Arrondir l’âge a un effet sur les scores z du poids-pour-âge : données probantes issues d’Afrique subsaharienne

Ce que nous savons : À mesure que les enfants grandissent, les variations de l’estimation de l’âge, aussi minimes soient-elles, peuvent avoir une incidence considérable sur les indices anthropométriques. Il est donc essentiel de recueillir des mesures d’âge précises en contexte d’intervention humanitaire et de développement afin que le triage et le traitement soient les plus efficaces possibles.

Ce que cet article nous apprend : Cet article met en avant les difficultés que posent les relevés d’âges imprécis lorsque l’on évalue l’état nutritionnel au moyen des scores z du poids-pour-âge. Au Mali, au Tchad et au Kenya, les arrondis d’âges effectués par les pourvoyeurs de soins ont vraisemblablement faussé les estimations de l’insuffisance pondérale, avec pour conséquences des sous-diagnostics ou surdiagnostics ainsi que des traitements sous-dosés ou surdosés.

Les enfants âgés de 6 à 59 mois sont considérés comme souffrant de malnutrition lorsque leur score z du rapport poids-pour-âge (P/A) est inférieur à -2 écarts-types (-2 Ïƒ) en dessous de la médiane au regard des normes de croissance définies par l’Organisation mondiale de la Santé (OMS, 2006).

Parmi les chercheurs, certains ont suggéré d’utiliser l’indicateur d’insuffisance pondérale sévère (score z P/A < -3 Ïƒ) en tant que critère d’admissibilité aux programmes d’alimentation thérapeutique au sein de ce groupe d’âge, en raison d’un risque accru de mortalité parmi ces patients (Bailey et al., 2021 ; Khara et al., 2023). Cependant, parmi les populations enregistrant une forte prévalence de l’insuffisance pondérale, il est souvent difficile d’évaluer avec précision les dates de naissance, et ce pour différentes raisons : absence de documents officiels, taux d’alphabétisation faibles, ou encore données déclarées de mémoire inexactes (Oshaug et al., 1994).

Dans de nombreux contextes, il peut exister une tendance consistant à arrondir les âges à l’année ou à la moitié de l’année la plus proche (SMART, 2017). Ce niveau d’imprécision dans les déclarations d’âge peut fausser les calculs de scores z P/A (particulièrement sensibles aux variations de croissance importantes observées chez les enfants de moins de 5 ans), au risque d’entraîner des surdiagnostics ou sous-diagnostics d’insuffisance pondérale sévère. Cette situation pourrait conduire à administrer des traitements aux patients présentant un risque de mortalité faible (réduction du rapport coût-efficacité), tout en négligeant de fournir des traitements aux patients confrontés à un risque de mortalité plus élevé (réduction de l’efficacité du traitement).

Dans le présent article, nous estimons l’ampleur et la fréquence des erreurs dans les déclarations d’âge en analysant la répartition des âges déclarés dans une grande étude de cohorte opérationnelle (n = 68 444) couvrant le Mali, le Tchad et le Kenya.

Il s’agit d’évaluer les éventuelles conséquences d’une prescription insuffisante ou excessive d’aliments thérapeutiques prêts à l’emploi si le score z P/A devenait un critère d’admissibilité aux programmes de traitement de l’émaciation. Nous estimons en outre toutes les classifications erronées qui pourraient survenir si l’âge enregistré était surévalué ou sous-évalué, ainsi que les effets différentiels selon le groupe d’âge des enfants

Nos données ont été recueillies dans le cadre de trois programmes pilotes opérationnels qui ciblent les enfants souffrant d’émaciation selon un protocole combiné simplifié de prise en charge communautaire de la malnutrition aiguë, fondé sur les essais ComPAS¹. L’âge enregistré pour chaque patient dans le cadre de ces programmes provenait des données déclarées de mémoire par les pourvoyeurs de soins.

Les programmes ont été mis en œuvre par l’Airbel Impact Lab de l’IRC, en collaboration avec le ministère de la santé de chaque pays. Bien que le dosage et la durée du séjour hospitalier variaient selon le pays, seuls deux critères ont été retenus : l’enfant était admis si son périmètre brachial était inférieur à 125 mm, ou si son score z du poids-pour-taille était inférieur à -2 Ïƒ.

