1. Cadre théorique

4Cet article se base sur un modèle théorique dans lequel les personnes âgées comparent la prise en charge à domicile et celle en établissement. Elles expriment une demande pour celle leur apportant le plus de satisfaction. Le senior est noté s. Son niveau de satisfaction est défini par une fonction d’utilité U_s qui dépend de sa consommation de biens C, du bien-être qu’il retire du fait de son mode de prise en charge CA (care arrangement), et de son état de santé H :

5\(\begin{equation} U_{s}(C ; C A ; H)=U_{s}\left(C_{s} ; C A\left(I_{s} ; A I_{s} ; A F_{s} ; H_{s} ; X_{s}\right) ; H_{s}\right) \end{equation}\) [1]

6La fonction de bien-être lié au mode de prise en charge du senior CA est déterminée par son lieu d’habitation : I_s = 1 s’il réside en établissement, I_s = 0 s’il réside à domicile. Dans ce dernier cas, le bien-être dépend des quantités d’aide informelle AI_s et d’aide formelle AF_s mobilisées. Le bien-être lié au mode de prise en charge peut aussi être lié à l’état de santé de la personne H_s (sentiment de sécurité en établissement en cas de troubles cognitifs par exemple) et à ses préférences (X_s).

7Sa demande dépend aussi de la contrainte budgétaire à laquelle fait face la personne âgée. Elle est constituée principalement du coût de l’offre, des revenus de la personne (R_s) et des subventions S qu’elle reçoit si elle a recours à une aide formelle [3]. Elle est de la forme suivante pour une prise en charge à domicile :

8\(\begin{equation} R_{\mathrm{s}}+S\left(H_{\mathrm{s}} ; t^{\text {dom }}\left(R_{\mathrm{s}}\right) ; \operatorname{Min}\left(A F_{\mathrm{s}} ; A F_{\mathrm{s}}^{\text {theo }}\left(H_{\mathrm{s}}\right)\right) ; p^{\text {theo }}\right)=p^{A F} A F_{\mathrm{s}}+C_{\mathrm{s}} \end{equation}\) [2]

9Le montant des subventions dépend directement de la santé fonctionnelle de la personne H_s. Les personnes dépendantes peuvent prétendre à l’APA à domicile mais pas à l’action sociale des caisses de retraite, alors que les personnes non dépendantes peuvent prétendre à l’action sociale mais pas à l’APA à domicile. Elle dépend aussi de son revenu indirectement via un ticket modérateur (taux de participation) t^dom(R_s) [4]. Pour respecter le cadre légal français, le montant de la subvention dépend du minimum entre le nombre d’heures d’aide formelle consommé (AF_s) et le nombre d’heures d’aide formelle théorique (AF_s^theo(H_s)). En effet, une équipe médico-sociale évalue les besoins de la personne âgée et lui attribue un GIR (groupe iso-ressources), c’est-à-dire un niveau de perte d’autonomie (document annexe A.1). Ce GIR donne droit à un certain nombre d’heures d’aide formelle théorique {AF_s^theo(H_s)}, mais la personne peut en consommer plus ou moins (AF_s). Le produit du nombre d’heures d’aide théorique (AF_s^theo(H_s)) et du taux horaire théorique (p^theo) définit le montant total en euros dont a besoin la personne âgée (son plan d’aide). Le prix utilisé par le département pour valoriser le besoin d’aide en euros est p^theo. Ce prix théorique n’est pas forcément celui pratiqué par le professionnel (p^AF). Le montant \(\begin{equation} \left\{A F_{s}^{\text {theo }}\left(H_{s}\right) p^{\text {theo }}\left\{1-t^{\text {dom }}\left(R_{s}\right)\right\}\right\} \end{equation}\) est le montant de subvention auquel a droit la personne âgée pour financer sa perte d’autonomie. Toutes les dépenses supérieures à ce montant sont à sa charge. L’ensemble des ressources (R_s et S) servent à payer la consommation de biens C_s et la consommation d’aide formelle (p^AFAF_s).

10Si la personne choisit une prise en charge en institution, sa contrainte budgétaire est la suivante :

11\(\begin{equation} R_{s}+S\left\{H_{s} ; t^{i n s t}\left(R_{s}\right)\right\}=C T^{i n s t}\left(H_{s}\right)+C_{s} \end{equation}\) [3]

12La subvention qu’elle peut recevoir si elle est prise en charge dans un établissement dépend de son état de santé (H_s) [5] et de son revenu indirectement via un taux de participation t^inst(R_s) [6]. Ses ressources (revenu et subventions) servent à payer le coût d’hébergement en institution CT^inst qui dépend de son état de santé [7] ainsi que sa consommation de biens.

