Guide de l’utilisateur - Les apports usuels pour le sodium et le potassium

Analyse des données de l’Enquête sur la santé dans les collectivités canadiennes – Nutrition de 2015

1. Introduction

La présente analyse répond à une demande du Comité chargé d’examiner les apports nutritionnels de référence (ANREF) pour le sodium et le potassium des Académies nationales des sciences, d’ingénierie et de médecine des É.-U. Dans le cadre du processus d’examen, le Comité a demandé des renseignements à jour sur l’apport alimentaire usuel de la population canadienne en matière de sodium, de potassium et d’énergie. Les données de l’Enquête sur la santé dans les collectivités canadiennes – Nutrition de 2015 ont été utilisées pour estimer la distribution de l’apport usuel provenant des aliments au niveau national.  

2. Méthodes statistiques

2.1. Ensemble de données et variables

Les fichiers partagés de l’Enquête sur la santé dans les collectivités canadiennes (ESCC) – Nutrition¹ ont servi à estimer la distribution des apports usuels provenant des aliments pour l’énergie et plusieurs nutriments. L’enquête a recueilli deux rappels concernant le type et la quantité de nourriture consommée dans les 24 heures précédant l’entrevue : un pour tous les répondants ainsi qu’un second rappel d’un sous-échantillon représentatif du groupe. L’utilisation des données du premier rappel alimentaire seulement fournit une mesure de l’apport quotidien (c’est-à-dire la quantité de nutriments ou d’aliments consommés au cours d’une journée). Les données des premier et deuxième rappels peuvent être utilisées pour produire une estimation de l’apport usuel (c.-à-d. la consommation moyenne à long terme). En général, il est plus instructif d’étudier la distribution des apports usuels d’une population que celle de ses apports quotidiens.

Pour la présente analyse, les distributions des apports usuels et des écarts-types connexes ont été calculées pour les nutriments, l’énergie et les ratios connexes suivants :

• Sodium
• Potassium
• Énergie
• Ratio sodium:potassium
• Densité de sodium
• Densité de potassium

Pour les nutriments, l’énergie et les ratios énumérés ci-dessus, des analyses ont été effectuées pour chacun des groupes ANREF suivants selon l’âge, le sexe et l’étape de vie : hommes et femmes séparément pour les tranches d’âges de 9 à 13 ans, de 14 à 18 ans, de 19 à 30 ans, de 31 à 50 ans, de 51 à 70 ans et de 71 ans et plus ; et de 19 ans et plus ainsi que hommes et femmes confondus pour les tranches d’âges de 1 à 3 ans, de 4 à 8 ans. En outre, les groupes suivants ont aussi été analysés : adultes de 19 ans et plus (hommes et femmes confondus) ; femmes enceintes ; femmes qui allaitent ; et femmes enceintes ou qui allaitent.

Une deuxième analyse a également été réalisée pour calculer l’apport usuel en sodium et en potassium, stratifié selon le statut d’hypertension artérielle autodéclaré. De plus, à la question « Avez-vous une maladie cardiaque ? », les participants qui ont répondu par l’affirmative, par « ne sait pas » ou qui ont refusé de répondre ont été exclus de l’analyse. Les groupes ANREF suivants ont été inclus dans la deuxième analyse et stratifiés en fonction de la pression artérielle : hommes et femmes séparément de 19 à 30 ans, de 31 à 50 ans, de 51 à 70 ans, de 71 ans et plus ; et de 19 ans et plus. Des estimations ont également été fournies pour les adultes de 19 ans et plus (hommes et femmes confondus) ; les femmes enceintes ; les femmes qui allaitent ainsi que les femmes enceintes ou qui allaitent.

Une troisième analyse a porté sur les apports habituels de sodium et de potassium dans les groupes âge-sexe des ANREF en rapportant tous les centiles de la distribution, du 1^er au 99^e centile. Des estimations et écarts-types connexes ont été fournis. Toutes les estimations ont été vérifiées afin de garantir le respect des directives de Statistique Canada relatives à la diffusion.

