AMMnet Annual Meeting – 2025: Day 1

MESA Correspondents bring you cutting-edge coverage from the AMMnet Annual Meeting – 2025.

*English Version (Version française ci-dessous)

Introduction and welcome remarks

The session was opened by Jaline Gerardin (Northwestern University, United states), Executive Director of AMMnet, who presented the agenda for the 2025 Applied Malaria Modeling Network (AMMnet) annual meeting, hosted this year in Dakar, Senegal. She introduced the central theme, “From Data to Decisions for Policy and Practice,” emphasizing the urgent need to transform data into effective public health actions. She highlighted the unique role of AMMnet in bringing together technical experts, researchers, and national programs to strengthen malaria modeling and decision-making capacity.

Following this, Molly Robertson, co-chair of the RBM Surveillance, Monitoring, and Evaluation Working Group (SME WG), took the floor. She explained that the SME WG operates under the Roll Back Malaria Partnership, coordinating efforts across countries and institutions to improve surveillance frameworks. She emphasized the importance of this collaboration with AMMnet in ensuring alignment of technical guidance and field implementation.

Next, Jennifer Gardy (Gates Foundation) shared the Foundation’s strategic focus on surveillance as a core investment area, alongside research and the development of new malaria tools. She stressed the need to not only strengthen current systems but also anticipate future needs, such as molecular surveillance. She invited participants to contribute ideas to shape a more robust, forward-looking surveillance strategy.

Finally, El Hadji Doucouré representing the Senegal National Malaria Control Program (NMCP), presented national efforts related to surveillance and monitoring and evaluation. He showcased the use of digital platforms like DHIS2 and Power BI for real-time surveillance, data sharing, and early epidemic response mechanisms at the district level. 

Plenary presentation: Role of analytics and modeling in decision-making, including subnational tailoring of malaria interventions

Arnaud Le Menach (Global Malaria Programme, World Health Organisation – WHO, United States) opened his presentation by highlighting the value of data analysis and modeling in effective decision-making. He began with a compelling analogy: like a car dashboard that displays real-time information such as speed, fuel levels, and warnings, data enables decision-makers to assess their environment, anticipate risks, and decide whether to slow down, adjust course, or stay on track. In this way, well-interpreted data helps optimize actions, saving both time and resources. Conversely, neglecting key signals or misreading them can lead to missed opportunities or poor outcomes. In the second part of his talk, he introduced the Subnational Tailoring (SNT) approach as a framework for using data to guide malaria control strategies. Rather than being a fixed protocol, SNT is a flexible decision-support process that transforms local data into actionable, tailored, and prioritized interventions. He also emphasized the value of scenario modeling, where countries simulate different implementation strategies, ideal, realistic, or resource limited to evaluate potential outcomes and make informed choices. For example, identifying regions with high malaria prevalence enables health officials to allocate more resources, like mosquito nets or seasonal chemoprevention, where they will have the greatest impact. Le Menach concluded by reminding the audience that analysis is not static; it is a dynamic, iterative and collaborative process that guides evidence-based decisions, ensuring timely, context-relevant, and effective responses.

Sharing of experiences using different types of analysis and modeling to support decision-making: Perspectives from national malaria programs

Wahjib Mohammed (National Malaria Elimination Programme – NMEP, Ghana) shared Ghana’s experience on the use of modeling to support the decision-making process. He began his presentation by explaining the paradigm shift undertaken by Ghana, moving from a malaria control approach to an elimination-focused strategy, which justifies the transition from the National Malaria Control Program (NMCP) to the National Malaria Elimination Program (NMEP). The country adopted an approach based on epidemiological stratification, using key indicators such as prevalence, incidence, and mortality to classify regions by malaria burden. With modeling tools, Ghana identified priority areas and simulated various intervention scenarios to evaluate their impact and cost-effectiveness. These insights supported evidence-based resource allocation and planning. Mohammed highlighted that combining routine data with modeling helps set long-term targets and monitor progress. He emphasized that continuous data analysis is not just useful for initial planning, but also for adjusting ongoing interventions. This approach enables better coordination with district-level teams and enhances the effectiveness of strategies. Ghana’s example demonstrates how integrating analytics into national programming can strengthen malaria elimination by ensuring targeted, efficient, and adaptive interventions aligned with evolving realities on the ground.

El Hadji Doucouré (National Malaria Control Program – NMCP, Senegal) presented Senegal’s approach to integrating surveillance, data analysis, and modeling in malaria control. He stressed the importance of robust digital data visualization and sharing systems, including DHIS2, Power BI, and the Malaria Atlas Project, which support real-time case tracking, dynamic mapping, and timely outbreak response. These tools improve data quality and allow faster decision-making. He highlighted the role of multisectoral data validation, ensuring reliability before use in planning. Senegal’s decentralized decision-making model empowers district-level teams to act according to local needs. Doucouré noted that continuous data flow and interpretation are critical for adaptive programming. Modeling is used to anticipate trends and to prioritize interventions based on evolving epidemiological contexts. His presentation illustrated how Senegal aligns data systems, national strategy, and implementation on the ground. This integrated framework enables responsive and context-specific decision-making that strengthens program performance at all levels of the health system.

Frank Chaky (National Malaria Control Program – NMCP, Tanzania) shared Tanzania’s experience on the use of modeling to inform strategic planning at the subnational level. Over the past two decades, Tanzania has transitioned from a “one-size-fits-all” approach to a data-driven, stratified response tailored to transmission intensity across regions, councils, and wards. This evolution, supported by comprehensive stratification methodologies and simulation models, has informed the development and operationalization of the National Malaria Strategic Plan (NMSP) 2021–2025. The country leverages key indicators such as malaria test positivity rates from outpatient department (OPD) and antenatal care visits data, annual parasite incidence, and malaria prevalence in school-aged children. By using refined scoring and classification systems, the NMCP is now able to allocate vector control interventions such as LLINs, IRS, and larviciding with greater precision and efficiency. Mathematical modeling further supports intervention impact estimation, resource optimization, and evaluation of strategic options in real time as Tanzania prepares for its MPR, new strategy, and Global Fund application.

Sharing of experiences using different types of analysis and modeling to support decision-making: Perspectives from analysts and modelers

Aïssata Barry (National Malaria Control Program – NMCP, Burkina Faso) presented a prioritization tree framework for the selection of operational areas to prioritize long-lasting insecticidal nets (LLINs) in urban settings. Initially, eight criteria were identified: malaria transmission zones, intensity of severe malaria in children under five years old, access to healthcare net use, species frequency, age distribution of uncomplicated malaria, vulnerable populations and socioeconomic status, and mosquito breeding grounds. Initially, two criteria were excluded: intensity of severe malaria in children under five years old and access to healthcare. Then, due to limitations in data availability, only three criteria were retained, on the basis of which the prioritization tree was developed. Leveraging various data sources, all information was analyzed, resulting in different prioritization trees, leading to interactive discussions on how to revise the tree to inform decisions. Barry’s work demonstrated the power of descriptive analysis for microstratification, emphasizing the need for high data quality and importance of appropriate interpretation. She concluded her talk with a call to strengthen local analysis to support optimized targeting of interventions.

In her talk, Shakira Babirye (Infectious Diseases Research Collaboration – IDRC, Uganda) demonstrated how various modeling approaches can transform data into actionable policy insights. She focused in particular on statistical models, used for quantifying relationships (regression & time-series), and on machine learning models, used for predictive analytics (random forest, neural networks). For each model type, Barbirye provided malaria-specific examples.  For instance, the use of regression models to identify target or high-risk populations, time-series models to predict seasonal outbreaks, and survival analysis to assess drug efficacy and guide treatment policies. Use cases for machine learning models included forecasting outbreaks and to enable rapid diagnostics. For all these models, Barbirye compared strengths and limitations, highlighting the need for context and question-specific modeling for effective decision making. Barbirye ended her presentation with a call to action for strengthening data systems and training to build modeling capacity.

Ousmane Diao (Ifakara Health Institute – IHI, Tanzania) presented on  ​​”Geospatial modeling to support decision-making”, offering a comprehensive overview that covered the history, definitions, rationale, requirements, challenges and real-word case studies for disease mapping.  The principle of spatial modeling “predicting where we don’t measure” lies in the use of relationships between relevant measures such as incidence and known variables like environmental covariates, satellite imagery, and health surveys to build models that help predict the measure in unsampled areas. Especially in the context of limited resources, this approach would be instrumental for targeting intervention efforts to maximize cost-effectiveness. Diao further highlighted the distinction in the use of geospatial modeling in elimination (e.g., Namibia) versus control settings (e.g., Mozambique), based on differences in data availability and the relevant measures to be predicted. He also covered the use of stratification tools, and discussed challenges, including data quality, integration of surveillance data, and collaboration with national programs. Finally, to use model outputs for decision making, he emphasized the importance of translating model outputs into policy briefs and actionable insights.  

Abdulzeid Yen Anafo (University of Mines and Technology – UMaT, Ghana) gave a talk on ​​”Scenario modelling for strategic decision-making: From mathematical frameworks to policy impact”, focusing on the use of mathematical modeling to inform decisions around seasonal malaria chemoprevention (SMC) in Ghana. Before diving into the case example, he provided a comprehensive overview of different types of scenarios, distinguishing data-driven scenarios, that are based on real surveillance data and empirically calibrated from hypothesis-driven scenarios, often used in data-limited settings or when simulating future scenarios guided by expert judgment. Both approaches are useful for generating insights and trends to inform strategic decision-making. Anafo demonstrated the method with a mathematical model applied to project the region and age-specific impact of extending SMC to five cycles and expanding coverage to include school-aged children in Ghana. Based on this modelling experience, he stressed the importance of clearly communicating uncertainties, assumptions, and limitations, especially when models are used to inform funding decisions. He concluded by reminding participants that model outputs must be adapted to local political and operational realities, and that transparent, well-explained modeling is critical for credibility and impact.

In her presentation, Hannah Slater (PATH, United States) introduced participants to the key concepts, definitions, and relevant considerations when applying cost-effectiveness analysis (CEA) for use in decision-making. She began by explaining that the definition of “effectiveness” can vary depending on the indicators used and the data available. To be most informative, this definition would need to be guided by the policymakers and aligned with health goals.  Slater then discussed the complexity of defining costs, which involves quantifying its components such as procurement, operations, and distribution. This becomes complex when needing to quantify the cost of increasing coverage or across different geographical areas. She presented a hypothetical example, contrasting standard treatment with indoor residual spraying (IRS) and seasonal malaria chemoprevention (SMC), illustrating real-world complexities like heterogeneity between regions and uncertainty. The cost of implementation is different in each region, the effectiveness also is in accordance with reality variations between areas. In addition, there would be a lot of political and feasibility considerations that cannot be totally built into CEA because of area context (e.g., areas where it has always been conducted, areas with conflict or displaced populations, equity in intervention in a lower transmission area, etc.). In conclusion, Slater emphasized that modelers and analysts need to work closely with policymakers to understand the range of possible options that are being considered, and to work with in-country experts to determine country-specific intervention costs. 

