evidoria

← Retour à la liste

Bonne pratique Importée

L'Outil d'Apprentissage Automatique « Decision-Aware » de la Sierra Leone Fait Grimper la Consommation de Médicaments Essentiels de 19 % à l'Échelle Nationale pour 30 Dollars par Mois

Sierra Leone · Freetown · Voir le profil de Sierra Leone · Voir le profil de Freetown

Preuves: Quasi expérimental Top 6% 87/100 · Demandez à Evidence Copilot à propos de cette pratique

La NMSA de la Sierra Leone et l'Université de Pennsylvanie ont conçu un outil d'IA qui a augmenté la consommation de médicaments essentiels de 19 % (p<0,01) dans un pilote de cinq districts, avant un déploiement national pour 30 dollars par mois, touchant 2 millions de femmes et d'enfants.

19 %
Hausse de la consommation des produits alloués dans les districts traités (p<0,01) (May 2023 pilot)
32 %
Hausse de la consommation dans les établissements les plus pauvres et les plus reculés (May 2023 pilot)
18-21 %
Fourchette de l'effet selon les estimateurs alternatifs
1,058
Établissements de santé analysés
~2 million women and children under five
Bénéficiaires touchés après le déploiement national (from Q3 2023)
$30 per month
Coût de fonctionnement mensuel après le déploiement national
L'Outil d'Apprentissage Automatique « Decision-Aware » de la Sierra Leone Fait Grimper la Consommation de Médicaments Essentiels de 19 % à l'Échelle Nationale pour 30 Dollars par Mois

Détails

Maturité
Établie
Promoteur
Sierra Leone National Medical Supplies Agency (NMSA); University of Pennsylvania (Wharton School & School of Engineering and Applied Science)
Période
2023-2026
Mots-clés
health, public administration, machine learning, supply chain, social protection

Contexte

L'Agence nationale des fournitures médicales de Sierra Leone (NMSA) achète et distribue des médicaments essentiels - plus de 70 produits utilisés en santé maternelle, néonatale et infantile - aux établissements de santé publics du pays. Comme dans de nombreux pays à faible revenu, la NMSA allouait historiquement un stock fixe aux établissements selon des règles empiriques approximatives, provoquant des ruptures chroniques dans les cliniques les plus pauvres et les plus reculées, alors même que d'autres établissements détenaient des excédents.

Objectifs

Construire un système d'apprentissage automatique peu coûteux et sensible à la décision pour prévoir la demande au niveau de chaque établissement, et calculer comment répartir le stock national limité afin de maximiser la couverture, tout en laissant aux responsables la décision finale et la possibilité de rejeter toute recommandation.

Activités

Les chercheurs Hamsa Bastani et Osbert Bastani (université de Pennsylvanie) et la doctorante Angel Tsai-Hsuan Chung ont travaillé avec la NMSA et le ministère de la Santé et de l'Assainissement de Sierra Leone pour combiner apprentissage multitâche entre produits et établissements, a priori catalytiques pour gérer les données éparses, et covariables externes (données de recensement et de population dérivées de satellite). Le système a été testé à partir de mai 2023 dans cinq des seize districts de Sierra Leone (Tonkolili, Falaba, Karene, Kono et Pujehun), les onze autres districts servant de témoins.

Résultats

Une analyse synthétique en différences de différences portant sur 1 058 établissements a mis en évidence une hausse de 19 % de la consommation des produits alloués dans les districts traités (p<0,01) - un indicateur d'amélioration de l'accès - atteignant 32 % dans les établissements desservant les populations les plus pauvres et les plus reculées, qui souffraient de ruptures chroniques. Des estimateurs alternatifs (différences de différences classiques, appariement géographique, produits témoins alternatifs) ont corroboré l'effet, entre 18 % et 21 %. Sur la base des résultats du projet pilote, le gouvernement de Sierra Leone a étendu l'outil à l'ensemble du pays à partir du troisième trimestre 2023 ; il gère désormais l'allocation de plus de 70 produits essentiels, touchant environ 2 millions de femmes et d'enfants de moins de cinq ans, pour un coût de fonctionnement d'environ 30 dollars par mois en frais de serveur, sans personnel supplémentaire.

Conclusions

La propriété de l'outil a été entièrement transférée au gouvernement de Sierra Leone, et les résultats ont été publiés dans Nature en avril 2026.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
University of Pennsylvania research team (Hamsa Bastani, Osbert Bastani, Angel Tsai-Hsuan Chung), Sierra Leone National Medical Supplies Agency (NMSA) as implementing and now owning institution, Sierra Leone Ministry of Health and Sanitation as government partner

Conditions de réussite

  • Officials retain final say and can override any model recommendation
  • Use of external covariates (census and satellite-derived population data) to handle sparse facility-level data
  • Full ownership transfer from the university research team to the national government agency for sustainability
  • Very low ongoing running cost (~$30/month in server fees) with no additional staffing needs

Habituellement financé par

Horizon Europe Philanthropic / foundation funding National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Kit de réplication

Artefacts réutilisables de cette pratique — tels que publiés par leurs sources.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles