Evaluation of the early warning, alert and response system for the Rohingya crisis, Cox’s Bazar, Bangladesh
Niluka Wijekoon,a Amarnath Babu,b Boris Pavlin,a Stéphane Hugonnet,a Khalid El Tahir,c Jennie Musto,c
Mohammad Khan,c Sabbir Hossain,c Rafi Adbur Rahman,c Sami Ahtesham,c Alex Barasa,c Md Khadimul Anam Mazhar,c Egmond Eversc and
Balwinder Singh Chawlac
Introduction
Since the onset violence in Rakhine state, Myanmar, in August 2017, a forcibly displaced population of around 900 000 Rohingya has been housed in 34 camps in Cox’s Bazar, Bangladesh. The massive scale of densely populated camps, poor immu- nization and nutritional status of the refu- gees at the time of arrival and the lack of water and sanitation infrastructure in the camp areas posed a high risk for the spread of communicable diseases. This required rapid implementation of an early warning, alert and response system (EWAR) in the temporary health facilities to meet the needs of the refugees.
The EWAR for the Rohingya crisis opera- tion was established and managed by a WHO epidemiological team in Cox’s Bazar from August 2017 in response to a request for assistance from the international community by the Government of Bangla- desh. Its aim was to detect infectious disease outbreaks early and ensure a rapid response to reduce avoidable mortality and morbidity.
While the EWAR was initially based on paper records, in December 2017, WHO deployed “EWAR-in-a-box”, an eletronic tool with mobile phones connected to local mobile network for rapid collection of accurate data on disease outbreaks.
Data from health facilities in the camps is received at the central database in Cox’s
Évaluation du système d’alerte et d’intervention
rapide (EWAR) pour la crise des réfugiés Rohingyas, dans le district de Cox’s Bazar, au Bangladesh
Niluka Wijekoon,a Amarnath Babu,b Boris Pavlin,a Stéphane Hugonnet,a Khalid El Tahir,c Jennie Musto,c Mohammad Khan,c Sabbir Hossain,c Rafi Adbur Rahman,c
Sami Ahtesham,c Alex Barasa,c Md Khadimul Anam Mazhar,c Egmond Eversc et Balwinder Singh Chawlac
Introduction
Depuis le début des violences dans l’état de Rakhine, au Myanmar, en août 2017, une popu- lation déplacée de force d’environ 900 000 Rohingyas a trouvé refuge dans 34 camps à Cox’s Bazar, au Bangladesh. Ce rassemblement massif dans des camps densément peuplés, le faible niveau de vaccination et le mauvais état nutritionnel des réfugiés à leur arrivée, ainsi que l’absence d’infrastructures pour l’accès à l’eau et à l’assainissement dans les aires de campement a accentué le risque de propagation de maladies transmissibles. Cette situation a nécessité la mise en œuvre rapide d’un système d’alerte et d’intervention rapide (EWAR) dans les structures sanitaires temporaires afin de répondre aux besoins des réfugiés.
Le système EWAR pour les opérations liées à la crise des Rohingyas a été mis sur pied et géré par une équipe d’épidémiologistes de l’OMS à Cox’s Bazar à partir d’août 2017 suite à une demande d’assistance adressée à la communauté internationale par le gouverne- ment du Bangladesh. Il avait pour but de détecter précocement les flambées de maladies infectieuses et de garantir une riposte rapide afin de réduire la mortalité et la morbidité évitables.
Alors que l’EWAR était initialement basé sur
des documents papier, l’OMS a mis en place
en décembre 2017 le système «EWAR en boîte»,
un kit de matériels comprenant notamment
des téléphones mobiles reliés au réseau local
de téléphonie mobile permettant de recueillir
rapidement des données précises sur les flam-
bées de maladies. Les données provenant des
Bazar and immediately managed by the WHO epidemio- logy team. EWAR captures data on 21 high-priority epidemic-prone diseases from 153 temporary health facilities managed by more than 100 health partner organizations. EWAR also receives informal informa- tion, rumours and data on events via community health care workers.
Analysed EWAR data are disseminated to partner orga- nizations and the Government in weekly EWAR bulle- tins, bi-weekly meetings to discuss epidemiology and case management, bi-weekly health sector meetings and other platforms as required. From early 2019, all health facilities serving the Rohingya population also began reporting routinely to the national health informa- tion system (HIS) through District Health Information (2.0.1) software (DHIS2) in a module designed for the Rohingya population.
The EWAR for the Rohingya crisis in Cox’s Bazar was evaluated in June–July 2019 for its effectiveness to detect, confirm and respond to diseases and outbreaks of public health significance.
