Soutenir l’utilisation efficace des données de santé en République démocratique du Congo avec DHIS2

Au cours des dernières années, les chercheurs du HISP de l’UiO se sont engagés dans une recherche-action avec divers groupes du HISP et des ministères de la santé pour aider à identifier les obstacles à l’utilisation des données, en particulier au niveau infranational. Ces activités de recherche visent à faciliter des interventions ciblées pour lever les obstacles identifiés, notamment la conception de produits d’information utiles, la résolution des problèmes liés aux données manquantes et le renforcement des capacités en matière d’analyse des données. Au cours du dernier trimestre 2021, une équipe dirigée par le professeur Jørn Braa et le HISP Afrique de l’Ouest et du Centre (WCA) a réalisé une évaluation de la mise-en-œvre de DHIS2 en tant que système d’information sanitaire (SGIS) en République démocratique du Congo (RDC). L’équipe a visité 5 zones de santé, des établissements de santé et un certain nombre d’acteurs concernés par le SGIS dans les provinces de Kinshasa et du Haut Katanga afin d’étudier et d’évaluer le SGIS de la RDC, en mettant l’accent sur l’utilisation des données à tous les niveaux.

Le DHIS2 a été mis-en-œvre en RDC en tant que SGIS à l’échelle nationale en 2013 et a été utilisé pour la planification et la gestion des programmes de santé aux niveaux zonal, provincial et national. Ceci a été rendu possible grâce aux efforts du gouvernement de la RDC, du PSIS et des partenaires, notamment Gavi, le Fonds Mondial (GF), l’USAID, le CDC et MEASURE Evaluation (ME), entre autres, dont le soutien à des programmes de santé spécifiques tels que le paludisme, le VIH, la tuberculose et le Programme élargi de vaccination (PEV) a contribué à renforcer le SGIS de la RDC dans son ensemble.

En évaluant la mesure dans laquelle les données sanitaires sont utilisées pour soutenir la prise de décision fondée sur des preuves en RDC, l’équipe de recherche du HISP a constaté que si les outils numériques tels que le DHIS2 étaient sous-utilisés, la saisie des données et l’utilisation des données se faisaient de manière routinière dans les pays suivants : l’Afrique du Sud, l’Asie du Sud-Est, l’Amérique latine et les Caraïbes. La vaccinationLes programmes de lutte contre la tuberculose, le paludisme et d’autres programmes de santé. Cette utilisation efficace des données de santé se fait en dépit de plusieurs difficultés rencontrées par la division SGIS du ministère de la santé, notamment la fluctuation du financement, la fragmentation de l’organisation et les problèmes d’infrastructure. L’équipe HISP a travaillé avec les acteurs concernés pour développer des outils d’analyse de données au sein de DHIS2 afin d’améliorer les pratiques existantes d’utilisation des données de la RDC en améliorant la qualité des données et en augmentant l’efficacité des rapports.

Collecte de données : Atteindre des normes élevées d’exhaustivité malgré les problèmes d’infrastructure

La RDC est un grand pays avec une population d’environ 90 millions d’habitants. Le vaste territoire du pays est divisé en 519 zones de santé réparties dans 26 provinces. Les données de routine sur les indicateurs clés des zones de santé sont collectées dans les établissements de santé de chaque zone. Les agents de santé communautaires de la zone de recrutement d’un établissement collectent des données sur des formulaires papier qui sont soumis à l’établissement, où elles sont regroupées avec les autres rapports papier de l’établissement. À la fin d’une période de déclaration, les établissements envoient leurs données sur papier au bureau de la zone de santé de coordination dans le cadre d’un rapport plus élaboré comprenant des données sur les résultats du programme, la gestion des stocks et la surveillance des maladies. Les rapports sont ensuite saisis dans le Système National d’Information Sanitaire (SNIS), la plateforme nationale DHIS2 de gestion de l’information sanitaire de la RDC, dans les zones de santé.

