 Nous avons commencé la session sur la triangulation des données. Je crois que nous sommes tous intéressés pour ce qui est de l'utilisation de ce système pour améliorer les analyses. Généralement, par rapport à la triangulation des données, nous pensons vraiment qu'on a besoin d'avoir plusieurs sources de données pour vérifier et valider les résultats par rapport à nos actions. En général, nous savons tous que la triangulation apporte des valeurs à ajouter sur un processus complexe qui requiert beaucoup de travail. Si vous devez avoir les informations dans l'ancienne répertoire, ça vous facilite la triangulation et, par la triangulation, vous assurez de réduire les erreurs pour que vos données soient plus précises. Ça évite des altérations par rapport au fait d'utiliser une seule source de données. Comme résultat, vous améliorez votre efficacité parce que quand vous avez une meilleure compréhension et beaucoup de données, vous pouvez avoir des analyses plus nuancées de vos informations. Le valeur à ajouter, c'est l'engagement des différents acteurs parce que dans plusieurs pays, les différents acteurs collectent également les données et mettent cela dans le système national. Cela augmente la transparence de vos actions. Mais une autre chose importante, c'est que la valeur à ajouter de la triangulation, c'est le fait d'être fiable, valide. Cela vous aide à avoir une meilleure vie d'ensemble et que cela vous aide à avoir une meilleure prise de décision par rapport au programme que vous soutenez. Par rapport au système, au programme de santé, il y a plusieurs types de triangulation parce que vous pouvez, par exemple, avoir des résultats du programme pour différents groupes ou ce groupe d'âge. Je ne sais pas si l'année passée par rapport à l'année en cours. Vous en avez peut-être envie de faire des différences par rapport à ce qui se produit à des moments donné. Et également, c'est très important de comparer les données de plusieurs types de services et trianguler les données par rapport à vos informations de routine que vous avez. Par exemple, la couverture ou tout type de résultats des activités que vous avez entrepris par rapport aux établitions de santé et aux communautés. On peut également voir la triangulation par rapport au résultat des programmes dans différentes zones géographiques. Vous partez voir s'il y a des zones géographiques qui pourraient donner des résultats différents. Maintenant, l'autre type, les types de triangulations que vous pouvez faire, sont divers et variés comme vous pouvez voir à l'écran. Vous pouvez faire des triangulations par rapport à la surveillance par rapport aux données de vaccination. Mais il y a tellement d'exemples. Et aujourd'hui, les présentateurs vont nous en parler par rapport à l'ontomologie et le contrôle des lecteurs. Pour ce qui est des données de surveillance, vous avez envie de trianguler votre données administrative avec votre données d'enquête. C'est important de valider également votre estimation géographique et les ressenciements, puis les informations que vous avez des communautés. Tout cet roi-là peut être triangulé, comme vous pouvez voir, en bas à droite sur l'écran. Évidemment, vous pouvez faire la triangulation avec les informations que vous avez de vos sites et vos informations que vous obtenez des systèmes d'information de santé communautaire. C'est-à-dire les triangulations au niveau communautaire et au niveau des établissements sanitaires. Cela est très important lorsqu'on parle de surveillance et PI. Donc voilà les exemples à l'écran. Mais il y a des possibilités infinies, ça dépend des données que vous avez dans votre pertois national. Voici par exemple les données que nous avons tous les jours. Ici, nous sommes en train de voir la couverture à BCG. Vous voyez les petits points et des informations qu'on a pris au niveau des communautés. Nous avons également les informations qu'on a pris au niveau des établissements sanitaires. Parfois, c'est la même information, parfois, c'est pas la même. Mais comment est-ce qu'on peut savoir que c'est vrai ou pas, si on n'a jamais essayé de trianguler les informations qu'on a? La même chose s'applique avec l'EPI et le SMIR. Ici, vous avez votre couverture, pas à pas au SMIR n°1 et aux autres variables. Vous voyez la couverture qui est faible d'un côté, de l'autre côté, il n'y a pas de couverture aussi élevée. Vous devez mettre ces données de choses ensemble pour comprendre. Parce qu'on voit que quand c'est élevé, il y a peut-être des enfants dans certaines zones qui auraient pu être plus exposés. Donc il y a beaucoup de triangulations qu'on doit faire pour pouvoir avoir plusieurs types d'interprétations des données. Donc je ne vais pas perdre encore plus de temps, parce que nous avons qu'à très exposés, très intéressants, qui nous montrent des cas d'utilisation dedans. Les deux premiers viennent nous parler de la triangulation des données et de la fascination, c'est pour donner des cas d'utilisation du Rwanda. Pour le premier, le deuxième, c'est Vincent Hommondi qui va nous parler de l'expérience du Kenya et des opportunités manquées. Il y a deux autres cas d'utilisation, par rapport à la surveillance et le contrôle des vecteurs. Premièrement, ça part de la manière dont on a fait une micro stratification dans la plateforme DHS2. Le deuxième parle du contrôle de vecteurs au Pakistan, c'est-à-dire le quatrième. Normalement, c'est Ines qui devait présenter, donc c'est Samuel qui est co-ordinateur de centre de triangulation des DHS2 dans le pays qui va nous faire la présentation finalement. Bonjour Victoria, bonjour à tous. Vous entendrez bien, est-ce que