13En résumé, l’individu exprime une demande pour un lieu de prise en charge lui procurant la plus grande utilité tout en respectant sa contrainte budgétaire, dans un environnement non coopératif. La demande de la personne âgée n’est pas forcément pourvue, si l’offre formelle ou informelle n’est pas suffisante. Ce cadre non coopératif apparaît plus conforme à la réalité qu’un cadre coopératif, puisque les aidants de l’entourage peuvent avoir des préoccupations déconnectées de celles des personnes qu’ils aident : travail, famille, mais aussi des intérêts divergents (dons, garde de leurs enfants etc.). Il a été validé empiriquement par Checkovich et Stern (2002) et par Knoef et Kooreman (2011) en Europe. Par ailleurs, l’offre issue de la sphère publique est très régulée, l’ajustement par les prix et la création de lits ou de services d’aides supplémentaires sont limités et prennent du temps.

14Ce cadre d’analyse met en évidence différents facteurs explicatifs du recours à l’institution : le coût des deux modes de prise en charge, la disponibilité de l’offre formelle et informelle, les revenus, l’état de santé et les préférences des personnes âgées. Si les individus sont sensibles aux prix, un coût élevé en établissement devrait freiner le recours aux établissements ; un coût élevé à domicile devrait freiner le maintien à domicile et augmenter le recours aux établissements. La disponibilité de l’offre en institutions, de l’offre formelle et de l’offre informelle à domicile devrait favoriser le mode de prise en charge concerné. L’effet du revenu est indéterminé car un revenu plus élevé assouplit la contrainte budgétaire mais conduit aussi à des subventions plus faibles. De ce fait, le recours aux établissements d’hébergement pour personnes âgées devrait augmenter avec l’incapacité fonctionnelle via un effet direct du risque d’entrer en institutions et via un effet indirect à travers les subventions et les préférences.

2. Revue de la littérature

15Les facteurs, mis en évidence par le modèle théorique présenté précédemment, se retrouvent dans les analyses empiriques existantes. Concernant la contrainte financière, Roquebert et Tenand (2017) estiment à – 0,4 l’élasticité par rapport aux prix de la demande d’aide formelle sur la population à domicile. Une augmentation de 10 % du reste à charge par heure d’aide formelle consommée diminuerait de 4 % le nombre d’heures d’aide consommées. Cette estimation se situe entre celle de Bourreau-Dubois et al. (2014) à – 0,55; et celle de Hégé (2016) à – 0,15. Ces travaux français se focalisent sur l’offre à domicile et ne tiennent pas compte de la prise en charge alternative que sont les établissements d’hébergement pour personnes âgées dont les restes à charge sont beaucoup plus élevés. Hoerger et al. (1996) mettent en évidence que le recours à un établissement d’hébergement aux États-Unis, contrairement au recours à l’aide formelle à domicile, n’est pas influencé par la générosité des subventions publiques qui réduisent pourtant le RAC des individus. Il serait par contre sensible aux prix uniquement pour les personnes mariées selon Reschovsky (1998). Cela prouve la nécessité d’inclure la disponibilité de l’offre informelle dans l’analyse. Aux États-Unis, Muramatsu et al. (2007) ont identifié des disparités de prise en charge entre les États : parmi les individus qui n’ont pas d’enfant, le recours aux établissements est moindre dans les États favorisant l’aide professionnelle à domicile. Van Houtven et Norton (2004) ainsi que Charles et Sevak (2005) trouvaient un effet négatif de l’aide de l’entourage sur l’entrée en établissement, tandis qu’Ettner (1994) ne notait pas d’effet. Dans le même ordre d’idées, l’absence de conjoint augmente le risque de vivre en établissement (Metzger et al., 1997 ; Billaud et Gramain, 2006). Ces travaux ne font pas état de la possible saturation de l’offre formelle qui, bien qu’abordable financièrement, peut ne pas être utilisée du fait de son indisponibilité. Theisen (2017) a mis en évidence sur des données norvégiennes que les communes où l’offre d’aide formelle à domicile est élevée, la résidence à domicile est plus fréquente que dans les communes où il y en a peu. Par contre, dans les communes comptant de nombreux établissements d’hébergement, le recours aux établissements est plus fréquent et le maintien à domicile plus faible. Jette et al. (1995) montraient un effet négatif du recours à l’aide professionnelle à domicile sur l’entrée en établissement pour les personnes atteintes de limitations cognitives.

