Partenaire de mise en oeuvre D-tree International
Période de mise en oeuvre 12/2019 – 11/2021
Outils numériques Appli mobile, apprentissage machine, intelligence artificielle
Pays Tanzanie
Secteur Santé
Budget 349.887 €
Contribution aux ODD sdg 3sdg 5

 

Quelle est l’ambition du projet ?

À l’instar de nombreux pays d’Afrique subsaharienne, Zanzibar connaît des taux élevés de mortalité néonatale, estimés à 29 pour 1.000 naissances vivantes. Les principaux défis contribuant à cet état de fait sont l’accès limité aux soins obstétricaux d’urgence, les retards ou l’incapacité à obtenir des soins, et les facteurs de risque biologiques non détectés en raison du manque de contact avec les prestataires de soins.

Cela étant, en tant qu’approche innovante du big data, l’analyse prédictive a le potentiel d’améliorer l’efficacité et l’efficience de la prestation de soins de santé maternelle, néonatale et infantile dans les pays à revenu faible et moyen (PRFM). Toutefois, il reste encore beaucoup à faire pour construire ces modèles à partir d’ensembles de données cliniques traditionnelles, qui sont souvent incomplets ou inexacts dans des contextes comme celui de Zanzibar.

Le projet vise à personnaliser et à améliorer la santé maternelle, néonatale et infantile à Zanzibar en intégrant l’analyse prédictive dans le système numérique national de santé communautaire grâce à l’apprentissage machine. Cette innovation permettra aux agents de santé communautaires de préidentifier les femmes ayant des grossesses à haut risque et de les orienter vers des services prénataux et postnataux en vue d’atténuer les risques et d’améliorer les résultats.

Ce projet aide le ministère de la Santé de Zanzibar à reproduire à l’échelon national un programme numérique de santé communautaire qui équipera plus de 2.000 agents de santé communautaire d’applications mobiles et les aidera de la sorte à prodiguer des services à domicile aux femmes enceintes et aux enfants de moins de 5 ans.

Cette application guide les agents de santé communautaires, étape par étape, dans les soins prénataux et postnataux à apporter, y compris dans le dépistage des signes de danger, la planification des naissances, les conseils, l’éducation et la coordination des référencements.

Volet numérique

D-tree poursuivra le développement d’un modèle prédictif du risque périnatal, qui a été partiellement développé à partir des données recueillies auprès de plus de 40.000 femmes enceintes. Ce modèle tient compte des données sur les clients déjà saisies dans le cadre du programme ainsi que des flux de données secondaires, dont des données géospatiales fournies par drone, qui peuvent aider à déterminer les différences géographiques (qualité des routes, etc.). Il comprend également des données anonymisées sur les télécommunications et les transactions d’argent mobile permettant d’indiquer la vulnérabilité des communautés en fonction des types de transactions par téléphone, ainsi que les coordonnées GPS des établissements de santé et des villages permettant d’indiquer la vulnérabilité en fonction de la distance avec les établissements de santé.

D-tree travaillera également avec des experts en santé publique et des experts médicaux, dont le ministère de la Santé de Zanzibar, pour concevoir une version modifiée de l’application de santé communautaire qui comprendra des protocoles améliorés d’aide à la décision et des parcours de soins adaptés, basés sur le modèle prédictif développé dans la phase 1. Un algorithme sera par exemple développé dans l’application, sur la base du modèle prédictif, pour évaluer en continu le risque de mortalité périnatale d’une femme enceinte. Si le risque est identifié comme élevé, les agents de santé communautaires seront incités à mettre en œuvre un régime de soins sur mesure, spécialement conçu pour réduire le risque de mortalité périnatale en fonction des facteurs de risque identifiés. Il peut s’agir d’une augmentation de la fréquence des visites, de conseils et d’une éducation personnalisés, ou encore de l’accompagnement dans un établissement de santé pour bénéficier d’interventions médicales appropriées en temps opportun.

L’application mobile modifiée sera déployée sur une période de 12 mois dans un district avec environ 200 agents de santé communautaires. Le projet analysera les résultats de la mise en œuvre afin de déterminer la performance relative de l’application modifiée ; si cette dernière s’avère efficace, il s’attellera ensuite avec le ministère de la Santé de Zanzibar à l’élaboration d’un plan de mise à l’échelle.