le cas des pays et des territoires qui affichent des séries de PPA anormales sur la durée, le ratio des IPC se révèle être le seul coefficient statistiquement significatif qui influe sur la variabilité des valeurs des PPA. Pour les pays et territoires qui présentent des séries de PPA moins volatiles, en revanche, la tendance historique des PPA joue également un rôle dans la prédiction des valeurs des PPA, tout comme les coefficients estimés du PIB par habitant et/ou des dépenses par habitant. Le modèle ARIMAX calcule les valeurs prédites pour la meilleure spécification sélectionnée pour chaque pays/territoire.

Problèmes et limites: Les données relatives aux prix des articles normalisés au niveau international n’étant pas disponibles chaque année, un suivi annuel n’est pas possible. L’une des limites de la méthode d’actualisation du coût d’une alimentation saine est que l’évolution du coût dépend des IPC (des produits alimentaires) et ne reflète pas les changements concernant des articles particuliers dans les prix des produits alimentaires, ni les variations des prix selon les groupes d’aliments^bm. La FAO, en collaboration avec la Banque mondiale, réfléchit à la manière d’étendre la communication des prix au niveau des articles afin de pouvoir réaliser un suivi plus régulier et plus rigoureux du coût d’une alimentation saine.

Les agrégats régionaux et mondiaux relatifs au coût d’une alimentation saine sont calculés à partir d’une moyenne arithmétique des pays de chaque groupe.

Lectures recommandées:
Herforth, A., Bai, Y., Venkat, A., Mahrt, K., Ebel, A. et Masters, W.A. 2020. Cost and affordability of healthy diets across and within countries. Document d’information établi pour servir de base au rapport sur L’État de la sécurité alimentaire et de la nutrition dans le monde 2020. Étude technique de la FAO sur l’économie du développement agricole n^o 9. Rome, FAO. https://doi.org/10.4060/cb2431en

Herforth, A., Venkat, A., Bai, Y., Costlow, L., Holleman, C. et Masters, W.A. 2022. Methods and options to monitor the cost and affordability of a healthy diet globally. Document d’information établi pour servir de base au rapport sur L’État de la sécurité alimentaire et de la nutrition dans le monde 2022. Document de travail de la FAO sur l’économie du développement agricole n° 22-03. Rome, FAO. https://doi.org/10.4060/cc1169en

Bai, Y., Conti, V., Ebel, A., Cafiero, C., Herforth, A., Rissanen, M.O., Rosero Moncayo, J. et Masters, W.A. (à paraître). Methods for monitoring the cost of a healthy diet based on price data from the International Comparison Program. Document de travail de la Division de la statistique de la FAO. Rome, FAO.

INACCESSIBILITÉ ÉCONOMIQUE D’UNE ALIMENTATION SAINE

Définition: L’inaccessibilité économique d’une alimentation saine est définie comme étant l’impossibilité, pour un ménage ou une personne, de payer le montant nécessaire pour acheter l’ensemble le moins onéreux d’aliments disponibles localement qui répondent aux critères d’une alimentation saine, une fois prise en compte la portion de leur revenu qu’ils réservent aux acquisitions destinées à satisfaire tous les besoins essentiels autres qu’alimentaires.

Indicateur: Le principal indicateur (appelé «prévalence de l’inaccessibilité économique» [PUA – prevalence of unaffordability]) est une estimation du pourcentage, dans une population, de personnes dont le revenu disponible, net du montant nécessaire pour acquérir l’ensemble des biens et services de base non alimentaires, est inférieur au coût minimum d’une alimentation saine. Les estimations nationales sont calculées en comparant la distribution des revenus des pays à un seuil (r) obtenu en additionnant le coût d’une alimentation saine à celui des besoins essentiels non alimentaires (n). Parallèlement à la prévalence de l’inaccessibilité économique, on calcule également le nombre de personnes qui ne peuvent se permettre une alimentation saine (NUA), en multipliant la PUA par la taille de la population de référence.

Les séries entières (2017-2022) d’estimations de la PUA et du NUA sont révisées pour chaque édition du présent rapport afin de tenir compte des nouvelles données sur les coûts et la population ainsi que des distributions actualisées des revenus. Comme cette procédure entraîne généralement une révision à rebours des séries entières, il est conseillé aux lecteurs de ne pas comparer les chiffres d’une édition sur l’autre et de se reporter systématiquement à l’édition la plus récente, y compris pour les chiffres des années précédentes.

Méthode: Pour estimer la prévalence de l’inaccessibilité économique dans une population, on calcule le seuil de coût quotidien par habitant pour chaque pays. En raison d’un manque d’informations sur le coût spécifique des biens et des services de base non alimentaires dans chaque pays, les différences dans les dépenses non alimentaires sont basées sur les données disponibles pour les quatre groupes de revenu des pays définis par la Banque mondiale. De ce fait, le seuil de coût quotidien par habitant associe le coût d’une alimentation saine dans un pays i et le coût de base des besoins non alimentaires dans le groupe de revenu j auquel appartient le pays i. Le seuil de coût r_i est déterminé comme suit:

où c_i est le coût d’une alimentation saine dans un pays, et n_j est le coût des biens et services de base non alimentaires pour le groupe de revenu j. Le n_i final est exprimé en dollars de 2017 en PPA, et est obtenu en multipliant les seuils de pauvreté internationaux de la Banque mondiale par une part des dépenses totales à réserver aux biens et services de base non alimentaires qui est fonction du groupe de revenu, comme suit:

Les parts de revenu à réserver aux biens et services de base non alimentaires sont déterminées en référence à celles déclarées par les ménages appartenant au deuxième quintile de la distribution des revenus pour les pays à faible revenu ou à revenu intermédiaire de la tranche inférieure et par ceux du premier quintile pour les pays à revenu intermédiaire de la tranche supérieure et les pays à revenu élevé. Ces parts ont été définies à partir de récentes enquêtes menées auprès des ménages et compilées par la Banque mondiale, notamment à partir des informations sur la consommation réelle par quintile de revenus pour 71 pays de différents groupes de revenu (voir le supplément au chapitre 2).

Enfin, le seuil de coût r_i est comparé aux distributions des revenus par pays x_i reflétant le revenu disponible des ménages pour estimer le pourcentage de la population dont le revenu est inférieur à ce seuil, comme dans la formule ci-après:

Sources de données: Les distributions de revenus proviennent de la plateforme Pauvreté et inégalités (Poverty and Inequality Platform) de la Banque mondiale et sont disponibles pour quelque 150 pays jusqu’à l’année 2022¹⁴.

Les agrégats régionaux et mondiaux de la prévalence de l’inaccessibilité économique correspondent aux moyennes, pondérées par la population, de la prévalence de l’inaccessibilité économique estimée pour les pays pour lesquels les données sont disponibles, comme suit:

où a indique la région ou un autre agrégat, PUA_i est la valeur de la prévalence de l’inaccessibilité économique estimée pour le pays i dans l’agrégat, et N_i est la taille de la population correspondante. L’agrégat régional est calculé uniquement si les pays pour lesquels une estimation est disponible représentent au moins 50 pour cent de la population de l’agrégat.

Le nombre de personnes qui ne peuvent se permettre une alimentation saine (NUA_a) est ensuite obtenu en multipliant la PUA_a moyenne – calculée à partir des pays pour lesquels des données sont disponibles – par la taille totale de la population N_a de tous les pays figurant dans cet agrégat.