vous pouvez partager l'écran? Ok, c'est compris, je vais le faire. Mesdames et messieurs, nous allons débuter. Bonjour à tous, je suis là pour partager le travail sur la triangulation des DHS2 pour la vaccination et les maladies évitées par vaccination. On va changer avec vous la feuille de route pour l'implémentation et les premiers résultats. Je m'appelle Samuel Wanda, je suis co-ordinateur de programme du DHS2 au Rwanda. Voici un peu notre sommaire. Pour commencer, je vais dire que les données de santé publique de haute qualité sont essentielles pour une crise de décision opportune et éclairie. Et également au Rwanda, nous avons plusieurs systèmes électroniques d'information sanitaire dans le pays, surtout dans les programmes de vaccination et de surveillance dans le DHS2. Il y a des difficultés par rapport à l'utilisation de ces systèmes pour pouvoir prendre des décisions. Il y a de nouvelles méthodes qui sont nécessaires pour intégrer les systèmes et résumer les données de manière critique. C'est pour cela que nous avons conçu un tableau de bord de triangulation des données du DHS2 avec pour objectif de synthétiser et automatiser les indicateurs de surveillance, les maladies évitables par vaccination et de vaccination systématique ou identifier les programmes de qualité des données et des lacunes dans les performances des produits à fait d'orienter l'action programmatique et illustrer un peu plus ce que je suis en train de dire. Le système qui est utilisé au Rwanda, pardonnez-moi, c'est un système intégré d'information qui a agrégié des données des individus pour ce qui est des enseignements civils, les naissances, etc. Il y a également le système de gestion logistique et vous vous imaginez que dans les districts il y en a assez qu'en 6 ou plus tôt sans t'utiliser les différents systèmes pour pouvoir faire le rapport des indicateurs à des fréquences divers et variés, que ce soit journalier, hebdomadaire, mensuel ou trimestriel. Cela apporte tellement de données qui ne sont pas du tout faciles à analyser, à résumer. Et à donner un meilleur aperçu. Alors pour résoudre le problème, nous avons opté pour la triangulation des données comme solution et notre approche nous a donné plus de temps et d'opportunités pour échanger et entreprendre des actions pour décomplexifier les données. Alors nous avons utilisé l'orientation mondiale pour ce qui est de la triangulation des données. Il y a le guide qui existe pour pouvoir identifier les lacunes que nous avons. Par exemple, je peux dire que la couverture de la vaccination peut paraître très élevée mais la surveillance de maladies peut être également élevée. Donc c'est pour cela qu'on a besoin de trianguler les données afin d'identifier les lacunes. Nous avons pour niveau de la couverture vaccinale. Pour commencer, nous avons développé une feuille de route des activités avec des délais bien définis par rapport au développement des tables de bord et l'implementation de la première activité pour la PC et la cartographie des données qui avaient pour plus d'identifier les éléments de données, les cartes, les métadonnées également dans le système. Alors la prochaine activité identifiée c'est le module d'intégration. On a développé notre module d'intégration qui est beaucoup aidé parce que c'est un système qui aide à échanger, à communiquer par rapport aux données pour que le table de bord puisse être optimale. L'autre activité que nous avons mis en place c'est la personnalisation et la visualisation des indicateurs. Nous avons personnalisé nos indicateurs dans le système pour que nous avons intégré la visualisation des tables de bord au niveau national et infranational. Alors voici un peu l'image de l'architecture du module d'intégration au milieu le système de base pour s'assurer que l'intégration puisse faciliter la communication entre les différentes plateformes pour que les données puissent être facilement accédées. Ce qui est de nos résultats. Voici la liste des indicateurs que nous avons développés pour la rougeole d'éthanose néonatal et le HPV. Ces indicateurs en matière de la cune pour ce qui est de l'immunité peuvent être aux groupes de différentes catégories. Donc nous avons essayé de prioriser les uns et les autres et ces indicateurs nous ont aidé à évoluer le statut de vaccination, la couverture vaccinale. Nous l'avons fait par groupes d'âge, par délais et par moments de vaccination et par cathographie. Nous avons essayé de mesurer les taux d'abandon, par la performance du programme. Nous avons essayé de prendre des indicateurs et d'évaluer l'accès et l'utilisation des services de vaccination. Nous avons essayé de faire une comparaison entre la couverture et les taux d'abandon. Nous avons également eu des indicateurs qui nous ont aidé à identifier le problème de qualité ou de divergence des données dans le domaine de la surveillance et de la vaccination. Nous avons essayé de comparer les cas de suspects de rougeole dans les différents systèmes. L'autre indicateur, c'est la surveillance, la performance du système de soins. Il faut pouvoir détecter les rougeoles dans les différents régions géographiques. Il y a également des indicateurs qui sont associés à des résultats de laboratoires. Nous avons également d'autres indicateurs comme la détection de la rougeole dans l'identification de la source de transmission que vous voyez, c'est endémique ou épidémique. Nous avons également essayé d'essayer de faire une comparaison entre les taux d'abandon et les taux d'abandon. Nous avons essayé de faire une comparaison d'essayer de déterminer les foyers de rougeole confirmés dans les districts et de faire une