Bien que la saisie décentralisée des données dans le DHIS2 soit possible dans certains grands établissements de santé disposant d’une alimentation électrique fiable et d’une connexion internet, la plupart des données sont saisies de manière centralisée dans les zones de santé. L’équipe a noté que, dans les sites visités, il y a suffisamment de personnel pour effectuer la saisie des données dans tous les établissements de santé, sauf à Kikula où un seul membre du personnel est principalement chargé de cette tâche. Le manque d’outils tels que les ordinateurs connectés à l’internet et le manque d’électricité continue d’entraver la saisie des données dans les établissements. Jusqu’à la récente clôture de son projet à Kikula et Kapolowe, ME avait financé la fourniture d’ordinateurs portables et de frais mensuels d’accès à Internet dans 63 établissements de soins de santé pour la saisie des données au niveau de l’établissement. L’expérience a été couronnée de succès pendant environ deux ans, avant que le financement ne cesse et que les appareils ne se détériorent, sans être remplacés ni entretenus. Cela a démontré qu’avec un financement adéquat, la saisie décentralisée des données dans les établissements peut être facilement réalisée, améliorant ainsi la qualité des données dans le SNIS.

Un exemple de saisie et d’utilisation des données est le Programme national de lutte contre la tuberculose (PNLT), qui s’appuie sur les données saisies dans les centres de diagnostic et de traitement des maladies (CSDT) et saisies dans le DHIS2 au niveau de la zone de santé pour suivre les performances du programme. En octobre 2021, les données sur la tuberculose-infection, la coinfection VIH/TB et le traitement provenant de 2061 CSDT ont été collectées en routine sur des formulaires de déclaration papier standardisés – avec un taux d’exhaustivité de 92,8% en 2020 – validés dans les centres, puis transmis aux Zones de santé pour saisie dans DHIS2. Les données du DHIS2 sont exportées vers MS Excel où les gestionnaires au niveau de la zone de santé les utilisent pour soutenir l’analyse de routine et la prise de décision. La situation est similaire pour des programmes tels que le PEV et le paludisme, qui utilisent les données du DHIS2 pour alimenter des rapports mensuels comprenant des évaluations de l’exhaustivité et de la promptitude, l’examen d’indicateurs clés tels que la prestation de services et la détection de cas concrets, ainsi que des recommandations d’action concrètes. Aux niveaux provincial et national, les gestionnaires de programmes disposent ainsi d’une vue d’ensemble, ce qui permet par exemple au programme de lutte contre le paludisme d’identifier les provinces où l’écart entre les cas de paludisme identifiés et les cas traités est supérieur à 10 %, de suivre les ruptures de stock de produits de lutte contre le paludisme et de planifier des actions de suivi ciblées.

L’équipe a constaté que certains outils de saisie des données sur papier utilisés sur le terrain étaient obsolètes par rapport aux versions actuelles du SNIS, notamment les formulaires de surveillance et la section sur la gestion des stocks des ensembles de données du PEV, ce qui a posé un problème lors de la collecte des données. Cela oblige les relais communautaires et les autres utilisateurs à ajouter à la main des colonnes supplémentaires aux formulaires afin que toutes les données requises soient saisies. Compte tenu des limites rencontrées lors de la saisie des données aux différents niveaux, il convient de noter que le taux de remplissage du SNIS dépasse régulièrement le seuil de 80 % pour les aires de collecte, les zones de santé et les provinces. Cela témoigne de la bonne formation et de l’engagement de l’équipe SGIS, ainsi que du soutien des donateurs et des partenaires techniques dans la mobilisation des ressources et de la formation pour soutenir ces efforts.

Documenter les bonnes pratiques en matière d’utilisation des données et les soutenir à l’aide des outils du DHIS2

Si l’introduction régulière de données exactes dans le DHIS2 est un exploit, la valeur de ces données réside dans la capacité des gestionnaires de programmes et des autres acteurs concernés à les utiliser pour évaluer les performances et prendre des décisions. En RDC, l’équipe de recherche du HISP a trouvé de bonnes pratiques à différents niveaux pour examiner et valider les données et les utiliser pour mener des actions ciblées :

