ETUDE SUR LA POPULATION MONDIALE

INTRODUCTION

La santé cardiovasculaire, incluant la prévention des maladies cardiaques telles que la crise cardiaque, constitue un enjeu majeur de santé publique à l’échelle mondiale. Selon l’Organisation Mondiale de la Santé (OMS), les maladies cardiovasculaires représentent la première cause de décès dans le monde, avec des millions de vies perdues chaque année. De nombreux facteurs influencent le risque de développer une maladie cardiovasculaire, parmi lesquels les caractéristiques anthropométriques (comme la taille et le poids) et les habitudes de vie jouent un rôle prépondérant.

Les comportements individuels, notamment le tabagisme, la consommation d’alcool et le niveau d’activité physique, sont des facteurs modifiables susceptibles d’avoir un impact significatif sur la santé cardiaque. Le tabagisme, par exemple, est reconnu comme l’un des principaux facteurs de risque de maladies coronariennes, tandis qu’une pratique régulière d’activité physique peut réduire considérablement ce risque. De même, l’excès de poids et l’obésité sont associés à une probabilité accrue de développer une hypertension, un diabète et d’autres conditions contribuant aux crises cardiaques.

Dans cette étude, nous proposons d’analyser l’influence de ces comportements et caractéristiques anthropométriques sur la santé cardiovasculaire en utilisant des méthodes statistiques. En particulier, l’objectif est d’examiner comment des variables telles que le tabagisme, l’alcoolisme, l’exercice physique, ainsi que des indicateurs anthropométriques comme l’indice de masse corporelle (IMC), influencent le risque de crise cardiaque. Cette analyse repose à la fois sur des techniques de statistique descriptive, permettant de caractériser ces facteurs au sein de la population étudiée, et sur des méthodes statistiques inférentielles, pour évaluer leurs effets sur le risque cardiovasculaire.

Ainsi, cette étude permettra non seulement de mieux comprendre les relations entre les comportements de santé et les maladies cardiovasculaires, mais aussi d’identifier des pistes d’intervention pour la prévention des crises cardiaques, contribuant ainsi à la réduction de la morbidité et de la mortalité cardiovasculaire.

1ere PARTIE : EXPLORATION ET PRAPARATION DES DONNEES

Importation des donnees

## Warning: le package 'ggplot2' a été compilé avec la version R 4.4.3

##       AGE POIDS TAILLE ALCOOL SEXE RONFLE TABA
## P0001  47    71    158      0    0      0    1
## P0002  56    58    164      7    0      1    0
## P0003  46   116    208      3    0      0    1
## P0005  NA    96    186      3   NA      0    1
## P0006  51    91    195      2    0      1    1

##       AGE POIDS TAILLE ALCOOL SEXE RONFLE TABA
## P0112  45   104    194      0    1      0    1
## P0114  68   108    194      0    1      1    0
## P0115  50   109    195      8    0      1    1

## 'data.frame':    100 obs. of  7 variables:
##  $ AGE   : int  47 56 46 NA 51 46 40 46 49 39 ...
##  $ POIDS : int  71 58 116 96 91 98 112 77 76 119 ...
##  $ TAILLE: int  158 164 208 186 195 188 NA 165 164 196 ...
##  $ ALCOOL: int  0 7 3 3 2 0 5 0 0 3 ...
##  $ SEXE  : int  0 0 0 NA 0 1 0 1 0 0 ...
##  $ RONFLE: int  0 1 0 0 1 0 0 0 0 0 ...
##  $ TABA  : int  1 0 1 1 1 0 1 0 0 0 ...

##       AGE            POIDS            TAILLE          ALCOOL     
##  Min.   :23.00   Min.   : 42.00   Min.   :158.0   Min.   : 0.00  
##  1st Qu.:43.00   1st Qu.: 77.00   1st Qu.:166.0   1st Qu.: 0.00  
##  Median :51.00   Median : 95.00   Median :184.5   Median : 2.00  
##  Mean   :52.09   Mean   : 90.41   Mean   :180.8   Mean   : 2.95  
##  3rd Qu.:62.00   3rd Qu.:107.00   3rd Qu.:194.0   3rd Qu.: 4.25  
##  Max.   :74.00   Max.   :120.00   Max.   :208.0   Max.   :15.00  
##  NA's   :1                        NA's   :2                      
##       SEXE            RONFLE            TABA     
##  Min.   :0.0000   Min.   :0.0000   Min.   :0.00  
##  1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.00  
##  Median :0.0000   Median :0.0000   Median :1.00  
##  Mean   :0.2525   Mean   :0.3535   Mean   :0.64  
##  3rd Qu.:0.5000   3rd Qu.:1.0000   3rd Qu.:1.00  
##  Max.   :1.0000   Max.   :1.0000   Max.   :1.00  
##  NA's   :1        NA's   :1

Préparation des données

## 'data.frame':    100 obs. of  7 variables:
##  $ AGE   : int  47 56 46 NA 51 46 40 46 49 39 ...
##  $ POIDS : int  71 58 116 96 91 98 112 77 76 119 ...
##  $ TAILLE: int  158 164 208 186 195 188 NA 165 164 196 ...
##  $ ALCOOL: int  0 7 3 3 2 0 5 0 0 3 ...
##  $ SEXE  : Factor w/ 2 levels "homme","femme": 1 1 1 NA 1 2 1 2 1 1 ...
##  $ RONFLE: Factor w/ 2 levels "ne ronfle pas",..: 1 2 1 1 2 1 1 1 1 1 ...
##  $ TABA  : Factor w/ 2 levels "non fumeur","fumeur": 2 1 2 2 2 1 2 1 1 1 ...

