La création des données est la première étape des processus de gestion des données. Dans les études quantitatives, cette étape consiste à définir quel type de données sera collecté, leur format et la procédure pour les créer. Le chercheur doit s’assurer que toutes les données recueillies reflètent la réalité, en utilisant des outils normalisés, des procédures de collecte de données, et en vérifiant le taux d’erreur pendant la collecte de données (par exemple, en vérifiant l’exhaustivité et la cohérence des réponses des répondants dans les questionnaires, en vérifiant la validité des réponses par un processus de répétition au hasard des entretiens).
Dans une étude qualitative, cette étape commence par la définition des différents types d’informations que le chercheur a l’intention de rassembler, différents outils (par exemple, entretiens en profondeur ou guide de discussions de groupe) et des activités de collecte de données. Le chercheur doit s’assurer que tous les dispositifs d’enregistrement sont placés de manière à enregistrer au mieux la conversation ou la discussion, et que le lieu d’entretien ou de discussion crée une atmosphère sûre pour une discussion ouverte tout en préservant la confidentialité.
C’est le processus de transformer les données de la forme la plus brute à une forme qui est prête pour l’analyse. Dans une étude quantitative, cela signifie créer une base de données électronique appropriée pour gérer différents types de données (par exemple, réponses multiples, données numériques, données d’échelle visuelle analogique, etc.). Cela implique la création de structures de fichiers et de codage compréhensibles, le développement d’un livre de codes, des décisions concernant les données à conserver dans la base de données et celles à éliminer. Lors de la saisie des données, les erreurs de saisie doivent être évitées en appliquant une double saisie et en vérifiant la cohérence des réponses. Dans les études qualitatives, cela signifie que toutes les données enregistrées sont transcrites textuellement et dans certains cas, les transcriptions peuvent être partagées avec les répondants pour en vérifier le contenu. Cela implique également l’élaboration d’un livre de codes, en particulier lorsque plus d’un chercheur effectue l’analyse. Toutes les données qualitatives recueillies doivent être sauvegardées dans une application de gestion de données qualitative.
L’analyse de données dans les études quantitatives consiste à identifier des tendances par une analyse descriptive, en comparant les données, en testant des hypothèses et en trouvant des relations entre variables. Dans les études qualitatives, ce processus consiste à identifier, comprendre le sens et assigner des codes aux données, identifier les tendances et les thèmes émergents, et construire un cadre pour expliquer certains phénomènes. Cette activité sera décrite dans une section ultérieure.
Le stockage de données implique des activités non seulement pendant la période d’étude, mais également à long terme en archivant des données dans un dépôt ou un centre de données. Actuellement, le dépôt / stockage de données électroniques est le moyen préféré car il nécessite peu d’espace et est simple à sauvegarder. Cependant, une stratégie de stockage de données est nécessaire car les supports de stockage numériques ont également plusieurs limitations, par exemple, problèmes de qualité et obsolescence des supports de stockage, interopérabilité logicielle, équipement de lecture de données et alimentation électrique. La sécurité des données est un autre problème dans le stockage des données. Les problèmes de sécurité comprennent la sécurité physique des données (par exemple, salle ou armoire verrouillée, journal d’accès) et la sécurité des données électroniques (par exemple, accès sécurisé par mot de passe, niveau d’accès et cryptage des données pour partage et transmission). Les directives de l’OMS sur les bonnes pratiques cliniques recommandent que les données et les documents essentiels soient conservés pendant au moins deux ans après la fin du projet de recherche20.
Le partage de données est particulièrement important dans les études collaboratives multi-centres ou multi-pays. Le partage de données, ainsi que le transfert de données, le stockage de données et l’accès pour tous les partenaires ou institutions en collaboration peuvent être difficiles car ils peuvent impliquer des réglementations différentes. Le partage de fichiers en ligne (par exemple, cloud) peut être préférable, bien qu’il puisse ne pas convenir à tous les types de données, en particulier aux données confidentielles identifiables. De plus, les chercheurs ne contrôlent pas où les données sont effectivement stockées.
Le partage des données devient obligatoire dans de nombreux domaines afin d’assurer la transparence, d’éviter la duplication ainsi que le plagiat. Étant donné que la RMO peut impliquer différentes institutions ou organisations, les directives pour le partage et l’appropriation des données doivent être clairement énoncées au début par le biais d’accords tels qu’un protocole d’accord. Le partage des données doit suivre un processus clair et peut être effectué entre deux institutions de recherche, mais pas entre deux personnes. Il faut vérifier vos propres directives institutionnelles et nationales avant de concevoir des accords de partage de données.
La collecte, le stockage et la documentation de résultats correctement enregistrés et consultables sont essentiels pour toute recherche. De bonnes pratiques de collecte de données garantiront que les données peuvent être retracées jusqu’à leur source et leur forme originelle (c’est-à-dire jusqu’aux données brutes qui constituent le premier enregistrement de l’observation). Pour garantir ces caractéristiques, les données brutes doivent être enregistrées :
- Promptement : après qu’une tâche spécifique est terminée. Retarder l’enregistrement des données réduira la qualité des données car la mémoire est souvent faillible ou inexacte.
- Avec exactitude : un enregistrement inexact des données va réduire la fiabilité des données recueillies. L’exactitude constitue donc un élément essentiel de l’intégrité de l’étude.
- Lisiblement : les données manuscrites doivent être clairement écrites, les enregistrements électroniques ne doivent pas être difficiles à déchiffrer.
- De façon indélébile : les données brutes manuscrites doivent être enregistrées avec de l’encre permanente. Toute modification des données brutes ne doit pas masquer la donnée précédente. La date, le motif de la modification et la signature de la personne responsable de la modification doivent être ajoutés.
Un flux de données clair et régulièrement contrôlé aide à prévenir des pertes dans les données. Comme la RMO recueille différents types de données (patients, données organisationnelles et liées à la surveillance) provenant de diverses sources (c’est-à- dire participants, dossiers médicaux, registres de services de santé et de laboratoire, systèmes de surveillance et systèmes administratifs), un tableau détaillé doit être établi pour décrire le(s) voie(s) essentielle(s) à utiliser pour le processus de collecte de données en ce qui concerne le traitement des questionnaires, le codage, la saisie des données, la vérification des données, le nettoyage et le stockage des copies papier et la sauvegarde des fichiers de données.
La qualité des données est la clé pour avoir des données authentiques et scientifiques, et doit donc être prise très au sérieux. Des activités telles que la formation du personnel, la supervision de soutien et le feedback sur les données peuvent être utilisées pour améliorer la qualité des données.
Reportez-vous au module « Planification et conduite d’un projet de RMO » pour plus de détails.
Français