1. Culture d’utilisation des données aux niveaux inférieurs de l’organisation : Dans les établissements et les zones de santé visités, des pratiques systématiques de routine visant à utiliser les données disponibles ont été observées sous la forme de réunions mensuelles pour l’évaluation des données et le suivi des performances. La validation des données a été effectuée au niveau des établissements et des zones de santé avant les réunions de validation des données au niveau zonal avec des représentants des zones de santé. Les données ont été analysées et présentées lors des réunions mensuelles de suivi pour discussion. Les recommandations et les points d’action issus des réunions sont utilisés pour mener des actions dans les établissements, les aires de santé et les zones, et les actions des mois précédents sont examinées afin de mesurer la conformité et d’évaluer l’impact. A titre d’exemple, à la fin de chaque trimestre, les responsables du CSDT chargés du suivi du programme tuberculose analysent les données tuberculose qu’ils ont produites avant de les transmettre à leur zone de santé. L’évaluation à ce niveau comprend l’examen de la qualité des données, l’évaluation de la cohorte mise sous traitement un an plus tôt, l’évaluation des médicaments antituberculeux et l’analyse des indicateurs clés du PNLT.
2. Improvisation pour l’analyse des données : L’utillisation de DHIS2 est plébiscitée comme une plateforme très polyvalente capable d’effectuer des analyses complexes et de les présenter sous forme de rapports pour en faciliter l’utilisation. En raison des limitations de l’infrastructure, la plupart des établissements de santé n’ont pas accès à la plateforme DHIS2 du pays. Dans les zones de santé où l’électricité et une certaine connectivité internet sont disponibles, la lenteur de l’internet et la mauvaise performance des serveurs rendent souvent l’analyse des données fastidieuse. Compte tenu de ces obstacles, les utilisateurs téléchargent fréquemment les données du DHIS2 et effectuent des analyses hors ligne dans Microsoft Excel. Cela souligne l’engagement des équipes SGIS à utiliser leurs données, même lorsqu’elles ne sont pas en mesure de le faire directement dans SGIS2.
3. Une bonne documentation et une bonne tenue des dossiers : L’équipe a également noté que la louable culture d’utilisation des données qui caractérise l’utilisation du DHIS2 en RDC est ancrée dans de bonnes pratiques de documentation. Les Documents Normatifs, qui contiennent les SOP pour la saisie et l’utilisation des données, servent de référence dans les établissements et les zones de santé lorsqu’ils sont disponibles. Cependant, le professeur Braa et son équipe ont constaté que les procédures opérationnelles normalisées sont enracinées dans l’ère des systèmes autonomes, où les données mettaient du temps à passer d’un niveau à l’autre et où seules des données compilées pour le niveau directement inférieur étaient disponibles. Par conséquent, les utilisateurs des établissements de coordination et des zones de santé ne peuvent analyser leurs données que par rapport aux unités qui leur sont inférieures dans la hiérarchie des unités organisationnelles. L’équipe de recherche du HISP a constaté que l’utilisation des données pour la prise de décision serait grandement améliorée par une analyse à plusieurs niveaux afin d’encourager l’examen par les pairs et l’échange de connaissances.

Adaptation et amélioration des outils d’analyse hors ligne locaux dans DHIS2

Les membres de l’équipe SGIS en RDC sont enthousiastes quant à l’utilisation des données aux différents niveaux visités par l’équipe de recherche. Toutefois, comme l’a noté l’équipe de recherche du HISP, certains problèmes liés à la saisie et à la validation des données ont eu un impact négatif sur la qualité des données et ont limité la capacité à les utiliser. Par exemple, les erreurs liées à la collecte de données sur papier ou à la saisie manuelle dans le DHIS2 ont donné lieu à des résultats inexacts susceptibles de fausser l’orientation des interventions politiques. Un exemple d’erreurs résultant d’une validation défectueuse aux niveaux inférieurs était un rapport faisant état de 17 000 nouveaux cas de tuberculose enregistrés dans un établissement au cours d’un seul mois. Cette erreur n’a été détectée qu’au niveau national, après être passée inaperçue au niveau de l’établissement, de la zone de santé et de la province. Les outils de qualité des données du DHIS2, tels que les règles de validation qui peuvent aider à valider et à corriger ces valeurs erronées, sont déjà en place dans le système DRC, mais les routines entourant leur utilisation doivent être renforcées.

La qualité des données issues des analyses manuelles, auxquelles les utilisateurs ont eu recours en raison des problèmes d’infrastructure, a été encore dégradée par l’absence de données sur la population dans les établissements de soins. La plupart des établissements visités ne disposaient pas de données sur la population desservie. Quelques autres établissements ont leurs propres objectifs de couverture en antigènes, élaborés par le programme du PEV. Collectivement, ces défis frustrent les utilisateurs du SNIS et limitent considérablement le potentiel du DHIS2 en RDC.

