INTRODUCTION

L’assurance maladie est un dispositif permettant aux personnes (les assurés) qui sont confrontées à des risques de maladie, maternité, invalidité, de pouvoir bénéficier du remboursement de leur frais médicaux, ainsi que d’un versement d’un revenu de remplacement en cas d’arrêt de travail.Il permet d’assurer deux types de prestations lorsque survient une maladie ou un accident de la vie courante. Nous distinguerons alors les prestations en espèce et les prestations en nature.

La prestation en espèce intervient en cas de perte de revenus d’un arrêt de travail (maternité, maladie…) sous la forme d’indemnités journalières qui seront versées par la sécurité sociale. La prestation en nature quant à elle s’applique lorsque l’assuré a besoin d’être remboursé au niveau des soins et des médicaments.

Sur le papier, la France aurait l’un des meilleurs systèmes de santé du monde : chacun est censé recevoir les mêmes soins, qu’il vive en ville ou la campagne, qu’il soit cadre ou ouvrier, riche ou pauvre. Mais en pratique,les déserts médicaux, précarité sociale et services d’urgences engorgés mettent à mal ce modèle. Mais qu’est qui est à l’origine de cette désertification médicale ? Qui bénéficie de ces prestations?

Nous décidons d’orienter notre étude sur la prestation en nature en utilisant les jeux de données de l’asurance maladie de la France et on aura dans un premier temps à parler de la problématique liée à la désertification médicale et dans un second temps on parlera de la consommation des médicaments et le remboursement y relatif.

Comme dans toutes bases de données les informations sont généralement codées, on va éclaircir certaines notations en donnant la définition des variables.

I. PRESENTATION DES DONNEES

On travaille sur les bases de données trouvables sur le site suivant:

1.Effectifs et densité des professionnels de santé par département en 2017

La base commprend cinq variables:

  • Laboratoires
  • Département
  • Effectif
  • Population française
  • Densité pour 100 000hab

2.Honoraires totaux des professionnels de santé par département en 2017

Cette base est caractérisée par les variables suivantes :

  • Spécialités
  • Départements
  • Effectifs
  • Honoraires en Euros
  • Dépassement d’honoraires en Euros
  • Frais de déplacement en Euros
  • Total des honoraires en Euros

3. Age et sexe des professionnels de santé en 2017

La base comprend:

  • Spécialités
  • Départements
  • Sexe
  • Effectifs par sexe
  • Effectifs par tranche d’âge

4. La base de données Open MEDIC 2017

La base comprend principalemnt les variables suivantes

  • Goupe Principal Anatomique (ATC1)
  • Sous-Groupe Thérapeutique (ATC2)
  • Age au moment des soins
  • Sexe
  • Région de résidence du bénéficiaire
  • Prescripteur
  • Nombres de boîtes délivrées
  • Montant remboursé

5. Description de certaines variables:

On distingue la classification ATC(Anatomique, Thérapeutique, Chimique) qui est établie par l’OMS (Organisation Mondiale de la Santé) afin de favoriser la hiérarchisation des médicaments.

ATC1 : Groupe Principal Anatomique ATC2 : Sous-groupe Therapeutique ATC3 : Sous-groupe Pharmacologique ATC4 : Sous-groupe Chimique ATC5 : Sous-groupe Substances Chimiques

On a aussi d’autres codes comme : CIP13 : Code d’Identification et spécialisation Pharmacologique qui permet d’identifier les médicaments remboursables dans la base de données nationale.

TOP_GEN : Top Générique

GEN_NUM : Groupe Générique

II ETUDE DES PROFESSIONNELS DE SANTE

II.1 Les médecins généralistes et les M.E.P

Comme on sait: le médecin généraliste est le médecin auquel on fait recours en premier lieu pour un problème quelconque de santé. C’est lui qui assure l’intermédiare entre la patientèle et les spécialistes. D’après les études ici en France le médecin généraliste est vu comme un pillier de l’exercice médical. A cette fin nous proposons de représenter la densité des médecins en France métropolitaine. Il convient de préciser que la “Médecine Générale” englobe plusieurs sous-spécialités. Ici on utilise la base des données de l’assurance maladie(Effectif_et_densite_par_département_en_2017).

## Loading required package: sp

Contrairement à ce qu’on pourrait imaginer la région de l’Ile-de-France est la moins dense de toutes les régions de France Métropolitaine. Cependant la forte densité s’observe dans la partie sud et les départements péripheriques.

II.1.1 Honoraires des médecins dans les departements

En observant la répartition des honoraires des médecins dans les départements il parait que dans les départements les moins denses en nombre de professionnels de santé les honoraires y sont élevés. Ici on se propose de faire une régression linéaire pour étudier le lien entre la densité des médecins et les honoraires.

