Vous êtes sur la page 1sur 59

Triangulation

Suivi et Evaluation des programmes VIH/Sida- Séminaire régional


7- 15 Fevrier 2011 CESAG - Dakar, Sénégal 
Triangulation: Historique

Les marins navigateurs trouvaient leur


position "exacte" sur l'océan par triangulation
entre leur position, l'horizon et le soleil (ou
étoile connue)
Définition de la triangulation
 Une approche analytique qui intègre des données de sources
multiples afin
 d'améliorer la compréhension d'un problème de
santé publique
 de guider la prise de décisions
programmatiques pour traiter ces problèmes.

 La triangulation peut être utilisé par les responsables de la santé


publique afin d'évaluer l'impact des interventions largement mises
en œuvre au niveau de la population.
 Contrairement à la recherche qui vise à apporter une réponse
définitive à une hypothèse établie, la triangulation, vise à renforcer
les interprétations et améliorer les décisions sur la base des
éléments de preuve disponibles.
 La triangulation ne déduit pas la causalité, mais offre une
explication rationnelle ou une interprétation des données à portée
de main.
Concept de triangulation

 Structurellement, les objets


exigent 3 pieds dans l’espace
pour être debout ou soutenus
 Pour mieux soutenir nos
conclusions, nous renforçons
nos interprétations par la
triangulation des sources de
données
Triangulation
Conclusions

Données de Données de la
Surveillance Surveillance IST
comportementale

Données de Surveillance VIH/SIDA


Quelques avantages de la triangulation

 Utilise des sources de données


préexistantes;  Combine des informations
 Cela permet une compréhension quantitatives et qualitatives;
rapide de la situation et facilite les  Intègre des données de la prévention
décisions en temps opportun et
approprié lors des crises sanitaires du VIH, du traitement, des soins et
soutien programmes et favorise le
 Examine des renseignements jugement des experts;
recueillis par différentes  Fournit une méthode pour évaluer les
méthodes, différentes personnes interventions et les résultats au
et dans différentes populations; niveau des populations;
 les résultats peuvent être utilisés pour  Peut également être utilisé pour
corroborer des données reçues de évaluer les résultats de sous-
différentes sources, réduisant ainsi
l'effet des deux erreurs systématiques populations spécifiques;
et erreurs aléatoires qui peuvent être
présents dans une seule étude.

Toutefois, il est important d'être conscient que les préjugés et l'erreur peut également être
augmenté dans le résultat final si les soins ne sont pas pris dans l'analyse pour comprendre
pleinement chaque source de données et ce qu'elle représente .
Différents types de
triangulations
Différentes TYPES de Triangulation (I)

 Denzin (1970) a décrit quatre formes:


 Triangulation des données – plus d’un échantillon
venant de la même population
 Triangulation des investigateurs - plus d’un chercheur
pour rassembler et interpréter les données
 Triangulation théorique - Interprétation de données
de > 1 perspective théorique
 Triangulation méthodologique – plus d’une méthode
pour rassembler des données
Triangulation
Parties du :
Processus? Étapes á conduire?
Étape 1: Identifier des questions clés
• Acteurs clés
Étape 2: s’assurer que les questions ont des réponses &
actionnables
Planification Étape 3: Identifier les sources de données & faire la revue du
background information/bibliographique
Task Force
Étape 4: affiner la ou les questions de recherche

Étape 5: Assembler les données

Étape 6: observer chacune des série de données

Etape 7: Noter les tendances à travers des séries de données et


dégager ou formuler des hypothèses
Conduite du Atelier
processus Etape 8: Affiner les hypothèses générées

Etape 9: SI NECESSAIRE, Identifier les données additionnelles &


revenez à l’étape 5

Etape10: résumer les résultats et tirer des conclusions

Etape 11: Communiquer les résultats & des recommandations


Communication Étape 12: Dégager les prochaines étapes • Task Force
Reunion des acteurs/parties prenantes

Partenaires
 CDC-GAP
Acteurs nationaux
 USAID
 Ministères
 WHO
 Systèmes
d’informations  UNAIDS
Sanitaires  UNICEF
 NGOs  World Bank
 Global Fund
 FHI
 MSH
 PSI
 etc
Étapes 1 et 2: Identification et finalisation des questions
essentielles

#A #B #C

Réflexions sur
Affiner les
des questions Questions
questions Finales
possibles
essentielles

Acteurs clés Task Force

 Importantes, actualités  Disponibilité des données


Critères  Actionnables  Méthode appropriée
 Pas résolues  Faisable (temps)
Triangulation : Exemples de questions finales

• Question #1: Est-ce que la prévalence du VIH


(ou l’incidence) est entrain d’augmenter ou
de diminuer de X à Y?

