Navigation – Plan du site

Inégalités spatiales de mortalité en Suisse : l’influence des contextes sur les différentiels entre natifs et migrants

Spatial differentials in mortality in Switzerland: How do contexts explain the differences between natives and migrants?
Jonathan Zufferey et Michel Oris

Résumés

Dans les sociétés postindustrielles contemporaines, les migrants ont généralement des risques de mortalité plus faibles que les natifs malgré des positions sociales tendanciellement plus basses. La recherche académique peine toujours à expliquer pleinement les origines de ce paradoxe. Bien que les facteurs individuels soient les causes fondamentales des inégalités face à la mort, l’influence de l’environnement social, économique et culturel est aussi décisif. En prenant l’exemple de la Suisse, cet article détermine dans quelle mesure les contextes socioéconomique, culturel et géographique parviennent expliquer le différentiel entre les natifs et les migrants. Par des modèles bayésiens multiniveaux, les auteurs décomposent, pour chaque population, les inégalités spatiales de mortalité dans les communes et les quartiers Suisses.

Haut de page

Texte intégral

Cette recherche a été soutenue par le PRN On the move et le PRN LIVES financés par le Fonds National Suisse. Les auteurs remercient l’Office fédéral de la statistique pour avoir fourni les données de mortalité et du recensement de la population ainsi que pour son soutien à la Swiss National Cohort rendant cette étude possible. La Swiss National Cohort dont les membres du study group sont Matthias Egger Adrian Spoerri, Marcel Zwahlen, Milo Puhan, Matthias Bopp, Nino Künzli, Fred Paccaud et Michel Oris, est également soutenue par le Fonds National Suisse.

  • 1 Voir notamment Markides et Coreil [1986] pour les communautés hispaniques aux États-Unis, Khlat et (...)

1La recherche académique a démontré l’existence, presque universelle, d’un avantage de mortalité pour les migrants par rapport aux natifs1. En Suisse, Jonathan Zufferey a établi que l’espérance de vie des hommes étrangers était de près de 2 ans supérieure à celle des Suisses, et que l’écart était de 1,2 ans pour les femmes [Zufferey, 2017]. Cette sous-mortalité constitue un paradoxe car les migrants se trouvent tendanciellement dans des positions sociales plus basses que les natifs ; or, c‘est justement là que la mortalité est censée être la plus forte. Si des biais de sélection à l’entrée (healthy migrant effect) et à la sortie (salmon bias) interfèrent, ils ne sont pas suffisants pour expliquer l’avantage quasi constant des populations migrantes [Abraido-Lanza et al., 1999 ; Deboosere et Gadeyne, 2005 ; Palloni et Arias, 2004]. D’autres clés de lecture sont nécessaires pour pouvoir pleinement comprendre ce phénomène.

2C’est pour en explorer une que ce papier considère l’impact différencié de l’environnement sur les risques de mortalité respectivement des migrants et des natifs. Depuis le début des années 2000, nombre de chercheurs se sont intéressés aux effets de contexte, aux interactions entre les individus et leur cadre de vie. Dans son ensemble, l’environnement reflète des inégalités mais il les crée aussi, car il façonne les opportunités et les moyens qui génèrent des ressources sociales, psychologiques et économiques au profit, ou au détriment, des individus qui composent le corps social en un lieu donné [Takeuchi, Walton et Leung, 2010]. Au-delà de ce constat général, il importe de dégager l’impact propre des cadres sociaux et économiques de ce qui peut relever d’autres éléments spatiaux, comme la topographie, l’hydrographie, la distance aux infrastructures. C’est notre ambition dans cet article.

  • 2 Les cadres théorique et analytique de cette étude sont partiellement tirés de la thèse de doctorat (...)

3Dans la prochaine section, une revue de la littérature sur les déterminants spatiaux de la mortalité2 nous conduit à poser quatre hypothèses de recherche sur les relations entre contexte local et mortalité des migrants, respectivement des natifs, dans un pays, la Suisse, qui présente un certain nombre de spécificités. Dans la section suivante, les données exploitées pour cette étude sont introduites, ainsi que l’approche méthodologique mise en œuvre, soit des modèles multiniveaux bayésiens qui permettent en particulier de déterminer l’influence de chaque composante sur la mortalité générale. Après une présentation des résultats, la dernière section les discute et s’efforce de dégager les contributions de cet article.

Théorie et contextes

L’influence des environnements socioéconomique et socioculturel sur la mortalité

4Bien que la recherche s’accorde à dire que les facteurs individuels sont les causes les plus déterminantes des inégalités de mortalité, l’environnement proche, et particulièrement le cadre socioéconomique, influence aussi la santé. Vivre dans un quartier pauvre, toute chose égale par ailleurs, augmente les risques d’une dégradation de l’état sanitaire, comme l’ont constaté Pickett et Pearl [2001] dans leur revue d’une trentaine d’articles. Les causes mises en avant sont multiples, les faibles ressources économiques à l’échelle locale pouvant créer une exposition des individus à des risques plus importants (mauvaise infrastructure, service de soins de moins bonne qualité), résulter en un faible capital social ou de l’insécurité (soutien social déficient, trafic, violence), ou encore confronter les individus à un environnement physique dégradé (pollution, absence d’espace verts, etc.) [Robert, 1999]. Certaines recherches nuancent ce schéma de causalité car une influence systématique du contexte socioéconomique n’a pas pu être démontrée, soit parce qu’elle est difficile à opérationnaliser quantitativement, soit parce que des différences de santé observées sont apparues minimes [Meijer et al., 2012].

5La question de l’influence du contexte social a été approfondie par des travaux qui se sont focalisés sur les dimensions de confiance et de cohésion, plus particulièrement le capital social du quartier [Kawachi et al., 1997]. Dans la vision bourdieusienne, le concept de capital social renvoie au réseau de relations qu’un individu peut mobiliser et transformer en d’autres formes de capital, culturel ou économique. D’autres théoriciens, comme Coleman, y voient eux-aussi un rôle facilitateur dans la réalisation d’actions mais le situent dans la structure inhérente des relations sociales, qui agit notamment à travers la confiance, les normes et les échanges [Coleman, 1988]. Le politologue Putnam est allé encore plus loin dans la définition collective de ce capital et le considère comme un bien public qui dépend avant tout de la confiance et d’une participation civique et civile. Le capital social a été mis en relation avec la santé par le biais des mécanismes de soutien et de cohésion, que ce soit dans une logique individuelle [Szreter et Woolcock, 2004] ou contextuelle [Kawachi et Berkman, 2000]. Dans cette recherche, nous privilégions cette vision en estimant que la cohésion sociale se manifeste par l’interaction entre l’individu et la société.

