Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?

Comment améliorer les prochaines
couvertures vaccinales auprès des adultes
français ?
Une approche Bayésienne hiérarchique pour connaître les
attributs déterminants dans la décision de vaccination des
patients
Mémoire de stage/ de recherche
Présenté par : Florian Jolivet
Nom de l’entreprise : Sanofi Pasteur MSD
Tuteur entreprise : Kati Lukas
Tuteur universitaire : Marianela Fornerino
Master 2 Marketing spécialité Le Quanti, métier des
études marketing
2013 - 2014

Avertissement :
L’IAE de Grenoble, au sein de l’Université Pierre-Mendès-France, n’entend donner
aucune approbation ni improbation aux opinions émises dans les mémoires des candidats
aux masters en alternance : ces opinions doivent être considérées comme propres à leur
auteur.
Tenant compte de la confidentialité des informations ayant trait à telle ou telle
entreprise, une éventuelle diffusion relève de la seule responsabilité de l’auteur et ne peut
être faite sans son accord.

Nom et prénom de l’étudiant(e) : JOLIVET Florian
Master 2 Marketing, spécialité : Le Quanti, métiers des études en marketing année 2013/2014
Enseignant-tuteur : Marianela Fornerino
Entreprise d’accueil : Sanofi Pasteur MSD dates : 07 avril 2014 au 30 septembre 2014
Tuteur entreprise : Kati Lukas

Notes de synthèse
Résumé
L'objectif de ce travail est de déterminer quels sont les facteurs les plus influents lorsque le patient choisit de
se faire vacciner ou non afin d'optimiser les prochaines couvertures vaccinales. Suite à une analyse conjointe
par mesure de choix discret avec une approche bayésienne hiérarchique (HB) construite sur le Health Belief
Model, les résultats suggèrent l'existence de 4 segments parmi la patientèle interrogée. Les patients dits
confiants décident de se faire vacciner en se reposant principalement sur la gravité de la maladie et leur
tolérance au vaccin. Pour le segment le plus important, composé par des patients dits bien-être qui cherchent
à conserver leur qualité de vie, la décision de vaccination reposera alors principalement sur la vulnérabilité à la
maladie et la présence d'effets indésirables graves du vaccin. Le troisième groupe qui se caractérise par une
plus forte présence masculine, aura une décision qui repose là aussi principalement sur la gravité de la maladie.
Le risque potentiel d'effets indésirables graves n'aura pas ou peu d'impact sur leur choix. Enfin le dernier
groupe est composé de patients dits disciplinés qui ne se posent pas beaucoup de questions. Leur décision
repose pour l'essentiel sur la recommandation de leur médecin traitant et celle de la politique publique de
santé mise en place par le gouvernement. Ceci permet en conclusion de donner des pistes de développement
de vaccins afin d'offrir des produits plus susceptibles de se diffuser, mais aussi des actions marketing à mener
pour encourager les patients à se faire vacciner et ainsi optimiser les couvertures vaccinales des prochains
vaccins.
Mots-clés
Vaccination ; analyse conjointe ; bayésien hiérarchique ; patients ; Modèle Croyance Santé ; couverture
vaccinale

Abstract
The objective of this research is to determine what are the most influencing factors on patient's willingness to
be vaccinated in order to optimize the next vaccine coverage rate. Based on Health Belief Model, a Choice
Based Conjoint with a hierarchical Bayes (HB) approach has been used to express the heterogeneity of the
respondents. The results suggest 4 segments of interviewed patients. 'Confident' (so-called) patients mainly
base their decision on the disease' severity and their tolerance to the vaccine. For the biggest segment,
composed of patients who are focused on their quality of life, the most important factors are the vulnerability
to disease and serious side effects of the vaccine. The third group, which is distinguished by a strong male
proportion, will take a decision that is also based on disease severity but the potential risk of serious adverse
effects would have small impact on the final choice. Composing by people who do not ask themselves many
existential questions, the last group based their decision essentially on their GP's recommendation and on the
Government guideline. This research enables to have clues of development of vaccines in order to provide
products which are more likely to be spread, and to carry-out adequate marketing actions to stimulate patients
and in this way to optimize the coverage rates of future vaccines.
Key words
Vaccination ; conjoint analysis ; hierarchical Bayes ; patient ; Health Belief Model ; vaccine coverage rate

Remerciements
Je tiens tout d'abord à remercier Mme Kati Lukas, le service Market Intelligence sous la houlette de Mme
Christel Melinand et plus globalement le laboratoire Sanofi Pasteur MSD pour m'avoir donné l'opportunité de
faire ce stage en son sein. Stage qui a pu se passer dans les meilleures conditions grâce à l'entente cordiale au
sein du service, ainsi que l'ouverture offerte par l'ensemble des personnes avec qui j'ai pu travailler. Pour cela
je les remercie tous.
Je remercie aussi tout particulièrement Mme Marianela Fornerino qui a su m'aiguiller lorsque j'avais des
questions. Je remercie également Mme Agnès Helme-Guizon, responsable de mon master M2 Marketing
Quantitatif pour nous permettre d'avoir toutes les clés nécessaires à une première insertion professionnelle
dans les études marketing, et pour nous faire profiter d'un réseau de professionnels afin de trouver son stage.
Je remercie également l'IAE de Grenoble et son service de stage.
J'ai bien entendu une pensée particulière pour toutes les personnes qui ont accepté de répondre à mon
questionnaire, ainsi qu'à celles qui ont contribué à son partage.

Sommaire
Introduction.................................................................................................................................1
La vaccination ..............................................................................................................................2
Principes de la vaccination................................................................................................. 2
La vaccination et ses origines........................................................................................... 2
La vaccination, sa définition, son action.............................................................................. 2
Les vaccins, quels types ? ............................................................................................... 3
Economie : quelle place pour la vaccination ? .......................................................................... 3
Rapport coûts / bénéfices .............................................................................................. 3
Industrie du vaccin et son marché..................................................................................... 6
Evolution de la vaccination dans les pays développés.................................................................. 9
Mauvaise presse .......................................................................................................... 9
Changement de cible ...................................................................................................11
En quête de la couverture vaccinale.....................................................................................12
Sa définition..............................................................................................................12
Son calcul dans la modélisation épidémiologique..................................................................12
Comment l’optimiser ? ................................................................................................12
Comportement à l’égard de la vaccination................................................................................13
Modèles sociocognitifs et cognitifs adaptés aux comportements des gens en santé..............................13
Théories applicables ....................................................................................................13
Health Belief Model ....................................................................................................15
Health Belief Model appliqués à la vaccination ........................................................................16
Patients ...................................................................................................................16
Médecins .................................................................................................................17
Médias ....................................................................................................................17
Interactions entre les acteurs..........................................................................................17
Objectifs & hypothèses de recherche ........................................................................................18

Objectifs de ce mémoire.................................................................................................. 18
Hypothèses de recherche ................................................................................................. 19
Méthodologie.............................................................................................................................20
Analyse conjointe .......................................................................................................... 20
L'analyse conjointe par classement ou notation.................................................................... 21
L'analyse conjointe par mesure de choix discret................................................................... 22
Conditions d'applications................................................................................................. 26
Etapes de l'analyse conjointe par mesure de choix discret .......................................................... 27
Définition des attributs et modalités ................................................................................ 27
Choix du plan d'expérience........................................................................................... 32
Recueil des données.................................................................................................... 35
Méthodes d'analyse..................................................................................................... 37
Résultats .....................................................................................................................................41
Administration du questionnaire ........................................................................................ 41
Respect des conditions d’applications .................................................................................. 41
Monotonicité............................................................................................................ 41
Stabilité et transitivité.................................................................................................. 42
Préférences lexicographiques......................................................................................... 42
Pertinence des réponses ............................................................................................... 43
Population................................................................................................................... 43
Facteurs déterminants dans la décision de se faire vacciner ......................................................... 44
Spécificités de la méthode d’analyse................................................................................. 44
Description de la distribution des utilités partielles............................................................... 44
Classification et description........................................................................................... 46
Discussion...................................................................................................................................58
Validité de l'étude.......................................................................................................... 58
Validité interne ......................................................................................................... 58
Validité externe......................................................................................................... 60
Vérification des hypothèses de recherche .............................................................................. 60

Recommandations managériales .........................................................................................62
Limites ........................................................................................................................................65
Représentativité de l'échantillon.........................................................................................65
Validité externe.............................................................................................................65
Outils informatiques utilisés..............................................................................................65
Définition du plan d'expérience ......................................................................................65
Administration du questionnaire .....................................................................................66
Voies de recherche.....................................................................................................................66
Une segmentation plus riche .............................................................................................66
Un outil de simulation avec un modèle complet patient-prescripteur.............................................67
Echantillon représentatif...............................................................................................67
Plus d'attributs évalués.................................................................................................67
Etude similaire auprès de médecins..................................................................................69
Bibliographie..............................................................................................................................70
Annexes......................................................................................................................................77
Annexe 1 – Benchmark des tarifs de vaccination pour une seule injection .......................................77
Annexe 2 – Benchmark des efficacités de vaccins existants (liste non exhaustive) [25].........................78
Annexe 3 – Ensemble des paires présentées au cours de l'exercice de choix.....................................79
Annexe 4 – Graphiques des résultats des variables sociodémographiques des 67 répondants retenus .......82
Annexe 5 – Infographie réalisée pour partage des résultats auprès des répondants .............................84

Sommaire des tableaux
Tableau 1 - Elaboration du méta-attribut type de maladie et effets indésirables graves du vaccin ............... 30
Tableau 2 - Elaboration du méta-attribut inscription au calendrier vaccinal et coût encore à charge du patient
................................................................................................................................... 31
Tableau 3 - Attributs et modalités retenus pour l'étude ................................................................ 32
Tableau 4 - Plan factoriel fractionné suite procédure Orthoplan du logiciel SPSS.................................. 33
Tableau 5 - Matrice de corrélation entre les attributs des profils composant les paires de comparaison........ 35
Tableau 6 - Résultats du test de Kolomogorov-Smirnov sur la distribution des utilités partielles individuelles
par rapport à une distribution d'une loi Normale ........................................................................ 45
Tableau 7 - Résultats des tests de Kruskal-Wallis selon les classes définies suite à la CAH ....................... 47
Tableau 8 - Répartition des individus parmi les groupes................................................................ 47
Tableau 9 - Description résumée des 4 classes ........................................................................... 57
Tableau 10 - Résultats de validité interne de cette recherche en comparaison à ceux observés dans la
Littérature...................................................................................................................... 59
Tableau 11 - Coefficients d'ajustement du modèle ...................................................................... 59
Tableau 12 - Tableau récapitulatif de vérification des hypothèses de recherche .................................... 60
Tableau 13 - Croyances du Health Belief Model les plus importantes dans leur décision de vaccination selon
chaque groupe de patient .................................................................................................... 61
Tableau 14 - Principales recommandations managériales par segments de patients................................ 63