enquête sur les cas de suspects. Maintenant, il y a la visualization du tableau de bord que nous avons essayé d'illustrer ici. Par exemple, nous voyons à la gauche les indicateurs pour les cas confirmés de rougeole selon l'âge et à différents moments pour ce qui est de leur âge également. Ça a été pris en compte dans notre système. On a essayé de l'améliorer. Je peux dire que le tableau de bord est maintenant développé et il est examiné. On a des retours d'information. Ça est là et notre équipe technique nous soutient pour que le tableau de bord soit finalisé. L'autre type d'indicateur que vous voyez ici à gauche, nous avons essayé de comparer la couverture et les douze. Par an et par région et à droite, on a montré ce que nous voulons appliquer. Chose à améliorer par rapport à la visualisation également a été prise en compte. Ce qui est de la performance du programme vont voir à gauche les guides mondiales qui nous disent les variables à prendre en compte que vous voyez affichées en bas. Nous avons tout fait pour répliquer cela dans notre système. La même chose s'applique sur la capture à droite de l'image. Nous avons essayé de répliquer les orientations dans notre système. Je veux dire que nous avons utilisé les données que nous obtenons quotidiennement et je crois que ça nous donne des indicateurs clés. Il est vrai que nous avons connu des défis que je qualifierai de mille heures. Premièrement, c'est sur la précision des données. Nous avons utilisé de l'utilisation du registre civil. Nous avons utilisé de l'utilisation pour prendre des données. Mais c'est vrai que la précision des données n'était pas optimale. On utilise les données du recensement qui donnent des projections. Nous espérons qu'à l'avenir, on pourra utiliser les données du CRVS. La même chose s'applique pour l'autre système qui est le système de l'étoil et de formation sur la gestion logistique. Nous sommes en pouvoir améliorer la qualité des données sur la base des indicateurs qui sont disponibles dans le programme pour les utilisateurs. Nous ne pouvons pas dire que nous pouvons choisir une seule variable. Pour conclure, nous allons dire que nous avons réussi à finaliser le tableau de bord. Nous avons pu intégrer les systèmes. C'est une étape très importante. Lorsque le tableau de bord sera finalisé, on pourra faire de grands progrès pour ce qui est du suivi et de la prise de décision. Nous avons un programme au niveau des districts. Je vais dire qu'une autre chose que nous avons réussi à faire c'est de rassembler les différents acteurs pour échanger sur la question et c'était une étape importante également. Par exemple, le programme de surveillance et de vaccination, le RISP, le MS et les autres acteurs nous ont beaucoup aidés. C'est un grand accomplissement. Nous avons aussi réussi à identifier les lacunes et cela nous aide à pouvoir les résorber efficacement. A l'avenir, nous espérons qu'on peut avoir un impact sur les différentes variables et également augmenter l'efficacité pour ce qui est de la gestion et de la surveillance. Nous voulons également améliorer la couverture parce que cela apporte beaucoup d'avantage à tout chacun. Pour ce qui est de nos perspectives, nous voulons former le personnel national et le personnel des districts à l'utilisation du tableau de bord et après cela, nous allons nous concentrer sur le suivi de l'utilisation du tableau de bord et documenter les enseignements tirés et soutenir la coordination et la collaboration, la formation des utilisateurs finaux et l'utilisation puis l'impact. Nous voulons s'assurer que nous puissions tous travailler le concert pour avoir un grand impact. Merci beaucoup. C'est une photo de nous dans l'ordre naturel. Merci à tous. Vous avez vu à l'écran les personnes que j'aimerais remercier et les entités que j'aimerais remercier. Merci de votre amable attention. Merci beaucoup Samuel. C'est le nombre de travail que vous avez battu et je suis sûr que vous pouvez mettre en place les données CRBS très bientôt. Je vous remercie une fois encore. Vous pouvez arrêter le partage d'écran parce que maintenant nous allons avoir un autre orateur pour cette session. Il y a une seule personne dans la salle. Les autres sont en ligne parce qu'ils ont eu des programmes de visa. Nous passons la parole à Vincent Hormondi qui est également en ligne pour qu'il puisse faire sa présentation aussi. Vous pouvez partager votre écran et activer votre micro. Cela serait bien. Merci beaucoup Victoria. Merci d'être là. Je vous remercie. Merci beaucoup. Bonjour et bonsoir à tous. Je suis là aujourd'hui pour présenter nos résultats au Kenya. Par rapport au fait de tirer parti des DHS pour renforcer les systèmes de santé et améliorer la vaccination au Kenya. C'est un honneur d'être là pour prêter les idées qui ont connu à l'option de la stratégie S2V. Je suis Vincent Hormondi. Je viens du Kenya. C'est un honneur d'être là. Je vais commencer à vous donner un contexte. Je veux dire que au Kenya en 2019 le mouvement a lancé la vaccination du HPV et on ciblait les filles de 10 à 14 ans. Deux multiples stratégies ont été employées pour accélérer et maintenir la vaccination. Et la vaccination dans les stabilisations de santé est la principale stratégie soutenue par des campagnes de sensibilisation dans les écoles. Cependant, les approbations sur les écoles ont été l'approche dominante au niveau de 3,1 millions de filles. Et à la fin 2022, notre taux de vaccination est de 63% avec un taux d'achèvement de 32%. Les résultats varient considérablement d'un pays à l'autre. Durant l'initiation le gouvernement était occupé de 70% de la vaccination dans les stabilisations