6Le contexte social n’est pas seulement l’environnement dans lequel s’inscrivent les différentiels, il transmet aussi les comportements, valeurs et représentations collectives du milieu. Il y a un apprentissage social (social learning) : une interaction entre l’individu qui observe, imite et sert de modèle aux pairs qui composent son environnement social [Bandura, 1971]. Nous pouvons ainsi formuler une relation dialectique entre le contexte et l’individu qui apprend et modifie ses comportements en fonction de ceux qui l’entourent, mais que parallèlement il est lui-même susceptible d’influencer [Levy et al., 1997]. Suivant cette logique, Robert [1999] souligne que vivre dans un quartier pauvre augmente les comportements à risques (consommation de cigarettes, alimentation nocive) mais affecte aussi les attitudes corporelles (moindre réceptivité à la prévention). Marsden et Friedkin [1994] sont arrivés à exactement la même conclusion en considérant non pas la faiblesse des ressources économique mais celle des contacts et du réseau social. Cela suggère, sans trop de surprise, que les deux dimensions sont liées. Pour Ellen, Mijanovich et Dillman [2001], le quartier agit à court terme, en modulant les comportements et les attitudes de santé ainsi que l’utilisation du système de soins. Mais l’espace de vie a aussi une influence à plus long terme avec, pour les quartiers les plus défavorisés, un processus d’érosion de la qualité de vie : une accumulation de stress social, un triste environnement et des ressources sociales limitées rendent peu à peu les individus plus vulnérables et affectent négativement leur état de santé.

Le migrant et son contexte

7A leur arrivée dans le pays d’accueil, les migrants s’insèrent dans un environnement local, un système avec ses propres dynamiques et contraintes, un nouvel espace social. Qui plus est, ils y accèdent avec leur schème de relations qui est appelé à se modifier mais qui peut aussi perdurer inchangé. Le contexte est à ce titre fondamental puisqu’il exprime des attributs économiques, culturels et sociaux, mais aussi des composantes historiques et politiques. Ces dernières ont une importance particulière dans un pays aussi décentralisé que la Suisse où l’application des politiques sociales et d’intégration relève généralement de l’échelon communal ou cantonal. Ces importantes variations contextuelles et institutionnelles peuvent être productrices de fragilités au sein des populations d’origine étrangère. Ainsi, si la recherche a démontré que les différentiels de mortalité parmi les migrants étaient moins marqués par la stratification sociale que parmi les Suisses d’origine [Zufferey, 2016], nous nous attendons en revanche à ce que l’environnement social et culturel aie davantage d’importance. La tendance des nouveaux arrivants à s’insérer dans des segments du marché du logement et des espaces spécifiques renforcent ce présupposé.

8En ce qui concerne le capital social, la section précédente en a souligné les effets protecteurs à travers les réseaux de relations qui apportent soutien et entraide. Selon Portes [1999], des liens solidaires et forts se tissent entre migrants en raison de l’incertitude qui gouverne leur condition. De par sa condition même, l’étranger est susceptible de développer un réseau social plus intense et plus dense. Puyat [2012] va plus loin en supposant que ces réseaux sociaux ont un impact plus fort sur la santé pour les migrants que pour les natifs. Simich et ses coauteurs [2005] insistent sur l’importance du support social à l’arrivée des nouveaux-venus, que ce soit à travers des membres de leur famille ou de la collectivité qui les accueille en raison d’un sentiment d’identité partagée, car ces relations permettent de diminuer le stress de la migration et facilitent l’installation dans un nouvel environnement. Van Kemenade, Roy et Bouchard [2006] soutiennent à leur tour que l’accès à des réseaux sociaux basés sur l’ethnicité favorise l’intégration économique et sociale, mais aussi le bien-être des immigrants. Ces résultats laissent présager que l’état de santé des migrants peut être affecté par la force ou faiblesse de l’esprit communautaire dans les quartiers, et des études américaines plaident également en ce sens. Elles ont effectivement constaté que la densité ethnique a un effet protecteur sur la santé grâce aux effets tampons de la cohésion et du soutien social : il y aurait un sentiment d’appartenance à la communauté plus fort et moins de stigmatisation et de discrimination des minorités [Bécares, Nazroo et Stafford, 2009 ; Pickett et Wilkinson, 2008]. Les recherches qui concernent le vieux continent, comme les travaux spécifiquement sur les migrants, sont bien plus rares mais l’on peut s’attendre à des logiques similaires en Europe.

Questionner les inégalités spatiales de mortalité des étrangers et des Suisses dans le contexte helvétique

9La Suisse est un pays d’immigration : en 2000, 21 % des 7,3 millions d’habitants étaient de nationalité étrangère. A la fin de la seconde guerre mondiale, le pays a fait appel aux travailleurs du Sud de l’Europe (Italie, Espagne puis Portugal, Yougoslavie et Turquie) pour répondre à la demande en emplois peu qualifiés de l’économie helvétique. Dans les années 1990, l’origine des flux et les raisons de la migration se sont diversifiées. Aujourd’hui, les nouveaux arrivants incluent de plus en plus en des travailleurs hautement qualifiés et proviennent toujours, en très grande majorité, des pays européens [Wanner, Zufferey et Fioretta, 2016].

10La population étrangère ne se répartit pas uniformément sur le territoire, comme l’illustre la figure 1. Les villes et agglomérations, essentiellement dans la région zurichoise et bâloise, l’arc lémanique (l’arc reliant Genève à Lausanne) et le Tessin, sont les plus attractives pour les migrants en raison d’opportunités d’emplois favorables. En 2000, la proportion d’étrangers dans les zones urbaines était de 28%, contre 13% dans les régions rurales. Des proportions élevées d’étrangers s’observent également dans quelques localités périphériques de Suisse centrale ou des régions alpines des Grisons ou du Valais. Ce type de localisation correspond à des travailleurs dans le domaine du tourisme mais aussi à de riches étrangers à la recherche d’un cadre de vie favorable et de conditions fiscales optimales.

Figure 1 : Proportion d’étrangers dans les communes et quartiers suisses, 2000 (en %)

Figure 1 : Proportion d’étrangers dans les communes et quartiers suisses, 2000 (en %)

Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010

11Nous l’avons déjà noté, l’inscription spatiale des étrangers se situe dans des territorialisations complexes. Or, des travaux antérieurs ont démontré que la mortalité générale – mais c’est encore plus vrai par causes de décès – se structure géographiquement. On peut l’observer au niveau des régions au sein de l’Union Européenne [Jougla et al., 2002], de même qu’à une plus petite échelle, comme en France où des régimes géographiques de mortalité ressortent très clairement [Rican, Jougla et Salem, 2003]. Bien que la Suisse soit un des plus petits Etats du continent européen, elle est non seulement marquée par une importante décentralisation politique, mais aussi par quatre idiomes différents et de forts régionalismes. Toutefois, les quelques études sur l’espérance de vie (ou la mortalité par groupes d’âges) selon les cantons et les régions ont fait ressortir des différences relativement marginales [Wanner, Fei et Cotter, 1997 ; Wanner, Lerch et Kohli, 2012]. Dans une recherche récente, Lerch, Oris et Wanner [2017] ont cherché à savoir s’il n’y avait pas une résurgence de la mortalité dans les villes helvétiques ces dernières décennies. Ils ont en effet constaté une concentration de la précarisation dans les grands centres urbains alors que les individus et les familles les plus aisés quittent ces localités pour des zones périurbaines. A un niveau plus fin, Panczak et ses collègues [2012] ont constaté un gradient de la mortalité selon la position socioéconomique du quartier et ce, malgré le contrôle de variables individuelles.

