Apoiar a utilização eficaz dos dados de saúde na República Democrática do Congo com o DHIS2

Ao longo dos últimos anos, os investigadores do HISP na UiO envolveram-se em investigação-ação com vários grupos do HISP e Ministérios da Saúde para ajudar a identificar barreiras à utilização de dados, particularmente a nível subnacional. Estas actividades de investigação visam facilitar intervenções orientadas para a eliminação dos obstáculos identificados, incluindo a conceção de produtos de informação úteis, a resolução de problemas de falta de dados e o reforço das capacidades de análise de dados. No último trimestre de 2021, uma equipa liderada pelo Professor Jørn Braa e pelo HISP da África Ocidental e Central (WCA) realizou uma avaliação da implementação do DHIS2 como um Sistema de Informação de Gestão da Saúde (HMIS) na República Democrática do Congo (RDC). A equipa visitou 5 zonas de saúde, instalações de saúde e várias partes interessadas do HMIS nas províncias de Kinshasa e Haute Katanga para estudar e avaliar o HMIS da RDC, com foco na utilização de dados a todos os níveis.

O DHIS2 foi implementado na RDC como um HMIS à escala nacional em 2013 e tem sido utilizado para planeamento e gestão de programas de saúde a nível zonal, provincial e nacional. Isto foi possível graças aos esforços do governo da RDC, do HISP e dos parceiros, incluindo a Gavi, o Fundo Global (GF), a USAID, o CDC e a MEASURE Evaluation (ME), entre outros, cujo apoio a programas de saúde específicos como a Malária, o VIH, a TB e o Programa Alargado de Imunização (EPI) contribuíram para reforçar o HMIS da RDC como um todo.

Ao avaliar até que ponto os dados de saúde são utilizados para apoiar a tomada de decisões com base em provas na RDC, a equipa de investigação do HISP descobriu que, embora as ferramentas digitais como o DHIS2 fossem subutilizadas, tanto a entrada como a utilização de dados estavam a ser feitas de forma rotineira nos programas de imunização, tuberculose, malária e outros programas de saúde. Esta utilização eficaz dos dados de saúde ocorre apesar de vários desafios enfrentados pela divisão HMIS do Ministério da Saúde, incluindo financiamento flutuante, fragmentação organizacional e problemas de infra-estruturas. A equipa do HISP trabalhou com as partes interessadas locais para desenvolver ferramentas de análise de dados no DHIS2 para melhorar as práticas de utilização de dados existentes na RDC, melhorando a qualidade dos dados e aumentando a eficiência dos relatórios.

Recolha de dados: Atingir elevados padrões de exaustividade apesar dos desafios em termos de infra-estruturas

A RDC é um grande país com uma população de cerca de 90 milhões de pessoas. A vasta área terrestre do país está dividida em 519 zonas sanitárias em 26 províncias. Os dados de rotina sobre os indicadores-chave nas zonas sanitárias são recolhidos nos estabelecimentos de saúde de cada zona. Os agentes comunitários de saúde da área de influência de um estabelecimento de saúde recolhem dados em formulários em papel que são enviados para o estabelecimento de saúde, onde são comparados com os outros relatórios em papel do estabelecimento de saúde. No final de um período de relatório, as instalações enviam os seus dados em papel para o gabinete de coordenação da zona de saúde como parte de um relatório mais elaborado que inclui dados sobre os resultados do programa, gestão de stocks e vigilância de doenças. Os relatórios são posteriormente introduzidos no Système National d’Information Sanitaire (SNIS), a plataforma nacional DHIS2 da RDC para a gestão da informação sanitária, nas zonas sanitárias.