de santé avec une couverture de 13% qui a été atteint à la fin de l'année 2021. Aucune campagne de sensibilisation dans les écoles n'a été menée pendant cette période. Nous avions toujours des contraintes financières surtout quand il s'agit des filles dans les écoles parce que plusieurs parents sont réticents par rapport à la vaccination des filles. D'autres défis que nous avons par rapport à la vaccination HPV au Kenya c'est qu'il y a eu des contraintes pour la sensibilisation des différentes parties prenantes et au fait qu'on a peu de visite dans les établissements sanitaires. Ce n'est pas toutes les filles de 10 à 14 occupants dans les établissements sanitaires. On devait partir dans les écoles pour voir les personnes illégibles. C'est pour cela qu'il y a eu un taux très bas. On a fait une triangulation pour voir les personnes vaccinées. On a pris en compte les différents établissements sanitaires pour pouvoir procéder aux vaccins à la vaccination. Par rapport à la triangulation notre objectif c'est d'utiliser la plateforme de LHIS-2 pour examiner la fréquence de la vaccination. Nous avons utilisé des données sur la plateforme de LHIS-2 et les éléments de données utilisés au niveau des ministères de la Santé. 710 est le ministère de la Santé et le ministère de la Santé et le ministère de la Santé et le ministère de la Santé et le ministère de la Santé et le ministère de la Santé 515 sur les 50 et faire la triangulation de la population sensible à l'aide du KNBS 2019. Pour la comparaison de ces résultats nous avons procédé à une triangulation des données analysées à fréquence et visite du KNBS 2019. Nous avons reculé des données auprès du ministère de la Santé. Maintenant il y a eu des étapes et premièrement on devait collecter les éléments de données du DHIS-2. Nous avons pris le MOH 710 et MOH 204 pour ce qui est des données. Et également le DHIS-2 a été utilisé pour re-trianguler les données à partir du KNBS 2019. Par rapport à la triangulation, nous avons essayé d'ajouter à l'approximation du nombre total de visite dans l'année, notre objectif c'était de pouvoir prendre le maximum de personnes pour visiter les hôpitaux en compte. Vous pouvez voir sur les diapos qu'on a exprimé plusieurs visites et une seule personne peut faire et effectuer plusieurs visites. Donc on a essayé de pouvoir les cartographier. Ensuite il y a eu une analyse descriptive. Nous avons exploré le nombre total de visite au niveau national et international. Nous avons cartographie quantifiée des opportunités manquées avant de prendre des décisions fondées sur les données. Par rapport au résultat, le premier graphique montre notre objectif, la cible c'est un peu plus de 3 millions et nous avions l'intention de vacciner 90% de ces populations en 2021 par rapport aux visites enregistrées dans le DHS2 à peu plus de 4,7 millions de filles ont visité les centres de santé. Et comme j'ai dit, une personne peut visiter les centres de santé plus d'une fois et une personne peut visiter plus de deux établissements de santé. On va juste enregistrer comme une visite. Donc vous voyez les 4,7 millions de visites et au pays nous avons un peu de 13,000 établissements de santé cela montre que nous avons environ 30 visites par mois. Si vous mettez cela par personne, par visite, nous avons environ 1,1 million de visites de filles de 10 à 14 ans. Et cela est ajusté dans tous les établissements de santé du pays. Quand vous voyez maintenant ce qui se passe pour la première 12 de cette année, on avait 870 millions de visites dans les centres de santé. Et nous avons 1,1 million de visites dans les centres de santé. Et cela prend en compte les visites dans les écoles et les visites dans les centres de santé. Donc nous avons en fait 114,000 au total. Donc on fait une comparaison de DHS2 par rapport au nombre de visites enregistrées en 2021. On a 1,1 million et 114,000 qui ont réussi à se faire vacciner. Donc on voit beaucoup de lacunes. Il y a plus d'un million de filles qu'on pouvait vacciner mais qui n'ont pas été vaccinés. Donc voilà un peu comment on a réussi à quantifier les millions de filles qui venaient dans les établissements de santé et qu'on n'a pas pu vacciner. Donc on voit des domaines qui ont beaucoup de potentiel par rapport à la vaccination. Il y a beaucoup de travail à faire au niveau national et infra-nationnel. Mais par rapport au résultat que nous avons pu en tirer c'est que le nombre de taux d'éducation manqués de dépistées des filles éligibles a été multiplié par 6 passants de 300,000 à 1 million après justement pour les activités de sensibilisation en milieu scolaire. Donc quand on part du sang des écoles pardon, les chiffres se réduisent. Donc sur les 1,2 millions de filles éligibles qui se sont rendues dans une établissement de santé pour des services essentiels un peu plus de 696,000 étaient potentiellement éligibles à la vaccination dans l'établissement de santé mais seulement 19% ont été vaccinés. Ça veut dire qu'on a l'opportunité de pouvoir vacciner plusieurs filles mais on n'a pas réussi à les tester avant de les vacciner. Donc tout ceci est en prise en compte au total, nous avons 581,000 filles qui ont raté leur vaccination même si elle pouvait être vaccinée et ce chiffre c'est 5 fois plus que le taux de participation national. L'intervention du dépistage a été pilotée dans 14 établitions de santé publique et a entraîné une augmentation de 49% de la vaccination contre le papillomavirus humain. Donc par rapport à la triangulation de données nous étions dans il y a eu 14 établissements sanitaires qui ont implémenté cela dans leur programme et après notre évaluation