Sommaire des figures
Figure 1 - Les 10 principales causes de mortalité dans le monde [77].................................................. 4
Figure 2 - Les principales maladies infectieuses en France [58] ......................................................... 5
Figure 3 - Ratio des dépenses en Recherche & Développement au PIB aux Etats-Unis (1953-2000) en %...... 7
Figure 4 - Parts de marché des principaux acteurs de l'industrie du vaccin en 2013................................. 8
Figure 5 - Top 20 des ventes de vaccins dans le monde en million de dollars (S1 2012) ........................... 9
Figure 6 - Evolution du nombre de personnes de plus de 60 ans en France entre 1970 et 2014 (en milliers de
personnes) ......................................................................................................................11
Figure 7 - Prévisions de chiffre d'affaires entre 2007 et 2017 pour le marché Adultes et Adolescents en Europe
....................................................................................................................................11
Figure 8 - Modèle de la théorie de l'action raisonnée [75] ..............................................................14
Figure 9 - Modèle de la théorie du comportement planifié [75] .......................................................14
Figure 10 - Health Belief Model amélioré [75]............................................................................15
Figure 11 - Nombre de placements médias et de vaccination grippe par semaine [64].............................18
Figure 12 - Schéma des distances euclidiennes et de Manhattan .......................................................40
Figure 13 - Proportion des attributs jugés les plus importants par les répondants..................................42
Figure 14 - Représentation graphique de la distribution des utilités partielles individuelles avec illustration
d'une loi Normale correspondant ...........................................................................................45
Figure 15 - Version raccourci de la chaîne des agrégations .............................................................46
Figure 16 - Utilités partielles estimées selon les groupes issus de la CAH............................................48
Figure 17 - Récapitulatif des résultats du test de Kruskal-Wallis sur les variables sociodémographiques et les
variables d'opinions/expériences de la vaccination ......................................................................55
Figure 18 - Histogramme des importances relatives des attributs selon chaque groupe ...........................56

Florian Jolivet – Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?
1
Introduction
L'industrie du vaccin, petit poucet de la grande industrie pharmaceutique, s'attire de plus en plus les intérêts
des grands laboratoires due à sa croissance de ces dernières années. Plus particulièrement les années 2000 ont
été marquées par une croissance à deux chiffres chaque année. Cette croissance devrait d'ailleurs perdurer car
les prévisions réalisées sur les 10 prochaines sont plutôt optimistes. Ceci s'explique notamment par une
évolution du marché. De par une simple lecture démographique, on s'aperçoit que de plus en plus de
personnes vivent sur notre planète et cette augmentation se fait particulièrement dans des pays dits en voie de
développement qui peuvent être concernées par certaines infections tropicales. Ces pays bien que ne disposant
pas de fonds nécessaires actuellement pour subventionner des politiques publiques de vaccination pourront
peut-être le faire à l'avenir. Une autre tendance démographique est le vieillissement de la population, et ceci
plus particulièrement dans les pays développés. Ce vieillissement entraîne de surcroît de nouveaux problèmes
de santé à traiter, et conséquemment l'une des voies de développement de l'industrie de vaccins est la
vaccination auprès des adultes. C'est ce cas auquel on assiste en France. La France est d'ailleurs l'un des pays
porteurs de la vaccination avec 2 centres de production et 3 centres de recherche & développement. Pour
autant c'est aussi le pays où le gouvernement rencontre le plus de difficultés à atteindre les couvertures
vaccinales fixées en objectifs. Ce "désamour" du vaccin par les français peut être expliqué par les différentes
controverses de ces dernières années comme celle du vaccin contre l'hépatite B, ou celui contre la grippe
H1N1. La France conserve pour autant une population riche, qui est vieillissante, ce qui tout naturellement en
ferait un pays prioritaire pour le développement de l'industrie du vaccin. C'est pourquoi dans ce mémoire je
me suis intéressé à chercher des potentielles solutions afin d'avoir une approche efficiente en France pour le
lancement de prochains nouveaux vaccins. Ma problématique est donc :
"Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?"
Afin de répondre à cette problématique, dans un premier temps une revue de Littérature sur la vaccination,
ainsi que les modèles psychologiques de décision en matière de santé a été réalisée. Celle-ci a permis de
développer une étude dont l'analyse reposera sur une analyse conjointe par mesure de choix discret avec une
approche hiérarchique bayésienne. Ceci permettra une analyse individuelle afin de segmenter la population et
fournir des recommandations pour chaque segment sur les potentielles pistes de développement ou les actions
marketing à mener. Cette démarche se rend intéressante par la nouveauté de partir du point de vue du
consommateur-patient dont l'avis est souvent occulté en considérant qu'il ne fera que suivre l'avis de son
médecin traitant.

2
La vaccination
Principes de la vaccination
La vaccination et ses origines
Quand on parle des origines de la vaccination aujourd’hui, les personnes ont le plus souvent en tête Louis
Pasteur avec son vaccin contre la rage en 1885, mais il faut savoir que les prémices de la vaccination sont
encore plus lointaines. Edward Jenner au 18e
siècle fit les premiers pas de la vaccination (au sens où on
l’entend aujourd’hui) en partant d’une simple observation. Il remarqua que des fermiers vivant au contact de
bovins qui avaient une maladie similaire à la variole, la vaccine (le nom étant un dérivé de vacca, qui veut dire
vache en latin), ne souffraient pas de la maladie. Sa méthode consista à retirer les vésicules se trouvant sur la
peau des bovins pour les injecter en solution à des humains.
Cependant, comme je l’ai écrit précédemment, il faudra attendre les travaux de Pasteur pour établir
véritablement les bases de la vaccination moderne. En effet c’est lui qui a réussi à déterminer comment
atténuer la pathogénicité d’un micro-organisme responsable d’une maladie par diverses techniques dont la
chaleur. L’idée qui se cache derrière est celle qui fonde la vaccination à savoir protéger un individu contre une
maladie spécifique sans qu’il soit malade de cette même maladie. Louis Pasteur en hommage à Edward Jenner
a donc inventé ce terme de vaccins, que nous utilisons toujours aujourd’hui. [33]
La vaccination, sa définition, son action
La définition fournie par le dictionnaire médical de l’Académie de Médecine est [1] :
« Méthode de prévention de certaines maladies bactériennes, virales ou parasitaires consistant à développer une immunité
active par l’introduction dans l’organisme d’un vaccin par voie buccale ou parentérale. »
En d’autres termes il s’agit d’une méthode de prévention où est introduit dans l’organisme une molécule qui
reprend des caractéristiques immunogènes d’une bactérie ou d’un virus dans le but de créer une réaction du
système immunitaire par une production d’anticorps, et de lymphocytes B (globules blancs) notamment.
L’intérêt ici est que la molécule injectée ne soit pas pathogène mais implique la même réponse immunitaire
afin de développer la mémoire immunitaire pour que si un jour l’individu est en contact de l’agent infectieux,
son organisme se souvienne de lui et développe une réaction immunitaire beaucoup plus rapide.

3
Les vaccins, quels types ?
Bien que le principe de la vaccination soit toujours le même comme vu précédemment, on distingue
aujourd’hui trois principaux types de vaccins selon leur mode de fabrication : les vaccins inactivés, vivants
atténués et les antigènes vaccinaux purifiés [82].
- Les vaccins inactivés, l'agent infectieux ici a été tué, le vaccin est donc totalement inoffensif mais
entraîne tout de même une réaction immunitaire (exemple le vaccin contre le tétanos). Cette
réaction est principalement constituée d’anticorps, c’est pourquoi ils peuvent être couplés à un
adjuvant (substance chimique) afin de booster leur efficacité.
- Les vaccins vivants atténués, il s'agit d'un vaccin contenant un agent infectieux dont le pouvoir
pathogène a été atténué pour ne pas engendrer une maladie mais une réaction immunitaire (exemple
le vaccin contre la rougeole). C’est le type de vaccins qui est le plus immunogène (qui implique la
meilleure réaction immunitaire). Ceci s’explique par le fait qu’il peut se diffuser dans l’organisme
comme celui-ci est vivant et par conséquent entraîner des réactions à différents endroits. Il peut être
contre-indiqué pour certains patients (immunodéprimé), justement dû au caractère vivant de l'agent
infectieux et un possible retour de la virulence.
- Les antigènes vaccinaux purifiés, sont en fait des protéines soit cibles des anticorps soit responsables
d’une certaine activité de l’agent pathogène, dans ces deux cas les protéines présentent la même
immunogénicité (même réaction immunitaire). La réponse là encore est principalement composée
d’anticorps, c’est pourquoi ils peuvent être couplés à d’autres protéines (polysaccharides comme le
vaccin contre le pneumocoque) afin de booster leur immunogénicité ou des adjuvants là aussi.
On comprend bien que selon le type de vaccin la réaction immunitaire n’est pas la même ainsi que les
potentiels effets indésirables. C’est pourquoi lors du développement d’un vaccin, il est important de
savoir quel est le profil de la population cible pour ne pas développer un vaccin qui ne pourra pas être
prescrit par la suite.
Economie : quelle place pour la vaccination ?
Rapport coûts / bénéfices
Le critère essentiel qui concerne l’analyse de la vaccination de la part des pouvoirs publics (la vaccination étant
une politique de santé publique) est le rapport entre les coûts et les bénéfices. Les coûts représentant ce que
coûte tout simplement la vaccination (remboursement des actes de vaccination), et les bénéfices étant les vies
sauvées, les frais d’hospitalisation et/ou médicamenteux qui n’ont pas lieu d’être ainsi que d’autres

4
paramètres comme un ralentissement économique du pays qui pourraient être dû à un absentéisme des salariés
causé par la maladie en question [56][86][104]. Ce rapport sera développé plus en détails par la suite.
Si on se base sur le rapport de l’OMS [77] sur les principales causes de mortalité, on peut s’apercevoir ci-
dessous que l’on retrouve 3 causes infectieuses qui représentent 6,1 millions de morts en 2012 dans le
monde : les infections des voies respiratoires, le VIH/sida et les diarrhées.
Figure 1 - Les 10 principales causes de mortalité dans le monde [77]
Ces maladies infectieuses sont généralement très chères pour les systèmes publics de santé des pays. En effet le
caractère infectieux de celles-ci en fait des maladies avec une forte incidence et qui nécessite la prise en charge
d’un grand nombre de patients. C’est d’autant plus compliqué pour les pays en voie de développement qui ne
disposent pas des moyens que l’on peut avoir chez nous. D’ailleurs si on s’intéresse aux maladies infectieuses
en France, on peut voir sur ce rapport [58] qui date d’il y a environ 15 ans (2001) de l’Institut National de la
Santé Et de la Recherche Médicale (INSERM), que les maladies infectieuses restent une cause majeure de
mortalité dans notre pays.