Method
The evaluation was based on the WHO protocol for evaluating early warning alert and response networks.
1The standard questionnaires and templates in the protocol were adapted to the context so that the evalu- ators could conduct interviews and data reviews during visits to health facilities.
A sample of 26 health facilities was selected by 2-stage sampling from the 187 health facilities of Teknaf and Ukhia subdistricts that serve refugee population, located in 17 camps and managed by 16 health partners. To ensure representation of the different types of health facilities in the sample, with varying completeness and timeliness of reporting, both health posts and primary health care centres were selected, and both old and comparatively new facilities were included. One health facility that does not report to the EWAR and one in the host community outside the camps were also selected.
Three teams of 2 evaluators collected data from the health facilities. Key informants were interviewed by a team of 2 evaluators.
During facility visits, 4 EWAR reporting documents were examined: 1) daily patient registries, 2) weekly report forms and tally sheets, 3) alert or rumour logs and 4) logs of laboratory samples. Five randomly selected epidemiological weeks in the latest 6-month period – epidemiological week 51 in 2018 and epide- miological weeks 5, 11, 14, 21 in 2019 – were reviewed
1 Early warning alert and response network in emergencies: evaluation protocol.
Cairo: WHO Regional Office for the Eastern Mediterranean; 2018 (https://apps.who.
int/iris/handle/10665/327304).
structures sanitaires présentes dans les camps sont transmises à la base de données centrale à Cox’s Bazar et immédiatement traitées par les spécialistes en épidémiologie de l’équipe de l’OMS. L’EWAR enregistre les données concernant 21 maladies à potentiel épidémique hautement prioritaires provenant de 153 structures sanitaires temporaires gérées par plus de 100 organisations partenaires du secteur de la santé. L’EWAR recueille également des informations informelles, des rumeurs, et des données sur les événements par le biais d’agents de santé appartenant à la communauté.
Les données de l’EWAR analysées sont diffusées aux organisa- tions partenaires et au Gouvernement dans les bulletins hebdo- madaires EWAR, lors des réunions bihebdomadaires destinées à discuter de l’épidémiologie et de la prise en charge des cas, lors des réunions bihebdomadaires dans le secteur de la santé et à l’aide d’autres plateformes si besoin. Depuis le début de l’année 2019, toutes les structures sanitaires desservant les populations rohingyas ont également commencé un processus de notification systématique au système national d’informa- tions sanitaires (HIS) par l’intermédiaire du logiciel District Health Information (2.0.1) (DHIS2) dans un module spéciale- ment conçu pour la population Rohingya.
Le système EWAR mis en place pour la crise des Rohingyas dans le district de Cox’s Bazar a été évalué en juin-juillet 2019, pour apprécier son efficacité à détecter, confirmer et répondre aux maladies et aux flambées d’importance pour la santé publique.
Méthode
L’évaluation a été basée sur le protocole de l’OMS relatif à l’éva- luation des réseaux d’alerte et d’intervention rapides.
1Les ques- tionnaires et modèles standard du protocole ont été adaptés au contexte pour que les évaluateurs puissent conduire des entre- tiens et examiner les données pendant les consultations au sein des structures sanitaires.
Un échantillon de 26 structures sanitaires a été sélectionné par un échantillonnage en 2 étapes parmi les 187 structures sani- taires des sous-districts de Teknaf et d’Ukhia qui s’occupent des réfugiés, réparties dans 17 camps et gérées par 16 partenaires du secteur de la santé. Pour assurer la représentativité des différents types de structures sanitaires, dont la complétude et la ponctua- lité en matière de notification pouvaient différer, la sélection a inclus aussi bien les postes sanitaires que les centres de soins de santé primaires, de même que les structures aussi bien anciennes que relativement nouvelles. Une structure sanitaire qui ne notifie pas à l’EWAR et une autre située dans une communauté d’accueil en dehors des camps ont également été sélectionnées.
Trois équipes de 12 évaluateurs ont été chargées de recueillir les données dans les structures sanitaires. Une équipe de 2 évaluateurs a interrogé des intervenants clés.
Pendant les consultations au sein des établissements, 4 docu- ments déclaratifs transmis au système EWAR ont été examinés:
1) les registres quotidiens des patients, 2) les feuilles de poin- tage et les formulaires de notification hebdomadaires, 3) les journaux sur les alertes ou les rumeurs et 4) les bordereaux d’échantillons de laboratoire. Cinq semaines épidémiologiques choisies de manière aléatoire dans la période de 6 mois la plus
1 Early warning alert and response network in emergencies: evaluation protocol. Le Caire: Bureau régional de l’OMS pour la Méditerranée orientale; 2018 (https://apps.who.int/iris/
handle/10665/327304).
in each document. The same periods were reviewed in the central “EWAR-in-a-box” database at Cox’s Bazar to assess the consistency of the data.
