Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

98 Surveillance, Suivi, et Evaluation des Programmes de Lutte contre le Paludis

98 Surveillance, Suivi, et Evaluation des Programmes de Lutte contre le Paludisme : Cours en Ligne MODULE 8 : ANALYSE, INTERPRETATION ET PRESENTATION DES DONNEES SUR LE PALUDISME Module 8 : Analyse, Interprétation et Présentation des Données sur le Paludisme 99 MODULE 8 : ANALYSE, INTERPRETATION ET PRÉSENTATION DES DONNÉES SUR LE PALUDISME e module fournit une introduction aux fonctions et concepts les plus utilisés pour l’analyse et l’interprétation des données. Il traite aussi de la façon de présenter efficacement les données, apprend aux participants comment sélectionner un graphique approprié pour présenter les données et les principaux conseils pour une bonne présentation des données. Objectifs du Module À la fin de ce module, vous serez en mesure de : • Identifier les fonctions de l’analyse et l’interprétation des données. • Mentionner les concepts courants pour l’analyse et l’interprétation des données. • Identifier les graphiques appropriés pour présenter différents types de données. • Faire une distinction entre ce qui caractérise une bonne présentation de données et une mauvaise présentation de données. Qu’est-ce que l’Analyse et l’Interprétation ? L’analyse des données se réfère au processus d’inspection, d’épuration, de transformation et de modélisation des données dans le but de mettre en évidence des informations utiles. En d’autres termes, l’analyse des données prend les données brutes que vous avez collectées pour votre programme et les transforme en informations utiles pour la prise de décisions. L’analyse des données permet de fournir des réponses aux questions qui ont été posées au sujet de votre programme ou autres études de recherche. Cela signifie qu’il faut prendre les données que vous recueillez et les examiner par rapport aux questions auxquelles vous aimeriez répondre. Par exemple, si vous souhaitez savoir si votre programme a atteint ses objectifs—ou s’il est sur la bonne voie—vous pourriez regarder les objectifs de votre programme et les comparer à la performance réelle du programme. L’interprétation des données va au-delà de l’analyse des données. L’interprétation est l’utilisation de l’analyse afin de mieux comprendre vos résultats et les implications pour votre programme. C’est le processus dans lequel vous ajouter un sens à l’information en établissant des liens et des comparaisons, en explorant les causes et les conséquences, et en expliquant les tendances observées dans les données. Données ou Information Il y a une distinction importante entre les données et l’information. Les données renvoient aux nombres, mesures ou textes bruts, non traités. En revanche, l’information se réfère aux données qui ont été traitées, C Rapport 2017 sur le Paludisme dans le monde Figure 19. Proportion de la population à risque avec accès à des MII, 2010–2016 100 Surveillance, Suivi, et Evaluation des Programmes de Lutte contre le Paludisme : Cours en Ligne organisées, structurées, ou présentées dans un contexte spécifique. Par conséquent, ce processus de transformation des données en information utile est l’analyse des données. Souvent, ces deux termes sont incorrectement utilisés de façon interchangeable. Quiz Question À quelle question peut-on répondre grâce à l’analyse des données ? a. Dans lequel des sites le programme a-t-il atteint une plus grande couverture en moustiquaires imprégnées d’insecticide ? b. Pourquoi le programme de lutte contre le paludisme n’est-il pas parvenu à atteindre son objectif de 80 % de couverture de moustiquaires imprégnées d’insecticide dans la communauté A ? Module 8 : Analyse, Interprétation et Présentation des Données sur le Paludisme 101 Quiz Réponse a. Cette question peut être éclairée à travers l’analyse des données, en comparant la couverture des MII de tous les différents sites du programme. Analyse des Données sur le Paludisme Il y a quelques différents types d’analyses que vous pouvez effectuer à l’échelon du programme. Cela dépendra de l’information dont vous avez besoin pour être en mesure de gérer votre programme de manière efficace et d’en suivre les progrès. Voici trois exemples de types courants d’analyses qui vous aideront à suivre les progrès de votre programme. • Performances réelles vis-à-vis objectifs du programme : Dans cet exemple, nous allons comparer les performances réelles de notre programme en termes de nombre de personnes ayant reçu une formation sur la prise en charge des cas de paludisme à l’objectif qui a été fixé pour le programme au 1er juin 2016. Dans ce cas, nous pouvons voir que les progrès au cours de la première année du programme (janvier 2015 - décembre 