5
Figure 2 - Les principales maladies infectieuses en France [58]
La meilleure solution pour lutter contre les maladies infectieuses est tout simplement la vaccination. Mais
avant de lancer une nouvelle mise en œuvre de vaccination, il est nécessaire de comparer les différents aspects,
et c’est là que rentre en compte le rapport de coûts-bénéfices. Les différentes étapes pour l’établissement de
ce rapport sont les suivantes (étapes tirées d’un article de Hanslik & Boëlle dans Médecine/Sciences en 2007
[39]) :
- Déterminer a priori l’efficacité de la stratégie vaccinale
Cette étape passe par l’évaluation de l’efficacité directe du vaccin, à savoir la réduction de l’incidence de la
maladie chez les sujets traités vs les sujets non-traités (études cliniques) [11]. Mais aussi l’efficacité indirecte
qui est la diminution de l’incidence chez les sujets non-vaccinés par diminution de la transmission. La
définition de la couverture vaccinale (cf. En quête de la couverture vaccinale) critique qui est le taux de couverture
vaccinale nécessaire pour atteindre l’immunité grégaire (fin de la circulation de l’agent pathogène). Et enfin
décrire l’épidémiologie de la maladie concernée (incidence, taux de mortalité/d’hospitalisation, estimation
des risques selon les conditions de la personne ou de son âge).

6
- Evaluer les potentiels risques de la stratégie vaccinale
Il est nécessaire ici de connaître les effets indésirables que le vaccin peut provoquer : réactogénicité, réactions
allergiques, et dans le cas de vaccins vivants les réactions que ceux-ci peuvent causer. Ensuite il est nécessaire
d’appliquer une pharmacovigilance pour s’assurer du suivi des potentiels cas d’effets indésirables graves, puis
mener des études pour voir s’il s’agit bien d’un effet indésirable du vaccin ou si c’était simplement une
coïncidence.
- Evaluer le rapport risque/bénéfice de la stratégie vaccinale
Lors de cette étape, il s’agit de voir si le bénéfice collectif (nombre de cas de maladies diminué, réduction du
taux de mortalité, etc.) est suffisant par rapport au risque individuel immédiat que le patient prend lorsqu’il
choisit de se faire vacciner (les potentiels effets indésirables du vaccin) pour un risque hypothétique (une
maladie infectieuse qu’il n’aura peut-être jamais). Ce jugement se fera alors sur la perception des risques du
patient (cf. Comportement à l'égard de la vaccination).
- Estimer le coût de la stratégie vaccinale
Cette dernière étape consiste à évaluer le coût que le remboursement du vaccin peut avoir, ainsi que les coûts
nécessaires à déployer pour permettre d’atteindre la couverture vaccinale critique. C’est au cours de cette
étape que le rôle du laboratoire est important, car il apporte lui aussi les budgets nécessaires pour permettre la
meilleure couverture possible. Avoir la possibilité de simuler la couverture vaccinale réelle peut être un
moyen d’optimiser cette partie.
Industrie du vaccin et son marché
De nos jours l’un des courants économiques qui se développe et qui est amené à poursuivre ce développement
(cf. Figure 3) est l’économie de la connaissance ou économie du savoir. Pour décrire brièvement ce courant
[2][107], il s’agit d’une nouvelle forme de capitalisme qui repose sur la technologie, sur le capital humain à
même d’utiliser cette technologie et l’organisation qui permet d’optimiser la relation entre les deux premiers
éléments.

7
Figure 3 - Ratio des dépenses en Recherche & Développement au PIB aux Etats-Unis (1953-2000) en %
(en ligne continue, les investissements R&D hors militaire et spatial, en ligne discontinue les dépenses globales, source xx)
L’industrie du vaccin est un parfait exemple de cette nouvelle économie du savoir, comme peut l’être
l’ensemble de l’industrie pharmaceutique. Ce qui distingue la branche vaccin des autres est la part importante
de fonds qui sont injectés dans la recherche & développement (24% d’après un rapport de LEEM [60]). Et
c’est cette démarcation qui fait aussi de l’industrie du vaccin un marché porteur [90][103]. Au milieu des
années 2000, il représentait qu’un peu plus d’1% du chiffre d’affaires de l’industrie pharmaceutique mondiale
[20], alors qu’en 2013 d’après l’OMS le chiffre d’affaires de la branche vaccin était de 24 milliards de dollars
(USD) [51], soit 2,5% du chiffre d’affaires de l’industrie pharmaceutique mondiale (évaluée à 970 milliards de
dollars en 2013). C’est cette croissance de plus de 11,5% [59] annuelle qui fait de cette industrie un secteur
d’avenir avec des projections à plus de 50 milliards de dollars à moyen terme (2016) [103].
Comme vu précédemment, l’industrie du vaccin est un exemple de l’économie de la connaissance et par
conséquence il faut cette connaissance. C’est pourquoi cette industrie ne compte pas énormément d’acteurs,
ou tout du moins est contrôlée par un petit nombre d’entre eux qui acquièrent les plus petits pour se
développer. En se basant sur les chiffres de 2013 de l’OMS [51], la conclusion globale est que le marché est
dominé par 5 acteurs principaux qui sont GSK (GlaxoSmithKline), Sanofi Pasteur, Pfizer, Merck & Co et
Novartis. Le marché va d’ailleurs se resserrer d’autant plus que GSK a racheté la division vaccins de Novartis
en avril 2014 (hormis les vaccins contre la grippe) [100].

8
Figure 4 - Parts de marché des principaux acteurs de l'industrie mondiale du vaccin en 2013
(*SPMSD correspond à Sanofi Pasteur MSD qui est une joint-venture entre Sanofi Pasteur et Merck & Co pour 19 pays en Europe)
Un autre point caractéristique de cette industrie est son origine européenne. En effet l’Europe produit plus de
90% des vaccins [20][56][59] et en exporte presque tout autant soit environ 3,5 milliards de doses par an [20].
C’est cette forte présence qui permet à l’Europe d’accueillir près de 2/3 des projets d’investissements dans le
monde du vaccin [60]. La France n’est pas en reste car comme l’Allemagne dispose de 2 centres de
productions et 3 de R&D.
Si on s’intéresse d’un peu plus près aux meilleures ventes des vaccins en tant que produits dans la première
moitié de 2012 (toujours selon l’OMS), la part de vaccins pédiatriques reste importante (en vert) mais on peut
voir des vaccins spécifiques à des classes d’âges plus élevées s’immiscer dans ce top 20 (en bleu), ce qui est
signe d’une évolution sur ce marché de la vaccination (cf. Changement de cible).
23%
17%
13%
12%
10%
4%
21%
GSK Sanofi Pasteur Pfizer Merck & Co Novartis SPMSD Autres

9
Figure 5 - Top 20 des ventes de vaccins dans le monde en million de dollars (S1 2012)
Pour informations complémentaires, Prevenar 13 est désormais aussi recommandé pour les adultes de plus de
65 ans et de récentes études ont été publiées par Pfizer (dont l’étude CAPiTA [83]). Et concernant le vaccin
Celtura il s’agit du vaccin contre la grippe H1N1 développé par Novartis, son chiffre de ventes en 2012 est
donc dépendant du contexte.
Evolution de la vaccination dans les pays développés
Mauvaise presse
Ce qui peut paraître étonnant de l’œil d’un pays en voie de développement qui est en manque de vaccins, c’est
de voir que dans les pays développés la vaccination n’a pas nécessairement une bonne presse. Cet effet est dû à
différentes controverses qui ont pu avoir lieu ces dernières années. Il est vrai que le concept de vaccination
peut être lui-même sujet à controverses étant donné qu’il repose sur l’injection d’un agent potentiellement
infectieux dans le corps d’un sujet sain. Alors que dans le cas des médicaments, le sujet malade vit les
symptômes de sa maladie et accepte volontiers de prendre un produit pour en limiter les effets.
L’une des controverses qui a eu lieu à la fin des années 1990 est celle portant sur le vaccin contre l’Hépatite B
qui serait responsable de sclérose en plaques (SEP) survenue chez des patients vaccinés. Cette controverse qui
a uniquement eu lieu en France (dans aucun autre pays dans le monde il n’y a eu ce problème) a eu pour
1847
672
608
535
500
441
392
285
284
274
266
224
222
219
217
213
207
180
165
Prevenar 13
PENTAct-HIB
Gardasil
Pediarix
Hepatitis Vaccine Franchise
Celtura
Varivax
Cervarix
RotaTeq
Synflorix
Rotarix
Zostavax
Prevenar 7
Fluzone/Vaxigrip
Menactra
Pneumovax
Adacel
MMR-II
Boostrix

10
première conséquence de suspendre la vaccination en 1998 [40]. Depuis différents procès ont eu lieu obligeant
soit le laboratoire GSK, soit l’état à verser des indemnités à des patients qui auraient été atteints de SEP à
cause de ce vaccin. Le dernier en date [19] est tout récent (13 Août 2014) où l’état a été condamné à verser
une indemnité de 2,4 millions d’euros à une ancienne infirmière qui a développé une SEP après une
vaccination contre l’Hépatite B. Bien qu’aucune étude menée n’ait démontré un lien de causalité entre la
vaccination et le développement de SEP, le bénéfice du doute penche en faveur de la victime.
Une autre controverse qui a eu lieu au début de cette décennie est celle de la grippe H1N1. En effet lors de la
menace d’une possible pandémie, la demande pour un vaccin a été très forte ce qui a poussé l’Etat français
notamment à commander un grand nombre de vaccins. Mais une fois le vaccin prêt, la population, elle, était
beaucoup moins prête à accepter ce vaccin car une rumeur d’un possible lien entre le vaccin et des troubles
neurologiques avait circulé. Cette hypothèse était difficilement contrebalançable car les études portant sur le
caractère toxique du vaccin ont été très courtes compte tenu de l’urgence de la situation. La conséquence de
tout ça a été un affaiblissement de la confiance de la population à l’égard du pouvoir public qu’il juge partial et
sous lobbying de laboratoires pharmaceutiques.
La dernière grande controverse à l’égard de la vaccination en France est celle concernant le vaccin Gardasil qui
s’adresse principalement aux jeunes filles pour diminuer le risque de cancer de l’utérus dû à un
papillomavirus. Le vaccin serait responsable d’avoir fait développer chez certaines patientes des maladies très
handicapantes comme la maladie de Verneuil, le lupus ou la maladie de Guillain-Barré. Cependant selon
l’Agence Nationale de la Sécurité du Médicament, le rapport risque/bénéfice reste favorable. Depuis 2006,
503 effets indésirables graves ont été signalés pour 5,5 millions de doses distribuées soit 0,01% [23]. Bien
qu’aucune étude ne démontre de liens de causalité entre le vaccin et les maladies citées, ou que le ratio de cas
d’effets indésirables graves est faible, ceci suffit à créer une certaine méfiance à l’égard de la vaccination.