nous avons connu une augmentation dans les différents établissements de santé et vous pouvez voir tout cela dans les graphiques qui sont sur l'écran. On prend celui qui est à droite on voit 1,1 million de filles qui visite et à 696,000 qui sont éligibles et seuls 114,000 filles étaient vaccinées contre le papillomavirus humain. Cela veut dire qu'on a raté le potentiel de vacciner plus de 500,000 filles qui sont venus dans les centres de santé pour d'autres activités de routine. Alors ces résultats mettent en évidence l'ampleur des occasions manquées pour la vaccination contre le papillomavirus humain et soulignent la nécessité d'intervention ciblée pour optimiser la vaccination lors des visites de santé. En s'attaquant à ces occasions manquées et en maximisant le potentiel des campagnes de sensibilisation milieuscolaire, l'objectif est d'améliorer de manière significative la couverture et l'efficacité du programme de vaccination contre le papillomavirus humain. Donc voilà un exemple de notre outil de test qui après avoir passé une état la première étape d'utilisation et le gouvernement présentement est en train de mettre en place les différents matériaux à la disposition de tous les établissements de santé afin qu'il puisse faire les tests et faire les vaccinations. Ceci n'est pas seulement pour les vaccins contre le papillomavirus humain mais également pour la vaccination contre la COVID-19 pour aider sa population. Dans ce cas tous les enfants qui visite les hôpitaux ont réussi à les tester, ont les identifient et quand ils sont éligés pour les vaccinations on les envoie au corps MCH pour être vacciné. Donc ceci a été piloté, testé et le gouvernement est concerné pour que nous puissions atteindre nos objectifs comme recommandation. On tire en partie des solutions technologiques telles que DHS-2 le processus de prise de décision en matière de santé publique peut être amélioré ce qui convient à des interventions à des politiques plus efficaces et l'exploration et l'utilisation régulière d'aide de nos DHS-2 permet de prendre des décisions éclairées et persuicaces afin d'améliorer les résultats en matière de santé publique. Les résultats fondis des preuves font soutenir la mise en oeuvre de la stratégie de dépistage pour atteindre l'objectif ambitieux de l'OMS d'éliminer le concert du col de l'utérus d'ici 2030 envers ce que que le 20% des filles soient vaccinés avant l'âge de 15 ans. En mettant en oeuvre ou en implémentant ces stratégies les systèmes de santé peuvent maximiser le potentiel de visite dans les établissements de santé exploiter les données pour des interventions ciblées et améliorer l'efficacité globale des programmes de vaccination qu'on ne papie au mal a mis les principaux enseignements à tirer. Nous citons l'amélioration, le fait par nous d'améliorer le dépistage dans les établissements de santé pour optimiser les possibilités de vaccination contre le papillon avirush humain. Utilisation des approches ciblées fondées sur les données avec des outils comédies hsd et améliorer le suivi et la communication des données relative à la vaccination contre le papillon avirush humain y compris les occasions marquées. Nous remercions beaucoup de votre aimable attention, nous remercions tous les accords qui nous sont soutenus et nous remercions le ministère de la santé du Kenya Vaccine to Project Clinton Health Access Initiative et le DHISD Merci de votre aimable attention. Merci beaucoup Vincent vous avez de bons chiffres et cela m'intéresse énormément. Le présentateur il est là dans la salle c'est l'une des rares personnes qui a réussi à obtenir son visa au bon moment Je vous remercie Yabukowa qui est à l'université d'Arrest Salam Ok, est-ce que le matin c'est un peu confusant ici donc je vais dire les deux si nous sommes dans l'après-midi ou le soir donc on avance simplement je m'appelle Yabukowa je viens de l'université d'Arrest Salam au nom de mes collègues, je viens pour présenter l'un des travaux que nous avons effectué nous l'avons appelé la micro stratification et pour démarrer on commence par le contexte c'est que ce travail concerne la ressurgence du paludisme un dépli et d'effort considérable et le maître recommande de passer d'une approche unique à des interventions de contrôle ciblées en vue de l'élimination de cette maladie et on essaie de se focaliser sur la nécessité de catégoriser le niveau de risques et les maladies par exemple en Tanzanie on a catégorisé les maladies au niveau très faible faire le modèle élevé et on essaie d'orienter les stratégies selon ces catégories et donc cette catégorisation était juste au niveau infranational mais c'est ce qu'il y a eu la stratification qu'on appelle la macro stratification pour pouvoir montrer le risque de paludisme dans les régions et on a utilisé les données qui sont collectées au niveau des écoles et des ménages pour et on collectait ces données chaque 2 à 3 ans ces approches on avait des manquements parce que ça prenait juste quelques petits lieux et il y avait sans foyer dans chaque sondage et on l'utilisait pour pouvoir informer la CATE sur le risque de paludisme maintenant si vous voyez l'intervalle de collectes de données 2 ans ça ne donne pas réellement un aperçu réel de la catégorisation que ça a besoin pour avoir un temps à nier donc on a essayé de voir comment on peut bien s'y prendre grâce à la plateforme de DHS2 et les SIGS donc on a essayé on a compris que c'était eu opportunité pour nous utiliser les données de routine qu'on collecte d'une base mensuelle pour pouvoir faire la stratification de paludisme et la prise de décision maintenant avec l'autonomisation pour