RDQA DHIS2 Metadata Package Description (FR)

Introduction

Le package de métadonnées RDQA DHIS2 fournit une configuration DHIS2 prête à l'emploi qui permet aux administrateurs du système DHIS2 d'établir efficacement un module d'évaluation de la qualité de routine au sein de DHIS2. Le kit de métadonnées RDQA crée des outils d'évaluation de la qualité des données qui permettront aux évaluateurs de données de saisir des données à l'aide d'une application Android DHIS2 et de fournir des résultats et des analyses en temps réel à l'aide de tableaux de bord DHIS2 standardisés, ce qui permettra d'améliorer la qualité des données et la prise de décision au niveau de l'établissement, du district et du pays. Au fur et à mesure que les lacunes sont identifiées, la direction peut allouer des ressources et une assistance technique en cas de besoin.

La mise en œuvre des métadonnées du RDQA dans l'application Android du DHIS2 répond à la demande de l'équipe de S&E sur le terrain de disposer d'un outil mobile pour collecter les données du RDQA tout en fournissant des résultats d'évaluation et des plans d'action correctifs aux personnes chargées de soutenir la qualité des données.

Le paquet de métadonnées comprend plusieurs éléments, qui peuvent être adaptés à un projet si nécessaire. Il s'agit des éléments suivants

• Éléments de données codés par zone d'évaluation

• Un ensemble de données d'évaluation de l'AQRD qui permet aux conseillers techniques d'établir des objectifs et des niveaux de référence en matière de qualité des données.

• Indicateurs

• Programmes et étapes

• Indicateurs de programme

• Tableaux de bord

• Module de retour d'information - lorsqu'il est utilisé avec l'application Android de l'ISP

Le système doit être configuré avec votre liste de domaines de santé et d'indicateurs. Vous pouvez également adapter le contenu du feedback, le niveau de détail du plan d'action et les tableaux de bord au niveau du district et du pays.

DHIS2 Data Quality App - Qu'est-ce que c'est ?

DHIS2 comprend une application intégrée "Qualité des données" qui permet aux utilisateurs d'analyser la qualité des données de différentes manières. L'application indique l'unité organisationnelle et la période pour lesquelles une valeur particulière est aberrante ou ne respecte pas une règle de validation spécifique.

• Au moment de la saisie des données, le DHIS 2 peut vérifier si les données saisies se situent dans les fourchettes de valeurs minimales et maximales de cet élément de données (sur la base de toutes les données enregistrées précédemment).

• En définissant des règles de validation, qui peuvent être exécutées une fois que l'utilisateur a terminé la saisie des données. L'utilisateur peut également vérifier les données saisies pour une période et une unité d'organisation particulières par rapport aux règles de validation et afficher les violations de ces règles de validation.

• En analysant les ensembles de données, c'est-à-dire en examinant les lacunes dans les données.

• Par triangulation des données, c'est-à-dire en comparant les mêmes données ou indicateurs provenant de différentes sources.

Règles de validation du DHIS 2

Une règle de validation est une expression "booléenne", car elle ne peut aboutir qu'à vrai ou faux lorsqu'elle est évaluée. Le "côté gauche" peut contenir n'importe quel nombre d'éléments de données ou un nombre, suivi d'un opérateur logique (supérieur à, inférieur à, égal à...), qui est comparé au "côté droit". Si l'évaluation n'est pas satisfaisante, un rapport indiquant la valeur, la période ou l'unité organique à l'origine de la violation est généré en vue d'une enquête ultérieure.

En outre, les règles de validation peuvent être exécutées pendant la saisie des données ou en tant que processus périodique envoyé sous forme de messages DHIS2.

Analyse des valeurs aberrantes du DHIS2

DHIS2 vous permet d'effectuer deux types d'analyse des valeurs aberrantes après la saisie des données :

• Analyse des valeurs aberrantes minimales et maximales, pour laquelle vous pouvez définir manuellement les valeurs Min/Max ou les générer automatiquement. Cette méthode est utile si vos données sont généralement distribuées dans le temps et dans l'espace, mais elle doit être évitée si elles sont fortement asymétriques ou gonflées à zéro. Il est également possible de le faire.

• Analyse des valeurs aberrantes de l'écart-type pour identifier les valeurs numériquement éloignées du reste des données, ce qui peut indiquer qu'il s'agit de valeurs aberrantes.

Pour en savoir plus Documentation DHIS2

RDQA et l'application DHIS2 pour la qualité des données : Quelle est la différence ?

Le RDQA et l'application DHIS2 Data Quality sont comme le beurre de cacahuète et la confiture. Ce sont deux outils complètement différents, mais lorsqu'ils sont utilisés ensemble, ils deviennent une combinaison puissante pour améliorer la qualité des données au sein de votre organisation.

• L'application DHIS2 Data Quality permet d'identifier les valeurs hors normes pour les données capturées en se basant sur l'analyse des valeurs aberrantes ou en utilisant des règles de validation explicitement définies dans toutes les applications de capture de données.

• Le RDQA est un outil permettant de réaliser des évaluations de la qualité des données qui examinent de manière holistique tous les processus de S&E et l'ensemble du cycle de vie des données pour un ensemble sélectionné de points de données dans un établissement. Il fait partie de la supervision de routine et des visites des établissements de santé pour contrôler en permanence la qualité des données.

• L'application DHIS2 Data Quality permet aux administrateurs du système de définir des critères de valeur des données afin de signaler les valeurs hors limites et de les marquer pour un suivi. Elle peut être utilisée avec le package de métadonnées RDQA pour personnaliser davantage l'outil d'évaluation.

• Le RDQA est une évaluation holistique menée sur place ou à distance, qui examine les données ainsi que les personnes et les processus qui manipulent ces données, afin de s'assurer que les meilleures pratiques sont respectées. Lorsque des lacunes sont identifiées, il suggère des actions correctives et encourage la création de plans d'amélioration pour combler les lacunes dans les processus et les personnes concernés.

L'utilisation conjointe de ces deux outils devrait permettre d'obtenir de meilleures données dans l'ensemble de vos systèmes de santé à moyen et à long terme.