8. ANALYSES COMPLÉMENTAIRES

Table des matières

Ce chapitre regroupe une série d’analyses qui n’ont pas été présentées dans le premier article, mais qui constituent des éléments essentiels de l’étude sur les déterminants psychosociaux de l’adoption de la télémédecine. Dans un premier temps, les analyses statistiques préliminaires ayant permis d’évaluer la représentativité de l’échantillon et de vérifier l’influence des variables externes au modèle théorique sur l’intention des médecins d’adopter la télémédecine sont présentées. Dans un deuxième temps, ce chapitre rapporte les analyses effectuées afin de tester le modèle de mesure de même que les modifications apportées au modèle prédictif suite à ces analyses. Le processus ayant permis de vérifier l’effet de médiation de l’habitude sur la relation entre l’affect et l’intention est également décrit. Enfin, l’analyse de l’effet d’interaction possible entre la composante normative et l’identité personnelle est présentée.

Les analyses présentées ci-dessous constituaient des étapes nécessaires à la réalisation des analyses subséquentes. Il est d’abord question de la représentativité de l’échantillon sur lequel s’est basée l’étude des déterminants de l’adoption de la télémédecine par les médecins du RQTE. Ensuite, l’influence des variables reliées aux caractéristiques sociodémographiques et professionnelles des répondants est analysée.

Bien que l’échantillon ait été suffisant pour effectuer les analyses statistiques, le faible taux de participation obtenu remettait en question sa représentativité. En effet, le taux de participation des médecins variant entre 7 % et 50 % selon les centres hospitaliers Comme il n’était pas possible d’obtenir de données sociodémographiques concernant uniquement la population des médecins pratiquant dans les 32 centres hospitaliers à l’étude, le recours aux données du Collège des médecins du Québec (2002) a permis de vérifier si les répondants étaient représentatifs de l’ensemble des médecins de la province.

Le tableau 8.1. présente la comparaison effectuée entre les caractéristiques sociodémographiques et professionnelles des répondants et celles de l’ensemble des médecins du Québec. D’après les analyses effectuées à l’aide du test du khi-carré (χ2), la seule caractéristique distinguant les médecins de l’échantillon de l’ensemble des médecins du Québec est la région de pratique. En l’occurrence, les médecins ayant participé à l’étude étaient plus nombreux à pratiquer dans un établissement situé en région périphérique ou en région éloignée. Ce résultat n’est cependant pas étonnant puisque la majorité des établissements participant au RQTE sont situés dans des régions en périphérie ou dans des régions éloignées. Il est donc permis de croire que l’échantillon représentait de manière assez fidèle l’ensemble des médecins pratiquant dans un centre hospitalier du RQTE.

1 Données de 2001

2 Seuls les médecins de moins de 70 ans ont été considérés dans la population

Selon la théorie des comportements interpersonnels, l’influence des variables dites externes, telles que la culture, la personnalité et les caractéristiques sociodémographiques, est filtrée par les construits théoriques du modèle (Triandis, 1980). Cependant, il s’avérait nécessaire de vérifier si des caractéristiques sociodémographiques et professionnelles pouvaient avoir une influence significative sur l’intention des médecins d’utiliser la télémédecine, une fois les variables théoriques prises en compte. Pour ce faire, nous avons eu recours à la méthode suggérée par Pedhazur (1982) qui consiste à comparer le R2 d’un modèle contenant uniquement les construits théoriques associés significativement à l’intention au R2 d’un modèle auquel étaient ajoutées les variables externes.

Les variables externes retenues étaient l’âge, le sexe, le nombre d’années de pratique, la spécialité, le type de région et la taille de l’établissement. La variable « spécialité » indiquait si le répondant était médecin omnipraticien ou spécialiste. La variable « région » comprenait deux catégories : soit les établissements situés à 100 km et plus d’un centre de référence en télémédecine et ceux situés à moins de 100 km. Cette distinction se basait sur les résultats de l’évaluation préliminaire effectuée par Cloutier et ses collaborateurs (2001b) indiquant que les établissements situés à 100 km et plus d’un centre de référence utilisaient davantage les services de télémédecine. La taille de l’établissement était également divisée en deux catégories : les établissements de moins de 200 lits et ceux de 200 lits et plus. Cette variable a été créée suite à l’analyse des facteurs organisationnels réalisée dans la présente étude qui indiquait que la taille de l’établissement était significativement associée à l’utilisation de la télémédecine.

Tel que le démontre le modèle de régression présenté au tableau 8.2., les variables sociodémographiques et professionnelles ne contribuaient pas de façon significative à expliquer la variance dans l’intention des médecins d’utiliser la télémédecine. Ces variables ont donc été exclues des analyses subséquentes.