2.2. Estimation de l’apport alimentaire usuel

La variabilité des apports au sein d’un groupe au cours d’une journée donnée reflète à la fois la variabilité de l’apport intra-individuel, soit chez des individus en particulier (qui pourraient avoir mangé plus ou moins que d’habitude ce jour-là) et inter-individuel, soit entre différents individus (dont l’apport usuel est plus ou moins élevé). Pour obtenir une estimation de la distribution des apports usuels de la population à partir des données sur les apports quotidiens, on doit utiliser un modèle de distribution des erreurs qui réduit l’effet des variances intra-individuelles tout en mesurant les variances inter-individuelles. Il existe plusieurs méthodes permettant d’estimer la distribution des apports usuels de la population à partir des données d’apport quotidien^2-5. Pour analyser l’ESCC Nutrition de 2015, un groupe de travail technique composé de statisticiens de Santé Canada et de Statistique Canada a recommandé d’utiliser la méthode du National Cancer Institute (NCI)^2,3,5 pour l’analyse de l’apport alimentaire habituel. Malgré une intensité de calcul accrue par rapport aux autres méthodes disponibles, la méthode du NCI présente des avantages, car elle peut être utilisée pour estimer l’ingestion de nutriments et d’aliments épisodiques et non épisodiques, elle peut inclure des covariables dans le modèle, et elle prend en considération la corrélation entre la probabilité de consommation et la quantité consommée⁶.

Le National Cancer Institute a créé des macros SAS pour l’implémentation de la méthode du NCI pour l’apport usuel ; ces derniers sont disponibles en ligne à https://epi.grants.cancer.gov/diet/usualintakes/macros.html. Deux types de macros NCI différents ont été utilisés pour l’analyse : les macros univariées MIXTRAN et DISTRIB^2,3 ainsi que les macros bivariées pour le calcul des ratios et de la densité⁵. Les apports habituels de sodium, de potassium et d’énergie ont été calculés en utilisant les macros univariées, puisqu’ils concernent un seul composant. C’est le modèle monocomposant (quantité uniquement) qui a été utilisé, puisque moins de 5 % des rappels de 24 heures montraient un apport zéro d’un nutrient⁷. De même, pour la stratification de l’analyse selon la tension artérielle autodéclarée, c’est le modèle univarié de quantité uniquement qui a été utilisé, le statut autodéclaré de la tension artérielle étant une covariable.

D’autre part, le ratio des apports usuels a été calculé pour le ratio sodium:potassium ainsi que pour la densité de sodium et de potassium, ces variables correspondant à une analyse de deux composants ou plus. La densité de sodium et la densité de potassium ont été calculées en tant que quantité de sodium (ou de potassium) par 1000 kcal par jour. Le ratio des apports usuels est basé sur un modèle bivarié commun pour les deux composants (numérateur et dénominateur)⁵. La première étape de la procédure consiste à transformer chaque composant pour approximer la normalité en utilisant une transformation de Box-Cox, choisie afin de réduire au minimum l’erreur quadratique moyenne autour d’une ligne droite adaptée à un graphique pondéré quantile-quantile (QQ) en utilisant le poids d’échantillonnage de chaque répondant. On utilise alors un modèle à effets mixtes linéaire bivarié, ce qui suppose que les termes spécifiques au sujet de modèle et les termes intra-sujet ont une distribution normale bivariée, chacune indépendante des autres. Les simulations de Monte-Carlo sont ensuite calculées à l’aide des valeurs des paramètres estimées à partir du modèle. Les apports usuels d’un grand nombre de pseudo-individus ont ensuite été générés, après quoi le ratio des apports habituels a été calculé pour chaque pseudo-individu. En outre, la moyenne et le centile de la distribution du ratio des apports usuels ont été estimés.

