Résumé
La transformation numérique des systèmes de santé offre de nouvelles possibilités pour améliorer la collecte, la transmission et l’utilisation des données sanitaires. Les applications mobiles constituent aujourd’hui des outils importants de cette transformation, mais leur utilisation effective reste confrontée à des contraintes humaines, technologiques, organisationnelles et environnementales. Cette étude avait pour objectif d’identifier les facteurs associés à la faible utilisation des applications mobiles dans la collecte des données sanitaires chez les prestataires de santé de la ville de Mbujimayi. Une étude analytique transversale à visée quantitative a été réalisée auprès de 123 prestataires de santé des structures sanitaires leaders des dix zones de santé de Mbujimayi. La sélection était exhaustive parmi les prestataires éligibles identifiés dans les structures concernées. Les données ont été recueillies au moyen d’un questionnaire structuré administré avec KoboToolbox. La faible utilisation des applications mobiles était définie comme une utilisation mensuelle ou plus rare. Les associations ont été étudiées par les tests du χ² de Pearson ou exact de Fisher et estimées par les odds ratios avec leurs intervalles de confiance à 95 %. Une régression logistique binaire parcimonieuse a été réalisée. Compte tenu des 71 événements observés, le modèle final à six variables présentait 11,8 événements par variable. Le seuil de significativité était fixé à 5 %. La faible utilisation des applications mobiles concernait 71 participants, soit 57,7 %. En analyse multivariée, elle était significativement associée à une maîtrise moyenne ou faible des applications (ORa = 4,12; IC95 % : 1,28–13,29; p = 0,018), à l’absence de formation sur les applications (ORa = 2,89; IC95 % : 1,01–8,25; p = 0,047), à une connexion Internet insuffisante (ORa = 2,74; IC95 % : 1,08–6,94; p = 0,034), aux difficultés techniques fréquentes (ORa = 3,86; IC95 % : 1,41–10,54; p = 0,008), à l’absence de soutien technique (ORa = 2,51; IC95 % : 1,02–6,20; p = 0,045) et à l’insuffisance de formation institutionnelle (ORa = 3,97; IC95 % : 1,54–10,26; p = 0,004). La faible utilisation des applications mobiles à Mbujimayi semble principalement liée aux compétences numériques, à la formation, à la connectivité et au soutien institutionnel. Des interventions combinant renforcement des capacités, amélioration des infrastructures numériques et accompagnement technique pourraient favoriser une utilisation plus régulière et durable des outils mobiles.
Références
1. World Health Organization. WHO guideline: recommendations on digital interventions for health system strengthening. Geneva: World Health Organization; 2019. (Organisation mondiale de la santé)
2. Labrique AB, Wadhwani C, Williams KA, Lamptey P, Hesp C, Luk R, et al. Best practices in scaling digital health in low and middle income countries. Glob Health. 2018;14:103. doi:10.1186/s12992-018-0424-z
3. Davis FD. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Q. 1989;13(3):319-340. doi:10.2307/249008.
4. Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Q. 2003;27(3):425-478. doi:10.2307/30036540.
5. Yusof MM, Kuljis J, Papazafeiropoulou A, Stergioulas LK. An evaluation framework for Health Information Systems: human, organization and technology-fit factors (HOT-fit). Int J Med Inform. 2008;77(6):386-398. doi:10.1016/j.ijmedinf.2007.08.011.
6. Osei E, Agyei K, Tlou B, Mashamba-Thompson TP. Availability and use of mobile health technology for disease diagnosis and treatment support by health workers in the Ashanti Region of Ghana: a cross-sectional survey. Diagnostics (Basel). 2021;11(7):1233. doi:10.3390/diagnostics11071233.
7. Osei E, Apiribu F, Kissi J, Asante LS, Ampon-Wireko S, Mashamba-Thompson TP. Healthcare workers' perspectives on the availability and use of mobile health technologies for disease diagnosis and treatment support in the Ashanti Region of Ghana. PLoS One. 2024;19(4):e0294802. doi:10.1371/journal.pone.0294802.
8. Xiong S, Lu H, Peoples N, Duman EK, Najarro A, Ni Z, et al. Digital health interventions for non-communicable disease management in primary health care in low-and middle-income countries. NPJ Digit Med. 2023;6:12. doi:10.1038/s41746-023-00764-4.
9. Setia MS. Methodology series module 3: cross-sectional studies. Indian J Dermatol. 2016;61(3):261-264. doi:10.4103/0019-5154.182410.
10. Venkatesh V, Thong JYL, Xu X. Unified theory of acceptance and use of technology: a synthesis and the road ahead. J Assoc Inf Syst. 2016;17(5):328-376. doi:10.17705/1jais.00428.
11. World Health Organization. Classification of digital health interventions v2.0: a shared language to describe the uses of digital technology for health. Geneva: World Health Organization; 2023
12. World Bank. World Development Indicators 2024. Washington (DC): World Bank; 2024.
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 : Ngeleka et al. (2026)