12En croissant ces différentes constats empiriques et théoriques, notre recherche ambitionne de tester les quatre hypothèses suivantes, qui sont (en partie au moins) incompatibles :

  • H1 : Les différences régionales de mortalité en Suisse sont marginales si l’on tient compte de la composition et du contexte.

  • H2 : Les étrangers sont plus vulnérables que les Suisses à l’environnement dans lequel ils vivent, c’est-à-dire que les variables contextuelles vont davantage déterminer leur survie.

  • H3 : Le contexte socioéconomique est un facteur important des inégalités de mortalité même lorsque l’on prend en compte la position socioéconomique individuelle.

  • H4 : Le contexte des relations sociales (capital social communautaire) a une influence positive sur la santé des populations, quelle que soit leur origine.

Données et méthodes

13Les données exploitées dans cette étude proviennent de la Swiss National Cohort (SNC), une plateforme interdisciplinaire de recherche qui consiste en un suivi longitudinal exhaustif de la population helvétique. Pour ses recherches en santé publique, la SNC a apparié de manière probabiliste les décès survenus durant la période 2000 à 2008 avec la population issue du recensement fédéral de 2000 [Bopp et al., 2009], collectés par l’Office fédéral de la statistique (OFS), permettant ainsi un suivi longitudinal d’une cohorte nationale. Les données du recensement de la population sont extrêmement riches et détaillent les caractéristiques de la population. Elles comprennent également des informations précises sur le lieu d’habitation. Cela permet à la fois de déterminer les facteurs individuels de la mortalité, mais aussi d’appréhender la relation entre le lieu de vie et les risques de décès.

  • 3 Les statistiques suisses ne permettent pas, avant 2010, de déterminer individuellement les émigrati (...)

14Nous avons retenu pour nos analyses la population âgée de 25 ans à 64 ans, suivie du recensement 2000 (5 décembre) à la survenance du décès ou d’une émigration (seulement pour les étrangers3) ou alors jusqu’à la fin de l’observation, le 31 décembre 2008. Cela représente 24,8 et 5,3 millions de personne-années à risque pour les Suisses et 64 900 et 9 400 décès pour les étrangers. Les attributs de la population d’étude et les variables individuelles sont détaillés dans le tableau 1.

Tableau 1 : Statistiques descriptives de la population sous étude

Personne-années

Décès

Etrangers

Suisses

Etrangers

Suisses

Total

5 336 938

24 823 933

9 369

64 930

sexe

Femmes

45,8%

51,3%

28,5%

37,2%

Hommes

54,2%

48,7%

71,5%

62,8%

age

25-29

11,4%

10,2%

2,4%

2,2%

30-34

14,9%

11,7%

3,9%

2,9%

35-39

17,3%

13,9%

5,9%

4,7%

40-44

16,2%

14,5%

8,1%

7,2%

45-49

13,1%

13,6%

11,4%

10,8%

50-54

10,7%

12,9%

16,3%

16,1%

55-59

8,9%

12,5%

21,1%

24,6%

60-64

7,5%

10,7%

30,8%

31,5%

Statut matrimonial

célibataire

17,8%

29,3%

14,6%

22,4%

marié

75,8%

61,1%

71,3%

59,4%

veuf

1,0%

1,5%

2,5%

3,2%

divorcé

5,5%

8,2%

11,6%

15,0%

éducation

obligatoire

40,4%

12,8%

43,4%

19,6%

secondaire II

33,4%

61,1%

37,0%

59,0%

tertiaire

18,3%

24,4%

15,2%

19,8%

inconnu

7,9%

1,7%

4,5%

1,5%

CSP

Dirigeant

2,2%

3,0%

1,5%

2,3%

cadre

3,8%

8,6%

4,5%

9,0%

indépendant

5,2%

7,6%

3,0%

5,0%

employé

23,8%

40,7%

17,3%

27,9%

non qualifié

18,2%

6,0%

15,1%

6,3%

autre

25,2%

16,0%

21,6%

17,7%

inactif

21,5%

18,2%

37,0%

31,8%

Source : OFS/SNC

15Pour définir le lieu de vie, nous avons choisi de nous baser sur les communes, en descendant cependant, pour les 17 villes les plus grandes de Suisse, au niveau des 295 quartiers administratifs qui ont été définis par Schuler, Dessemontet et Joye [2005]. C’est donc sur une base de 3174 espaces que nous analysons la distribution spatiale de la mortalité. En l’absence de véritable mesure du contexte, l’environnement social est ici appréhendé par l’agrégation des attributs des individus en posant l’hypothèse d’une une relation dialectique entre ego et ceux qui vivent autour de lui, en un lieu donné : People make places and places make people [Subramanian, 2004]. Nous mesurons donc l’environnement social par des quotients de localisation, des sur- ou sous-représentations d’une caractéristique dans une surface par rapport à sa distribution dans tout le pays.

16Appliquant cette méthode, nous approchons le contexte socioéconomique en considérant l’implantation des catégories socioprofessionnelles non qualifiées, mettant ainsi l’emphase sur les plus précaires. D’autres mesures ont aussi été testées, notamment le niveau de chômage ou plusieurs échelles de catégories socioprofessionnelles ; mais les résultats n’étaient pas aussi concluants car en Suisse les disparités géographiques de chômage sont plus marquées à l’échelle régionale que locale. Concernant le contexte socioculturel, nous avons retenu les quotients de localisation des étrangers et des activités bénévoles. Le premier indique le niveau de concentration des communautés étrangères dans un lieu. Il nous permet de relever si un tissu social et multiculturel a des effets vertueux sur les populations qui y vivent. Le second approxime un capital social environnemental. En effet, à un niveau collectif, Kawachi [1999] estime que les individus qui sont prêts à en aider d’autres vont davantage intervenir lorsque des comportements nocifs ont lieu dans leur quartier, tels que des abus d’alcool, une consommation de drogues ou de cigarettes chez les jeunes. L’étude de de Blakely et ses collègues [2006] n’a cependant pas soutenu cette assertion puisque les chercheurs néozélandais n’ont pas relevé d’association entre la mortalité et un capital social mesuré par le bénévolat. Le tableau 2 recense les attributs spatiaux des unités territoriales que nous utiliserons dans cette étude.