16Peu d’études ont établi un lien entre revenu et recours à un établissement pour les raisons énoncées précédemment. Börsch-Supan et al. (1990) aux États-Unis trouvent que les individus les plus riches ont un plus faible risque de vivre en établissement. Ils peuvent payer une prise en charge plus complète à domicile, avec des aménagements plus importants (Diepstraten et al., 2020, aux Pays-Bas). Lockwood (2018) identifie aux États-Unis que les personnes ayant un objectif de transmission de leur patrimoine important augmentent leur épargne et diminuent leurs dépenses de soins de long terme (y compris d’assurance). L’effet revenu tend à disparaître si on considère d’autres variables, notamment la propriété (Garber et MaCurdy, 1990, aux États-Unis) ou les subventions (Hoerger et al., 1996, aux États-Unis). Reschovsky (1996), aux États-Unis, ne trouve aucun effet des revenus sur la demande de prise en charge.

17La littérature traitant des rôles de l’état de santé et de la perte d’autonomie sur la probabilité de vivre en établissement est abondante (Luppa et al., 2010). Certaines études montrent que les limitations fonctionnelles, particulièrement cognitives (Hoerger et al., 1996, aux États-Unis ; Nihtilä et al., 2008, en Finlande), leur cumul avec des restrictions d’activité (Gaugler et al., 2007, aux États-Unis) ou leur arrivée soudaine (Laferrère et al., 2013, en Europe) augmentent la probabilité de vivre en établissement.

18Il existe des modèles de prise en charge de la perte d’autonomie très différents d’un territoire à l’autre. À l’échelle européenne, alors que les pays du Nord sont majoritairement caractérisés par une prise en charge professionnelle, ceux du Sud ont plus souvent recours à l’aide familiale et à la recohabitation (Tomassini et al., 2004 ; Fontaine et al., 2007 ; Peyrache et Ogg, 2017). La France se situerait dans une position intermédiaire mais serait sujette à des différences infranationales : par exemple le recours à une institution est plus important dans la région Bretagne-Pays de la Loire (Trabut et Gaymu, 2016). Ces différences infranationales sont identifiées plus largement en Europe (Mönkediek et Bras, 2014). Davey et al. (2006) ont montré que les variations territoriales d’offre en Suède sont principalement expliquées par des besoins différenciés sur les territoires, et qu’en tenant compte des variations de besoins au niveau des communes, les disparités d’offre ont tendance à disparaître. Sundstrom et al. (2006) identifient aussi un besoin d’aide très variable d’une commune à l’autre en Suède, expliquant les différences en termes de prise en charge par l’entourage et par les services d’aide.

1. La méthode

19L’objectif de cet article est de modéliser le recours à un établissement d’hébergement par les personnes en perte d’autonomie. Comme la prise en charge publique est gérée au niveau départemental, il existe des facteurs de prise en charge différents selon le département. Pour les identifier, des modèles multiniveaux sont utilisés : ceux-ci prennent en compte deux niveaux d’analyse, individuel et départemental. Ils identifient les variables individuelles et départementales qui contribuent à la variation départementale de la prise en charge en établissement de la perte d’autonomie fonctionnelle, et estiment des effets aléatoires départementaux. On fait l’hypothèse que les fonctions d’utilité sont linéaires :

20\(\begin{equation} \begin{aligned} &U_{s d}^{i n s t}=\beta_{0}^{1}+\beta_{1}^{1} R A C e_{s d}+\beta_{2}^{1} R A C d_{s d}+\beta_{3}^{1} D I S P A F_{s d}+\beta_{4}^{1} D I S P A I_{s d}+\beta_{5}^{1} R_{s d} \\ &+\beta_{6}^{1} H_{s d}+\beta_{7}^{1} X_{s d}+\alpha_{d}^{1}+\varepsilon_{s d}^{1} \end{aligned} \end{equation}\) [4]

