Parcours
Spécialiste en informatique de santé
Pour le spécialiste placé entre le système d'information sanitaire et ceux qui doivent agir dessus — complétude du rapportage, structures de données agrégées, et les dénominateurs qu'un système de routine ne fournit pas.
Compétences
Structures des données de routine
AvancéTravailler avec des agrégats formation-période-élément de type DHIS2 et savoir ce que chaque niveau de la hiérarchie peut ou ne peut pas soutenir.
Complétude et ponctualité
AvancéMesurer si un système rapporte avant de mesurer ce qu'il rapporte, et conditionner chaque indicateur en aval à cette réponse.
Raisonnement sur le dénominateur
AvancéReconnaître les cas où un dénominateur administratif fait tout le travail dans un chiffre de couverture, et le dire.
Conception des flux de données
IntermédiaireSuivre un chiffre du registre où il naît jusqu'au tableau de bord où il atterrit, et trouver l'étape qui le casse.
Avant de commencer
- Une connaissance pratique d'un système d'information sanitaire — DHIS2, un dossier médical électronique, ou une chaîne de rapportage nationale que vous avez dû réparer.
- De l'aisance en ligne de commande, ou la patience que demande la première leçon de langage.
L'itinéraire
Étape 1
Asseoir les chiffres
Énoncer ce que signifient les indicateurs du système, pour qu'une chaîne construite ensuite transporte une définition et non une colonne.
Étape 2Au choix
Choisir le langage de votre équipe
Approfondir Python ou R. Le choix est le plus souvent dicté par le code dont vous héritez, non par les mérites — et c'est à cette étape que cela cesse d'être une limite.
Ce sont des alternatives, pas une séquence. Prenez celui que votre équipe utilise déjà : le second s'acquiert bien plus vite une fois le premier maîtrisé.
Étape 3
Rendre les données fiables
Transformer un export brut en un tableau défendable ligne à ligne, et transmettre un journal de nettoyage qui répond à la question de l'auditeur avant qu'elle soit posée.
Étape 4
Assembler les fichiers
Réunir plusieurs exports en une table d'analyse défendable colonne par colonne, avec chaque jointure prouvée, chaque granularité énoncée et chaque dénominateur sourcé.
Étape 5
Contrôler comme un auditeur
Évaluer vos propres données avant qu'un bailleur ne le fasse — cinq dimensions mesurées, un recomptage face à la source, et un rapport où chaque constat a un responsable et une date.
Étape 6
Définir ce que vous rapportez
Rédiger des définitions d'indicateurs que deux analystes calculent de la même façon, défendre le dénominateur, et fixer une référence et une cible qui survivent à une revue à mi-parcours.
Étape 7
Mettre un intervalle dessus
Analyser une enquête en grappes comme son plan l'exige — pondérations issues de la base, effet de plan mesuré, et un intervalle qui dit ce que l'échantillon peut trancher et ce qu'il ne peut pas.
Étape 8
Savoir d'où cela vient
Lire un système de rapportage de routine comme la base de données qu'il est, tirer une extraction que l'on peut désigner des mois plus tard, et répondre à ce qui a été compté pour tout chiffre qu'il produit.
Étape 9
L'appliquer à la nutrition
Porter les méthodes dans un secteur — normes de croissance de l'OMS, plausibilité SMART, phases IPC et seuils de performance Sphere, sur une enquête et un registre de traitement.
Étape 10
Appliquer à la santé publique
Des taux à dénominateur en personnes-temps, des cascades de traitement, la couverture de trois façons, et une liste linéaire d'épidémie transformée en courbe, en taux d'attaque et en létalité défendable.
Étape 11
Appliquer à l'EAH
Les échelles de service du JMP et les minimums Sphère sur une enquête ménage, puis un registre de suivi à visites répétées qui transforme un taux de fonctionnalité en trois et encadre chacun face aux tournées que personne n'a conduites.
Étape 12
Appliquer à la sécurité alimentaire
SCA, ÉFM, ICSR et module d'adaptation construits depuis les composantes brutes et divergeant d'un facteur sept, puis une série de prix dont la saisonnalité éclipse l'effet de programme et le tableau de preuves qui rapporte les deux.
