Adélaïde Favrat Stage ENSAE de juin à septembre 2008

Slides:



Advertisements
Présentations similaires
l’indice de la production Méthode et réforme Présenté par : ABOUTAIB Hamza octobre 2010 مديرية الإحصاء DIRECTION DE LA STATISTIQUE.
Advertisements

Données sur la demande d’emploi et l’activité salariée en Guyane en 2015 Données Pôle emploi - DARES traitements DIECCTE-SESE.
1 Exclusion volontaire du jeu et sa réadmission expériences de joueurs dans les trois Casinos tessinois Anna-Maria Sani Istituto di Ricerca sul gioco d’azzardo.
Pénibilité au travail Déclaration en DSN
Programme de la conférence
Naissances à l’hôpital au Canada : un regard sur les femmes vivant dans les régions rurales et éloignées Diffusion le 4 juillet 2013.
Outils de suivi des compétences
du plaisir dans l’apprentissage ?
Colloque francophone sur les sondages 2016
Une étude pour Les entreprises de moins de 20 salariés et le projet de loi Travail, dit « El Khomri » Comment se positionnent notamment les artisans, les.
Le 2ème tour de la primaire de la droite et du centre
Comité de suivi de la mise
L’obésité est-elle un facteur de risque de
Projet de recherche : Evaluation des économies réalisables sur les dépenses de transport des patients dialysés en région Provence-Alpes-Côte d’Azur Laboratoire.
METHODE REALISER UNE ETUDE DES FLUX CLIENTS
AIDES GN Santé 8-9 octobre 2016
La démarche EVREST dans l’entreprise
Comprendre la définition de bit par seconde à partir
Sondage Ifop pour le Rassemblement des Opticiens de France
7.10 Le suivi des évaluations annuelles Textes de référence Norme AFNOR NF X § 5 Compétences requises liées aux fonctions 7.10 Le suivi.
Première étape : Étude préalable
L’activité de l’entreprise
MARKETING MANAGEMENT Semestre 2
Activités algorithmiques
Reprise du cours ( ) Au menu du jour :
TRACES NUMÉRIQUES DE MOBILITÉ : COMMENT SUIVRE LA PISTE ?
TRACES NUMÉRIQUES DE MOBILITÉ : COMMENT SUIVRE LA PISTE ?
La démarche EVREST dans l’entreprise
Le logiciel HYPERBASE-LATIN :
Troisième Chapitre 3: Statistiques
  «Environnement et risques sanitaires au Cameroun: Analyse de l’influence des conditions de logement et du cadre de vie sur la morbidité diarrhéique et.
Pourquoi étudier la statistique ?
Short distance Exposure (Mask Aligner)
Formation sur les bases de données relationnelles.
SURVEILLANCE MÉDICALE DU PERSONNEL HOSPITALIER DIRECTEMENT AFFECTÉ AUX TRAVAUX SOUS RAYONNEMENTS (DATR) DANS LES HOPITAUX PUBLICS A ABIDJAN Tchicaya AF,
POL1803: Analyse des techniques quantitatives
Chapitre 3 : Caractéristiques de tendance centrale
Notion de risque et mesures d’association
Groupe de relecture 3 Avril 2015
Claire Marbot Catherine Pollak DREES Journées EMOIS 2015
Note de conjoncture Aube
Employment in Cultural Occupations (2002)
Note de conjoncture Champagne-Ardenne
4°) Intervalle de fluctuation :
Coût activité Coût population L’expérience AQUITAINE de réduction des inégalités en Psychiatrie Mirecourt 11 mai /11/2018.
Chapitre SOCIO 1.2- Comment rendre compte de la mobilité sociale ?
Note de conjoncture Champagne-Ardenne
Note de conjoncture Champagne-Ardenne
Note de conjoncture Champagne-Ardenne
Langages de programmation TP11
3ème édition du Baromètre d’image du logement social Juin 2013
DEMOGRAPHIE EMPLOI MARCHE DU TRAVAIL FORMATION
Présentation 4 : Sondage stratifié
Présentation 9 : Calcul de précision des estimateurs complexes
Les Français, leur banque et la banque en ligne
Statut ménopausique, Les mesures anthropométriques et cancer du sein chez une population marocaine : étude Cas- Témoin (expérience du centre Mohammed.
Evaluation du niveau d’adhésion des patients Point Vision aux positions du groupement suite aux déclaration de la Cours des Comptes Recueil par internet.
Note de conjoncture Ardennes
Pr Christian Pradier Département de Santé Publique
Calcul de précision dans le cas d’échantillons rotatifs: le cas des statistiques EU-SILC au Luxembourg 10e COLLOQUE FRANCOPHONE SUR LES SONDAGES, Lyon,
Note de conjoncture Marne
Analyse des données et complémentarité des sources
Des chiffres pour être compris
Note de conjoncture Aube
Inspection médicale du travail et de la main d’oeuvre, DRTEFP, Nantes
COSALI « COSALI : COhorte des SAlariés LIgériens »
Notions, structure, évolution
Note de conjoncture Haute-Marne
Yves Roquelaure1, Catherine Ha 2, Annie Touranchet 3, Elise Chiron1
Enjeux, perspectives et propositions
Transcription de la présentation:

Adélaïde Favrat Stage ENSAE de juin à septembre 2008 Redressement des données de l’échantillon « Entreprises Pays de la Loire» à partir de la méthode de calage sur marges Adélaïde Favrat Stage ENSAE de juin à septembre 2008

Objectif du stage Elaborer des indicateurs d’exposition aux facteurs de risque de TMS dans les Pays de la Loire en utilisant : - les données du réseau TMS - la méthode de redressement calage sur marges  Résultats attendus : - implémentation du calage sur marges - construction des indicateurs d’exposition (fiches par variable d’exposition) 2

Sommaire Calage sur marge Calcul des indicateurs (fiches d’exposition) Conclusions 3

Calage sur marge (1/8) Les données à redresser Les données à redresser : l’échantillon « Entreprises Pays de la Loire » Enquête réalisée lors des RDV de médecine du travail Population visée : les salariés de la région Pays de la Loire 3710 salariés inclus entre 2002 et 2004 (≈ 0,3 % de la population de la région) Données recueillies : auto-questionnaire sur l’exposition professionnelle aux facteurs biomécaniques et psychosociaux de risque de TMS 4

Calage sur marge (2/8) Objectif Objectif du calage : Calculer un poids pour chaque enquêté tels que : - la somme des poids des enquêtés soit calée sur la population INSEE de la région par sexe, âge, PCS et NAF - les écarts entre les poids initiaux (même poids pour chaque enquêté) et les poids finaux soient minimaux 5

Calage sur marge (3/8) Aspects théoriques du calage sur marges 6

Calage sur marge (4/8) Utilisation de la macro CALMAR de SAS (avec module IML) 7 7

Calage sur marge (5/8) Détermination des variables de calage Deux calages : hommes et femmes séparément Trois variables de calage : Classes d’âge (20-29 ans / 30-39 / 40-49 / 50-59 ) CSP 6 classes : (Cadres/ PI / Employés Administratifs/ Emp Commerce, OQ, ONQ) Secteurs d’activité : NES 16 Ces variables ont été utilisées par la DARES (Sumer) Il s’agit de variables liées aux expositions aux facteurs de risque de TMS 8

Calage sur marge (6/8) « Construction » de la population de référence Travail à partir d’un fichier du recensement de 1999 pour la région Pays de la Loire Pas de distinction salariés / non salariés → Exclusion des non salariés à partir des CSP. Elimination des secteurs d’activité trop peu représentés (< 10 individus) Energie / Secteur ind automobile (femmes) / Immobilier Education : exclusion des NAF enseignement de la population de référence 9