Case concordance or consistency of data at all levels of reporting were determined by comparing daily patient registries and weekly report forms from facilities and the central database. Concordance was calculated sepa- rately for immediately notifiable diseases (measles and acute jaundice syndrome) and for non-immediately- notifiable diseases (bloody diarrhea and unexplained fever). Concordance was checked first between the patient registry and weekly reporting forms and then between weekly reporting forms and the central data- base. Weekly concordance was calculated as the percent- age of weeks in which data entered into the patient registry, weekly reporting forms and the central data- base were all consistent with one another. Laboratory data from the Cox’s Bazar Institute of Epidemiology, Disease Control and Research field laboratory log were also reviewed. The field laboratory is supported by WHO and is a designated laboratory for the Rohingya crisis.
Interviews were planned with 72 key informants, comprising primary health care clinicians, primary health care reporting officers, surveillance officers from the Ministry of Health of Bangladesh, WHO Bangladesh epidemiology and surveillance officers, data managers, health partners, community health workers, camp reli- gious leaders, partners in the Global Outbreak Alert and Response Network (GOARN) who supported EWAR implimentation and emergency programme managers from the WHO Regional Office for South-East Asia. Of these, 66 interviews were conducted face-to-face, while 6 were conducted remotely via phone and skype.
A semi-structured questionnaire adapted to the local context was used for individual interviews. A separate interview was conducted to understand DHIS2 imple- mentation, data collection, analysis and dissemination in Cox’s Bazar. The DHIS2 module was accessed to evaluate the timeliness and completeness of daily reporting of EWAR conditions under the DHIS2 commu- nicable disease category.
Quantitative data were analysed in Microsoft Excel 2016 (Microsoft Corp. Redding, USA). All qualitative data were analysed by data coding. Initial coding generated emerging ideas and keywords, and in the second stage recurring ideas were combined to identify common themes and key messages. All the quantitative and quali- tative data analysed were categorized under 1 of 10 epide- miological attributes of EWAR: simplicity, flexibility, timeliness, representativeness, usefulness, acceptability, sensitivity, positive predictive value, data quality and stability. Performance in each attribute was rated as low, moderate or high, or, if there were inadequate data to determine a rating, an attribute was undetermined.
récente – semaine épidémiologique 51 en 2018 et semaines épidémiologiques 5, 11, 14, 21 en 2019 – ont été passées en revue dans chaque document. Ces mêmes périodes ont été également examinées dans la base de données centrale tirée du kit «EWAR en boîte» à Cox’s Bazar, pour évaluer la cohérence des données.
La concordance des cas ou la cohérence des données à tous les niveaux de notification ont été déterminées en comparant les registres quotidiens de patients et les formulaires de notification hebdomadaire provenant des établissements et de la base de données centrale. La concordance a été calculée séparément pour les maladies à déclaration obligatoire immédiate (rougeole et syndrome ictérique aigu) et pour les maladies qui ne sont pas à déclaration obligatoire immédiate (diarrhée sanglante et fièvre d’origine inexpliquée). La concordance a été contrôlée d’abord entre le registre de patients et les formulaires de notification hebdomadaire, puis entre les formulaires de notification hebdo- madaire et la base de données centrale. La concordance hebdoma- daire a été calculée comme le pourcentage de semaines pendant lesquelles les données saisies dans le registre de patients, les formulaires de notification hebdomadaire et la base de données centrale étaient toutes cohérentes les unes avec les autres. Les données de laboratoire provenant du journal du laboratoire de terrain de l’Institute of Epidemiology, Disease Control and Research de Cox’s Bazar ont également été examinées. Le labo- ratoire de terrain est soutenu par l’OMS; il s’agit d’un laboratoire spécialement conçu pour la crise des Rohingyas.