11
Changement de cible
Actuellement la cible principale de vaccinations reste les nouveau-nés ou les jeunes enfants. Les vaccins qui se
vendent le plus étant principalement les vaccins pédiatriques. Cependant dans les pays développés, et plus
particulièrement la France la population améliore son espérance de vie, et par conséquent vieillit [INSEE, 44].
Figure 6 - Evolution du nombre de personnes de plus de 60 ans en France entre 1970 et 2014 (en milliers de personnes)
C’est pourquoi l’une des tendances stratégiques de l’industrie du vaccin pour les prochaines années est de
développer des vaccins pour cette tranche d’âge, mais aussi pour les adultes dans leur ensemble [4][32]. C’est
d’ailleurs pour ça que les prévisions pour la branche adolescents et adultes de la vaccination sont plutôt
optimistes en Europe, comme ci-dessous (ces prévisions ont été faites en 2007, il se peut alors que les derniers
événements [grippe H1N1, ou Gardasil] aient quelque peu érodé cette croissance) :
Figure 7 - Prévisions de chiffre d'affaires entre 2007 et 2017 pour le marché Adultes et Adolescents en Europe
6000
8000
10000
12000
14000
16000
18000
1970 1980 1990 2000 2010 2011 (r) 2012 (p) 2013 (p) 2014 (p)

12
Ce changement de cible va par la même impliquer un changement de stratégie marketing pour les industriels
et le gouvernement, car là il faut convaincre le potentiel vacciné et non le parent du potentiel vacciné. Cette
tâche ne sera pas simple car il s’agira de nouveaux vaccins et par conséquent non rentrés dans les mœurs.
En quête de la couverture vaccinale
Sa définition
La couverture vaccinale est comme on peut le voir en marketing le taux de couverture du vaccin, à savoir la
proportion de patients vaccinés sur une population cible. Il est utile de la mesurer pour se rendre compte de
l’efficacité de la politique de vaccination et l’utiliser comme facteur dans la modélisation de l’épidémiologie.
En effet une certaine couverture vaccinale critique est nécessaire à obtenir pour permettre l’éradication de la
maladie [30].
En France sa mesure est réalisée par l’Institut national de Veille Sanitaire depuis 2004 (InVS).
Son calcul dans la modélisation épidémiologique
La formule de modélisation épidémiologique peut être présentée sous la forme suivante [22] :
RE = R0 * S = R0 * (1- Iv) = R0 * (1 – (CV X E))
RE correspond ici au ratio de reproduction efficace, autrement dit le nombre de cas infectés par un sujet
infecté dans une population où une vaccination a lieu. Il est le produit de R0 qui est le caractère reproductible
de base d’une maladie et de S qui est le nombre de personnes susceptibles de contracter la maladie. Autrement
dit S correspond à toute la population moins ceux qui ont subi une intervention (vaccination) : Iv. Et donc Iv
dépend de la couverture vaccinale (CV) et de l’efficacité du vaccin (E). Cette formule permet alors de calculer
la couverture vaccinale critique (CVC), c’est-à-dire la couverture vaccinale nécessaire à atteindre pour
éradiquer la maladie, autrement dit le moment où RE devient inférieur à 1 (moins de nouvelles de personnes
sont infectées que le nombre actuel d’infectés, par exemple sur 100 infectés actuellement seules 80 personnes
supplémentaires le sont par leur « fautes », ce qui correspond à un ratio de 0,8).
Comment l’optimiser ?
La couverture vaccinale n’est pas une valeur fixe mais bel et bien une variable. Celle-ci va évoluer au gré de
facteurs externes ou internes comme la perception du rapport risque/bénéfice par la population cible, la
politique de remboursement ou de communication du gouvernement, les campagnes de notoriété de la
maladie menées par les laboratoires auprès de la population ou encore les actions marketing auprès des

13
personnels de santé. Un facteur interne intéressant est que la couverture vaccinale dépend de l’épidémiologie
de la maladie concernée. En effet avec le temps, les personnes peuvent juger qu’il n’est plus nécessaire de se
faire vacciner contre une maladie qui a presque été éradiquée (mais pas complètement) par rapport au nombre
grandissant de cas d’effets indésirables graves, ce qui a pour conséquence un redéveloppement de cette
maladie.
Dans tous les cas il est nécessaire de suivre cette couverture vaccinale du point de vue des laboratoires, car
c’est un indicateur clé pour ajuster les actions marketing auprès des personnels de santé, mais aussi pour
travailler sur la politique vaccinale à appliquer avec les gouvernements. Un point intéressant serait de pouvoir
simuler une couverture vaccinale au lancement d’un nouveau vaccin afin de pouvoir anticiper les actions
marketing à mettre en place.
Comportement à l’égard de la vaccination
Modèles sociocognitifs et cognitifs adaptés aux comportements
des gens en santé
Théories applicables
L'échange entre les sciences sociales et des disciplines comme l'épidémiologie a eu lieu car des chercheurs se
sont aperçus que le patient n'avait pas nécessairement le même comportement à l'égard de la santé et de sa
santé qu'un autre patient. Cette "découverte" a permis de mettre en évidence que certains critères
psychosociaux ou déterminants psychosociaux avaient une forte influence sur l'action (de guérison ou de
prévention) du patient.
C'est pourquoi deux premières théories parmi d'autres qui pourraient être applicables aux comportements des
gens dans le domaine de la santé, mais aussi plus particulièrement dans le cadre de ce travail sont :
La théorie de l'action raisonnée
Cette théorie a été développée par Fishbein et Ajzen en 1975. Le modèle théorique repose sur une interaction
entre les attitudes, les normes, les croyances, les intentions et les comportements des personnes [99].
Autrement dit le comportement d'une personne dépend de son intention de comportement (action raisonnée)
et non d'une quelconque influence de l'inconscience par exemple. En quelque sorte les croyances sur les

14
conséquences de ce comportement influe sur l'intention comportementale. De manière schématique le
modèle se construirait comme-ci [75]:
Figure 8 - Modèle de la théorie de l'action raisonnée [75]
A travers ce modèle il s'agit avant tout de comprendre la formation de l'intention chez l'individu. Dans le
cadre de la vaccination on pourrait s'imaginer le patient évaluer les conséquences de l'acte de vaccination avec
une certaine croyance relative à ces conséquences, ainsi que la croyance en autrui (médecin par exemple) et la
motivation à se soumettre à son avis.
La théorie du comportement planifié
Une évolution du modèle précédent, est la théorie du comportement planifié développé par Ajzen et Madden
en 1986. Celle-ci repose sur les mêmes principes que la précédente mais ajoute la dimension de contrôle
perçu du comportement au modèle. Cette dernière caractéristique peut se définir par l'évaluation par
l'individu de sa capacité à pouvoir réaliser le comportement. Ceci repose sur l'idée de potentiels barrières ou
leviers à la réalisation du comportement (externes ou internes).
Figure 9 - Modèle de la théorie du comportement planifié [75]

15
Cette méthode a pu déjà être appliquée à des comportements de santé [71] avec des résultats positifs et tente
de prendre en compte l'environnement social mais son application dans le domaine de la prévention par la
vaccination reste limitée. Par conséquent son bien-fondé reste à prouver.
Health Belief Model
Le Health Belief Model (HBM) ou Modèle de Croyance Santé est un modèle développé à l'origine par
Rosentock en 1966 puis par Becker & alii au cours des années 1970. Ce qui le distingue des deux précédents
modèles est tout d'abord sa spécificité au domaine de la santé, et dans un second temps le fait qu'il s'agisse d'un
modèle cognitif et non sociocognitif. A l'origine le HBM permettait de prédire un comportement de
précaution en matière de santé selon des croyances qui reposaient sur 5 perceptions principales [26][75] :
- La vulnérabilité à la maladie (croyance de l'individu de contracter une maladie)
- La gravité de la maladie (croyance de considérer cette maladie comme grave)
- Des coûts liés à la réalisation du comportement (sur son attitude, sa santé, etc.)
- Des bénéfices liés à la réalisation du comportement (là aussi sur son attitude ou sa santé)
- Des incitations à faire quelque chose (internes [changement perçu dans son état de santé comme un
affaiblissement, par exemple] ou externes [information aperçue dans une brochure]).
Par la suite, afin d'améliorer le modèle, 2 nouvelles perceptions ont été ajoutées :
- La motivation à la santé (tendance de l'individu à être concerné par sa santé)
- Contrôle perçu (perception du patient à pouvoir contrôler son comportement)
Figure 10 - Health Belief Model amélioré [75]
Si on applique le Health Belief Model à une patiente où le vaccin contre le HPV (responsable du cancer du col
de l'utérus) est recommandé, cette femme aura une plus forte probabilité d'aller se faire vacciner si [85]:

16
- Elle se sent vulnérable vis-à-vis d'une infection par HPV,
- Elle considère le cancer du col de l'utérus comme grave,
- Les bénéfices liés à la vaccination sont élevés par rapport aux effets indésirables potentiels,
- Elle a été incitée à le faire, soit par un élément interne ou un élément externe (affiche chez son
médecin)
- Elle est motivée à rester en bonne santé
- Elle a un fort sentiment de contrôle (c'est elle qui choisit de se faire vacciner et non le médecin qui
lui dit de le faire)
Bien que ce modèle a soulevé de nombreuses critiques et démontre certaines limites [75] comme le fait d'être
trop concentré sur l'individu et des informations conscientes, de ne pas prendre certains aspects émotionnels
comme la peur, ou encore les relations entre les croyances centrales (comment les mesurer ? , modèle linéaire
ou pas ? etc.), il a l'avantage d'avoir été développé afin de prédire des comportements de prévention dans la
santé et a été validé à différentes reprises dans ce domaine depuis sa création. Ainsi la recherche a démontré
que la vaccination était bien liée à la vulnérabilité à la maladie, la gravité de celle-ci et que le rapport coût-
bénéfice doit être favorable [4][16][85][86].
Health Belief Model appliqués à la vaccination
Dans le cadre de la vaccination, bien qu'à la fin il s'agisse de la vaccination du patient, plusieurs acteurs entrent
en jeu et ont chacun des perceptions et des croyances différentes.
Patients
Si l'on se base sur les composantes du HBM, l'une des perceptions est le rapport entre les bénéfices et les coûts
de la vaccination. Encore aujourd'hui de nombreux patients ont une vision un peu floue voir fausse de la
vaccination [17][86]. L'une d'elle serait le lien entre activer une réaction importante du système immunitaire
et causer des allergies (l'allergie étant elle une réaction excessive du système immunitaire), les vaccins ne sont
pas fiables, ou encore la présence de certaines théories du complot où l'Etat servirait avec complaisance les
laboratoires pharmaceutiques, etc.
D'autres facteurs peuvent influencer sur les perceptions notamment de la vulnérabilité à la maladie et sa
gravité comme l'expérience personnelle ou à minima la connaissance de la maladie et de ses effets. Ainsi
différentes recherches ont mis en évidence l'effet de l'information sur l'acte de vaccination car les patients (ou
décideurs dans le cadre d'une vaccination pédiatrique) avaient une meilleure perception de ce que pouvait
induire cette maladie [8][70].