• Question #2: Quelle est la portée et l'intensité


d'efforts de prévention de VIH parmi les
populations à haut risque ?
Étapes 3: Sources de données

 Types de données: qualitatives et quantitatives


 Qualité des données
 Accès: permission, format de données (liste ou agrégées)
 Description : sources de données qualitatives ou
quantitatives; quand est-ce que les données sont
collectées? sont-elles pertinentes pour les questions
soulevées?
 Méthodes de collecte des données, gaps et limitations;
 Éthique: respect des droits humains, bénéfique, justice
Étape 3 (suite): Assemblage des données (exemples)
Surveillance biologique et comportementale (exemples)
• Surveillance sentinelle,
• Enquête sur les Indicateurs de sante (EIS)
• BSS
• Cas de SIDA, TB, IST rapportés

Démographique
• Enquête de populations
• Enquête intégrées auprès des ménages

Programmatiques (exemples)
• CCDV
• PTME
• Banque de sang
• Distribution de condoms
• Éducation pour la santé

Recherche (exemples)
• Recherches académiques locales
• Partenaires Internationaux
• Études de recherches publiées (qualitative et quantitative)
Étape 4: Affinez la question (s) d'investigation (1)

 Au fur et á mesure que les analystes de la triangulation analyses


les données, ils tireront un profit pour une meilleure
compréhension dans l’interprétation des ces dernières.
 En discutant la (les) question (s) dans le contexte des sources
de données, les parties prenantes de la triangulation discutent
 et comprendront mieux la (les) question (s) qu'ils étudient.
 Cette nouvelle compréhension devrait mener à un raffinement
de la (des) question (s) sous investigation.
Étape 4: Affinez la question (s) d'investigation (2)

 Le raffinement de la (des) question (s) sous investigation est la


dernière étape dans la détermination de la question finale ou
des questions finales que vous adresserez dans votre exercice
de triangulation.
 Dans cette étape, les questions restantes sont organisées dans
des secteurs de sujet et, si possible, combinées en une question
afin que cette question puisse être répondue.
Étape 5: Réunissez les données et rapports

 Collecter des données et des rapports est un processus à forte


intensité de main-d'œuvre dans l'exercice de la triangulation.
 Le succès complet de l'exercice de triangulation dépend de la
perfection du travail fait dans l'obtention, le nettoyage et
l'exécution d'une synthèse préliminaire des données.
 Rencontres régulières du groupe de travail
 Le groupe de travail devrait inclure les gens qui ont accès à
certaines ou à la plupart des sources de données.
 Le groupe de travail guidera l'analyse des données, mais peut
aussi aider à avoir accès aux données et expliquer ses forces et
faiblesses.
Étape 6: Faire des observations sur chaque
série de données

 Évaluer la fiabilité des données


 Méthode d’ échantillonnage et la représentativité
 Où? Qui et comment la sélection a été faite?
 Taille de l’ échantillon?
 Biais: sélection et de confusion
 Autres problèmes liés á la qualité des données
 Méthode de collecte consistante dans le temps
 Méthodes d’analyses des données
 Classification de la fiabilité des données
 Par niveau de confiance (basé sur la méthodologie)
Étape 7: Notez les tendances à travers des séries
de données et générer/formuler des hypothèses

 Comparer des ensembles de données différentes rangées côte


à côte;
 Les données peuvent mesurer les mêmes indicateurs à
répétition;
 Exemple de la prévalence du VIH basée sur des
données de surveillance de sentinelle (CPN) et les
estimations des EDS+ sur les comportement;
 Les ensembles de données peuvent utiliser des indicateurs
différents pour faire ressortir des thèmes spécifiques ou des
associations décrites dans une hypothèse;
Étape 8: Vérifier les hypothèses (1)

 La vérification des hypothèses est cruciale pour affiner et


renforcer l’interprétation.
 Dans la triangulation, nous cherchons l'hypothèse ou
l'explication qui est compatible/ ou en accord avec la plupart des
données et avec un visage de validité.
 Si la (les) preuve(s) / évidence (s) réunie(s) réfute (réfutent)
l'hypothèse, alors l'hypothèse devrait être rejetée. Les
hypothèses sont assumées vraies jusqu'à ce que la
démonstration soit faite autrement elle est abandonnée.
 En comparant nos hypothèses aux données, nous pouvons en
tirer des conclusions valides.
Étape 8 : Vérifier les hypothèses (2)