Bien qu’il ait été demandé au personnel de programme d’enregistrer l’âge des enfants (quel que soit le programme), les données anthropométriques manquaient souvent pour deux raisons : d’une part, la mise en place de protocoles d’hygiène dus à la COVID-19 et d’autre part, le fait que les programmes fondés sur le périmètre brachial n’exigent plus la mesure du poids ou de la taille. Dans chaque programme, les données sociodémographiques ont été recueillies lors de l’admission des patients ; les données anthropométriques requises ont ainsi été collectées à chaque visite.

Estimation de l’ampleur de la pratique d’arrondi des âges

Pour déterminer si un arrondi d’âge significatif a été opéré, nous avons étudié la répartition de l’âge des patients dans le cadre des quatre programmes. Nous avons ensuite estimé le pourcentage de patients dont l’âge a été déclaré sous la forme d’années pleines, en nous fondant sur une situation de répartition uniforme et normale.

Pour mieux appréhender les caractéristiques d’un programme requérant les documents d’identité des patients, nous avons observé la répartition de l’âge à partir des données ComPAS (Bailey et al., 2021) de 2 315 patients au Kenya et au Soudan du Sud qui étaient munis desdits documents.

Estimation de l’ampleur des catégorisations erronées en raison de l’arrondi de l’âge

Nous avons étudié les différences entre la fréquence observée des âges arrondis et la fréquence escomptée dans des situations de répartitions normales et uniformes habituellement observées. Si le critère d’admissibilité aux programmes d’alimentation thérapeutique utilisé était un score z P/A inférieur à -3 Ïƒ, nous avons mené une analyse de sensibilité en modélisant l’incidence des différentes magnitudes d’arrondi des âges sur lesdits scores z P/A. Nous présentons également les cas où le score z P/A est inférieur à -2 Ïƒ et à -1 Ïƒ afin de mettre en évidence les changements de répartition.

Afin d’estimer l’effet potentiel de l’arrondi, nous avons ajouté ou soustrait une valeur fixe (comprise and - 6 et + 6 mois) à l’âge de chaque enfant qui avait été identifié par un âge en années pleines. Nous avons ensuite calculé le pourcentage d’enfants pouvant prétendre à chaque niveau de traitement au regard du critère fondé sur le score z P/A. En reprenant cette méthodologie pour chaque enfant, nous avons pu établir une estimation approximative des risques de catégorisation erronée lors de l’admission en fonction du nombre de mois correspondant à l’arrondi. Nous avons retenu une marge allant de - 6 à + 6 mois en partant de l’hypothèse que l’arrondi visait l’année pleine la plus proche.

Nous avons inclus 66 712 enfants dont le poids, la taille et l’âge figuraient dans l’analyse. Parmi les 1 732 enfants exclus de l’étude, 342 l’étaient pour absence de données concernant leur poids. Ceci était dû au fait que, au plus fort de la pandémie de COVID-19, les programmes utilisaient de préférence le périmètre brachial et/ou l’admission des enfants faite directement par les agents de santé communautaires, sans effectuer de mesure supplémentaire de poids. Les patients exclus restants (1 390) n’ont pas été retenus en raison des difficultés de collecte des données rencontrées au Tchad, qui se sont traduites par l’omission de l’âge ou du genre.

Le personnel s’est appuyé sur les réponses des pourvoyeurs de soins pour estimer l’âge de l’enfant, car peu de bénéficiaires ont fourni des pièces justificatives. Bien que les données concernant l’âge aient été demandées en mois, il s’avère que les pourvoyeurs de soins ont eu tendance à déclarer les âges en années ou années et demie, avec une fréquence laissant à penser que les arrondis étaient très courants.

Pour mieux cerner les risques de classification erronée et estimer l’ampleur du problème, nous avons évalué la fréquence et la magnitude des déclarations inexactes au sein d’une cohorte représentative élargie. À titre de comparaison avec nos résultats, nous utilisons des données distinctes recueillies dans le Soudan du Sud et au Kenya (expérimentations ComPAS) où les âges ont été recensés sur la base des années de naissance indiquées sur les documents officiels (figure 1). Seuls 8,1 % des cas de l’échantillon indiquaient une année pleine lorsque l’arrondi était effectué au mois le plus proche (Bailey et al., 2021), avec pour conséquence une répartition relativement homogène dans l’ensemble.

