L’État de la sécurité alimentaire et de la nutrition dans le monde 2022

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 en bonne santé.

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. Pour tenir compte du manque de fiabilité de certains des paramètres sous-jacents, 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, pour laquelle il est très rare qu’on dispose d’informations fiables –, on présente les estimations nationales sous forme de moyennes mobiles sur trois ans. Les agrégats régionaux et mondiaux, quant à eux, sont présentés sous forme d’estimations annuelles, car on considère qu’il n’y a en principe pas de corrélation entre les éventuelles erreurs d’estimation d’un pays à l’autre.

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 kcal par personne et par jour pour un individu moyen, sous la forme d’une fonction de densité de probabilité paramétrique, f(x)^396,397. 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 plage des besoins énergétiques 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. 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).

Source 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^ao. Étant donné que l’indice de masse corporelle (IMC) et le NAP varient chez les personnes actives et en bonne santé de mêmes sexe et âge, on obtient une plage 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 plages 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) à partir des valeurs moyennes de la catégorie de NAP «Style de vie actif ou relativement actif».

Des informations sur la structure de la population par sexe et par âge sont disponibles pour la plupart des pays et pour chaque année dans les Perspectives de la population mondiale du Département des affaires économiques et sociales (DAES) de l’ONU, lesquelles sont établies tous les deux ans. La présente édition de L’État de la sécurité alimentaire et de la nutrition dans le monde utilise la version 2019 du rapport World Population Prospects (Perspectives de la population mondiale)³⁹⁸.

Les informations relatives à la taille médiane de chaque tranche d’âge et sexe pour un pays spécifique sont tirées d’une enquête démographique et sanitaire (EDS) récente ou d’autres enquêtes qui collectent 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 sur l’autre dans les statures médianes sont peu importants, et leur incidence sur les estimations de la PoU est donc considérée comme négligeable.

Consommation d’énergie alimentaire (DEC): Dans l’idéal, il faudrait disposer de données sur la consommation alimentaire issues d’enquêtes sur les ménages représentatives au niveau national (enquêtes sur le niveau de vie, ou sur les revenus 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 pays du monde (voir FAO, 2021)⁹⁰.

Depuis la dernière édition du présent rapport, le nouveau domaine de FAOSTAT consacré aux bilans alimentaires a été mis à jour et comprend désormais l’année 2019 pour l’ensemble des pays. De plus, au moment où s’achevait la rédaction du présent rapport, les séries de bilans alimentaires avaient été actualisées jusqu’en 2020 pour les 63 pays suivants, qui représentent la plus grande partie de la population sous-alimentée: Afghanistan, Afrique au sud, Algérie, Angola, Bangladesh, Bolivie (État plurinational de), Burkina Faso, Cambodge, Cameroun, Chine (continentale), Colombie, Congo, Côte d’Ivoire, Équateur, Eswatini, Éthiopie, Guatemala, Guinée, Haïti, Honduras, Inde, Indonésie, Iran (République islamique d’), Iraq, Kenya, Libéria, Madagascar, Malawi, Mali, Mexique, Mongolie, Mozambique, Myanmar, Népal, Niger, Nigéria, Ouganda, Ouzbékistan, Pakistan, Papouasie-Nouvelle-Guinée, Pérou, Philippines, République arabe syrienne, République centrafricaine, République démocratique du Congo, République démocratique populaire lao, République populaire démocratique de Corée, République-Unie de Tanzanie, Rwanda, Sénégal, Sierra Leone, Somalie, Soudan, Sri Lanka, Tadjikistan, Tchad, Thaïlande, Togo, Venezuela (République bolivarienne du), Viet Nam, Yémen, Zambie et Zimbabwe.

Les estimations des DES moyennes par habitant pour 2020 (pour les pays autres que les 63 pays énumérés ci-dessus) et pour 2021 (pour tous les pays), calculées à partir des perspectives à court terme des marchés établies par la FAO pour éclairer la situation alimentaire mondiale⁵, sont utilisées pour obtenir une prévision immédiate des valeurs de DEC de chaque pays pour 2020 et 2021, en commençant par la dernière année en date disponible dans les séries des bilans alimentaires.

Coefficient de variation (CV): Lorsqu’on dispose de données fiables sur la consommation alimentaire, issues d’enquêtes sur les ménages représentatives au niveau national, le coefficient de variation imputable aux revenus (CV|y) peut être estimé directement. Depuis la dernière édition de ce rapport, 18 nouvelles enquêtes réalisées dans les 15 pays suivants ont été traitées aux fins d’actualisation du CV|y: Côte d’Ivoire (2018), Éthiopie (2019), Iraq (2018), Kirghizistan (2018), Malawi (2019), Mali (2018), Myanmar (2017), Niger (2018), Ouganda (2018), Philippines (2018), République-Unie de Tanzanie (2001, 2007, 2017), Sénégal (2018), Sri Lanka (2016, 2019), Togo (2018) et Vanuatu (2019). Le CV|y repose donc désormais sur les données issues de 118 enquêtes menées dans 60 pays.