 Il est important d'explorer des explications alternatives


possibles de nos hypothèses.
 Ces explications alternatives pourraient réfuter quelques
interprétations et exiger que nous modifions nos hypothèses,
 Ces explications alternatives pourraient aussi soutenir les
hypothèses
 Des données supplémentaires peuvent être nécessaires pour
évaluer ces alternatives et devraient être rassemblées comme
décrit dans l‘étape 9.
 Si les données n'existent pas pour adresser les alternatives, il
est important d'inclure cette possibilité dans les conclusions et
noter le besoin d'informations supplémentaires.
Étape 9: Identifier d’autres sources de données
(1)

 La triangulation est un processus itératif. Partout dans le


processus, les analystes devraient continuellement passer en
revue des données existantes et identifier les écarts.
 Si nécessaire, d'autres données disponibles devraient être
obtenues ou des analyses complémentaires réalisées sur des
ces dernières.
Étape 9: Identifier d’autres sources de données
(2)

 Au fur et á mesure que les tendances dans les données


deviennent plus claires, de nouvelles données peuvent être utiles
sans avoir été précédemment reconnues comme appropriées.
 Des données complémentaires aident á tester les hypothèses et
á vérifier la validité des observations déjà faites.
 Des données supplémentaires peuvent aussi aider à exclure les
facteurs de confusions.
Étape 9 : Identifier d’autres sources de données
(3)

 Pour accumuler plus de preuves pour supporter les hypothèses


 avec une attention particulière pour les tendances et
 les considérations á la fois qui permettent de non seulement de
supporter et mais également de réfuter les conclusions.
 Une revue minutieuse des données est entreprise pour la
population et par catégorie.
 Ce processus est répété pour chaque sous-population.
Étape 10: Résumer les résultats et tirer des
conclusions (1)

 Décider quelles hypothèses sont soutenues par le


maximum de sources de données tant quantitatives que
qualitatives.
 Les analystes devraient commencer par conduire une
revue préliminaire des résultats
 En mesurant la confiance de chaque tendance
identifiée et en classifiant les données selon leur
qualité.
Étape 10 : Résumer les résultats et tirer des
conclusions (2)

 Les analystes devraient faire une revue minutieuse du


contexte dans lequel les hypothèses existent (par
exemple par la revue de la littérature et des circonstances
dans des pays semblables).
 Les analystes devraient aussi déterminer s'il y a des
écarts où des données manquantes et des secteurs clés
où la recherche future pourrait aider à répondre à la
question de façon plus approfondie.
Étape 10 : Résumer les résultats et tirer des
conclusions (3)

 Concentrer-vous sur les évidences les plus fortes:


 Quelles hypothèses sont soutenues par les sources les
plus indépendantes et les données les plus rigoureuses ?
 Quelles hypothèses tiennent aux critères maximum de
causalité?
 Quelles hypothèses sont soutenues á la fois par le un
grand nombre de sources de données et les
histoires/succès (Qualitatif et quantitatif)?
Étape 10 :Résumer les résultats et tirer des
conclusions (4)

 Est-ce que les biais probables, les limitations et le potentiel de


facteurs de confusions devraient changer les conclusions?
 Avez-vous considéré toutes les explications alternatives
possibles ?
 Considérations supplémentaires :
 Donner la faveur aux hypothèses qui peuvent être
prouvées être vraies ou fausses.
 Donner la faveur aux hypothèses pour lesquelles vous
pouvez faire quelque chose.
Étape 11: Communiquer les résultats et les
recommandations (1)
 Décrire les questions clés et comment elles ont été
sélectionnées;
 Décrire les sources de données et les méthodes utilisées;
 Présenter les hypothèses et les conclusions principales;
 Présenter la (es) question (s)/format d’ hypothèses
générée avant l’analyse
 Exposer brièvement pourquoi l’ hypothèse retenue est
viable
 Exposer brièvement quelles données supportent la ou
les hypothèse (s)
 Confirmer/infirmer l’hypothèse(s)
 Formuler de nouvelles hypothèses si nécessaire.
Étape 11: Communiquer les résultats et les
recommandations (2)

 Discutez de l'interprétation des données (principaux résultats /les


découvertes secondaires).
 Récapituler d'autres résultats secondaires identifiés par l'analyse de
triangulation.
 Bien que ces résultats ne soient pas votre hypothèse principale, ils
peuvent fournir une nouvelle explication sur la question.
 Noter les limitations de votre analyse (être honnête).
 Récapituler les résultats.
 Traduire les résultats en terme de:
 i. Besoin en données supplémentaires;
 ii. Recommandations programmatiques;
 iii. Recommandations de politique.
Étapes 12: Dégager les prochaines étapes (1)

