Mapping Data Sources for Local Decision-Making on Maternal and Child Health in Tribal Primary Health Centre Settings of Andhra Pradesh, India

Cette étude révèle que, bien que les centres de santé primaire tribaux d'Andhra Pradesh disposent de nombreuses sources de données sur la santé maternelle et infantile, la majorité d'entre elles restent inaccessibles aux médecins pour la prise de décision locale, car elles sont conçues principalement pour le reporting administratif plutôt que pour répondre aux besoins spécifiques de ces communautés.

L'essentiel

🏥 Le Paradoxe du "Trésor Inaccessible"

Imaginez que vous êtes le capitaine d'un bateau (le médecin d'un centre de santé dans une tribu isolée en Inde). Votre mission est vitale : sauver les mères et les enfants.

Le problème ? Vous êtes assis au milieu d'une immense bibliothèque remplie de livres, de cartes et de rapports (les données). Il y a des milliers de pages sur la santé, l'éducation, les routes, l'argent et le logement.

Pourtant, quand vous regardez autour de vous, vous ne voyez que 32 % de ces livres. Le reste est verrouillé, caché dans des coffres-forts, ou écrit dans une langue que vous ne pouvez pas lire. C'est ce que les chercheurs appellent le paradoxe : "Riche en données, pauvre en informations". Vous avez tout, mais vous ne savez pas quoi faire avec.

🗺️ La Carte du Trésor (Ce que l'étude a trouvé)

Les chercheurs ont joué aux détectives pour faire l'inventaire de cette bibliothèque. Ils ont trouvé 28 sources de données différentes. Voici comment ils les ont classées avec deux lunettes différentes :

1. Les lunettes "Thématiques" (Le cadre HEALTHY) :

   • Imaginez que la santé est un gâteau. La plupart des données concernent le gâteau lui-même (les soins médicaux, les vaccins, les naissances). C'est 57 % du gâteau !
   • Mais pour que le gâteau soit bon, il faut aussi de la farine, du sucre et du four (les déterminants sociaux). Or, ces ingrédients sont presque absents : il y a très peu de données sur le logement, le revenu, l'éducation ou les transports.
   • Analogie : C'est comme essayer de réparer une voiture en ayant seulement des clés à molette (médecine), mais sans aucune information sur l'état de la route, la qualité de l'essence ou la météo.

2. Les lunettes "Origine" (Le cadre Keller) :

   • La majorité des données sont administratives. Ce sont des rapports que les employés remplissent pour leurs chefs à New Delhi ou à l'état. C'est fait pour "monter" vers le haut, pas pour "descendre" vers le médecin sur le terrain.
   • Il y a très peu de données conçues spécifiquement pour répondre aux questions locales du médecin.

🔒 Le Mur Invisible : Pourquoi ne peut-on pas tout voir ?

C'est là que ça devient frustrant. Même si 68 % de ces données sont numérisées (sur des ordinateurs), le médecin ne peut pas y accéder.

• L'analogie du tuyau d'arrosage : Imaginez que les données sont de l'eau. Actuellement, le tuyau est branché pour arroser le jardin du chef (les rapports administratifs). Le médecin, qui est au bout du tuyau, n'a qu'un petit goutte-à-goutte.
• Le problème de la "porte fermée" : Le médecin peut voir les statistiques globales (ex: "100 femmes ont accouché"), mais il ne peut pas voir les détails individuels (ex: "Madame X est à risque et habite à 20 km"). C'est comme avoir une carte de la ville, mais sans pouvoir voir où se trouvent les maisons précises.
• Le cloisonnement : Les données sur la santé sont dans un bureau, celles sur l'éducation dans un autre, et celles sur les routes dans un troisième. À l'hôpital tribal, ces bureaux ne se parlent pas. Le médecin doit deviner si la route est bloquée par la pluie pour savoir si une femme enceinte pourra venir à l'hôpital, car personne ne lui envoie cette info.

💡 La Solution : Transformer la Bibliothèque en Outil

L'étude conclut que pour sauver des vies dans ces zones tribales, il ne suffit pas de collecter plus de données (on en a déjà trop !). Il faut changer la façon dont elles circulent.

Voici les 5 idées clés pour débloquer la situation :

1. Ouvrir les portes : Donner au médecin l'accès direct aux dossiers individuels des patients, pas juste aux moyennes.
2. Faire parler les voisins : Créer un système où les données de l'école, de la santé et des routes se mélangent pour donner une image complète de la vie du village.
3. Ajouter des cartes : Inclure des coordonnées GPS pour savoir exactement où vivent les gens et où sont les obstacles (routes, rivières).
4. Créer un tableau de bord simple : Au lieu de 28 rapports différents, donner au médecin un seul écran qui résume ce dont il a besoin pour prendre des décisions.
5. Poser les bonnes questions : Permettre aux médecins de créer leurs propres petites enquêtes pour répondre à des problèmes locaux spécifiques.

🎯 En résumé

Cette étude nous dit : "Arrêtons de remplir des formulaires pour les chefs et commençons à donner les outils aux héros du terrain."

Dans les tribus isolées, la santé des mères et des enfants dépend de la capacité du médecin à voir le tableau complet. Aujourd'hui, il est dans le brouillard avec une lampe de poche. L'objectif est de lui donner un phare puissant qui éclaire non seulement l'hôpital, mais aussi les routes, les maisons et les vies de son village.

Résumé technique

1. Problématique et Contexte

Les systèmes de santé des pays à revenu faible et intermédiaire (PFRMI) sont souvent décrits comme « riches en données, mais pauvres en informations ». Cette paradoxale situation se manifeste par une collecte massive de données qui ne parvient pas à éclairer la prise de décision locale. Dans les contextes tribaux en Inde, ce défi est exacerbé par l'isolement géographique, une gouvernance fragmentée et l'absence de données désagrégées spécifiquement pour les populations tribales dans les systèmes de routine.