2015) ne se sont pas faits au rythme que nous attendrions afin de répondre à l’objectif du programme de 100 personnes formées sur la prise en charge des cas en Juin 2016. Pour que le programme puisse atteindre son objectif, 85 personnes supplémentaires doivent être formées dans les 6 prochains mois du programme. • Performances actuelles vis-à-vis performances passées : Dans cet exemple, nous allons comparer les performances actuelles du programme (2015) en ce qui concerne le nombre de moustiquaires imprégnées d’insecticide (MII) qui ont été distribués au cours des trois années précédentes (2012 - 2014) dans les districts ciblés. Comme nous pouvons le voir pour 2015, le programme est bien plus performant que pendant les trois années précédentes, par un nombre substantiel. Il est clair que la performance actuelle est meilleure que la performance passée pour ce programme. • Comparaison des performances entre différents sites ou groupes : Dans cet exemple, nous comparons la performance du programme dans le district A et sa performance dans le district B en termes de nombre des cas de fièvre testés pour le paludisme dans les centres de santé. Ici nous pouvons voir que district B a testé 8000 cas de fièvre, comparativement à seulement 3500 dans le district A. Même s’il semble que le district B soit plus performant que le district A, il est difficile d’interpréter ces résultats sans plus d’informations sur les deux districts. Par exemple, nous voulons également connaître les différentes populations cibles dans chacun des districts, ainsi que plus d’informations sur l’endémicité du paludisme dans chaque district pour voir s’ils étaient comparables. Mesures Communément Utilisées pour l’Analyse Il existe certaines mesures statistiques de base qui sont importantes pour comprendre, calculer et interpréter. Celles-ci comprennent les mesures suivantes : • Mesures de tendance centrale • Moyenne • Médiane • Mode • Mesures de dispersion 102 Surveillance, Suivi, et Evaluation des Programmes de Lutte contre le Paludisme : Cours en Ligne • Étendue • Variation et Écart-type • Intervalle Interquartile • Ratio, Taux • Proportion, pourcentage Les pages suivantes fourniront des explications et des exemples pour chacune des mesures. Mesures de Tendance Centrale Il y a quelques mesures statistiques de base qui sont importants pour comprendre, calculer et interpréter. Moyenne La caractéristique la plus couramment étudiée d’une série de données est son centre, ou le point autour duquel les observations tendent à se regrouper. La moyenne est la mesure la plus fréquemment utilisée pour examiner les valeurs centrales d’un ensemble de données. Définition : la somme des valeurs divisée par le nombre de cas ou d’observations. Il est aussi appelé la moyenne. Calcul : moyenne = somme des valeurs / nombre d’observations Exemple : quel a été le nombre moyen de cas de paludisme par mois au cours de l’année dernière ? • Somme des cas de paludisme (janvier - décembre) : 1,110 • Nombre d’observations : 12 • Moyenne : 1110/12 = 92,5 Nombre moyen de cas de paludisme par mois en 2010 Médiane Définition : la médiane est la valeur centrale dans un ensemble ordonné de valeurs. Calcul : la première étape consiste à trier les données de la plus petite à la plus grande valeur. La deuxième étape consiste à choisir l’observation du milieu au sein de l’ensemble de données. Pour les ensembles de données avec un nombre pair de valeurs, la médiane est la moyenne des deux valeurs du milieu. Exemple 1 : quel est le nombre médian des cas de paludisme par mois au cours de l’année 2013 ? 1. Trier les observations. 2. Sélectionnez les deux chiffres du milieu puisqu’il y a un nombre pair d’observations dans l’ensemble de données. o Chiffres du milieu : 45 et 45 3. Additionner les deux chiffres et diviser par deux : (45 + 45) / 2 = 45. Exemple 2 : quel est le nombre médian des cas de paludisme par mois au cours de l’année 2014 ? 1. Trier les observations. 2. Sélectionnez le nombre du milieu puisqu’il y a un nombre impair d’observations dans l’ensemble de données. Ce nombre représente la médiane, qui est 49 dans ce cas. Module 8 : Analyse, Interprétation et Présentation des Données sur le Paludisme 103 Mode Définition : le mode est la valeur la plus fréquente dans votre ensemble de données. Calcul : sélectionnez la valeur de votre ensemble de données qui survient le plus fréquemment. Exemple : quel est le mode pour le nombre de cas de paludisme en 2013 et 2014 ? • Mode pour le nombre de cas de paludisme en 2013 : 45 • Mode pour le nombre de cas de paludisme en 2014 : 40 Parmi les trois mesures de tendance centrale—la moyenne, la médiane et le mode—la moyenne est la uploads/Management/ malaria-sme-online-course-french-ms-20-184-fr-module8.pdf