Tableau 2 : Statistiques descriptives des 3174 surfaces géographiques sous étude

minimum

moyenne

médiane

maximum

Personne-années

16

9 502

10 785

120 412

Décès

0

23

10

337

Quotient de localisation non qualifié

0,09

0,93

0,88

3,30

Quotient de localisation bénévolat

0,13

1,06

1,08

3,31

Quotient de localisation étranger

0,01

0,62

0,48

2,86

Source : OFS/SNC

17L’approche analytique choisie, qui a passablement été exploitée en épidémiologie mais très peu en démographie et dans d’autres sciences sociales, consiste à modéliser, pour chaque unité spatiale, le taux de mortalité standardisé (SMR), soit le rapport entre le nombre de décès attendus et observés. L’analyse se déroule en deux temps. Il convient d’abord de définir la mortalité attendue dans chaque surface d’étude à l’appui d’un modèle individuel puis, dans un second temps, de modéliser la mortalité environnementale et géographique à l’aide d’un modèle bayésien [Lawson, 2009]. La statistique bayésienne se distingue des méthodes fréquentistes ; elle s’appuie sur le théorème de Bayes et définit la distribution des paramètres à estimer, dite distribution a posteriori, comme le produit d’une distribution a priori des paramètres et de la vraisemblance des données. La distribution a priori permet soit d’intégrer des connaissances sur l’objet d’étude, soit d’être neutre (non informative).

18Tout d’abord, au niveau individuel, la mortalité prédite pour chaque surface a été estimée par des modèles linéaires généralisés, avec une fonction de lien Poisson, en modélisant les risques de décès à partir de toutes les variables présentées dans le tableau 1. Puisque l’influence des variables explicatives ne sont pas les mêmes en fonction du sexe et de l’origine, les modèles ont été stratifiés par sexe et nationalité (suisse vs étranger). Cette première étape permet donc de prédire pour chaque unité géographique le nombre de décès attendus, pour les Suisses et les étrangers, en fonction de la composition démographique et socioéconomique. Cette étude ne portant pas sur la mortalité individuelle, les résultats ne sont pas présentés, mais le lecteur intéressé peut trouver ces informations dans Zufferey [2017].

19Ensuite, au niveau des quartiers et des communes, nous modélisons le logarithme de la sur- ou sous-mortalité de chaque unité spatiale comme une combinaison linéaire de différents facteurs explicatifs. Les processus sociaux n’étant pas indépendants entre des espaces adjacents, nous intégrons un modèle conditionnel autorégressif pour tenir compte de la corrélation spatiale, c’est-à-dire des variations régionales. Ces modèles ont été développés dans le cadre bayésien par Besag, York et Mollié [1991] et intègrent trois composantes pour modéliser le SMR, les coefficients des variables explicatives contextuelles (hétérogénéité expliquée), les effets qui varient de façon structurée dans l’espace (hétérogénéité spatialement corrélée) et les effets résiduels qui n’ont pas de structure entre les régions (hétérogénéité résiduelle).

20Définissons tout d’abord le nombre de décès par unité spatiale, yi. Ces décès se distribuent selon une loi de Poisson dont l’espérance est exprimée par la multiplication des décès attendus, ei, et du SMR, θi, la sur- ou sous-mortalité dans la surface i.

21La distribution a priori du risque relatif θi est une log-normale définie par :

22Avec x1iβ1 + x2iβ2 + ⋯ + xkiβk, une combinaison linéaire de k variables explicatives, ui l’hétérogénéité spatialement corrélée, et vi l’hétérogénéité résiduelle. Chaque paramètre βk ainsi que vi ont une distribution a priori normale :

23L’hétérogénéité spatialement corrélée, ui, est quant à elle distribuée selon un modèle autorégressif CAR normal dont l’espérance ūi , est une estimation pondérée du risque relatif sur les surfaces voisines j [Besag, York et Mollié, 1991] :

24Pour estimer ces effets géographiques, nous avons consciencieusement préparé les données en définissant, pour chaque surface, l’ensemble des territoires voisins. En effet, pour un espace comme la Suisse où les barrières naturelles sont des obstacles physiques, nous ne pouvons pas considérer que deux territoires pourtant frontières mais séparés par une chaîne montagneuse soient adjacents. C’est à l’aide de la carte du territoire des surfaces productives [Office fédéral de la statistique, 2010] qui détermine la contiguïté dans les vallées alpines en fonction des particularités physiques du territoire et des bassins versants que nous avons défini, pour chaque commune et chaque quartier administratif, l’ensemble des territoires adjacents.

25Les modèles ont été estimés par des Markov Chain Monte Carlo (MCMC) avec le programme OpenBUGS12 [Lunn et al., 2009] et la librairie R2OpenBUGS de R [Sturtz, Ligges et Gelman, 2005] ; la préparation des données et toutes les analyses préliminaires ont été effectuées avec le logiciel R [R Core Team, 2017]. Les distributions des hyperpriors (les paramètres des distributions a priori pour τv, τu, τβ) ont systématiquement des variances élevées afin de ne pas orienter les analyses. Les résultats proposés sont de surcroît issus de trois chaînes de Markov ayant des valeurs de départ différentes et ayant convergé vers la distribution a posteriori.

26Cette approche, bien qu’un peu complexe, permet de décomposer la géographie de la mortalité en des composantes contextuelles (exprimées par le niveau socioéconomique et culturel, mesuré par les quotients de localisation), spatiale et résiduelle. Afin de comparer la distribution du risque relatif entre les populations autochtones et étrangères, nous avons défini dans un même modèle ces trois composantes pour les étrangers et pour les Suisses, en spécifiant les effets contextuels des étrangers comme une différence par rapport à ceux des Suisses, nous permettant ainsi de déterminer s’il y a entre ces populations un impact différencié des facteurs sociaux.

27Cette recherche quantitative sur les déterminants environnementaux de la mortalité doit toutefois reconnaître quelques limitations. Tout d’abord les données utilisées suivent une cohorte depuis le recensement de la population de 2000 jusqu’à fin décembre 2008 ou la survenance d’un décès ou d’une émigration. Si les données sont longitudinales, les attributs individuels et géographiques sont figés dans le temps car ils sont tirés du recensement de 2000. Par conséquent, les logiques de mobilité interne et de périurbanisation – et de la sélectivité des populations mobiles qui va avec – n’ont pu être prises en compte dans les analyses. Ensuite, les résultats géographiques sont modélisés en fonction des niveaux de mortalité communs entre un territoire et ses voisins. Lorsque, dans les zones reculées. des surfaces comprennent de petits effectifs, le lissage devient plus effectif et le modèle a tendance à tirer les résultats vers la moyenne. Ainsi les variations géographiques illustrées par les cartes ne sont pas systématiquement différentes de la moyenne et doivent être davantage interprétées pour leur valeur descriptive. Précisons qu’en revanche, les facteurs environnementaux modélisés apportent des informations capitales sur les inégalités de mortalité. Enfin, indiquons encore que nous avons retenu dans cette étude la population en âge d’activité, car les migrants ne sont, aujourd’hui encore, que peu représentées parmi les aînés. L’étude de Lerch, Oris et Wanner [2017] sur la mortalité dans les espaces urbains suisses a démontré des impacts des contextes très différents en comparant les actifs aux personnes âgées.

