Relations spatiales entre les caracteristiques des territoires et les taux d'enfants de groupes ethnoculturels signales a la protection de la jeunesse.

Dufour, Sarah ; Lavergne, Chantal ; Ramos, Yuddy 等

La presente recherche s'interesse aux relations entre diverses caracteristiques de territoires montrealais et la distribution spatiale des taux d'enfants (minorites visibles et autres) signales a la protection de la jeunesse. Au Canada, l'expression <<minorites visibles>> designe une minorite nationale dont les membres sont plus susceptibles que les autres de faire l'objet d'une discrimination systemique sur la base de leur apparence physique ou de certaines caracteristiques culturelles facilement reconnaissables (1, 2). Ces minorites constituaient 30 % de la population montrealaise en 2011 (3). Les groupes les plus frequents a Montreal sont, en ordre decroissant, les Noirs, les Arabes et les Latino-Americains. Les familles de minorites visibles exercent leur role parental tout en etant aux prises avec de nombreux obstacles systemiques comme l'acces au logement et a l'emploi (4) ou le risque de discrimination systemique (5). Elles sont donc minoritaires en termes de nombre mais egalement en termes de moindre pouvoir.

Les mauvais traitements referent a des comportements, omis ou commis, de nature physique, sexuelle ou psychologique qui menacent l'integrite physique ou psychologique de l'enfant. Ils se manifestent sous quatre formes: l'abus physique, les mauvais traitements psychologiques, l'abus sexuel et la negligence. Tant par leur ampleur (6) que par leurs lourdes consequences individuelles, familiales et collectives, ils constituent un probleme de sante publique social important. Au Quebec, ils sont cibles par une loi d'exception, la Loi sur la protection de la jeunesse, qui permet d'intervenir d'autorite dans les familles aux prises avec ces difficultes. A Montreal, pour la periode a l'etude, en 2009-10, il y a eu 8 263 signalements au Centre jeunesse de Montreal-Institut universitaire (7), qui dessert la population francophone et allophone. Les taux de retention des signalements y etaient en baisse, passant de 51 % en 2006-07 a 45 % en 2008-09, puis a 46 % en 2009-107. Le Centre de la jeunesse et de la famille Batshaw, qui dessert la population anglophone, avait quant a lui recu 3 283 signalements (8). Les taux de retention y etaient aussi en baisse, passant de 58 % en 2006-07 a 50 % en 2008-09, puis a 49 % en 2009-10. Les statistiques regionales camouflent des disparites importantes. Par exemple, entre 1998 et 2000, les taux d'enfants signales pour abus physique ou negligence variaient, selon les territoires de CLSC quebecois, entre 2,3 et 53,4 pour 1 000 (9).

L'etape des signalements a la protection de la jeunesse est cruciale pour deux raisons. D'abord, elle constitue l'entree dans les services de protection. La controverse entourant le fait que l'ampleur des signalements soit ou non preoccupante est vive (10). Certains specialistes pointent les grandes proportions de signalements non retenus pour evaluation, ou juges non fondes apres evaluation, pour arguer que de nombreuses situations signalees aux services de protection trouveraient une reponse plus appropriee dans d'autres types de services comme les organismes communautaires et ce, particulierement pour les enfants de minorites visibles (11). Selon eux, une trop grande quantite de signalements engorgent les services de protection et diluent l'attention portee aux cas reellement preoccupants. Au contraire, d'autres croient que les signalements refletent une preoccupation legitime a l'egard d'enfants vulnerables et que, bien que couteux, il est approprie que toutes ces situations soient rapportees a la protection de la jeunesse (12).

La seconde raison justifiant de s'interesser aux signalements reside dans le fait qu'ils constituent une etape de la trajectoire dans les services de protection oU la disproportion des enfants de minorites visibles est particulierement importante et ce, tant a Montreal (13), au Canada (14) qu'aux Etats-Unis (15). La disproportion, qu'il s'agisse de sur ou de sous-representation, refere au fait que la place relative de certains groupes ethnoculturels dans les services de protection ne reflete pas leur poids demographique dans la population (16). Ainsi, les enfants noirs montrealais sont pres de deux fois plus susceptibles d'etre signales que tous les autres enfants, alors que ceux des autres minorites sont moins susceptibles d'etre signales que tous les autres (13). La disproportion des signalements d'enfants de minorites visibles est preoccupante, car elle impose un fardeau sur un systeme de protection deja sous pression. Par exemple, l'arrivee massive au seuil des services de protection d'enfants noirs sans besoin de protection plus grand que les autres (13) questionne la decision des signalants d'orienter ces situations vers la protection plutot que vers d'autres services. La sous-representation est tout aussi preoccupante si elle reflete la situation d'enfants en besoin de protection, mais non reperes a cause de la mefiance ou de la meconnaissance de ces services; a l'inverse, elle peut s'expliquer par l'influence de facteurs de protection contre les mauvais traitements tels la solidarite communautaire, qui meriteraient alors d'etre mieux compris pour etre encourages.

Les facteurs associes aux variations spatiales dans la disproportion dans les signalements d'enfants de minorites visibles sont encore mal connus. Neanmoins, il est maintenant assez bien etabli que de nombreuses caracteristiques structurelles des territoires oU vivent les familles contribuent a augmenter les probabilites qu'un enfant soit signale ou victime de mauvais traitements (17). Ainsi, les territoires avec de hauts taux de pauvrete sont aussi ceux oU les mauvais traitements sont les plus signales et les plus prevalents (9, 18, 19). Ces liens varient notamment selon les concentrations de communautes culturelles dans le territoire (20). Par exemple, Korbin et coll. (21) ont montre un impact moindre de la pauvrete dans les territoires a fortes concentrations de Noirs que dans les territoires a predominance blanche. Leur analyse ethnographique suggere qu'a pauvrete egale, la desorganisation sociale et une faible coherence sociale caracterisent les territoires a haut risque de mauvais traitements alors que les territoires a faible risque presentent un solide tissu social. Les personnes habitant des territoires a faible desorganisation sociale sont plus susceptibles de signaler des situations preoccupantes que celles habitant des territoires a grande desorganisation (22, 23). L'argument selon lequel les enfants de minorites visibles sont plus pauvres et que c'est cette pauvrete qui augmente les risques de mauvais traitements n'est pas soutenu puisque, parmi les enfants aux prises avec une grande pauvrete, les enfants noirs ne sont pas plus maltraites que les blancs (24, 25).