17
Médecins
D'après une étude de l'INSERM de 2011 [37], plus de 95% des médecins étaient favorables à la vaccination en
France (66% se considèrent comme très favorables). Ces résultats démontrent encore la bonne image dont
dispose la vaccination auprès des personnels de santé. Cependant une étude de Zimmerman & alii [117] a pu
mettre en évidence que plus le médecin avait une perception importante des risques d'effets indésirables sur la
vaccination, moins il avait tendance à recommander la vaccination. Par conséquent lorsque le médecin n'est
pas favorable à la vaccination, on peut remarquer que sa patientèle est moins vaccinée. Ce résultat semble
logique, mais il est important de le rappeler car il souligne l'importance du médecin sur le choix de vaccination
du patient. D'ailleurs les médecins eux-mêmes ne sont pas nécessairement très nombreux à se vacciner [101].
De plus l'expérience acquise lors de mon stage chez Sanofi Pasteur MSD m'a permis de constater que les
médecins n'ont pas forcément à l'esprit la recommandation gouvernementale concernant une vaccination. Ceci
a pour conséquence qu'ils ne conseillent pas obligatoirement la vaccination aux personnes éligibles. Pour
d'autres ils ont connaissance de cette recommandation mais se servent de leur libre-arbitre et de leur
expérience pour ne conseiller la vaccination qu'aux patients qu'ils jugent les plus nécessiteux.
Médias
Dans la culture populaire on assimile souvent les médias comme étant le 4e
pouvoir [61][112] afin d'exprimer
l'idée que les médias auraient une grande influence sur le comportement de la population. Cependant pour des
raisons économiques, les médias vont plutôt chercher à mettre en avant des événements insolites que des cas
génériques. Ainsi l'information est souvent à compléter. Pour le cas des vaccins, ceci peut s'illustrer par la
mise en avant d'un effet indésirable grave au détriment des bénéfices perçus du vaccin en temps normal.
Toutefois cette mise en lumière a le mérite de lancer des recherches complémentaires sur la sécurité du vaccin
dont les résultats seront utiles à tous.
L'autre aspect qu'il faut prendre en compte pour les médias est la véracité des informations transmises. Bien-
souvent les groupes d'anti-vaccination se servent d'Internet pour transmettre leurs idées qui ne reposent pas
sur des sources fiables [8].
Interactions entre les acteurs
Le fait de se faire vacciner reste un choix individuel qui est pour la plupart des cas rationnel (en France les
vaccins ne sont pas stockés chez le médecin, par conséquent la personne souhaitant se faire vacciner doit faire
pleinement la démarche en allant l'acheter à la Pharmacie, ce qui diminue la possibilité que le vaccin se fasse de
manière irrationnelle sur un "coup de tête"). Certaines recherches [31] démontrent bien que la source
principale d'informations en matière de vaccination reste le médecin, et que les médias possèdent une
influence sur la décision de vaccination, notamment Internet [8][86]. Ainsi aux Etats-Unis, une étude sur la
couverture vaccinale de la grippe chez les jeunes enfants (6 mois à 5 ans) en 2003 [64] a démontré l'impact de

18
la couverture médiatique sur celle-ci. En effet après exposition des médias, le taux de vaccination contre la
grippe par semaine a fortement augmenté passant de 2,4 à 8,6, ce qui fait que 75% des vaccinations ont eu lieu
après les premières couvertures médiatiques.
Figure 11 - Nombre de placements médias et de vaccination grippe par semaine [64]
Cependant aux Etats-Unis encore, quand la controverse sur le fait que la vaccination contre la varicelle
provoquerait l'autisme a eu lieu, le taux de refus de vaccination a évolué de 0,7% à 2,1% en 5 ans avant que
les médias grands publics ne s'emparent réellement du sujet. Ce qui suggère un effet limité de l'influence des
médias sur cette vaccination [92].
Objectifs & hypothèses de recherche
Objectifs de ce mémoire
A la suite de cette revue de Littérature, un constat qui s'impose à nous est que l'industrie du vaccin est en
croissance et qu'elle s'apprête à changer de cible principale passant des vaccins pédiatriques à des vaccins pour
les adultes et séniors pour continuer son développement. L’hypothèse est alors que de nombreux nouveaux
vaccins vont voir le jour lors de ses prochaines années, et qu'il est compliqué dans le cadre du lancement de
nouveaux vaccins de savoir quelle couverture vaccinale sera atteinte et comment l'optimiser. Actuellement,
comme pour d'autres produits non pharmaceutiques, les prévisions de couverture vaccinale se font à partir

19
d'un échantillon d'experts qui se basent sur leurs expériences. De plus, leur avis, bien que probablement très
juste, ne nous donne pas les clés pour pouvoir avoir une vision qui part réellement du marché (des patients)
ainsi que des informations pouvant s'avérer utiles lors du développement du vaccin pour permettre de réaliser
le produit le plus performant (la meilleure couverture possible) contre une maladie.
Par conséquent l'objectif principal de ce mémoire est d'obtenir l'importance des différents attributs pouvant
caractériser un vaccin (rapport coût-bénéfices), une maladie (vulnérabilité, gravité), un contexte (incitation,
motivation, contrôle perçu) dans le processus de décision de vaccination d'un patient. Ainsi ceci permettrait
d'avoir les clés pour optimiser cette couverture vaccinale. Un objectif secondaire serait de pouvoir amener les
bases au développement d'un outil de simulation de couverture vaccinale pour le cas d'un nouveau vaccin.
Hypothèses de recherche
A la vue des objectifs précédemment cités et la revue de Littérature, il n'y a pas véritablement d'hypothèses de
recherche qui nécessitent une évaluation. Cependant il peut être intéressant de s'assurer des résultats afin de
choisir en amont la méthodologie la plus adéquate :
- Hypothèse 1 – Les individus n'ont pas tous la même approche dans leur décision concernant la
vaccination
L'idée de cette hypothèse est que le choix de se faire vacciner est une décision si personnelle (concerne sa
propre santé) qu'on ne peut avoir une seule et même réponse pour l'ensemble de la population. Par
conséquent on retrouverait des importantes différences pour les facteurs influençant la décision de vaccination
parmi les individus interrogés, ou à minima une certaine segmentation.
- Hypothèse 2 – La recommandation de leur médecin traitant reste le facteur clé de leur décision
La croyance qui relève de l'incitation à agir (cf. le Health Belief Model) illustrée par la recommandation du
médecin traitant reste la perception qui influence le plus la décision finale quel que soit l'individu.
- Hypothèse 3 – Malgré les controverses, les français conservent une bonne image de la vaccination
Comme vu précédemment de nombreuses controverses ont interpellé l'opinion publique les années
précédentes, et ce d'autant plus auprès de la population française. L'objectif sera seulement de s'assurer que les
personnes interrogées sont toujours favorables à la vaccination.

20
Méthodologie
Compte-tenu des objectifs de cette étude, et notamment du principal qui est d'obtenir l'importance des
différents facteurs entrant en compte dans la décision du patient de se faire vacciner, et ceci de façon
généralisable, la méthode qui s'impose à nous est une méthode quantitative : l'analyse conjointe ou trade-off.
Analyse conjointe
Le principe de base de cette méthode d'analyse est assez proche d'une analyse de variance sauf qu'ici la variable
expliquée n'est pas métrique mais plutôt catégorielle. L'objectif étant de capturer les "préférences" du
répondant selon les stimuli (combinaisons d'attributs) qui lui sont présentés. C'est Paul Green (parmi d'autres)
qui a développé cette nouvelle approche analytique dans les années 1970 [34][35], et qui depuis a été utilisée
de nombreuses fois dans le domaine du marketing ou même de la santé. L'objectif de cette analyse, comme dit
précédemment, est de pouvoir expliquer le comportement des consommateurs (dans notre cas des patients)
en mesurant l'effet conjoint de plusieurs variables explicatives sur la variable à expliquer [79]. Pour mesurer
cette préférence trois grands types de recueil de données s'opposent. Les deux premiers sont des recueils par
classement, ou par notation des profils (profils: combinaisons de niveaux d’attributs) qui sont présentés au
répondant, le troisième est un choix que fait le répondant parmi ces profils à plusieurs reprises. L'idée est que
l'individu ne connait pas ou n'a pas conscience de l’exacte importance de chacun des attributs, mais que par cet
exercice on puisse les obtenir. En effet le principe repose sur la compensation faite par l'individu entre les
différents niveaux des attributs pour son classement, sa notation ou son choix. Par conséquent les principes
généraux d'une analyse conjointe sont :
- Le produit testé peut être décomposé en caractéristiques (attributs)
- Chacun des attributs disposent de plusieurs niveaux (modalités)
- Le produit (profil) se présente comme une combinaison de diverses modalités des différents attributs
- Ces modalités ont chacune une certaine valeur pour l'individu (utilité) qui influe sur la préférence de
celui-ci
- Plus précisément, l'analyse conjointe permet l'estimation de l'utilité partielle de chacune des modalités
qui donnent une indication sur la désirabilité du niveau de l'attribut donné
- La somme de ces utilités partielles nous permet d'obtenir l'utilité globale du répondant pour un
produit donné.

