chore: autopublish 2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/am_ET/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:35Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/ar/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:35Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/cs/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:35Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/es_419/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/fr/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/id_ID/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/ko/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/ko_KR/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/pt/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/ru/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/si/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/ur_PK/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/zh/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:42Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/zh_CN/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:53Z
+2023-11-10T21:19:03Z

projects/dhis2-single-page-docs/zh_TW/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:27:53Z
+2023-11-10T21:19:03Z

projects/docs-full-site/ar/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:19:19Z
+2023-11-10T21:18:39Z

projects/docs-full-site/cs/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:19:23Z
+2023-11-10T21:18:39Z

projects/docs-full-site/es_419/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:22:24Z
+2023-11-10T21:18:43Z

projects/docs-full-site/fr/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:23:31Z
+2023-11-10T21:18:43Z

projects/docs-full-site/fr/IMPLEMENT__DATABASE-DESIGN__DATA-QUALITY__principles-md

@@ -0,0 +1,85 @@
+---
+edit_url: "https://github.com/dhis2/dhis2-docs-implementation/blob/data-quality-toolkit/content/database_design/data-quality-01-principles.md"
+revision_date: '2023-10-11'
+tags:
+- Implémentation
+---
+
+# Principes de qualité des données { #data-quality-principles } 
+
+L'approche du DHIS2 en matière de qualité des données est conforme aux [lignes directrices de l'OMS sur l'Assurance Qualité des Données (AQD)] (https://www.who.int/data/data-collection-tools/health-service-data/data-quality-assurance-dqa). Pour obtenir de meilleurs résultats lors de la mise en œuvre des fonctions de qualité des données du DHIS2, il est recommandé de consulter ces lignes directrices en référence à la présente boîte à outils. Les lignes directrices de l'AQD définissent plusieurs fréquences pour l'examen des données :
+
+_Contrôle de routine_
+
+Ces contrôles doivent être réguliers (hebdomadaires, mensuels, etc. en fonction de la fréquence de la collecte des données) et s'inscrire dans le cadre du HMIS ou d'autres systèmes d'établissement de rapports dans le cadre d'un cycle de retour d'information qui identifie les erreurs en temps quasi réel afin qu'elles puissent être corrigées dès qu'elles se produisent. Ce contrôle de routine des données peut être plus holistique, transversal ou spécifique à un programme, et peut être effectué par différents utilisateurs de données (par exemple, les responsables du HMIS, les responsables de programmes, etc.)
+
+_Évaluations discrètes_
+
+Ces évaluations sont nécessaires pour examiner la qualité des données des établissements de santé utilisées à la fois pour jauger la performance du secteur de la santé et à des fins de politique et de planification. Ces évaluations doivent être réalisées avant un cycle de planification, par exemple avant un examen annuel du secteur de la santé (la périodicité est propre à chaque pays, mais elle est probablement plus comparable à un cycle annuel).
+
+_Contrôle périodique_
+
+Ils doivent être axés sur une seule maladie ou un seul domaine de programme et doivent être programmés de manière à répondre aux besoins de planification du programme spécifique (par exemple, avant les évaluations de programme).
+
+Le DHIS2 est en mesure de prendre en charge ces différentes fréquences de contrôle de qualité des données. Cette boîte à outils est axée sur les mesures impliquées dans le contrôle de routine de qualité des données, car les observations générales indiquent qu'il peut être difficile de les mettre en œuvre dans la pratique. Ces pratiques de routine peuvent être développées et utilisées à des fins de contrôle discret et périodique, selon les besoins.
+
+
+## Mesure de la qualité des données { #measuring-data-quality } 
+
+Lors d'un contrôle classique de la qualité des données, 4 mesures de la qualité des données sont généralement évaluées :