Parmi les autres caracteristiques structurelles des territoires en lien avec les probabilites de signalement et de mauvais traitements, les territoires oU le ratio enfants/adultes est plus grand presentent un risque plus eleve (19, 21, 26, 27). L'instabilite residentielle, c'est-a-dire des territoires oU les familles demenagent souvent et oU il y a de nombreux loyers vacants, est aussi associee aux mauvais traitements (27, 28), notamment dans les territoires a dominance blanche plutot que ceux a dominance noire (21). La densite (au sein des logements et sur le territoire), la proportion de familles monoparentales (29) et d'adultes sans emploi (30) dans un territoire sont aussi correlees positivement avec les mauvais traitements. Des problemes sociaux, se traduisant par exemple par de hauts taux de crimes et de violence, caracterisent les territoires a hauts taux de signalements (21).

Freisthler et ses collegues (31) ont contribue a une meilleure comprehension de la maniere dont les caracteristiques territoriales contribuent a la surrepresentation des groupes minoritaires en etudiant separement la repartition spatiale des taux de mauvais traitements fondes de trois groupes ethnoculturels par secteurs de recensement en Californie, aux Etats-Unis. Les chercheuses etablissent que les enfants noirs sont trois fois plus susceptibles de vivre des mauvais traitements que les enfants hispanophones, et cinq fois plus que les blancs. Les analyses de regression spatiale effectuees selon la methode des moindres carres generalises (Generalized Least Squares--GLS) indiquent que seule la pauvrete s'avere significative dans tous les modeles. Les autres predicteurs territoriaux analyses, quant a eux, varient selon les groupes. Bien que la reduction de la pauvrete territoriale puisse reduire les taux de mauvais traitements fondes pour l'ensemble des enfants, des efforts de prevention plus specifiques propres aux caracteristiques demographiques des territoires devront aussi etre envisages. La presente recherche s'inspire de leurs travaux tout en adaptant les choix methodologiques a la realite quebecoise. Elle vise a repondre aux questions suivantes: 1) Quelle est la distribution spatiale des taux d'enfants de groupes ethnoculturels signales a la protection de la jeunesse (enfants noirs, d'autres minorites visibles et non issus des minorites visibles)?; et 2) Quelle est la contribution relative de diverses caracteristiques territoriales a ces taux selon les groupes?

METHODE

Territoires a l'etude

L'etude, qui a recu une approbation d'un comite d'ethique a la recherche reconnu par le ministere de la Sante et des Services sociaux, porte sur l'agglomeration de Montreal, la plus populeuse du Quebec avec une population de 1,84 million d'habitants et oU les personnes de minorites visibles sont les plus presentes (30 % de la population) (3). Les secteurs de recensement (SR) comptent habituellement une population de 2 500 a 8 000 habitants (32). Les 505 SR montrealais dont les donnees sont completes sont a l'etude, sur une possibilite de 520. Les 15 SR exclus de l'etude correspondent a des secteurs avec des donnees manquantes (p. ex.: zones vertes) ou des donnees partielles (il n'y a aucun signalement d'enfant ou aucune donnee sur la population).

Variables et sources des donnees

Variables dependantes

Les variables dependantes sont les taux annuels d'enfants dont les signalements ont ete retenus a Montreal pour 1 000 enfants. Les taux sont calcules a partir des donnees issues du systeme clientele (PIJ) des deux organisations de protection de la jeunesse de Montreal pour trois ans, soit les enfants 0-17 ans dont le signalement a ete retenu entre 2007 et 2010. L'adresse par code postal a six chiffres de chacun des enfants signales a ete geolocalisee en utilisant le logiciel de systeme d'information geographique ArcGIS 10.2 (ESRI, Environmental Systems Research Institut Inc). Les donnees populationnelles du recensement canadien de 2006 servent de denominateurs. Trois groupes sont constitues: les enfants non issus des minorites visibles (NMV), les enfants noirs provenant des Antilles et de l'Afrique (Noirs) et les enfants issus des autres minorites visibles (AMV), comme les enfants asiatiques du Sud et de l'Est et les Arabes. L'appartenance a une minorite visible est basee sur la definition et les categories du recensement canadien et est etablie a partir de la langue parlee a la maison, du pays de naissance et de l'appartenance ethnoculturelle declaree par l'enfant lui-meme, ses parents ou observee par l'intervenant.

Variables independantes

Les caracteristiques structurelles des territoires associees aux signalements a la protection de la jeunesse constituent les variables independantes: pauvrete, sous-scolarisation, instabilite residentielle, familles nombreuses, monoparentalite, densite territoriale et ratio de population. Les donnees proviennent du recensement canadien de 2006. L'operationnalisation de l'ensemble des variables est decrite au tableau 1 et leurs statistiques descriptives sont presentees au tableau 2.