21
- Enfin l'étendue des utilités partielles (α) d'un niveau (j) de l'attribut (i), sur la somme des étendues
des utilités partielles nous permet d'obtenir l'importance réduite (W) de cet attribut par rapport aux
autres.
L'analyse conjointe par classement ou notation
Ces deux premières méthodes se distinguent de la troisième car elles reposent sur un modèle linéaire pour la
modélisation des préférences du consommateur. Dans le cadre d'un ranking (classement) la variable expliquée
sera ordinale tandis que pour la méthode par rating (notation) la variable expliquée sera métrique avant d'être
recodée de façon binaire par la suite.
Elles se distinguent aussi par la méthode d'estimation des préférences : utilisation majoritairement de la
méthode des moindres carrés [76] contre la méthode du maximum de vraisemblance pour l'approche par
choix (cf. l'analyse conjointe par mesure de choix discret).
Enfin la troisième distinction majeure entre ces deux approches et la 3e
concerne l'analyse des données
récoltées. Pour ces deux premières méthodes, l'analyse peut se faire et doit se faire dans un premier temps à
l'échelle individuelle tandis que pour la méthode reposant sur le choix, le peu d'informations individuelles
perçues à chaque épreuve de choix obligent à faire l'analyse traditionnelle de manière agrégée. Cependant
d'autres méthodes ont été développées pour permettre une analyse individuelle (cf. Modèle agrégé vs approche
Bayésienne hiérarchique).
Green et Srinivasan (1978, [35]) ont résumé en sept étapes la procédure à utiliser pour ce type d'approche de
l'analyse conjointe.
1) Sélection de la fonction de préférence, à savoir le modèle des utilités partielles, du vecteur idéal
(les utilités partielles sont liées linéairement aux attributs), du point idéal (existence d'un
maximum, utilisé plus pour l'approche par notation). A noter que comme vu précédemment, il
s'agit du modèle des utilités partielles qui est principalement utilisé dans l'analyse conjointe (les
deux autres étant des cas spécifiques de celui-ci).
2) Sélection de la méthode de recueil des données. L'une d'elle est la méthode des profils complets.
Ici le répondant est amené à noter ou classer selon ses préférences des profils définis de produits.
Au cours des années 1980, cette méthode a subit une amélioration pour devenir l'analyse

22
conjointe hybride [69]. Ceci consiste à évaluer des profils complets comme précédemment mais
est précédé par une évaluation directe de la part des répondants de l'importance des attributs.
3) Choix entre un plan d'expérience des profils complets ou des profils réduits. Selon le nombre
d'attributs, il est possible d'avoir un nombre de profils trop nombreux pour qu'ils soient tous
évalués. Green et Srinivasan [35] recommande 30 profils maximum, mais dans la pratique il est
préférable d'en faire le moins possible et il s'avère que la limite soit inférieure à 20 (épuisement
cognitif du répondant) [48]. Si le nombre de profils est trop important, et que le choix d'un plan
d'expérience des profils réduits s'imposent il est important de conserver l'orthogonalité des
attributs afin d'éviter tout biais de corrélation entre les variables explicatives.
4) Choix du mode de présentation des scénarii : verbal ou visuel. Le mode verbal consiste à décrire
le profil selon un texte, un tableau, des mots clés tandis que le mode visuel est une
représentation graphique ou physique.
5) Sélection de la méthode de collecte de données : en face à face, téléphone, on-line, etc.
6) Sélection du mode d'évaluation des produits : rating ou ranking.
7) Sélection de la méthode d'estimation des utilités partielles selon le mode d'évaluation. Dans le
cas d'une notation (rating) et par conséquent d'une variable métrique (si on décide de ne pas la
recoder), la méthode des moindres carrés ou une analyse de variance (ANOVA) sera adaptée.
Pour le cas d'un classement (ranking) avec une variable expliquée ordinale, la méthode des
moindres carrés sera aussi adaptée ou alors une analyse monotone de la variance
(MONANOVA).
L'analyse conjointe par mesure de choix discret
Dans cette partie, uniquement le cas de l'analyse conjointe par mesure de choix discret (MCD) sera
développé. En effet on peut distinguer 2 types de choix [36] :
- un choix dit continu où là l'individu est amené à choisir une certaine quantité de chaque alternative
parmi plusieurs. Pour exemple dans la vaccination, ce serait comme demander à un médecin de
répartir 100 prescriptions de vaccination parmi 3 alternatives.
- un choix dit discontinu (ou discret) où l'individu est amené à choisir une seule alternative parmi
plusieurs.

23
Fondement théorique [12][62][76]
En supposant que le répondant puisse comparer toutes les alternatives existantes (chose improbable en
pratique), on peut estimer une fonction d'utilité U qui sera sa préférence. Si l'ensemble de choix pour n
décideurs de toutes les alternatives possibles est désigné par Cn où Uin représente l'utilité U de l'alternative i
pour le décideur n alors :
Soit l'alternative i est choisie par le décideur n si et seulement si :
Cependant tous les individus ne vont pas faire le même choix pour la même expérience de choix, c'est
pourquoi il est nécessaire d'introduire la théorie du choix probabiliste. Autrement dit on ne pourra pas savoir
exactement quelle alternative un répondant va choisir, mais on pourra connaître la probabilité qu'il choisisse
telle alternative. On suppose que le patient choisira toujours l'alternative i avec l'utilité la plus forte soit :
Comme dit précédemment, l'utilité i n'est pas une valeur connue mais une variable aléatoire, il est nécessaire
de l'exprimer de la façon suivante :
in étant l erreur aléatoire (erreur de perception
et
ou
d optimisation de la part du patient
et Vin une fonction continue et déterministe
Ainsi pour chaque patient n, on peut décrire la probabilité de choix de l'alternative i parmi l'ensemble de choix
Cn de la façon suivante :
(équation A)

24
Si on s'intéresse plus précisément à cette fonction Vin, on peut dire qu'elle est dépendante du vecteur des
attributs et il est nécessaire de spécifier la combinaison des attributs pour influencer son choix. Autrement dit
il est nécessaire d'appliquer une relation d'utilité (généralement linéaire) pour exprimer la relation entre les
variables indépendantes et le choix du patient, soit :
β étant le vecteur des k paramètres inconnus de la fonction et X un attribut.
L'utilité de l'alternative i devient alors :
Comme dit précédemment, on suppose que le répondant choisisse le profil où l'utilité est la plus forte, ceci se
traduit formellement par :
Où y est une variable binaire qui est égale à 1 quand l'alternative est choisie et 0 sinon.
En repartant de l'équation de probabilité précédente (équation A), on peut alors l'exprimer sous forme
d'intégrale de la manière suivante :
En présumant que les termes d'erreurs sont indépendamment et identiquement distribués (IId), hypothèse
identique à l'hypothèse IIa (indépendance des alternatives non pertinentes) [66], et que ceux-ci suivent une
distribution de Gumbel [109], on peut alors exprimer la probabilité de choix de l'alternative i de la manière
suivante :
On retrouve alors le modèle logit multinomial (MNL) [76] qui sert de modèle d'analyse pour les analyses
conjointes par mesure de choix discret. Cependant comme démontré, pour obtenir cette expression il est
obligatoire de faire certaines hypothèses (IIa et IId) ce qui rend contraignant l'utilisation du MNL dans certains
contextes. Une autre contrainte est que les modèles logit multinomiaux ont des difficultés à déterminer les

25
utilités partielles de manière individuelle et par conséquent agrègent les résultats en faisant l'hypothèse que
tous les individus sont homogènes. C'est pourquoi d'autres méthodes ont été développées (cf. modèle agrégé vs
approche Bayésienne hiérarchique).
Outre ces aspects techniques, la méthodologie de l'analyse conjointe MCD peut permettre d'offrir la
possibilité de refus des deux possibilités, ce que l'on peut appeler "l'option zéro" [76]. Cette option permet de
rendre les choix des répondants plus réalistes mais diminue quelque peu la précision dans l'estimation des
utilités partielles.
Un autre point méthodologique propre à cette méthode est la construction des plans d'expérience. En
comparaison, aux méthodes de notation ou de classement, il est nécessaire de procéder en 2 niveaux. Quand
dans les deux premières méthodes, il suffit de soit présenter l'ensemble des profils soit un nombre réduit qui
respecte l'orthogonalité des attributs, dans la troisième il est nécessaire de coupler ces profils. Ce qui fait que
dans un premier temps il est indispensable d'établir une liste de profils pour les coupler ensuite avec pour
objectif d'avoir le plan d'expérience le mieux possible [116]. Dans ce cas nous parlons de plan D-optimal [95].
L'objectif de la recherche de la D-optimalité est d'obtenir un plan où les effets des facteurs sont les plus
indépendants possible. Autrement dit, que le déterminant de la matrice de produit croisé tend alors vers 1
(quand le déterminant est égal à 1 alors on peut conclure que les facteurs sont orthogonaux, qu'ils ne sont
donc pas corrélés/dépendants). La matrice de produit croisé est en fait le produit de la matrice X par sa
transposée X' soit XX' en notation matricielle. La recherche de la D-optimalité revient à chercher à maximiser
|XX | où |…| qualifient le déterminant. Afin de calculer la D-efficacité (la D-optimalité correspondant à une
D-efficacité de 100%), la formule à utiliser est la suivante :
Où p est égale au nombre d'effets des facteurs du plan (nombre de colonnes de X) et N le nombre
d'alternatives nécessaires.
Raisons du choix pour cette étude
Le choix opté pour la réalisation de cette étude a été d'utiliser la méthode d'analyse conjointe par mesure de
choix discret, et ceci pour différentes raisons :
- Le réalisme, le fait de présenter des profils de produits hypothétiques rend l'exercice plus réaliste que
celui de faire classer ou noter les attributs séparément par les répondants [76].
- Le non-déclaratif, les préférences se mesurent à travers une expérience de choix de profils et non
directement, l'attention du répondant est détourné du sujet d'analyse et ses réponses sont alors plus
véridiques (diminution d'un possible effet de "surrationalisation"), ce qui lui confère une meilleure
validité prédictive [69][73].

