Cadre de réalisation

Thèse soutenue pour le diplôme d’Etat de docteur vétérinaire par Mathilde PALUSSIERE, IESPV (2013)

Questions abordées par l’étude

La qualité des données d’un dispositif de surveillance en santé animale doit faire partie des préoccupations majeures des comités en charge du pilotage, de l’animation et du soutien technique de tout dispositif de surveillance. C’est en effet un enjeu central : la qualité des données influence directement la qualité de l’évaluation, d’une part, du fonctionnement du dispositif (à l’aide d’indicateurs de fonctionnement), et d’autre part, de la situation sanitaire à partir de l’analyse des données collectées. Elle peut également influencer la capacité du dispositif à répondre à ses objectifs (par exemple, le délai de dépistage conditionne la capacité de détection précoce). Ainsi, la qualité de ces données oriente indirectement les décisions des pouvoirs publics qui reposent sur les indicateurs de fonctionnement du dispositif et sur l’évaluation de la situation sanitaire. Son évaluation apparaît donc être un préalable indispensable.

La qualité des données comprend notamment leur capacité à aboutir à une information fiable, c’est-à-dire à la fois juste (conforme à ce qui est réellement observé sur le terrain) et pouvant être traitée sans erreur (par exemple, la donnée est conforme au format attendu). Aucun travail antérieur dédié spécifiquement à l’évaluation de la qualité des données d’un dispositif de surveillance en santé animale n’a été réalisé. Toutefois, l’analyse des données issues de ces dispositifs s’accompagne parfois au préalable d’une analyse de la qualité des données plus ou moins succincte. En outre, la méthode OASIS (Outil d’Analyse de Système d’Information en Santé) permet de réaliser une analyse générale du fonctionnement et de la qualité d’un dispositif de surveillance épidémiologique : elle inclut une part d’évaluation de la qualité des données. Mais en considérant aussi bien les analyses de données que celles d’un dispositif de surveillance, le but premier n’est pas l’évaluation de la qualité des données et plusieurs limites sont régulièrement retrouvées :

–        les facteurs pris en compte pour évaluer la qualité des données sont incomplets ;

–        la perception de la qualité des données par les acteurs de la collecte, de la saisie et de l’utilisation des données est omise malgré son influence potentielle sur la qualité de ces données ;

–        l’analyse reste générale et n’est donc pas suffisante pour mettre en évidence d’éventuelles disparités départementales permettant d‘identifier au mieux les pistes d’amélioration.

L’objectif de ce travail a été de proposer une méthodologie générique d’évaluation de la qualité des données dans le cadre d’un dispositif de surveillance en santé animale, permettant une évaluation approfondie de la qualité des données, la mise en évidence de facteurs influençant cette qualité et la proposition d’axes d’amélioration. Seuls sont concernés les dispositifs de surveillance gérés dans SIGAL, le système d’information généralisé de la direction générale de l’alimentation du ministère en charge de l’agriculture.

Cette méthodologie a été élaborée à la suite d’une première évaluation menée sur le dispositif de déclaration obligatoire des avortements chez les bovins en France. Ce choix se justifie par la volonté des différents acteurs concernés, réunis depuis 2011 au sein du groupe de suivi « Surveillance des maladies abortives d’intérêt pour l’Etat en élevage de ruminants » de la Plateformenationale de surveillance épidémiologique en santé animale (Plateforme ESA), de le faire évoluer et par le fait qu’une évaluation de ce dispositif est en cours depuis 2012.

Le dispositif de DA constitue l’une des modalités principales de la surveillance de la brucellose bovine, avec pour objectifs d’assurer une détection précoce de l’apparition de tout nouveau foyer et de garantir le maintien du statut officiellement indemne de brucellose accordé à la France en 2005. Il repose sur la déclaration de tout avortement de bovin par l’éleveur et le vétérinaire. Toutefois, le dispositif de DA n’a pas évolué depuis sa mise en place en 1965, et il présente une faible sensibilité (parmi les éleveurs qui détectent un avortement, seul un sur quatre le déclarerait). Une évolution de ce dispositif est donc nécessaire, avec au préalable une évaluation approfondie de son fonctionnement et de la qualité des données.

Les résultats obtenus montrent une forte variabilité interdépartementale ; de plus, la qualité de certaines données mériterait d’être améliorée, telle que celle relative à l’identifiant du bovin, à la nature et à l’ordre de réalisation des analyses biologiques, et au délai d’obtention des résultats. Des perspectives d’évolution concrètes ont été proposées et devront être discutées avec les différents acteurs notamment au sein de la Plateforme ESA.

Cette première évaluation a été suivie par la conception d’un guide autonome d’évaluation de la qualité des données qui propose une méthodologie d’évaluation permettant de faire un bilan complet de la qualité des données d’un dispositif dont les données sont gérées à l’aide de SIGAL. Cette méthodologie permet d’aborder la question de la qualité des données d’une façon globale avec la combinaison d’une approche quantitative et d’une approche qualitative. De plus, le guide ne se réduit pas à la mesure de cette qualité mais prend en compte l’intégralité de la démarche qui doit être suivie pour obtenir des résultats satisfaisants dans le temps.

Ce guide a pour vocation d’être utilisé par la Plateforme ESA pour évaluer la qualité des données des dispositifs dont elle a la charge. Dans cet optique, un groupe de travail dédié à la qualité des données a été créé. Plus largement, ce travail soulève la question de la qualité des données en santé animale : il serait intéressant de prendre en compte cet aspect dès la conception des dispositifs de surveillance. Enfin, il soulève des questions sur l’implication des outils informatiques dans la qualité des données : il serait intéressant que la programmation et les mises à jour de ces outils prennent en compte la qualité des données qu’ils permettent de gérer.