Les entretiens ont été planifiés de manière à interroger 72 inter- venants clés, parmi lesquels des cliniciens du secteur des soins primaires, des cadres responsables de la notification dans le secteur des soins primaires, des responsables de la surveillance rattachés au Ministère bangladeshi de la santé, des gestionnaires de données, des partenaires dans le domaine de la santé, des agents de santé communautaires, des responsables religieux dans les camps, des partenaires du Réseau mondial d’alerte et d’action en cas d’épidémie (le GOARN) qui étaient les premiers exécutants de la mise en œuvre du EWAR et les responsables des programmes de gestion des situations d’urgence du Bureau régional de l’OMS pour l’Asie du Sud-Est. De tous ces entretiens, 66 ont été conduits en présentiel, tandis que les 6 autres ont été conduits à distance par téléphone ou par Skype. Un ques- tionnaire semi-structuré, adapté au contexte local, a été utilisé pour les entretiens individuels. Un entretien séparé a été conduit pour comprendre la mise en œuvre du DHIS2, la collecte, l’ana- lyse et la diffusion des données à Cox’s Bazar. Le module DHIS2 a été consulté pour évaluer l’exhaustivité et la ponctualité des rapports quotidiens sur les affections intégrées à l’EWAR dans la catégorie des maladies transmissibles du DHIS2.
Les données quantitatives ont été analysées dans Microsoft Excel
2016 (Microsoft Corp. Redding, USA). Toutes les données quali-
tatives ont été analysées par codage des données. Le codage initial
a généré de nouvelles idées et de nouveaux mots clés, et dans
une deuxième étape, les idées récurrentes ont été combinées pour
identifier des messages clés et des thèmes communs. Toutes les
données quantitatives et qualitatives analysées ont été catégori-
sées dans l’une des 10 caractéristiques épidémiologiques du
système EWAR: simplicité, flexibilité, ponctualité (ou prompti-
tude), représentativité, utilité, acceptabilité, sensibilité, valeur
prédictive positive, qualité et stabilité des données. La perfor-
mance dans chaque caractéristique a été classée comme faible,
moyenne ou élevée ou, si les données ne permettaient pas d’éta-
blir un classement, une caractéristique a été laissée indéterminée.
Findings
Table 1 Attributes, considerations, results and final rating
Tableau 1 Caractéristiques, éléments considérés, résultats et classements finaux
Epidemiological attribute – Caractéristique épidémiologique
Definition and key considerations – Définition et principaux éléments considérés
Key findings – Principales conclusions
Rate: low, moderate, high, undetermined – Classement:
performance faible, moyenne, élevée, non déterminée Simplicity –
Simplicité Structure, design and ease of operation data flow, ease of completing reporting forms, how many should be completed, length of follow-up required for an outcome, time spent in managing, analysing and disseminating data, degree of integration with other systems and laboratories. – Structure, conception et facilité d’exploitation du flux de données opérationnelles, facilité de remplissage des formulaires de notification, nombre de ces formulaires à remplir, durée du suivi nécessaire pour obtenir un résultat, temps consacré à la gestion, à l’analyse et à la diffusion des données, degré d’intégration avec d’autres systèmes et laboratoires.
Health facilities use mobile phones with user-friendly electronic reporting forms for immediate and weekly case reporting. Training in EWAR reporting is provided systematically every quarter. Standard case definitions for reportable conditions are available in health facilities and displayed as posters in consultation rooms. – Les structures sanitaires utilisent les téléphones mobiles avec des formulaires de déclaration électroniques conviviaux pour la notification immédiate et hebdomadaire des cas.
Une formation aux modalités de notification via EWAR est dispensée systématiquement chaque trimestre. Les définitions de cas standard pour les maladies à déclaration obligatoire sont disponibles dans les structures sanitaires et affichées sous forme de posters dans les salles de consultation.
For most immediately-notifiable diseases, there is no dedicated reporting form, and event forms are used. For measles, acute flaccid paralysis, acute jaundice syndrome (AJS) and dengue, a detailed case reporting form must be completed at each health facility, in addition to the event form. – Pour la plupart des maladies à déclaration obligatoire immédiate, il n’y a pas de formulaire déclaratif spécifique, et ce sont les formulaires de déclaration d’événements qui sont utilisés. Pour la rougeole, la paralysie flasque aiguë, le syndrome ictérique aigu et la dengue, dans chaque structure sanitaire, la personne en charge est tenue de remplir un formulaire de notification de cas détaillé, en plus du formulaire de déclaration d’événements.
Many variables on case reporting forms remain blank, compromising the quality of surveillance. – Beaucoup de variables dans les formulaires de notification de cas restent sans réponse, compromettant la qualité de la surveillance.