Résultats

28Les résultats bruts du risque relatif de sur- ou sous-mortalité tel que mesuré entre les prédictions du modèle individuel et les observations sont présentés dans la figure 2. Une très forte variabilité apparaît en particulier parmi les étrangers (Figure 2b) où les petits effectifs mènent nécessairement à des sur- ou sous-représentations. Ainsi, si le modèle individuel prédit 2 décès mais que 3 sont observés dans un quartier, la surmortalité s’élève à 150% alors que si 1 mort seul est observé la sous-mortalité est plutôt de 50%. Mais ces variations dues à l’aléas dans des petites surfaces sont lissées par le modèle que nous avons présentés à la section précédente ; ainsi si ces deux quartiers se situent côte-à-côte, le modèle va faire tendre ces valeurs vers un risque relatif de 1.

Figure 2 : Risques relatifs de mortalité par commune et quartier avant la modélisation. Populations Suisses et étrangères, 2000-2008 (en %)

Figure 2 : Risques relatifs de mortalité par commune et quartier avant la modélisation. Populations Suisses et étrangères, 2000-2008 (en %)

Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010

29C’est sur la figure 3 que sont représentés les résultats des risques relatifs estimés par le modèle. La forte variabilité qui rendait les cartes précédentes difficilement interprétables ont bien été lissées par la modélisation : les nouvelles représentations sont plus homogènes et des régimes régionaux de mortalité se distinguent, bien que des variations à petite échelles demeurent. Ces dernières s’expliquent par des effets de contexte, socioéconomique ou socioculturel, ou encore par des dimensions non prises en compte (hétérogénéité résiduelle). Par ailleurs, nous pouvons relever de nettes différences entre la distribution spatiale des risques relatifs ses étrangers d’une part, des Suisses d’autre part. Cela laisse présager une influence différenciée des variables explicatives.

Figure 3 : Risques relatifs de mortalité par commune et quartier après la modélisation, populations Suisses et étrangères, 2000-2008 (en %)

Figure 3 : Risques relatifs de mortalité par commune et quartier après la modélisation, populations Suisses et étrangères, 2000-2008 (en %)

Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010

30L’analyse montre en effet une influence significative de presque toutes les variables contextuelles prises en compte sur les risques de décès dans les communes et quartiers suisses (voir le tableau 3 qui recense les coefficients). Pour les Suisses, un bas niveau socioéconomique du quartier augmente les risques de décès : une augmentation d’un point du quotient de localisation des travailleurs non qualifiés accroît le risque relatif de décès de 9% (exp(0,084)=1,09). L’influence de l’environnement socioéconomique pour les étrangers ne diffère pas significativement du niveau des Suisses, bien que le coefficient soit légèrement réduit. Concernant le capital social, comme attendu, il est protecteur : plus il y a de bénévoles dans l’environnement proche, plus les risques de décès sont bas. Mais ceci n’est vrai que pour les Suisses. Pour les étrangers, l’effet est divisé par deux (-0,138+0,063=-0,075). Par ailleurs, précisons que dans un modèle qui ne comprendrait que les étrangers, cet effet n’est pas significativement différent de zéro. Enfin, plus il y a d’étrangers dans l’environnement proche, plus les risques de décès des Suisses sont élevés. Pour les étrangers, le résultat va en sens inverse, mais un effet protecteur de « l’entre-soi » ne ressort pas vraiment (0,051-0,087=-0,036) et n’est d’ailleurs pas significatif dans une modélisation qui ne prend en compte que les étrangers. Ces résultats étonnants seront discutés plus loin. Auparavant, nous décomposons l’influence des différentes composantes de l’hétérogénéité géographique de la mortalité.

Tableau 3 : coefficients estimés des variables contextuels, Suisses et étrangers, 2000-2008

Coef. Suisses

Coef. Étrangers

Quotient de localisation travailleurs non qualifiés

0,084

*

-0,006

Quotient de localisation bénévolat

-0,138

*

0,063

*

Quotient de localisation étranger

0,051

*

-0,087

*

Notes : Le coefficient des étrangers indique la différence par rapport à la valeur des Suisses.
Niveau de crédibilité : * < 0,05. Dans le bayésien on ne parle pas de significativité mais de crédibilité puisque les paramètres estimés ont une distribution. On peut être sûr à 95% que la vraie valeur du coefficient n’est pas égale à 0.

Source : OFS/SNC

31L’approche bayésienne utilisée dans cette étude a l’avantage de pouvoir rendre compte des effets géographiques, contextuels et résiduels mesurés par le modèle. La figure 4 illustre l’importance de chacune de ces composantes pour former les risques relatifs totaux. La distribution de la mortalité spatialement corrélés (4a et 4b), qui rend compte de régimes régionaux ou locaux de mortalité, montre des similitudes entre la carte des risques des Suisses et celle des étrangers. Des zones avec une légère surmortalité se retrouvent dans des régions périphériques l’arc Jurassien, au Nord-Est de la Suisse ainsi que dans le bas Valais. Bien que peu prononcée, la surmortalité se retrouve également dans les 3 plus grandes villes de Suisse alémanique, Zurich, Bâle et Berne (mais uniquement pour les Suisses pour cette dernière). L’Engadine (une vallée des Grisons) et le Tessin ont quant à eux des niveaux de mortalité globalement plus faibles qu’attendus. A la différence des Suisses, les étrangers se caractérisent par une forte surmortalité dans le haut Valais.

32L’hétérogénéité expliquée par les variables contextuelles fait apparaître une vaste mosaïque qui exprime la différentiation économique et sociale présentée précédemment. Les risques relatifs sont ici moins extrêmes pour les étrangers que pour les Suisses car, comme déjà indiqué, la grandeur des effets est moins importante pour les premiers et la variabilité spatiale est moindre.

33L’hétérogénéité résiduelle (4e et 4f) apparaît comme marginale sur ces graphiques. Seules certaines communes, certains quartiers se distinguent par un régime de sur- ou sous-mortalité. Cela ne veut pas dire qu’il n’y a pas de différences, mais qu’en raison des faibles effectifs les différences résiduelles ont été lissées par le modèle.

Figure 4 : Décomposition des risques relatifs de mortalité en composantes contextuelles, spatiale et résiduelle Suisses et étrangers, 2000-2008 (en %)

Figure 4 : Décomposition des risques relatifs de mortalité en composantes contextuelles, spatiale et résiduelle Suisses et étrangers, 2000-2008 (en %)

Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010

Discussion et conclusions

34Nos analyses montrent une influence tant de l’espace que des contextes sur les inégalités spatiales de mortalité en Suisse. Des différences apparaissent cependant entre les populations étrangères et les Suisses. Dans les lignes qui suivent nous revenons sur les hypothèses de recherche et discutons des principaux résultats.

