2.1.1 Densité médicale

Sur notre carte, plus la couleur est claire, plus le territoire est sous-médicalisé. Le département Seine-St-Denis présente la densité la plus faible avec 51 médecins pour 100 000 habitants et celui de Hautes-Alpes présente la densité la plus importante avec 114,4 médecins pour 100 000 habitants, soit 2 fois plus que celle de Seine-St-Denis. Et ces déserts ne se logent pas que dans les campagnes et les montagnes, mais concernent également des zones urbaines comme Paris. Certaines régions sont bien mieux loties que d’autres. La région de PACA (Provence-Alpes-Côte d’Azur) présente une démographique de médecins généralistes bien plus favorable que la région d’Ile de France par exemple. Mais même au sein de ces régions favorisées se trouvent des zones de pénurie médicale.

2.1.2 Honoraires

Ces cartes révèlent l’existence d’une corrélation négative significative entre les honoraires et la densité des médecins généralistes. Autrement dit les médecins généralistes qui sont installés dans les zones à faible densité ont un avantage financier sur les médecins résidant dans les régions à forte densité médicale.
De façon générale, les médecins généralistes qui exercent dans le Sud de la France où la densité médicale est plus forte ont un revenu en moyenne moins élevé que dans le nord de la France.

2.1.3 Régression lineaire

Nous proposons de faire une régression linéaire pour tester la relation entre la densité médicale et les honoraire des médecins.

## 
## Call:
## lm(formula = hon ~ den)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -25667  -9627  -3111   8701  88227 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 217903.4     8362.3  26.058  < 2e-16 ***
## den           -684.5      105.3  -6.501 3.26e-09 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 16250 on 99 degrees of freedom
## Multiple R-squared:  0.2992, Adjusted R-squared:  0.2921 
## F-statistic: 42.26 on 1 and 99 DF,  p-value: 3.262e-09

Les p-values des coefficients sont trés proches de 0, donc on peut affirmer que les coefficients sont trés significativement différents de 0. Par conséquent il y’a une relation entre les honoraires des médecins et leur densité médicale et comme le coefficient de la variable densité est négative, cela confirme notre supposition que leur corrélation est aussi négative.
Le \(R^2\) est 0.30, donc cela signifie que 30% de la variance est expliquée par le modèle.
Affichons maintenant le nuage des points et la droite de la regression linéaire

Ce graphe illustre parfaitement cette corrélation négative entre la densité médicale et les honoraires. En effet cela est compréhensible car en cas de baisse de la densité médicale locale, le volume de soins fournis par un généraliste médecins augmente, ce qui fait que son rythme de travail est plus soutenu et aussi son dépassement d’honoraires est plus élevé.
A titre d’exemple, nous donnons le tableau des données suivants qui présentent la différence d’honoraires par APE annuelles en euros des médecins généralistes dans 3 départements.

##      Departement Depassement
## 1   Hautes-Alpes    861.2569
## 2          Paris  14741.1007
## 3 Seine-et-Marne   5908.9400

On voit que le département Hautes-Alpes qui avait la densité médicale la plus forte a un dépassement d’honoraires moins important que Seine-et-Marne qui avait la densité la plus faible. La ville de Paris aussi qui a une densité médicale faible a le dépassement d’honoraire le plus élevé en France.

2.1.4 Evolution des effectifs des médecins généralistes

On observe une augmentation des effectifs de 2000 à 2010 à la fois pour les médecins généralistes et les spécialistes. Cependant cette tendance s’inverse par la suite avec une diminution plus importante chez les médecins généralistes malgré le numerus clausus.

La baisse des effectifs des médecins généralistes en général est due en grande partie à celle des hommes malgré une tendance à la hausse des effectifs des femmes.

Pour Comprendre cette diminution et aussi l’augmentation des femmes médecins généralistes, nous allons essayer d’analyser leurs tranches d’âge.

2.1.5 Tranches d’âge

Ce graphe nous permet d’affirmer que la population des médecins généralistes est vieillissante. En effet plus de 50 % des médecins généralistes ont 55 ans ou plus et plus 30 % ont 60 ans ou plus. Ceci nous permet de comprendre la diminution des effectifs des généralistes. Cette situation est aussi préoccupante car le vieillisement de la population médicale fera que beaucoup de médecins iront bientôt à la retraite, ce qui pourrait augmenter le problème du désert médical illustré tout en haut.
La profession reste assez majoritairement masculine ( 62%) mais un renversement se prépare. La féminisation s’avère importante chez les jeunes générations ainsi que le démontre le graphe. A ce titre, il est d’ores et déjà temps de réfléchir aux conséquences possibles de cette évolution.

