Évaluations d impact aleatoires

1. Évaluations d impact aleatoires Vandana Sharma, MD, MPH Séminaire Handicap International, 4 décembre 2013

2. Sommaire • Le Laboratoire d'action contre la pauvreté Abdul Latif Jameel (J-PAL) • Qu'est-ce que l'évaluation ? • Évaluations aléatoires • Qu'est-ce que l'évaluation aléatoire ? • Comment mener une évaluation aléatoire ? • Défis et difficultés • Exemple 1 : éducation et VIH au Kenya • Exemple 2 : agents de santé volontaires au Nigéria

3. Laboratoire d'action contre la pauvreté Abdul Latif Jameel(J-PAL) : la science en pratique • J-PAL est • Un centre fondé en 2003 au sein du département d'économie du MIT (Massachussets Institute of Technology) • Un réseau de chercheurs autour du monde • Dont la mission est de faire en sorte que le combat contre la pauvreté soit fondé sur des preuves scientifiques • Nous essayons en particulier de tirer des leçons des évaluations aléatoires de programmes visant à réduire la pauvreté (au sens large) • Que faisons-nous ? • Évaluations d'impact rigoureuses • Formations • Lobbying politique

4. J-PAL - Réseau d'économistes menant des essais aléatoires contrôlés 91 universitaires, 441 évaluations dans plus de 55 pays du monde entier

5. Qu'est-ce que l'évaluation ? • Une méthode systématique de collecte, analyse et utilisation d'informations dans le but de répondre à des questions sur des politiques et des programmes • Évaluation d'un processus : • La politique ou le programme a-t-il été mis en œuvre comme prévu ? • Évaluation de l'impact : • La politique ou le programme a-t-il changé les choses ?

6. L'évaluation est essentielle • Les ressources sont limitées • Peu de preuves tangibles de ce qui est le plus efficace • De nombreuses décisions se prennent sur une intuition ou pour suivre une mode • Des évaluations rigoureuses offrent de la fiabilité

7. L'évaluation est utile • Aide les décideurs à mieux investir • Améliore les programmes • Identifie les bonnes pratiques

9. The Lancet, 13 février 2010

10. Évaluations d'impact : • Les évaluations d'impact mesurent l'efficacité d'un programme en comparant les résultats de ceux qui y ont participé (individus, communautés, écoles, etc.) à ceux qui sont restés en dehors • L'objectif est de mesurer l'impact déterminant d'un programme ou d'une intervention sur un résultat • Exemples : • Dans quelle mesure la distribution gratuite de moustiquaires a-t-elle diminué l'incidence du paludisme ? • Dans quelle mesure une campagne d'information sur le VIH a-t-elle réduit les comportements sexuels à risque ? • Lequel de deux modèles de chaînes d'approvisionnement a-t-il été le plus efficace pour éliminer les pénuries de médicaments ?

11. Évaluations d'impact • Pour déterminer le lien de cause à effet entre l'intervention et le résultat, nous devons mesurer le contrefactuel • Qu'est-ce qu’il serait arrivé aux participants s’ils n’avaient pas bénéficié du programme ?

12. Impact : qu'est-ce que c'est ? Intervention Contrefactuel Résultat principal Impact Temps

13. Impact : qu'est-ce que c'est ? Intervention Contrefactuel Résultat principal Impact Temps

14. Impact : qu'est-ce que c'est ? Impact = • Le résultat quelques temps après le lancement du programme comparé • Au résultat au même moment précis si le programmen'avait pas étélancé (le « contrefactuel »)

15. Évaluations d'impact • MAIS – Nous ne pouvons pas observer le même individu avec et sans le programme au même moment précis ! • Comme le contrefactuel n'est pas observable, l'objectif principal de toutes les méthodes d'évaluation d'impact est de construire ou d'imiter le contrefactuel • Il faut un groupe de comparaison adéquat • Des individus qui ressemblent beaucoup aux participants, mais qui n'ont pas bénéficié du programme • Techniques : • Avant/après • Utilisation des non-bénéficaires comme groupe témoin

16. Avant/après Avant introduction de moustiquaires Après introduction de moustiquaires 2 cas de paludisme en 6 mois • 6 cas de paludisme en 6 mois

17. Avant/après • Le programme de moustiquaires a-t-il été efficace pour réduire l'incidence du paludisme ? • D'autres facteurs auraient-ils pu provoquer la réduction observée ? • Des variations saisonnières • Une hausse des revenus : les ménages investissent dans d'autres mesures • D'autres programmes

18. Avant/après • Important de contrôler avant et après • Insuffisant de montrer l'impact du programme • De trop nombreux facteurs évoluent au fil du temps • Contrefactuel : qu'est-ce qui se serait passé en l'absence du projet, si le reste était pareil

19. Participants vs non-participants • Comparer les bénéficiaires du programme avec • des personnes qui n'étaient pas éligibles au programme • des personnes qui ont choisi de ne pas participer au programme • Exemple : suite à la distribution de moustiquaires, comparer les ménages qui en ont bénéficié à d'autres qui n'en ont pas bénéficié Impact des moustiquaires ?

