PRÉLIMINAIRES

I. Justification et Pertinence Socio-Économique

Ancrée dans les impératifs du Plan National de Développement Sanitaire (PNDS) de la RDC, cette Unité d’Enseignement forge des compétences critiques en investigation scientifique. Elle répond au besoin urgent d’optimiser la gestion des organisations de santé par la preuve. La maîtrise de la recherche appliquée est un levier direct pour améliorer l’allocation des ressources, l’efficacité des chaînes d’approvisionnement pharmaceutique à Mbuji-Mayi ou Goma, et la performance globale des structures sanitaires publiques, justifiant ainsi son impact économique tangible.

II. Compétences Fondamentales et Métiers Visés

Au terme de ce module, l’étudiant sera apte à structurer et exécuter un protocole de recherche pour résoudre une problématique logistique concrète au sein d’une zone de santé. La compétence visée est l’analyse rigoureuse de données professionnelles et scientifiques pour formuler des recommandations actionnables. Ce savoir-faire est constitutif du métier de Logisticien de Santé, le positionnant comme un acteur clé de la prise de décision stratégique et de l’amélioration continue des opérations sanitaires en RDC.

III. Public Cible et Prérequis Académiques

Ce cours s’adresse exclusivement aux étudiants de la filière Gestion des organisations de santé ayant validé les unités d’enseignement des semestres précédents. Une maîtrise des fondamentaux de la statistique descriptive, des principes de la gestion de projet et une connaissance générale du système de santé congolais sont indispensables. L’admission présuppose une capacité à analyser des textes académiques complexes et à formuler une problématique de manière structurée, garantissant une progression pédagogique efficace.

IV. Approche Pédagogique et Modalités d’Évaluation

Structurée selon une logique de complexité croissante, l’approche combine des cours magistraux pour l’assise théorique, des travaux dirigés pour l’application méthodologique et un travail personnel encadré (TPE) pour l’ancrage pratique. L’évaluation certificative combine un examen écrit sur les concepts théoriques et la soutenance d’un mini-projet de recherche. Ce dernier, basé sur une problématique réelle d’une structure sanitaire locale, valide la capacité de l’étudiant à transformer le savoir académique en solution opérationnelle.

PARTIE 1 : Aspects éthiques de la recherche en santé

Chapitre I. Fondements Éthiques et Cadre Réglementaire de la Recherche en Santé

I.1 Principes Universels et Déclaration d’Helsinki

Inspirée par le Code de Nuremberg, la Déclaration d’Helsinki constitue le socle de l’éthique moderne en recherche sur l’être humain. Ce point analyse ses principes cardinaux – bienfaisance, non-malfaisance, justice – et leur application impérative dans le contexte congolais. Il s’agit de savoir comment garantir la primauté du bien-être du participant lors d’enquêtes sur la prévalence du paludisme dans la province de la Tshopo, en assurant que les bénéfices potentiels pour la communauté l’emportent sur les risques.

I.2 Le Consentement Éclairé : Procédures et Défis Culturels

Face à la diversité linguistique et aux niveaux d’alphabétisation variables en RDC, l’obtention d’un consentement libre et éclairé est un défi majeur. Cette section détaille la construction d’un formulaire de consentement valide et la mise en œuvre de procédures adaptées (traduction, explication orale par un tiers neutre). L’objectif est de doter le futur logisticien des outils pour garantir la pleine compréhension et l’autonomie de décision des participants, y compris dans les zones rurales reculées.

I.3 Confidentialité et Protection des Données Sanitaires

Sous l’angle de la sécurité informatique et juridique, la gestion des données collectées est une responsabilité critique. Ce sous-chapitre examine les techniques d’anonymisation et de pseudonymisation des données patient collectées dans les hôpitaux de Kinshasa. Il expose les protocoles de stockage sécurisé et les cadres légaux congolais embryonnaires sur la protection des données personnelles, afin de prévenir toute fuite ou utilisation malveillante qui pourrait nuire aux individus ou aux communautés étudiées.

I.4 Rôle et Fonctionnement des Comités d’Éthique de la Recherche (CER)

Une évaluation rigoureuse par un comité d’éthique est un prérequis non négociable pour toute recherche. Nous décortiquons ici la composition, les missions et le processus de soumission de dossier auprès d’un CER en RDC. L’étudiant apprendra à monter un dossier de recherche qui anticipe les questions éthiques et y répond de manière proactive, accélérant ainsi le processus d’approbation et le déploiement d’études vitales pour l’amélioration des services de santé.