35Notre première hypothèse postulait, à la suite des conclusions de Wanner, Fei et Cotter [1997], que les variations géographiques de longévité en Suisse sont minimes si l’on tient compte de la composition, des dimensions contextuelles. Effectivement, nos analyses montrent dans ce cas une faible différenciation dans l’espace : au total, quelque 7,5% de la population (Suisse et étrangère combinée) vit dans une zone où la composante spatiale de la mortalité est 10% supérieure ou inférieure à la moyenne. Cela signifie également que l’environnement économique et social est, après les déterminants individuels, la seconde cause des inégalités de survie observées à travers la Suisse.

36En se focalisant sur les différentiels entre Suisses et étrangers, nous avons pu constater que, contrairement à ce qui était attendu dans notre seconde hypothèse, les facteurs contextuels ont une moindre importance parmi les étrangers que parmi les Suisses, et ce pour tous nos indicateurs. Nous nous attendions en effet à ce que l’environnement économique et social proche joue un rôle déterminant pour les migrants. Or il semble que, comme pour le gradient socioéconomique au niveau individuel [Goldman et al., 2006 ; Zufferey, 2016], l’effet d’une concentration, forte ou faible, des travailleurs sans qualification dans l’espace de vie d’ego, soit plus faible parmi les populations migrantes. L’origine de ce phénomène peut trouver sa source dans des logiques de sélection à l’entrée et à la sortie (les migrants sont sélectionnés parmi la population en bonne santé et les migrants en mauvaise santé tendent à rentrer dans le pays d’origine), qui rendraient l’état de santé de la population étrangère plus homogène et donc moins affectée par les aléas.

37Notre troisième hypothèse suggérait une influence du contexte socioéconomique local sur la mortalité. Si en Suisse, il n’y a pas de véritables concentrations de pauvreté dans des banlieues délaissées, la répartition spatiale des classes sociales n’est pas pour autant neutre. Notre étude montre que malgré une différenciation relativement faible, l’environnement socioéconomique joue un rôle déterminant sur l’état de santé des populations. Ce n’est donc pas uniquement dans des contextes où les inégalités spatiales sont importantes, comme aux Etats-Unis par exemple, qu’on l’on peut observer des différences significatives de longévité.

38Finalement, la dernière hypothèse postulait l’importance du contexte social en argumentant, sur base de recherches antérieures, que le capital social communautaire a un effet protecteur sur la santé. Nous avons retenu les activités bénévoles pour tester la densité des liens sociaux à l’échelle locale. Nos résultats montrent que plus les communautés sont actives socialement, plus les risques de décès sont bas. Mais une nette différence apparaît entre les Suisses et les étrangers : ces derniers ne bénéficient presque pas de la réduction des risques de mortalité associée à cette forme de capital social. Ce résultat est révélateur. Le tissu social, une communauté forte et qui s’entraide, bénéficie aux Suisses mais laisse les étrangers absents de ce schème. Les études sur le bénévolat en Suisse montrent que sa pratique concerne davantage les individus de nationalité suisse [Schön-Bühlmann, 2008], et qu’ainsi les solidarités tendent à être orientée vers la communauté «locale» au sens strict. En d’autres mots, les activités bénévoles sont essentiellement faites par des Suisses pour des Suisses.

39Si les étrangers participent moins à des activités de bénévolat et qu’ils ne bénéficient guère du capital social communautaire qui s’en dégage, d’autres logiques de solidarité peuvent s’exprimer. Dans un article provocateur intitulé « Why not ghettos?», Cattacin [2006] se demande si une ghettoïsation ne serait pas favorable à la régulation et la stabilisation des villes. En considérant l’importance des communautés étrangères à l’échelle locale, nous avons tenté de mesurer si des effets de concentration pouvaient dégager du soutien, donc du capital social, pour les étrangers et ainsi diminuer leurs risques de décès. Les résultats ne sont pas probants ; les impacts sont mineurs pour les étrangers, alors que pour les Suisses, une plus importante densité de la population étrangère augmente significativement les risques de décès. Pour expliquer ce résultat inattendu, quelques pistes de réflexion se situent dans le champ des études politiques. Elles nous ramènent au débat présenté au début de ce papier, sur l’association entre les facteurs environnementaux de la mortalité et de ses inégalités. Leigh [2006] soutient qu’en Australie, la confiance est plus basse dans les communautés hétérogènes ethniquement et linguistiquement. Dans une contribution polémique, Putnam va plus loin en soutenant que la diversité érode le capital social. Selon lui, la confiance interpersonnelle ainsi que les interactions formelles et informelles se disloquent dans les communautés hétérogènes : « diversity, at least in the short run, seems to bring out the turtle in all of us » [Putnam, 2007, p. 151]. Il concède toutefois que sur le long terme, la mixité a des vertus positives pour la société. Cette vision a été passablement critiquée et plusieurs auteurs montrent que c’est avant tout la position socioéconomique du quartier qui influence le capital social, plutôt que la diversité ethnique [Gesthuizen, Van der Meer et Scheepers, 2009 ; Letki, 2008]. Portes et Vickstrom [2011] vont plus loin et montrent que la mixité a une influence négative uniquement lorsqu’elle est accompagnée d’inégalités et de ségrégation spatiale. Les deux caractéristiques sont ainsi éminemment liées, une concentration des étrangers va de pair avec un bas niveau socioéconomique du quartier et s’appréhende ainsi comme un symptôme d’un environnement précaire. La plus haute mortalité des Helvètes dans les secteurs à forte dominante étrangère serait, à cet égard, un révélateur d’inégalités. Les Suisses qui sont les plus vulnérables en raison de la faiblesse de leurs ressources, se retrouvent dans des postures d’isolement et d’exposition aux risques en étant confinés aux quartiers pauvres qui cumulent les pénalités. Ces espaces, en raison de leurs bas loyers, attirent aussi des populations migrantes, mais les individus qui composent ces dernières sont largement sélectionnées du point de leur santé, et donc plus aptes à résister à ces conditions de vie.

40Ceci devrait nous pousser à approfondir les travaux de Portes et Vickstrom [2011] avec des données véritablement longitudinales. Les poches de pauvreté et de concentrations peuvent être accentuées par des phénomènes de déprivisation, une gentrification à l’envers caractérisée par les départs des individus les moins précarisés. Eggerickx et ses collègues [2002] constatent un tel phénomène à Namur où les nationaux et les statuts professionnels élevés ont plus tendances à effectuer une mobilité ascendante et délaisser les quartiers les plus pauvres. Or cette mobilité dans la ville est extrêmement liée avec l’état de santé [Norman, Boyle et Rees, 2005]. Si, en Suisse, la fracture sociale semble peu apparente parce qu’elle concerne des poches de précarité dans les tissus urbains dont les dynamiques ne se laissent que très imparfaitement capturer par une approche transversale. A partir des données de registres de population, qui ont depuis 2010 remplacé les recensements, il sera bientôt possible de tester ces hypothèses dans une approche longitudinale.