Lorsqu’on ne dispose pas de données d’enquête appropriées, on a recours aux données FIES collectées par la FAO depuis 2014 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 2019, en se basant sur une tendance lissée (moyenne mobile sur trois ans) de l’insécurité alimentaire grave. Les estimations sont fondées sur l’hypothèse que l’évolution récente de l’insécurité alimentaire grave mesurée au moyen des données FIES pourrait refléter étroitement des variations non observées de la prévalence de la sous-alimentation. Si tant est qu’elles ne puissent pas s’expliquer totalement par les effets de changements observés ou estimés dans les approvisionnements alimentaires moyens, ces variations de la PoU peuvent donc être attribuées à une évolution probablement non observée du CV|y qui a pu se produire au cours de l’année la plus récente. L’analyse des estimations passées de la PoU montre qu’en moyenne, après neutralisation des différences liées à la DEC et aux MDER, l’évolution du CV|y explique un tiers environ des écarts de PoU dans le temps et dans l’espace. Ainsi, 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 estimée comme étant l’évolution susceptible d’entraîner une variation d’un tiers de point de pourcentage de la PoU pour chaque point de pourcentage de variation observé dans la prévalence de l’insécurité alimentaire grave. Pour tous les autres pays, on conserve la valeur estimée du CV|y pour 2017. Comme dans l’édition précédente du rapport, la prévision immédiate du CV|y pour 2020 et 2021 – les deux années durant lesquelles l’accès aux aliments a été fortement conditionné par les effets de la pandémie de covid-19 – a nécessité un traitement spécial (voir l’annexe 2A).

Dans l’approche paramétrique utilisée par la FAO pour estimer la prévalence de la sous-alimentation, le CV lié aux différences de poids corporel et de style de vie, également appelé coefficient de variation imputable aux besoins énergétiques (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. La distribution des besoins énergétiques alimentaires d’un individu moyen hypothétique est supposée normale, et l’écart type correspondant peut donc être estimé à partir deux centiles connus. Nous utilisons les MDER et les ADER mentionnés précédemment pour obtenir une approximation du 1^er centile et du 50^e centile^399,400. 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.

On obtient ensuite le CV total en calculant la moyenne géométrique du CV|y et du CV|r:

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 représentatif. La prévalence de la sous-alimentation est donc une estimation du pourcentage d’individus du groupe considéré qui sont sous-alimentés, et 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 prévalence de la sous-alimentation est généralement faible. Il n’est pas possible de calculer formellement les marges d’erreur associées aux estimations de la prévalence de la sous-alimentation, 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 prévalence de la sous-alimentation qui sont inférieures à 2,5 pour cent ne sont pas suffisamment fiables pour figurer dans les rapports.

Références:

FAO. 1996. «Methodology for assessing food inadequacy in developing countries». Dans: FAO. The Sixth World Food Survey, p. 114143. Rome.

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 n° 1404. 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, 2628 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 (FIES)

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, 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 d’une enquête, 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 du module d’enquête FIES, 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 classes correspondant à l’insécurité alimentaire modérée ou grave. Un indicateur distinct (FI_sev) 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.

Source 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 (GWP), qui couvre plus de 90 pour cent de la population mondiale. En 2021, 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. Après évaluation de la couverture combinant deux modes (c’est-à-dire la proportion de la population adulte joignable par téléphone fixe ou par téléphone portable), les pays couverts à 70 pour cent au minimum ont été intégrés dans le sondage mondial de 2020 réalisé par entretien téléphonique assisté par ordinateur (méthode CATI).

Gallup a généralement recours aux 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 (CCG). 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).

En plus du sondage mondial de Gallup, en 2021, la FAO a collecté des données dans 20 pays au moyen des plateformes Geopoll® et Kantar® dans le but spécifique de combler les lacunes de données sur l’accès à la nourriture. Les pays concernés étaient les suivants: Antigua-et-Barbuda, Bahamas, Barbade, Comores, Djibouti, Dominique, Eswatini, Guinée-Bissau, Haïti, Madagascar, Maldives, Niger, République démocratique du Congo, République démocratique populaire lao, Rwanda, Saint-Kitts-et-Nevis, Sao Tomé-et-Principe, Suriname, Trinité-et-Tobago et Zambie.