Pour les Comores et la Province chinoise de Taïwan, les données sur l’inaccessibilité économique ne sont disponibles que pour 2017 et 2021. Une interpolation linéaire est donc utilisée pour estimer les valeurs pour 2018, 2019 et 2020, et la valeur de 2021 est appliquée pour 2022. Concernant le Soudan du Sud et la République arabe syrienne, des données ne sont disponibles que pour 2021; la valeur de 2021 est donc utilisée pour toutes les autres années dans le calcul des statistiques de l’agrégat. S’agissant du Liban, la valeur de 2020 est appliquée aux années 2017, 2018 et 2019, pour lesquelles on ne dispose pas d’informations. Pour obtenir une estimation du nombre de personnes ne pouvant se permettre une alimentation saine dans le monde, on multiplie la prévalence de l’inaccessibilité économique de chacune des cinq régions du monde par leur population totale. Il convient d’éviter, lors de l’établissement de cette estimation mondiale, d’additionner les estimations de nombres de personnes ne pouvant se permettre une alimentation saine réalisées pour d’autres regroupements, tels que ceux fondés sur les niveaux de revenu. Le présent rapport utilise les données démographiques provenant de la révision 2022 du rapport World Population Prospects (Perspectives de la population mondiale)⁵.

Problèmes et limites: Dans la présente édition du rapport, la méthode a été affinée pour tenir compte du fait que le coût des besoins non alimentaires varie selon les pays. Cependant, en l’absence d’informations au niveau des pays, les différences dans les dépenses non alimentaires ne sont intégrées qu’au niveau des groupes de revenu pour le moment. Par ailleurs, outre la nécessité de procéder à une correction pour tenir compte des différences entre les pays, il est également important d’intégrer le fait que le coût d’un niveau de vie digne minimal (r = c + n) varie aussi à l’intérieur d’un même pays. Pour les pays divers et de grande taille, en particulier, l’absence de prise en compte de ces différences ainsi que l’utilisation de la moyenne nationale en tant que seuil de coût peuvent déboucher sur des estimations biaisées de l’inaccessibilité économique. Le sens et l’importance du biais dépendront de l’orientation et de l’ampleur de la corrélation possible entre les niveaux de revenu et un seuil correctement défini en fonction du lieu.

Lectures recommandées:
Bai, Y., Herforth, A., Cafiero C., Conti V., Rissanen, M.O., Masters, W.A. et Rosero Moncayo, J. (à paraître). Methods for monitoring the affordability of a healthy diet. Document de travail de la Division de la statistique de la FAO. Rome, FAO.

Herforth, A., Bai, Y., Venkat, A., Mahrt, K., Ebel, A. et Masters, W.A. 2020. Cost and affordability of healthy diets across and within countries. Document d’information établi pour servir de base au rapport sur L’État de la sécurité alimentaire et de la nutrition dans le monde 2020. Étude technique de la FAO sur l’économie du développement agricole n^o 9. Rome, FAO. "https://doi.org/10.4060/cb2431en

ÉMACIATION CHEZ L’ENFANT DE MOINS DE 5 ANS

Définition: Poids (en kg) rapporté à la taille (en cm) inférieur d’au moins deux écarts types à la valeur médiane des normes OMS de croissance de l’enfant.

Indicateur: L’indicateur est le pourcentage d’enfants âgés de 0 à 59 mois dont le poids pour la taille est inférieur d’au moins deux écarts types au poids médian pour leur taille selon les normes OMS de croissance de l’enfant. Les agrégats régionaux et mondiaux qui sont présentés sont fondés sur les données du rapport Levels and trends in child malnutrition: UNICEF/WHO/World Bank Joint Child Malnutrition Estimates – Key findings of the 2023 edition. La série complète d’agrégats est révisée à la lumière de chaque nouvelle édition de ce rapport. Nous invitons les lecteurs à ne pas comparer les séries régionales et mondiales d’une édition sur l’autre. Les estimations au niveau des pays sont fondées sur l’ensemble de données de novembre 2023 des estimations conjointes Banque mondiale, OMS, UNICEF de la malnutrition infantile.

Méthode:

Estimations au niveau des pays

L’ensemble de données des estimations conjointes de la malnutrition infantile (JME) comprend l’estimation ponctuelle, ainsi que l’erreur type, lorsqu’elle est disponible, les bornes de l’intervalle de confiance à 95 pour cent et la taille de l’échantillon non pondéré. Lorsque des microdonnées sont disponibles, l’ensemble de données des JME utilise des estimations qui ont été recalculées pour respecter la définition type mondiale. Lorsqu’aucune microdonnée n’est disponible, ce sont les estimations communiquées qui sont utilisées, sauf si des ajustements s’imposent à des fins de normalisation dans les cas suivants:

utilisation d’une autre référence de croissance que les normes de croissance de l’OMS de 2006;
tranches d’âge ne comprenant pas entièrement le groupe des enfants de 0 à 59 mois;
sources de données nationalement représentatives des populations résidant en milieu rural seulement.

Agrégats régionaux et mondiaux

Les données de prévalence de l’émaciation provenant des sources de données nationales de l’ensemble de données par pays des JME de mars 2023 ont été utilisées pour générer des estimations régionales et mondiales de 1990 à 2022 à l’aide du modèle multiniveau sous-régional des JME, en appliquant des pondérations correspondant aux nombres d’enfants de moins de 5 ans donnés par l’édition 2022 du rapport World Population Prospects⁵.

Sources de données: Les enquêtes sur les ménages représentatives au niveau national, telles que les enquêtes démographiques et sanitaires, les enquêtes en grappes à indicateurs multiples, les enquêtes SMART (Suivi et évaluation normalisés des phases de secours et de transition) et les enquêtes LSMS, sont les sources de données nationalement représentatives les plus courantes; elles permettent de collecter des données sur la nutrition des enfants de moins de 5 ans, en particulier la taille, le poids et l’âge, que l’on peut utiliser pour générer des estimations de la prévalence de l’émaciation au niveau national. Certaines sources de données administratives (provenant de systèmes de surveillance, notamment) sont également prises en compte lorsque la couverture démographique est élevée.

Les enquêtes des pays pouvant être réalisées durant n’importe quelle saison, l’estimation de prévalence qui en découle peut aussi bien être élevée ou basse, elle peut également être entre les deux si la collecte de données s’est déroulée sur plusieurs saisons. En d’autres termes, la prévalence de l’émaciation rend compte de ce trouble à un moment précis, et non sur une année entière. Les variations saisonnières d’une enquête à l’autre ne permettent guère d’en déduire des tendances.

Problèmes et limites: La périodicité recommandée en matière de communication d’informations sur l’émaciation est de trois à cinq ans, mais certains pays mettent ces données à disposition moins fréquemment. Bien que tout ait été fait pour optimiser la comparabilité des statistiques entre pays et dans le temps, les données des pays peuvent différer du point de vue des modalités de collecte, de la population couverte et des méthodes d’estimation utilisées. Les estimations issues des enquêtes sont assorties de niveaux d’incertitude imputables à la fois à des erreurs d’échantillonnage et à d’autres types d’erreurs (erreurs techniques de mesure, erreurs d’enregistrement, etc.). Aucune de ces deux sources d’erreurs n’a été pleinement prise en compte dans le calcul des estimations aux niveaux national, régional et mondial.