Panel Discussion: Cost-effectiveness analysis in practice

This panel discussion, brought together experts from National Malaria Programs (NMPs), international researchers, and funders to share their perspectives on the use of cost-effectiveness analysis (CEA) in the development of national strategic plans. The panelists included Alioune Camara (National Malaria Elimination Programme – NMEP, Guinea), Baltazar Candrinho (National Malaria Control Programme – NMCP, Mozambique), Médoune Diop (National Malaria Control Programme – NMCP, Senegal), Aboubakry Gollock (Cheikh Anta Diop University – UCAD, Senegal), Peter Winskill (Imperial College London – ICL, United Kingdom), Abigail Pratt (Gates Foundation, United States), and Hannah Slater (PATH, USA). 

After establishing the need for CEA by asking programs about the decisions they are currently facing, for instance re-adaptation of ITN strategies as mentioned by Camara, the discussion turned towards effectiveness, cost, and data needs. Candrinho, mentioned reduction in malaria mortality, and impact of case management and ITNs, which Diop followed up on by highlighting the need for early case management and focus on sub-populations to increase coverage. A significant challenge identified was the uncertainty and gaps in data, which limit the ability to pinpoint inefficiencies in program implementation. On the question of what makes a CEA model useful, replies included timeliness, ability to give the right guidance on strategies to choose. An additional benefit of CEA, panelists noted, is its ability to uncover low-cost, high-impact interventions that may otherwise be overlooked. Winskill highlighted the need for deep and sustained relationships between programs and modellers to be able to understand the context and distinguish between most cost-effective versus most appropriate. From a funders’ perspective, Pratt noted the value of CEA in informing how to shorten the endgame across the whole investment portfolio. When asked what CEA needs to be useful, the panelists emphasized the need of obtaining high-quality, local, and reliable cost, coverage, and health facility data from the programs. According to Diop, the cost-effectiveness of health financing can also be assessed by making funding available and establishing appropriate rewards for providers to guarantee that all individuals have access to effective public and personal health care. Camara suggested that useful cost analysis models must provide the best strategies for achieving maximum efficiency, namely: enabling informed decision-making and choices, taking account of both international data and local realities, and contributing to reducing the burden of malaria morbidity and mortality, particularly in endemic areas. 

Above all, the meeting highlighted the importance of transforming technical data into effortless, unambiguous statements that decision-makers can understand and apply in order to better select interventions and make better use of limited resources in malaria-endemic areas. 

Small Group Discussion: What makes for effective coordination and engagement between malaria programs, analysts and modelers

This session explored the theme of effective coordination and engagement between malaria programs, analysts, and modelers. The discussion was structured into two main groups (Group 1 and Group 2), each further divided into sub-groups A and B to address different sets of guiding questions.

Group A discussions focused on the following:

• What should countries expect from modelers/analysts who approach them?
• What do modelers/analysts need from countries for a successful engagement?
• What should countries look out for to decide what approach or modeling group to go with – technical criteria, engagement criteria, knowledge transfer criteria?
• How can capacity building be built into analysis and modeling support?
  

Group B discussions addressed questions related to sustaining long-term collaboration:

• How can analysts and modelers gain the trust of National Malaria Programs (NMPs)?
• How do we move from fly-in/fly-out analysis support and into something more
• long-term and sustainable?
• How can capacity building be built into analysis and modeling support?
• What can SME WG and AMMnet do to help make this happen?
  

Cherlynn Dumbura (Midlands State University, Zimbabwe) presented the outcomes of the group discussions for Group 1. 

Group A participants emphasized that countries expect modelers to clearly communicate their methodologies, assumptions, and limitations in a way that is accessible to decision-makers and non-technical stakeholders. This includes presenting results in formats adapted to programmatic needs and avoiding overly complex or inaccessible language. Participants stressed the need for humility from modelers, particularly when working across diverse country contexts, and highlighted the importance of co-developing tools that are responsive to local realities. For successful engagement, modelers need country ownership, access to data, and early coordination. When selecting modeling teams, countries need to prioritize technical expertise, communication skills, relevance to national priorities, and willingness to transfer knowledge. Capacity building must be embedded into modeling work, not treated as optional through on-the-job training, documentation, and mentorship

In Group B, participants stressed the need for transparency, continuity, and active involvement throughout decision-making processes. Moving beyond short-term “fly-in/fly-out” support toward embedded, sustainable partnerships was seen as essential. Institutionalizing capacity building within NMPs was strongly recommended to reduce external dependency. Participants advocated for country-led training programs, south-south mentorship, and long-term fellowships to strengthen in-country analytical capacities, underlining the challenge of retaining trained professionals and preventing recurrent gaps. Participants also called on the Surveillance, Monitoring and Evaluation Working Group (SME WG) and AMMnet to support this vision by strengthening regional training, connecting countries with reliable partners, and developing shared platforms for modeling tools. reiterated the importance of making capacity building a national priority.

Dumbura concluded by reinforcing the shared goal of sustained, country-led collaboration in malaria modeling.

Olufemi Oroge (National Malaria Elimination Programme – NMEP, Nigeria) presented the outcomes of the group discussions for Group 2. 

In Group A, participants emphasized the importance of country ownership in driving effective modeling collaboration. Countries were encouraged to define their own questions and challenges, while also providing modelers with essential inputs such as relevant data, contextual information, and knowledge of disease dynamics. They highlighted that modeling should be a collaborative process, not a one-way exchange, requiring mutual commitment and early engagement. To determine which modeling team or approach to adopt, participants recommended assessing alignment with national priorities, existing in-house modeling capacity, the receptiveness of policymakers to modeling outputs, and the availability and quality of data. Capacity building was seen as a critical component and should be embedded throughout the modeling process. This includes training young professionals, engaging university students and early-career researchers, and integrating modeling into national systems as an iterative and sustained practice.