Analyses

Les analyses se realisent en quatre etapes. D'abord, la cartographie des taux d'enfants signales par secteurs de recensement offre une representation de la distribution spatiale du phenomene a l'etude. Deuxiemement, une regression lineaire multiple est realisee afin de mieux comprendre l'influence des caracteristiques territoriales et d'identifier les facteurs associes aux signalements de tous les enfants, puis de chacun des groupes a l'etude (modele global). Troisiemement, afin de controler spatialement les erreurs d'autocorrelation et d'instabilite spatiale du modele de regression lineaire multiple, les variables sont egalement soumises a une regression geographiquement ponderee (Geographically weighted regression--GWR) (33) pour tous les enfants, puis pour chacun des groupes. La GWR est un outil standard d'analyse exploratoire des donnees geospatiales. Elle estime un modele local et decompose le modele global pour tenir compte des variations dans l'espace du phenomene etudie. Cette analyse constitue une extension de la regression lineaire multiple classique, mais adaptee aux donnees geospatiales. Elle considere par exemple l'instabilite spatiale de la relation entre la variable dependante et les variables independantes, oU un modele de regression est tres efficace dans une zone geographique, mais tres peu dans une autre (34). Le modele GWR a ete calcule en utilisant l'outil GWR d'ArcGIS 10.2. Une fonction du type gaussienne a ete utilisee pour definir la ponderation dans le modele GWR avec une zone d'influence (bandwidth) relative a un nombre de voisins (adaptive). Les mesures d'information de type AIC (Akaike Information Criterion) ont ete utilisees afin d'optimiser la valeur du coefficient ([beta]) (35). Finalement, afin d'identifier et de qualifier les variations spatiales des facteurs associes aux enfants signales, les valeurs locales du T de Student pour chacun de ces facteurs sont cartographiees pour les groupes de minorites visibles (enfants noirs et autres minorites).

RESULTATS

La figure 1 illustre la distribution spatiale des taux annuels d'enfants signales a Montreal pour chacun des groupes ethnoculturels a l'etude. Deux constats se degagent. D'abord, la distribution spatiale est tres differente selon les groupes. Alors que les signalements se concentrent sur le long de la rive sud pour les enfants non issus de minorites visibles (b), ils sont surtout vers le centre ouest de l'ile pour les enfants noirs (c) et repartis en trois zones pour les enfants d'autres minorites visibles (d; pointe est, sud et sud-ouest). Comme en temoignent les echelles dans les cartes et les statistiques descriptives (tableau 2), les taux sont aussi tres variables selon les groupes, les enfants noirs presentant la plus grande etendue (taux variant entre 0/1000 et 1000/1000 selon les secteurs de recensement) et le taux moyen le plus eleve (107,82/ 1000 c. 29,29/1000 pour NMV et 49,52/1000 pour AMV).

Les autres resultats portent sur les modeles de regression et les analyses des facteurs explicatifs (caracteristiques territoriales) des taux d'enfants signales. Le tableau 3 resume d'abord les resultats du modele de regression globale pour tous les enfants, puis pour chacun des groupes. Si les caracteristiques territoriales permettent d'expliquer 35 % de la variance pour les enfants non issus des minorites visibles, elles s'averent nettement moins efficaces dans la prediction des taux d'enfants de groupes ethnoculturels (15 % de variance expliquee pour les Noirs, 12 % pour les autres minorites). Le ratio de population constitue le plus important predicteur pour le signalement d'enfants de minorites noires et autres (les enfants de minorites sont plus susceptibles d'etre signales dans les SR a faible concentration d'enfants de la meme minorite qu'eux), alors que cette variable est non significative pour les enfants non issus de minorites. Les variables de monoparentalite et de sous-scolarisation dans le cas d'enfants de minorites noires et les variables de sous-scolarisation et d'instabilite residentielle d'enfants d'autres minorites influencent positivement la variable dependante de chacun de ces groupes. La multicolinearite globale a ete evaluee en utilisant le facteur de l'inflation de la variance (VIF, voir tableau 3); une valeur inferieure a 4 est consideree comme moderee. Enfin, le tableau 3 resume les modeles de regression geographiquement ponderee. Comparativement aux modeles globaux, ces modeles locaux ameliorent la qualite des modeles statistiques (diminution des criteres d'information Akaike corriges-AICc Akaike information criterion corrected). Contrairement aux modeles globaux, ces modeles permettent d'evaluer si le modele varie ou non spatialement et de decrire les variations locales entre la variable dependante et les variables independantes. Ici encore, l'analyse est nettement plus efficace pour expliquer la variance des taux d'enfants signales NMV (51 %) que ceux de minorites visibles (18 % pour Noirs et AMV). Afin de tester l'instabilite du modele en raison d'un probleme de multicolinearite locale, les valeurs de conditionnement (Multicolinearity condition number) obtenues dans les resultats du modele GWR ont ete evaluees. Elles sont inferieures a 30, ce qui est considere modere (36).

Enfin, les valeurs locales des T de Student pour chacune des variables significatives de la regression GWR pour les enfants noirs et les enfants AMV sont cartographiees (voir figures 2 et 3). Une valeur T superieure a 1,96 ou inferieure a -1,96 indique que la relation entre les facteurs explicatifs et les taux d'enfants signales est significative (positivement ou negativement) au seuil de 5 %; une valeur T superieure a 2,58 ou inferieure a -2,58 indique une relation significative au seuil de 1 %; et une valeur T superieure a 3,29 et inferieure a -3,29 informe d'une relation significative au seuil de 0,1 %. Dans les figures 2 et 3, plus la couleur est foncee (selon les valeurs de T par seuil) sur un territoire, plus l'influence de la variable est forte sur le taux d'enfants signales de ce territoire. Par exemple, le ratio de population represente un facteur particulierement important (seuil de 0,1 %) pour expliquer la variation dans les taux d'enfants noirs signales dans le sud et l'est de Montreal que dans l'ouest (figure 2a). Puisque les valeurs de T sont significatives negativement, ces territoires sont ceux oU des enfants noirs vivant dans les territoires a faible concentration d'enfants noirs sont les plus susceptibles d'etre signales. Des secteurs particulierement significatifs avec valeurs de T inferieures a -6 sont localises au sud dans les quartiers de Verdun et Lasalle et a l'est de Montreal dans les quartiers de Mercier-Est et Mercier-Ouest. Le pourcentage des familles monoparentales est le deuxieme facteur plus important (seuil 0,1 %) pour expliquer les taux d'enfants noirs signales, particulierement dans le quartier de Verdun (valeurs de T positives superieures a 5).

[FIGURE 1 OMITTED]

Dans le cas des enfants d'autres minorites visibles, le ratio de population represente aussi un facteur particulierement important (seuil de 0,1 %) pour expliquer les taux d'enfants d'AMV signales dans le sud et l'est de Montreal (figure 3a). Des secteurs particulierement significatifs avec valeurs T inferieures a -6 sont localises a l'est de Montreal dans les quartiers des Riviere-des-PrairiesPointe- aux-Trembles.

DISCUSSION

La presente etude confirme d'abord les hauts taux d'enfants noirs signales a la protection de la jeunesse a Montreal, comparativement aux autres enfants. Ces resultats, coherents avec les travaux anterieurs (13-15, 31), s'averent preoccupants, car soit ils refletent une <<discrimination systemique dans leurs rapports avec les institutions publiques et les personnes en situation d'autorite qui prennent des decisions les concernant>> (5), ou alors ils traduisent des besoins et facteurs de risque reellement plus grands que ceux des autres enfants.

Deuxiemement, si les resultats de la presente etude sont peu surprenants pour les enfants non issus de minorites visibles, il en va autrement pour les enfants de minorites ethnoculturelles. Pour les premiers, les modeles statistiques expliquent une bonne portion de la variance et les predicteurs sont coherents avec les connaissances scientifiques presentees en introduction: a Montreal, plus un territoire est aux prises avec des hauts taux de pauvrete, de sous-scolarisation, de familles nombreuses, de monoparentalite et une faible densite, plus la probabilite qu'un enfant non issu des minorites visibles y soit signale augmente. Alors que Freisthler et ses collegues (31) obtiennent une valeur de [R.sup.2] = 0,56 en utilisant le modele des moindres carres generalises (GLS) pour predire les taux d'enfants non issus de minorites visibles maltraites en Californie a partir des caracteristiques territoriales, l'etude actuelle etablit a Montreal, pour ce meme groupe, une valeur de [R.sup.2] = 0,60 avec un modele GWR. Dans les deux cas, la pauvrete territoriale s'avere particulierement significative pour predire l'ampleur des mauvais traitements signales ou fondes. Bref, ces resultats confirment que les facteurs de risque territoriaux des mauvais traitements, deja bien connus, sont al'oeuvre a Montreal.

Cependant, ces facteurs de risque n'agissent pas avec la meme intensite selon le secteur de recensement ni, surtout, selon les groupes ethnoculturels. Meme si certains d'entre eux s'averent significatifs, les predicteurs retenus sont par contre nettement moins efficaces pour predire les taux d'enfants de minorites signales, sauf le ratio de population qui se distingue par sa forte contribution a la variance expliquee de ces groupes. Des resultats encore peu nombreux, mais coherents, suggerent que la diversite ethnoculturelle des habitants d'un territoire est liee aux probabilites de mauvais traitements. Par exemple, la recente etude de Klein et Merritt (37) etablie par une analyse GLS que, meme quand les indicateurs de desorganisation sociale sont controles (p. ex.: pauvrete et instabilite residentielle), une forte heterogeneite ethnoculturelle dans leur secteur de recensement constitue un facteur de risque de signalement pour les enfants des trois groupes etudies (Noirs, Hispanophones et Blancs). De bas taux d'enfants noirs signales dans des quartiers a predominance noire peuvent suggerer une mefiance face aux services, ou encore une moindre discrimination attribuable a une meilleure connaissance des divers styles educatifs (38). Dans la presente etude, les enfants noirs montrealais sont plus susceptibles d'etre signales lorsqu'ils vivent dans des territoires a hauts taux de sousscolarisation, de monoparentalite, oU la densite est faible et oU leur groupe de population est peu represente; pour les enfants d'autres minorites, la sous-scolarisation, l'instabilite residentielle et, encore une fois, un faible ratio de population d'autres minorites predisent leurs signalements. Leur vulnerabilite aux signalements semble bien differente que celle des enfants non issus de minorites visibles et semble associee davantage a une pauvrete sociale plutot que materielle, couplee au fait d'appartenir a un groupe ethnoculturel fortement minoritaire sur le territoire. De toutes les variables independantes, seule la sous-scolarisation est significative pour tous les groupes ethnoculturels. Des recherches anterieures avaient deja etabli l'effet moindre ou non significatif de la pauvrete sur les taux de signalements dans les territoires a forte concentration de population noire comparativement aux territoires a predominance blanche (17, 21). D'autres variables decrivant le territoire, non incluses dans les modeles, restent donc a identifier pour les enfants de minorites visibles.

Selon Coulton et coll. (17), outre leurs caracteristiques structurelles, considerees dans la presente etude, d'autres caracteristiques des territoires oU vivent les familles contribuent a augmenter les probabilites qu'un enfant soit signale ou victime de mauvais traitements, par exemple la qualite du soutien disponible, l'evaluation du risque par les signalants ou un effet de selection (des familles vulnerables s'etablissant davantage dans certains territoires). Les territoires a haut risque de mauvais traitements sont caracterises par des reseaux de soutien social informel appauvris (p. ex.: voisins, grands-parents, leaders religieux peu soutenants), alors que les residents des territoires a faible risque decrivent positivement leurs voisins et rapportent des interactions plus nombreuses (18, 21, 22). L'acces, la qualite et l'utilisation des ressources formelles (services sociaux et organismes communautaires) expliquent aussi les variations entre les taux de signalements territoriaux (39). Parmi les facteurs lies a la decision de rapporter une situation aux autorites, ceux concernant les enfants noirs refletent parfois des biais culturels, les signalants jugeant les familles selon leurs propres criteres d'exercice du role parental (18). Coulton et ses collegues (17) evoquent de possibles biais de surveillance lies a certains quartiers tres pauvres, oU la haute prevalence des difficultes peut inciter les signalants a ne rapporter que les situations les plus graves, alors que meme les situations ambigues peuvent etre rapportees comme preoccupantes dans des milieux moins degrades (40).