Embora a introdução descentralizada de dados no DHIS2 esteja disponível em algumas grandes instalações de cuidados de saúde com uma fonte de alimentação fiável e ligação à Internet, a maior parte da introdução de dados é feita centralmente nas zonas de saúde. A equipa observou que, nos locais visitados, todos os estabelecimentos de saúde dispõem de pessoal suficiente para efetuar a introdução de dados, exceto em Kikula, onde apenas um membro do pessoal é o principal responsável por esta tarefa. A falta de ferramentas como computadores ligados à Internet e de energia eléctrica continua a dificultar a introdução de dados nas instalações. Até ao recente encerramento do seu projeto em Kikula e Kapolowe, a ME tinha financiado o fornecimento de computadores portáteis e taxas mensais de Internet em 63 unidades de saúde para a introdução de dados nas unidades. A experiência foi bem sucedida durante cerca de dois anos, até que o financiamento cessou e os dispositivos se deterioraram, sem substituição ou manutenção. Isto demonstrou que, com um financiamento adequado, a introdução descentralizada de dados nas unidades sanitárias pode ser facilmente conseguida, melhorando assim a qualidade dos dados no SNIS.

Um exemplo de recolha e utilização de dados é o Programa Nacional de Controlo da Tuberculose (PNLT), que se baseia em dados recolhidos nos centros de diagnóstico e tratamento de saúde (CSDT) e introduzidos no DHIS2 ao nível da zona sanitária para monitorizar o desempenho do programa. Em outubro de 2021, os dados sobre a infeção por TB, coinfeção VIH/TB e tratamento de 2061 CSDTs eram recolhidos rotineiramente em formulários de notificação padronizados em papel – com uma taxa de completude de 92,8% em 2020 – validados nos centros e depois encaminhados para as Zonas de Saúde para entrada no DHIS2. Os dados do DHIS2 são exportados para o MS Excel, onde os gestores ao nível da Zona de Saúde os utilizam para apoiar a análise de rotina e a tomada de decisões. A situação é semelhante no caso de programas como o PAV e a malária, que utilizam os dados do DHIS2 para elaborar relatórios mensais que incluem avaliações da exaustividade e da atualidade, análise de indicadores-chave como a prestação de serviços e a deteção de casos concretos, e recomendações concretas de ação. A nível provincial e nacional, isto dá aos gestores de programas uma visão mais ampla, permitindo, por exemplo, que o programa do paludismo identifique as províncias com lacunas superiores a 10% entre os casos de paludismo identificados e os casos tratados e acompanhe as rupturas de stock de produtos para o paludismo e planeie acções de acompanhamento específicas.

Um desafio que a equipa observou na recolha de dados foi que algumas das ferramentas de introdução de dados em papel utilizadas no terreno estavam desactualizadas em comparação com as versões actuais do SNIS, incluindo os formulários de vigilância e a secção de gestão de stocks dos conjuntos de dados do PEI. Isto obriga os ACS e outros utilizadores a acrescentar colunas adicionais aos formulários, à mão, para que todos os dados necessários sejam captados. Tendo em conta as limitações enfrentadas durante a introdução de dados nos diferentes níveis, é digno de nota que a taxa de preenchimento de dados no SNIS ultrapassa regularmente a referência de 80% para as áreas de captação, zonas sanitárias e províncias. Este é um testemunho da boa formação e do empenho da equipa do HMIS, e do apoio dos doadores e parceiros técnicos na mobilização de recursos e formação para apoiar estes esforços.

Documentar as boas práticas de utilização dos dados e apoiá-las com as ferramentas DHIS2

Embora a introdução regular de dados exactos no DHIS2 seja uma conquista, o valor desses dados reside na capacidade de os gestores de programas e outras partes interessadas os utilizarem para avaliar o desempenho e tomar decisões. Na RDC, a equipa de investigação do HISP encontrou boas práticas a vários níveis para rever e validar os dados e utilizá-los para orientar acções específicas:

1. Cultura de utilização de dados nos níveis organizacionais mais baixos: Nas unidades sanitárias e zonas de saúde visitadas, foram observadas práticas sistemáticas de rotina destinadas a utilizar os dados disponíveis, sob a forma de reuniões mensais para avaliação de dados e monitorização do desempenho. A validação dos dados foi efectuada a nível dos estabelecimentos e das áreas de saúde antes das reuniões de validação dos dados a nível zonal com representantes das áreas de saúde. Os dados foram analisados e apresentados nas reuniões mensais de acompanhamento para discussão. As recomendações e os pontos de ação gerados nas reuniões são utilizados para orientar as acções nas instalações, áreas e zonas de saúde, e as acções dos meses anteriores são revistas para medir o cumprimento e avaliar o impacto. Por exemplo, no final de cada trimestre, os gestores do CSDT responsáveis pela monitorização do programa da TB analisam os dados da TB que produziram antes de os transmitirem à sua zona sanitária. A avaliação a este nível envolve a análise da qualidade dos dados, a avaliação da coorte colocada em tratamento um ano antes, a avaliação dos medicamentos anti-tuberculose e a análise dos indicadores-chave do PNLT.
2. Melhoria da análise de dados: O DHIS2 é aclamado como uma plataforma altamente versátil, capaz de efetuar análises complexas e de as apresentar sob a forma de relatórios para facilitar a sua utilização. Devido a limitações de infra-estruturas, a maioria dos estabelecimentos de saúde não tem acesso à plataforma DHIS2 do país. Nas zonas de saúde onde existe eletricidade e alguma ligação à Internet, a lentidão do serviço de Internet, bem como o fraco desempenho do servidor, tornam muitas vezes a análise dos dados entediante. Tendo em conta estes obstáculos, os utilizadores descarregam frequentemente dados do DHIS2 e efectuam análises offline no Microsoft Excel. Isto realça o empenho das equipas do HMIS em utilizar os seus dados, mesmo quando não o podem fazer diretamente no DHIS2.
3. Boa documentação e manutenção de registos: A equipa também notou que a cultura louvável de utilização de dados que caracteriza a utilização do DHIS2 na RDC se baseia em boas práticas de documentação. Os documentos normativos, que contêm os PON para a introdução e a utilização dos dados, servem de referência nos estabelecimentos e nas zonas de saúde, quando disponíveis. No entanto, o Professor Braa e a sua equipa descobriram que os PON estão enraizados na era dos sistemas autónomos, em que os dados demoravam a passar de um nível para outro e só estavam disponíveis dados compilados para o nível imediatamente inferior. Conseqüentemente, os usuários dos centros de coordenação e das zonas de saúde só podem analisar seus dados em relação às unidades abaixo deles na hierarquia de unidades organizacionais. A equipa de investigação do HISP concluiu que a utilização de dados para a tomada de decisões seria muito melhorada através de uma análise a vários níveis para incentivar a revisão pelos pares e o intercâmbio de conhecimentos.

Adaptar e melhorar as ferramentas analíticas locais offline para o DHIS2

Os membros da equipa do HMIS na RDC estão entusiasmados com a utilização de dados nos vários níveis visitados pela equipa de investigação. No entanto, como observou a equipa de investigação do HISP, há problemas com a introdução e validação de dados que tiveram um impacto negativo na qualidade dos dados e limitaram a capacidade de os utilizar. Por exemplo, os erros decorrentes da recolha de dados em papel ou da introdução manual no DHIS2 deram origem a resultados inexactos, capazes de orientar mal a direção das intervenções políticas. Um exemplo de erros resultantes de uma validação deficiente nos níveis inferiores foi um relatório de 17 000 novos casos de tuberculose registados num serviço num único mês. Este erro só foi detectado a nível nacional, tendo passado sem ser detectado ao nível dos estabelecimentos, das zonas sanitárias e das províncias. As ferramentas de qualidade dos dados do DHIS2, tais como as regras de validação que podem ajudar a validar e corrigir estes valores erróneos, já existem no sistema DRC, mas as rotinas em torno da sua utilização têm de ser reforçadas.

A qualidade dos dados provenientes das análises manuais, a que os utilizadores recorreram devido a problemas de infra-estruturas, foi ainda mais degradada pela falta de dados sobre a população nas unidades de saúde. A maioria dos estabelecimentos visitados não dispunha de dados sobre a população abrangida. Alguns outros estabelecimentos têm os seus próprios objectivos populacionais para a cobertura de antigénios que foram desenvolvidos pelo Programa do PAV. Coletivamente, estes desafios frustram os utilizadores do SNIS e limitam significativamente o potencial do DHIS2 na RDC.