20. Participants vs non-participants • Quels autres facteurs pourraient entrer en compte ? • Les personnes qui ont choisir de recevoir les moustiquaires peuvent être différents des autres • Différences observables • Revenu • Éducation • Différences non observables • Facteurs de risques • Autres mesures préventives

21. Participants vs non-participants • Il est impossible de savoir dans quelle mesure la différence est due aux moustiquaires Autres facteurs Impact des moustiquaires

22. Participants vs non-participants • Les non bénéficiaires peuvent être très différents des bénéficiaires • Les programmes ciblent souvent des zones spécifiques (par ex. des zones plus pauvres, qui manquent de services spécifiques) • Les individus sont souvent présélectionnés pour participer au programme • La décision de participer est souvent volontaire • Ainsi, les non bénéficiaires sont souvent un mauvais groupe de comparaison, du fait de différences préexistantes (biais de sélection) • Le biais de sélection disparaît en cas de randomisation

23. LE MODÈLE EXPÉRIMENTAL ALÉATOIRE EST LA RÈGLE D'OR

24. Sélection aléatoire • Identifier un groupe assez important d'individus tous susceptibles de bénéficier d'un programme • Affectez-les de manière aléatoire dans l'un des groupes suivants : • le groupe expérimental : bénéficiera du programme • le groupe témoin : non autorisé à participer au programme (au cours de la période d'évaluation) • Pour la sélection aléatoire, il faut que les caractéristiques observables et non observables soient présentes de manière statistiquement identique dans les groupes expérimental et témoin.

25. Sélection aléatoire • Comme les membres de ces groupes (expérimental et témoin) sont systématiquement identiques au début de l'essai, • toute différence apparaissant entre eux peut être attribuée au programme (traitement) plutôt qu'à un autre facteur • Bien conçues et menées, les expériences randomisées sont la méthode la plus crédible pour estimer l'impact d'un programme

26. Sélection aléatoire • La randomisation ne fonctionne pas s'il y a seulement deux individus ou groupes Groupe ou individu expérimental Groupe ou individu témoin • Par contre, les différences se résorbent si l'échantillon est vaste Grandes différences entre le groupe ou l'individu expérimental et le groupe ou l'individu témoin En moyenne, même nombre de rouges et de bleus dans les groupes expérimental et témoin

27. Peut-on randomiser ? • Randomiser ne veut pas dire refuser à des gens de bénéficier du projet • Généralement, la mise en place du projet est soumise à des contraintes pour permettre la randomisation • La randomisation est la façon la plus juste de répartir le traitement

28. Comment introduire le caractère aléatoire ? • Organiser un tirage au sort • Randomiser l'ordre d'introduction progressive du programme • Encourager de manière aléatoire certains plus que d'autres • Plusieurs traitements

29. Introduction progressive d'un programme • Randomiser l'ordre dans lequel les cliniques reçoivent le programme • Puis comparer le groupe Jan 2014 au groupe Jan 2015 à la fin de la première année Jan 2014 Jan 2015 Juil 2015

30. Si plusieurs groupes doivent recevoir le programme TrèsvulnérablesVulnérables Non vulnérables • Exemple : un programmedestiné aux enfants au Kenya • Les enfantstrèsvulnérables (orphelins) doiventrecevoir le programme • Randomiserparmi les enfantsmoinsvulnérables RANDOMISER INSCRIRE REFUSER

31. Varier l'intensité et la nature du traitement Intensité Nature Randomiser entre les communautés Quelle approche a le plus fort impact ? • Randomiser entre les communautés • Impact supplémentaire des relances par SMS Campagne d'information sur le VIH/sida 100 villages Campagne d'information sur le VIH/sida + relances par SMS 100 villages Campagne d'information sur le VIH/sida (radio) 100 villages Campagne d'information sur le VIH/sida (journaux) 100 villages

32. Unité de randomisation • À quel niveau dois-je randomiser ? • Individu • Ménage • Clinique • Communauté • Éléments à prendre en compte • Faisabilité politique de la randomisation au niveau individuel • Retombées entre les groupes • Capacité de mise en œuvre : une clinique administrant différents traitements

33. Unité de randomisation Randomisation individuelle Randomisation au niveau des cliniques 150 cliniques (75 dans le groupe expérimental, 75 dans le groupe témoin) 3000 personnes • 630 participants (315 personnes dans le groupe expérimental, 315 dans le groupe témoin) Unité plus grande = étude plus grande

34. Avantages des évaluations aléatoires • Les résultats sont transparents et faciles à partager • Difficiles à manipuler ou à contester • Plus susceptibles d'être persuasives