Lectures recommandées:
de Onis, M., Blössner, M., Borghi, E., Morris, R. et Frongillo, E.A. 2004. «Methodology for estimating regional and global trends of child malnutrition». International Journal of Epidemiology, 33(6): 1260-1270. https://doi.org/10.1093/ije/dyh202

Banque mondiale, OMS et UNICEF. 2021. Technical notes from the background document for country consultations on the 2021 edition of the UNICEF-WHO-World Bank Joint Malnutrition Estimates. SDG Indicators 2.2.1 on stunting, 2.2.2a on wasting and 2.2.2b on overweight. New York (États-Unis d’Amérique), UNICEF. http://data.unicef.org/resources/jme-2021-country-consultations

Banque mondiale, OMS et UNICEF. 2023. Levels and trends in child malnutrition. UNICEF / WHO / World Bank Group Joint Child Malnutrition Estimates – Key findings of the 2023 edition. Washington, Banque mondiale, Genève (Suisse), OMS, et New York (États-Unis d’Amérique), UNICEF. https://data.unicef.org/resources/jme-report-2023, http://www.who.int/teams/nutrition-and-food-safety/monitoring-nutritional-status-and-food-safety-and-events/joint-child-malnutrition-estimates, https://datatopics.worldbank.org/child-malnutrition

OMS. 2014. Plan d’application exhaustif concernant la nutrition chez la mère, le nourrisson et le jeune enfant. Genève (Suisse). https://www.who.int/fr/publications/i/item/WHO-NMH-NHD-14.1

OMS. 2024. Nutrition Landscape Information System (NLIS) country profile indicators: interpretation guide. Deuxième édition. Genève (Suisse). https://www.who.int/publications/i/item/9789241516952

RETARD DE CROISSANCE CHEZ L’ENFANT DE MOINS DE 5 ANS

Définition: Taille (en cm) rapportée à l’âge (en jours) inférieure d’au moins deux écarts types à la valeur médiane des normes OMS de croissance de l’enfant.

Indicateur: L’indicateur est le pourcentage d’enfants âgés de 0 à 59 mois dont la taille pour l’âge est inférieure d’au moins deux écarts types à la taille médiane pour leur âge selon les normes OMS de croissance de l’enfant. Les estimations présentées sont fondées sur les données du rapport Levels and trends in child malnutrition: UNICEF/WHO/World Bank Joint Child Malnutrition Estimates – Key findings of the 2023 edition. La série complète d’estimations est révisée à la lumière de chaque nouvelle édition de ce rapport. Nous invitons les lecteurs à ne pas comparer les séries d’une édition sur l’autre.

Méthode:

Estimations au niveau des pays

L’ensemble de données des JME comprend l’estimation ponctuelle, ainsi que l’erreur type, lorsqu’elle est disponible, les bornes de l’intervalle de confiance à 95 pour cent et la taille de l’échantillon non pondéré. Lorsque des microdonnées sont disponibles, l’ensemble de données des JME comprend des estimations qui ont été recalculées pour respecter la définition type mondiale. Lorsqu’aucune microdonnée n’est disponible, ce sont les estimations communiquées qui sont présentées, sauf si des ajustements s’imposent à des fins de normalisation dans les cas suivants:

utilisation d’une autre référence de croissance que les normes de croissance de l’OMS de 2006;
tranches d’âge ne comprenant pas entièrement le groupe des enfants de 0 à 59 mois;
sources de données nationalement représentatives des populations résidant en milieu rural seulement.

À partir de l’ensemble de données des JME de mars 2023, la prévalence du retard de croissance a été modélisée à une échelle logit (fonction logit) à l’aide d’un modèle mixte longitudinal pénalisé avec un terme d’erreur hétérogène. La qualité des modèles a été quantifiée au moyen de critères d’adéquation au modèle qui équilibrent la complexité de ce dernier et la finesse de l’ajustement aux données observées. La méthode proposée présente des caractéristiques importantes, notamment des tendances temporelles non linéaires, des tendances régionales, des tendances propres aux pays, des données de covariable et un terme d’erreur hétérogène. Tous les pays disposant de données contribuent aux estimations de la tendance temporelle globale et de l’effet des données de covariable sur la prévalence. Les données de covariable consistaient en des indices sociodémographiques linéaires et quadratiques^bn, un nombre moyen d’accès au système de santé au cours des cinq années précédentes et un type de source de données.

En 2023, des estimations annuelles modélisées du retard de croissance couvrant la période 2000-2022 ont été diffusées dans les JME pour 159 pays qui avaient au moins un point de données (provenant d’une enquête auprès des ménages, par exemple) dans l’ensemble de données des JME. Des estimations modélisées ont également été établies pour 46 pays supplémentaires, à seule fin de générer les agrégats régionaux et mondiaux. Les estimations modélisées de ces 46 pays n’ont pas été diffusées, faute d’enquêtes auprès des ménages correspondantes dans l’ensemble de données des JME. Les intervalles d’incertitude jouent un rôle essentiel dans le suivi des tendances, en particulier lorsque les données des pays sont fragmentaires ou lorsque les sources de données primaires présentent d’importantes erreurs d’échantillonnage. Lorsqu’on ne dispose que de données fragmentaires pour la période la plus récente, la prise en compte d’une enquête peut modifier nettement l’évolution prévue. Des intervalles d’incertitude sont donc nécessaires pour améliorer l’interprétabilité des tendances en précisant le niveau de prudence utilisé. Les intervalles d’incertitude ont été testés et validés.

Agrégats régionaux et mondiaux

Les agrégats mondiaux et régionaux établis pour chaque année de 2000 à 2022 ont été dérivés en tant que moyennes des chiffres des pays respectifs, pondérées par le nombre d’enfants de moins de 5 ans de ces pays, tel qu’il figure dans l’édition 2022 de la publication World Population Prospects⁵, au moyen des estimations modélisées pour 205 pays et zones. Ce nombre comprend 159 pays possédant des sources de données nationales (des enquêtes auprès des ménages, par exemple) enregistrées dans l’ensemble de données nationales des JME. Il comprend également 46 pays pour lesquels on a modélisé des estimations qui ont servi à élaborer les agrégats régionaux et mondiaux, mais qui n’ont pas été communiquées parce qu’elles ne correspondaient à aucune enquête auprès des ménages enregistrée dans l’ensemble de données par pays des JME. Les intervalles de confiance ont été calculés en utilisant la technique du bootstrap.

Sources de données: Les enquêtes sur les ménages représentatives au niveau national, telles que les enquêtes démographiques et sanitaires, les enquêtes en grappes à indicateurs multiples, les enquêtes SMART et les enquêtes LSMS, sont les sources de données nationalement représentatives les plus courantes; elles permettent de collecter des données sur la nutrition des enfants de moins de 5 ans, en particulier la taille et l’âge, que l’on peut utiliser pour générer des estimations de la prévalence du retard de croissance au niveau national. Certaines sources de données administratives (provenant de systèmes de surveillance, notamment) sont également prises en compte lorsque la couverture démographique est élevée.

Problèmes et limites: La périodicité recommandée en matière de communication d’informations sur le retard de croissance est de trois à cinq ans, mais certains pays mettent ces données à disposition moins fréquemment. Bien que tout ait été fait pour optimiser la comparabilité des statistiques entre pays et dans le temps, les données des pays peuvent différer du point de vue des modalités de collecte, de la population couverte et des méthodes d’estimation utilisées. Les estimations issues des enquêtes sont assorties de niveaux d’incertitude imputables à la fois à des erreurs d’échantillonnage et à d’autres types d’erreurs (erreurs techniques de mesure, erreurs d’enregistrement, etc.). Aucune de ces deux sources d’erreurs n’a été pleinement prise en compte dans le calcul des estimations aux niveaux national, régional et mondial.