Cette section présente les différentes étapes effectuées afin de tester la valeur prédictive du modèle théorique à l’aide de la modélisation par équations structurales. D’abord, les analyses ayant permis de tester le modèle de mesure sont décrites de même que les ajustements effectués au modèle suite à ces analyses. Ensuite, la vérification de l’effet de médiation de l’affect sur la relation entre l’habitude et l’intention est présentée. Enfin, la présence d’un effet d’interaction entre le construit normatif et l’identité personnelle est vérifiée.

La vérification du modèle de mesure est une partie essentielle de la modélisation par équations structurales qui consiste à évaluer la correspondance entre les variables observées et les construits latents sous-jacents. Une analyse factorielle confirmatoire a donc été effectuée avec le logiciel EQS , version 5.7 (Multivariate Software Inc., Encino, CA, USA). Tout d’abord, nous avons vérifié la présence de multicollinéarité entre les variables théoriques. Dans le modèle théorique initial, la corrélation supérieure à 0,85 entre les construits de la norme morale et des normes sociales indiquait de la multicollinéarité entre ces deux variables indépendantes (Kline, 1998). Un facteur normatif composite a ainsi été créé en combinant les items associés à ces construits. De plus, la consistance interne du construit normatif composite a été testée à l’aide du coefficient alpha de Cronbach (α = 0,86). Suite à cette modification, les corrélations entre les construits théoriques étaient toutes satisfaisantes. Par la suite, le modèle de mesure a été testé en vérifiant si les données recueillies confirmaient la structure théorique sous-jacente. Le modèle de mesure testé comprenait donc l’ensemble des variables théoriques ( intention , affect , conséquences perçues , perception des barrières , identité personnelle et habitude ) en plus du facteur normatif composite . L’évaluation du modèle s’est effectuée en vérifiant les différents index d’ajustement du modèle ainsi que la validité et la précision associées aux différents paramètres estimés. Une seule variable a été exclue du modèle, à savoir la perception des barrières. En effet, les items associés à ce construit présentaient une faible validité, ce qui indique qu’ils n’étaient peut-être pas appropriés à la mesure des barrières perçues par les médecins quant à l’utilisation de la télémédecine.

Selon la théorie des comportements interpersonnels, l’habitude influence directement l’adoption du comportement, mais influence également l’affect (Triandis, 1980). L’habitude aurait donc un effet indirect sur l’intention qui serait médiatisé par l’affect. Dans le modèle utilisé, la présence d’un effet de médiation de l’affect sur la relation entre l’habitude et l’intention a été vérifiée d’après la méthode suggérée par Baron et Kenny (1986). Ainsi, un modèle structural contenant, en plus des effets directs de l’affect et de l’habitude sur l’intention, un effet indirect de l’habitude sur l’intention (modèle A) a été comparé à un modèle ne contenant que l’effet direct de l’habitude sur l’intention (modèle B). Tel que le présente la figure 8.1., il y a un effet indirect significatif de l’habitude sur l’intention. L’affect agit donc comme variable médiatrice sur la relation entre l’habitude et l’intention, tel que le propose la TCI. Toutefois, la relation observée dans notre modèle indiquait un effet de médiation partiel puisque la relation entre l’habitude et l’intention demeurait significative une fois l’influence de l’affect considérée (Baron & Kenny, 1986). Par conséquent, le modèle structural final comprenait à la fois l’effet direct de l’habitude sur l’intention et son effet indirect, médiatisé par l’habitude.

Figure 8.1. Effet médiateur de l’affect sur la relation entre l’habitude et l’intention

La présence d’un effet de suppression de la variable identité personnelle (IP) sur la relation entre le construit normatif composite (N) et l’intention d’utiliser la télémédecine indiquait une interaction possible entre ces variables théoriques. Ainsi, suivant les indications de Hosmer et Lemeshow (1989), un modèle de régression multiple a été employé afin de tester cet effet d’interaction. Pour ce faire, un terme d’interaction a été créé en multipliant les deux variables en cause (N * IP). Ce terme d’interaction a été ajouté à l’équation de régression de l’intention en plus des deux variables théoriques. Les résultats présentés au tableau 8.3. indiquent qu’il n’y a pas d’interaction entre les variables puisque le terme d’interaction ne prédit pas une portion significative de la variance dans l’intention.

La relation observée entre l’identité personnelle et le construit normatif dans le modèle structural (voir la figure 6.3.) serait donc un effet de suppression net (Cohen & Cohen, 1983) puisque ces deux variables sont corrélées de façon positive. Le fait d’inclure l’identité personnelle dans l’équation de régression avec un poids négatif aurait pour effet de supprimer la part de variabilité du construit normatif qui n’est pas reliée à la variable dépendante, ce qui explique le coefficient β supérieur à 1 retrouvé dans le modèle structural final (Deegan, 1978).