26
- L'option zéro, la possibilité offerte par cette méthode d'ajouter cette option permet de renforcer le
réalisme de celle-ci. Bien qu'il est possible avec les autres méthodes d'ajouter une question sur leur
volonté de se faire vacciner, ceci rajoute une tâche au répondant et complique l'analyse ensuite.
- Le ludisme, l'une des tendances actuelles dans le monde des études de marché est la gamification
[10], bien que l'analyse conjointe MCD soit loin d'être un jeu, des observations montrent [76] qu'elle
est mieux perçue par les répondants que ces homologues par classement ou notation.
- L'expérience, l'analyse conjointe reposant sur le choix est une méthode très appréciée dans le
domaine de la recherche en marketing [38][68][73], ce qui lui offre un certain "background" et
particulièrement dans le domaine de la santé [3][72][74][87][88] et de la vaccination [22][89]. Cette
expérience permet donc de donner une validité aux résultats issus de cette méthode.
- L'attrait, ce dernier argument est purement personnel. N'ayant pas vu cette méthode en cours, j'ai
souhaité enrichir mes connaissances et mes compétences par le biais de ce mémoire sur cette
méthode très utilisée ainsi que sur ses évolutions possibles (à savoir l'Adaptive Choice Based
Conjoint, Choice Based Conjoint avec analyse par classes latentes, ou encore Choice Based Conjoint
avec une approche Bayésienne hiérarchique).
Conditions d'applications
Lors de la réalisation d'une analyse conjointe MCD, il est nécessaire de s'appliquer à respecter des conditions
concernant la structure des préférences qui se doit d'être rationnelle et cohérente soit [36] :
- Monotone : le profil présentant les meilleurs niveaux dans chacun des attributs se doit d'être préféré
par le répondant par rapport à celui qui présente les pires niveaux.
- Transitive : la transitivité peut se mesurer à partir de 3 scénarii (A, B et C). L'idée est la suivante (Ui
= Utilité de l'alternative i) :
Autrement dit si l'individu choisit A parmi A et B, choisit B parmi B et C alors si ses réponses sont
transitives il se doit de choisir A parmi A et C, si ce n'est pas le cas ses réponses peuvent être alors
intransitives. Certains cas peuvent être non conclusifs (les informations sur les deux premières
réponses ne permettent pas de prédire la troisième).
- Absence de préférence lexicographique : un individu a une préférence lexicographique lorsque ses
choix se basent exclusivement sur un ordre prédéterminé des attributs. Les réponses de cet individu
sont bien entendues rationnelles, il utiliserait la même simplification dans la vie réelle, cependant
dans le cadre d'une analyse conjointe les informations issues de ses réponses ne sont guère riches. En
effet, l'information sur les autres attributs et une estimation précise des utilités partielles de ceux-ci

27
ne sont possible que lorsque l'attribut "dominant" a le même niveau dans les deux profils présentés
(dans le cadre d'une présentation par paire).
- Stable : pour une même comparaison de profils à des temps différents dans le questionnaire,
l'individu se devra de donner la même réponse. Pour cette étude, j'ai pris parti de ne pas tester
directement cette condition mais plutôt de supposer son résultat dans le même temps que la
transitivité des réponses sera vérifiée (afin de limiter le nombre de sous-ensemble présentés).
- Pertinente : la pertinence des réponses s'évaluent par le degré de compréhension de l'exercice par les
répondants. Pour cela il est nécessaire de réaliser des alternatives réalistes (pas nécessairement
existantes mais réalistes). De plus les différences entre les niveaux des attributs se doivent d'être
différenciables (une différence suffisamment importante).
Dans le cadre d'une analyse par le modèle logit multinomial, une autre condition d'application est la
vérification de l'hypothèse IIa (indépendance des alternatives non pertinentes). Autrement dit les
probabilités de choix des alternatives doivent dépendre uniquement des alternatives présentées au
répondant et non celles qui lui sont omises [66]. Afin de la supposer vérifiée, il est nécessaire de choisir
des attributs et modalités génériques. Un exemple typique dans le marketing qui illustre la non-
vérification de cette hypothèse, est d'avoir l'attribut marque où les probabilités de choix peuvent être
influencées par la présence ou l'absence de la marque préférée du répondant dans l'ensemble de choix. De
manière concrète, ceci peut se traduire par une étude sur les préférences d'un consommateur au sujet des
tablettes de chocolat avec dans l'ensemble de choix les marques suivantes : Lindt, Milka, Côte d'Or, Alter
Eco et MDD, alors que la marque préférée du consommateur est 1848 et par conséquent ses préférences
dans l'exercice de cette étude seront influencées.
Etapes de l'analyse conjointe par mesure de choix discret
Dans cette partie seront décrites les différentes étapes réalisées pour permettre le bon déroulement de cette
recherche.
Définition des attributs et modalités
Pour permettre la définition des attributs pour cette analyse conjointe, la directive d’Orme [81] a été suivie.
Celle-ci peut se résumer en 8 points :
1) Les niveaux des attributs se doivent d'être concis et avec un sens concret. Par exemple un niveau
indiquant "une bonne performance" est trop ambigüe et laisse libre à l'interprétation du répondant
qui est par conséquent individuel et donc hétérogène parmi tous les interrogés.

28
2) Les attributs se doivent d'être indépendants entre eux, et ceci plus particulièrement pour une analyse
conjointe MCD. De plus les niveaux des attributs ne doivent pas se combiner naturellement, car
même si cela peut apporter un certain réalisme c'est souvent préjudiciable d'empêcher des niveaux
d'attributs d'apparaître ensemble (combinaisons impossibles).
3) Les niveaux des attributs doivent être mutuellement exclusifs. C'est d'autant plus vrai lorsque
l'objectif de l'étude est d'établir un simulateur de parts de marché.
4) L'étendue des niveaux des attributs doit couvrir l'ensemble des possibilités du marché actuel et
potentiel. Sinon le choix du répondant peut être influencé, mais surtout l'outil de simulation [78] qui
en découle ne sera pas valide ou sera rapidement obsolète s'il ne couvre que les possibilités du marché
actuel. L'extrapolation bien que possible doit être évitée.
5) Les combinaisons impossibles (prohibitions en anglais) se doivent d'être rares voir absentes (cf. point
2). En effet interdire un trop grand nombre de combinaisons est une erreur courante qui intervient
lorsque le chercheur (ou le client qui commande l'étude dans le monde professionnel) juge que des
combinaisons présentes dans l'ensemble de choix sont irréalistes. Par exemple, il peut s'agir d'un
produit qui a toutes les meilleures caractéristiques au prix le plus bas, ou tout simplement 2 niveaux
d'attributs qui ne peuvent pas aller ensemble dans le "monde réel". Introduire des combinaisons
impossibles ici serait tentant mais entraînerait dans le meilleur des cas une perte de précision dans les
estimations des utilités, et dans le pire des cas des effets confondus et une incapacité à calculer des
utilités stables. Par conséquent il est préférable de prévenir le répondant qu'il risque d'être confronté
à des scenarii qui n'existent pas actuellement que de bloquer certaines combinaisons. Une autre
méthode (celle qui a été choisie pour cette étude) est de créer un méta-attribut. Ceci consiste à
regrouper 2 ou plusieurs attributs en un seul où les modalités sont en fait les combinaisons possibles
des attributs initiaux. Pour exemple, l'attribut 1 et l'attribut 2 ont respectivement 2 (A & B) et 3
modalités (X, Y & Z). Les seules combinaisons possibles sont AX, AZ et BX, BY. Par conséquent,
plutôt que d'interdire les combinaisons AY et BZ, la création d'un méta-attribut avec 4 modalités
(AX, AZ, BX & BY) est préférable. L'inconvénient de cette méthode est la perte d'information sur les
utilités et importance des attributs initiaux. C'est pourquoi il est nécessaire de juger s'il est capital de
les connaître dans le cadre d'un potentiel outil de simulation de parts de marché par exemple.
6) Le nombre de niveaux choisi pour un attribut peut avoir une influence sur les résultats. En effet il a
été montré dans la Littérature un "Number-of-levels effect" [43][102] qui est d'autant plus présent
pour les analyses conjointes MCD. La recommandation est d'avoir un nombre de niveaux équivalent
entre les attributs ou à minima conserver des nombres de niveaux proches. Il est important aussi de
limiter le nombre de niveaux pour les attributs dits quantitatifs (comme pourrait l'être l'efficacité du
vaccin dans cette étude). En effet il est préférable d'avoir plus d'informations à chaque point plutôt
que d'avoir moins de mesures sur plus de points quantitatifs. L'extrapolation est à éviter, cependant
l'interpolation entre les niveaux de l'attribut peut être possible si nécessaire.

29
7) Les attributs qui ne peuvent être définis clairement par des mots se doivent d'être décrits par
multimédia. Cette recommandation ne concerne pas notre étude.
8) D'après l'expérience d’Orme et de son équipe (Sawtooth Software), les répondants ont des difficultés
à répondre lorsqu'il y a plus de 6 attributs en même temps lors d'une CBC (choice-based conjoint).
Ceci rejoint mon expérience et connaissances personnelles sur le chiffre de 7 informations différentes
(± 2) qui peuvent être traitées de façon simultanée par le cerveau humain. C'est d'ailleurs pour cela
que les échelles de Likert ont été construites en 7 points. L'ajout d'attributs supplémentaires aurait
comme conséquence la concentration du répondant sur uniquement quelques attributs les plus
importants et non sur l'ensemble.
En gardant cette directive en tête, et en me basant sur les croyances du Health Belief Model une revue de
littérature a été faite grâce à une recherche documentaire avec pour mots-clés : "vaccination", "analyse
conjointe", "conjoint analysis", "immunization", "vaccine", "factors", "characteristics", "coverage",
"attitude", "health belief model", "acceptability", "choice-based conjoint", "efficacy", "safety",
"elderly", "adults".
Ceci m'a permis d'établir une première liste d'attributs qui pourrait illustrer les facteurs entrant en
compte dans la décision de se faire vacciner ou non (nouveau vaccin) pour le patient adulte :
- La vulnérabilité à la maladie : prévalence de la maladie (fréquence de celle-ci)
- La gravité de la maladie : fréquence de cas graves parmi les personnes qui ont contracté la
maladie
- Des coûts liés à la réalisation du comportement : fréquence des effets indésirables graves,
gravité des effets indésirables graves, douleur ressentie à l'injection, nombre de doses nécessaires,
coût du vaccin à la charge du patient
- Des bénéfices liés à la réalisation du comportement : efficacité du vaccin, durée de
protection
- Des incitations à faire quelque chose : recommandation du médecin traitant, inscription au
calendrier vaccinal, communication gouvernementale dans les médias
- La motivation à la santé : pas un facteur dépendant du vaccin
- Contrôle perçu : type de vaccin (confiance du patient dans son organisme pour pouvoir combattre
un vaccin vivant par exemple)
Ce qui porte cette liste initiale à 13 attributs, ce qui conformément au point 8 de la directive d’Orme est trop.
Dans un premier temps, l'attribut "communication gouvernementale dans les médias" a été éliminé car il ne
ressort pas de la responsabilité du laboratoire pharmaceutique. Dans un second temps l'attribut "gravité des
effets indésirables graves" a été éliminé car bien qu'il y ait différentes formes de gravité [25], cet attribut était
redondant car l'information importante ici est que l'effet indésirable est grave et l'hypothèse a été faite qu'une