Feedback to partners on reporting is provided on ad-hoc basis and via phone. There is no straightforward integration with surveillance of vaccine-preventable diseases, the DHIS2 database and other data systems of vertical programmes. Data on laboratory confirmation of vaccine- preventable diseases seldom reaches the EWAR database. – Une rétro- information sur la notification à l’intention des partenaires est effectuée sur une base ad-hoc et par téléphone. Il n’y a pas d’intégration simple avec la surveillance des maladies évitables par la vaccination, la base de données DHIS2 et les autres systèmes de données des programmes verticaux. Les données sur la confirmation en laboratoire des cas atteints de maladies évitables par la vaccination atteignent rarement la base de données EWAR.
Moderate – Moyenne
Flexibility –
Flexibilité Ability to adapt to changing information needs or operating conditions with few additional resources. – Capacité d’adaptation à des conditions opérationnelles ou à des besoins d’information évolutifs avec peu de ressources supplémentaires.
Ability to scale up/down based on context, respond to new or multiple outbreaks, adding or removing new forms, modification of data management, bulletin production based on needs. – Possibilité d’intensifier ou de réduire les activités en fonction du contexte, de répondre à des flambées nouvelles ou multiples, d’ajouter ou de supprimer de nouveaux formulaires, de modifier la gestion des données, de produire des bulletins en fonction des besoins.
Health facilities, priority diseases and line lists could easily be added or removed from the system according to demand; however, significant modifications that requires changes in the electronic application cannot be made independently. For example, the automated weekly EWAR bulletin could not be modified independently, as the capacity or expertise to do so was not available at Cox’s Bazar and required support from electronic application developers – Des établissements de santé, des maladies prioritaires et des listes de cas ont pu facilement être ajoutés ou supprimés du système, selon la demande; cependant, les modifications importantes qui nécessitent d’apporter des changements à l’application électronique ne peuvent pas être faites de manière indépendante. Par exemple, le bulletin hebdomadaire EWAR informatisé ne pouvait pas être modifié indépendamment, car la capacité ou l’expertise pour le faire n’était pas disponible à Cox’s Bazar et nécessitait une assistance de la part de développeurs d’applications électroniques.
Moderate – Moyenne
Résultats
Acceptability – Acceptabilité
Willingness of all stakeholders to participate, as reflected in the completeness and relative ease of reporting, refusal to report, trust in the system and feedback. – Volonté de participer manifeste de toutes les parties prenantes, qui se reflète dans le niveau d’exhaustivité des rapports de notification et la facilité relative de la notification, le refus de notifier, la confiance dans le système et le retour d’informations.
EWAR gained acceptance and trust among many stakeholders including the Ministry of Health and Family Welfare, health partners, community workers and the community from its inception. The average completeness of weekly reporting was 82%, indicating high willingness of the health facilities to report in a timely manner. Respondents reported that the ability to identify outbreaks was the most valuable feature of the system.
All stakeholders appreciated clear EWAR data visualization in bulletins. – L’EWAR a été bien accepté et a gagné la confiance de nombreuses parties prenantes dès sa création, notamment le Ministère de la santé et du bien- être familial, les partenaires de la santé, les travailleurs communautaires et les populations. Le niveau d’exhaustivité moyen de la notification hebdomadaire était de 82%, ce qui traduit la forte volonté des structures sanitaires de remettre leurs rapports en temps voulu. Les personnes interrogées ont signalé que la possibilité de repérer les flambées était la caractéristique la plus précieuse du système. Toutes les parties prenantes ont apprécié la clarté de la visualisation des données EWAR dans les bulletins.
High – Élevée
Representativeness – Représentativité
Ability to describe correctly the occurrence and distribution of a disease across the population by place and person. – Capacité à refléter correctement l’apparition et de la répartition d’une maladie à travers la population par lieu et par personne.
Of 187 health facilities covering around 900 000 refugees, 82% reported to the EWAR, including the extensive network of community health care workers and their supervisors for event-based surveillance. – Sur 187 structures sanitaires couvrant environ 900 000 réfugiés, 82% ont transmis leurs rapports à l’EWAR, y compris le réseau étendu d’agents de santé communautaires et leurs superviseurs pour la surveillance fondée sur les événements.
No group or subgroup was found to be excluded from the system. – Aucun groupe ou sous-groupe ne s’est avéré exclu du système.
High – Élevée
Timeliness – Ponctualité (ou promptitude)
Delay between steps in the system. – Délai entre les différentes étapes dans le système.
Length of interval between reporting and public health action. – Laps de temps entre la notification et la mesure de santé publique qui en découle.
The timeliness of weekly reporting to EWAR was 82%. No major delays were noted, except during the week of Ramadan celebrations. Only 29%
of the health facilities mentioned disruption in reporting since enrolment in the system. Disruptions were due to reasons stemming from health facility rather than the EWAR, e.g construction or expansion of the primary health care centre, changing camp locations. The average delay between receipt of an alert and start of verification was 1.4 days. The time between start of verification and outcome could not be calculated because of an incomplete alert verification log at the central database.