II.1.2 Densité des médecins par departement

regar= lm(honoraire_densite$honoraire_moy ~ honoraire_densite$Densite)
summary(regar)
## 
## Call:
## lm(formula = honoraire_densite$honoraire_moy ~ honoraire_densite$Densite)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -34162  -9464  -1121   6234  84529 
## 
## Coefficients:
##                           Estimate Std. Error t value Pr(>|t|)    
## (Intercept)               214883.5     8165.4  26.316  < 2e-16 ***
## honoraire_densite$Densite   -705.1      102.8  -6.862 5.39e-10 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 15700 on 102 degrees of freedom
## Multiple R-squared:  0.3158, Adjusted R-squared:  0.3091 
## F-statistic: 47.09 on 1 and 102 DF,  p-value: 5.39e-10

Les coefficients sont significativement différénts de zero. Donc il y a lien entre les honoraires et la densité médicale. Ici le \(R^2\) vaut 0.31 c’est-à-dire que \(31 \%\) de la variance sont expliqués par ce modèle. Cependant le lien qu’il y a veut dire que plus la densité des médecins augmente plus les honoraires diminuent. Représentons maintenant le nuage de points et la droite de régression

II.1.3 Evolution des médecins en France entre 1970 et 2013

En observant l’evolution des professionnels de santé en France métropolitaine on remarque une nette croissance entre le 1970 et 1995 et la tendance semble se stabiliser à partir de 1995

II.2 Les dentistes

En analysant la répartition des chirurgiens-dentististes il semble que dans la majorité des dépatements de France Métropolitaine la densité de chirurgiens est entre 50 et 60 par les 100 000 habitants.

II.2.1 Honoraires des chirurgiens-dentistes dans les départements

En observant la répartition des honoraires dans les départements, il parait que dans les départements les moins denses en nombre de chirurgiens-dentistes, les honoraires y sont élevés. Comme dans le cas des médecins généralistes et M.E.P, pour étudier le lien entre la densité des chirurgiens-dentistes et les honoraires on se propose de faire une régression linéaire et le test de corrélation.

II.2.2 Etude du lien entre la densité des chirurgiens-dentistes et les honoraires

## 
##  Pearson's product-moment correlation
## 
## data:  honoraire_dentiste[, 2] and honoraire_dentiste[, 3]
## t = -6.8619, df = 102, p-value = 5.39e-10
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.6808824 -0.4142327
## sample estimates:
##        cor 
## -0.5619876
## 
## Call:
## lm(formula = honoraire_dentiste$honoraire_moy ~ honoraire_dentiste$Densite)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -34162  -9464  -1121   6234  84529 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                214883.5     8165.4  26.316  < 2e-16 ***
## honoraire_dentiste$Densite   -705.1      102.8  -6.862 5.39e-10 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 15700 on 102 degrees of freedom
## Multiple R-squared:  0.3158, Adjusted R-squared:  0.3091 
## F-statistic: 47.09 on 1 and 102 DF,  p-value: 5.39e-10

Comme précedemment, les coefficients sont significativement différénts de zero. Donc il y a lien(ici corrélation négative) entre les honoraires et la densité des chirurgiens-dentistes. Ici le \(R^2\) vaut 0.31 c’est-à-dire que \(31 \%\) de la variance sont expliqués par ce modèle de regression. Plus la densité des chirurgiens-dentistes augmente plus les honoraires diminuent. Représentons maintenant le nuage de points et la droite de régression

III Etude de la consommation de médicaments

Premièrement on se propose d’étudier la consommation des médicaments en mettant en evidence des indicateurs sur certains variables de la base de données resumant la consommation et deuxièment on va croiser certaines variables pour analyser ce qui en ressort.

III.1 Evolution de la consommation entre 2014 et 2017

Dans cette on va regarder le rapport entre la tendance d’evolution de la population et celle d’évolution de la consommation des médicaments.

##   annee Nbre.de.boites. evolution_conso_par_rapport.en....à.2014
## 1  2014      2346555466                                       NA
## 2  2015      2377609526                                1.3233891
## 3  2016      2270168772                               -3.2552691
## 4  2017      2356825010                                0.4376434
## [1]       NA 0.000000 5.164245 5.590651
##   annee Pop_en_millions evolution_en_pourcentage
## 1  2014        63320000                       NA
## 2  2015        66590000                 0.000000
## 3  2016        66860000                 5.164245
## 4  2017        67120000                 5.590651

III.2 Comparaison de consommation entre 2016 et 2017 en fonction de la catégorie

Ici. on va comparer les catégories des médicaments les plus consommés entre 2016 et 2017 pour voir si quelque chose a changé.