S’agissant de l’Afghanistan, de l’Afrique du Sud, de l’Angola, de l’Arménie, du Belize, du Bénin, du Botswana, du Burkina Faso, de Cabo Verde, du Canada, du Chili, du Costa Rica, de la Côte d’Ivoire, de l’Équateur, des Émirats arabes unis, des États-Unis d’Amérique, de la Fédération de Russie, des Fidji, du Ghana, de la Grèce, de la Grenade, de la Guinée-Bissau, du Honduras, de l’Indonésie, d’Israël, du Kazakhstan, du Kenya, du Kirghizistan, de Kiribati, du Lesotho, du Malawi, du Mexique, de la Namibie, du Niger, du Nigéria, de l’Ouganda, du Pakistan, de la Palestine, du Paraguay, des Philippines, de la République de Corée, de la République dominicaine, de la République-Unie de Tanzanie, de Sainte-Lucie, de Saint-Kitts-et-Nevis, de Saint-Vincent-et-les Grenadines, du Samoa, du Sénégal, des Seychelles, de la Sierra Leone, du Soudan, du Soudan du Sud, de Sri Lanka, du Tchad, du Togo, des Tonga, du Vanuatu, du Viet Nam et de la Zambie, on a utilisé les données provenant d’enquêtes publiques nationales pour estimer la prévalence de l’insécurité alimentaire, en appliquant les méthodes statistiques de la FAO afin d’ajuster les résultats nationaux sur la même norme de référence mondiale, ce qui couvre plus du quart de la population mondiale. Les pays sont pris en compte pour l’année/les années pour laquelle/lesquelles des données nationales 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 la FAO en cas d’incompatibilité avec les données nationales;
• –imputées en fonction de la tendance sous-régionale si aucune autre information n’est disponible;
• –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 considéré 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).

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 qu’elle soit en situation d’insécurité alimentaire (p_i,L), à chaque niveau L de gravité (modérée ou grave, ou grave) 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 est calculée comme étant la somme pondérée de la probabilité d’être en situation d’insécurité alimentaire pour toutes les personnes interrogées (i) d’un échantillon:

La prevalencia de la inseguridad alimentaria en cada nivel de gravedad (FIL) de la población se calcula como la suma ponderada de la probabilidad de sufrir inseguridad alimentaria para todos los encuestados (i) en una muestra:

où w_i correspond à la pondération poststratification 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 2 du rapport technique du projet Voices of the Hungry («La parole à ceux qui ont faim», voir le lien dans la section «Références» 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 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 pourront toutefois être 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.

Références:

Gallup. 2020. «Gallup Keeps Listening to the World Amid the Pandemic». Dans: Gallup. Consulté le 25 mai 2021. https://news.gallup.com/opinion/gallup/316016/gallup-keeps-listening-world-amid-pandemic.aspx.

FAO. 2016. Méthodes d’estimation de taux comparables de prévalence de l’insécurité alimentaire chez les adultes à l’échelle mondiale. Rome. www.fao.org/3/i4830f/i4830f.pdf.

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

RETARD DE CROISSANCE, ÉMACIATION ET EXCÈS PONDÉRAL CHEZ LES ENFANTS DE MOINS DE 5 ANS

Définition du retard de croissance (enfants de moins de 5 ans): Taille (en cm) rapportée à l’âge (en mois) inférieure d’au moins deux écarts types à la valeur médiane des normes OMS de croissance de l’enfant. Une faible taille par rapport à l’âge traduit les effets cumulés de la dénutrition et des infections depuis la naissance, voire avant. Elle peut résulter de privations nutritionnelles sur une longue durée, d’infections récurrentes et d’un manque d’eau et d’infrastructures d’assainissement.

Indicateur: 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.

Définition de l’émaciation: 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. Un faible poids par rapport à la taille indique une forte perte de poids ou l’absence de prise de poids et peut résulter d’un apport alimentaire insuffisant et/ou de maladies infectieuses, notamment la diarrhée.

Indicateur: 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.

Définition de l’excès pondéral chez l’enfant: 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. Cet indicateur traduit une prise de poids excessive compte tenu de la taille, généralement due à des apports énergétiques supérieurs aux besoins énergétiques de l’enfant.

Indicateur: 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.

Source de données: Banque mondiale, OMS et UNICEF. 2021. UNICEF-WHO-World Bank: Joint child malnutrition estimates – Levels and trends (2021 edition). Consulté le 6 avril 2022. https://data.unicef.org/resources/jme-report-2021, www.who.int/data/gho/data/themes/topics/joint-child-malnutrition-estimates-unicef-who-wb, https://datatopics.worldbank.org/child-malnutrition.

Méthode:

Estimations au niveau des pays

Estimations communes UNICEF, OMS, Banque mondiale de la malnutrition (chez les enfants) (JME) – Ensemble de données nationales