The average delay between specimen collection and reception at the field laboratory at Cox’s Bazar was 3.9 days, and another 4.5 days were required to obtain results. – La ponctualité de la notification hebdomadaire à l’EWAR était de 82%. Aucun retard majeur n’a été relevé, sauf pendant la semaine des célébrations du ramadan. Seulement 29% des structures sanitaires ont fait part de perturbations dans la notification à compter du moment où elles se sont engagées dans le système. Ces perturbations étaient le fait de la structure sanitaire elle- même plutôt que de l’EWAR, par exemple la construction ou l’extension du centre de soins primaires, ou un changement d’emplacement des camps. Le délai moyen entre la réception d’une alerte et le début de la vérification était de 1,4 jour. Le temps écoulé entre le début de la vérification et le résultat final n’a pas pu être calculé à cause d’un journal de vérification des alertes qui était incomplet dans la base de données centrale. Le délai moyen entre le prélèvement des échantillons et leur réception au laboratoire de terrain à Cox’s Bazar était de 3,9 jours, et 4,5 jours de plus étaient nécessaires pour obtenir les résultats.
Moderate. – Moyenne For alerts, unable to determine – Pour les alertes, impossible à déterminer
Sensitivity – Sensibilité
Proportion of cases detected by the system out of all true cases in the population. – Proportion des cas détectés par le système par rapport à l’ensemble des cas réels dans la population.
No system is in place to determine the level of disease occurrence or
“true cases” in the population. – Aucun système n’est en place pour déterminer le taux d’apparition des maladies ou les «cas réels» dans la population.
Undetermined – Non déterminé Epidemiological
attribute – Caractéristique épidémiologique
Definition and key considerations – Définition et principaux éléments considérés
Key findings – Principales conclusions Rate: low, moderate, high, undetermined – Classement:
performance faible, moyenne, élevée, non déterminée
Positive value predictive – Valeur prédictive positive
Proportion of true cases among all cases detected by the system, Ability to confirm cases to identify true positives. – Proportion des cas réels parmi tous les cas détectés par le système, capacité de confirmer les cas pour identifier les vrais positifs.
Due to incomplete data in alert logs and central database the positive predictive value could not be calculated. – En raison de données incomplètes dans les journaux d’alertes et dans la base de données centrale, la valeur prédictive positive n’a pas pu être calculée.
Undetermined – Non déterminé
Usefulness – Utilité Contribute to public health prevention and/
or control. – Contribuer à la prévention et/
ou à la maîtrise de la santé publique.
Identify new adverse health events, estimate scale or magnitude of events, contribute to performance measures, contribute to accountability. – Identifier de nouveaux événements sanitaires indésirables, estimer l’étendue ou l’ampleur des événements, contribuer aux mesures de performance, contribuer à la responsabilisation.
EWAR was instrumental in detecting measles, AJS, diphtheria and varicella outbreaks in the camps, which triggered a range of public health actions. The electronic tool was also helpful in line listing diphtheria cases in outbreak response. 71% of respondents recognized disease outbreak detection as the primary purpose of EWAR in Cox’s Bazar. 64%
of respondents whose primary responsibility is reporting could explain the alert notification process correctly. – L’EWAR a été déterminant pour détecter des flambées de rougeole, de syndrome ictérique aigu, de diphtérie et de varicelle dans les camps, ce qui a permis de déclencher une série de mesures de santé publique. L’outil électronique s’est avéré également utile pour dresser la liste des cas de diphtérie dans le cadre de la riposte aux flambées. 71% des personnes interrogées ont reconnu que la détection des flambées de maladies était l’objectif principal de l’EWAR à Cox’s Bazar. 64% des personnes interrogées dont la responsabilité première est la notification ont pu expliquer correctement le processus de notification des alertes.
High – Élevée
Data quality – Qualité des données
Completeness and validity of data recorded in the system. – Exhaustivité et validité des données enregistrées dans le système.
Completeness of data set, level of errors, missing fields, easy-to-read entries. – Exhaustivité d’un groupe de données, niveau d’erreurs, champs vides, entrées faciles à lire.
Consistency of data at all reporting levels, over time, level of feedback, supervision, training provided to identify true cases in the population. – Cohérence des données à tous les niveaux de notification, dans le temps, niveau de rétro-information, supervision, formation dispensée pour repérer les cas réels dans la population.