35. Limites • Ne peuvent pas toujours êtres utilisées (par ex. pour des raisons politiques ou éthiques) • Problèmes de validité interne : pouvoir, attrition, conformité, etc. • Problèmes de validité externe : taille de l'échantillon, possibilité de généralisation des résultats à la population visée • Ces mêmes problèmes se posent souvent pour la validité d'études non expérimentales

36. EXEMPLE 1 Évaluer les programmes pédagogiques sur le VIH mis en place dans les écoles pour les jeunes Kényans

37. Éducation et VIH/sida au Kenya • Esther Duflo, Pascaline Dupas, Michael Kremer, Vandana Sharma

38. Contexte : VIH/SIDA AU KENYA • Enquête sur les indicateurs du SIDA au Kenya • Août - décembre 2007 • 18 000 individus observés, âgés de 15 à 64 ans et provenant de 10 000 ménages de tout le Kenya • AU TOTAL : 7,4 % des Kényans sont séropositifs 8,7 % des femmes sont séropositives 5,6 % des hommes sont séropositifs • Plus de 1,4 million de Kényans vivent avec le VIH/sida Programme national de lutte contre le SIDA et les IST, Ministère de la Santé, Kenya. Juillet 2008. Enquête 2007 sur les indicateurs du SIDA au Kenya : rapport préliminaire. Nairobi, Kenya.

39. VIH/sida au Kenya

40. Mesures de prévention contre le VIH dans les écoles • L'éducation est considérée comme un « vaccin social » contre le VIH/sida • Les enfants de 5 à 14 ans sont considérés comme une « lueur d'espoir », car : • ils ont de faibles taux d'infection au VIH • leurs comportements sexuels ne sont pas encore établis, et peuvent être plus facilement façonnés • En Afrique, la plupart des enfants vont désormais à l'école primaire • Les programmes de prévention contre le VIH dans les écoles sont peu coûteux, faciles à mettre en œuvre et à reproduire • Il existe peu de preuves rigoureuses de l'efficacité de ces types de programmes

41. Contexte - Plan d'étude • Entre 2003 et 2006, l'organisation à but non lucratif ICS a mis en place des programmes de prévention contre le VIH dans 328 écoles primaires de l'ouest du Kenya • Les écoles ont été tirées au sort pour recevoir une, deux ou aucune des interventions suivantes : • Formation des enseignants dans le cadre du Programme éducatif national kényan sur le VIH/sida • Le programme national sur le VIH se concentre sur l'abstinence jusqu'au mariage et ne comprend pas d'informations sur les préservatifs • Ce programme offre une formation continue à trois enseignants du second cycle pour améliorer la mise en œuvre du programme • Programme de distribution d'uniformes • Deux uniformes distribués gratuitement à une cohorte d'élèves (filles et garçons), dans le but de les aider à rester plus longtemps à l'école (le deuxième uniforme est distribué 18 mois après le premier)

42. Contexte - Plan d'étude • Lieu de l'étude : districts de Butere, Mumias, Bungoma Sud et Bungoma Est, dans la province Ouest • Échantillon de l'étude : 19 000 jeunes (dont env. 50 % de filles) inscrits en « Grade 6 » en 2003 (env. 13 ans) • Modèle expérimental :

43. Résultats • Formation des enseignants : • Enseignants plus enclins à discuter du VIH en classe • Faible impact sur les connaissances, l'activité sexuelle autodéclarée ou l'utilisation de préservatifs • Tolérance accrue vis-à-vis des personnes séropositives • Aucun effet sur les taux de grossesse 3 et 5 ans après

45. Résultats • Programme des uniformes : • Réduction du taux de décrochage scolaire (de 17 % chez les garçons et 14 % chez les filles) • Réduction du taux de grossesse chez les adolescentes : • de 14,4 % à 10,6 % trois ans après • de 30,7% à 26,1% cinq ans après

47. VIH/sida et éducation dans l'ouest du Kenya : une étude de suivi des biomarqueurs • Objectif : étudier l'impact de la formation des enseignants et des programmes d'uniformes sur la transmission réelle d'IST et du VIH • Les données autodéclarées sont souvent peu fiables, particulièrement en ce qui concerne les comportements sexuels • L'évolution des connaissances ou des mentalités ne se traduit pas forcément par des changements de comportements durables

48. Plan d'étude • Une enquête transversale pour mesurer la prévalence du HSV-2 et les conséquences sur le comportement a été soumise à des sujets entre février 2009 et mars 2011 • six à huit ans après les interventions • Remarque : n'a pas la puissance statistique nécessaire pour estimer l'impact sur le VIH

49. 328 écoles de l'ouest du Kenya Formation des enseignants Uniformes gratuits Groupe témoin CAP Prév. du HSV-2 CAP Prév. du HSV-2 CAP Prév. du HSV-2 Sélection aléatoire Programmes offerts en 2003 Suivi en 2009-2010 CAP = connaissances, attitudes et pratiques

50. Résultats IInfection au HSV-2 sept ans après l'intervention