Malgré des indicateurs de santé défavorables pour les populations tribales indiennes (mortalité infantile élevée, faible taux d'accouchements institutionnels, anémie), les comités d'experts ont noté une « obscurité informationnelle » totale. Les médecins des Centres de Santé Primaires (PHC), chargés de la planification locale, n'ont pas accès aux données nécessaires sur les déterminants sociaux de la santé (logement, revenu, éducation) ni aux données individuelles pour cibler les interventions. L'étude vise à combler ce vide en cartographiant systématiquement l'écosystème des données disponibles pour la santé maternelle et infantile (SMI) dans les PHC tribaux.

2. Méthodologie

L'étude s'inscrit dans une phase de diagnostic d'un projet de recherche-action participative menée dans trois PHC (Boduluru, Gangavaram, Vadapalli) relevant de l'Agence de Développement Tribal Intégré (ITDA) Rampachodavaram, dans le district d'Alluri Sitarama Raju (Andhra Pradesh, Inde).

Approche de découverte des données :
La méthodologie a suivi trois phases itératives entre octobre 2023 et mars 2024 :

1. Revue documentaire : Analyse des registres, rapports, lignes directrices nationales et documentation des systèmes numériques (HMIS, RCH Portal, etc.).
2. Entretiens avec des informateurs clés : Interviews semi-structurées avec des médecins (n=3), infirmiers, agents de santé communautaires (ANM, ASHA) et coordonnateurs ITDA pour identifier les sources formelles et informelles, ainsi que les obstacles d'accès.
3. Validation par les parties prenantes : Ateliers avec le personnel des PHC pour valider l'inventaire et corriger les classifications.

Cadres de classification :
Les sources de données ont été catégorisées selon deux frameworks complémentaires :

• Classification HEALTHY (Commission 3-D) : Pour couvrir les déterminants sociaux de la santé (Soins de santé, Éducation, Accès à des choix sains, Travail, Transport, Logement, Revenu).
• Typologie de découverte de données de Keller : Pour classer l'origine des données (Conçues, Administratives, Opportunités, Procédurales).

Critères d'évaluation :
L'accessibilité a été évaluée selon trois niveaux : Accessible (accès direct), Partiellement accessible (accès sous conditions/délais), et Inaccessible (données existantes mais non consultables par le médecin).

3. Résultats Clés

L'inventaire a identifié 28 sources de données distinctes pertinentes pour la SMI.

Répartition par domaine (HEALTHY) :

• Dominance des soins de santé : 57,1 % des sources (16 sur 28) relèvent du domaine « Healthcare ».
• Sous-représentation des déterminants : Les domaines critiques sont faiblement couverts : Logement (10,7 %), Revenu (10,7 %), Éducation (7,1 %), Travail (7,1 %), Transport (3,6 %) et Accès à des choix sains (3,6 %).

Répartition par origine (Keller) :

• Données administratives : 46,4 % (13 sources), générées par les processus gouvernementaux courants.
• Données d'opportunité : 21,4 % (ex: données mobiles, satellites).
• Données procédurales : 17,9 %.
• Données conçues (Designed) : Seulement 14,3 %, reflétant l'absence de capacité d'enquête locale.

Accessibilité et Numérisation :

• Paradoxe numérique : Bien que 67,9 % des sources aient une composante numérique, seulement 32,1 % (9 sources) sont entièrement accessibles aux médecins pour la planification locale.
• Barrières structurelles : 57,1 % des sources sont totalement inaccessibles au niveau du PHC. Les données circulent principalement vers le haut pour le reporting administratif, mais pas latéralement pour l'action locale.
• Exemples d'inaccessibilité : Les médecins ne peuvent pas voir les données individuelles du portail RCH (réservées aux superviseurs), ni accéder aux données des départements non-santé (éducation, agriculture, logement) gérées par l'ITDA.
• Manque de données spatiales : Seules 14,3 % des sources contiennent des coordonnées géographiques, limitant l'analyse spatiale malgré la dispersion géographique des populations.

4. Contributions et Signification

Contributions principales :

• Cartographie systémique : Première étude à inventorier l'ensemble des sources de données (santé et non-santé) disponibles pour les médecins en milieu tribal indien.
• Preuve empirique du paradoxe : Confirme que la numérisation ne garantit pas l'accessibilité ; les architectures de données sont conçues pour le contrôle administratif (« rationalité administrative ») plutôt que pour les soins (« rationalité basée sur les soins »).
• Identification des lacunes : Met en évidence le manque critique de données sur les déterminants sociaux et l'absence de données « conçues » (enquêtes locales) pour répondre aux questions spécifiques du terrain.

Signification et Recommandations :
L'étude démontre que l'amélioration des résultats de santé maternelle et infantile dans les zones tribales nécessite une réorientation fondamentale des systèmes d'information sanitaire. Les auteurs recommandent :

1. D'ouvrir l'accès aux données individuelles (niveau patient) aux médecins pour le suivi des cas à risque.
2. De créer des mécanismes de partage de données intersectoriels au niveau de l'ITDA (santé, éducation, moyens de subsistance).
3. D'intégrer des éléments de données spatiales dans les rapports de routine.
4. De développer des tableaux de bord locaux agrégés à partir des données déjà accessibles.
5. De renforcer la capacité locale à générer des données « conçues » pour combler les lacunes thématiques.

En conclusion, l'écosystème de données actuel des PHC tribaux souffre d'un décalage fondamental entre la génération de données et leur utilité locale. Pour transformer ces communautés, les systèmes d'information doivent passer d'une logique de surveillance administrative à une logique d'actionnabilité locale.