Pour constituer l’ensemble de données de leurs estimations communes par pays, le Fonds des Nations Unies pour l’enfance (UNICEF), l’Organisation mondiale de la Santé (OMS) et la Banque mondiale (ci-après «le groupe JME») colligent des sources de données nationales contenant des informations sur la malnutrition chez les enfants – en particulier les données de taille, de poids et d’âge des enfants de moins de 5 ans, qui permettent d’estimer la prévalence du retard de croissance, de l’émaciation et de l’excès pondéral au niveau national. Ces sources de données nationales se composent principalement d’enquêtes menées auprès des ménages (enquêtes en grappes à indicateurs multiples ou enquêtes démographiques et sanitaires, par exemple). Certaines sources de données administratives (provenant de systèmes de surveillance, notamment) sont également prises en compte lorsque la couverture démographique est élevée. À la clôture du dernier examen de données en date, le 31 janvier 2021, l’ensemble de données primaires contenait 997 sources de données provenant de 157 pays et territoires et comprenant près de 80 pour cent des enfants qui vivent dans un pays ayant compté au moins un point de données sur le retard de croissance, l’émaciation ou l’excès pondéral au cours des cinq dernières années. Cela indique que les estimations mondiales sont très représentatives de la majorité des enfants du monde pour la période la plus récente. L’ensemble de données 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, le groupe 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 standardisation dans les cas suivants: i) utilisation d’une autre référence de croissance que les normes de croissance de l’OMS de 2006; ii) tranches d’âge ne comprenant pas entièrement le groupe des enfants de 0 à 59 mois; et iii) sources de données nationalement représentatives des populations résidant en milieu rural seulement. Des informations plus détaillées sur la compilation des sources de données, la réanalyse des microdonnées et l’examen des sources de données sont fournies ailleurs⁴⁰¹.

L’ensemble de données nationales des JME est utilisé à différentes fins selon les indicateurs. Pour l’émaciation, il donne directement les estimations nationales (en d’autres termes, la prévalence de l’émaciation figurant dans l’ensemble de données nationales des JME et provenant d’une enquête auprès des ménages dans un pays donné et pour une année donnée est la prévalence de l’émaciation communiquée pour ce pays et cette année). Concernant le retard de croissance et l’excès pondéral, l’ensemble de données nationales des JME est utilisé pour générer les estimations modélisées par pays qui constitueront les JME officielles (autrement dit, la prévalence du retard de croissance provenant d’une enquête auprès des ménages menée dans un pays donné et pour une année donnée n’est pas communiquée telle quelle, mais sert à générer les estimations modélisées décrites à la section suivante du présent document).

Modèle de niveau pays utilisé pour produire les estimations relatives au retard de croissance et à l’excès pondéral
Les éléments techniques détaillés relatifs aux modèles statistiques sont fournis ailleurs⁴⁰¹. En résumé, pour le retard de croissance comme pour l’excès pondéral, la prévalence 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. Concernant l’excès pondéral, les données de covariable consistent en des indices sociodémographiques linéaires et quadratiques^ap et un type de source de données. Pour le retard de croissance, on a utilisé les mêmes covariables, auxquelles on a ajouté le nombre moyen d’accès au système de santé au cours des cinq années précédentes.

En 2021, le groupe JME a diffusé des estimations annuelles modélisées du retard de croissance et de l’excès pondéral couvrant la période 2000-2020^aq pour 155 pays qui avaient au moins un point de données (provenant d’une enquête auprès des ménages, par exemple) figurant dans l’ensemble de données des JME décrit précédemment. Des estimations modélisées ont également été établies pour 49 pays supplémentaires, à seule fin de générer les agrégats régionaux et mondiaux. Les estimations modélisées de ces 49 pays n’ont pas été diffusées parce qu’elles ne correspondaient à aucune enquête auprès des ménages enregistrée dans l’ensemble de données par pays des JME ou parce qu’elles étaient encore en attente d’examen final au moment de la publication. Les résultats obtenus pour les 204 pays peuvent servir à calculer des estimations et des intervalles d’incertitude pour tout agrégat de pays. 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 de la nouvelle méthode des JME ont été testés et validés avec différents types de données.

Estimations régionales et mondiales

Les estimations régionales et mondiales de l’émaciation ne sont présentées que pour l’année la plus récente, 2020, à la différence des estimations du retard de croissance et de l’excès pondéral, pour lesquelles on dispose d’une série chronologique annuelle couvrant 2000 à 2020^ar. La raison en est que les JME reposent sur des données de prévalence au niveau national, qui proviennent d’enquêtes transversales (donnant un instantané à un moment précis), lesquelles ne sont pas réalisées très fréquemment (tous les trois à cinq ans seulement) dans la plupart des pays. Le retard de croissance et l’excès pondéral n’évoluant guère sur une année calendaire, il est raisonnable de suivre les changements dans le temps de ces deux troubles de croissance au moyen des données en question. L’émaciation, en revanche, est une affection aiguë qui peut évoluer fréquemment et rapidement. Un même enfant peut en effet connaître plusieurs épisodes d’émaciation au cours d’une même année, entrecoupés de périodes où il se rétablit. De plus, dans de nombreux contextes, le risque d’émaciation peut être lié à des variations saisonnières, lesquelles entraînent des pics de prévalence. C’est ainsi que, dans certains contextes, la prévalence de l’émaciation peut doubler entre la saison après récolte (souvent associée à des disponibilités alimentaires plus importantes et des conditions météorologiques moins propices aux maladies) et la saison d’avant récolte (fréquemment caractérisée par des pénuries alimentaires et de fortes pluies, causes de maladies, qui peuvent dégrader l’état nutritionnel). 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. L’absence de méthodes de prise en compte de la saisonnalité et de l’incidence de l’émaciation est la principale raison expliquant que les JME ne présentent pas de tendances annuelles pour cette forme de malnutrition.