Comme en 2016, en 2017 les Français consomment largement les médicaments agissant sur le système nerveux.

III.3 Statistique univariée

III.3.1 Indicateurs sur la consommation en nombre de boites, le base de remboursement et les remboursements

Ici on peut dire qu’en moyenne les montants remboursé et la base de remboursement en 2017 s’elèvent à 300 mille euros chacun. La base de remboursement ou tarif de convention est le tarif appliqué par l’assurance maladie pour le remboursement de chaque acte médical et qui a fait l’objet d’une convention avec les professionnels de santé. (Source: https://www.avenirmutuelle.com/definition-base-de-remboursement)

III.3.2 Indicateurs sur la variable qualitative Specialité des médicaments

Il est clair que les médicaments les plus consommés sont des génériques.

Alors on peut se demander pourqoui ce sont les génériques qui sont le plus consommés. Peut-être est-ce le plus remboursé. Pour répondre à cette question on se propose de faire un test de liaison pour étudier un eventuel lien entre ces variables.
Rappelons que ici les hypothèses sont: * H0 : les variables sont inépendantes * H1 : les variables ne sont pas indépendantes.

On rejette l’hypothèse H0 si la p-value est plus petite que le seuil de 0.05

data_Op_MED$TOP_GEN = as.factor(data_Op_MED$TOP_GEN)
data_Op_MED$REM = as.numeric(data_Op_MED$REM)
fit <- aov(data_Op_MED$REM  ~ data_Op_MED$TOP_GEN)# analyse de variance
summary(fit)
##                          Df    Sum Sq   Mean Sq F value   Pr(>F)    
## data_Op_MED$TOP_GEN       4 9.448e+11 2.362e+11   8.652 5.59e-07 ***
## Residuals           1806697 4.932e+16 2.730e+10                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#coef(fit)

On remarque que le test est significatif donc il y a un lien entre le remboursement et le type de médicament acheté

III.3.3 Indicateurs sur la consommation par tranche d’âge

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00   20.00   20.00   35.32   60.00   99.00
##    0-19 ANS 20 - 59 ANS 60 ANS ET + AGE INCONNU 
##  14.2744072  40.9270594  44.1400408   0.6584927

De par ces résultats on peut voir que l’âge moyen des consommateurs est de 35 ans. Et les grands consommateurs de médicaments sont des personnes de 60 ans et plus alors qu’elles représentent 26,2% de la population.

III.3.4 Etude de la consommation en fonction du sexe

En étudiant la consommation des médicaments on remarque que ce sont les femmes qui consmment plus de médicaments.

III.3.5 Consommation par région

Hormis le fait qu’il y a des bénéficiaires qui ne déclarent pas leur région d’origine, la région de Centre-Val de Loire vient en tête de la consommation des médicaments en 2017.

III.3.6 Indicateurs sur le type d’établissements prescripteurs

Ici on remarque que les établissements de médecine générale liberale sont eux qui prescrivent beaucoup de médicaments. Cela semble normal parce que ce sont les médecins généralistes auxquels on fait recours en premier lieu en cas de problème de santé.