In Group B, participants identified embedding technical experts within program teams and ensuring continuous, two-way communication as key strategies to build long-term trust and collaboration between modelers and NMPs. Participants emphasized the need to move away from short-term “fly-in/fly-out” support and instead institutionalize modeling through mentorship and local capacity development. Participants also acknowledged the vital role of the SME Working Group and AMMnet in advancing this agenda. They commended ongoing efforts such as regional hackathons, online collaboration platforms, and shared resources that promote transparency and capacity building. Continued support from these networks was seen as essential to enabling open data sharing, code accessibility, and iterative feedback, foundations for trust and sustainable partnerships.

Oroge concluded by reaffirming the central importance of shared ownership, mutual respect, and sustained capacity building in fostering impactful, country-led malaria modeling collaborations.

Closing remarks

The joint RBM Surveillance, Monitoring, and Evaluation Working Group (SME WG) and AMMnet meeting concluded with closing remarks delivered by Wahjib Mohammed (National Malaria Elimination Programme – NMEP, Ghana) and Molly Robertson, co-chair of the RBM Surveillance, Monitoring, and Evaluation Working Group (SME WG), who expressed gratitude for a highly productive and insightful day. The session highlighted the success of bringing together the modeling and SME WG communities, and emphasized the importance of sustaining this collaboration under the AMMnet network moving forward. Both speakers underlined the value of continued engagement, transparent communication, and inclusive participation to support data-driven decision-making. Appreciation was extended to all those who contributed to organizing the event, both visible and behind the scenes. The meeting concluded with an invitation to a reception, marking the end of the day’s activities and opening a new chapter for AMMnet.

 

* Version en français

Introduction et mots de bienvenue

La session a été ouverte par Jaline Gerardin  (Université Northwestern, États-Unis), directrice exécutive d’AMMnet, qui a présenté l‘ordre du jour de la réunion annuelle 2025 du Réseau de Modélisation Appliquée au Paludisme (AMMnet), organisée cette année à Dakar, au Sénégal. Elle a introduit le thème central, « Des données aux décisions pour les politiques et les pratiques », en mettant l’accent sur la nécessité de transformer les données en actions efficaces en santé publique. Elle a mis en lumière le rôle unique d’AMMnet dans la mise en relation des experts techniques, des chercheurs et des acteurs des programmes nationaux afin de renforcer les capacités en modélisation du paludisme et en appui à la prise de décision.

Ensuite, Molly Robertson, coprésidente du Groupe de Travail sur la Surveillance, le Suivi et l’Évaluation (SME WG) du partenariat Roll Back Malaria, a pris la parole. Elle a expliqué que ce groupe œuvre pour la coordination des efforts entre les pays et les institutions pour améliorer les cadres de surveillance. Elle a insisté sur l’importance de cette collaboration avec AMMnet afin d’assurer la cohérence entre les orientations techniques et leur mise en œuvre sur le terrain.

Par la suite, Jennifer Gardy (Fondation Gates) a partagé les orientations stratégiques de la Fondation, qui font de la surveillance l’un des piliers centraux de ses investissements, aux côtés de la recherche et du développement de nouveaux outils de lutte contre le paludisme. Elle a souligné la nécessité de renforcer les systèmes existants tout en anticipant les besoins futurs, comme la surveillance moléculaire. Elle a invité les participants à proposer des idées pour bâtir une stratégie de surveillance plus solide et orientée vers l’avenir.

Enfin, El Hadji Doucouré représentant du Programme National de Lutte contre le Paludisme (PNLP) du Sénégal, a présenté les efforts nationaux en matière de surveillance et de suivi-évaluation. Il a mis en avant l’utilisation de plateformes numériques telles que DHIS2 et Power BI pour assurer une surveillance en temps réel, le partage des données et des mécanismes de réponse précoce aux épidémies au niveau des districts.

Présentation plénière : Le rôle de l’analyse et de la modélisation dans la prise de décision, adaptation sous-nationale des interventions contre le paludisme

Arnaud Le Menach (Programme mondial de lutte contre le paludisme, Organisation Mondiale de la Santé OMS, États-Unis) a commencé sa présentation en soulignant l’importance de l’analyse des données et de la modélisation pour une prise de décision efficace. Il a eu recours à une analogie fascinante pour introduire son message. À l’image d’un tableau de bord de voiture qui affiche des informations en temps réel sur la vitesse, le niveau de carburant, et les alertes, les données permettent aux décideurs d’évaluer leur environnement, d’anticiper les risques et de décider s’il faut ralentir, changer de direction ou demeurer sur la bonne voie. Ainsi, une interprétation pertinente des données permet d’optimiser les actions, en économisant du temps et des ressources. En revanche, ignorer ou mal interpréter les signaux clés peut entraîner des occasions manquées ou des décisions inadaptées. Dans la seconde partie de son intervention, il a présenté la démarche d’adaptation sous-nationale (Subnational Tailoring, SNT) comme un cadre permettant d’utiliser les données pour orienter les stratégies de lutte contre le paludisme. Plutôt qu’un protocole fixe, la SNT est un processus flexible d’aide à la décision, qui transforme les données locales en interventions concrètes, ciblées et hiérarchisées. Il a également souligné l’intérêt de la modélisation de scénarios, qui permet aux pays de simuler différentes stratégies de mise en œuvre idéales, réalistes ou contraintes par les ressources afin d’en évaluer les résultats potentiels et de faire des choix éclairés. Par exemple, identifier les régions à forte prévalence du paludisme permet aux autorités sanitaires d’y concentrer davantage de ressources, comme les moustiquaires ou la chimioprévention saisonnière, là où l’impact sera le plus important. Le Menach a conclu en rappelant à l’audience que l’analyse n’est pas statique : il s’agit d’un processus dynamique, itératif et collaboratif, qui guide les décisions fondées sur des données probantes, en garantissant des réponses opportunes, adaptées au contexte et efficaces.