PARTIE 2 : Approche qualitative

Chapitre II. Fondements et Méthodologies de l’Investigation Qualitative

II.1 Les paradigmes épistémologiques de la recherche qualitative

Ancrée dans les paradigmes constructiviste et interprétativiste, la recherche qualitative s’attache à la compréhension des phénomènes sociaux dans leur contexte naturel. Elle explore le ‘pourquoi’ et le ‘comment’ derrière les comportements humains, une approche essentielle pour décrypter les réticences à la vaccination ou les logiques d’automédication dans les zones de santé de Kinshasa. Cette section établit le socle philosophique qui justifie le choix des méthodes qualitatives pour résoudre des problèmes sanitaires complexes et localisés.

II.2 Techniques de collecte de données : entretiens, focus groups et observation

Une maîtrise des techniques de collecte est le pivot d’une investigation qualitative rigoureuse. Cet axe détaille le protocole de l’entretien semi-directif pour sonder l’expérience des patients, l’animation de focus groups pour capter les normes sociales d’une communauté, et l’observation participante pour analyser les routines des prestataires de soins. L’objectif est de doter le logisticien de santé des outils pour recueillir une donnée riche et contextuelle, directement exploitable pour optimiser les services d’un centre de santé à Mbandaka.

II.3 L’analyse thématique et l’analyse de contenu : de la transcription à l’interprétation

Face à la masse de données textuelles générées, l’analyse thématique et de contenu offre une méthode systématique pour extraire du sens. Le processus, de la transcription verbatim à la codification et à l’émergence de thèmes, est ici décomposé. Il s’agit de transformer des centaines de pages d’entretiens sur l’accès aux soins dans le Sud-Kivu en un diagnostic précis des barrières (financières, culturelles, géographiques), fournissant aux gestionnaires une base factuelle pour une prise de décision éclairée.

II.4 Critères de rigueur scientifique : crédibilité, transférabilité et triangulation

Sous l’angle de la validité scientifique, la recherche qualitative répond à des critères de rigueur spécifiques, distincts de l’approche quantitative. Cette section expose les concepts de crédibilité (validité interne), de transférabilité (validité externe) et de fiabilité, en insistant sur la technique de la triangulation des données. Appliquer ces principes garantit que les recommandations formulées pour améliorer la chaîne du froid dans la province de la Tshopo sont non seulement pertinentes mais aussi scientifiquement défendables et robustes.

PARTIE 3 : Approche quantitative

Chapitre III. Fondements de la biostatistique et de l’échantillonnage

La crédibilité de toute investigation en santé repose sur une architecture statistique irréprochable. Ce chapitre établit les fondations mathématiques indispensables pour quantifier les phénomènes sanitaires, de la prévalence d’une pathologie à l’efficacité d’une intervention. Il outille le futur logisticien pour construire des études dont les résultats, statistiquement valides, pourront légitimement guider l’allocation des ressources limitées au sein des zones de santé de la RDC, en assurant une objectivité maximale dans la prise de décision.

III.1 Typologie des données et échelles de mesure en santé

Une distinction rigoureuse entre données qualitatives nominales et données quantitatives continues constitue le préalable à toute analyse pertinente. Cette section décompose les échelles de mesure (nominale, ordinale, d’intervalle, de rapport) en illustrant leur application concrète sur des variables sanitaires. La maîtrise de cette taxonomie est vitale pour choisir les tests statistiques adéquats et interpréter correctement les données issues du Système National d’Information Sanitaire (SNIS) congolais.

III.2 Principes de la distribution statistique et lois de probabilité

La maîtrise des lois de probabilité, notamment la loi normale, est essentielle pour modéliser l’incertitude inhérente aux phénomènes biologiques. Ce point explore comment des distributions comme celles de Poisson ou binomiale permettent de prédire la fréquence d’événements rares, tels que les épidémies de rougeole dans le Kasaï. Comprendre ces lois permet d’anticiper les besoins en vaccins ou en lits d’hôpitaux, transformant la probabilité théorique en planification logistique concrète.

III.3 Méthodologies d’échantillonnage probabiliste et non probabiliste

Face à l’impossibilité d’étudier l’entièreté d’une population, les techniques d’échantillonnage offrent une solution scientifique pour obtenir des estimations fiables. Nous analysons ici les méthodes probabilistes (aléatoire simple, stratifié, en grappes) et non probabilistes, en évaluant leur pertinence selon les contraintes du terrain en RDC. Le choix d’une méthode adéquate est un arbitrage stratégique entre la représentativité statistique et les réalités logistiques et financières d’une enquête en milieu rural ou urbain.

III.4 Calcul de la taille de l’échantillon et gestion des biais de sélection

Sous l’angle de la validité statistique, la détermination de la taille de l’échantillon n’est pas une conjecture mais un calcul rigoureux. Cette section fournit les formules et les raisonnements pour définir un échantillon suffisamment grand pour détecter un effet réel, tout en optimisant les ressources. L’objectif est d’éviter les études sous-dimensionnées, coûteuses et non concluantes, un enjeu majeur pour la recherche en santé dans un contexte de financement compétitif en RDC.