assenter la gouvernance des centralisés du secteur de la santé et la reconnaissance des variations du risque de paludisme dans les pays de région on est parti à une stratification plus granulaire nous avons appelé la micro stratification ou la petite stratification dans notre pays il y a le pays, les régions, les districts et puis les villages et les establishments sanitaires donc voilà tout ceci entre dans le niveau de stratification de l'arrondissement mais non, comment est-ce qu'on peut réaliser ces stratifications donc j'ai dit qu'on a mis en place plusieurs seuils par rapport à ce qui peut être très faible faible, moderée ou élevée mais maintenant on a essayé d'établir un processus pour aux données de HMIS ou du SIX pour pouvoir voir les différentes catégories maintenant sur la base de DHS2 et en collaboration avec le MMCP on a travaillé sur la numérisation dans la catégraphie des risques de micro stratification en concevant un processus automatisé qui pourrait aider à créer les différentes catégories donc par rapport à ce qui a été fait on a essayé de protéger les données du SIX on a essayé de les nettoyer pour avoir des données assez sûres et fiables et on a également généré des scores ou des strats pour les indicateurs sélectionnés pour la micro planification également on a généré des cartes de risques dans le système d'information de gestion composite et ça c'est pour que le gouvernement puisse l'utiliser durant la micro planification et l'autre résultat c'est le suivi donc c'est pour voir comment est-ce que les risques sont en train de changer sur les années pour la planification c'est chaque 3 ans mais pour le suivi c'est chaque année alors par rapport à ce processus c'est l'identification de différents indicateurs pour la stratification pour le début il y a l'identification des indicateurs on fixe les critères avant l'intégration on enlève les doublons les éléments manquants on vérifie l'exhaustivité des rapports la cohérence on s'assure que les données utilisées sont assez finies pour ces données qui n'ont pas l'air assez constant on les renvoie au MNMCB pour vérification pour assez de stratification le processus c'est la cartographie des sangres de santé et on utilise une registre qui est disponible au niveau des établissements de santé parce que le site n'a pas assez listé là maintenant ce qui se passe c'est qu'il y a des données qui viennent des recensements et il y a également une base de données sur le paludisme qui prend en compte les sondages et les recensements par rapport au paludisme et tout ceci est utilisé avant que nous partons à la méthodologie de micro stratification qui est automatisée donc nous utilisons les données qu'on a recueillies dans le contexte des établissements de santé et également au niveau des composites donc le résultat par rapport au processus c'est que il y a les risques de micro stratification et on envoie les documents à un autre système après avoir pris des informations complémentaires du profit du conseil et il y a l'outil c'est micro plan qui est intégré à plan RAP qui est un système également donc par rapport à ce que j'ai dit voici les critères pour les traitements des données donc on a utilisé les données du laboratoire et sont créés sur une base mensuelle on voit également les rapports manquants et on prend en compte différents établissements sanitaires et puis ceux qui effectuent les tests sont retenus nous vérifions la cohérence et les données incohérentes sont supprimées et les indicateurs de paludisme sont ensuite calculés par on vérifie l'index qui prend en compte la population et le taux de cas positifs par rapport à la cartographie je l'ai dit que les établissements de santé qui sont pris en compte dans les circonscriptions sur une base de données composites par rapport aux méthologies de micro stratification et en mise en œuvre dans le cadre du CMIS et on peut voir si c'est un cas très faible, faible, modéré ou élevé maintenant par rapport à l'attribution des nôtres voici un peu ce que nous faisons c'est sur la base des critères très faible, faible, modéré et élevé qu'on attribue des nôtres après ceci ce que je vais dire c'est que nous utilisons les critères pour mettre en place des différentes strates pour pouvoir calculer les différentes strates par rapport à ce que nous voyons dans le tableau ou la carte de stratification par rapport à nos réalisations c'est que le module de stratification des quartiers est maintenant qui a été personnalisé et déployé dans le CMIS pour fournir aux utilisateurs des données que le SIX n'a pas et ce rapport est envoyé à plein de réps comme je l'ai dit plus tôt pour la planification donc voici nos réalisations à essayer de personnaliser parce que c'est un outil automatique le SIX donne les strates et leurs données pour pouvoir informer sur la planification par rapport au travail au futur c'est que on va essayer de faire l'intégration avec plein de réps et des HS2 parce que pour le moment le travail est fait dans plein de réps à part des HS2 à part on va essayer de permettre le partage automatisé des cas de risque et également l'intégration des registres des établissements du santé pour tenir à jour les établissements et les services maintenant il y a des quartiers qui sont dépourvus de centre de santé donc on peut pas avoir des données sans voie des établissements sanitaires dans certaines zones donc le premier moyen c'est d'utiliser des strates de quartiers proches pour pouvoir avoir des informations sur un autre quartier ou bien on va faire la mobilisation géospatiale donc voilà un peu ce que nous avons prévu faire à l'avenir pour les quartiers qui n'ont