 Les résultats de triangulation sont destinés à informer la


planification (cas du VIH) au niveau national et aux niveaux
décentralisés.
 Travailler avec le Ministère de la santé et /ou autres ministères
pour appliquer les résultats et considérer les activités de
triangulation dans le future.
Étapes 12:Dégager les prochaines étapes (2)

 Potentielles prochaines étapes


 Si les résultats sont forts, faire le plaidoyer pour l’action
 Exemple 1: le CNLS doit continuer à financer les activités
de prévention dans les communautés ou les réductions de
risque ont été enregistrées
 Si les résultats sont faibles, faire le plaidoyer pour des
investigations plus poussées
 Exemple 2: Les activités de prévention dans les
communautés examinées n’ont pas montré de réduction de
risque. Informer les bailleurs et discuter des prochaines
étapes.
Triangulation pour l’évaluation des programmes

 A l'absence d’essais contrôlés rigoureux, les


procédures de triangulation des données peuvent
justifier une liaison entre des interventions et les
changements de comportement observés
 La triangulation examine les tendances de l'infection au
VIH et celles des comportements
 Les indicateurs de comportement contribuent á la :
 Compréhension de tendances de l'épidémie de VIH,
 La compréhension de la relation entre les efforts d'un
programme et son impact.
Triangulation pour l’Evaluation de programme
 Exemple:
 Données d'évaluation de processus sur :
 Les ventes de préservatifs
 L’Intensité de l’éducation par les paires
 La Qualité et la couverture des campagnes médiatiques
 Combinées avec :
 Une analyse de tendances des données de
comportementales
 Les Tendances des IST
 == Une compréhension du processus par lequel une
intervention à permis de réaliser des effets.
Triangulation pour l’Evaluation de programme

 Des enquêtes comportementales peuvent être analysées ensemble


avec une recherche d'évaluation qualitative effectuée dans un sous-
échantillons des populations cibles.
 Une telle recherche peut inclure :
 les discussions de groupe
 Interviews des informateurs clés
 des études ethnographiques rapides
 Par exemple:
 PS pour les études quantitatives Description de la
situation
 PS et petits amis/protecteurs pour des études qualitatives=>
explication du pourquoi
Triangulation pour l’Evaluation de
programme

 La triangulation permet une interprétation plus


appropriée des résultats observés parce qu'ils
résultent des effets globaux de:
 Des interventions multiples
 Des facteurs environnementaux et
 Des facteurs personnels
Triangulation pour Adresser
la Validité et la Fiabilité
 Les données de VIH/SIDA sont sensibles et très
personnelles.
 La fiabilité et la validité sont assez critiques
 Le comportement sexuel ne peut pas être directement
observé
 Les déclarations sur les comportements sexuels en
l’absence de preuves supplémentaires peuvent être
considérés invalides ou non fiables.
 Triangulation des données de sources multiples
améliorent la confiance dans la validité et la fiabilité de
découvertes/conclusions.
Triangulation des données dans les
épidémies à bas niveau et concentrées

 Que voulez-vous vraiment  Quelles données devez-vous


savoir(connaître) ? avoir à porté de la main ?
 Quelles populations ont le plus  Les cas de SIDA pour
grand risque de contracter le identifier les groupes à haut
VIH ? risque;
 Quelle est la taille et  Enquêtes VIH dans les
l’emplacement des populations groupes à haut risque;
de risque?  Anthropologie de base;
 Quelle est la prévalence et  Enquêtes comportementales
incidence dans les populations
dans les groupes à haut
à risque? risque;
 Quelle est l’efficacité des  d'Autres données (STI, PS
Programmes de X , Y et Z? et UDI etc.)
Triangulation des données dans les
épidémies généralisées

 Que voulez-vous vraiment  Quelles données devez-vous


savoir ? avoir à porté de la main ?
 L'incidence et les endroits où  Surveillance sentinelle des
femmes enceintes (CPN)
les cas incidents surviennent
 Données de surveillance
 La fréquence et où sont les cas Comportementales
prévalent (pour les services de
santé)  Données sur les IST, données
de cas de SIDA peu
 Efficacité des/du Programmes probablement
 EDS + dans peu d'endroits
 Autres
Autres sources potentielles de données
 Données sur les populations à haut risque (ex, PS et leurs
clients)
 Données sur les commodités
 Ventes de Condoms/distribution
 Anti rétroviraux
 Données de Morbidité
 Meilleures sources pourraient être ceux venant des
programmes TB
 Données de Mortalité (probablement limitées)
Triangulation des données dans les
épidémies généralisées
 Estimation la prévalence du VIH dans le temps
 Identifie les facteurs géographiques et démographiques associés à la
prévalence du VIH
 Estimation de l’incidence ,
 Méthodes sérologiques (BED, etc.), les Marqueurs des infections récentes
dans la période de fenêtre sérologique (ARN du VIH, Ag p24)
 Enquêtes de cohortes
 la Modélisation à partir des enquêtes de prévalence en série
 Estimation rationnelle à partir de la surveillance sentinelle auprès des
cliniques CPN avec des données comportementales
 Compréhension de l'utilisation des CPN parmi des participants aux
enquêtes sur les comportements.
Triangulation dans la Surveillance du VIH

