Parcours
Analyste en santé publique
Pour les analystes qui travaillent sur les données de routine du système de santé — couverture, cascades et complétude — avec le raisonnement épidémiologique nécessaire à leur interprétation.
Compétences
Systèmes d'information sanitaire de routine
IntermédiaireTravailler avec aisance sur un rapportage agrégé de type DHIS2 et en comprendre les dénominateurs.
Analyse de couverture et de cascade
IntermédiaireCalculer les indicateurs de couverture, d'abandon et de cascade, et les interpréter correctement.
Ajustement sur la complétude
AvancéDistinguer une faible performance d'un faible rapportage, et procéder à un ajustement explicite.
Avant de commencer
- Une familiarité avec l'information sanitaire de routine — un export DHIS2 ou d'un dossier médical électronique, un registre de formation sanitaire, un indicateur de couverture que vous avez dû expliquer.
- Aucune expérience en programmation. L'étape Python commence à l'installation.
L'itinéraire
Étape 1
Asseoir les chiffres
Définir un indicateur de couverture défendable, y compris ce qu'une formation sanitaire non déclarante fait à son dénominateur.
Étape 2
Acquérir l'aisance en Python
Lire n'importe quel export d'un système d'information sanitaire sans l'altérer, et laisser derrière soi un script qui se relancera au trimestre suivant sans être modifié.
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 ajuster un taux de couverture sur la complétude du rapportage et expliquer cet ajustement.
Preuve attendueNote méthodologique écrite accompagnée de l'analyse correspondante.
Sait construire et interpréter une cascade de soins ou de vaccination.
Preuve attendueAnalyse en cascade dont les hypothèses sont énoncées à chaque étape.
Les données du système de santé sont agrégées, tardives et incomplètes de manière régulière. Ce parcours apprend à les lire justement malgré tout.
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 et l’épidémiologie relève de Données de routine et DHIS2, dans Indicateurs et mesure, et de Santé publique et épidémiologie, dans Analyses sectorielles — tous deux à la feuille de route, aucun encore écrit. Voir le programme.