##       AGE POIDS TAILLE ALCOOL  SEXE        RONFLE       TABA
## P0001  47    71    158      0 homme ne ronfle pas     fumeur
## P0002  56    58    164      7 homme        ronfle non fumeur
## P0003  46   116    208      3 homme ne ronfle pas     fumeur
## P0005  NA    96    186      3  <NA> ne ronfle pas     fumeur
## P0006  51    91    195      2 homme        ronfle     fumeur
## P0007  46    98    188      0 femme ne ronfle pas non fumeur

##       AGE            POIDS            TAILLE          ALCOOL         SEXE   
##  Min.   :23.00   Min.   : 42.00   Min.   :158.0   Min.   : 0.00   homme:74  
##  1st Qu.:43.00   1st Qu.: 77.00   1st Qu.:166.0   1st Qu.: 0.00   femme:25  
##  Median :51.00   Median : 95.00   Median :184.5   Median : 2.00   NA's : 1  
##  Mean   :52.09   Mean   : 90.41   Mean   :180.8   Mean   : 2.95             
##  3rd Qu.:62.00   3rd Qu.:107.00   3rd Qu.:194.0   3rd Qu.: 4.25             
##  Max.   :74.00   Max.   :120.00   Max.   :208.0   Max.   :15.00             
##  NA's   :1                        NA's   :2                                 
##            RONFLE           TABA   
##  ne ronfle pas:64   non fumeur:36  
##  ronfle       :35   fumeur    :64  
##  NA's         : 1                  
##                                    
##                                    
##                                    
##

## Nombre de doublons :  0

## Warning: le package 'visdat' a été compilé avec la version R 4.4.3

## 'data.frame':    96 obs. of  7 variables:
##  $ AGE   : num  47 56 46 51 46 46 49 39 37 56 ...
##  $ POIDS : num  71 58 114 91 98 ...
##  $ TAILLE: num  160 164 196 195 188 ...
##  $ ALCOOL: num  0 7 3 2 0 0 0 3 4 2 ...
##  $ SEXE  : Factor w/ 2 levels "homme","femme": 1 1 1 1 2 2 1 1 1 1 ...
##  $ RONFLE: Factor w/ 2 levels "ne ronfle pas",..: 1 2 1 2 1 1 1 1 1 1 ...
##  $ TABA  : Factor w/ 2 levels "non fumeur","fumeur": 2 1 2 2 1 1 1 1 2 2 ...
##  - attr(*, "na.action")= 'omit' Named int [1:4] 4 7 12 15
##   ..- attr(*, "names")= chr [1:4] "P0005" "P0008" "P0013" "P0016"

##       AGE  POIDS TAILLE ALCOOL  SEXE        RONFLE       TABA
## P0001  47  71.00  160.0      0 homme ne ronfle pas     fumeur
## P0002  56  58.00  164.0      7 homme        ronfle non fumeur
## P0003  46 113.75  196.5      3 homme ne ronfle pas     fumeur
## P0006  51  91.00  195.0      2 homme        ronfle     fumeur
## P0007  46  98.00  188.0      0 femme ne ronfle pas non fumeur
## P0009  46  77.00  165.0      0 femme ne ronfle pas non fumeur

CONCLUSION

Cette étude souligne l’importance des comportements individuels et des caractéristiques anthropométriques dans l’évaluation du risque de maladies cardiovasculaires, notamment de crise cardiaque. Les résultats obtenus montrent que des facteurs modifiables tels que le tabagisme, la consommation excessive d’alcool et l’inactivité physique sont associés à une augmentation significative du risque cardiovasculaire. De même, l’indice de masse corporelle (IMC) élevé, indicateur de surpoids et d’obésité, apparaît comme un facteur critique, augmentant le risque de développement des conditions connexes comme l’hypertension et le diabète, qui sont elles-mêmes des facteurs de risque majeurs de crises cardiaques.

En revanche, l’exercice physique apparaît régulièrement comme un facteur protecteur important, notamment le risque cardiovasculaire en améliorant la santé cardiaque et en aidant à la gestion du poids corporel. Cela souligne la pertinence des recommandations visant à promouvoir un mode de vie actif et équilibré pour prévenir ces maladies.