[FIGURE 2 OMITTED]

Au regard de ses forces, la presente etude innove quant a l'analyse spatiale des taux d'enfants signales et leurs predicteurs selon les groupes ethnoculturels, contribuant ainsi a la comprehension des dynamiques des signalements propres achaque territoire et groupe d'enfants. Par contre, de telles analyses se butent a des defis importants au regard des donnees. Par exemple, pour les variables independantes, les limites propres aux donnees arrondies et aux petits denominateurs sont a l'oeuvre et doivent etre considerees lors de l'interpretation. En effet, hormis pour la population totale, les donnees du recensement sont arrondies aleatoirement au multiple de 5 inferieur ou superieur. Par exemple, s'il y a 10 familles avec enfants dans un SR et que 6 d'entre elles sont monoparentales, le taux du SR sera de 50 % ou de 100 % pour cette variable. Comme les enfants signales constituent un evenement rare sur un territoire aussi petit qu'un secteur de recensement, il n'a ete possible de former que trois groupes ethnoculturels, ce qui est susceptible d'obscurcir d'eventuelles variations plus fines, par exemple au sein du groupe <<autres minorites visibles>>. Un eventuel decoupage geographique encore plus fin, par exemple par aires de diffusion, serait interessant mais obligerait a combiner des groupes d'enfants (p. ex.: tous les enfants de minorites visibles) afin d'atteindre un certain volume d'enfants signales. Aussi, les donnees ancrees geographiquement sont limitees aux variables du recensement canadien, rendant impossible l'inclusion dans les analyses de predicteurs comme le soutien social ou les criteres menant des personnes a la decision de signaler.

[FIGURE 3 OMITTED]

Les implications de cette etude sont importantes. Il est crucial de poursuivre les recherches afin d'identifier les sources de variations dans les taux d'enfants signales de divers groupes culturels a Montreal comme ailleurs. L'etude etablit que, lorsqu'on s'interesse seulement a la distribution et a la prediction des taux d'enfants signales, sans regard pour leur groupe d'appartenance ou leur lieu de residence, on dilue des differences importantes. Pourtant, l'acces et l'adequation de tout le continuum des services offerts aux familles vulnerables (services de promotion, de prevention et de protection) peuvent etre bonifies par une meilleure comprehension des dynamiques a l'oeuvre dans les territoires. OU sont les besoins les plus criants? Par oU commencer les efforts, aupres de qui et sur quelle cible d'action, considerant les ressources limitees? Clairement, il faut adapter les services aux realites propres a chaque quartier et chaque groupe ethnoculturel, ce qui exige d'abord une comprehension locale approfondie. Des etudes comme celle-ci permettent une meilleure planification des actions de sante publique. Les resultats suggerent enfin de s'interesser aux signalants des quartiers a faible concentration de minorites visibles. Selon l'etude, au regard d'un eventuel signalement, il semble protecteur pour un enfant de minorite visible de vivre dans un lieu a forte concentration de la meme minorite ethnoculturelle. Ce resultat temoigne-t-il de services mieux adaptes a ces familles dans ces territoires, d'une moindre discrimination ou incomprehension culturelle, ou d'une mefiance accrue face a la protection de la jeunesse? On l'a dit, l'etape du signalement est cruciale puisqu'elle constitue la porte d'entree du systeme de protection de la jeunesse. S'assurer que les vigiles citoyennes et professionnelles rapporteront aux autorites seules les situations d'enfants reellement preoccupantes, mais aussi toutes ces situations, constitue une cible d'action non negligeable afin d'assurer la protection et le developpement d'un groupe de population vulnerable: les enfants.

En termes de modelisation, l'objectif de la presente etude visait l'exploration de la contribution relative des caracteristiques territoriales aux taux d'enfants de groupes ethnoculturels signales. A cet effet, l'apport de la regression geographiquement ponderee est superieur au modele global et s'avere un outil important pour mettre en evidence les variations locales des taux d'enfants signales. Toutefois, et en raison de la sensibilite du modele a la multicolinearite et a la correlation entre les coefficients de regression locale, Wheeler et Tiefelsdorf (41) suggerent de limiter son utilisation a des fins exploratoires plutot qu'a des fins de prediction. Il serait interessant d'explorer d'autres modeles qui considerent les effets spatiaux, tel que le modele d'autoregression simultanee, afin de comparer leurs resultats avec ceux du modele GWR.

CONCLUSION

Il est depuis longtemps etabli que les mauvais traitements a l'egard des enfants, et leurs signalements aux autorites, sont multidetermines et que les caracteristiques du territoire oU habite l'enfant constituent des facteurs de risque parmi d'autres. Par contre, les variations spatiales des enfants signales et leurs determinants sont nettement moins etudies, a fortiori au regard des enfants signales par groupes d'appartenance. Pourtant, considerant leur poids demographique et leur disproportion dans le systeme de protection de la jeunesse, il est imperatif de mieux comprendre la realite propre a ces enfants afin de s'attaquer le plus efficacement possible a reduire d'eventuelles iniquites sociales et systemiques, mais aussi pour ameliorer l'acces et l'adequation des services qui leur sont destines.

REFERENCES

(1.) Kaspar V, Noh S. Discrimination and Identity: An Overview of Theoretical and Empirical Research. Halifax, NS: Department of Canadian Heritage for the Ethnocultural, Racial, Religious, and Linguistic Diversity and Identity Seminar, 2001.