Au cours de l’analyse, on a noté que le modèle n’a pas convergé pour certains groupes âge-sexe des ANREF. Par conséquent, les données du cycle précédent 2004 de l’ESCC-Nutrition (cycle 2.2) ont été incluses afin d’augmenter la taille de l’échantillon et de produire des estimations stables. Ainsi, les estimations paramétriques ont été obtenues à partir d’un ensemble de données issues des ESCC-Nutrition de 2004 et 2015, et le cycle de l’enquête a également été inclus comme covariable. Comme dans les analyses du NCI précédentes^2,3,5, des covariables pour la séquence de rappel et la situation de fin de semaine/jour de semaine ont également été incluses. En outre, des apports usuels ont été obtenus séparément pour chaque groupe âge-sexe des ANREF à l’aide d’une approche stratifiée^6,7.

2.3. Hypothèses statistiques

Dans les cas univariés ou bivariés, une fois le modèle choisi, le rapport des composants de variances intra-inter a été utilisé pour évaluer d’autres hypothèses statistiques, notamment le choix des covariables et des valeurs aberrantes. Les valeurs élevées au sein du rapport des variances intra-inter laissent croire à une instabilité des estimations des paramètres du modèle, et conduisent à un ajustement plus important des apports au cours d’une seule journée par rapport aux apports usuels. En conséquence, l’estimation des centiles de la distribution des apports habituels est susceptible d’être affectée. Pour garantir la précision du modèle, l’effet des covariables et des valeurs aberrantes a été évalué lors du calcul des apports usuels.

Dans les cas où la différence entre les apports du jour 1 et du jour 2 était anormalement élevée (c.-à-d. une variation du rapport intra-inter >10), des analyses ont été menées pour trouver d’éventuelles valeurs aberrantes. Dans de tels cas, la valeur du jour 2 a été supprimée, puisque les valeurs du jour 1 sont considérées comme plus fiables, étant donné qu’elles sont moins susceptibles d’être biaisées en raison de la courbe d’apprentissage ou de changements au régime alimentaire, puisque le répondant est alors conscient qu’un rappel aura lieu. L’impact de la suppression des valeurs aberrantes sur la variation intra-inter a été déterminé sur la base de ±3, ±2,5 ou ±2 ÉT hors de la distribution moyenne de la différence entre les valeurs du jour 1 et du jour 2. Le scénario qui a donné la plus grande amélioration de la variation intra-inter avec le moins de valeurs aberrantes supprimées a été sélectionné.

Une deuxième méthode d’élimination des valeurs aberrantes a également été envisagée⁷. Dans ce cas, une transformation de Box-Cox des valeurs brutes non nulles est exécutée, et on signale les observations égales à 2,5 fois l’écart interquartile sous le 25^e centile et au-dessus du 75^e centile respectivement. Dans cette approche, les valeurs aberrantes sont identifiées si elles conduisent à une éventuelle violation de l’hypothèse de normalité.

Le tableau 1 résume les valeurs aberrantes identifiées dans le cadre des diverses analyses d’apport usuel.

Tableau 1 : Résumé des valeurs aberrantes par valeur énergétique et nutriment : Analyse de l’apport nutritionnel des aliments pour les Académies nationales des sciences, d’ingénierie et de médecine

Source des données : Enquête sur la santé dans les collectivités canadiennes de 2015 – Nutrition, Fichiers partagés

2.4. Écarts-types lors de l’utilisation des répliques bootstrap

Comme les enquêtes ESCC-Nutrition ont un plan d’échantillonnage complexe, donc aucune formule mathématique n’existe pour calculer directement la variabilité d’échantillonnage. Il faut recourir à une méthode de réplication de l’échantillonnage pour estimer cette variance, et la plus pratique est la méthode de réplication bootstrap. Statistique Canada a fourni des poids de répliques bootstrap pour l’estimation de la variance à partir de plans d’échantillonnage complexes.

Pour obtenir des estimations simples comme des totaux, des ratios ou des paramètres de régression, il est possible d’estimer la variabilité d’échantillonnage à partir du fichier de poids bootstrap au moyen de procédures telles que SUDAAN, STATA ou PROC SURVEYMEANS dans SAS. Ces procédures tiennent bien compte du plan d’enquête complexe dans l’estimation des erreurs types. Pour obtenir une estimation, le paramètre d’intérêt est calculé (p. ex., total, ratio) pour chacune des 500 répliques, puis la variance entre les 500 valeurs est calculée. Cette méthode est employée pour estimer l’apport nutritionnel moyen à partir des données des rappels du premier jour seulement. Pour les estimations liées aux distributions des apports usuels, ce processus doit être répété lorsqu’on utilise la méthode du NCI. Il faut donc estimer les paramètres d’intérêt au moyen de la méthode du NCI pour chacune des répliques (par poids bootstrap), puis calculer la variance entre chacune des 500 estimations.