III.4 Statistique bivariée

III 4.1 Nombre de boites en fonction de sexe

prop.table(cl_cate_sexe)*100
##                                                                              
##                                                                                          1
##   Anti-infectieux (usage systémique)                                          4.716273e+00
##   Antinéoplasiques et agents immunomodulants                                  7.687488e-01
##   Antiparasitaires, insecticides et répulsifs                                 1.968227e-01
##   Dermatologie                                                                2.470634e+00
##   Divers                                                                      9.391145e-01
##   Hormones systémiques, à l exclusion des hormones sexuelles et des insulines 1.548789e+00
##   Organes sensoriels                                                          1.558863e+00
##   Sang et organes hématopoiétiques                                            1.655945e+00
##   Système cardio-vasculaire                                                   9.262236e+00
##   Système digestif et métabolisme                                             7.526698e+00
##   Système génito-urinaire et hormones sexuelles                               9.015875e-01
##   Système musculo-squelettique                                                2.589470e+00
##   Système nerveux                                                             9.501401e+00
##   Système respiratoire                                                        3.026011e+00
##                                                                              
##                                                                                          2
##   Anti-infectieux (usage systémique)                                          5.524099e+00
##   Antinéoplasiques et agents immunomodulants                                  1.057341e+00
##   Antiparasitaires, insecticides et répulsifs                                 2.427074e-01
##   Dermatologie                                                                2.858413e+00
##   Divers                                                                      1.005478e+00
##   Hormones systémiques, à l exclusion des hormones sexuelles et des insulines 1.981622e+00
##   Organes sensoriels                                                          1.756017e+00
##   Sang et organes hématopoiétiques                                            1.790279e+00
##   Système cardio-vasculaire                                                   8.761711e+00
##   Système digestif et métabolisme                                             8.687487e+00
##   Système génito-urinaire et hormones sexuelles                               1.981899e+00
##   Système musculo-squelettique                                                3.137153e+00
##   Système nerveux                                                             1.099827e+01
##   Système respiratoire                                                        3.376816e+00
##                                                                              
##                                                                                          9
##   Anti-infectieux (usage systémique)                                          1.295178e-02
##   Antinéoplasiques et agents immunomodulants                                  5.147501e-03
##   Antiparasitaires, insecticides et répulsifs                                 7.195431e-04
##   Dermatologie                                                                2.435377e-03
##   Divers                                                                      6.143791e-03
##   Hormones systémiques, à l exclusion des hormones sexuelles et des insulines 3.487017e-03
##   Organes sensoriels                                                          1.101454e-02
##   Sang et organes hématopoiétiques                                            4.760055e-03
##   Système cardio-vasculaire                                                   4.876288e-02
##   Système digestif et métabolisme                                             2.031326e-02
##   Système génito-urinaire et hormones sexuelles                               3.819114e-03
##   Système musculo-squelettique                                                5.867044e-03
##   Système nerveux                                                             4.538657e-02
##   Système respiratoire                                                        7.306130e-03

Remarque
* 1: Masculin * 2: Feminin * 9: Valeur inconnue

Ce tableau nous permet de mettre en evidence les proportions des catégories en fonction de sexe. Mieux encore nous proposons le test de Khi-deux pour montrer qu’il y a un lien entre la catégorie des médicaments et le sexe des bénéficiaires parce que les conditions d’applicabilité du test semblent être réunies.

chisq.test(data_Op_MED$l_ATC1, data_Op_MED$sexe)
## 
##  Pearson's Chi-squared test
## 
## data:  data_Op_MED$l_ATC1 and data_Op_MED$sexe
## X-squared = 9200.9, df = 26, p-value < 2.2e-16
chisq.test(data_Op_MED$AGE, data_Op_MED$sexe)
## 
##  Pearson's Chi-squared test
## 
## data:  data_Op_MED$AGE and data_Op_MED$sexe
## X-squared = 215620, df = 6, p-value < 2.2e-16

Ici il est clair qu’il y a un lien entre la categorie et le sexe des consommateurs ainsi que entre l’âge et le sexe des consommateurs.

III.4.2 Age et le sexe

On va étudier l’age des consommateurs et leurs sexe.

Si on étudie l’âge des consommateurs en fonction de leur sexe, il est clair que peu importe la tranche d’âge les femmes consomment beaucoup de médivaments.

Les personnes âgées de 60 ans et plus consomment les médicaments agissant sur le système cardio-vasculaire.

IV Etude sur la retrocession des médicaments

La rétrocession se définit comme la dispensation de médicaments par la pharmacie hospitalière à des malades non hospitalisés. Elle est limitée à certains médicaments(1). Une « liste de rétrocession » pour les médicaments disponibles à l’hôpital Les médicaments pouvant être vendus à des patients non hospitalisés par une pharmacie hospitalière doivent être inscrits sur une liste, fixée par arrêté du ministre chargé de la Santé. L’inscription sur cette liste, appelée liste de rétrocession, doit être justifiée par des contraintes particulières de distribution, de dispensation, d’administration, de sécurité de l’approvisionnement, ou par la nécessité d’effectuer un suivi de la prescription ou de la dispensation. Certaines spécialités, disponibles en officine, peuvent également être vendues par les pharmacies hospitalières et bénéficier ainsi d’un double circuit de dispensation.

  • Définition:

La rétrocession se définit comme la dispensation de médicaments par la pharmacie hospitalière à des malades non hospitalisés. Elle est limitée à certains médicaments.

(Source:https://www.vidal.fr/infos-pratiques/id14192.htm#medicaments)

En 2017, en etudiant les médicaments rétrocedés, les medicaments les plus représentés sont QIZENDAY, ENTRESTO,NORVIR,TRUVADA,IKERVIS,ISENTRESS.

CONCLUSION

En guise de conclusion, on constate qu’il y a une relation déterminante entre la densité des médecins et les honoraires. Cela est peut-être à l’origine de la dértification médicale. Donc pour répondre à ce problème de désertification médicale, il est important de bien revoir la répartition des médecins sur le territore national français.