Génération des estimations régionales et mondiales
Les estimations régionales et mondiales du retard de croissance et de l’excès pondéral ont été obtenues par des méthodes différentes de celles utilisées pour l’émaciation, comme indiqué ci-après. Pour résumer, les premières ont été générées à partir des résultats du nouveau modèle de niveau pays, et les secondes, au moyen du modèle multiniveau sous-régional des JME.

Retard de croissance et excès pondéral
Les estimations régionales et mondiales établies pour chaque année de 2000 à 2020^as ont été calculées en faisant la moyenne des chiffres des pays respectifs, pondérés par le nombre d’enfants de moins de 5 ans de ces pays, tel qu’il figure dans l’édition 2019³⁹⁸ de la publication des Nations Unies World Population Prospects, en utilisant les estimations modélisées pour 204 pays. Ce nombre comprend 155 pays possédant des sources de données nationales (des enquêtes auprès des ménages, par exemple) enregistrées dans l’ensemble de données nationales des JME décrit précédemment. Il comprend également 49 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 ou parce qu’elles étaient encore en attente d’examen final au moment de la publication. Les intervalles de confiance ont été calculés en utilisant la technique du bootstrap.

Émaciation
Les données de prévalence de l’émaciation provenant des sources de données nationales, décrites à la section précédente traitant de l’ensemble de données par pays des JME, ont été utilisées pour générer des estimations régionales et mondiales pour l’année 2020^at à l’aide du modèle multiniveau sous-régional des JME, en appliquant des pondérations correspondant au nombre d’enfants de moins de 5 ans donné par les World Population Prospects 2019³⁹⁸.

Problèmes et limites: La périodicité recommandée en matière de communication d’informations sur le retard de croissance, l’excès pondéral et 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.

En ce qui concerne la prévalence de l’émaciation, la saison peut influer sur les estimations, car les enquêtes sont généralement menées pendant une période spécifique de l’année. Les facteurs saisonniers jouant sur l’émaciation sont notamment les disponibilités alimentaires (période avant récolte, par exemple) et les maladies (saison des pluies et diarrhées, paludisme, etc.). Par ailleurs, les catastrophes naturelles et les conflits peuvent aussi entraîner une profonde modification des tendances, qu’il conviendrait de traiter différemment des variations saisonnières. Les estimations de l’émaciation par pays et par année ne sont donc pas nécessairement comparables dans le temps, ce qui explique que seules les estimations les plus récentes (2020)^au soient présentées.

Références:

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.

GBD 2019 Risk Factor Collaborators. 2020. «Global burden of 87 risk factors in 204 countries and territories, 19902019: 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.

Banque mondiale, OMS et UNICEF. 2021. UNICEF-WHO-World Bank: Joint child malnutrition estimates – Levels and trends (2021 edition). Consulté le 6 avril 2022. https://data.unicef.org/resources/jme-report-2021, www.who.int/data/gho/data/themes/topics/joint-child-malnutrition-estimates-unicef-who-wb, https://datatopics.worldbank.org/child-malnutrition.

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). www.who.int/nutrition/publications/CIP_document/fr.

OMS. 2019. Nutrition Landscape Information System (NLIS) country profile indicators: interpretation guide. Genève (Suisse). www.who.int/publications/i/item/9789241516952.

Allaitement maternel 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. L’allaitement maternel exclusif est un facteur fondamental de la survie des enfants et le meilleur moyen de nourrir les nouveau-nés, car le lait maternel met en place le microbiome du bébé, renforce son système immunitaire et réduit le risque de développement de maladies chroniques.

L’allaitement est également bénéfique pour les mères, car il prévient les hémorragies post-partum et favorise l’involution utérine, réduit le risque d’anémie ferriprive et de développement de divers types de cancer, et apporte des avantages psychologiques.

Indicateur: 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’enquête⁴⁰².

Source de données: UNICEF. 2021. «Infant and young child feeding». Dans: UNICEF. New York (États-Unis d’Amérique). Consulté le 6 avril 2022. data.unicef.org/topic/nutrition/infant-and-young-child-feeding.

Méthode:

Cet indicateur couvre également l’allaitement par une nourrice et l’emploi de lait maternel tiré.

Il repose sur une rétrospection de l’alimentation du jour précédent pour un échantillon transversal de nourrissons de 0 à 5 mois.

En 2012, les estimations régionales et mondiales de l’allaitement maternel 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 2020 ont été élaborées à l’aide de l’estimation la plus récente disponible pour chaque pays sur la période comprise entre 2014 et 2020. 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 naissances donné par les World Population Prospects 2019³⁹⁸ (2012 pour la base de référence et 2020 pour les chiffres actuels) comme coefficients de pondération. 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 naissances dans les régions correspondantes.