Both direct and indirect factors were considered in evaluating data quality. The direct factors included legibility, completeness and consistency of data across registers, weekly reporting forms and central database. Training, feedback and supervision for reporting were measured as indirect factors. Registry entries for 33% of health facilities were illegible, 63% completed all key fields i.e. age, sex, signs and symptoms, diagnosis. Laboratory sample registries showed 90% legibility and completeness. – Des facteurs aussi bien directs qu’indirects ont été pris en compte pour évaluer la qualité des données. Les facteurs directs comprenaient la lisibilité, l’exhaustivité et la cohérence des données entre les registres, les formulaires de notification hebdomadaire et la base de données centrale. La formation, la rétro-information et la supervision en matière de notification ont été mesurées en tant que facteurs indirects. Les entrées dans les registres étaient illisibles pour 33% des structures sanitaires, et 63%
avaient rempli tous les champs principaux, à savoir âge, sexe, signes et symptômes, diagnostic. Les bordereaux des échantillons de laboratoire affichaient une lisibilité et une exhaustivité de 90%.
Weekly concordance, i.e. data entered in the daily patient registry, weekly report form and central database under each disease, was calculated for both immediately notifiable conditions (measles, 86%;
AJS, 85%) and non-immediately-notifiable conditions (bloody diarrhoea, 51%; unexplained fever, 40%). Data concordance was relatively high for immediately notifiable diseases. The low score for unexplained fever was due to inconsistent application of the correct case definition.
– La concordance hebdomadaire, c’est-à-dire les données entrées dans le registre quotidien de patients, le formulaire de notification hebdomadaire et la base de données centrale pour chaque maladie, a été calculée à la fois pour les maladies à déclaration obligatoire immédiate (rougeole, 86%; syndrome ictérique aigu, 85%) et pour les maladies ne nécessitant pas de déclaration obligatoire immédiate (diarrhée sanglante, 51%; fièvre inexpliquée, 40%). La concordance des données était relativement élevée pour les maladies à déclaration obligatoire immédiate. Le faible score observé pour la fièvre inexpliquée était dû à une utilisation inégale de la bonne définition de cas.
Moderate – Moyenne Epidemiological
attribute – Caractéristique épidémiologique
Definition and key considerations – Définition et principaux éléments considérés
Key findings – Principales conclusions Rate: low, moderate, high, undetermined – Classement:
performance faible, moyenne, élevée, non déterminée
The percentage difference between case counts in the daily patient registry and weekly report forms was 13% for measles and 10%
for AJS, and that between the weekly report form and the central database was 13% and 8%, respectively. Differences in case counts between daily patient registries and weekly report forms for bloody diarrhoea and unexplained fever were 44% and 43%, respectively, and between weekly report forms and the central database, 21% and 22%, respectively. The significant inconsistencies in data for diseases for which immediate notification is not required may be due to human error and incorrect weekly calculations when copying data from daily register to weekly forms. – La différence, en pourcentage, entre les nombres de cas inscrits dans le registre quotidien de patients et dans les formulaires de notification hebdomadaire était de 13% pour la rougeole et de 10% pour le syndrome ictérique aigu, et celles entre le formulaire de notification hebdomadaire et la base de données centrale étaient respectivement de 13% et de 8%. Les différences entre les nombres de cas inscrits dans les registres quotidiens de patients et dans les formulaires de notification hebdomadaire pour la diarrhée sanglante et pour la fièvre inexpliquée étaient respectivement de 44% et de 43%, et entre les formulaires de notification hebdomadaire et la base de données centrale respectivement de 21% et de 22%. Le manque de cohérence important des données pour les maladies ne nécessitant pas de déclaration obligatoire immédiate pourrait s’expliquer par l’erreur humaine et des calculs hebdomadaires erronés lors de la copie des données du registre quotidien dans les formulaires hebdomadaires Nearly all respondents received on-the-job training from the implementing agencies on ensuring data quality. Only 29% received formal training from WHO. The average duration of training was 1 day.
The average time since the last feedback was 8 weeks, and the main method of receiving feedback was via mobile phone. 35% of the reporting officers had regular meetings with the WHO EWAR team. – Presque toutes les personnes interrogées ont reçu une formation pratique sur la manière de procéder pour récupérer des données de qualité de la part des organismes chargés de la mise en œuvre. Seulement 29%
ont reçu une formation officielle auprès de l’OMS. La durée moyenne de formation était de 1 jour. Le délai moyen depuis le dernier retour d’informations était de 8 semaines, et la principale méthode pour recevoir un retour d’informations était l’utilisation du téléphone mobile. 35% des responsables de la notification interrogés avaient des réunions régulières avec l’équipe EWAR de l’OMS.