21\(\begin{equation} \begin{aligned} &U_{s d}^{d o m}=\beta_{0}^{2}+\beta_{1}^{2} R A C e_{s d}+\beta_{2}^{2} R A C d_{s d}+\beta_{3}^{2} D I S P A F_{s d}+\beta_{4}^{2} D I S P A I_{s d}+\beta_{5}^{2} R_{s d}+\beta_{6}^{2} H_{s d} \\ &+\beta_{7}^{2} X_{s d}+\alpha_{d}^{2}+\varepsilon_{s d}^{2} \end{aligned} \end{equation}\) [5]

22Les paramètres ayant l’exposant « 1 » (respectivement « 2 ») représentent les préférences pour l’institution (respectivement pour le domicile). RACe_sd est le RAC estimé que l’individu aurait en institution [8], RACd_sd celui à domicile. DISPAF_sd est la disponibilité de l’offre formelle à domicile et en institution, DISPAI_sd celle de l’offre informelle. R_sd est le revenu de la personne âgée, H_sd son état de santé fonctionnel et X_sd les caractéristiques sociodémographiques pouvant modifier ses préférences. Ces variables sont présentées dans la partie « indicateurs ». α_sd est l’effet aléatoire du département d. La probabilité de vivre en institution est donc définie par :

23\(\begin{equation} \begin{aligned} P\left(I_{s d}\right.&=1)=P\left(U_{s d}^{\operatorname{inst}}>U_{s d}^{d o m}\right) \\ &=P\left(\left(\beta_{0}^{1}-\beta_{0}^{2}\right)+\left(\beta_{1}^{1}-\beta_{1}^{2}\right) R A C e_{\mathrm{sd}}+\left(\beta_{2}^{1}-\beta_{2}^{2}\right) R A C d_{\mathrm{sd}}+\left(\beta_{3}^{1}-\beta_{3}^{2}\right) D I S P A F_{\mathrm{sd}}\right.\\ &+\left(\beta_{4}^{1}-\beta_{4}^{2}\right) D I S P A I_{s d}+\left(\beta_{5}^{1}-\beta_{5}^{2}\right) R_{\mathrm{sd}}+\left(\beta_{6}^{1}-\beta_{6}^{2}\right) H_{\mathrm{sd}}+\left(\beta_{7}^{1}-\beta_{7}^{2}\right) X_{\mathrm{sd}} \\ &\left.+\left(\alpha_{d}^{1}-\alpha_{d}^{2}\right)>\left(\varepsilon_{\mathrm{sd}}^{2}-\varepsilon_{\mathrm{sd}}^{1}\right)\right) \end{aligned} \end{equation}\) [6]

24Le modèle estime les paramètres \(\begin{equation} \beta_{i}\left(=\beta_{i}^{1}-\beta_{i}^{2}\right) \text { et } \alpha_{d}\left(=\alpha_{d}^{1}-\alpha_{d}^{2}\right) \end{equation}\), en supposant que \(\begin{equation} \left(\varepsilon_{s d}^{2}-\varepsilon_{s d}^{1}\right) \end{equation}\) suit une loi logistique. Nous supposons que les effets aléatoires départementaux α_d, suivent une loi normale, et qu’ils sont indépendants des autres variables explicatives. Ils représentent un sur-risque ou sous-risque de résider en établissement du fait du département de résidence, toutes choses égales par ailleurs. Ils s’interprètent comme des préférences départementales pour l’institutionnalisation hors variables de contrôle. Plusieurs spécifications sont testées afin d’identifier quelles variables sont pertinentes et si leur ajout modifie les paramètres estimés, y compris l’effet aléatoire départemental. Cette analyse n’a pas pour objectif de mesurer un effet causal de l’offre sur la probabilité de vivre en établissement, mais de confronter les pratiques et l’offre territoriale de prise en charge de la perte d’autonomie.

2. Les données

25Cet article utilise deux bases de données complémentaires : l'enquête Vie quotidienne et santé (VQS) 2014 représentative de la population résidant en logement ordinaire (c’est-à-dire pas en établissement) et l'enquête Établissements d'hébergement pour personnes âgées (EHPA) 2015 représentative des personnes résidant en établissement.