Partage d’expériences sur l’utilisation de différents types d’analyses et de modélisation pour appuyer la prise de décision : Perspectives des programmes nationaux de lutte contre le paludisme

Wahjib Mohammed (Programme national d’élimination du paludisme – NMEP, Ghana) a partagé l’expérience du Ghana concernant l’utilisation de la modélisation pour soutenir le processus de prise de décision. Il a commencé sa présentation en expliquant le changement de paradigme opéré par le Ghana, passant d’une approche de contrôle du paludisme à une logique d’élimination, ce qui justifie l’évolution du PNLP (NMCP) vers le Programme national d’élimination du paludisme (NMEP en angalis). Le pays a adopté une approche reposant sur la stratification épidémiologique, en utilisant des indicateurs clés tels que la prévalence, l’incidence et la mortalité pour classer les régions en fonction de leur niveau de charge palustre. À l’aide d’outils de modélisation, le Ghana a pu identifier des zones prioritaires et simuler divers scénarios d’intervention pour en évaluer l’impact et la rentabilité en termes de rapport coût-efficacité. Ces analyses ont permis une planification et une allocation des ressources fondées sur des données probantes. Mohammed a souligné que la combinaison des données de routine et de la modélisation permet de fixer des objectifs à long terme et de suivre les progrès. Il a insisté sur le fait que l’analyse continue des données est utile non seulement pour la planification initiale, mais aussi pour l’ajustement des interventions en cours. Cette approche favorise une meilleure coordination avec les équipes de niveau district et renforce l’efficacité des stratégies. L’exemple du Ghana montre que l’intégration de l’analyse dans les programmes nationaux peut renforcer l’élimination du paludisme grâce à des interventions ciblées, efficaces et adaptées à l’évolution des contextes locaux.

El Hadji Doucouré (Programme national de lutte contre le paludisme – PNLP, Sénégal) a présenté l’approche du Sénégal en matière d’intégration de la surveillance, de l’analyse des données et de la modélisation dans la lutte contre le paludisme. Il a mis l’accent sur l’importance de disposer de systèmes numériques robustes de visualisation et de partage des données, tels que DHIS2, Power BI et le Malaria Atlas Project, qui permettent le suivi des cas en temps réel, la cartographie dynamique et une intervention en temps opportun face aux flambées épidémiques. Ces outils améliorent la qualité des données et facilitent une prise de décision rapide. Il a mis en avant le rôle de la validation multisectorielle des données, garantissant leur fiabilité avant leur utilisation dans la planification. Le modèle de prise de décision décentralisée du Sénégal donne aux équipes locales la capacité d’agir selon les besoins spécifiques de leur zone. Doucouré a également noté que la circulation et l’interprétation continues des données sont essentielles à l’adaptation des programmes. La modélisation a été utilisée pour anticiper les tendances et prioriser les interventions selon les contextes épidémiologiques. Dans son discours, il a illustré la manière dont le Sénégal aligne ses systèmes de données, sa stratégie nationale et sa mise en œuvre opérationnelle. Ce cadre intégré permet une prise de décision réactive et contextualisée, renforçant l’efficacité du programme à tous les niveaux du système de santé.

Frank Chaky (Programme national de lutte contre le paludisme – PNLP, Tanzanie) a partagé l’expérience de la Tanzanie dans l’utilisation de la modélisation pour guider la planification stratégique au niveau sous-national. Au cours des deux dernières décennies, la Tanzanie est passée d’une approche uniforme à une riposte basée sur les données, stratifiée en fonction de l’intensité de la transmission dans les régions, les districts et les communes. Cette évolution, soutenue par des méthodologies de stratification approfondies et des modèles de simulation, a guidé l’élaboration et la mise en œuvre du Plan Stratégique National (PSN) de lutte contre le paludisme 2021–2025. Le pays exploite des indicateurs clés tels que les taux de positivité des tests issus des consultations externes et des données de consultations prénatales (CPN), l’incidence parasitaire annuelle, ainsi que la prévalence du paludisme chez les enfants en âge d’être scolarisés. Grâce à un système de classification et de notation raffiné, le PNLP peut désormais déployer avec plus de précision et d’efficacité les interventions de lutte antivectorielle telles que les moustiquaires imprégnées de longue durée d’action (MILDA), la pulvérisation intra-domiciliaire (PID) et la lutte antilarvaire (LAL). La modélisation mathématique soutient également l’estimation de l’impact des interventions, l’optimisation des ressources et l’évaluation des options stratégiques en temps réel, étant donné que la Tanzanie se prépare à sa revue programmatique, à une nouvelle stratégie et à la prochaine demande de financement au Fonds mondial.

Partage d’expériences sur l’utilisation de différents types d’analyses et de modélisation pour appuyer la prise de décision : perspectives d’analystes et de modélisateurs

Aïssata Barry (Programme National de Lutte Contre le Paludisme – PNLP, Burkina Faso) a présenté un arbre décisionnel de prioriszation pour la sélection des zones opérationnelles où cibler la distribution des moustiquaires imprégnés d’insecticides à longue durée d’actions (MILDA) en milieu urbain. Initialement, huit critères ont été identifiés : la zone de transmission du paludisme, l’intensité de la transmission du paludisme grave chez les moins de cinq ans, l’accès aux soins de santé, le taux d’utilisation de moustiquaires, la fréquence des espèces, la répartition par âge des estimations relatives au paludisme simple, les populations vulnérables et les gîtes larvaires des moustiques. Initialement, deux critères ont été exclus : l’intensité de la transmission du paludisme grave chez les moins de cinq ans et l’accès aux soins de santé. Par la suite, en raison de la disponibilité limitée des données, seuls trois critères ont finalement été retenus, sur la base desquels l’arbre de priorisation a été élaboré. En s’appuyant sur divers sources de données, toutes les informations ont été analysées ce qui a donné lieu à des arbres de priorization différentes et à des discussions interactives sur la manière de réviser l’arbre afin d’éclairer les décisions. Le travail de Barry a démontré la puissance de l’analyse descriptive pour la micro stratification, en soulignant la nécessité de disposer de données de qualité et l’importance d’une interprétation appropriée. Elle a conclu son exposé en appelant au renforcement de l’analyse locale afin d’optimiser le ciblage des interventions.