pas d'établissement sanitaires donc pour terminer je félicite pardon mes collègues de l'université d'Araie-Salaam, ceux qui sont également du gouvernement précisément les personnes du NMCP donc merci beaucoup à Saint-Essahana je suis très intéressé par les cartes c'était fascinant alors le prochain présentateur c'est un conseiller dans le domaine de la santé dans le renforcement des capacités pour ressources humaines il va faire la présentation en ligne bon après-midi il est tard au Pakistan je m'appelle docteur Saeed je travaille un taquet conseiller ici au Pakistan dans le domaine de la santé avec UKHSI dans les prochaines minutes je vais vous faire une présentation d'introduction du système DHS pour renforcer la surveillance du vecteur de la Dengue c'est KP au Pakistan 2022 la surveillance de vecteur c'est vraiment un processus systématique continuell je sais pas si tu peux nous faire cette présentation en mode présentation tu changes de mode pour que nous puissions voir parfait maintenant c'est mieux alors la surveillance du vecteur c'est un processus continuer de collecte et d'analyse et d'interprétation sans oublier la dissemination des données pour guider les activités de repost alors les raisons pour mettre en place cette surveillance de vecteur et terminer les sites pour trouver les moustiques suivraient d'auprès les zones à haut risque c'est la population du vecteur ça nous aide également à évaluer l'efficacité des différentes activités de contrôle de vecteur et je vais vous donner une idée sur le Pakistan la première maladie de la Deng a été signalée dans les années 1970 donc il y a eu beaucoup de crises dans différentes régions du Pakistan aujourd'hui en 2023 le risque est très délévé à cause de l'environnement favorable au vecteur de la Deng vous devez avoir une idée sur les problèmes catastrophiques du changement climatique ça a augmenté le risque surtout avec les régions qui étaient frappées par les inondations et il y a un risque de la Deng très délévé dans ces endroits il y a la province du nord-est et là où nous avons établi le système c'est un risque de la Deng c'est un risque de la Deng c'est un risque de la Deng d'établir le système c'est une province qui est connue sur le nord de KPI c'est une province qui est qui fait souvent face à des troubles secrétaires et puis il y a une province cette province cette province a fait face à une épidémie de la Deng il y a eu beaucoup de cas qui ont été signalés sur le risque de KPI mais avant l'épidémie de la Deng de 2017 il y avait un programme intégré de gestion du vecteur de la Deng on s'était focalisé sur le palidisme et puis les méthodes de surveillance du vecteur sur les pièges au village et et aussi à la collecte des moustiques vous avez une idée sur le fait que le Pakistan c'est un pays avec des ressources limitées en matière technique en matière de fonds les stratégies et les activités et avec le programme il y a trois phases la phase préparatoire avec la mobilisation des équipes d'enquête sur le vecteur et puis il fallait aussi coordonner les autorités locales avec les données collectées sur le terrain le programme pouvait calculer des indices du vecteur les indices avaient le programme calculé par le programme caractérise le risque le risque est basse le risque est moyen aussi le risque est élevé selon les régions du contexte il y a l'UK Health de la stratégie à travailler avec d'autres partenaires pour pouvoir renforcer la surveillance des maladies en implémentant en intégrant un système de surveillance et de riposte des maladies en suffocaliser sur trois piliers qui ont été signalés et vous pouvez avoir toutes les informations et c'était la première fois que un DHS2 un système de surveillance et de maladies digitalisées avaient été établies au Pakistan et au Pakistan et au Pakistan le programme avait du mal avec des ressources techniques et logistiques pour atteindre les intégrataires du programme qui a inclus la digitalisation des systèmes de surveillance vous pouvez voir après avoir mis en place le système de surveillance il y a eu ce programme de digitalisation de surveillance du vecteur avec des DHS2 ce que vous voyez au niveau des écran c'est le flux de collecté d'autres données qui commencent au niveau communautaire il y a des équipes qui visite les ménages dans les zones rurales mais aussi des sites de moustiques et des containers à risque où il peut y avoir beaucoup de moustiques et puis les réponses sont enregistrées sur une fiche laquelle fiche est envoyée sur DHS2 elle est en temps réel donc les districts peuvent accéder à ces données alors en même moment les données sont visibles au niveau provincial et au niveau des districts et puis l'analyse des données en utilisant les analyses de DHS2 et puis les informations sont interprétées et partagées avec des acteurs des secteurs pour éclairer la prise de décision et aussi guider les activités en s'en basant sur les données collectées par les équipes de processus de collecté de données et se fait chaque semaine donc pour aussi relever le niveau à collecter les données quotidiennement s'il y a une crise donc voilà vous pouvez voir les ripostes contre différents variables c'est un tableau qui vous donne un aperçu de ce qui a été fait le nombre de ménages conteneurs les ménages où on a trouvé cette épidémie de la décision le système est calculé automatiquement dans les différents indices dont j'ai fait ma étude et puis les gens peuvent identifier le risque de la fièvre de la Deng le programme savait que il y avait des zones qui étaient plus à risque où il y avait beaucoup d'occas et cela n'est pas à guider les efforts de