Ihantamalala, F.A., Herbreteau, V., Révillion, C., Randriamihaja, M., Commins, J., Andréambeloson, T., Rafenoarimalala, F. H., Randrianambinina, A., Cordier, L. F., Bonds, M. H., Garchitorena, A. (2020). International Journal of Health Geographics, 19(1), 27.
Résumé :
Contexte: L'accessibilité géographique aux établissements de santé reste l'un des principaux obstacles à l'accès aux soins dans les zones rurales du monde en développement. Bien que des méthodes et des outils existent pour modéliser l'accessibilité géographique, le manque d'informations géographiques de base empêche leur utilisation généralisée au niveau local pour la mise en œuvre de programmes ciblés. L'objectif de cette étude était de développer des estimations très précises et spécifiques au contexte de l'accessibilité géographique aux soins dans un district rural de Madagascar afin d'aider à la conception et à la mise en œuvre d'interventions qui améliorent l'accès des populations éloignées.
Méthodes: Nous avons utilisé une approche participative pour cartographier tous les chemins, zones résidentielles, bâtiments et rizières sur OpenStreetMap (OSM). Nous avons estimé les itinéraires les plus courts entre chaque foyer du district et le centre de soins de santé primaire (PHC) et le site de santé communautaire (CHS) les plus proches avec l'outil Open Source Routing Machine (OSMR). Ensuite, nous avons utilisé des méthodes de télédétection pour obtenir une carte à haute résolution de l'occupation du sol, un modèle numérique d'élévation et des données pluviométriques pour modéliser la vitesse de déplacement. Les modèles de vitesse de déplacement ont été calibrés avec des données de terrain obtenues par suivi GPS dans un échantillon de 168 itinéraires de marche. Les résultats du modèle ont été utilisés pour prédire le temps de déplacement pour se faire soigner dans les centres de santé publique et les centres de santé communautaire pour tous les itinéraires les plus courts estimés précédemment. Enfin, nous avons intégré les résultats de l'accessibilité géographique dans une plateforme d'e-santé développée avec R Shiny.
Résultats: Nous avons cartographié plus de 100 000 bâtiments, 23 000 km de sentiers pédestres et 4925 zones résidentielles dans tout le district d'Ifanadiana ; ces données sont disponibles gratuitement sur OSM. Nous avons constaté que plus des trois quarts de la population vivait à plus d'une heure d'un PHC, et 10-15% à plus d'une heure d'un CHS. De plus, nous avons identifié des zones au nord et à l'est du district où le PHC le plus proche se trouvait à plus de 5 heures, ainsi que des populations vulnérables à travers le district ayant un accès géographique limité (> 1 heure) aux PHC et aux CHS.
Conclusion: Notre étude démontre comment améliorer la modélisation de l'accessibilité géographique afin que les résultats puissent être spécifiques au contexte et opérationnellement actionnables par les acteurs locaux de la santé. L'importance de telles approches est primordiale pour atteindre la couverture sanitaire universelle (CSU) dans les zones rurales du monde entier.