Étape 13
Appliquer à la protection
Les analyses qu'il faut refuser de publier, à côté de celles qui comptent — un circuit de référencement conditionné par le consentement, un écart d'équité de dix-neuf points localisé à une porte précise, et une charge de dossiers qui explique deux autres tableaux.
Étape 14
Appliquer à l'éducation
Taux brut contre taux net sur un dénominateur projeté, deux chiffres de présence distants de vingt-six points, une cohorte à travers passage et redoublement, et deux passations aux instruments différents.
Étape 15
Dire votre degré de certitude
Un intervalle sur chaque proportion, le bon test pour une comparaison, une taille d'effet à côté de chaque valeur p, et le nombre de comparaisons qui ramène deux écoles frappantes au rang de bruit.
Étape 16
Modéliser plusieurs choses à la fois
Un coefficient est une comparaison — laquelle, entre quelles unités, ajustée sur quoi. Un rapport de cotes que votre lecteur interprétera de travers, une covariable qui retire 42 % de l'effet, et un modèle qui explique trois pour cent et tranche une décision de ciblage.
Étape 17
Dire ce qui l'a causé
Un gain de sept points qui est entièrement l'année scolaire, un groupe de comparaison déséquilibré sur chaque caractéristique mesurée, et l'effet minimal détectable qui a décidé de la réponse avant l'existence de la moindre donnée.
Étape 18
Le mettre sous leurs yeux
La marque qu'implique la comparaison, un intervalle qui arrête un classement, une palette qui signifie déjà quelque chose pour ce public, et une figure produite depuis le jeu de données pour que le graphique et la phrase ne puissent pas dériver.
Étape 19
La rendre réexécutable
Des données brutes en lecture seule et le code seul édité, un environnement figé pour que l'ordinateur d'un collègue donne vos nombres, des vérifications qui arrêtent la chaîne au lieu d'en produire une fausse et plausible, et une passation sur laquelle un successeur peut agir.
Étape 20
Le mettre devant la décision
Une page qui répond à une question plutôt qu'à vingt, le panneau de définitions qui met fin à la dispute mensuelle, et le rapport dont constats, limites et recommandation survivent à une lecture séparée.
Projets recommandés
Modalités d'évaluation
Sait calculer la complétude du rapportage au niveau formation et période et expliquer pourquoi elle précède tout autre indicateur.
Preuve attendueUne analyse où la complétude conditionne le calcul de couverture au lieu d'être rapportée à côté.
Sait repérer un chiffre de couverture faux à cause de son dénominateur plutôt que de son numérateur.
Preuve attendueUne comparaison de deux classements ne différant que par le dénominateur, avec l'attribution des déplacements de rang.
Sait énoncer ce qu'un système de routine ne peut pas mesurer et ce qu'il faudrait à la place.
Preuve attendueUne note de limites distinguant la couverture de service de la couverture programmatique.
Un système d’information sanitaire de routine produit beaucoup de chiffres et très peu de réponses. L’écart est le plus souvent structurel : une formation qui n’a pas rapporté est indiscernable d’une formation qui n’a vacciné personne, et un taux de couverture ne vaut jamais mieux que l’estimation de population qui le soutient.
Le projet vaccination de ce parcours est exactement ce défaut, isolé et mesuré. Classer les formations sur un dénominateur qui compte les mois non rapportés déplace certaines d’entre elles de vingt-et-une places, et toute formation qui gagne des rangs est à 58 % de complétude tandis que toute formation qui en perd est au-dessus de 91 %. Le classement mesurait le rapportage, non la vaccination.
Ce qu’il manque encore à ce parcours
Trois cours sont publiés : Fondamentaux de l’analyse de données, Python pour les données de programme et R et le tidyverse pour les données de programme. Le contenu sur les systèmes de routine dont dépend ce rôle est Données de routine et DHIS2, dans le module Indicateurs et mesure, inscrit à la feuille de route et pas encore écrit. Voir le programme pour son syllabus.