Haut de page

Bibliographie

Abraido-Lanza A. F., Dohrenwend B. P., Ng-Mak D. S., Turner Blake, 1999, The Latino mortality paradox: a test of the salmon bias and healthy migrant hypotheses, American Journal of Public Health, 89(10), p. 1543–1548.

Bandura A., 1971, Social learning theory, New York: General learning press.

Bécares L., Nazroo J., Stafford M., 2009, The buffering effects of ethnic density on experienced racism and health, Health & place, 15(3), p. 700–708.

Besag J., York J., Mollié A., 1991, Bayesian image restoration, with two applications in spatial statistics, Annals of the Institute of Statistical Mathematics, 43(1), p. 1–20.

Blakely T., Atkinson J., Ivory V., Collings S., Wilton J., Howden-Chapman P., 2006, No association of neighbourhood volunteerism with mortality in New Zealand: a national multilevel cohort study, International journal of epidemiology, 35(4), p. 981–989.

Bopp M., Spoerri A., Zwahlen M., Gutzwiller F., Paccaud F., Braun-Fahrlaender C., Rougemont A., Egger M., 2009, Cohort Profile: The Swiss National Cohort - a longitudinal study of 6.8 million people, International Journal of Epidemiology, 38(2), p. 379–384.

Cattacin S., 2006, Why not “ghettos”? The governance of migration in the splintering city, Willy Brandt Series of Working Papers in International Migration and Ethnic Relations, 2(6).

Coleman J. S, 1988, Social capital in the creation of human capital, American journal of sociology, p. 95–120.

Deboosere P., Gadeyne S., 2005, La sous-mortalité des immigrés adultes en Belgique: une réalité attestée par les recensements et les registres, Population, 60(5), p. 765–811.

Eggerickx T., Capron C., Hermia J.-P., Oris M., 2002, Démographie et développement durable. Migrations et fractures sociodémographiques en Wallonie, Liège: Laboratoire de Démographie, Université de Liège.

Ellen I. G., Mijanovich T., Dillman K.-N., 2001, Neighborhood effects on health: exploring the links and assessing the evidence, Journal of Urban Affairs, 23(34), p. 391408.

Gesthuizen M., Van der Meer T., Scheepers P., 2009, Ethnic diversity and social capital in Europe: tests of Putnam’s thesis in European countries, Scandinavian Political Studies, 32(2), p. 121–142.

Goldman N., Kimbro R. T, Turra C. M, Pebley A. R, 2006, Socioeconomic gradients in health for white and Mexican-origin populations, American Journal of Public Health, 96(12), p. 2186–2193.

Jougla E., Salem G., Gancel S., Michel V., 2002, Atlas de la mortalité dans l’Union Européenne, Luxembourg: Offices des publications officielles des Communautés européennes.

Kawachi I., 1999, Social capital and community effects on population and individual health, Annals of the New York Academy of Sciences, 896(1), p. 120–130.

Kawachi I., Berkman L., 2000, Social cohesion, social capital, and health, in Berkman Lisa, Kawachi Ichiro (dir.), Social epidemiology, New York: Oxford University Press, p. 174–190.

Kawachi I., Kennedy B. P., Lochner K., Prothrow-Stith D., 1997, Social capital, income inequality, and mortality, American journal of public health, 87(9), p. 1491–1498.

Khlat M., Darmon N., 2003, Is there a Mediterranean migrants mortality paradox in Europe?, International journal of epidemiology, 32(6), p. 1115–1118.

Lawson A. B., 2009, Bayesian disease mapping: hierarchical modeling in spatial epidemiology, Boca Raton: Chapman & Hall.

Leigh A., 2006, Trust, inequality and ethnic heterogeneity, Economic Record, 82(258), p. 268–280.

Lerch M., Oris M., Wanner P., 2017, Periurbanization and the Transformation of the Urban Mortality Gradient in Switzerland, Population, English edition, 72(1), p. 93–122.

Letki N., 2008, Does diversity erode social cohesion? Social capital and race in British neighbourhoods, Political Studies, 56(1), p. 99–126.

Levy R., Joye D., Guye O., Kaufmann V., 1997, Tous égaux?: de la stratification aux représentations, Zurich: Seismo.

Lunn D., Spiegelhalter D., Thomas A., Best N., 2009, The BUGS project: Evolution, critique and future directions, Statistics in medicine, 28(25), p. 3049–3067.

Markides K. S, Coreil J., 1986, The health of Hispanics in the southwestern United States: an epidemiologic paradox, Public health reports, 101(3), p. 253–265.

Marsden P. V., Friedkin N. .E., 1994, Network studies of social influence, in Wasserman Stanley, Galaskiewicz Joseph (dir.), Advances in social network analysis, Thousand Oaks: Sage, p. 3–25.

Meijer M., Röhl J., Bloomfield K., Grittner U., 2012, Do neighborhoods affect individual mortality? A systematic review and meta-analysis of multilevel studies, Social Science & Medicine, 74(8), p. 1204–1212.

Norman P., Boyle P., Rees P., 2005, Selective migration, health and deprivation: a longitudinal analysis, Social science & medicine, 60(12), p. 2755–2771.

Office fédéral de la statistique, 2010, Sets de géométries (ThemaKart): Géométries de base (K4) de la Suisse pour la production de cartes thématiques-statistiques à petite échelle, Neuchâtel: OFS.

Palloni A., Arias E., 2004, Paradox lost: explaining the Hispanic adult mortality advantage, Demography, 41(3), p. 385–415.

Panczak R., Galobardes B., Voorpostel M., Spoerri A., Zwahlen M., Egger M., 2012, A Swiss neighbourhood index of socioeconomic position: development and association with mortality, Journal of epidemiology and community health, 66(12), p. 1129–1136.

Pickett K. E., Pearl M., 2001, Multilevel analyses of neighbourhood socioeconomic context and health outcomes: a critical review, Journal of epidemiology and community health, 55(2), p. 111–122.

Pickett K. E, Wilkinson R. G, 2008, People like us: ethnic group density effects on health, Ethnicity & health, 13(4), p. 321–334.

Portes A., 1999, La mondialisation par le bas, Actes de la recherche en sciences sociales, 129(1), p. 15–25.

Portes A., Vickstrom E., 2011, Diversity, social capital, and cohesion, Annual Review of Sociology, 37, p. 461–479.

Putnam R. D, 2007, E pluribus unum: Diversity and community in the twenty-first century the 2006 Johan Skytte Prize Lecture, Scandinavian political studies, 30(2), p. 137–174.

Puyat J. H., 2012, Is the Influence of Social Support on Mental Health the Same for Immigrants and Non-Immigrants?, Journal of Immigrant and Minority Health, p. 1–8.