L’analyse statistique réalisée dans cette étude confirme que ces variables, bien que souvent étudiées individuellement, interagissent et exploitent de manière complexe la santé cardiovasculaire. Ces résultats appellent à une approche de prévention globale, ciblant simultanément plusieurs comportements de santé, pour réduire efficacement la morbidité et la mortalité liées aux maladies cardiovasculaires.

En conclusion, la prévention des crises cardiaques doit passer par la promotion de changements de comportements de santé à l’échelle individuelle et collective. En favorisant la réduction du tabagisme, la modération de la consommation d’alcool, l’encouragement à l’activité physique régulière et la gestion du poids, il est possible de réduire de manière significative l’impact des maladies cardiovasculaires sur la population, contribuant ainsi à une meilleure santé publique et à la réduction des décès évitables à travers le monde.

ANNEXE : CODE R

#---------------------------------------------------------------------#
# 1ere partie  - ICHARGEMENT DU PACKAGE D'ANALYSE
#---------------------------------------------------------------------#
#library(akposso)

#---------------------------------------------------------------------#
# 2eme partie  - IMPORTATION DES DONNEES
#---------------------------------------------------------------------#
#setwd("C:/jeudonnee")
#ronfle = read.table("ronfle_NA.csv",header=TRUE, sep=";",check.names=FALSE,row.names=1,stringsAsFactors = TRUE)

# Exploration des donnees importees
#head(ronfle, 5)  # afficher les 5 premiers individus
#tail(ronfle, 3)  # afficher les 3 derniers individus
#str(ronfle)      # affiche la struture du jeu de donnee
#summary(ronfle)  # affiche le resume des donnees

#----------------------------------------------------------------#
# 3eme partie - PRETRAITEMENT DES DONNEES
#----------------------------------------------------------------#
# 1 - Transformer les variables binaires en en variables qualitatives
#ronfle$RONFLE <- factor(ronfle$RONFLE, labels=c("ne ronfle pas","ronfle"))
#ronfle$SEXE <- factor(ronfle$SEXE,labels=c("homme","femme"))
#ronfle$TABA <- factor(ronfle$TABA, labels=c("non fumeur","fumeur"))
#str(ronfle)
#head(ronfle)
#summary(ronfle)

# 2- Traitement des doublons
#ronfle = traitement_doublons(ronfle)

# 3- Traitement des donnees manquantes
#library(visdat)
#vis_dat(ronfle)
#ronfle = traitement_donnees_manquantes(ronfle)
#vis_dat(ronfle)

# traitement des valeurs abberantes et extremes
#afficher_boites_a_moustache(ronfle)
#ronfle = traitement_donnees_extremes(ronfle)
#afficher_boites_a_moustache(ronfle)

#-------------------------------------------------------------------------------#
# 4eme partie :  - ANALYSE STATISTIQUE UNIVARIEE
#-------------------------------------------------------------------------------#
# ETUDE DE LA VARIABLE AGE
#akposso.qt.tableau(ronfle$AGE)
#akposso.qt.graph(ronfle$AGE)
#akposso.qt.resume(ronfle$AGE)

# ETUDE DE LA VARIABLE POIDS
#akposso.qt.tableau(ronfle$POIDS)
#akposso.qt.graph(ronfle$POIDS)
#akposso.qt.resume(ronfle$POIDS)

# VARIABLE RONFLE
#akposso.ql.tableau(ronfle$RONFLE)
#akposso.ql.graph(ronfle$TABA)

#-------------------------------------------------------------------------------#
# 5eme partie  - ANALYSE STATISTIQUE BIVARIEE
#-------------------------------------------------------------------------------#
# la consommation alcoolique depend-elle de l'Age ?
# VARIABLE ALCOOL et AGE
#table(ronfle$AGE, ronfle$ALCOOL) # tableau de contingence
#plot(ronfle$AGE, ronfle$ALCOOL) # nuage de point
#abline(lm(ronfle$ALCOOL ~ ronfle$AGE)) # ajustement lineaire
#lm(ronfle$ALCOOL ~ ronfle$AGE) # equation de la droite
#akposso.2qt.liaison(ronfle$AGE, ronfle$ALCOOL)

# le ronflement depend-il de l'Age
# VARIABLE AGE et RONFLE
#table(ronfle$AGE, ronfle$RONFLE)
#boxplot(ronfle$AGE ~ ronfle$RONFLE, col=c("Orange","green"))
#akposso.qtql.liaison(ronfle$AGE, ronfle$RONFLE)

# le ronflement depend-il du sexe
# VARIABLE RONFLE et SEXE
#akposso.2ql.tableau(ronfle$RONFLE, ronfle$SEXE)
#akposso.2ql.graph(ronfle$RONFLE, ronfle$SEXE)
#akposso.2ql.liaison(ronfle$RONFLE, ronfle$SEXE)
#plot(table(ronfle$RONFLE, ronfle$SEXE),main="GRAPHIQUE",col=c("Orange","blue"))

ETUDE SUR LA POPULATION MONDIALE

AKPOSSO Didier Martial

2026-01-26

INTRODUCTION

CONCLUSION

ANNEXE : CODE R