Optimal use of routinely collected data among pregnant women to improve malaria surveillance in Burkina Faso: Contribution of Bayesian spatiotemporal modelling

Background: The control of malaria in pregnancy remains a large challenge in Burkina Faso, despite the adoption of control measures known to be effective. Known effective programs include individual measures, such as intermittent preventive treatment during pregnancy, and the use of long lasting insecticide nets and daily supplementation of ferrous sulphate (200 mg) along with folic acid. Besides these measures, health programs that aim at enhancing the well-being of the population and improve maternal and child health have emerged, including results-based financing (in 2014), a project promoting health in 130 communities (implemented in 2015), and free health care (implemented in 2016). This thesis attempts to assess the effects of health programs on the space–time patterns of malaria (morbidity and mortality) through routinely collected data in pregnancy and explore the various prediction approaches to address challenges in routine health data reporting. Methods: We utilized a substantial range of data and applied advanced quantitative approaches while considering the specific distribution of the data. Our thesis is based on the valorization (analyses) of malaria surveillance data (aggregated by space and time units) recorded in the health information system of Burkina Faso between 2011 and 2019. These analyses also integrate environmental remote sensing data, data from periodic surveys, and data from other sources. These data were coupled into a database. After performing appropriate descriptive analyses considering the complexity of the data design, we performed spatio-temporal Bayesian modeling to determine areas with high risk and assess the effect of health programs on the space–time patterns of malaria incidence among pregnant women at the community-level; to explore an approach to estimate health facility readiness from survey data designed to be regionally representative (and then quantify the effect of this readiness on severe-malaria cases and case fatal
Contexte :La lutte contre le paludisme pendant la grossesse reste un grand défi au Burkina Faso, malgré l'adoption de mesures de contrôle dont l'efficacité est reconnue. Les programmes dont l'efficacité est reconnue comprennent des mesures individuelles, telles que le traitement préventif intermittent pendant la grossesse, l'utilisation de moustiquaires imprégnées d'insecticide de longue durée et la supplémentation quotidienne en sulfate ferreux (200 mg) ainsi qu'en acide folique. Outre ces mesures, des programmes de santé visant à accroître le bien-être de la population et à améliorer la santé maternelle et infantile ont vu le jour, notamment le financement basé sur les résultats (en 2014), le projet de promotion de la santé dans 130 communes (mis en œuvre en 2015) et la gratuité des soins de santé (mise en œuvre en 2016). Cette thèse tente d'évaluer les effets des programmes de santé sur les caractéristiques spatio-temporelles du paludisme (morbidité et mortalité) par le biais de données de routine collectées pendant la grossesse et d'explorer les différentes approches de prévision pour relever les défis de la rapportage systématique des données de santé. Méthodes :Nous avons utilisé un large éventail de données et appliqué des approches quantitatives avancées tout en tenant compte de la distribution spécifique des données. Notre thèse est basée sur la valorisation (analyses) des données de surveillance du paludisme (agrégées par unités spatiales et temporelles) enregistrées dans le système d'information sanitaire du Burkina Faso entre 2011 et 2019. Ces analyses intègrent également des données de télédétection environnementale, des données issues d'enquêtes périodiques et des données provenant d'autres sources. Ces données ont été couplées pour constituer une base de données. Après avoir effectué des analyses descriptives appropriées en tenant compte de la complexité de la conception des données, nous avons procédé à une modélisation bayésienne spatio-temporelle p
Doctorat en Sciences de la santé Publique
info:eu-repo/semantics/nonPublished