+
+1. Complétude et respect des délais
+2. Cohérence interne
+3. Cohérence externe
+4. Cohérence des données du dénominateur
+
+### Exhaustivité et Actualité{ #completeness-and-timeliness } 
+
+L'exhaustivité est évaluée soit en examinant les taux de déclaration pour l'ensemble d'un formulaire de déclaration/d'un ensemble de données, soit en examinant l'exhaustivité d'éléments de données spécifiques dans les formulaires de déclaration lorsqu'une précision supplémentaire est requise.
+
+*Exhaustivité de l'ensemble des données - taux de déclaration*
+
+Dans DHIS2, le taux d'exhaustivité des rapports = Rapports reçus/rapports attendus x 100 %.
+
+* Rapports reçus : le nombre d'ensembles de données pour une période et une unité d'organisation données qui ont été marqués comme terminés par l'employé chargé de la saisie des données, en utilisant le bouton "terminé" dans l'application de saisie des données
+
+* Rapports attendus : le nombre d'unités d'organisation auxquelles un ensemble de données est assigné sur la base de la période de rapport sur laquelle l'ensemble de données doit être rapporté. Pour un ensemble de données mensuel attribué à 100 établissements, nous attendons 100 rapports par mois.
+
+*Actualité de l'ensemble des données*
+
+Délais d'établissement des rapports : Rapports reçus à temps/rapports attendus x 100%
+
+
+* Rapports reçus à temps : nombre d'ensembles de données pour une période et une unité d'organisation données qui ont été marqués comme terminés _dans un délai spécifié pour cet ensemble de données particulier_.
+
+La notion de "ponctualité" dépend de la configuration d'un pays ou d'une organisation et repose souvent sur des procédures définies localement. Par exemple, dans un formulaire de déclaration mensuelle, le délai peut être défini comme étant de 15 jours après la fin du mois de déclaration précédent. Dans ce cas, la soumission des données au 15 juin pour les données de mai serait considérée comme ponctuelle.
+
+*Exhaustivité des éléments de données*
+
+L'objectif d'un taux de déclaration d'un élément de données est d'évaluer la cohérence de la déclaration d'une variable unique. Ceci ne s'applique qu'aux éléments de données agrégés.
+
+Exhaustivité de l'élément de données = Nombre de valeurs reçues / Nombre de valeurs attendues x 100%.
+
+Cette section de la boîte à outils décrit plus en détail les mesures d'exhaustivité et d'actualité dans DHIS2.
+
+### Cohérence interne { #internal-consistency } 
+
+La cohérence interne vise à comparer les sources de données internes afin de déterminer s'il existe des variations significatives basées sur des règles statistiques ou des comparaisons logiques. Dans DHIS2, nous pouvons soutenir le contrôle de la cohérence interne par le biais de plusieurs mesures, notamment : 
+
+
+* Cohérence entre les variables connexes
+* Cohérence dans le temps
+* Analyse des valeurs atypiques
+* Grâce à l'utilisation de règles de validation
+* Analyse min-max
+
+
+### Cohérence externe { #external-consistency } 
+
+La cohérence externe a pour but de comparer vos données avec des données provenant d'autres sources. Par exemple, vous pouvez comparer les données d'un système d'information sanitaire de routine avec des données collectées dans le cadre d'une enquête. Si ces données externes sont importées dans DHIS2, plusieurs mesures comparatives peuvent être utilisées pour examiner la cohérence externe via le visualiseur de données, l'application de qualité des données de l'OMS et l'utilisation de règles de validation.
+
+
+### Cohérence des données du dénominateur { #consistency-of-denominator-data } 
+
+Cette mesure permet d'examiner les dénominateurs utilisés pour calculer la couverture. Cela peut impliquer des aspects de cohérence interne et externe. Par exemple, la comparaison des estimations démographiques issues du recensement, telles que l'estimation du nombre de femmes enceintes, l'estimation du nombre de naissances vivantes et l'estimation de la population âgée d'1 an, serait une comparaison interne, tandis que la comparaison de ces mesures de recensement avec les estimations démographiques de l'ONU serait un exemple de cohérence externe.
+

projects/docs-full-site/pt/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:24:38Z
+2023-11-10T21:18:52Z

projects/docs-full-site/ru/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:25:25Z
+2023-11-10T21:18:52Z

projects/docs-full-site/si/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:25:27Z
+2023-11-10T21:18:52Z

projects/docs-full-site/zh/.cache_timestamp

@@ -1 +1 @@
-2023-11-10T10:25:29Z
+2023-11-10T21:18:52Z