Chapitre IV. Techniques de collecte et de gestion des données quantitatives

La robustesse d’une analyse quantitative dépend entièrement de la qualité des données brutes collectées. Ce chapitre est un guide opérationnel pour la conception d’outils de collecte, le déploiement sur le terrain et la structuration de bases de données fiables. Il met l’accent sur les technologies modernes et les protocoles rigoureux pour garantir l’intégrité des informations, de leur source dans une zone de santé reculée jusqu’à leur centralisation pour l’analyse stratégique au niveau national.

IV.1 Conception et validation de questionnaires structurés

L’architecture d’un questionnaire conditionne la qualité des données qui seront recueillies. Ce sous-chapitre se concentre sur l’art de formuler des questions claires, non biaisées, et de structurer des échelles de réponse (type Likert) pertinentes pour le contexte congolais. La phase de pré-test du questionnaire auprès d’une population cible, par exemple à Kinshasa, est présentée comme une étape non négociable pour garantir la validité et la fiabilité de l’instrument de mesure.

IV.2 Déploiement d’enquêtes de terrain et utilisation des technologies mobiles (ODK)

Dans un contexte de défis logistiques comme en RDC, les outils de collecte mobile (Open Data Kit, KoboToolbox) révolutionnent la recherche. Cette section forme à leur paramétrage et à leur déploiement pour des enquêtes à grande échelle. L’utilisation de tablettes pour la saisie directe réduit drastiquement les erreurs de transcription et accélère la transmission des données, permettant une réactivité quasi-immédiate des coordinateurs de programmes de santé basés à Goma ou Bukavu.

IV.3 Structuration de bases de données et protocoles de saisie

Une connaissance approfondie des principes de la gestion de données est cruciale pour éviter le chaos informationnel. Ce point détaille la création de dictionnaires de variables, l’établissement de règles de validation et la mise en place de procédures de double saisie pour les données papier. Il s’agit de construire une base de données propre et structurée, prête pour l’analyse, garantissant la traçabilité et la reproductibilité de la recherche menée sur la chaîne d’approvisionnement pharmaceutique.

IV.4 Nettoyage des données (Data Cleaning) et traitement des valeurs manquantes

Issu des pratiques de la science des données, le processus de nettoyage est une étape critique mais souvent sous-estimée. Nous abordons ici les techniques pour détecter et corriger les erreurs de saisie, identifier les valeurs aberrantes et appliquer des méthodes d’imputation statistique pour gérer les données manquantes. Assainir une base de données issue de plusieurs centres de santé de la province de la Tshopo est une compétence technique qui garantit la fiabilité des indicateurs finaux.

Chapitre V. Analyse statistique descriptive et inférentielle

Une fois les données collectées et nettoyées, l’analyse statistique permet de les faire parler. Ce chapitre opère la transition fondamentale entre la simple description d’un échantillon (statistique descriptive) et la généralisation des résultats à l’ensemble de la population (statistique inférentielle). Pour le logisticien de santé, c’est l’étape où les données se transforment en preuves tangibles pour comparer l’efficacité de stratégies, évaluer des performances et justifier des décisions d’investissement.

V.1 Indicateurs de tendance centrale et de dispersion

Au-delà des données brutes, les mesures de tendance centrale (moyenne, médiane) et de dispersion (écart-type, variance) synthétisent l’information en quelques chiffres clés. Cette section enseigne comment calculer et interpréter ces indicateurs pour résumer une distribution. Calculer le temps d’attente moyen des patients dans un hôpital de Lubumbashi et sa variabilité permet d’objectiver la performance du service et d’identifier des goulots d’étranglement logistiques.

V.2 Visualisation des données : histogrammes, boîtes à moustaches et graphiques de corrélation

La représentation graphique transforme les chiffres en informations intelligibles pour la décision. Ce point technique est dédié au choix de la visualisation la plus percutante en fonction du type de données et du message à communiquer. La création d’un tableau de bord visuel pour un directeur provincial de la santé, avec des graphiques clairs sur l’évolution des stocks de médicaments, est une compétence managériale essentielle pour un pilotage efficace et réactif.

V.3 Fondements des tests d’hypothèses : tests de Student (t-test) et du Khi-deux (χ²)

Le passage de la description à l’inférence s’opère via les tests d’hypothèses, qui permettent de quantifier la probabilité qu’un résultat observé soit dû au hasard. Ce sous-chapitre démystifie la logique des tests t de Student et du Khi-deux. Savoir appliquer ces tests permet de comparer scientifiquement, par exemple, les taux de guérison entre deux protocoles de traitement du paludisme appliqués dans des zones de santé distinctes.