Lectures recommandées:
GBD 2019 Risk Factor Collaborators. 2020. «Global burden of 87 risk factors in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019». The Lancet, 396(10258): 1223-1249. https://doi.org/10.1016/s0140-6736(20)30752-2

McLain, A.C., Frongillo, E.A., Feng, J. et Borghi, E. 2019. Prediction intervals for penalized longitudinal models with multisource summary measures: An application to childhood malnutrition. Statistics in Medicine, 38(6): 1002-1012. https://doi.org/10.1002/sim.8024

Banque mondiale, OMS et UNICEF. 2021. Technical notes from the background document for country consultations on the 2021 edition of the UNICEF-WHO-World Bank Joint Malnutrition Estimates. SDG Indicators 2.2.1 on stunting, 2.2.2a on wasting and 2.2.2b on overweight. New York (États-Unis d’Amérique), UNICEF. data.unicef.org/resources/jme-2021-country-consultations

OMS. 2014. Plan d’application exhaustif concernant la nutrition chez la mère, le nourrisson et le jeune enfant. Genève (Suisse). https://www.who.int/fr/publications/i/item/WHO-NMH-NHD-14.1

OMS et UNICEF. 2019. Recommendations for data collection, analysis and reporting on anthropometric indicators in children under 5 years old. Genève (Suisse) et New York (États-Unis d’Amérique). https://www.who.int/publications/i/item/9789241515559

EXCÈS PONDÉRAL CHEZ L’ENFANT DE MOINS DE 5 ANS

Définition: Poids (en kg) rapporté à la taille (en cm) supérieur d’au moins deux écarts types à la valeur médiane des normes OMS de croissance de l’enfant.

Indicateur: L’indicateur est le pourcentage d’enfants âgés de 0 à 59 mois dont le poids pour la taille est supérieur d’au moins deux écarts types au poids médian pour leur taille selon les normes OMS de croissance de l’enfant. Les estimations présentées sont fondées sur les données du rapport Levels and trends in child malnutrition: UNICEF/WHO/World Bank Joint Child Malnutrition Estimates – Key findings of the 2023 edition. La série complète d’estimations est révisée à la lumière de chaque nouvelle édition de ce rapport. Nous invitons les lecteurs à ne pas comparer les séries d’une édition sur l’autre.

Méthode:

Estimations au niveau des pays

utilisation d’une autre référence de croissance que les normes de croissance de l’OMS de 2006;
tranches d’âge ne comprenant pas entièrement le groupe des enfants de 0 à 59 mois;
sources de données nationalement représentatives des populations résidant en milieu rural seulement.

À partir de l’ensemble de données des JME de mars 2023, la prévalence de l’excès pondéral a été modélisée à une échelle logit (fonction logit) à l’aide d’un modèle mixte longitudinal pénalisé avec un terme d’erreur hétérogène. La qualité des modèles a été quantifiée au moyen de critères d’adéquation au modèle qui équilibrent la complexité de ce dernier et la finesse de l’ajustement aux données observées. La méthode proposée présente des caractéristiques importantes, notamment des tendances temporelles non linéaires, des tendances régionales, des tendances propres aux pays, des données de covariable et un terme d’erreur hétérogène. Tous les pays disposant de données contribuent aux estimations de la tendance temporelle globale et de l’effet des données de covariable sur la prévalence. Les données de covariable consistaient en des indices sociodémographiques linéaires et quadratiques et un type de source de données.

En 2023, des estimations annuelles modélisées de l’excès pondéral couvrant la période 2000-2022 ont été diffusées dans les JME pour 159 pays qui avaient au moins un point de données (provenant d’une enquête auprès des ménages, par exemple) dans l’ensemble de données des JME. Des estimations modélisées ont également été établies pour 45 pays supplémentaires, à seule fin de générer les agrégats régionaux et mondiaux. Les estimations modélisées de ces 45 pays n’ont pas été diffusées, faute d’enquêtes auprès des ménages correspondantes dans l’ensemble de données des JME. Les intervalles d’incertitude jouent un rôle essentiel dans le suivi des tendances, en particulier lorsque les données des pays sont fragmentaires ou lorsque les sources de données primaires présentent d’importantes erreurs d’échantillonnage. Lorsqu’on ne dispose que de données fragmentaires pour la période la plus récente, la prise en compte d’une enquête peut modifier nettement l’évolution prévue. Des intervalles d’incertitude sont donc nécessaires pour améliorer l’interprétabilité des tendances en précisant le niveau de prudence utilisé. Les intervalles d’incertitude ont été testés et validés.

Agrégats régionaux et mondiaux

Les agrégats mondiaux et régionaux établis pour chaque année de 1990 à 2022 ont été dérivés en tant que moyennes des chiffres des pays respectifs, pondérées par le nombre d’enfants de moins de 5 ans de ces pays, tel qu’il figure dans l’édition 2022 de la publication World Population Prospects⁵, au moyen des estimations modélisées pour 205 pays. Ce nombre comprend 160 pays possédant des sources de données nationales (des enquêtes auprès des ménages, par exemple) enregistrées dans l’ensemble de données nationales des JME. Il comprend également 45 pays pour lesquels on a modélisé des estimations qui ont servi à élaborer les agrégats régionaux et mondiaux, mais qui n’ont pas été communiquées parce qu’elles ne correspondaient à aucune enquête auprès des ménages enregistrée dans l’ensemble de données par pays des JME. Les intervalles de confiance ont été calculés en utilisant la technique du bootstrap.

Sources de données: Les enquêtes sur les ménages représentatives au niveau national, telles que les enquêtes démographiques et sanitaires, les enquêtes en grappes à indicateurs multiples, les enquêtes SMART et les enquêtes LSMS, sont les sources de données nationalement représentatives les plus courantes; elles permettent de collecter des données sur la nutrition des enfants de moins de 5 ans, en particulier la taille, le poids et l’âge, que l’on peut utiliser pour générer des estimations de la prévalence de l’excès pondéral au niveau national. Certaines sources de données administratives (provenant de systèmes de surveillance, notamment) sont également prises en compte lorsque la couverture démographique est élevée.

Problèmes et limites: La périodicité recommandée en matière de communication d’informations sur l’excès pondéral est de trois à cinq ans, mais certains pays mettent ces données à disposition moins fréquemment. Bien que tout ait été fait pour optimiser la comparabilité des statistiques entre pays et dans le temps, les données des pays peuvent différer du point de vue des modalités de collecte, de la population couverte et des méthodes d’estimation utilisées. Les estimations issues des enquêtes sont assorties de niveaux d’incertitude imputables à la fois à des erreurs d’échantillonnage et à d’autres types d’erreurs (erreurs techniques de mesure, erreurs d’enregistrement, etc.). Aucune de ces deux sources d’erreurs n’a été pleinement prise en compte dans le calcul des estimations aux niveaux national, régional et mondial.

Banque mondiale, OMS et UNICEF. 2021. Technical notes from the background document for country consultations on the 2021 edition of the UNICEF-WHO-World Bank Joint Malnutrition Estimates. SDG Indicators 2.2.1 on stunting, 2.2.2a on wasting and 2.2.2b on overweight. New York (États-Unis d’Amérique), UNICEF. data.unicef.org/resources/jme-2021-country-consultations

OMS. 2014. Plan d’application exhaustif concernant la nutrition chez la mère, le nourrisson et le jeune enfant. Genève (Suisse). https://www.who.int/fr/publications/i/item/WHO-NMH-NHD-14.1

OMS et UNICEF. 2019. Recommendations for data collection, analysis and reporting on anthropometric indicators in children under 5 years old. Genève (Suisse) et New York (États-Unis d’Amérique). https://www.who.int/publications/i/item/9789241515559

ALLAITEMENT EXCLUSIF

Définition: L’allaitement maternel exclusif du nourrisson de moins de 6 mois correspond à une alimentation composée uniquement de lait maternel, sans aliment ni boisson supplémentaire, pas même de l’eau.

Indicateur: L’indicateur est le pourcentage de nourrissons de 0 à 5 mois alimentés exclusivement par du lait maternel, sans aliment ni boisson supplémentaire, pas même de l’eau, au cours des 24 heures précédant l’enquête.

Les estimations présentées sont tirées de UNICEF. 2024. Infant and young child feeding. Dans: UNICEF. [Consulté le 24 juillet 2024]. https://data.unicef.org/topic/nutrition/infant-and-young-child-feeding

Méthode:

Estimations au niveau des pays

Cet indicateur correspond à l’allaitement maternel, sans aliment ni boisson supplémentaire, pas même de l’eau. Les estimations reposent sur une rétrospection de l’alimentation du jour précédent pour un échantillon transversal de nourrissons de 0 à 5 mois.