30
échelle de gravité sur cette caractéristique n'apporterait pas plus d'informations. Une simple description de ce
que pourrait être un effet indésirable grave a été jugée suffisante.
A partir de là, il ne restait plus que 11 attributs, ce qui reste trop important pour le répondant (et la
pertinence de ses réponses). Afin de réduire encore une fois le nombre d'attributs, l'intérêt s'est porté sur les
combinaisons impossibles de modalités d'attributs et donc la création d'un méta-attribut (cf. point 5 de la
directive d’Orme). Pour ce faire, je me suis basé sur les travaux du Dr Debacker [22] qui a réalisé des focus
group auprès de médecins afin d'établir des conditions impossibles d'existence de maladies, et éliminer des
rapports coûts-bénéfices trop défavorables à la vaccination. Ainsi l'idée est de créer un méta-attribut à partir
des attributs prévalence de la maladie, fréquence de cas graves de la maladie et fréquence des effets
indésirables graves du vaccin (EIG).
Si pour le premier, les modalités définies sont : maladie courante (prévalence de 1/1), maladie assez fréquente
(prévalence de 1/100), maladie rare (prévalence de 1/5 000),
le second : peu grave (1 cas /1 000 000), rarement grave (1 cas/1 000), souvent grave (1 cas/10), et le
troisième : effets indésirables graves exceptionnels (1 cas/50 millions) et effets indésirables graves fréquents (1
cas/50 000), on a alors 3*3*2=18 combinaisons possibles.
Tableau 1 - Elaboration du méta-attribut type de maladie et effets indésirables graves du vaccin
Prévalence Gravité
Effets
indésirables
graves
Conservé ou non
1/1 1/1 million 1/50 millions Conservé
1/1 1/1 million 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/1 1/1 000 1/50 millions Non conservé car ce type de maladie n'existe pas
1/1 1/1 000 1/50 000 Non conservé car ce type de maladie n'existe pas
1/1 1/10 1/50 millions Non conservé car ce type de maladie n'existe pas
1/1 1/10 1/50 000 Non conservé car ce type de maladie n'existe pas
1/100 1/1 million 1/50 millions Non conservé car rapport coût-bénéfices défavorables
1/100 1/1 million 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/100 1/1 000 1/50 millions Conservé
1/100 1/1 000 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/100 1/10 1/50 millions Non conservé car ce type de maladie n'existe pas
1/100 1/10 1/50 000 Non conservé car ce type de maladie n'existe pas
1/5 000 1/1 million 1/50 millions Non conservé car rapport coût-bénéfices défavorables
1/5 000 1/1 million 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/5 000 1/1 000 1/50 millions
Non conservé car rapport coût-bénéfices présente un faible
intérêt

31
Pour précision, lorsque la justification pour rejeter la combinaison est que ce type de maladie n'existe pas, il
s'agit de son existence en France. La récente crise du virus Ebola en Afrique nous prouve qu'une maladie peut
être fréquente et grave.
La conclusion est la création d'un méta-attribut "type de maladie avec fréquence des effets indésirables graves
du vaccin" qui aura 4 modalités. Cette étape permet d'atteindre le chiffre de 9 attributs par profils.
De la même manière pour les deux attributs coût du vaccin à la charge du patient et inscription au calendrier
vaccinal. Concernant les modalités des coûts, les chiffres ont été déterminés selon un benchmark rapide des
coûts pratiqués actuellement (cf. Annexe 1) et le caractère impossible des combinaisons était définit selon la
définition du Service Médical Rendu de la Haute Autorité de Santé [40] :
Tableau 2 - Elaboration du méta-attribut inscription au calendrier vaccinal et coût encore à charge du patient
Inscription
au CV
Coût reste à
charge
Conservé ou non
Oui 0€ Conservé
Oui 30€ Non conservé car impossible
Oui 100€ Non conservé car impossible
Non 0€ Non conservé car impossible
Non 30€ Conservé
Non 100€ Conservé
Ensuite, afin de toujours limiter le nombre de scénarii nécessaires pour respecter l'orthogonalité des attributs,
l'attribut "douleur ressentie à l'injection" a été supprimé. En effet, cet attribut peut être important pour les
vaccins pédiatriques car des vaccins s'injectent par voie orale, mais pour les adultes il est acquis qu'ils vont
recevoir une injection via une seringue. Grâce à cela j'ai fait l'hypothèse que cet attribut n'aura pas une grande
influence sur la décision de se faire vacciner.
Toujours dans cette optique, parmi les 7 attributs retenus, 3 d'entre eux (dosage du vaccin, durée de
protection et efficacité vaccinale [les modalités de l'efficacité ont été établies selon un benchmark des vaccins
existants [29], cf. Annexe 2]) ont vu réduire leur nombre de modalités à seulement 2 suite à des tests de
nombre de scénarii requis pour respect de l'orthogonalité. A la fin de cette étape, les attributs et modalités
retenus sont présentés dans le tableau suivant :
1/5 000 1/1 000 1/50 000 Non conservé car rapport coût-bénéfices défavorables
1/5 000 1/10 1/50 millions Conservé
1/5 000 1/10 1/50 000 Conservé

32
Tableau 3 - Attributs et modalités retenus pour l'étude
Attributs Modalités
Recommandation de
votre médecin
1. Recommandation active
2. Informe uniquement de l'existence du vaccin
3. N'aborde pas le sujet
Dosage du vaccin 1. 1 dose
2. 2 doses ou plus
Type de vaccin 1. Vaccin vivant atténué
2. Vaccin tué/inactivé
3. Vaccin recombinant avec adjuvant
Inscription au
calendrier vaccinal
1. Inscrit au calendrier vaccinal et entièrement remboursé
2. Non inscrit au calendrier vaccinal avec coût de 30 €
3. Non inscrit au calendrier vaccinal avec coût de 100 €
Durée de protection 1. 10 ans
2. 5 ans
Efficacité vaccinale 1. 60%
2. 80% ou plus
Type de maladie avec
fréquence des effets
indésirables du vaccin
1. Maladie courante (1/1) mais peu grave (1/1 million) - Effets
indésirables graves du vaccin exceptionnels (1/50 millions)
2. Maladie assez fréquente (1/100) mais rarement grave (1/1 000) - EI
graves du vaccin exceptionnels (1/50 millions)
3. Maladie rare (1/5 000) mais souvent grave (1/10) - EI graves du
vaccin fréquents (1/50 000)
4. Maladie rare (1/5 000) mais souvent grave (1/10) - EI graves du
vaccin exceptionnels (1/50 millions)
Choix du plan d'expérience
Si on se base sur le tableau précédent, on peut en déduire que le nombre de scénarii dans le cadre d'un plan
factoriel complet au total est de : 3*2*3*3*2*2*4 = 864. De plus comme notre objectif ici est de faire
comparer ces profils par paire, ceci offre (864*863)/2 = 372 816 paires potentielles. Il est évident que ce
chiffre est trop important pour que les répondants évaluent toutes les paires possibles. C'est pourquoi la
procédure Orthoplan du logiciel SPSS a été utilisé [93] (parmi d'autres [54]), et en respect des règles
d'orthogonalité a permis de limiter le nombre de profils à 16 sur les 864 qui composent le plan factoriel
complet. Cette procédure qui revient à rendre orthogonal le plan d'expérience, traduit le fait que chaque

33
niveau des attributs a la même probabilité d'être combiné avec chacun des autres niveaux [15][98]. De plus la
procédure Orthoplan permet de s'assurer théoriquement l'équilibre des niveaux, à savoir que chaque niveau
d'un attribut est présenté le même nombre de fois. Les 16 profils obtenus sont présentés ci-dessous. On
comprend alors que pour les attributs à 3 modalités, comme la recommandation du médecin, l’équilibre des
niveaux n’est pas respecté.
Tableau 4 - Plan factoriel fractionné suite procédure Orthoplan du logiciel SPSS
Profil
Reco. du
médecin
Dosage
Type
vaccin
Reco.
gouvernementale
et coût
Durée Efficacité
Type de
maladie et
EIG
1 0 1 2 1 1 1 2
2 0 1 0 0 1 1 0
3 2 0 2 2 0 1 0
4 0 0 0 1 0 1 3
5 1 0 0 0 0 1 2
6 0 1 0 2 0 0 3
7 2 1 1 0 1 1 3
8 1 1 0 2 1 1 1
9 2 0 0 1 1 0 1
10 1 1 1 1 0 0 0
11 1 0 2 0 1 0 3
12 0 1 2 0 0 0 1
13 0 0 0 0 1 0 0
14 0 0 1 0 0 1 1
15 0 0 1 2 1 0 2
16 2 1 0 0 0 0 2
Le fait de n'avoir que 16 paires à établir et à faire évaluer au répondant par la suite évite la tâche de devoir
splitter le plan factoriel pour ensuite le faire évaluer par des sous-échantillons. Le choix de ne pas vouloir
utiliser des sous-échantillons, quitte à devoir sacrifier certaines modalités dans les attributs, s'explique par la
difficulté à atteindre un nombre suffisant de répondants (qui auraient dû être doublé ou triplé dans le cas d'un
split), et de plus il aurait été difficile de garantir l'homogénéité des sous-échantillons. Enfin 16 paires restent
suffisant pour respecter les conditions d'identifiabilité qui imposent d'avoir un nombre d'observations
supérieur au nombre de paramètres à estimer [108]. En effet le nombre de paramètres à estimer ici est de : 19
(nombre total de modalités) – 7 (nombre d'attributs) = 12 paramètres à estimer soit 13 paires au minimum où
le répondant doit exprimer son choix.
Cette première étape réalisée, il est nécessaire dans le cadre d'une analyse conjointe basée sur le choix de
procéder à une deuxième étape qui est la constitution des paires. Pour ce faire, il faut chercher à maximiser le
déterminant de la matrice de produit croisé (cf. les fondements théoriques de l'analyse conjointe par mesure de choix

Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?

Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?

Recommandé

Recommandé

Contenu connexe

En vedette

En vedette (19)

Similaire à Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?

Similaire à Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ? (20)

Comment améliorer les prochaines couvertures vaccinales auprès des adultes français ?