V.4 Analyse de la variance (ANOVA) pour la comparaison de plusieurs groupes

Lorsque la comparaison implique plus de deux groupes, l’ANOVA (Analyse de la Variance) devient l’outil statistique de choix pour éviter l’inflation du risque d’erreur. Cette section explique comment mettre en œuvre une ANOVA pour comparer les moyennes de plusieurs populations. Elle permettrait, par exemple, de déterminer si trois stratégies différentes de distribution de moustiquaires dans le Haut-Katanga ont un impact significativement différent sur la prévalence du paludisme.

Chapitre VI. Modélisation et interprétation pour la décision en santé publique

Ce chapitre final constitue le sommet de l’analyse quantitative : la modélisation. Il s’agit non plus seulement de décrire ou de comparer, mais de prédire et d’expliquer des phénomènes de santé complexes. Le logisticien apprendra ici à construire des modèles statistiques pour identifier les facteurs déterminants d’un résultat sanitaire. Cette compétence prédictive est stratégique pour anticiper les besoins, optimiser l’allocation des ressources et concevoir des interventions ciblées à fort impact.

VI.1 Introduction à la corrélation et à la régression linéaire simple

Explorer la relation entre deux variables quantitatives est le fondement de la modélisation prédictive. Ce point se concentre sur le calcul et l’interprétation du coefficient de corrélation de Pearson et sur la construction d’un modèle de régression linéaire simple. Modéliser le lien entre le budget alloué à une zone de santé et son taux de couverture vaccinale permet de quantifier l’impact de l’investissement financier sur la performance sanitaire.

VI.2 Régression linéaire multiple : identification des facteurs prédictifs

Face à la complexité des déterminants de la santé, la régression multiple permet d’analyser l’influence simultanée de plusieurs facteurs sur une variable d’intérêt. Ce sous-chapitre enseigne à construire et interpréter ces modèles. Un logisticien pourra ainsi identifier les principaux leviers (formation du personnel, état de la chaîne du froid, disponibilité des transports) qui expliquent le taux de rupture de stock de médicaments essentiels en RDC.

VI.3 Principes de la régression logistique pour les issues binaires

Pour des issues dichotomiques cruciales en santé (‘guéri/non guéri’, ‘admis/non admis’), la régression logistique est le modèle approprié. Cette section explique comment modéliser la probabilité d’un événement et interpréter les résultats en termes d’Odds Ratios. Cela permet de construire un score de risque prédictif, par exemple pour identifier les femmes enceintes les plus susceptibles d’accoucher hors d’une structure de santé, afin de cibler les actions de sensibilisation.

VI.4 Interprétation des résultats et formulation de recommandations stratégiques

La finalité de toute analyse quantitative est de traduire la signification statistique en impact opérationnel. Ce dernier point se focalise sur la traduction des sorties de logiciels statistiques (coefficients, p-values) en un langage clair et décisionnel. Il s’agit de formuler des recommandations concrètes et chiffrées pour le Ministère de la Santé ou les partenaires techniques, en se basant sur les preuves générées par le modèle pour améliorer la logistique de santé en RDC.

ANNEXES

A. Guide Pratique pour la Soumission d’un Projet de Recherche au Comité d’Éthique

Face à la complexité administrative des comités d’éthique congolais, ce guide fournit une méthodologie pas-à-pas pour la constitution d’un dossier de soumission irréprochable. Il détaille la structure du protocole, le formulaire de consentement éclairé, et les pièces justificatives requises. L’objectif est de garantir la conformité avec les directives nationales et d’accélérer le processus d’approbation, condition sine qua non pour le déploiement de recherches pertinentes et éthiquement fondées au service de la santé publique en RDC.

B. Étude de Cas Intégrée : Optimisation de la Chaîne d’Approvisionnement des Vaccins dans la Province du Nord-Kivu

Ancrée dans le contexte sécuritaire et géographique volatil du Nord-Kivu, cette étude de cas dissèque l’optimisation d’une chaîne d’approvisionnement vaccinal. Elle synthétise des données quantitatives (taux de couverture, analyse des ruptures de stock) et qualitatives (entretiens avec les prestataires logistiques et le personnel soignant). L’analyse démontre comment le croisement de ces deux approches permet d’identifier les goulots d’étranglement critiques et de formuler des recommandations logistiques actionnables pour garantir l’intégrité de la chaîne du froid.

Lire aussi :

Cours de Implémentation et suivi, annee-inconnue, ISU2233

Cours de Techniques quantitatives 1, licence-1, TEQ1113,

Cours de Planification économique, annee-inconnue, PEC2234

Cours de Economie monétaire, annee-inconnue, EMO2123

Cours de Géographie générale de la RDC, licence-1, GGR1111,

Cours de Comptabilités spécifiques, annee-inconnue, CSP1361