L’allaitement par une nourrice et l’emploi de lait maternel tiré ou de lait de donneuses sont considérés comme un allaitement maternel. Les médicaments prescrits, les sels de réhydratation orale, les vitamines et les minéraux ne sont pas considérés comme des liquides ou des aliments. Cependant, les breuvages à base de plantes et les remèdes traditionnels similaires sont considérés comme des liquides, et les nourrissons qui en consomment ne sont pas considérés comme étant nourris exclusivement au sein.

Agrégats régionaux et mondiaux

En 2012, les estimations régionales et mondiales de l’allaitement exclusif ont été établies à l’aide de l’estimation la plus récente disponible pour chaque pays sur la période comprise entre 2005 et 2012. De la même façon, les estimations de 2022 ont été élaborées à l’aide de l’estimation la plus récente disponible pour chaque pays sur la période comprise entre 2016 et 2022. Les moyennes mondiales et régionales ont été calculées en tant que moyennes pondérées de la prévalence de l’allaitement maternel exclusif dans chaque pays, en utilisant le nombre total de nourrissons de 0 à 5 mois (défini comme correspondant à la moitié de la population de moins de 1 an) figurant dans l’édition 2022 de la publication World Population Prospects (2012 pour la base de référence et 2022 pour les chiffres actuels) comme coefficient de pondération⁵. Sauf indication contraire, les estimations ne sont présentées que lorsque les données disponibles sont représentatives d’au moins 50 pour cent du nombre total de nourrissons de 0 à 5 mois dans les régions correspondantes.

Sources de données: Les données sont recueillies dans le cadre d’enquêtes sur les ménages représentatives au niveau national, telles que les enquêtes démographiques et sanitaires et les enquêtes en grappes à indicateurs multiples. Les estimations sont établies à partir des questions sur les liquides et les aliments donnés aux enfants de 0 à 23 mois au cours des 24 heures précédant l’enquête.

Problèmes et limites: De nombreux pays recueillent des données sur l’allaitement exclusif, mais on manque de données pour les pays à revenu élevé, notamment. La périodicité recommandée pour la communication d’informations sur l’allaitement exclusif est de trois à cinq ans. Cependant, les données de certains pays sont communiquées moins fréquemment, ce qui signifie que la modification des modes d’alimentation n’est souvent pas détectée avant plusieurs années.

Les moyennes régionales et mondiales ont pu en être affectées, selon les pays qui disposaient ou non de données relatives aux périodes visées dans le présent rapport.

Le fait de se baser sur l’alimentation du jour précédent est susceptible d’entraîner une surestimation de la proportion d’enfants exclusivement nourris au sein, car il se peut que des enfants qui reçoivent d’autres liquides ou aliments irrégulièrement n’en aient pas eu la veille de l’enquête.

Lectures recommandées:
UNICEF. 2024. Infant and young child feeding. Dans: UNICEF. [Consulté le 24 juillet 2024]. https://data.unicef.org/topic/nutrition/infant-and-young-child-feeding

OMS. 2014. Plan d’application exhaustif concernant la nutrition chez la mère, le nourrisson et le jeune enfant. Genève (Suisse). https://www.who.int/fr/publications/i/item/WHO-NMH-NHD-14.1

OMS et UNICEF. 2021. Indicators for assessing infant and young child feeding practices: definitions and measurement methods. Genève (Suisse) et New York (États-Unis d’Amérique). https://www.who.int/publications/i/item/9789240018389

INSUFFISANCE PONDÉRALE À LA NAISSANCE

Définition: L’insuffisance pondérale à la naissance correspond à un poids à la naissance inférieur à 2 500 grammes.

Indicateur: L’indicateur est le pourcentage de nouveau-nés dont le poids à la naissance est inférieur à 2 500 grammes. Les estimations présentées sont tirées de l’édition 2023 de la publication OMS/UNICEF Joint low birthweight estimates. La série entière d’estimations étant révisée à chaque nouvelle édition, nous invitons les lecteurs à ne pas comparer les séries d’une édition sur l’autre.

Méthode:

Estimations au niveau des pays

Les données représentatives au niveau national relatives à l’insuffisance pondérale à la naissance, notamment les enquêtes et les sources de données administratives, ont été regroupées à partir de 158 pays pour la période 2000-2020. Des critères de qualité des données et des méthodes d’ajustement ont été utilisés pour définir l’ensemble final de données nationales à inclure dans la modélisation. Avant d’ajouter les données des pays dans l’ensemble de données, on vérifie leur couverture et leur qualité et on les ajuste pour tenir compte des biais dus aux poids manquants et à la tendance à arrondir les données. Pour être pris en compte, les poids à la naissance issus des données administratives doivent représenter au moins 80 pour cent des naissances vivantes estimées indiquées dans l’édition 2022 du rapport World Population Prospects⁵ pour l’année considérée. Pour être intégrées dans l’ensemble de données, les enquêtes nationales menées auprès des ménages:

doivent mentionner un poids à la naissance pour 30 pour cent minimum de l’échantillon;
doivent comprendre au minimum 200 poids à la naissance;
ne doivent comporter aucune indication de données très arrondies ou de distribution peu vraisemblable – ce qui signifie que: i) jusqu’à 55 pour cent de tous les poids à la naissance peuvent correspondre aux trois catégories les plus fréquentes (si les trois poids à la naissance les plus fréquents sont 3 000 g, 3 500 g et 2 500 g, il faut que leur cumul représente au plus 55 pour cent de tous les poids à la naissance de l’ensemble de données); ii) jusqu’à 10 pour cent de l’ensemble des poids à la naissance peuvent être supérieurs ou égaux à 4 500 g; iii) jusqu’à 5 pour cent des poids à la naissance peuvent correspondre aux extrêmes (500 g et 5 000 g);
doivent avoir été ajustées pour tenir compte des poids à la naissance manquants et de la tendance à arrondir les données.

Les estimations de la prévalence de l’insuffisance pondérale à la naissance au niveau national ont été établies à partir d’un modèle bayésien de régression multiniveau. Le modèle est rattaché à l’échelle logit (fonction logit) pour que les proportions soient comprises entre zéro et 1, puis retransformé et multiplié par 100 pour obtenir des estimations de la prévalence.

Les intercepts aléatoires hiérarchiques propres à chaque pays (pays/régions/monde) représentaient la corrélation à l’intérieur des régions et entre les régions. Des splines pénalisées ont été utilisées comme lissage temporel dans la série chronologique, ce qui signifie que des tendances temporelles non linéaires au niveau des pays ont été prises en compte sans que des variations aléatoires influent sur la tendance. Les covariables finales incluses dans le modèle étaient les suivantes: le revenu national brut par personne en PPA^bo, la prévalence de l’insuffisance pondérale chez les femmes, le taux d’alphabétisation des femmes, le taux de prévalence des méthodes de contraception modernes et le pourcentage de la population urbaine.

Des catégories de qualité des données ont été utilisées pour appliquer des biais et des termes de variance supplémentaires. Ces biais ont été appliqués aux données administratives relevant de catégories de qualité inférieure, ce qui a permis de déterminer approximativement les biais escomptés liés à la tendance à l’arrondissement, lesquels avaient déjà été pris en compte lors de l’ajustement des données d’enquête. La variance supplémentaire reposait sur la catégorie de qualité des données administratives, et sur la pondération entre les données administratives et les données d’enquête si le pays disposait des deux.

Des contrôles de diagnostic standard ont été réalisés pour évaluer le niveau de convergence et l’efficacité de l’échantillonnage. Il a été procédé à une validation croisée consistant à faire la moyenne de plus de 200 sous-ensembles aléatoires composés de 20 pour cent de données de test et de 80 pour cent de données d’apprentissage. Des analyses de sensibilité ont été entreprises, y compris des contrôles portant sur les covariables, la méthode d’application des biais, le lissage temporel et les probabilités a priori non informatives. Tous les modèles ont été intégrés dans le logiciel statistique R et dans les paquets R «rjags» et «R2jags»¹⁵^, ¹⁶.

Le modèle comprenait les 2 040 années-pays de données répondant aux critères d’inclusion, et a permis de générer des estimations annuelles allant de 2000 à 2020 avec des intervalles de crédibilité à 95 pour cent pour les 195 pays et zones pour lesquels des données d’entrée ou des données de covariable sur l’insuffisance pondérale à la naissance étaient disponibles. Seules les estimations des pays et des zones associés à des données sont communiquées. Concernant les 37 pays (sur 195) ne disposant d’aucune donnée ou dont les données ne remplissaient pas les critères d’inclusion, le modèle final a été utilisé pour réaliser les estimations de la prévalence de l’insuffisance pondérale à la naissance à partir des intercepts des pays et des tendances temporelles estimées sur la base des covariables par région et par pays pour toutes les années-pays.

Agrégats régionaux et mondiaux

Des agrégats régionaux et mondiaux sont produits à partir des estimations provenant de l’ensemble des 195 pays et zones pondérées par le nombre estimé de naissances vivantes pendant l’année considérée, tiré de l’édition 2022 du rapport World Population Prospects⁵.

Sources de données: On peut établir des estimations de l’insuffisance pondérale à la naissance qui soient représentatives au niveau national à partir d’un ensemble de sources, définies globalement comme étant les données administratives nationales ou les enquêtes sur les ménages représentatives à ce niveau. Les données administratives nationales proviennent des systèmes nationaux, notamment le registre et les statistiques de l’état civil, les systèmes nationaux d’information de gestion en matière de santé et les registres des naissances. Lorsque les enquêtes nationales menées auprès des ménages, telles que les enquêtes démographiques et sanitaires et les enquêtes en grappes à indicateurs multiples, fournissent des informations sur le poids à la naissance ainsi que des indicateurs connexes clés, comme la perception maternelle de la taille à la naissance, elles sont également une source importante de données sur l’insuffisance pondérale à la naissance, notamment dans les contextes où le poids des enfants à la naissance n’est pas enregistré et/ou la tendance à arrondir les données pose problème.

Problèmes et limites: L’une des principales limites du suivi de l’insuffisance pondérale à la naissance à l’échelle mondiale est le manque de données relatives au poids à la naissance de nombreux enfants. À cet égard, il existe un biais notable lié au fait que les enfants nés de mères ou dans des familles pauvres, de faible niveau d’instruction et vivant en milieu rural auront moins de chances d’avoir été pesés à la naissance que ceux nés de mères plus aisées, ayant fait davantage d’études et vivant en milieu urbain. Près d’une enquête sur trois comprenant des données relatives à l’insuffisance pondérale à la naissance n’a pas été prise en compte, principalement en raison de données manquantes ou de qualité médiocre; ces enquêtes provenaient la plupart du temps de pays à faible revenu situés dans des régions où le risque d’insuffisance pondérale à la naissance est élevé.

Étant donné que les nouveau-nés dont le poids à la naissance n’est pas connu présentent des facteurs de risque d’insuffisance pondérale à la naissance, les estimations qui ne prennent pas en compte ces enfants pourront être inférieures à la valeur réelle. En outre, la qualité médiocre des données disponibles pour les pays à faible revenu ou à revenu intermédiaire, liée à des arrondis excessifs aux multiples de 500 g ou de 100 g peut également déboucher sur une sous-estimation de l’insuffisance pondérale à la naissance. Les méthodes appliquées dans la base de données actuelle pour tenir compte des poids manquants et de la tendance à arrondir les données dans les estimations des enquêtes sont censées remédier à ce problème. L’une des limites des méthodes actuelles est l’absence de données au niveau individuel dans les données administratives, et le fait que ces données ne peuvent pas être ajustées directement pour supprimer les biais liés aux arrondis excessifs et aux informations manquantes.

Les regroupements géographiques utilisés dans la modélisation peuvent ne pas être adaptés aux valeurs épidémiologiques ou économiques aberrantes. Au total, ce problème pourrait avoir influé sur les estimations de 37 pays (sur 195) sans données d’entrée. En outre, les seuils de confiance des estimations mondiales et régionales peuvent être artificiellement bas étant donné que près de la moitié des pays modélisés avaient un effet spécifique généré aléatoirement pour chaque prévision bootstrap, positif ou négatif selon le cas, ce qui tend à rendre l’incertitude relative aux niveaux mondial et national moindre qu’au niveau des pays.

Lectures recommandées:
Blanc, A. et Wardlaw, T. 2005. «Monitoring low birth weight: An evaluation of international estimates and an updated estimation procedure». Bulletin World Health Organization, 83(3): 178-185. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2624216

Chang, K.T., Carter, E.D., Mullany, L.C., Khatry, S.K., Cousens, S., An, X., Krasevec, J. et al. 2022. «Validation of MINORMIX approach for estimation of low birthweight prevalence using a rural Nepal dataset». The Journal of Nutrition, 152(3): 872-879. https://doi.org/10.1093/jn/nxab417

Okwaraji, Y.B., Krasevec, J., Bradley, E., Conkle, J., Stevens, G.A., Gatica-Domínguez, G., Ohuma, E.O. et al. 2024. «National, regional, and global estimates of low birthweight in 2020, with trends from 2000: a systematic analysis». The Lancet, 403(10431): 1071-1080. https://doi.org/10.1016/S0140-6736(23)01198-4

OMS et UNICEF. 2023. Low birthweight. Dans: UNICEF. [Consulté le 24 juillet 2024]. https://data.unicef.org/topic/nutrition/low-birthweight

OMS et UNICEF. 2023. Joint low birthweight estimates. Dans: OMS. [Consulté le 24 juillet 2024]. https://www.who.int/teams/nutrition-and-food-safety/monitoring-nutritional-status-and-food-safety-and-events/joint-low-birthweight-estimates

OBÉSITÉ DE L’ADULTE

Définition: Indice de masse corporelle (IMC) ≥ 30,0 kg/m². L’IMC est le rapport du poids à la taille habituellement utilisé pour classifier l’état nutritionnel des adultes. Il est calculé en divisant le poids corporel en kilogrammes par la taille en mètres élevée au carré (kg/m²). Les individus dont l’IMC est égal ou supérieur à 30 kg/m² sont considérés comme obèses.

Indicateur: Pourcentage de la population d’individus de plus de 18 ans dont l’IMC est supérieur ou égal à 30,0 kg/m² , pondéré par sexe et normalisé par âge. Les estimations présentées sont tirées de OMS. 2024. Données de l’Observatoire de la santé mondiale: Prevalence of obesity among adults, BMI ≥ 30, age-standardized. Estimates by country. [Consulté le 24 juillet 2024]. https://www.who.int/data/gho/data/indicators/indicator-details/GHO/prevalence-of-obesity-among-adults-bmi-=-30-(age-standardized-estimate)-(-). Licence: CC-BY-4.0.

La série entière d’estimations est révisée lors de chaque actualisation. Nous invitons les lecteurs à ne pas comparer les séries d’une actualisation sur l’autre.