En utilisant ces cibles de population, lorsqu’elles sont disponibles, et une proportion calculée de la population desservie pour d’autres établissements comme dénominateurs, l’équipe de recherche du HISP a développé des outils prototypes dans Excel qui ont simplifié l’analyse des données hors ligne dans les établissements et les zones de santé, stimulant ainsi les efforts d’utilisation des données et améliorant la qualité des données. Certains de ces outils comprennent des cartes de pointage pour la couverture des services au niveau des établissements et des districts. L’équipe a ensuite élaboré des tableaux de bord dans DHIS2 montrant les performances des établissements sur une période de 12 mois en calculant des indicateurs tels que les taux d’abandon, la couverture des services, etc. Ces tableaux de bord dynamiques ont éliminé la nécessité pour les utilisateurs de poursuivre la méthode manuelle de téléchargement des données de DHIS2 et de calcul des indicateurs à l’aide de MS Excel, car les visualisations sont mises à jour automatiquement lorsque les données d’un nouveau mois sont saisies dans le système DHIS2. Cela facilite la vie des utilisateurs locaux et améliore la qualité des données, car les erreurs de validation qui entraînaient auparavant des données de mauvaise qualité peuvent également être identifiées et résolues localement à l’aide des outils intégrés du DHIS2. L’équipe de recherche espère que ces prototypes pourront être adaptés à d’autres zones du pays.

En outre, l’équipe de recherche a constaté que certains des outils papier utilisés pour la collecte des données ainsi que les guides d’analyse étaient obsolètes. Les annexes des documents normatifs relatives à la gestion et aux opérations du SGIS, entre autres, en sont des exemples. Par conséquent, l’équipe suggère que les directives de gouvernance et de procédure, les SOP et les formulaires de collecte de données soient mis à jour pour refléter les directives de pratique actuelles. Le cas échéant, les formulaires papier pourraient être remplacés par des outils numériques pour faciliter l’application des règles de conformité en matière de qualité des données.

Défis restants et prochaines étapes

L’équipe de recherche du HISP a identifié plusieurs défis restants qui limitent l’utilisation de ces outils DHIS2 en RDC. L’infrastructure limitée fait que la saisie des données est largement centralisée, et les travailleurs au niveau des établissements et des zones n’ont souvent pas les compétences nécessaires en matière d’analyse des données pour obtenir des informations à partir des données disponibles. En outre, la structure de gouvernance du pays, avec différents ministères travaillant en vase clos, rend la coordination difficile.

Pour relever ces défis, il est nécessaire de délimiter clairement les tâches et les responsabilités entre les départements et les agences. Des réunions régulières de coordination des acteurs concernés pour suivre le plan de renforcement du SGIS, gérer les besoins et coordonner les initiatives du SGIS et la mobilisation des ressources favoriseraient également la collaboration et minimiseraient les conflits. Enfin, la qualité et l’utilisation des données, en particulier aux niveaux inférieurs de l’administration tels que les établissements et les zones, s’amélioreraient avec la décentralisation de la collecte des données et le développement des capacités d’analyse des données, ainsi qu’avec l’amélioration des infrastructures.

Malgré de nombreux défis, le SGIS national basé sur le DHIS2 en RDC est en grande partie une réussite. Le système a été utile dans la gestion de nombreux programmes de soins de santé – y compris la tuberculose, le paludisme et le PEV – en favorisant une collecte de données complète et en temps voulu, ainsi qu’une prise de décision fondée sur les données. Grâce au soutien durable du gouvernement de la RDC, ainsi que des partenaires de financement et de mise-en-œvre, l’utilisation des données de santé à tous les niveaux du programme s’est améliorée au fil des ans. Alors que l’infrastructure limitée, le manque de compétences clés dans l’analyse des données et les goulets d’étranglement administratifs limitent la pleine utilisation des systèmes, les recommandations formulées par l’équipe de conception et d’utilisation des données du HISP UiO et du HISP WCA permettraient d’améliorer l’efficacité, de stimuler la qualité des données et de renforcer les capacités pour une plus grande utilisation décentralisée des données du HIS en RDC.