Calage sur marge (7/8) Déformation de la population de l’échantillon Pas de déformation pour l’âge (bonne représentation de l’échantillon pour l’âge) Catégorie Socio Professionnelle : Cadres et professions intermédiaires sous représentés Ouvriers surreprésentés Secteurs d’activité : Pas d’enquêté de l’Education publique Des secteurs sous représentés : Administration 10

Calage sur marge (8/8) Résultats Choix de la fonction de distance logit qui permet de fixer des bornes Des poids assez « faibles » : Indicateur Homme Femme Borne inférieure 0,63 0,49 Borne supérieure 2,35 1,99 Rapport de poids médian 0,94 0,88 Poids Indicateur Homme Femme Borne inférieure 0,63 0,49 Borne supérieure 2,35 1,99 Rapport de poids médian 0,94 0,88 Poids maximum 595 585 Poids minimum 161 143 Poids médian 239 260 maximum 595 585 Poids minimum 161 143 Poids médian 239 260 11

Fiches Exposition (1/8) Objectif Réaliser 29 fiches (une fiche pour chaque facteur de risque de TMS) indiquant : - le % total de salariés exposés au facteur de risque (extrapolé) dans la région Pays de la Loire séparément chez les hommes et les femmes - les % de salariés exposés en fonction de l’âge, de la PCS et du secteur d’activité séparément chez les hommes et les femmes 12

Fiches Exposition (2/8) 29 fiches réalisées - Manipuler une charge de plus de 4 kg - Manipuler une charge de 1 à 4 kg - Porter des charges de 10 à 25 kg - Porter des charges de moins de 10 kg - Avoir les bras en arrière - Manipuler un outil vibrant - Porter des objets encombrants - Manipuler des outils - Utiliser la pince pouce index - Reposer les bras sur un accoudoir ou un plan de travail - Avoir les bras écartés - Avoir les bras en l'air - Appuyer, presser avec la base de la main - Tourner le poignet - Tourner Visser (Prono supination) - Fléchir le coude - Utiliser une souris ou un clavier - Conduire des engins - Etre penché en avant - Etre penché sur le coté - Etre agenouillé accroupi - Etre en position assise - Ne pas pouvoir quitter son travail des yeux - Ne pas pouvoir interrompre son travail - Effectuer des tâches répétitives - Soutien social faible - Avoir la tête en arrière - Intensité de la force Forte demande psychologique

Fiches Exposition (3/8) Exemple de fiche : Travailler les bras en l’air 14 14

Fiches Exposition (4/8) Exemple de fiche : Travailler les bras en l’air 15 15

Fiches Exposition (5/8) Exemple de fiche : Travailler les bras en l’air 16 16

Fiches Exposition (6/8) Exemple de fiche : Travailler les bras en l’air 17 17

Fiches Exposition (7/8) Exemple de fiche : Travailler les bras en l’air 18 18

Fiches Exposition (8/8) Exemple de fiche : Travailler les bras en l’air 19 19

Conclusions(1/4) Bilan du redressement Nécessité d’un travail de redéfinition de la population de référence Un redressement relativement satisfaisant Des poids moyens du même ordre que ceux obtenus par la DARES sur SUMER 20

Conclusions (2/4) Indicateurs d’exposition Des % d’exposés aux facteurs de risque proches avant et après extrapolation. Une légère surestimation du nombre d’exposés du fait de la surreprésentation des ouvriers dans l’échantillon. 21

Conclusions (3/4) Prévalence des cas de TMS (résultats complémentaires) Là aussi des résultats proches avant et après extrapolation Un échantillon de départ représentatif pour évaluer la prévalence des TMS 22

Conclusions(4/4) Extrapolation à l’échelle nationale ? Difficile à imaginer : Un échantillon de taille trop faible pour faire une extrapolation à l’échelle nationale Des spécificités propres à chaque région qu’on ne pourrait pas capter 23

24

25

26