R Core Team, 2017, R: A Language and Environment for Statistical Computing, Vienna, R Foundation for Statistical Computing.

Razum O., Zeeb H., Akgun H. S., Yilmaz S., 1998, Low overall mortality of Turkish residents in Germany persists and extends into second generation: merely a healthy migrant effect?, Tropical Medicine and International Health, 3(4), p. 297–303.

Rican S., Jougla E., Salem G., 2003, Inégalités socio-spatiales de mortalité en France, Bulletin Epidemiologique Hebdomadaire, 30‑31, p. 142–145.

Robert S. A., 1999, Socioeconomic position and health: the independent contribution of community socioeconomic context, Annual Review of Sociology, 25, p. 489–516.

Schön-Bühlmann J., 2008, Le travail bénévole en Suisse, Neuchâtel: Office fédéral de la statistique.

Schuler M., Dessemontet P., Joye D., 2005, Les niveaux géographiques de la Suisse: Recensement fédéral de la population 2000, Neuchâtel: Office fédéral de la statistique.

Simich L., Beiser M., Stewart M., Mwakarimba E., 2005, Providing social support for immigrants and refugees in Canada: Challenges and directions, Journal of Immigrant Health, 7(4), p. 259–268.

Sturtz S., Ligges U., Gelman A., 2005, R2WinBUGS: A Package for Running WinBUGS from R, Journal of Statistical Software, 12(3), p. 1–16.

Subramanian S V, 2004, The relevance of multilevel statistical methods for identifying causal neighborhood effects, Social science & medicine, 58(10), p. 1961–1967.

Szreter S., Woolcock M., 2004, Health by association? Social capital, social theory, and the political economy of public health, International Journal of Epidemiology, 33(4), p. 650–667.

Takeuchi D. T., Walton E., Leung M.C., 2010, Race, social contexts, and health, in Bird Chloe E, Conrad Peter, Fremont Allen M (dir.), Handbook of medical sociology, 6e édition, Nashville: Vanderbilt University Press.

Van Kemenade S., Roy J.-F., Bouchard L., 2006, Réseaux sociaux et populations vulnérables: résultats de l’Enquête sociale générale, Bulletin de recherche sur les politiques de santé, 12, p. 16–20.

Wanner P., Fei P., Cotter S., 1997, Mortalité par âge et cause de décès en Suisse: Une analyse des disparités cantonales durant la période 1978/83 à 1988/93, European Journal of Population, 13(4), p. 381–399.

Wanner P., Lerch M., Kohli R., 2012, La géographie de la mortalité en Suisse depuis 1970, Neuchâtel: Office fédéral de la statistique.

Wanner P., Zufferey J., Fioretta J., 2016, The impact of migratory flows on the Swiss labour market. A comparison between in-and outflows, Migration Letters, 13(3), p. 411426.

Zufferey J., 2016, Investigating the migrant mortality advantage at the intersections of social stratification in Switzerland: The role of vulnerability, Demographic Research, 34, p. 899–926.

Zufferey J., 2017, Pourquoi les migrants vivent-ils plus longtemps? Les inégalités face à la mort en Suisse (1990-2008), Bern, Peter Lang.

Haut de page

Notes

1 Voir notamment Markides et Coreil [1986] pour les communautés hispaniques aux États-Unis, Khlat et Darmon [2003] pour les migrants du pourtour de la méditerranée en Europe, Razum et al. [1998] pour les Turcs en Allemagne ou encore Deboosere et Gadeyne [2005] pour la Belgique.

2 Les cadres théorique et analytique de cette étude sont partiellement tirés de la thèse de doctorat de Zufferey [2017] mais l’article et les résultats présentés sont originaux.

3 Les statistiques suisses ne permettent pas, avant 2010, de déterminer individuellement les émigrations des nationaux.

Haut de page

Table des illustrations

Titre Figure 1 : Proportion d’étrangers dans les communes et quartiers suisses, 2000 (en %)
Crédits Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010
URL http://journals.openedition.org/eps/docannexe/image/7576/img-1.jpg
Fichier image/jpeg, 488k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-2.png
Fichier image/png, 6,0k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-3.png
Fichier image/png, 8,6k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-4.png
Fichier image/png, 8,4k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-5.png
Fichier image/png, 9,0k
Titre Figure 2 : Risques relatifs de mortalité par commune et quartier avant la modélisation. Populations Suisses et étrangères, 2000-2008 (en %)
URL http://journals.openedition.org/eps/docannexe/image/7576/img-6.jpg
Fichier image/jpeg, 560k
Crédits Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010
URL http://journals.openedition.org/eps/docannexe/image/7576/img-7.jpg
Fichier image/jpeg, 536k
Titre Figure 3 : Risques relatifs de mortalité par commune et quartier après la modélisation, populations Suisses et étrangères, 2000-2008 (en %)
URL http://journals.openedition.org/eps/docannexe/image/7576/img-8.jpg
Fichier image/jpeg, 460k
Crédits Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010
URL http://journals.openedition.org/eps/docannexe/image/7576/img-9.jpg
Fichier image/jpeg, 392k
Titre Figure 4 : Décomposition des risques relatifs de mortalité en composantes contextuelles, spatiale et résiduelle Suisses et étrangers, 2000-2008 (en %)
URL http://journals.openedition.org/eps/docannexe/image/7576/img-10.jpg
Fichier image/jpeg, 352k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-11.jpg
Fichier image/jpeg, 340k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-12.jpg
Fichier image/jpeg, 468k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-13.jpg
Fichier image/jpeg, 412k
URL http://journals.openedition.org/eps/docannexe/image/7576/img-14.jpg
Fichier image/jpeg, 316k
Crédits Source : OFS/SNC ; Fond de carte : OFS ThemaKart 2010
URL http://journals.openedition.org/eps/docannexe/image/7576/img-15.jpg
Fichier image/jpeg, 308k
Haut de page

Pour citer cet article

Référence électronique

Jonathan Zufferey et Michel Oris, « Inégalités spatiales de mortalité en Suisse : l’influence des contextes sur les différentiels entre natifs et migrants », Espace populations sociétés [En ligne], 2018/1-2 | 2018, mis en ligne le 22 juin 2018, consulté le 19 juillet 2018. URL : http://journals.openedition.org/eps/7576 ; DOI : 10.4000/eps.7576

Haut de page

Auteurs

Jonathan Zufferey

Université de Genève, Institut de démographie et socioéconomie, NCCR « On the Move », jonathan.zufferey@unige.ch

Michel Oris

Université de Genève, centre interfacultaire de gérontologie et d’études des vulnérabilités, NCCR « LIVES », michel.oris@unige.ch

Haut de page

Droits d’auteur

Licence Creative Commons
Espace Populations Sociétés est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.

Haut de page
  • Logo Université de Lille 1 - Sciences et technologies
  • Logo CNRS - Institut des sciences humaines et sociales
  • OpenEdition Journals