 Analyse les données biologiques des enquêtes sur le VIH et


les IST, ainsi que celles des comportements et des
programmes
 le But est de déterminer où nous en sommes par rapport á
l'épidémie
Différentes TYPES de Triangulation
exemples

 Comparez deux études quantitatives qui rassemblent des


données différemment, mais qui ont des questions identiques
 Enquête nationale sur la sexualité des adolescents basés
sur un questionnaire auto-administré PLUS des
questions identiques pour les 17-20 ans dans une
enquête téléphonique annuelle.
 Utilisation des indicateurs complémentaires pour approcher le
même phénomène :
 Utilisation annoncée du condoms en plus des chiffres de
ventes.
Différentes TYPES de Triangulation
Exemples (III)

 Considérez des activités de prévention du point de vue


des fournisseurs et des clients:
 l'empressement des médecins de soins de santé
Primaires de discuter du risques du SIDA avec des
femmes célibataires tel que rapportées par les médecins
+
 Empressement des Médecins tel qu'annoncé par les
femmes célibataires dans une enquête de population
générale la même année.
Conclusions

 Toutes les épidémies sont locales et aucune épidémie de VIH


n'a exactement les mêmes caractéristiques qu'une autre.
 De même, la méthodologie de triangulation doit être adaptée
aux situations différentes et á des questions différentes.
 Triangulation s'est révélée être un outil de valeur pour se servir
de données de sources multiples pour la prise de décisions.
Jusqu'à présent, la triangulation a été utilisée pour répondre aux
questions principalement liées à l'épidémie de VIH.
 Cependant, triangulation peut être utilisée pour répondre aux
questions liées aux épidémies de maladies tant infectieuses que
chroniques.
Quelques Exemples de données de
triangulation
Malawi National HIV Indicators, 1995 - 2005
No unprotected sex with CSW
No unprotected sex with NCP
100 7
No multiple partners, male
90
Condom access, male 6
80

70 5
Condom access, female Condoms per man
60
4

Number
50 Teen abstinence, female
(%)

Teen abstinence, male


3
40
HIV tests per 100
30 ANC prevalence, 15-24 2
ANC HIV prevalence all ages Ever tested, men
20
Ever tested, 1
10 women

0 0
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
Evolution des activités de PTME en Cote d'Ivoire de
300000
2005-2008 40
Nombres de femmes 37.56 Pourcentage
34.64
35
250000
30
200000
25
21.73

150000 20

15
100000

8 10
6.6
50000 5.52
5

0 0
2005 2007 2008

Conseillées ConseilléesAnnees
et testees Conseillées, testées et résultats recus
HIV+ Deficit de PEC Seropositivite
Evolution des activités de CDV en Cote d'Ivoire de 2005-2008
Nombre de clients
250000 18
17
Pourcentage
16.17 16

200000
14
Conseillées
12
150000 Conseillées et testees
10

Conseillées, testées et résultats


8 recus
100000
seropositivite
6

5.04
4
50000

0 0
2005 2007 2008
Annees
Usage du condom chez les PS et # de cas de STIs rapportés chez les
hommes, Thaillande,
1987- 1993

250 100
# de Cas x 1.000

200 80

% condoms
Usage du Condom
150 60

100 STI/Homme 40

50 20

0 0
1987 1988 1989 1990 1991 1992 1993

Source: Hanenberg, et al, Lancet 1994;344:243-5.


Changement de comportement parmi les
nouvelles recrues, Thaïlande
Prévalence du VIH par âge à Nsambya,
Ouganda

FHI
Une explication possible de la chute de la
prévalence du VIH, Ouganda

Reproduit par FHI


Example de Triangulation
Taux de disponibilite des condoms
Services IST
Frequence d'usage du condom
70% Taux de prevalence des IST

60%
50%
40%
30%
20%
10%
0%
91

92

93

94

95

96

98

99

00

01

02
89

97
19

19

19

19

19

19

20

20

20
19

19

19

19

Données fictives
Merci de votre attention
Questions ?