27L’assemblage de ces deux enquêtes avec les pondérations recalculées donne une estimation nationale de la proportion de personnes résidant en établissement (aussi appelée taux d’institutionnalisation) de 3,9 %. Cette estimation est très cohérente avec celle issue du recensement de la population (4,0 %). Les taux d’institutionnalisation ont aussi été comparés au niveau départemental, calculés à partir des enquêtes VQS et EHPA assemblées et du recensement de la population de 2015. L’écart atteint jusqu’à 2,8 points de pourcentage. La proportion calculée avec le recensement peut être plus élevée que celle des deux bases utilisées ici, car le recensement ne distingue pas les EHPA des autres communautés (foyers de travailleurs, communautés religieuses, etc.). La plupart des départements pour lesquels les écarts sont élevés sont des départements jeunes qui concentrent de nombreux foyers de travailleurs (départements d’Île-de-France notamment). Pour les autres départements ayant des écarts importants (Lozère et Corse-du-Sud), l’ordre de classement par taux d’institutionnalisation est proche selon les deux estimations.

28La population sélectionnée est uniquement composée d’individus de 60 ans et plus ayant des difficultés à se laver (document annexe A.1). La toilette fait partie des activités dites ADL : Activities of daily living qui sont couramment utilisées dans la littérature internationale pour mesurer un fort besoin d’assistance. Cette restriction de l’échantillon fait que les individus à domicile ont des caractéristiques qui s’approchent de celles en institution. Dés lors, tous les individus peuvent être potentiellement concernés par une demande de prise en charge dans un établissement. Par ailleurs, bien qu’il soit possible de trouver des personnes avec peu d’incapacités en établissement, elles constituent des cas isolés notamment du fait de la saturation de l’offre de places qui incite les établissements à sélectionner des personnes ayant des besoins importants. L’échantillon final est composé de 383 953 individus âgés de 60 ans et plus ayant des difficultés à se laver, 20 991 personnes résidant à domicile et 362 962 en établissement.

3. Les indicateurs

29Pour respecter le cadre théorique présenté précédemment, un ensemble de variables sont sélectionnées décrivant le coût des deux modes de prise en charge, la disponibilité de l’offre formelle et informelle, les revenus, l’état de santé et les préférences des personnes âgées, tout en tenant compte du contexte départemental. On estime le RAC (reste à charge) théorique mensuel à domicile (RACd_sd) et en institution (RACe_sd) de chaque individu s habitant dans le département d. Pour cela, on attribue un GIR à chaque individu selon ses difficultés cognitives et pour se laver (document annexe A.1) [17]. Le RAC est estimé par la différence entre le coût total mensuel de la prise en charge et les subventions publiques qui en découlent. On utilise un ensemble de données administratives au niveau départemental ou régional concernant la tarification et le financement de la perte d’autonomie. Le détail des données utilisées et la méthode de calcul sont disponibles dans le document annexe A.2. La disponibilité de l’offre informelle potentielle (DISPAI_sd) est approximée par le fait d’être en couple. Le fait de vivre avec un conjoint constitue une ressource humaine pouvant prendre en charge sa perte d’autonomie [18]. On utilise aussi le taux d’inactivité et de chômage des femmes au niveau départemental qui reflète la disponibilité de l’offre informelle, considérant que les femmes sont plus souvent mobilisées dans les activités de care. Des taux élevés devraient donc favoriser le maintien à domicile des personnes dépendantes. Pour l’offre formelle en quantité, on construit une variable catégorielle au niveau départemental (DISPAF_d) (document annexe A.2) qui prend les valeurs suivantes :

31Elle est construite à partir de données concernant la densité de places en établissement et de professionnels exerçant à domicile (document annexe A.2). On s’attend à ce qu’une offre en établissement limitée réduise le recours aux établissements.

32Comme on ne dispose pas d’information au niveau individuel concernant les ressources des personnes, on utilise la proportion de bénéficiaires de l’allocation « minimum vieillesse » dans le département (R_d). Le pourcentage d’allocataires dans le département reflète la situation socioéconomique des habitants âgés. Le sens de cette variable n’est pas certain. Si on constate que la proportion de bénéficiaires du minimum vieillesse dans le département augmente le recours à une prise en charge dans un établissement, cela signifie que les départements mettent en œuvre des politiques favorisant l’accès des plus démunis aux établissements (qui sont plus coûteux), ou que les plus riches peuvent rester plus facilement à domicile en aménageant leur logement ou préfèrent préserver leurs ressources dans l’idée de fournir un héritage plus important à leurs descendants (Lockwood, 2018). Si l’effet est négatif, cela signifie qu’il s’agit d’un effet du revenu : les plus riches ont une plus grande capacité à payer leur prise en charge en établissement que les plus pauvres.