(2.) Chan A. Every child matters? A critical review of child welfare reforms in the context of minority ethnic children and families. Child Abuse Rev 2008; 17(1):6-22. doi: 10.1002/car.1001.

(3.) Montreal en statistiques. Population et demographie: Populations des minorites visibles: des differences marquees entre l'ile de Montreal et la couronne urbaine. Montreal (Quebec): Ville de Montreal, 2013.

(4.) Mitchell BA. Canada's Growing Visible Minority Population: Generational Challenges, Opportunities and FederalPpolicy. Ottawa, ON: Serving Canada's Multicultural Population for the Future, 2005.

(5.) Eid P, Turenne M, Magloire J. Profilage racial et discrimination systemique des jeunes racises. Montreal: Commission des droits de la personne et des droits de la jeunesse, 2011.

(6.) Trocme N, Fallon B, MacLaurin B, Daciuk J, Felstiner C, Black T, et coll. Canadian Incidence Study of Reported Child Abuse and Neglect 2008. Ottawa: Public Health Agency of Canada, 2010.

(7.) CJM-IU. Presents et engages-Rapport annuel 2009-2010. Montreal: Centre jeunesse de Montreal-Institut universitaire, 2010.

(8.) Les centres de la jeunesse et de la famille Batshaw. Ensemble dans l'action, rapport annuel de gestion. Montreal: Les centres de la jeunesse et de la famille Batshaw, 2010.

(9.) Dufour S, Mayer M, Carriere J, Gauvin L-M. Le projet " Cartes sur les risques, les abus et les besoins des enfants ": un outil diagnostic interactif des communautes. Intervention 2006; 125:68-77.

(10.) Loseke DR, Gelles RJ, Cavanaugh MM. Current Controversies on Family Violence. London: SAGE Publications, 2005; 376 p.

(11.) Trocme N, Fallon B, MacLaurin B, Daciuk J, Felstiner C, Black T, et coll. Etude canadienne sur l'incidence des signalements de cas de violence et de negligence envers les enfants-2003. Ottawa: Ministere des Travaux publics et des Services gouvernementaux, 2005.

(12.) Dessureault D, Ethier LS, Milot T, Dionne M. Taux de recurrence chez les enfants signales a une direction de la protection de la jeunesse entre 1998 et 2002. Serv Soc Que 2004; 51(1):1-13.

(13.) Lavergne C, Dufour S, Sarniento J, Descoteaux M-E. La reponse du systeme de protection de la jeunesse montrealais aux enfants issus des minorites visibles. Intervention 2009; 131:233-41.

(14.) Lavergne C, Dufour S, Trocme N, Larrivee M-C. Visible minority, aboriginal, and caucasian children investigated by Canadian protective services. Child Welfare 2008; 87(2):59-76. PMID: 18972932.

(15.) Derezotes D, Testa M, Poertner J. Race Matters in Child Welfare: The Overrepresentation of African American Children in the System. Washington, DC: CWLA Press, 2005; 248 p.

(16.) CWLA. Children of Color in the Child Welfare System. NDAS, 2005. Sur Internet: http://thehill.com/images/stories/whitepapers/pdf/Childrenof Color05.pdf (consulte le 13 novembre 2015).

(17.) Coulton CJ, Crampton DS, Irwin M, Spilsbury JC, Korbin JE. How neighborhoods influence child maltreatment: A review of the literature and alternative pathways. Child Abuse Negl 2007; 31(11-12):1117-42. PMID: 18023868.

(18.) Dettlaff AJ, Rycraft JR. Deconstructing disproportionality: Views from multiple community stakeholders. Child Welfare 2008; 87(2):37-58. PMID: 18972931.

(19.) Merritt DH. Child abuse potential: Correlates with child maltreatment rates and structural measures of neighborhoods. Child Youth Serv Rev 2009; 31(8):927-34. doi: 10.1016/j.childyouth.2009.04.009.

(20.) Ards SD, Myers SL Jr, Malkis A, Sugrue E, Zhou L. Racial disproportionality in reported and substantiated child abuse and neglect: An examination of systematic bias. Child Youth Serv Rev 2003; 25(5-6):375-92.

(21.) Korbin JE, Coulton CJ, Chard S, Platt-Houston C, Su M. Impoverishment and child maltreatment in African American and European American neighborhoods. Dev Psychopathol 1998; 10(2):215-33. PMID: 9635222.

(22.) Fromm SJ. The processes that moderate the effect of community structural factors on neighborhood child maltreatment rates. Dissertation Abstracts International: Section B: The Sciences and Engineering, 2004.

(23.) Gracia E, Herrero J. Perceived neighborhood social disorder and residents' attitudes toward reporting child physical abuse. Child Abuse Negl 2006; 30(4):357-65. doi: 10.1016/j.chiabu.2005.11.001.

(24.) Harris MS, Hackett W. Decision points in child welfare: An action research model to address disproportionality. Child Youth Serv Rev 2008; 30(2): 199-215. doi: 10.1016/j.childyouth.2007.09.006.

(25.) Sedlak A, Woolverton M, Karla M. Fourth national incidence study of child abuse and neglect. 18th International congress on child abuse and neglect; Honolulu, Hawaii. Washington: U.S. Department of Health and Human Services, Administration for Children and Families, 2010.

(26.) Coulton CJ, Korbin JE, Su M, Chow J. Community level factors and child maltreatment rates. Child Dev 1995; 66(5):1262-76. PMID: 7555215. doi: 10. 1m/j.1467-8624.1995.tb00934.x.

(27.) Coulton CJ, Korbin JE, Su M. Neighborhoods and child maltreatment: A multi-level study. Child Abuse Negl 1999; 23(11):1019-40. doi: 10.1016/S01452134(99)00076-9.