Stability – Stabilité Reliability and availability of system. – Fiabilité et disponibilité du système.
Unscheduled outages, downtimes, cost to maintain system, time spent on maintenance, lack of dedicated resources.
– Pannes imprévues, temps d’arrêt, coût de la maintenance du système, temps consacré à la maintenance, manque de ressources dédiées.
As a measure of staff turnover, a clinician was connected to the system for an average of 9.7 months, a reporting officer for 10 months, an epidemiologist or surveillance officer for 12 months and a health partner for 16.5 months. At the time of the evaluation, the system had adequate funding until December 2021. Since its establishment to the time of the evaluation, the system had not had any system- wide outages or disruption in service. – Pour avoir une idée de la rotation des effectifs, il a été mesuré qu’un clinicien était connecté au système pendant une moyenne de 9,7 mois, un responsable de la notification pendant 10 mois, un épidémiologiste ou un responsable de la surveillance pendant 12 mois et un partenaire du secteur de la santé pendant 16,5 mois. Au moment de l’évaluation, le système disposait d’un financement adéquat jusqu’en décembre 2021. De sa mise en place jusqu’au moment de l’évaluation, le système n’a connu aucune panne générale ni interruption de service.
High – Élevée Epidemiological
attribute – Caractéristique épidémiologique
Definition and key considerations – Définition et principaux éléments considérés
Key findings – Principales conclusions Rate: low, moderate, high, undetermined – Classement:
performance faible, moyenne, élevée, non déterminée
104 WEEKLY EPIDEMIOLOGICAL RECORD, NO 11, 13 MARCH 2020
Limitations
Owing to time and resource constraints, we could not assess integration with other systems for vaccine- preventable disease surveillance and related laboratory management. A similar limitation is seen for diseases such as malaria, for which there are dedicated programmes and reporting systems.
Conclusions and recommendations
Overall, EWAR is reliable for rapid disease detection and response in the Rohingya refugee population in Cox’s Bazar. Notably, increases in communicable diseases were rapidly detected and managed, thereby avoiding excess morbidity and mortality. Data quality should be improved by increasing the frequency and quality of training and ensuring capacity-building for users and the local team through an electronic platform with other epidemiologists and surveillance officers. Stan- dardization of data collection forms and processes among the health centres operated by other health part- ners is recommended. While ensuring maintenance of the critical EWAR functions required for this vulnerable camp context, means for integration with other poten- tial sources of disease data, such as HIS operation on the DHIS2 platform, should be explored.
Author affiliations
a
Department of Health Emergency Information and Risk Assessment, Health Emergencies Programme, World Health Organization, Geneva, Switzerland;
b
Health Emergency Information and Risk Assessment, Health Emergencies Programme, World Health Organi- zation Regional Office for South-East Asia, New Dehli, India;
cHealth Emergencies Programme, World Health Organization Cox’s Bazar Emergency sub-office, Bangla- desh (Corresponding author: Niluka Wijekoon, wijekoonkannanga@who.int).
Limites
Du fait de contraintes de temps et de ressources, nous n’avons pas pu évaluer l’intégration avec d’autres systèmes de surveil- lance des maladies évitables par la vaccination, et la gestion des services de laboratoire concernés. Une limitation similaire est observée pour des maladies telles que le paludisme, pour laquelle il existe des programmes et des systèmes de notifica- tion spécialement prévus.
Conclusions et recommandations
Dans l’ensemble, le système EWAR est fiable pour détecter les maladies et y répondre rapidement parmi les populations de réfugiés Rohingyas à Cox’s Bazar. En particulier, les augmenta- tions des cas de maladies transmissibles ont été rapidement détectées et gérées, ce qui a permis d’éviter un excès de morbi- dité et de mortalité. La qualité des données devra être amélio- rée, en augmentant la fréquence et la qualité de la formation et en veillant à renforcer les capacités pour les utilisateurs et l’équipe locale au moyen d’une plateforme électronique permet- tant la coordination avec d’autres épidémiologistes et respon- sables de la surveillance. La standardisation des formulaires et des processus de collecte de données dans les centres de santé exploités par d’autres partenaires de la santé est recommandée.
Tout en assurant le maintien des fonctions critiques de l’EWAR requises pour ce contexte de camps vulnérables, il conviendrait d’étudier des moyens d’y intégrer d’autres sources potentielles de données sur les maladies, par exemple en rendant le HIS opérationnel sur la plateforme DHIS2.
Affiliations des auteurs
a