Méthode:

Estimations au niveau des pays

Un modèle de régression hiérarchique bayésien, ajusté à l’aide d’un échantillon de Monte-Carlo par chaînes de Markov (MCMC), avec une inférence effectuée à partir des échantillons MCMC postérieurs, a été appliqué pour estimer les tendances de la prévalence de différentes catégories d’IMC par sexe, âge, pays et année sur la période 1990-2022. Les pays ont été organisés en 20 régions et 8 super-régions, essentiellement en fonction de leur situation géographique et de leur revenu national. Dans la structure hiérarchique du modèle, les estimations des différents pays et années reposaient sur leurs propres données, lorsqu’elles étaient disponibles, et sur les données des autres années pour le pays et d’autres pays, notamment ceux de la même région et super-région disposant de données pour des périodes similaires. Le modèle intégrait les tendances temporelles non linéaires au moyen d’une combinaison de termes de marche aléatoire linéaires et du deuxième ordre, tous modélisés de façon hiérarchique. La relation entre l’âge et l’IMC a été modélisée à l’aide d’une spline cubique pour tenir compte de la structure par âge non linéaire, laquelle peut varier selon les pays. Les coefficients des splines ont été modélisés de manière hiérarchique; ils ont varié au fil du temps pour traduire l’évolution des relations en fonction de l’âge. La normalisation par âge a été réalisée à partir des moyennes pondérées des estimations par âge et par sexe, à l’aide des pondérations en fonction de l’âge de la population type définie par l’OMS¹⁷.

Agrégats régionaux et mondiaux

Les estimations mondiales et régionales de la prévalence sont calculées en tant que moyennes pondérées par la population des pays concernés.

Sources de données: Les études en population comprenant des mesures de taille et de poids telles que les enquêtes sur les ménages représentatives au niveau national constituent la majeure partie des sources de données utilisées pour surveiller l’obésité chez l’adulte.

Problèmes et limites: L’IMC donne une mesure imparfaite de l’importance et de la répartition de la graisse corporelle, mais il est largement présent dans les études en population, et est utilisé dans la pratique clinique; il est également corrélé à l’absorptiométrie biénergétique à rayons X, plus complexe et coûteuse.

Certains pays avaient peu de sources de données, et trois n’en avaient aucune. Pour ces pays, les estimations ont été établies dans une large mesure à partir des données d’autres pays au moyen de la hiérarchie des unités géographiques.

On a également constaté des volumes de données différents selon les groupes d’âge: les données plus rares concernant les personnes âgées (≥ 65 ans) ont débouché sur une incertitude plus importante pour ce groupe d’âge.

Lectures recommandées:
Ahmad, O.B., Boschi-Pinto, C., Lopez, A.D., Murray, C.J., Lozano, R. et Inoue, M. 2001. Age standardization of rates: A new WHO standard. GPE Discussion Paper Series 31. Genève (Suisse), OMS. https://cdn.who.int/media/docs/default-source/gho-documents/global-health-estimates/gpe_discussion_paper_series_paper31_2001_age_standardization_rates.pdf

NCD-RisC (NCD Risk Factor Collaboration). 2024. Worldwide trends in underweight and obesity from 1990 to 2022: a pooled analysis of 3663 population-representative studies with 222 million children, adolescents, and adults. The Lancet, 403(10431): 1027-1050. https://doi.org/10.1016/S0140-6736(23)02750-2

Soixante-sixième Assemblée mondiale de la Santé. 2013. Suivi de la Déclaration politique de la Réunion de haut niveau de l’Assemblée générale sur la prévention et la maîtrise des maladies non transmissibles. https://apps.who.int/gb/ebwha/pdf_files/WHA66/A66_R10-fr.pdf

OMS. 2022. Updated Appendix 3 of the WHO Global NCD Action Plan 2013-2030. Technical Annex (version du 26 décembre 2022). Genève (Suisse). https://cdn.who.int/media/docs/default-source/ncds/mnd/2022-app3-technical-annex-v26jan2023.pdf?sfvrsn=62581aa3_5

OMS. 2024. Portail des données sur les maladies non transmissibles. Dans: OMS. [Consulté le 8 avril 2024]. https://ncdportal.org

OMS. 2024. Données de l’Observatoire de la santé mondiale: Prevalence of obesity among adults, BMI ≥ 30, age-standardized. Estimates by country. [Consulté le 24 juillet 2024]. https://www.who.int/data/gho/data/indicators/indicator-details/GHO/prevalence-of-obesity-among-adults-bmi-=-30-(age-standardized-estimate)-(-). Licence: CC-BY-4.0.

ANÉMIE CHEZ LES FEMMES ÂGÉES DE 15 À 49 ANS

Définition: Pourcentage des femmes âgées de 15 à 49 ans dont la concentration d’hémoglobine est inférieure à 120 g/litre (pour les femmes qui ne sont pas enceintes ou qui allaitent) ou à 110 g/litre (pour les femmes enceintes), après ajustement en fonction de l’altitude et du tabagisme des femmes considérées.

Indicateur: Pourcentage de femmes âgées de 15 à 49 ans dont la concentration d’hémoglobine dans le sang est inférieure à 110 g/litre pour les femmes enceintes et à 120 g/litre pour les femmes qui ne sont pas enceintes. Les estimations présentées sont tirées de OMS. 2021. WHO global anaemia estimates, 2021 edition. Dans: OMS. [Consulté le 24 juillet 2024]. https://www.who.int/data/gho/data/themes/topics/anaemia_in_women_and_children

La série entière d’estimations est révisée à la lumière de chaque nouvelle édition de ce rapport. Nous invitons les lecteurs à ne pas comparer les séries d’une édition sur l’autre.

Méthode:

Estimations au niveau des pays

L’édition 2021 des estimations relatives à l’anémie chez les femmes âgées de 15 à 49 ans, enceintes ou non, comprenait des sources de données issues de la base de données sur les micronutriments, qui fait partie du Système d’informations nutritionnelles sur les vitamines et les minéraux de l’OMS, et de données individuelles anonymisées relatives à la période 1995-2019. Un ajustement des données sur les concentrations en hémoglobine dans le sang a été effectué en fonction de l’altitude (pour les pays ayant des populations vivant à haute altitude) et en fonction du tabagisme, chaque fois que possible. Les valeurs d’hémoglobine non plausibles sur le plan biologique (< 25 g/l ou > 200 g/l) ont été exclues.

On a utilisé un modèle de mélange hiérarchique bayésien pour estimer les distributions d’hémoglobine et traiter systématiquement les données manquantes, les tendances temporelles non linéaires et la représentativité des sources de données. En résumé, le modèle a calculé des estimations pour chaque pays et chaque année, en utilisant pour ce faire les données provenant du pays et concernant l’année considérés, si celles-ci étaient disponibles, et les données concernant d’autres années pour le même pays et pour d’autres pays disposant de données sur des périodes similaires, en particulier les pays de la même région. Le modèle emprunte des données dans une plus large mesure lorsque les données sont inexistantes ou peu informatives et dans une moindre mesure lorsque les pays et régions disposent de beaucoup de données. Les estimations qui en résultent sont également éclairées par des covariables qui aident à prédire les concentrations d’hémoglobine dans le sang (indice sociodémographique, disponibilités en viande en kilocalories par habitant, IMC moyen des femmes et logarithme de la mortalité des enfants de moins de 5 ans, par exemple). Les fourchettes d’incertitude (intervalles de crédibilité) reflètent les principales sources d’incertitude, notamment: l’erreur d’échantillonnage; l’erreur indépendante de l’échantillonnage, due à des problèmes de conception d’échantillon/de mesure; et l’incertitude découlant du calcul des estimations relatives aux pays et aux années sans données.

Agrégats régionaux et mondiaux

Les estimations mondiales et régionales de la prévalence sont calculées en tant que moyennes pondérées par la population des pays concernés.