Dans une population répartie uniformément dans l’intervalle allant de 6 à 60 mois, 9 % de l’échantillon devrait en théorie déclarer des âges multiples de 12 mois. S’agissant de nos données, on constate un phénomène d’attraction des nombres ronds pour les âges de 12, 24, 36, 48 et 60 mois, soit plus de 30 % de l’échantillon complet. Cela laisse suggérer qu’environ 22 % de l’échantillon complet a fait l’objet d’arrondis (figure 2) et souligne ainsi l’inexactitude des mesures anthropométriques calculées en prenant en compte l’âge.

Figure 1 : Âge d’admission pour les enfants dont les extraits de naissance corroborent l’âge

Figure 2 : Âge déclaré lors de l’admission par les pourvoyeurs de soins, sans extrait de naissance

* Données des programmes pilotes de l’IRC au Kenya, au Mali et au Tchad (N = 66 712)

Le tableau 1 indique que 40,8 % ou 58,8 % des patients sont admissibles à une prise en charge pour insuffisance pondérale, selon que l’on effectue l’arrondi à la hausse ou à la baisse.

Si l’on part de l’hypothèse que l’arrondi est effectué à +/- 6 mois, près de 20 % de l’ensemble des patients se présentant à un centre de santé avec un score z P/A faible pourraient faire l’objet d’une classification erronée dans les quatre domaines programmatiques en question si nous considérions comme exact l’âge déclaré. De même, l’arrondi se traduirait par la classification erronée d’environ 14 % des patients comme étant exposés à un risque de déficit nutritionnel (score z P/A < -1 Ïƒ). En substance, si les programmes d’alimentation thérapeutiques prenaient en compte le score z P/A comme critère d’admissibilité, les arrondis d’âges pourraient se traduire par l’exclusion de patients présentant une insuffisance pondérale des programmes, ou, inversement, à la prise en charge d’enfants qui n’en ont pas besoin, et ce dans des proportions à peu près équivalentes.

Tableau 1 : Analyse de sensibilité (poids-pour-âge) – Estimation de la prévalence de l’insuffisance pondérale sur l’ensemble de l’échantillon, en fonction de l’arrondi de l’âge

Notre critère d’admissibilité n’étant pas lié à l’âge, il est probable que le personnel accorde moins d’importance à l’identification précise de l’âge. Il conviendrait de reproduire la même analyse dans un environnement comparable où l’âge constitue un critère d’admissibilité, afin de vérifier si les enquêteurs identifient l’âge avec davantage de précision.

Bien que nos données soient circonscrites à quatre zones en Afrique subsaharienne, elles sont riches d’enseignements et vont dans le même sens que les données issues des enquêtes démographiques et de santé (Lyons-Amos et Stones, 2017) et d’autres mesures (Perumal et al., 2020).

Les scores z des patients plus âgés sont moins élastiques en cas de déviation d’un mois par rapport à l’âge réel en raison d’une répartition plus étalée. Cela dit, les patients plus âgés se voient plus souvent assigner un âge en année pleine (et moins en année et demie), laissant suggérer un arrondi des mois plus approximatif par patient. Précisons toutefois que les groupes d’âges plus jeunes sont exposés à un risque accru de mortalité lié à l’insuffisance pondérale (Thurstans, 2023). La contrepartie de ces effets mérite également d’être approfondie dans la mesure où les patients plus âgés sont plus susceptibles d’être classifiés de façon erronée que les plus jeunes, mais sont probablement moins vulnérables en règle générale.

Nous avons observé que les âges mal arrondis, ne serait-ce que de quelques mois, peuvent fausser les estimations des cas d’insuffisance pondérale, avec pour conséquences des sous-diagnostics ou surdiagnostics ainsi que des traitements sous-dosés ou surdosés.

