Taux de réunification des enfants placés : comparaison de deux types d’analyses

Date de publication: 
12/02/2013
Source: 

Putnam-Hornstein, E. & Shaw, T. (2011). Foster care reunification: An exploration of non-linear hierarchical modeling. Children and Youth Services Review, 33, 705-714.

Revu par: 
Kristen Lwin
Résumé: 

Le California Child Welfare/Case Management System [système de gestion des cas de protection de l’enfance de Californie] suit tous les enfants qui ont eu affaire avec le système de protection de l’enfance de la Californie. Le présent article compare deux méthodes statistiques permettant de prédire ceux qui retournent auprès de leur donneur de soins d’origine dans les six mois suivant leur placement. La première analyse utilise l’enfant comme première unité d’analyse. Comme ces enfants sont hébergés dans des familles, et que les chercheurs supposent que les enfants au sein d’une famille donnée présentent plus de similitudes que ceux provenant de différentes familles, l’unité familiale est le deuxième niveau d’analyse (unité de regroupement).

Dans la deuxième analyse, l’échantillon est constitué d’un enfant sélectionné au hasard dans chaque famille (la famille ne se situe plus donc au niveau le plus élevé de l’unité de regroupement) et l’unité de regroupement devient le comté dans lequel le retrait a eu lieu. Les variables explicatives au niveau de l’enfant sont la race/l’ethnicité, le genre, l’âge au moment de la prise en charge, la raison du retrait, le type de placement, la consommation de substances psychoactives et le nombre de frères et sœurs placés. Les variables explicatives pour la famille sont le traitement recommandé pour la consommation de drogue ou d’alcool dans le plan d’intervention et le nombre de frères et sœurs placés. Les variables explicatives pour le comté sont le taux de premier placement, le taux de naissances à l’adolescence (facteur de risque fortement associé à la maltraitance envers l’enfant) et le pourcentage de population noire.

Les résultats de la première analyse correspondent à la recherche antérieure sur la réunification. Les probabilités de réunification dans les six mois pour un enfant retiré pour cause de violence physique ou sexuelle sont considérablement plus élevées que celles d’un enfant retiré pour négligence. De plus, les probabilités de réunification dans les six mois sont considérablement inférieures pour les enfants placés chez un membre de sa famille que pour ceux placés dans une famille non apparentée. Les autres facteurs qui diminuent les probabilités de réunification sont la consommation abusive de substances du parent et le nombre plus élevé de frères et sœurs.

Dans la deuxième analyse, qui comprend le comté comme niveau de regroupement, des facteurs semblables à ceux de la première analyse restent des variables explicatives significatives de la réunification. Cependant, dans la seconde analyse, les probabilités de réunification des enfants noirs sont considérablement inférieures à celles des enfants hispaniques. Ce résultat diffère de celui de la première analyse où la race est une covariable non significative. Même si l’intervenant chargé du cas, le comté de supervision ou l’État ont une certaine influence sur la réunification, les plus grandes variables contribuant à cette dernière se situent au niveau de l’enfant ou de la famille.

Notes méthodologiques: 

Hierarchical or multilevel models are becoming more common in the field of social work and specifically child welfare. Most statistical models assume that observations are independent. However, multilevel statistical models consider the nested structure of data and that observations may be dependent upon various micro and macro level factors. This article compares two multilevel models using standard logistic regression and non-linear multilevel models to analyze the odds of reunification of a cohort of children in out-of-home care in California.

Authors note several limitations to the study. The manner in which siblings were used to construct family units is distinctive and there are several other classification schemes that could have been used. Authors suggest that ideally the data would have been analyzed using a three-level hierarchical model, where there is statistical consideration that siblings are nested within families, and families nested within counties. However, the binary nature of the outcome variable, the extremely high correlation within families, and smaller cluster size of family units created mathematical issues.