Utilizando estes alvos populacionais, quando disponíveis, e uma proporção calculada da população de captação para outras unidades sanitárias como denominadores, a equipa de investigação do HISP desenvolveu ferramentas protótipo em Excel que simplificaram a análise de dados offline nas unidades sanitárias e nas zonas de saúde, impulsionando assim os esforços de utilização de dados e melhorando a qualidade dos mesmos. Algumas destas ferramentas incluem quadros de pontuação para a cobertura de serviços a nível das instalações e dos distritos. Posteriormente, a equipa construiu painéis de controlo no DHIS2 que mostram o desempenho das instalações durante um período de 12 meses, calculando indicadores como taxas de abandono escolar, cobertura de serviços, entre outros. Estes painéis de controlo dinâmicos eliminaram a necessidade de os utilizadores continuarem a utilizar o método manual de descarregar os dados do DHIS2 e calcular os indicadores utilizando o MS Excel, uma vez que as visualizações são actualizadas automaticamente quando os dados de um novo mês são introduzidos no sistema DHIS2. Isto facilita a vida aos utilizadores locais e melhora a qualidade dos dados, uma vez que os erros de validação que anteriormente resultavam em dados de má qualidade também podem ser identificados e resolvidos localmente utilizando ferramentas DHIS2 incorporadas. A equipa de investigação espera que estes protótipos possam ser posteriormente adaptados a outras zonas do país.

Além disso, a equipa de investigação constatou que algumas das ferramentas em papel para a recolha de dados, bem como os guias para as suas análises, estavam desactualizados. Os exemplos incluem os anexos dos documentos normativos relativos à gestão e às operações do HMIS, entre outros. Consequentemente, a equipa sugere que as orientações de governação e procedimento, os PON e os formulários de recolha de dados sejam actualizados de modo a refletir as orientações práticas actuais. Quando aplicável, os formulários em papel podem ser substituídos por ferramentas digitais para facilitar a aplicação das regras de conformidade da qualidade dos dados.

Desafios remanescentes e próximas etapas

A equipa de investigação do HISP identificou vários desafios remanescentes que restringem a utilização destas ferramentas DHIS2 na RDC. As infra-estruturas limitadas levam a que a introdução de dados seja em grande parte centralizada, e os trabalhadores ao nível das instalações e das zonas têm frequentemente competências inadequadas de análise de dados para obterem informações a partir dos dados disponíveis. Além disso, a estrutura de governação do país, com diferentes ministérios a trabalhar em silos, dificulta a coordenação.

Para resolver estes desafios, é necessário definir claramente os deveres e as responsabilidades entre os serviços e as agências. Reuniões regulares de coordenação das partes interessadas para monitorizar o plano de reforço do HMIS, gerir as necessidades e coordenar as iniciativas do HIS e a mobilização de recursos também promoveriam a colaboração e minimizariam os conflitos. Por último, a qualidade e a utilização dos dados, especialmente aos níveis inferiores da administração, como as instalações e as zonas, melhorariam com a descentralização da recolha de dados e o desenvolvimento das capacidades de análise de dados, bem como com a melhoria das infra-estruturas.

Apesar de muitos desafios, o HMIS nacional baseado no DHIS2 na RDC é em grande parte uma história de sucesso. O sistema tem sido útil na gestão de muitos programas de cuidados de saúde – incluindo a tuberculose, a malária e o EPI – apoiando a recolha atempada e completa de dados e a tomada de decisões com base em dados. Com o apoio sustentado do governo da RDC, juntamente com os parceiros de financiamento e implementação, a utilização de dados de saúde a todos os níveis do programa melhorou ao longo dos anos. Embora a infraestrutura limitada, a falta de competências-chave na análise de dados e os estrangulamentos administrativos limitem a utilização total dos sistemas, as recomendações feitas pela equipa de Conceção e Utilização de Dados do HISP UiO e do HISP WCA melhorariam a eficiência, aumentariam a qualidade dos dados e criariam capacidade para uma maior utilização descentralizada dos dados do HIS na RDC.