Les résultats de notre étude permettent d’identifier les problèmes associés à la mesure imprécise de l’âge dans le cadre d’enquêtes ou d’interventions menées dans les pays à faible revenu, requérant des recherches plus poussées et des améliorations dans les trois domaines suivants : i) l’utilisation accrue des algorithmes qui aident à quantifier l’utilisation des âges arrondis, notamment grâce au logiciel d’évaluation nutritionnelle en situation d’urgence (Emergency Nutrition Assessment) proposé par SMART, afin de mieux surveiller la qualité des données ; ii) l’affinement des méthodes et des outils pour augmenter la précision des déclarations d’âges, notamment de l’enregistrement de l’âge des enfants au mois le plus proche grâce aux calendriers des évènements ; et iii) l’offre de formations plus intensives à destination des enquêteurs afin de les sensibiliser à l’importance de l’identification des âges. Les deux derniers points peuvent s’inscrire dans une programmation de routine, tandis que les algorithmes correctifs trouveront leur utilité exclusivement à l’étape de post-estimation.

Bien que ces changements aient le potentiel d’améliorer la mesure de l’âge, il pourrait y avoir des conséquences supplémentaires au fait de faire une vérification avec des algorithmes et de poser des questions additionnelles aux accompagnants. Une surveillance accrue du personnel peut l’inciter à ajuster les statistiques d’admission au programme afin de se conformer au schéma escompté, notamment lorsqu’un nombre limité d’admissions risque de se traduire par des répartitions de patients inattendues au niveau des centres de santé. Le fait de poser d’autres questions aux accompagnants qui ne sont pas munis d’actes de naissance risque de les dissuader de se présenter aux centres et de partager de nouvelles informations avec le personnel soignant, ou encore d’augmenter les temps d’attente pour une prise en charge.

Nous avons démontré que l’absence de documents officiels et d’extraits de naissance réduisait sensiblement la précision des mesures et risquait d’avoir d’autres effets en aval sur les programmes s’appuyant sur le score z P/A en tant que critère d’admission et de sortie. En lien direct avec cette recherche, nous avons pu établir qu’à moins que le personnel ait accès à des actes de naissance officiels, une approche complémentaire est recommandée avant toute application du protocole d’admission fondé sur le score z P/A, ou avant la mise en place de toute autre administration de traitement ou évaluation de risques basées sur l’âge. Étant donné qu’un faible score z P/A est un indicateur sérieux quant au risque de mortalité, et que l’âge est en général déterminé grâce aux documents officiels, la solution idéale semble consister à préconiser auprès de l’ensemble des pays et communautés l’institution de certificats de naissance afin d’éliminer le recours à des solutions imparfaites.

Pour en savoir plus, veuillez contacter Zachary Tausanovitch à l’adresse suivante : zachary.tausanovitch@rescue.org.

Bailey J, Lelijveld N, Khara T et al (2021) Response to malnutrition treatment in low weight-for-age children: Secondary analyses of children 6–59 months in the ComPAS cluster randomized controlled trial. Nutrients, 13, 4, 1054.

Khara T, Myatt M, Sadler K et al (2023) Anthropometric criteria for best-identifying children at high risk of mortality: A pooled analysis of twelve cohorts. Public Health Nutrition, 26, 4, 1–17.

Lyons-Amos M and Stones T (2017) Trends in Demographic and Health Survey data quality: An analysis of age heaping over time in 34 countries in Sub Saharan Africa between 1987 and 2015. BMC Research Notes 10, 760.

Oshaug A, Pedersen J, Diarra M et al (1994) Problems and pitfalls in the use of estimated age in anthropometric measurements of children from 6 to 60 months of age: A case from Mali. The Journal of Nutrition, 124, 5, 636–644.

Perumal N, Namaste S, Qamar H et al (2020) Anthropometric data quality assessment in multisurvey studies of child growth, The American Journal of Clinical Nutrition, Volume 112, 806S–815S.

SMART (2017) SMART Methodology Manual 2.0. smartmethodology.org.

Thurstans S, Wrottesley S, Fenn B et al (2023) Anthropometric deficits and the associated risk of death by age and sex in children aged 6–59 months: A meta-analysis. Maternal & Child Nutrition, 19, 1, e13431.

WHO Multicentre Growth Reference Study Group (2006) Assessment of differences in linear growth among populations in the WHO multicentre growth reference study. Acta Paediatrica S450, 56–65.