Dans son exposé, Shakira Babirye (Collaboration pour la recherche sur les maladies infectieuses – IDRC, Ouganda), a montré comment diverses approches de modélisation peuvent transformer les données en informations politiquement exploitables. Elle s’est concentrée en particulier sur les modèles statistiques, utilisés pour quantifier les relations (la régression et les séries temporelles), et sur les modèles d’apprentissage automatique, utilisés pour l’analyse prédictive (forêt aléatoire, réseaux de neurones). Pour chaque type de modèle, Babirye a fourni des exemples d’applications spécifiques au paludisme.  Par exemple, l’utilisation de modèles de régression pour identifier les populations cibles ou à haut risque, de modèles de séries chronologiques pour prédire les épidémies saisonnières, et d’analyses de survie pour évaluer l’efficacité des médicaments et guider les politiques de traitement. Les cas d’utilisation des modèles d’apprentissage automatique comprenaient la prévision des épidémies et déploiement tests de diagnostics rapides. Pour tous ces modèles, Babirye a comparé les forces et les limites en soulignant la nécessité d’une modélisation adaptée au contexte et à la question posée, afin de favoriser une prise de décision efficace. Babirye a terminé sa présentation par un appel à l’action en faveur du renforcement des systèmes de données et de la formation pour développer les capacités de modélisation.

Ousmane Diao (Institut de Santé d’Ifakara – IHI, Tanzanie) a fait une présentation sur la « modélisation géospatiale pour guider la prise de décision », offrant un aperçu complet couvrant l’historique, les définitions, les fondements, les exigences, les défis ainsi que des études de cas concrètes en matière de cartographie des maladies. Le principe de la modélisation spatiale « prédire là où nous ne mesurons pas » réside dans l’utilisation de relations entre des mesures pertinentes telles que l’incidence et des variables connues comme les co-variables environnementales, l’imagerie satellitaire et les enquêtes de santé pour construire des modèles qui aident à prédire la mesure dans les zones non échantillonnées. Dans un contexte de ressources limitées, cette approche serait particulièrement utile pour cibler les efforts d’intervention afin de maximiser le rapport coût-efficacité. Diao a en outre souligné la distinction entre l’utilisation de la modélisation géospatiale dans les contextes d’élimination (par exemple, en Namibie) et de contrôle (par exemple, au Mozambique), cette différenciation reposant sur la disponibilité des données ainsi que sur la nature des indicateurs à modéliser. Il a également abordé l’utilisation d’outils de stratification et discuté des défis à relever, notamment la qualité des données, l’intégration des données de surveillance et la collaboration avec les programmes nationaux. Enfin, pour utiliser les résultats des modèles dans la prise de décision, il a souligné l’importance de traduire les résultats des modèles en notes de synthèse et en informations exploitables.

Abdulzeid Yen Anafo (Université des Mines et des Technologies – UMaT, Ghana) a présenté un exposé intitulé ​​« Modélisation de scénarios pour la prise de décision stratégique : Des cadres mathématiques à l’impact politique », en se concentrant sur l’utilisation de la modélisation mathématique pour éclairer les décisions relatives à la chimioprévention saisonnière du paludisme (CPS) au Ghana. Avant d’aborder l’exemple de cas, Il a fourni un aperçu complet des différents types de scénarios, en distinguant les scénarios basés sur des données, qui reposent sur des données de surveillance réelles et calibrés de manière empirique, des scénarios basés sur des hypothèses, souvent utilisés dans des contextes où les données sont limitées ou lors de la simulation de scénarios futurs guidés par le jugement d’un expert. Les deux approches sont utiles pour générer des idées et des tendances afin d’éclairer la prise de décision stratégique. Anafo a illustré la méthodologie utilisée à l’aide d’un modèle mathématique appliqué pour prédire l’impact, selon les régions et les tranches d’âge, de l’extension de la CPS à cinq cycles ainsi que l’augmentation de la couverture cible pour inclure les enfants d’âge scolaire au Ghana. Sur la base de cette expérience de modélisation, il a souligné l’importance de communiquer clairement les incertitudes, les hypothèses et les limites, en particulier lorsque les modèles sont utilisés pour guider les décisions de financement. Il a conclu en rappelant aux participants que les résultats des modèles doivent être adaptés aux réalités politiques et opérationnelles locales, et que la transparence ainsi qu’une explication claire des modèles sont essentielles pour garantir leur crédibilité et leur impact.