33Notre échantillon comprend uniquement des personnes ayant besoin d’assistance. La littérature montre l’importance des limitations fonctionnelles et du besoin d’aide associé à l’entrée en établissement. Pour mesurer le type de besoin d’assistance (H_sd), deux formes de limitations fonctionnelles sont distinguées : les limitations de mobilité et les limitations cognitives (document annexe A.1). Le cumul de plusieurs limitations fonctionnelles augmentant le risque de dépendance (Cambois et al., 2005), une variable à quatre modalités est utilisée : pas de limitation, limitations de mobilité uniquement, limitations cognitives uniquement, limitations de mobilité et cognitives. Les variables utilisées pour construire cet indicateur ne sont pas issues d’une même définition puisqu’elles sont basées sur deux enquêtes différentes dans lesquelles les questions posées peuvent diverger.

34Les préférences (X_sd) sont influencées par l’âge et le sexe des personnes. Avec l’avancée en âge, la perception de la capacité à rester à domicile évolue (sentiment d’insécurité). On teste un effet non linéaire de ce changement de perception en incluant l’âge, l’âge au carré et l’âge au cube dans le modèle. La littérature met en évidence un attachement des femmes plus important à leur domicile que les hommes. On peut donc s’attendre à ce qu’elles aient moins recours à l’institution. Enfin, l’effet départemental capte des différences de préférences des départements et des individus.

1. Une offre départementale en quantité et en reste à charge hétérogène

35L’inégale répartition de l’offre sur le territoire est confirmée avec les données contextuelles d’offre de services à domicile et en établissement regroupées dans la typologie présentée sur la carte (figure 1.A). La plupart des départements sont spécialisés soit vers le maintien à domicile (catégories 1, 3 et 4), soit vers la prise en charge en institution (catégories 2, 5 et 6). L’offre à domicile est la plus élevée dans les départements situés dans le Nord et le Pas-de-Calais, la Seine-Maritime et l’Eure, les départements du pourtour méditerranéen et la plupart des départements du Sud-Ouest, ainsi que La Réunion et la Guadeloupe (catégorie 3). Dans les départements du Centre-Val de Loire ou des Pays de la Loire, l’offre en établissements est dense (catégorie 6). Au contraire, ceux de l’Est, d’Île-de-France, de la Haute-Corse, la Martinique et la Guyane présentent une offre relativement réduite, particulièrement à domicile (catégorie 1), en établissement (catégorie 2), ou les deux (catégorie 7).

Figure 1. Offre formelle de prise en charge en coût et quantité au niveau départemental

Figure 1. Offre formelle de prise en charge en coût et quantité au niveau départemental

36En parallèle, on constate que la prise en charge à domicile est plus coûteuse dans les régions alpines et en Île-de-France (zones en gris, figure 1.B). À l’inverse, dans le Nord et le Pas-de-Calais ainsi que dans le Centre, le RAC à domicile serait en moyenne plus faible (rose clair). Le Maine-et-Loire est le département ayant l’estimation de RAC moyen la plus élevée à domicile avec 358€ par mois. La Guyane est celui ayant l’estimation la plus faible avec 145€ par mois en moyenne. En établissement, le RAC moyen est plus élevé dans les départements d’outremer, sur le pourtour méditerranéen et en Île-de-France (départements en gris) et plus faible en Bretagne, Centre-Val de Loire ou des Pays de la Loire (départements en rose). L’estimation la plus élevée du RAC est à Paris avec en moyenne 3 160€ par mois ; la plus faible est dans la Meuse avec 1 580€ par mois en moyenne.

2. Analyse descriptive de la population dépendante selon le lieu d’habitation

37Un peu moins d’un quart de la population étudiée (personnes de 60 ans et plus ayant des difficultés pour se laver) réside dans un établissement [19]. Cette proportion est très hétérogène d’un département à l’autre : elle varie de 7 % à La Réunion à 35 % dans le Maine-et-Loire. Les niveaux très bas sont relativement isolés : départements ultramarins, certains départements franciliens, une partie du Sud de la France, notamment la Corse et les Alpes. Les départements de Bretagne et Pays de la Loire ont tous une proportion supérieure à 30 %. Ces différences concordent avec celles mises en évidence par Trabut et al. (2021).

