Défis et solutions (2/2)

Défi 3 : Comment garantir la qualité des données ?

Pour assurer la crédibilité de la PNIN, il est essentiel de fournir des données fiables.
Pour ce qui est de la qualité des données, il n’y a pas de solution miracle. Un processus rigoureux doit être adopté pour déterminer si la qualité des données est suffisante et pouvoir ainsi les intégrer dans l’analyse et promouvoir une interprétation fiable et cohérente.
Ce processus rigoureux doit répondre aux questions suivantes :

• Quels mécanismes de contrôle qualité des données ont été mis en œuvre pour cet indicateur ? Ces mécanismes tiennent-ils compte des multiples aspects de la qualité des données (formation, conception de l’échantillonnage, différences entre les enquêteurs, aberrations, etc.) ?
• Le rapport d’enquête contient-il une section consacrée à la qualité des données ? Que dit-il ? (Par exemple, les enquêtes nationales sur la nutrition suivant la méthodologie « SMART » doivent publier un rapport sur la plausibilité des données avec un classement global).
• La qualité des données présente-t-elle des disparités régionales ? (Par exemple, lors d’une enquête nationale, il se peut que l’accès à une région ait été difficile pour des raisons logistiques ou de sécurité. L’échantillonnage pourrait avoir été excellent dans neuf régions et mauvais dans une. Ce n’est pas une situation exceptionnelle. Pour obtenir des informations sur la prévalence au niveau national, cela pourrait suffire, mais au niveau régional, cela peut être problématique pour la région en question).
• Les données sont-elles cohérentes avec les autres sources d’information ?
• Les données sont-elles surinterprétées compte tenu de leur qualité ?

Toujours :

• Faire ses devoirs : ne jamais tenir la qualité des données pour acquise. Une évaluation rigoureuse de la qualité des données permet à l’utilisateur d’avoir confiance dans l’analyse des données et dans les résultats lorsqu’il les présente aux décideurs politiques, et d’être en mesure de répondre avec rigueur à tout doute sur la qualité des données.
• Être cohérent concernant toute décision d’abandonner certains indicateurs et d’en garder d’autres. Décider collectivement sur la base de critères bien définis.
• Être conservateur : en cas de doute sur la qualité des données, le meilleur et le seul choix est d’omettre cet indicateur spécifique du tableau de bord.
• Être transparent : le tableau de bord doit fournir suffisamment d’informations (définition de l’indicateur, périmètre géographique, année, source de l’information) pour permettre à chaque utilisateur de reproduire le tableau de bord avec les mêmes données.

Se référer à la section 3.3 pour des précisions sur la qualité des indicateurs anthropométriques.