Lors de sa présentation, Hannah Slater (PATH, États-Unis) a commencé par présenter les concepts clés, les définitions et les considérations pertinentes dans l’application de l’analyse coût-efficacité pour la prise de décision. Elle a d’abord montré que la définition de l’efficacité peut varier en fonction des indicateurs utilisés et des données disponibles. Pour être la plus informative possible, cette définition devrait être guidée par les décideurs et alignée aux objectifs de santé. Slater a ensuite évoqué la complexité de la définition de coût, qui implique de quantifier ses composantes telles que l’approvisionnement, les opérations et le déploiement. Cela devient complexe lorsqu’il s’agit de quantifier le coût de l’augmentation de la couverture ou des différentes zones géographiques. Elle a présenté un exemple hypothétique opposant le traitement standard à la pulvérisation intra-domiciliaire (PID) et à la chimioprévention saisonnière du paludisme (CPS), afin d’illustrer les complexités du monde réel telles que l’hétérogénéité entre les régions et l’incertitude des données. Le coût de la mise en œuvre varie d’une région à l’autre, l’efficacité est également en adéquation avec la réalité des variations entre les régions. Par ailleurs, de nombreuses considérations politiques et de faisabilité, propres au contexte local, ne peuvent dans une certaine mesure être entièrement intégrées dans une analyse coût-efficacité en raison du contexte de la région. Il s’agit, par exemple, des zones où les interventions sont traditionnellement menées, des régions en conflit ou accueillant des populations déplacées, ou encore des enjeux d’équité dans les zones de faible transmission. En conclusion, Slater a souligné que les modélisateurs et les analystes doivent travailler en étroite collaboration avec les décideurs politiques afin d’améliorer la qualité de l’évaluation des risques.

Table ronde : L’analyse du rapport coût-efficacité en pratique

Cette table ronde a réuni des experts des Programmes Nationaux de Lutte contre le Paludisme (PNLP), des chercheurs internationaux et des bailleurs de fonds afin de partager leurs perspectives sur l’utilisation de l’analyse de coût-efficacité (ACE) dans l’élaboration des plans stratégiques nationaux. Le panel réunissait Alioune Camara (Programme National d’Élimination du Paludisme – PNEP, Guinée), Baltazar Candrinho (Programme National de Lutte contre le Paludisme – PNLP, Mozambique), Médoune Diop (Programme National de Lutte contre le Paludisme – PNLP, Sénégal), Aboubakry Gollock (Université Cheikh Anta Diop – UCAD, Sénégal), Peter Winskill (Imperial College London – ICL, Royaume-Uni), Abigail Pratt (Fondation Gates, États-Unis) et Hannah Slater (PATH, États-Unis).

Après avoir établi la nécessité de recourir à l’ACE en interrogeant les programmes sur les décisions qu’ils doivent actuellement prendre, comme la réadaptation des stratégies de distribution des moustiquaires imprégnées d’insecticide (MII), mentionnée par Camara, la discussion s’est orientée vers l’efficacité, les coûts et les besoins en données. Candrinho a évoqué la réduction de la mortalité liée au paludisme, ainsi que l’impact de la prise en charge des cas et des MII. Diop a enchaîné en soulignant la nécessité d’une prise en charge précoce des cas et d’une focalisation sur certaines sous-populations pour améliorer la couverture. Un défi majeur identifié fut l’incertitude et les lacunes dans les données, ce qui limite la capacité à repérer les inefficacités dans la mise en œuvre des programmes. À la question de savoir ce qui rend un modèle ACE utile, les réponses ont inclus sa rapidité à fournir des orientations précises sur les stratégies à adopter. Les panélistes ont également noté qu’un avantage supplémentaire de l’ACE est sa capacité à révéler des interventions peu coûteuses et à fort impact qui pourraient autrement être négligées. Winskill a souligné l’importance de relations profondes et durables entre les programmes et les modélisateurs, afin de comprendre le contexte et de distinguer ce qui est le plus rentable de ce qui est le plus approprié. Du point de vue des bailleurs, Pratt a mis en avant la valeur de l’ACE pour guider l’accélération de la phase finale dans l’ensemble du portefeuille d’investissement. Interrogée sur ce dont l’analyse coût-efficacité a besoin pour être utile, les panélistes ont insisté sur l’importance d’obtenir des données de qualité, locales et fiables sur les coûts, la couverture et les structures de soins à partir des programmes. Selon Diop, l’efficacité des financements en santé peut également s’apprécier à travers la disponibilité des financements et la mise en place d’ incitations appropriées pour les prestataires, afin de garantir un accès équitable aux soins de santé publics et privés pour tous Camara a souligné des modèles d’analyse des coûts pertinents doivent proposer les meilleures stratégies pour optimiser l’efficience. Cela implique de permettre une prise de décision éclairée, d’intégrer à la fois les données internationales et les réalités locales, et contribuer à la réduction de la morbidité et de la mortalité dues au paludisme, notamment dans les zones endémiques.

Par-dessus tout, la réunion a souligné l’importance de transformer les données techniques en messages simples et clairs, permettant aux décideurs de mieux choisir les interventions et d’optimiser l’utilisation des ressources limitées dans les zones endémiques du paludisme.

Discussion en petits groupes : Qu’est-ce qui favorise une coordination et un engagement efficaces entre les programmes de lutte contre le paludisme, les analystes et les modélisateurs?

Cette session a exploré le thème de la coordination et de l’engagement efficaces entre les programmes nationaux de lutte contre le paludisme, les analystes et les modélisateurs. La discussion était structurée en deux grands groupes (Groupe 1 et Groupe 2), chacun subdivisé en sous-groupes A et B afin de répondre à différentes séries de questions directrices.

Les discussions du Groupe A ont porté sur les questions suivantes :

• Que doivent attendre les pays des modélisateurs/analystes qui les approchent ?
• De quoi les modélisateurs/analystes ont-ils besoin des pays pour un engagement réussi ?
• Quels critères (techniques, d’engagement, de transfert de connaissances) les pays doivent-ils considérer pour choisir une équipe de modélisation ?
• Comment intégrer le renforcement des capacités dans le soutien à l’analyse et à la modélisation ?