Problèmes et limites: De nombreux pays recueillent des données sur l’allaitement maternel exclusif, mais on manque de données pour les pays à revenu élevé, notamment. La périodicité recommandée pour la communication d’informations sur l’allaitement maternel 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.

Références:

UNICEF. 2021. «Infant and young child feeding: exclusive breastfeeding». Dans: UNICEF. New York (ÉtatsUnis d’Amérique). Consulté le 6 avril 2022. 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). www.who.int/nutrition/publications/CIP_document/fr.

OMS. 2019. Nutrition Landscape Information System (NLIS) country profile indicators: interpretation guide. Genève (Suisse). www.who.int/publications/i/item/9789241516952.

OMS et UNICEF 2021. Indicators for assessing infant and young child feeding practices: definitions and measurement methods. https://apps.who.int/iris/rest/bitstreams/1341846/retrieve.

INSUFFISANCE PONDÉRALE À LA NAISSANCE

Définition: L’insuffisance pondérale à la naissance correspond à un poids à la naissance inférieur à 2 500 grammes, quel que soit l’âge gestationnel. Le poids à la naissance est un marqueur important de la santé et de la nutrition maternelles et fœtales⁴⁰³.

Indicateur: Pourcentage de nouveau-nés dont le poids à la naissance est inférieur à 2 500 grammes.

Source de données: OMS et UNICEF. 2019. «UNICEF-WHO. Low birthweight estimates». Dans: UNICEF. New York (États-Unis d’Amérique) et Genève (Suisse). Consulté le 28 avril 2020. www.unicef.org/reports/UNICEF-WHO-low-birthweight-estimates-2019, www.who.int/nutrition/publications/UNICEF-WHO-lowbirthweight-estimates-2019.

Méthode: 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 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), des systèmes d’information de gestion en matière de santé et des registres des naissances. Lorsque les enquêtes nationales menées auprès des ménages 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 (enquêtes en grappes à indicateurs multiples, enquêtes démographiques et sanitaires), elles sont également une source importante de données sur l’insuffisance pondérale à la naissance, notamment dans les contextes où de nombreux enfants ne sont pas pesés à la naissance et/ou la tendance à arrondir les données pose problème. Avant d’ajouter les données nationales à l’ensemble de données d’un pays, on vérifie leur couverture et leur qualité et on les ajuste si elles proviennent d’une enquête auprès des ménages. Les données administratives sont réparties dans les catégories suivantes: i) large couverture, si elles représentent au moins 90 pour cent des naissances vivantes; ii) couverture moyenne, si elles représentent entre 80 pour cent et 90 pour cent des naissances vivantes; ou iii) non prises en compte, si elles représentent moins de 80 pour cent des naissances vivantes. Pour être intégrées dans l’ensemble de données, les données d’enquête:

1. doivent mentionner un poids à la naissance pour 30 pour cent minimum de l’échantillon;
2. doivent comprendre au minimum 200 poids à la naissance;
3. ne doivent comporter aucune indication de données très arrondies – ce qui signifie que: a) 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); b) jusqu’à 10 pour cent de l’ensemble des poids à la naissance peuvent être supérieurs ou égaux à 4 500 g; c) jusqu’à 5 pour cent des poids à la naissance peuvent correspondre aux extrêmes (500 g et 5 000 g);
4. doivent avoir été ajustées pour tenir compte des poids à la naissance manquants et de la tendance à arrondir les données¹².

Des méthodes de modélisation ont été appliquées aux données nationales acceptées (et aux données acceptées et ajustées, s’agissant de celles issues d’enquêtes auprès des ménages) afin de générer des estimations nationales annuelles pour la période allant de 2000 à 2015. Différentes méthodes ont été utilisées en fonction de la disponibilité et du type des données, comme suit:

• B-spline: les données nationales présentant jusqu’à 8 points de données issus de sources administratives à large couverture, dont au moins un point avant 2005 et au moins un autre point plus récent que 2010, sont lissées à l’aide d’une régression par B-spline afin de générer des estimations annuelles de l’insuffisance pondérale à la naissance. Un modèle de régression par Bspline a été utilisé pour prédire l’erreur type et calculer des intervalles de confiance à 95 pour cent pour les estimations de l’insuffisance pondérale à la naissance au niveau national. Ces estimations sont très proches de celles figurant dans les propres rapports administratifs des pays.
• Régression hiérarchique: les données nationales qui ne répondent pas aux exigences associées à la méthode de régression par B-spline mais qui présentent au moins un point de données sur l’insuffisance pondérale à la naissance issu d’une source satisfaisant aux critères d’inclusion sont modélisées au moyen de covariables afin de générer des estimations annuelles de l’insuffisance pondérale à la naissance, ainsi que des intervalles d’incertitude, par une approche de bootstrap. Le modèle comprend le logarithme naturel du taux de mortalité néonatale; la proportion d’enfants présentant une insuffisance pondérale (Z-score poids-taille inférieur d’au moins deux écarts types au poids médian pour leur âge dans la population de référence); le type de données (données administratives de grande/basse qualité, enquête auprès des ménages); la région géographique de l’ONU (Asie du Sud, Caraïbes, par exemple); et un effet aléatoire spécifique du pays. Ces estimations annuelles de l’insuffisance pondérale à la naissance peuvent être sensiblement différentes de celles figurant dans les rapports administratifs nationaux et dans les rapports d’enquête, car les estimations des enquêtes auprès des ménages sont ajustées pour tenir compte des poids à la naissance manquants et des données arrondies, tandis que les rapports d’enquête ne présentent souvent d’estimation de l’insuffisance pondérale à la naissance que pour les enfants dont le poids à la naissance est connu et que cette estimation n’est généralement pas ajustée pour tenir compte de la tendance à arrondir les données.
• Aucune estimation: la mention «aucune estimation» est associée dans la base de données aux pays pour lesquels les données d’entrée relatives à l’insuffisance pondérale à la naissance n’étaient pas disponibles ou ne répondaient pas aux critères d’inclusion. Au total, 54 pays de la base de données actuelle ont été indiqués comme n’ayant «aucune estimation». Des estimations de l’insuffisance pondérale à la naissance ont néanmoins été calculées pour ces 54 pays, à l’aide des méthodes de régression hiérarchique présentées ci-dessus, mais uniquement aux fins d’établissement des estimations régionales et mondiales.

Les estimations nationales annuelles modélisées sont utilisées pour générer des estimations régionales et mondiales pour la période 2000-2015. Les estimations mondiales sont calculées en additionnant le nombre estimé de naissances vivantes d’un bébé pesant moins de 2 500 g dans les 195^av pays associés à une estimation dans les groupes régionaux des Nations Unies pour chaque année, puis en divisant le résultat par le nombre total de naissances vivantes dans ces 195 pays pendant l’année correspondante. Les estimations régionales sont calculées de manière similaire, pour les pays de chaque groupe régional. Pour obtenir des estimations de l’incertitude aux niveaux mondial et régional, 1 000 estimations ponctuelles du poids à la naissance ont été établies pour chaque pays et chaque année à l’aide soit d’une régression par B-spline (en procédant à un échantillonnage aléatoire à partir d’une distribution normale tracée à l’aide de l’erreur type calculée), soit d’une régression hiérarchique (en utilisant une approche de bootstrap). Les estimations de l’insuffisance pondérale à la naissance correspondant aux 1 000 échantillons ont été additionnées aux niveaux mondial et régional, et les 2,5^e et 97,5^e centiles des distributions obtenues ont été utilisés en tant qu’intervalles de confiance.

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. Il existe un biais notable lié au fait que les enfants nés de mères pauvres, peu éduquées 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 urbain¹³. Les caractéristiques des nouveau-nés non pesés étant des facteurs de risque d’insuffisance pondérale à la naissance, les estimations qui ne prennent pas correctement en compte ces enfants pourront être inférieures à la valeur réelle. Par ailleurs, on note une faible qualité de la plus grande partie des données disponibles pour les pays à revenu intermédiaire de la tranche inférieure¹³ s’agissant des arrondis excessifs aux multiples de 500 g ou de 100 g, ce qui peut également fausser les estimations de l’insuffisance pondérale à la naissance. Les méthodes utilisées pour tenir compte, dans la base de données actuelle, des données manquantes et de la tendance à arrondir les données dans les estimations d’enquête⁴⁰⁴ sont censées remédier à ce problème, mais pour 54 pays au total, il n’a pas été possible d’établir une estimation fiable du poids à la naissance. 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 de 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 individuels.

Références:

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.

Blencowe, H., Krasevec, J., de Onis, M., Black, R.E., An, X., Stevens, G.A., Borghi, E., Hayashi, C., Estevez, D., Cegolon, L., Shiekh, S., Ponce Hardy, V., Lawn, J.E. et Cousens, S. 2019. «National, regional, and worldwide estimates of low birthweight in 2015, with trends from 2000: a systematic analysis». The Lancet Global Health, 7(7): e849e860.

OBÉSITÉ DE L’ADULTE

Définition: IMC ≥ 30,0 kg/m². L’indice de masse corporelle (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, normalisé par âge et pondéré par sexe⁴⁰⁶.

Source de données: OMS. 2020. Données de l’Observatoire de la santé mondiale. Dans: OMS. Genève (Suisse). Consulté le 28 avril 2020. apps.who.int/gho/data/node.main.A900A?lang=en (1 698 études en population, portant sur plus de 19,2 millions de participants âgés de 18 ans ou plus ayant fait l’objet de mesures dans 186 pays⁴⁰⁷).

