Objectives: Existing Canadian social determinants of health (SDOH) indicators do not quantify uncertainty to identify priority areas. The objectives of this methodologic study were: (1) to estimate and map small area (dissemination area) shared and variable-specific SDOH indicators with measures of uncertainty using a Bayesian model that accounts for spatial dependence; (2) to quantify geographic variation in the SDOH indicators and their contribution to a shared indicator; and (3) to assess the SDOH indicators' associations with behavioural risk factors and their consistency with the Ontario Marginalization Index (ON-Marg).
Methods: Lower education-, income-, unemployment-, living alone- and visible minority-related variables used in existing Canadian SDOH indices were fit as dependent variables to a Bayesian model to produce area-based SDOH indicators that were mapped with measures of uncertainty in two study areas. The fractions of spatial variation explained by the model components were computed. Bayesian analysis of variance was used to examine the SDOH indicator associations with behavioural risk factors and their consistency with ON-Marg examined using Pearson's correlation coefficient.
Results: The shared component was strongly associated with material deprivation (i.e., income) in each study area; however, variable-specific SDOH indicators were important too. The SDOH indicators were associated with behavioural risk factors for chronic disease, particularly alcohol consumption and smoking, and the shared component estimates were consistent with the ON-Marg material deprivation.
Conclusions: The Bayesian approach to produce SDOH indicators met the three study objectives and as such provides a new approach to prioritize areas that may experience health inequalities.
Objectifs: Les indicateurs des déterminants sociaux de la santé canadiens existants ne quantifient pas l’incertitude pour déterminer les aires prioritaires. Voici les objectifs de cette étude méthodologique: 1) estimer et cartographier les indicateurs des déterminants sociaux de la santé communs et spécifiques à des variables de petites régions (aires de diffusion) en y intégrant des mesures de l’incertitude à l’aide d’un modèle bayésien qui tient compte de la dépendance spatiale; 2) quantifier la variation géographique des indicateurs des déterminants sociaux de la santé et leur contribution à l’établissement d’un indicateur commun; et, 3) évaluer les associations des indicateurs des déterminants sociaux de la santé avec les facteurs de risque comportementaux et leur conformité à l’indice de marginalisation ontarien (ON-Marg).
Méthodes: Les variables relatives au niveau d’instruction faible, au revenu, au chômage, aux personnes vivant seules et aux minorités visibles utilisées dans le calcul des indices des déterminants sociaux de la santé ont été intégrées en tant que variables dépendantes à un modèle bayésien pour produire des indicateurs de déterminants sociaux de la santé régionaux qui ont été cartographiés avec des mesures d’incertitude dans deux aires d’étude. On a calculé les proportions de la variation spatiale déterminée par les composantes du modèle. L’analyse bayésienne de la variance a été utilisée pour étudier les associations des indicateurs des déterminants sociaux de la santé avec les facteurs de risque comportementaux et leur conformité à l’indice de marginalisation ontarien (ON-Marg) a été évaluée à l’aide du coefficient de corrélation de Pearson.
Résultats: La composante commune était fortement associée à la précarité matérielle (c.-à-d., revenu) dans chaque aire d’étude; cependant, les indicateurs des déterminants sociaux de la santé spécifiques à des variables étaient également importants. Les indicateurs des déterminants sociaux de la santé étaient associés à des facteurs de risque comportementaux relatifs aux maladies chroniques, en particulier la consommation d’alcool et le tabagisme, et les estimations de la composante commune concordaient avec le niveau de précarité matérielle relevé par l’ON-Marg.
Conclusions: L’approche bayésienne de production des indicateurs des déterminants sociaux de la santé a répondu aux trois objectifs de l’étude et a donc permis de définir une nouvelle démarche de hiérarchisation des aires qui peuvent être victimes d’inégalités en santé.
Keywords: Bayesian hierarchical model; Joint modeling; Small area spatial analysis; Social determinants of health.