(28.) Ernst JS. Community-level factors and child maltreatment in a suburban community. Soc Work Res 2001; 25(3):133-42. doi: 10.1093/swr/25. 3.133.

(29.) Freisthler B. A spatial analysis of social disorganization, alcohol access, and rates of child maltreatment in neighborhoods. Child Youth Serv Rev 2004; 26(9):803-19. doi: 10.1016/j.childyouth.2004.02.022.

(30.) Ben-Arieh A. Socioeconomic correlates of rates of child maltreatment in small communities. Am J Orthopsychiat 2010; 80(1):109-14. PMID: 20397995. doi: 10.1111/j.1939-0025.2010.01013.x.

(31.) Freisthler B, Bruce E, Needell B. Understanding the geospatial relationship of neighborhood characteristics and rates of maltreatment for Black, Hispanic, and White children. Soc Work 2007; 52(1):7-16. doi: 10.1093/sw/52.1.7.

(32.) Statistique Canada. Secteur de recensement. Ottawa: Statistique Canada, 2013. Sur Internet: http://www.statcan.gc.ca/pub/92-195-x/2011001/geo/ct-sr/ct- srfra.htm (consulte le 10 aout 2014).

(33.) Brunsdon C, Fotheringham AS, Charlton ME. Geographically weighted regression: A method for exploring spatial nonstationarity. Geogr Anal 1996; 28(4):281-98. doi: 10.1m/j.1538-4632.1996.tb00936.x.

(34.) Apparicio P, Seguin A-M, Leloup X. Modelisation spatiale de la pauvrete a Montreal: apport methodologique de la regression geographiquement ponderee. Can Geogr 2007; 51(4):412-27. doi: 10.1m/j.1541-0064.2007.00189.x.

(35.) Harris P, Fotheringham AS, Juggins S. Robust geographically weighted regression: A technique for quantifying spatial relationships between freshwater acidification critical loads and catchment attributes. Ann Assoc Am Geogr 2010; 100(2):286-306. doi: 10.1080/00045600903550378.

(36.) Belsley DA, Kuh E, Welsch RE. Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. New York: John Wiley and Sons, 1980.

(37.) Klein S, Merritt DH. Neighborhood racial & ethnic diversity as a predictor of child welfare system involvement. Child Youth Serv Rev 2014; 41:95-105. doi: 10.1016/j.childyouth.2014.03.009.

(38.) Freisthler B, Gruenewald PJ, Remer LG, Lery B, Needell B. Exploring the spatial dynamics of alcohol outlets and child protective services referrals, substantiations, and foster care entries. Child Maltreat 2007; 12(2):114-24. PMID: 17446565.

(39.) Ben-Arieh A, Haj-Yahia MM. The "geography" of child maltreatment in Israel: Findings from a national data set of cases reported to the social services. Child Abuse Negl 2006; 30(9):991-1003. PMID: 16962172. doi: 10.1016/ j.chiabu.2006.02.014.

(40.) Drake B, Pandey S. Understanding the relationship between neighborhood poverty and specific types of child maltreatment. Child Abuse Negl 1996; 20(11):1003-18. PMID: 8958452.

(41.) Wheeler D, Tiefelsdorf M. Multicollinearity and correlation among local regression coefficients in geographically weighted regression. J Geogr Syst 2005; 7(2):161-87. doi: 10.1007/s10109-005-0155-6.

Sarah Dufour, PhD. [1], Chantal Lavergne, Ph.D. [2], Yuddy Ramos [3]

Affiliations des auteures

[1.] Ecole de psychoeducation, Universite de Montreal, Montreal (Quebec)

[2.] Centre de recherche Jeunes en difficulte du Centre integre universitaire de sante et de services sociaux (CIUSSS) du Centre-Sud-de-l'Ile-de-Montreal, Montreal (Quebec)

[3.] Departement de geographie, Universite de Montreal, Montreal (Quebec)

Correspondance: Sarah Dufour, Ph.D., Ecole de psychoeducation, Universite de Montreal, C.P. 6128, succursale Centre-ville, Montreal (Quebec), H3C 3J7, Tel.: 514-343-6111, poste 0762, Courriel: [email protected]

Remerciements: Les auteures tiennent a remercier Janie Boucher, technicienne en recherche psychosociale au Centre de recherche Jeunes en difficulte du CIUSSS du Centre-Sud-de-l'Ile-de-Montreal, pour la preparation des donnees.

Financement: Cette recherche a ete rendue possible en partie grace au soutien du Conseil de recherche en sciences humaines du Canada (CRSH).