ripostes vous pouvez voir avec ce tableau on peut voir les provinces qui sont les plus affectées les données peuvent être montrées au niveau de différents districts jusqu'au niveau communautaire donc ici vous voyez cette carte c'est toute la province avec différents districts ces données utilisent les analyses des HS2 et on peut changer la carte et donner des indices aux districts par rapport au vecteur de la Deng donc cela aide le programme à orienter les ressources pour pouvoir intervenir facilement bien sûr grâce à ces cartes voilà notre identification ici cela donne une idée sur l'évolution de la maladie le système vous montre également la présence des conteneurs les plus grandes conteneurs les données peuvent être analysées et représentées ce qu'il y a cette maladie et puis dans le système nous avons ajouté le renforcement de capacités avec les ateliers et cela donne une aperçu au directeur, au partenaire le nombre sur le nombre de personnes qualifiées selon les districts et combien de personnes ont été formées selon les semaines nous savons que l'implication de la communauté est très importante pour prévenir la maladie de la Deng des HS2 collectés de données par rapport à l'implication des membres de la communauté cela montre les sessions aux communautés qui ont été liées grâce aux mobilisateurs et puis on peut voir commander HS2 à aider le Pakistan surtout à Provence KP alors après la digitalisation le programme a collecté des informations opportunes sur la présence de la maladie de la Deng ce qui a aidé à la priorisation des endroits où il fallait intervenir le tableau de bord est accessible par d'autres secteurs donc il y a la coordination multisectorielle ce qui est vraiment important pour le contrôle et la prévention de la fièvre de la Deng donc le système de surveillance a été mis en place en 2020 c'est récent et la qualité des données est générée par le système a aidé avec la planification le suivi et l'évaluation et ça a ajouté d'autres variables qui ont aidé pour combattre la fièvre de la Deng dans cette province nous avons aussi une enquête et de la part des autorités pour pouvoir ajouter quelques indicateurs au système et renforcer les capacités personnelles pour pouvoir utiliser le système et remercier et remercier les personnes que vous pouvez voir sur les camps qui nous ont beaucoup soutenu voilà, je remercie aussi des gens qui ont organisé la conférence annuelle de DHSD qui m'ont donné l'opportunité de présenter mon travail et voilà j'ai hâte de travailler à l'université de cela pour le déploiement de DHSD afin que nous puissions nous attaquer aux questions dans différents secteurs j'aimerais remercier et j'aimerais remercier ce qui m'a aidé avec les procédirs d'obtention de visa, même si je n'ai pas pu l'obtenir, merci beaucoup merci beaucoup j'espère que ça inspire les gens souvent c'est un domaine qui est oublié dans les systèmes nationaux c'est-à-dire les questions epidemiologiques, c'est vraiment souvent oublié et j'espère que vous avez une idée pour ce qui a été fait au Pakistan les présentateurs ont utilisé le temps qu'il fallait utiliser alors voilà j'aimerais remercier je ne sais pas s'il y a des questions c'était c'est clair il y a une personne qui m'a posé une question j'ai été impressionné par le travail sur la stratification je sais qu'il y a un temps venu c'est par le ministère de la santé qui gère l'implémentation je ne sais pas c'est vrai alors ma question c'est par rapport à l'accès à des gestes est-ce que le ministère de la santé était le premier utilisateur où il y a les autres organisations qui ont vraiment accès à des gestes alors comment vous renforcer les capacités des personnes qui nous travaillent dans le secteur de la santé pour pouvoir utiliser ces cartes ma deuxième question les indicateurs de la couverture de stratification je sais qu'il y a un paquet mixte je ne sais pas si vous allez avoir des indicateurs des cartes colorées qui montrent comment vous ou implémenter les interventions de stratification merci merci beaucoup j'espère pouvoir répondre à ces questions en temps en ligne les implémentaires sont au niveau national mais ils travaillent en collaboration avec le ministère de la santé les hôpitaux c'est les hôpitaux les hôpitaux qui sont gérés par le ministère de la santé et c'est Piorog qui implemente le reste donc Piorog est le ministère de la santé et travaille ensemble les résultats de DHS2 un système qui est utilisé dans la planification un système qui appartient à Piorog donc il y a une collaboration les utilisateurs utilisent ces données maintenant pour ceux qui ne travaillent pas dans le secteur de la santé c'est difficile pour moi de répondre à cette question mais il y a des personnes de la santé qui utilisent ces données pour préparer les gens les plans il y a des réunions qui ont lieu et qui utilisent ces données je ne sais pas si je vais bien répondre il n'y a pas question pour la deuxième question j'ai justement montré une carte de stratification le résultat final dans le même système il y a une visualisation qui montre les données pour les indicateurs que j'ai souligné ça montre la manière dont ces données vont migrer vers les strat donc il y a plus d'indicateurs dans les tableaux de bord j'espère que ça répond à ta question je ne sais pas si il y a d'autres questions merci beaucoup merci à ceux qui sont en ligne j'espère que vous n'avez plus de doute les deux que vous avez à voir la session par rapport à l'utilisation de NRCS2 merci beaucoup si vous avez d'autres questions pour le présentateur n'hésitez pas à me contacter je pourrais n'assurer que vous rencontrez merci beaucoup