 Une fois les données saisies dans DHS-2, comment pouvons-nous vérifier leur exactitude et leur fiabilité ? Dans cette vidéo, nous allons explorer plusieurs outils de l'application « Calité de données de DHS-2 » qui nous aideront à examiner et à améliorer la qualité de nos données. Tout d'abord, dans l'application « Calité de données », l'outil « Analyse de règles de validation » nous permet de tester les règles de validation par rapport aux données enregistrées dans le système. Après avoir lancé la vérification, vous obtiendrez un rapport contenant une liste des données qui doivent être vérifiées. Par exemple, si nous regardons la première ligne, la règle de validation indique que les ventilateurs occupés doivent être inférieurs ou égaux au nombre total de ventilateurs. Mais la valeur enregistrée pour les ventilateurs occupés est de 71, alors que la valeur du nombre de ventilateurs disponibles est de 20. Nous pouvons effectuer un suivi auprès de cet emplacement pour déterminer la source spécifique de l'erreur. Notez que vous pouvez également exécuter l'analyse de règles de validation pendant le processus de saisies des données. La détection des valeurs atypiques est un autre outil que nous pouvons utiliser pour vérifier la qualité des données. Cette analyse peut être effectuée en examinant les valeurs aberrantes ou atypiques potentielles. Elle peut soit identifier les valeurs potentiellement aberrantes par rapport à la distribution normale standard des données examinées, soit vérifier les données par rapport à une fourchette de valeur minimum et maximum prédéfinie. Si les données se situent en dehors de cette fourchette, elles seront identifiées comme des valeurs aberrantes potentielles. Comme avec l'analyse de règles de validation, lorsque nous exécutons une détection des valeurs atypiques, nous obtenons un rapport contenant toutes les données qui doivent être vérifiées. Par exemple, dans cette rangée, les données indiquent que 767 patientes des services de soins prénatales ont fait contrôler leur tension artérielle dans cet établissement. Cette valeur de 767 se situe en dehors de la distribution normale de ces données et a donc été identifiée comme une source potentielle d'erreur. Le troisième et dernier outil disponible dans l'application « Calité des données » est l'outil « Analyse des suivis ». L'analyse des suivis crée une liste de toutes les valeurs qui sont marquées pour suivis. Nous pouvons marquer la valeur d'une donnée pour suivi dans l'application « Saisis de données » et l'application « Calité de données » via les rapports de l'outil « Détection des valeurs atypiques ». Voici un exemple de rapport obtenu après avoir effectué une analyse des suivis dans le système d'HIS2. Un deuxième outil lié à la qualité de données pour d'HIS2 a été créé en coordination avec l'OMS. Cette dernière application génère des résultats sur la qualité de données en suivant le modèle d'examen mis en place par l'OMS. Cela inclut l'exhaustivité, c'est-à-dire si toutes les données attendues sont enregistrées. La promptitude, c'est-à-dire si les données ont été transmises à temps. Ainsi que la cohérence interne et externe, c'est-à-dire la comparaison de données soumises en interne entre elles, mais aussi la comparaison de données avec d'autres sources externes telles que les enquêtes. À titre d'exemple, examinons l'outil de cohérence interne. L'outil de qualité des données de l'OMS nous permet d'identifier les valeurs atypiques dans nos données. Nous pouvons en voir un exemple dans le district C1 où le nombre de vaccins contre la rougeole administrée en janvier 2020 est beaucoup plus élevé que les autres valeurs rapportées dans le même district la même année. Cela nous permet de visualiser simplement les données qui doivent être vérifiées avant d'effectuer une analyse. En résumé, dans DHS2, il existe plusieurs outils qui nous aident à vérifier la qualité des données saisies, telles que les règles de validation, la détection des valeurs atypiques et l'analyse des suivis. DHS2 et l'OMS ont également collaboré pour créer un outil de qualité des données qui effectue des contrôles pour valider l'exhaustivité, la promptitude ainsi que la cohérence interne et externe.