Etape 1.

le fichier excel (Desk Review Practice Dataset.xlsx) a été téléchargé .

Etape 2. Référez-vous à l’onglet 1 et 2 et répondez aux questions suivantes :

Les données sont-elles complètes ?

L’analyse de ces différentes données durant les 3 années successives la complétude complétude est à 100% pour les années 2012 et 2013 par contre pour l’année 2014 la complétude 57 rapports manquent soit un taux de 97.7%.

Si ce n’est pas le cas, quelles régions présentent un problème d’exhaustivité ?

les régions qui présentent un problème l'exhaustivité est le district du Sud Ouest. le district a enregistré un faible taux de complétude qui durant toute l’année 19 rapports manquent soit un taux de 57.5%.

Qu’est-ce que cela implique concernant l’interprétation des données

Il y a quelques aspects à prendre en compte, On peut dire pour certains CSI du district qui fonctionnement durant les périodes du non rapportage des rapports a eu un impact sur la complétude au niveau district. A cet effet, il serait nécessaire de pouvoir appuyer et accompagner ces CSI pour remédier au problème.

Les données ont- elles été envoyées en temps utile ?

Dans la globalité, le taux de promptitude est acceptable. On peut dire que la complétude à évoluer d’une manière de 2012 à 2014. Voir tableau ci-dessous

Taux de promptitude

2012	2013	2014
83%	85%	90.7

 

Si ce n’est pas le cas, quelles régions n’envoient pas dans un délai convenable les données ?

Sur tous les Districts le rapportage est progressif durant chaque année, alors nous pouvions dire qu’il y a des efforts considérables qui sont en train d’être faites. Sauf le district du centre qui connait une régression sur l’envoie des données.

La promptitude de l’envoi des données a-t-elle empiré ou s’est-elle améliorée avec le temps ?

Pour tous les Districts la complétude est acceptable, sauf le district du Sud Ouest qui connait une régression en 2014 .il était à 57.7% en 2014.

Il est question d’identifier les facteurs à la base sur la promptitude.

Quels indicateurs ou visualisations avez-vous utilisé pour analyser le caractère complet et la promptitude de l’envoi des données ?

Nous avons deux indicateurs:

Le taux de complétude : qui est le nombre des rapports reçus sur l’ensemble des rapports attendu pour chaque région.

Le taux de promptitude : qui est le nombre des rapports reçus dans le délai sur l’ensemble des rapports attendu pour chaque région.

Etape 3. Repérez les anomalies et les incohérences

Référez-vous aux onglets 3 et 4 avec les doses administrées mensuellement de Penta 1 et 3 et d’OPV3.

Trouvez-vous des anomalies évidentes (des valeurs mensuelles qui semblent trop hautes ou basses comparées à la moyenne) ? Pour quelle(s) région(s) ?

Des petites anomalies existent mais l’écart n’est pas trop significatif

Question : Repérez-vous une différence significative dans les données du numérateur pour des doses qui sont normalement données au même moment et qui devraient pourtant être homogènes ?

Il y’a une différence sur les doses qui sont administré au même moment (Penta 3 et OPV 3 ; du Penta1 et MCV1) Toutes fois le Penta un dépassement en chiffre existe, ce qui ne devait pas exister ; A cet effet, un control devait être faites pour évités l’incohérence sur doses administrées

Question : Qu’est-ce qui pourrait expliquer les différences entre les vaccins à part des problèmes au niveau de la qualité des données ?

Séances manquées
Rupture des antigènes
Surestimation de la cible
Perte de vaccin

Question : Quels types d’indicateurs ou de visualisations avez-vous utilisés afin de repérer des anomalies ou incohérences entre les doses ?

L’indicateur traceur qui nous a permis de repérer les anomalies était d’évaluer l’écart entre les vaccins et les doses administrées.

Etape 4. Analysez les tendances de couverture

Référez-vous à l’onglet 5, couverture.

Les estimations de couverture par région sont-elles solides ou existe-t-il des problèmes évidents avec les données ?

Pour les estimations, je pense qu’ils sont solides dans sa généralité, par contre pour le cas du DS du Nord-Ouest il y a de se poser des questions : Pourquoi les données du district Nord-Ouest sont-ils plus élevé que la cible ?

On voit une importante baisse de la couverture l’année précédente. D’où cela provient-il ?

Dans les deux dernière années 2013-2014 le taux de couverture a chuté de 93% à 86% , les districts plus touchés sont ceux des Sud (92 à 77%), de l’Ouest de (82-71) et Nord (70-62%).

Etape 5. Comparez votre dénominateur aux estimations de population de l’ONU

Référez-vous à l’onglet 6.

Quelle estimation de dénominateur semble plus plausible ? Pourquoi ?

L’écart sur le dénominateur reste faible, mais celui de l’ONU que le PNUD a fait recours reste fiable. Nous pouvons notez que pour toutes référence de fiabilité est celle de l’ONU car même un prend ses bases sur celle de l’ONU.