Dans certaines procédures, la variance des 500 répliques compare chaque estimation à la moyenne des 500 répliques bootstrap (la moyenne bootstrap). Toutefois, les données permettent aussi de disposer de l’estimation de base (estimation calculée à l’aide des poids déterminés par le plan d’échantillonnage). En général, à cause du nombre important de répliques (500), la moyenne bootstrap converge vers l’estimation de base. Toutefois, il est possible que la méthode du NCI ne fonctionne pas pour certaines des 500 répliques, et donc que l’on ne dispose pas de l’ensemble des 500 estimations de la distribution pour calculer la moyenne des estimations bootstrap. C’est pourquoi, quand on calcule la variance à partir des estimations bootstrap, on compare chacune des répliques à l’estimation de base et non à la moyenne des estimations bootstrap. Ainsi, une partie du biais causé par les répliques qui ont échoué est atténuée par la procédure d’estimation.

2.4.1. Écarts-types pour les ratios de l’apport alimentaire habituel

Comparée à l’estimation d’un seul nutriment tel que le potassium ou le sodium, l’estimation du ratio des apports usuels à l’aide de la méthode du NCI nécessite beaucoup plus de temps pour le calcul des estimations et des écarts-types connexes. À titre d’exemple, l’estimation de l’écart-type pour le ratio sodium:potassium pour un seul groupe âge-sexe des ANREF (hommes âgés de 9 à 13 ans) en utilisant 500 répliques bootstrap a nécessité environ 63 heures de temps de calcul, comparé à 5 heures pour le sodium seul.

En conséquence, afin d’assurer l’exactitude et de respecter les échéances du projet, une analyse a été réalisée pour évaluer l’impact de l’utilisation de moins de 500 répliques bootstrap sur l’estimation de l’écart-type pour le ratio des apports usuels. Pour le ratio sodium : potassium, quatre groupes âge-sexe des ANREF ont été identifiés pour l’analyse : hommes de 9 à 13 ans, femmes de 9 à 13 ans, hommes de 14 à 18 ans et femmes de 14 à 18 ans. Les écarts-types ont été calculés sur la base de 200, 300, 400 et 500 poids bootstrap pour l’apport usuel moyen ainsi que pour les centiles suivants : 1^er, 5^e, 10^e, 25^e, 50^e, 75^e, 90^e, 95^e et 99^e. Les résultats sont présentés au tableau 2.

Dans l’ensemble, la différence moyenne de l’écart-type calculé à l’aide de 200 répliques bootstrap plutôt que 500 était de -0,0009. Pour la plupart des estimations, les écarts-types sont les mêmes à deux décimales près, tandis que les économies de temps de calcul sont substantielles. Ces résultats concordent avec ceux d’autres recherches publiées qui ont montré que le fait d’utiliser plus de 200 répliques bootstrap pour l’analyse avec la méthode du NCI ne présentait que peu d’avantages supplémentaires³.

Tableau 2 – Comparaison des écarts-types pour le ratio sodium : potassium à l’aide de la méthode du NCI

Source des données : Enquête sur la santé dans les collectivités canadiennes de 2015 – Nutrition, Fichiers partagés

3. Pour plus de renseignements

Pour plus de renseignements sur l’interprétation des données de l’Enquête sur la santé dans les collectivités canadiennes – Nutrition de 2015, on se reportera au Guide de référence pour comprendre et utiliser les données⁸ disponible à :

https://www.canada.ca/fr/sante-canada/services/aliments-nutrition/surveillance-aliments-nutrition/sondages-sante-nutrition/enquete-sante-collectivites-canadiennes-escc/guide-reference-comprendre-utiliser-donnees-2015.html

Pour plus de renseignements sur les méthodes, veuillez envoyer un courriel à : Hc.nutrition.surveillance-nutritionelle.sc@canada.ca  

Notes des tableaux pour les tableaux des données sur le sodium et le potassium

1. Sont exclus de la population cible de cette enquête les habitants des trois territoires, les personnes vivant dans les réserves indiennes ou sur les résidents d’établissements, les membres à temps plein des Forces canadiennes et les résidents de certaines régions éloignées.
2. La taille de l’échantillon est basée sur le premier rappel alimentaire de 24 heures (premier jour de l’entrevue) seulement.
3. Les apports sont fondés sur la base de la consommation d’aliments seulement. Les apports provenant de suppléments de vitamines et de minéraux n’ont pas été inclus.
4. La distribution des apports (centiles et pourcentage au-dessus ou en dessous d’un seuil, le cas échéant) a été ajustée en utilisant la méthode du National Cancer Institute (NCI), comme décrite dans Tooze JA, Midthune D, Dodd KW, et coll. : « A new statistical method for estimating the usual intake of episodically consumed foods with application to their distribution », J Am Diet Assoc 2006; 106 : 1575-1587 ; et Tooze JA, Kipnis V, Buckman DW, et coll. : « A mixed-effects model approach for estimating the distribution of usual intake of nutrients: the NCI method », Stat Med 2010; 29 : 2857-2868. La méthodologie pour le ratio des apports habituels a été décrite dans Freedman LS, Guenther PM, Dodd, KW, Krebs-Smith SM, Midthune D : « The population distribution of ratios of usual intakes of dietary components that are consumed every day can be estimated from repeated 24-hour recalls », The Journal of Nutrition 2010; 140 : 111-116.
5. L’écart-type (ÉT) a été produit au moyen des techniques bootstrap.

Références

1. STATISTIQUE CANADA. « Enquête sur la santé dans les collectivités canadiennes, 2015 – Guide de l'utilisateur », 2017.
2. Tooze, J. A, D. Midthune, K. W. Dodd et coll. « A new statistical method for estimating the usual intake of episodically consumed foods with application to their distribution », J Am Diet Assoc, vol 106, p. 1575-1587, 2006.
3. Tooze, J. A., V. Kipnis, D. W. Buckman et coll. « A mixed-effects model approach for estimating the distribution of usual intake of nutrients: the NCI method », Stat Med, vol. 29, p. 2857-2868, 2010.
4. Nusser, S. M., A. L. Carriquiry, K. W. Dodd et W. A. Fuller. « A semiparametric transformation approach to estimating usual daily intake distributions », J Am Stat Assoc, vol. 91, p. 1440–1449, 1996.
5. Freedman, L. S., P. M. Guenther, K. W. Dodd, S. M. Krebs-Smith et D. Midthune. « The population distribution of ratios of usual intakes of dietary components that are consumed every day can be estimated from repeated 24-hour recalls », The Journal of Nutrition, vol. 140, p. 111-116, 2010.
6. Davis, K. A., A. Gonzalez, L. Loukine, C. Qiao, A. Sadeghpour, M. Vigneault, K. C. Wang et Ibanez D. « Early experience analyzing dietary intake data from the Canadian Community Health Survey – Nutrition using the National Cancer Institute (NCI) Method », en cour.
7. Krebs-Smith, S. M., P. M. Guenther, A. M. Subar, S. I. Kirkpatrick et K. W. Dodd. « Americans do not meet federal dietary recommendations », The Journal of Nutrition, vol. 140, p. 1832-1838, 2010.
8. SANTÉ CANADA. « Guide de référence pour comprendre et utiliser les données. Enquête sur la santé dans les collectivités canadiennes (ESCC) – Nutrition, 2015, 2017, https://www.canada.ca/fr/sante-canada/services/aliments-nutrition/surveillance-aliments-nutrition/sondages-sante-nutrition/enquete-sante-collectivites-canadiennes-escc/guide-reference-comprendre-utiliser-donnees-2015.html.