Sources de données: Les enquêtes auprès de la population constituent la source d’information jugée préférable. Les données issues des systèmes de surveillance peuvent être utilisées dans certains cas, mais on constate en général une sous-estimation des diagnostics enregistrés. La base de données sur les micronutriments du Système d’informations nutritionnelles sur les vitamines et les minéraux de l’OMS regroupe et synthétise les données sur les apports en micronutriments des populations à partir de diverses autres sources, y compris des données collectées dans les travaux scientifiques publiés et par le truchement de collaborateurs tels que les bureaux régionaux et les bureaux de pays de l’OMS, les organisations des Nations Unies, les ministères de la santé, les établissements universitaires et les établissements de recherche, ou les organisations non gouvernementales. En outre, des données individuelles anonymisées sont récupérées dans des enquêtes multinationales, notamment des enquêtes démographiques et sanitaires, des enquêtes sur les indicateurs de paludisme et des enquêtes sur la santé de la reproduction.

Problèmes et limites: Malgré la proportion importante de pays disposant de données sur l’anémie issues d’enquêtes nationalement représentatives, la communication des informations relatives à cet indicateur est encore lacunaire, notamment dans les pays à revenu élevé. En conséquence, les estimations peuvent ne pas rendre pleinement compte de la variation entre pays et entre régions, et tendent simplement à se resserrer autour des moyennes mondiales quand les données sont rares.

Lectures recommandées:
Stevens, G.A., Paciorek, C.J., Flores-Urrutia, M.C., Borghi, E., Namaste, S., Wirth, J.P., Suchdev, P.S., Ezzati, M., Rohner, F., Flaxman, S.R. et Rogers, L.M. 2022. «National, regional, and global estimates of anaemia by severity in women and children for 2000–19: a pooled analysis of population-representative data». The Lancet Global Health, 10(5): e627-e639. https://doi.org/10.1016/S2214-109X(22)00084-5

OMS. 2011. Concentrations en hémoglobine permettant de diagnostiquer l’anémie et d’en évaluer la sévérité. Système d’informations nutritionnelles sur les vitamines et les minéraux. Genève (Suisse). https://apps.who.int/iris/bitstream/handle/10665/85841/WHO_NMH_NHD_MNM_11.1_fre.pdf?sequence=7&isAllowed=y

OMS. 2014. Plan d’application exhaustif concernant la nutrition chez la mère, le nourrisson et le jeune enfant. Genève (Suisse). https://www.who.int/fr/publications/i/item/WHO-NMH-NHD-14.1

OMS. 2021. WHO global anaemia estimates, 2021 edition. Dans: OMS. [Consulté le 24 juillet 2024]. https://www.who.int/data/gho/data/themes/topics/anaemia_in_women_and_children

OMS. 2021. Vitamin and Mineral Nutrition Information System (VMNIS). Dans: OMS. [Consulté le 20 avril 2023]. https://www.who.int/teams/nutrition-and-food-safety/databases/vitamin-and-mineral-nutrition-information-system

OMS. 2024. Nutrition Landscape Information System (NLiS) Country Profile. Dans: OMS. [Consulté le 20 avril 2023]. https://www.who.int/data/nutrition/nlis/country-profile

OMS. 2024. Nutrition Data Portal. Dans: OMS. [Consulté le 6 avril 2024]. https://platform.who.int/nutrition/nutrition-portals.

Cette publication phare fait partie de la série L’ÉTAT DU MONDE de l’Organisation des Nations Unies pour l’alimentation et l’agriculture.

Référence bibliographique à citer:
FAO, FIDA, OMS, PAM et UNICEF. 2024. L’État de la sécurité alimentaire et de la nutrition dans le monde 2024. Des financements pour éliminer la faim, l’insécurité alimentaire et toutes les formes de malnutrition. Rome.
https://doi.org/10.4060/cd1254fr

Les appellations employées dans ce produit d’information et la présentation des données qui y figurent n’impliquent de la part de l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO), du Fonds international de développement agricole (FIDA), de l’Organisation mondiale de la Santé (OMS), du Programme alimentaire mondial (PAM) ou du Fonds des Nations Unies pour l’enfance (UNICEF) aucune prise de position quant au statut juridique ou au stade de développement des pays, territoires, villes ou zones ou de leurs autorités, ni quant au tracé de leurs frontières ou limites. La mention de sociétés déterminées ou de produits de fabricants, qu’ils soient ou non brevetés, n’entraîne, de la part de la FAO, du FIDA, de l’OMS, du PAM ou de l’UNICEF aucune approbation ou recommandation desdites sociétés ou desdits produits de préférence à d’autres de nature analogue qui ne sont pas cités.

Les appellations employées et la présentation des données sur les cartes n’impliquent de la part de la FAO, du FIDA, de l’OMS, du PAM ou de l’UNICEF aucune prise de position quant au statut juridique ou constitutionnel des pays, territoires ou zones maritimes, ni quant au tracé de leurs frontières ou limites.

Toutes les précautions raisonnables ont été prises par la FAO, le FIDA, l’OMS, le PAM et l’UNICEF pour vérifier les informations contenues dans la présente publication. Toutefois, celle-ci est distribuée sans garantie de quelque sorte que ce soit, ni expresse ni implicite. La responsabilité de l’interprétation et de l’utilisation du contenu de cette publication incombe au lecteur. La FAO, le FIDA, l’OMS, le PAM et l’UNICEF ne sauraient en aucun cas être tenus responsables des éventuels préjudices découlant de son utilisation.

Certains droits réservés. Ce travail est mis à disposition sous la licence Creative Commons Attribution - 4.0 International (CC BY 4.0: https://creativecommons.org/licenses/by/4.0/legalcode.fr).

Selon les termes de cette licence, ce travail peut être copié, diffusé et adapté à des fins non commerciales, sous réserve de mention appropriée de la source. Lors de l’utilisation de ce travail, aucune indication relative à l’approbation de la part de la FAO, du FIDA, de l’OMS, du PAM ou de l’UNICEF d’une organisation, de produits ou de services spécifiques ne doit apparaître. L’utilisation du logo de la FAO n’est pas autorisée. Si le travail est adapté, il doit donc être sous la même licence Creative Commons ou sous une licence équivalente. Si ce document fait l’objet d’une traduction, il est obligatoire d’intégrer la clause de non-responsabilité suivante accompagnée de la citation requise: «Cette traduction n’a pas été réalisée par l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO). La FAO n’est pas responsable du contenu ou de l’exactitude de cette traduction. L’édition originale anglaise doit être l’édition qui fait autorité.»

Tout litige relatif à la présente licence ne pouvant être résolu à l’amiable sera réglé par voie de médiation et d’arbitrage tel que décrit à l’Article 8 de la licence, sauf indication contraire contenue dans le présent document. Les règles de médiation applicables seront celles de l’Organisation mondiale de la propriété intellectuelle (http://www.wipo.int/amc/fr/mediation/rules) et tout arbitrage sera mené conformément au Règlement d’arbitrage de la Commission des Nations Unies pour le droit commercial international (CNUDCI).

Documents de tierce partie. Les utilisateurs qui souhaitent réutiliser des matériels provenant de ce travail et qui sont attribués à un tiers, tels que des tableaux, des figures ou des images, ont la responsabilité de déterminer si l’autorisation est requise pour la réutilisation et d’obtenir la permission du détenteur des droits d’auteur. Le risque de demandes résultant de la violation d’un composant du travail détenu par une tierce partie incombe exclusivement à l’utilisateur.

Ventes, droits et licences. Les produits d’information de la FAO sont disponibles sur le site web de la FAO (www.fao.org/publications/fr/) et peuvent être acquis par le biais du courriel suivant: publications-sales@fao.org. Les demandes pour usage commercial doivent être soumises à: www.fao.org/contact-us/licence-request. Les demandes relatives aux droits et aux licences doivent être adressées à: copyright@fao.org.

INDE. Vannage du blé: l’augmentation des flux de financement accélérera la transformation indispensable des systèmes agroalimentaires.