Résumé
Le système national d’information sanitaire (SNIS) joue un rôle essentiel dans la collecte, l’analyse et la diffusion des données nécessaires à la prise de décision en santé publique. Toutefois, la qualité des données peut être compromise par des facteurs humains, organisationnels et techniques. Cette étude transversale rétrospective menée dans quatre zones de santé visait à déterminer les facteurs associés à la mauvaise qualité des données au sein de la Division provinciale de la santé (DPS) du Kasaï Central, afin de proposer des stratégies opérationnelles d’amélioration. Les données ont été recueillies à partir des rapports mensuels d’activités, des outils de collecte relatifs aux indicateurs sélectionnés et d’entretiens avec le personnel impliqué dans la gestion des données. Les résultats sur la qualité des données ont montré que la complétude des rapports transmis des bureaux centraux des zones de santé (BCZ) à la DPS atteignait 100 %, tandis que leur promptitude était de 50 % et leur exhaustivité de 91,7 %. Des formations sanitaires aux BCZ, la complétude était de 85,4 %, la promptitude de 85,3 % et l’exhaustivité de 90,2 %, mais l’exactitude des données était de 0 %. La performance du SNIS était estimée à 40,3 % dans les BCZ et à 28,2 % dans les formations sanitaires. La maîtrise des directives nationales de rapportage restait limitée (38,8 % dans les BCZ et 26,7 % dans les formations sanitaires). Les résultats statistiques montrent que des variables sociodémographiques telles que la tranche d’âge (X² = 5,3667; p = 0,047) et la profession (X² = 5,9643; p = 0,051), ainsi que des éléments organisationnels et fonctionnels comme la transmission des rapports dans les délais (X² = 9,5788; p = 0,023), la désignation officielle du responsable SNIS (X² = 4,4357; p = 0,035), l’utilisation d’outils informatiques (X² = 4,4599; p = 0,035), la disponibilité d’outils normés de collecte (X² = 17,5154; p = 0,000), la présence de tableaux de bord des indicateurs (X² = 6,9319; p = 0,008), le coaching sur le SNIS (X² = 5,8928; p = 0,015) et la tenue du monitorage (X² = 10,7333; p = 0,001) sont tous statistiquement associés à la qualité déficiente des données. En conclusion, l’amélioration de la qualité des données du SNIS nécessite le renforcement des capacités du personnel, l’utilisation effective des outils normalisés, un suivi régulier et une meilleure accessibilité aux données sanitaires. L’appropriation des directives et l’amélioration des pratiques de gestion constituent des leviers essentiels pour renforcer la fiabilité des informations sanitaires et soutenir la prise de décision.
Références
1. ANICiiS, & Organisation mondiale de la Santé. (2021). Programme de recherche en santé publique sur la gestion des infodémies.
2. Bocar, M. (2023). Gestion de l’information sanitaire en situation de crise au Mali. Jamana.
3. Cecchi, M., & Murru, E. (2002). Evaluation du système d’information des professionnels de la santé. Karthala.
4. Cilundika, P. (2015). Facteurs déterminants de la faible utilisation du service curatif par les ménages dans la zone de santé de Pweto, province du Katanga [Mémoire de Licence, Université de Lubumbashi].
5. Dehnavieh, R., Haghdoost, A., Khosravi, A., Hoseinabadi, F., Rahimi, H., Poursheikhali, A., & Aghamohamadi, S. (2019). The District Health Information System (DHIS2): A literature review and meta-synthesis of its strengths and operational challenges based on the experiences of 11 countries. Health Information Management Journal, 48, 62–75. https://doi.org/10.1177/1833358318777713
6. Programme national de lutte contre le paludisme. (2017). Evaluation de la qualité des données des zones de santé sur l’utilisation d’intrants du paludisme.
7. Garrib, A. (2008). An evaluation of the District Health Information System in rural South Africa. Van Schaik Publishers.
8. Gowan, G. (2020). Health information systems: A practical approach. Routledge.
9. Janice, A. (2020). Health care information systems: An introduction for students and professionals. Jossey-Bass.
10. Kebe, M. (2022). Evaluation de la performance du système d’information sanitaire de routine (PRISM) au Burkina Faso. https://www.measureevaluation.org/resources/publi cations/tr-20-420-fr.html.
11. Koumamba, A. (2021). Modèle de système d’information pour le pilotage, les statistiques et la veille sanitaire au Gabon. Cefed.
12. Martha, L. (2018). Information systems for health services administration. Springer.
13. Muhemedi, S., Laoding, A., & Kona, G. (2017). Évolution du système national d’information sanitaire de la République démocratique du Congo entre 2009 et 2015. The Pan African Medical Journal, 28(1), 77-86.
14. Oldham, W. (2016). Managing health information. Cengage.
15. Ologeanu, R., & Paré, G. (2017). Technologies de l’information en santé : Un regard innovant et pragmatique. La Baconnière.
16. Organisation mondiale de la Santé. (2006). Systèmes d’information sanitaire à l’appui des objectifs du Millénaire pour le développement. Slatkine.
17. Organisation mondiale de la Santé. (2012). Renforcement des systèmes de santé dans les pays de la Région de la Méditerranée orientale : Défis, priorités et options pour l’action future. Slatkine.
18. Smith, D. (2015). Health information management: A systems perspective. Jones & Bartlett.
19. Steinberg, K. (2016). Qualité des données de santé disponibles en France et de leurs modèles. INTD-CNAM.
20. Torki, A. (2022). Impact du dossier patient informatisé sur la qualité des soins. Cairn.info.
21. Tshikamba, E. (2015). Analyse de la qualité des données du système d’information sanitaire de routine : Défis et perspectives pour un système performant dans la province du Maniema en République démocratique du Congo [Mémoire de master, Université Senghor]. https://memoires.usenghor-francophonie.org
22. Verbeke, F. (2020). Plan national de développement de l’informatique de santé en RDC.
23. Willis, C. (2013). Strengthen health systems for chronic disease prevention. Fayard.
Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.
Merci de créditer les auteurs lors de toute citation : Mukala et al. (2026)