Méthode: On a appliqué un modèle hiérarchique bayésien à un ensemble d’études en population qui avaient permis de mesurer la taille et le poids des adultes âgés de 18 ans ou plus afin d’estimer les tendances de l’IMC moyen et de la prévalence des catégories d’IMC (insuffisance pondérale, excès pondéral et obésité) sur la période comprise entre 1975 et 2014. Le modèle intégrait les éléments suivants: les tendances temporelles non linéaires et la structure par âge; la représentativité nationale par opposition à la représentativité infranationale ou communautaire; la couverture des zones rurales et des zones urbaines par opposition à la couverture de l’un de ces deux types de zone seulement. Le modèle comprenait également des covariables utiles à l’estimation de l’IMC, notamment les revenus nationaux, la proportion de population résidant en milieu urbain, le nombre moyen d’années d’études et des indicateurs synthétiques relatifs aux disponibilités de différents types d’aliments destinés à la consommation humaine.

Problèmes et limites: Dans certains pays, les sources de données étaient rares, et 42 pour cent seulement des sources retenues comprenaient des données relatives aux personnes de plus de 70 ans.

Références:

NCD-RisC (NCD Risk Factor Collaboration). 2016. «Trends in adult body-mass index in 200 countries from 1975 to 2014: a pooled analysis of 1698 population-based measurement studies with 19.2 million participants». The Lancet, 387(10026): 1377–1396.

OMS. 2019. Nutrition Landscape Information System (NLIS) country profile indicators: interpretation guide. Genève (Suisse). www.who.int/publications/i/item/9789241516952.

ANÉMIE CHEZ LES FEMMES ÂGÉES DE 15 A 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.

Source de données:

OMS. 2021. Vitamin and Mineral Nutrition Information System (VMNIS). Dans: OMS. Genève (Suisse). Consulté le 25 mai 2021. www.who.int/teams/nutrition-food-safety/databases/vitamin-and-mineral-nutrition-information-system.

OMS. 2021. Global anaemia estimates, Edition 2021. Dans: WHO | Global Health Observatory (GHO) data repository. Genève (Suisse). Consulté le 25 mai 2021. www.who.int/data/gho/data/indicators/indicator-details/GHO/prevalence-of-anaemia-in-women-of-reproductive-age-(-)

Méthode: Les études en population constituent la source de données jugée préférable. Les données proviennent de la base de données sur les micronutriments du Système d’informations nutritionnelles sur les vitamines et les minéraux (VMNIS) de l’OMS. Cette base de données regroupe et synthétise les données sur l’apport 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. Outre cela, des données individuelles anonymisées ont été récupérées dans des enquêtes multinationales, notamment les enquêtes démographiques et sanitaires, les enquêtes en grappes à indicateurs multiples, les enquêtes sur la santé de la reproduction et les enquêtes sur les indicateurs de paludisme.

L’édition 2021 des estimations relatives à l’anémie chez les femmes âgées de 15 à 49 ans, enceintes ou non, comprenait 489 sources de données couvrant la période 1995-2020. L’ajustement des données sur les concentrations d’hémoglobine dans le sang en fonction de l’altitude et du tabagisme des femmes a été effectué 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 bref, le modèle calcule des estimations pour chaque pays et chaque année, utilisant pour ce faire les données provenant du pays considéré et concernant l’année considérée, si celles-ci sont 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 (kcal/habitant), IMC moyen des femmes et logarithme de la mortalité des enfants de moins de 5 ans, par exemple)⁴⁰⁸. Les plages 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.

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, tendant simplement à se resserrer autour des moyennes mondiales quand les données sont rares.

Références:

Stevens, G.A., Finucane, M.M., De-Regil, L.M., Paciorek, C.J., Flaxman, S.R., Branca, F., Peña-Rosas, J.P., Bhutta, Z.A. et Ezzati, M. 2013. «Global, regional, and national trends in haemoglobin concentration and prevalence of total and severe anaemia in children and pregnant and non-pregnant women for 19952011: a systematic analysis of population-representative data». The Lancet Global Health, 1(1): e16e25.

OMS. 2014. Plan d’application exhaustif concernant la nutrition chez la mère, le nourrisson et le jeune enfant. Genève (Suisse).

OMS. 2021. Nutrition Landscape Information System (NliS) Country Profile. Dans: OMS. Genève (Suisse). Consulté le 10 mai 2021. www.who.int/data/nutrition/nlis/country-profile.

OMS. 2021. Vitamin and Mineral Nutrition Information System (VMNIS). Dans: OMS. Genève (Suisse). Consulté le 10 mai 2021. www.who.int/teams/nutrition-food-safety/databases/vitamin-and-mineral-nutrition-information-system.

OMS. 2021. WHO Global Anaemia estimates, 2021 Edition. Dans: WHO | Global Health Observatory (GHO) data repository. Genève (Suisse). Consulté le 10 mai 2021. www.who.int/data/gho/data/themes/topics/anaemia_in_women_and_children.