Conflit d'interets: Aucun a declarer. Tableau 1. Operationnalisation des variables Variables dependantes Definition Taux d'enfants Taux d'enfants non issus de minorites signales NMV visibles signales pour 1 000 Taux d'enfants Taux d'enfants noirs signales pour 1 000 signales noirs Taux d'enfants Taux d'enfants d'autres minorites visibles signales AMV signales pour 1 000 Variables Definition independantes Pauvrete % du faible revenu apres impot pour l'ensemble des familles economiques Sous- % de la population de 25 ans ou plus ne scolarisation possedant pas de diplome d'etudes secondaires ou l'equivalent Instabilite % de la population de 1 an ou plus ayant residentielle demenage au cours de la derniere annee Famille % de toutes les familles avec enfants nombreuse comprenant un couple/des familles monoparentales qui ont 3 enfants ou plus a la maison Densite Nombre d'habitants au [km.sup.2] Monoparentalite % des familles avec enfants a la maison qui sont monoparentales (dirigees par un homme ou une femme) Ratio de Population d'enfants NMV/population d'enfants population Population d'enfants noirs/population d'enfants Population d'enfants AMV/population d'enfants Tableau 2. Statistiques descriptives des variables a l'etude Moyenne (ecart-type) Variables Tous (n = 505) NMV (n = 503) Taux d'enfants 35,30 (27,49) 29,29 (31,62) signales (/1 000) Pauvrete (%) 17,34 (10,26) 17,37 (10,25) Sous-scolarisation (%) 19,61 (10,18) 19,60 (10,18) Instabilite residentielle (%) 15,54 (6,18) 15,53 (6,19) Familles nombreuses (%) 13,70 (6,92) 13,76 (6,88) Densite (habitants/ [km.sup.2]) 8194,07 (5344,80) 8211,19 (5344,02) Monoparentalite (%) 35,32 (12,18) 35,26 (11,75) Ratio de population -- 0,64 (0,21) Moyenne (ecart-type) Variables Noirs (n = 453) AMV (n = 502) Taux d'enfants 107,82 (139,44) 49,52 (75,65) signales (/1 000) Pauvrete (%) 17,79 (10,37) 17,36 (10,26) Sous-scolarisation (%) 20,35 (10,10) 19,60 (10,18) Instabilite residentielle (%) 15,24 (5,98) 15,52 (6,18) Familles nombreuses (%) 14,28 (6,64) 1 3,72 (6,92) Densite (habitants/ [km.sup.2]) 8163,30 (5166,69) 8183,45 (5358,35) Monoparentalite (%) 35,29 (11,31) 35,28 (12,18) Ratio de population 0,11 (0,09) 0,26 (0,18) Minimum Variables Tous NMV Noirs AMV Taux d'enfants 0,00 0,00 0,00 0,00 signales (/1 000) Pauvrete (%) 0,00 1,70 1,70 0,00 Sous-scolarisation (%) 0,80 0,80 0,80 0,80 Instabilite residentielle (%) 2,50 2,50 3,10 2,50 Familles nombreuses (%) 0,00 0,00 0,00 0,00 Densite (habitants/ [km.sup.2]) 128,40 128,40 230,90 128,40 Monoparentalite (%) 0,00 0,00 5,30 0,00 Ratio de population -- 0,03 0,00 0,01 Maximum Variables Tous NMV Noirs AMV Taux d'enfants 236,00 307,70 1000,00 888,90 signales (/1 000) Pauvrete (%) 82,10 82,10 82,10 82,10 Sous-scolarisation (%) 48,70 48,70 48,70 48,70 Instabilite residentielle (%) 45,70 45,70 45,70 45,70 Familles nombreuses (%) 48,10 48,10 48,10 48,10 Densite (habitants/ [km.sup.2]) 44078,60 44078,60 44078,60 44078,60 Monoparentalite (%) 100,00 77,30 77,30 100,00 Ratio de population -- 0,99 0,52 1,00 Tableau 3. Modeles de regression selon les groupes Tous VIF Modele global [beta] t ([dagger]) Caracteristiques territoriales Constante -16,79 -3,26 *** -- Pauvrete 0,42 2,89 ** 2,39 Sous-scolarisation 0,87 7,22 *** 1,65 Instabilite 0,93 3,94 *** 2,31 residentielle Famille nombreuse 0,18 1,03 1,57 Monoparentalite 0,60 5,48 *** 1,94 Densite -0,001 -6,06 *** 1,39 Ratio de population n.a. n.a. n.a. [R.sup.2] 0,39 [R.sup.2] ajuste 0,38 AICc * 4544,72 Indice de Moran 0,15 *** Modele GWRs ([section]) [R.sup.2] 0,58 [R.sup.2] ajuste 0,52 AICc 4452,99 NMV VIF Modele global [beta] t ([dagger]) Caracteristiques territoriales Constante -28,51 -3,24 *** -- Pauvrete 0,77 3,96 *** 3,09 Sous-scolarisation 0,70 4,78 *** 1,73 Instabilite 0,20 0,72 2,36 residentielle Famille nombreuse 0,66 3,17 ** 1,60 Monoparentalite 0,82 5,86 *** 2,08 Densite -0,001 -4,75 *** 1,39 Ratio de population -1,002 -0,13 1,88 R2 0,36 R2 ajuste 0,35 AICc * 4694,76 Indice de Moran 0,07 *** Modele GWRs ([section]) [R.sup.2] 0,60 [R.sup.2] ajuste 0,51 AICc 4603,96 Noirs VIF Modele global [beta] t ([dagger]) Caracteristiques territoriales Constante 28,57 0,86 -- Pauvrete 1,1 1,18 2,56 Sous-scolarisation 2,08 2,58 ** 1,82 Instabilite 0,96 0,61 2,41 residentielle Famille nombreuse -0,63 -0,55 1,59 Monoparentalite 2,98 3,90 *** 2,05 Densite -0,003 -2,33 * 1,52 Ratio de population -588,9 -7,27 *** 1,60 R2 0,17 R2 ajuste 0,15 AICc * 5694,86 Indice de Moran 0,04 ** Modele GWRs ([section]) [R.sup.2] 0,22 [R.sup.2] ajuste 0,18 AICc 5684,80 AMV VIF Modele global [beta] t ([dagger]) Caracteristiques territoriales Constante 24,18 1,37 -- Pauvrete 0,09 0,18 2,87 Sous-scolarisation 1,28 3,21 *** 1,64 Instabilite 2,47 3,17 ** 2,32 residentielle Famille nombreuse -0,09 -0,16 1,57 Monoparentalite 0,10 0,28 2,06 Densite -0,001 -1,17 1,40 Ratio de population -133,80 -6,35 *** 1,41 R2 0,14 R2 ajuste 0,12 AICc * 5712,00 Indice de Moran 0,03 * Modele GWRs ([section]) [R.sup.2] 0,22 [R.sup.2] ajuste 0,18 AICc 5682,33 * p < 0.05; ** p <0.01; *** p < 0.001. ([dagger]) facteur d'inflation de la variance. ([double dagger]) Akaike information criterion corrected. ([section]) Geographically weighted regression.