38La population étudiée compte 67 % de femmes : 65 % à domicile et 74 % en établissement (tableau 1). Elle est moins souvent en couple quand elle réside dans un établissement (15 %) que quand elle vit à domicile (41 %). Les personnes en établissement ont en moyenne six ans de plus que celles résidant à domicile et cumulent plus fréquemment à la fois des limitations physiques et cognitives (74 % en établissement contre 38 % à domicile). Par rapport au domicile, les établissements se caractérisent donc par une population plus féminine, plus âgée et en moins bonne santé.

39Les personnes résidant en établissement sont dans des départements ayant des taux de bénéficiaires du minimum vieillesse plus faibles que celles à domicile (– 0,5 point de pourcentage) et où le taux d’inactivité ou de chômage des femmes est plus bas (38,8 %) que celles à domicile (39,2 %). Les individus résidant en établissement sont en plus grande proportion dans des départements pour lesquels l’offre en institution est élevée. Le RAC théorique à domicile des individus en institution est plus élevé en moyenne que celui des individus à domicile (271€/mois pour les individus en établissement et 267€/mois pour ceux à domicile). Par symétrie, le RAC théorique en établissement des individus à domicile est plus élevé en moyenne que celui des résidents en établissement (2 049€/mois pour les individus à domicile, et 1 989€/mois pour ceux en établissement). Comparativement au domicile, les résidents d’établissement se situent dans des départements ayant peu de bénéficiaires du minimum vieillesse, une faible inactivité des femmes (donc moins de disponibilité d’aide informelle), une offre en institution dense, un RAC à domicile élevé et un RAC en établissement faible.

Tableau 1. Statistiques descriptives de l’échantillon selon le lieu de résidence des personnes

Tableau 1. Statistiques descriptives de l’échantillon selon le lieu de résidence des personnes

3. Les déterminants de la prise en charge par les établissements

40Les résultats de la modélisation multiniveaux de la probabilité de vivre en établissement pour les personnes ayant des difficultés à se laver sont présentés dans le tableau 2.

Tableau 2. Probabilité de vivre en établissement parmi les personnes en perte d’autonomie (difficultés pour se laver). Régression multiniveaux

Tableau 2. Probabilité de vivre en établissement parmi les personnes en perte d’autonomie (difficultés pour se laver). Régression multiniveaux

Un recours à l’institution territorialement très marqué

47Les cartes de la figure 2 présentent les estimations des effets aléatoires départementaux issus des modèles. Les départements en gris présentent un taux d’institutionnalisation beaucoup plus élevé que celui qu’ils devraient présenter compte tenu des variables utilisées. Ils reflètent les écarts de probabilité de vivre en établissement par département à caractéristiques équivalentes. Nous prenons comme référence la distribution du modèle 2 et séparons en quartile l’effet aléatoire départemental obtenu [20]. Dans le modèle 2, les départements situés en Bretagne, dans les Pays de la Loire et en Picardie présentent une plus forte institutionnalisation à besoins, ressources et offre informelle équivalents. À l’inverse, les personnes résidant à la frontière espagnole, dans le pourtour méditerranéen et l’Est vivent moins en établissement à besoins équivalents, ressources et offre informelle.

Figure 2. Disparités départementales de l’effet aléatoire départemental sur la probabilité de vivre en institution

Figure 2. Disparités départementales de l’effet aléatoire départemental sur la probabilité de vivre en institution

48Lorsque sont ajoutées les variables d’offre (en quantité et RAC) (modèle 4), la diagonale Nord-Ouest / Sud-Est change fortement. La Bretagne maintient un recours aux établissements élevé, mais les départements méditerranéens (exceptée la Corse) et l’Île-de-France deviennent les départements ayant les effets aléatoires les plus élevés. L’inverse est constaté pour les Pays de la Loire et le Centre-Val de Loire. Ce basculement est lié aux deux dimensions d’offre insérées dans le modèle. Avec l’ajout uniquement de l’offre en quantité (modèle 5), le recours serait moindre pour les départements des Pays de la Loire, le Centre de la France et la Picardie. Par contre, seul le Doubs aurait une augmentation notable du recours aux établissements en cas d’offre plus abondante. C’est l’ajout de l’offre en RAC (modèle 6) qui modifie le plus la carte. Si les restes à charge étaient identiques sur tous les territoires, l’Île-de-France, les Hauts-de-France et la côte méditerranéenne auraient des recours significativement plus élevés alors que le Centre et les Pays de la Loire auraient des taux beaucoup plus faibles.