Menee conjointement par UGB et UBMA, cette recherche explore l'autopsie verbale pour améliorer les diagnostics de mortalité en Afrique.
L'Essentiel : Menee conjointement par UGB et UBMA, cette recherche explore l'autopsie verbale pour améliorer les diagnostics de mortalité en Afrique.
Seydou Nourou Sylla, chercheur·e au sein de LIRIMA; URMITE; LERSTAD; LJK (Université Gaston Berger de Saint-Louis Sénégal).
Thèse soutenue en 2016.
Cette recherche est le fruit d'une cotutelle internationale entre plusieurs institutions partenaires.
Le manque de données fiables sur les causes de mortalité dans les pays défavorisés constitue un obstacle majeur au développement socio-économique. En effet, sans une compréhension précise des raisons qui conduisent à ces décès, il est difficile pour les gouvernements et les organisations internationales de mettre en place des politiques de santé efficaces. L'autopsie verbale, méthode privilégiée dans ces contextes, repose sur des questionnaires structurés qui permettent de déterminer les symptômes observés par les proches du défunt et d'identifier les causes probables de décès. Cette approche est particulièrement pertinente dans les pays où les ressources médicales sont limitées et où les certificats de décès ne sont pas systématiquement délivrés.
Cette thèse de Seydou Nourou Sylla, issue d'une cotutelle franco-africaine, propose une approche novatrice pour améliorer la précision des diagnostics à partir de données d'enquête. En effet, la recherche se concentre sur l'élaboration de modèles de classification basés sur des données binaires, intégrant des mesures de similarité et des modèles de mélange. Ces modèles permettent de mieux appréhender la complexité des données recueillies, en tenant compte non seulement des symptômes rapportés, mais aussi des variables socio-démographiques qui peuvent influencer les résultats.
Par exemple, dans le contexte du Bénin, des facteurs tels que le niveau d'éducation, le statut socio-économique et l'accès aux soins de santé peuvent jouer un rôle crucial dans la compréhension des causes de mortalité. En utilisant des techniques de réduction de dimensionnalité, l'auteur parvient à construire des modèles de discrimination qui prennent en compte la présence ou l'absence de symptômes ainsi que des variables socio-démographiques. Cette approche permet de mieux comprendre les interactions entre les différentes variables, offrant ainsi une structure hiérarchique qui améliore la précision des diagnostics.
Les résultats clés de cette recherche incluent le développement d'une méthode de classification qui combine des mesures de similarité et des modèles de mélange, ainsi qu'une hiérarchisation des questions d'entretien. Cette avancée pourrait transformer la manière dont les données sur la mortalité sont collectées et analysées, rendant les diagnostics plus fiables et pertinents. En effet, une meilleure classification des causes de décès pourrait également permettre d'orienter les politiques de santé vers les problématiques les plus pressantes, comme les maladies infectieuses ou les conditions de vie précaires.
Cependant, il est crucial de se demander comment ces méthodes peuvent être mises en œuvre sur le terrain. Les décideurs doivent réfléchir à la manière de former le personnel de santé à l'utilisation de ces outils et à la collecte de données. La formation ne doit pas se limiter à la technique, mais doit également inclure des éléments de sensibilisation sur l'importance de la collecte de données précises pour le développement des politiques de santé. De plus, il est nécessaire d'assurer une collaboration entre les institutions de recherche et les autorités sanitaires pour garantir que les résultats de cette recherche soient intégrés dans les politiques de santé publique.
Il est également essentiel de prendre en compte les spécificités culturelles et sociales des populations concernées. Par exemple, dans certaines régions d'Afrique de l'Ouest, les croyances traditionnelles peuvent influencer la manière dont les décès sont perçus et rapportés. Une approche inclusive qui respecte ces croyances tout en intégrant des méthodes scientifiques pourrait favoriser une meilleure acceptation des outils développés.
En conclusion, cette thèse ne se limite pas à une simple avancée académique. Elle représente une opportunité pour améliorer la santé publique dans les pays en développement, en fournissant des outils pour mieux comprendre et diagnostiquer les causes de mortalité. Les décideurs doivent saisir cette occasion pour renforcer les systèmes de santé et améliorer la qualité des données disponibles. En investissant dans la formation et la collaboration, il est possible de transformer ces résultats de recherche en actions concrètes qui auront un impact significatif sur la vie des populations vulnérables.
Accéder à l'étude complète
Sources et accès
Seydou Nourou Sylla. Modélisation et classification des données binaires en grande dimension : application à l'autopsie verbale. Statistiques [math.ST]. Université Gaston Berger de Saint-Louis (SENEGAL), 2016. Français. ⟨NNT : ⟩. ⟨tel-01427119⟩