Les discussions du Groupe B ont abordé des questions liées à la pérennité de la collaboration à long terme :

• Comment les analystes et modélisateurs peuvent-ils gagner la confiance des programmes nationaux de lutte contre le paludisme (PNLP) ?
• Comment passer d’un soutien ponctuel (“fly-in/fly-out”) à un partenariat durable ?
• Comment intégrer le renforcement des capacités dans ces collaborations ?
• Quel rôle pour le groupe de travail SME et AMMnet dans ce processus ?

Cherlynn Dumbura (Université d’État du Midlands, Zimbabwe) a présenté les résultats des discussions du Groupe 1

Les participants du Groupe A ont souligné que les pays attendent des modélisateurs qu’ils communiquent clairement leurs méthodologies, hypothèses et limites, dans un langage compréhensible pour les décideurs et parties prenantes non spécialistes du domaine. Les résultats doivent être présentés dans des formats adaptés aux besoins des programmes, en évitant le jargon technique inutile. L’humilité des modélisateurs, notamment dans des contextes nationaux variés, a été jugée essentielle, ainsi que la co-conception d’outils tenant compte des réalités locales. Pour un engagement réussi, les modélisateurs doivent bénéficier d’un leadership national fort, d’un accès aux données, et d’une coordination dès les premières étapes. Les pays devraient sélectionner les équipes de modélisation en fonction de leur expertise technique, leurs capacités de communication, leur alignement avec les priorités nationales et leur volonté de transférer les compétences. Le renforcement des capacités doit être intégré dans tout le processus de modélisation, via la formation en cours de travail, la documentation claire et le mentorat.

Dans le Groupe B, les participants ont insisté sur la nécessité de transparence, de continuité et d’implication active dans les processus décisionnels. Aller au-delà du soutien ponctuel et instaurer des partenariats durables intégrés est essentiel. L’institutionnalisation du renforcement des capacités au sein des PNLP a été vivement recommandée afin de réduire la dépendance extérieure. Les participants ont plaidé pour des programmes de formation pilotés par les pays, des mécanismes de mentorat Sud-Sud, et des bourses de longue durée pour renforcer les compétences locales, tout en soulignant le défi de la rétention du personnel qualifié. Le groupe a également appelé le comité de travail SME et AMMnet à soutenir cette vision en renforçant la formation régionale, en mettant les pays en relation avec des partenaires fiables et en développant des plateformes partagées pour les outils de modélisation. Le renforcement des capacités doit devenir une priorité nationale.

Pour conclure, Dumbura a réaffirmé l’objectif commun d’une collaboration durable, pilotée par les pays, dans le domaine de la modélisation du paludisme.

Olufemi Oroge (Programme national pour l’élimination du paludisme – NMEP, Nigéria) a présenté les résultats des discussions du Groupe 2.

Dans le Groupe A, les participants ont souligné l’importance du leadership national dans la réussite des collaborations en matière de modélisation. Les pays doivent être en mesure de définir eux-mêmes leurs questions à explorer ainsi que les défis à relever, tout en fournissant aux modélisateurs les données, le contexte local et les connaissances sur la dynamique de la maladie. La modélisation doit être un processus collaboratif, impliquant un engagement mutuel dès le départ. Pour choisir une équipe ou une approche de modélisation, les pays doivent évaluer l’alignement avec leurs priorités, les capacités internes existantes, la réceptivité des décideurs aux résultats de la modélisation, ainsi que la disponibilité et la qualité des données. Le renforcement des capacités est crucial et doit être intégré tout au long du processus. Cela inclut la formation des jeunes professionnels, l’implication des étudiants et chercheurs en début de carrière, et l’intégration de la modélisation dans les systèmes nationaux de manière durable.

Sous-groupe B

Dans le Groupe A, les participants ont identifié l’intégration d’ analystes et de modélisateurs au sein des équipes des programmes, ainsi qu’une communication continue et bilatérale, comme des stratégies clés pour instaurer une collaboration durable et de confiance entre ces experts techniciens et les PNLP. Ils ont également souligné la nécessité de rompre avec les modèles de soutien ponctuel et institutionnaliser la modélisation via des mécanismes de mentorat et de renforcement des capacités locales. Le rôle essentiel du groupe de travail SME et d’AMMnet a été reconnu, notamment à travers des initiatives comme les hackathons régionaux, les plateformes de collaboration en ligne et les ressources partagées qui favorisent la transparence et le développement des compétences. Le soutien continu de ces réseaux est indispensable pour faciliter le partage des données, l’accessibilité des codes, et un retour d’information régulier, éléments fondamentaux pour établir des partenariats durables.

Oroge a conclu en réaffirmant l’importance de l’appropriation partagée, du respect mutuel et du renforcement des capacités à long terme pour favoriser des collaborations de modélisation du paludisme efficaces et dirigées par les pays.

Remarques de clôture

La réunion conjointe du Groupe de travail RBM sur la Surveillance, le Suivi et l’Évaluation et du réseau AMMnet a étét conclue par des remarques finales prononcées par Wahjib Mohammed (Programme national d’élimination du paludisme du Ghana) et Molly Robertson, co-présidente du SME WG. Tous deux ont exprimé leur profonde gratitude pour cette journée particulièrement riche en échanges productifs et en enseignements. La session a mis en lumière le succès de la rencontre entre les communautés de la modélisation et de la surveillance, tout en soulignant l’importance de pérenniser cette collaboration sous la bannière réseau AMMnet à l’avenir. Les intervenants ont insisté sur la nécessité de maintenir un engagement actif, une communication transparente et une participation inclusive afin de soutenir une prise de décision basée sur les données. Des remerciements ont été adressés à l’ensemble des personnes ayant contribué à l’organisation de l’événement, tant sur le devant de la scène qu’en coulisses. La réunion s’est clôturée par une invitation à une réception, marquant la fin des activités de la journée et la poursuite du programme d’AMMnet.