2.2.1 Densité médicale

Maintenant on s’intéresse aux chirurgiens dentistes

La densité médicale des dentistes est comme pour les médecins généralistes est inégalement répartie en France. Les départements de forte densité médicale sont pour la plupart les départements qui sont situés vers le sud de France, sur les côtes et les départements qui ont une forte attraction comme Paris.

A l’inverse les régions de Normandie et de Picardie ont une densité médicale de dentiste très faible.

Pour les honoraires, on observe la meme chose que pour les médecins généralistes, c’est à dire une corrélation négative entre la densité médicale et les honoraires. Pour en etre sur on va le tester avec la regression linéaire.

2.2.2 Régression linéaire

## 
## Call:
## lm(formula = hon ~ den)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -61304 -18195  -1743  14775  79387 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 366789.9     9363.8   39.17   <2e-16 ***
## den          -2098.7      186.1  -11.27   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 24160 on 98 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.5647, Adjusted R-squared:  0.5602 
## F-statistic: 127.1 on 1 and 98 DF,  p-value: < 2.2e-16

Les p-values des coefficients sont trés proches de 0, donc on peut affirmer que les coefficients sont trés significativement différents de 0. Par conséquent il y’a une relation entre les honoraires des médecins et leur densité médicale et comme le coefficient de la variable densité est négative, cela confirme notre supposition que leur corrélation est aussi négative.
Le \(R^2\) est 0.56, donc cela signifie que 56% de la variance est expliquée par le modèle, ce qui est plutôt pas mal.

Affichons maintenant le nuage des points et la droite de la regression linéaire.

Ce graphe montre parfaitement cette corrélation négative entre la densité médicale et les honoraires des dentistes. Autrement dit les médecins dentistes installés dans des zones à forte densité médicale ont des honoraires plus faibles que ceux qui sont dans des zones à faible densité médicale.
Nous allons maintenant regarder leurs dépassements d’honoraires.

2.2.3 Dépassement d’honnoraires

Sans perte de généralité et par souci de lisibilité, nous avons décidé de prendre l’exemple de 4 départements situés dans des régions différentes pour analyser le dépassement des honoraires des dentistes.

D’aprés le diagramme en barre des honoraires des dentistes avec ou sans dépassement, on peut affirmer que les revenus des dentistes avec dépassement d’honoraires sont égaux à ceux sans dépassemnt d’honnoraires et constituent alors la moitié des honoraires totaux.

2.2.4 Tranches d’âge des dentistes

Contrairement aux médecins généralistes, la population des dentistes n’est pas vieillissante car plus de 60% d’entre eux ont moins de 55 ans. Par contre 60-64 ans est la tranche d’age majoritaire chez les dentistes.
Meme si la profession reste assez majoritairement masculine (59 %), on assiste aussi à une féminisation du secteur qui pourrait renverser cette tendance.

## # A tibble: 5 x 2
##   `Structure de la CSBM` Pourcentage
##   <chr>                        <dbl>
## 1 Soins hospitaliers            46.4
## 2 Soins de ville                27  
## 3 Médicaments                   16.1
## 4 Autres biens médicaux          7.9
## 5 Transports de malades          2.5

3.2.1 Contribution à la croissance en valeur de la CSBM

Depuis 2009 la croissance annuelle de la CSBM est inférieur à 3%. elle atteint ses plus faibles taux de croissance en 2013(-1.89%) et 2015(-1.44%) du fait de la baisse de la consommation des médicaments.
Entre 2009 et 2017, les soins hospitaliers contribuent le plus dans la croissance de la CSBM avec une contribution moyenne de 1 point par an à la croissance de la CSBM, suivis des soins de ville (pour 0,5 point par an).
La contribution des soins hospitaliers à la croissance de la CSBM diminue depuis deux ans. En 2018, les soins hospitaliers ne seraient plus que le deuxième contributeur à la croissance de la CSBM, derrière les soins de ville.

3.2.2 Contribution à la croissance en prix de la CSBM

En 2018, le prix des soins et des biens médicaux diminue légèrement (−0,23 %) après un rebond en 2017 (+0,2 %), renouant ainsi avec la période 2010-2016 de baisse des prix (graphique 3). En particulier, le prix des médicaments continue de baisser en 2018 (−3,1 %), contribuant pour 0,5 point à la baisse des prix de la CSBM. À l’inverse, les prix des soins de ville augmentent légèrement, même s’ils sont moins dynamiques qu’en 2017 (+0,8 % contre +1,2 %). Les prix des soins hospitaliers, des autres biens médicaux en ville et des transports sanitaires sont, quant à eux, stables.

3.2.3 Contribution à la croissance en volume de la CSBM

La CSBM atteint sa croissance maximale en volume en 2014(3%) En 2017, sa croissance en volume avait fortement ralenti et en 2018, la CSBM en volume progresse un peu du fait notamment du dynamisme des soins de ville et des autres bien médicaux qui sont aussi à la hausse.