Par souci de simplification, les cigarettes électroniques rechargeables et jetables (puffs) ont été analysées conjointement sous le groupe “cigarettes électroniques”. Cela permet également d’effectuer des comparaisons avec l’étude Life Style. D’autre part, les participants ayant un genre “Autres” ont été supprimés de la base de données car ce sous-groupe (N=7) est peu représenté dans l’échantillon et n’est pas défini dans la population des étudiants de médecine ni dans l’étude Life Style.

Caractéristiques de participants

Le tableau ci-dessous illustre les différences entre les non-consommateurs et les consommateurs d’au moins un des produits.

Caractéristiques des participants
Overall Non-consommateur Consomme au moins 1 produit p test
n 735 432 302
annee (%) 0.001
…..1ère année 252 (34.3) 152 (35.2) 100 (33.1)
…..2ème année 116 (15.8) 83 (19.2) 33 (10.9)
…..3ème année 106 (14.4) 69 (16.0) 37 (12.3)
…..4ème année 124 (16.9) 66 (15.3) 58 (19.2)
…..5ème année 77 (10.5) 34 ( 7.9) 43 (14.2)
…..6ème année 60 ( 8.2) 28 ( 6.5) 31 (10.3)
age = 25 et plus (%) 110 (15.0) 58 (13.4) 52 (17.2) 0.190
genre = Hommes (%) 229 (31.2) 124 (28.7) 104 (34.4) 0.116

Comparaison des participants avec population d’étudiants en médecine

Effectifs dans l’échantillon
annee Femmes Hommes Total
1ère année 189 63 252
2ème année 65 51 116
3ème année 78 28 106
4ème année 81 43 124
5ème année 53 24 77
6ème année 40 20 60
Total 506 229 735
Population d’étudiants en médecine
annee Femmes Hommes Total
1ère année 599 221 820
2ème année 144 114 258
3ème année 166 90 256
4ème année 121 77 198
5ème année 168 107 275
6ème année 158 85 243
Total 1356 694 2050

Si on compare globalement les proportions observées par année (tous genre confondu) dans l’échantillon avec les proportions attendues dans la population, on a:

## 
##  6-sample test for given proportions without continuity correction
## 
## data:  as.numeric(n_annee) out of rep(sum(n_annee), 6), null probabilities p0_annee
## X-squared = 78.203, df = 6, p-value = 8.394e-15
## alternative hypothesis: two.sided
## null values:
##     prop 1     prop 2     prop 3     prop 4     prop 5     prop 6 
## 0.40000000 0.12585366 0.12487805 0.09658537 0.13414634 0.11853659 
## sample estimates:
##     prop 1     prop 2     prop 3     prop 4     prop 5     prop 6 
## 0.34285714 0.15782313 0.14421769 0.16870748 0.10476190 0.08163265

On a donc une répartition différente des années d’étude entre l’échantillon et la population des étudiants de médecine.

La proportion de femmes par année d’étude dans l’échantillon et la population est comparée ci-après. Il n’y a pas de différence statistiquement significative dans la proportion de femmes par année d’étude entre échantillon et population.

## 
##  6-sample test for given proportions without continuity correction
## 
## data:  as.numeric(nF_annee) out of as.numeric(n_annee), null probabilities pF0_annee
## X-squared = 6.9801, df = 6, p-value = 0.3227
## alternative hypothesis: two.sided
## null values:
##    prop 1    prop 2    prop 3    prop 4    prop 5    prop 6 
## 0.7304878 0.5581395 0.6484375 0.6111111 0.6109091 0.6502058 
## sample estimates:
##    prop 1    prop 2    prop 3    prop 4    prop 5    prop 6 
## 0.7500000 0.5603448 0.7358491 0.6532258 0.6883117 0.6666667

Analyse de la participation

Les taux de participation sont présentés ci-dessous:

Taux de participation global
Taux de participation
0.359
Taux de participation par année
annee Taux participation
1ère année 0.307
2ème année 0.450
3ème année 0.414
4ème année 0.626
5ème année 0.280
6ème année 0.247
Taux de participation par genre
genre Taux participation
Femmes 0.373
Hommes 0.330
Taux de participation par année et par genre
annee Femmes Hommes
1ère année 0.316 0.285
2ème année 0.451 0.447
3ème année 0.470 0.311
4ème année 0.669 0.558
5ème année 0.315 0.224
6ème année 0.253 0.235

On ne fait pas nécessairement d’inférence pour le taux de participation car il s’agit d’une caractéristique propre à l’échantillon récolté et pas à une population d’intérêt. Toutefois, dans un contexte où l’on répéterait l’expérience (on pourrait par exemple resoumettre le questionnaire lors d’une autre année scolaire à de nouveaux étudiants), il devient possible de faire de l’inférence car la “population” d’étudiants en médecine étudiée en l’an X devient elle-même un échantillon d’une population d’étudiants que l’on supposerait stable au cours du temps. On peut donc dans ce cas analyser si la probabilité de réponse (participation) dépend de certaines caractéristiques comme l’année d’étude et le sexe au moyen d’un modèle de régression logistique estimant des odds ratios (OR). Dans ce modèle, la catégorie de référence représente les femmes en 1ère année de médecine.

Odds ratios pour probabilité de participer (ref=femmes en 1ère année)
OR 2.5 % 97.5 % P-value
annee2ème année 1.93 1.45 2.58 <0.001
annee3ème année 1.63 1.22 2.18 <0.001
annee4ème année 3.92 2.84 5.45 <0.001
annee5ème année 0.90 0.67 1.22 0.518
annee6ème année 0.75 0.54 1.04 0.092
genreHommes 0.76 0.62 0.93 0.007

On constate que la participation dépend de l’année d’étude, avec une plus forte participation en 2ème, 3ème et 4ème année (par rapport à la 1ère année). De plus, les hommes ont une participation plus faible que les femmes.

Le modèle ci-dessus suppose que l’OR des hommes est le même chaque année (modèle additif). On peut utiliser un modèle légèrement plus complexe (avec interaction) afin d’avoir un effet du genre variable d’une année à l’autre. Toutefois, ce modèle plus compliqué ne décrit pas mieux les données que le modèle additif. On ne retiendra donc que les conclusions du modèle additif.

## Analysis of Deviance Table
## 
## Model 1: participant ~ annee + genre
## Model 2: participant ~ annee * genre
##   Resid. Df Resid. Dev Df Deviance Pr(>Chi)
## 1      2043     2566.3                     
## 2      2038     2561.4  5    4.949   0.4221

Consommation générale des produits et comparaison avec étude Life Style

Le diagramme ci-dessous illustre la consommation individuelle et jointe des différents produits dans l’échantillon.

Afin de pouvoir comparer les proportions de consommateurs par type de produit dans l’échantillon avec celles observées dans l’étude Life Style (LS), on restreindra l’attention à la catégorie d’âge 18-24 ans uniquement.

Proportion de consommateurs par produit dans échantillon et dans l’étude Life Style (P_LS) pour la classe d’âge 18-24 ans
Produit P_conso Lower Upper P_LS
cig 0.291 0.256 0.329 0.224
ecig 0.202 0.172 0.236 0.167
iqos 0.026 0.015 0.042 0.027
snus 0.106 0.084 0.134 0.092

A l’exception du tabac chauffé, on observe que la proportion de consommateurs parmi les participants à l’étude est plus élevée que les estimations de l’étude Life Style pour la classe d’âge 18-24 ans. Cependant, des différences statistiquement significatives sont uniquement observées pour la cigarette classique et la cigarette électronique (rechargeable + jetable).