EpiGuider, Douala (2026)

22/05/2026

🌍 DAY 29 — Numerators That Mislead

📌 Big numbers can be misleading.

In epidemiology, the numerator alone does not tell the full story.

A large number of cases does NOT always mean higher risk.

━━━━━━━━━━━━━━━━━━━━━━

🔍 What is a numerator?

The numerator represents:
👉 The number of events being measured.

Examples:
• Number of cases
• Number of deaths
• Number of hospitalizations

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why numerators can mislead

Looking only at the numerator ignores:
• Population size
• Population at risk
• Time period
• Context

━━━━━━━━━━━━━━━━━━━━━━

📊 Example

Country A
10,000 cases
Population = 100 million

Country B
2,000 cases
Population = 50,000

At first glance:
👉 Country A looks worse.

But after calculating rates:
👉 Country B has a much higher disease burden.

━━━━━━━━━━━━━━━━━━━━━━

📉 Common situations where numerators mislead

1️⃣ Comparing raw case counts
Without considering population size.

2️⃣ Comparing countries with different populations
Large countries naturally report more cases.

3️⃣ Ignoring time
100 cases in one week is different from 100 cases in one year.

4️⃣ Ignoring testing levels
More testing may detect more cases.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why this matters in practice

Misleading numerators can lead to:
• Wrong priorities
• Public panic
• Misallocation of resources
• Poor decision-making

━━━━━━━━━━━━━━━━━━━━━━

🧠 Key insight

A numerator without context can distort reality.

Good epidemiology requires:
👉 Numerator + denominator + context

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Common pitfall

Using raw numbers instead of rates.

━━━━━━━━━━━━━━━━━━━━━━

🎯 Takeaway

Numbers alone do not tell the full story.
Interpretation requires context.

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Epidemiologist | Public Health Specialist

━━━━━━━━━━━━━━━━━━━━━━

JOUR 29 — Numérateurs trompeurs

📌 Les grands chiffres peuvent être trompeurs.

En épidémiologie, le numérateur seul ne raconte pas toute l’histoire.

Un grand nombre de cas ne signifie PAS toujours un risque plus élevé.

━━━━━━━━━━━━━━━━━━━━━━

🔍 Qu’est-ce qu’un numérateur ?

Le numérateur représente :
👉 Le nombre d’événements mesurés.

Exemples :
• Nombre de cas
• Nombre de décès
• Nombre d’hospitalisations

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi les numérateurs peuvent tromper

Regarder uniquement le numérateur ignore :
• La taille de la population
• La population à risque
• La période étudiée
• Le contexte

━━━━━━━━━━━━━━━━━━━━━━

📊 Exemple

Pays A
10 000 cas
Population = 100 millions

Pays B
2 000 cas
Population = 50 000

À première vue :
👉 Le pays A semble plus touché.

Mais après calcul des taux :
👉 Le pays B a un poids beaucoup plus élevé.

━━━━━━━━━━━━━━━━━━━━━━

📉 Situations fréquentes

1️⃣ Comparer des nombres bruts
Sans tenir compte de la population.

2️⃣ Comparer des pays différents
Les grands pays rapportent naturellement plus de cas.

3️⃣ Ignorer le temps
100 cas en une semaine ≠ 100 cas en une année.

4️⃣ Ignorer le niveau de dépistage
Plus de tests peuvent détecter plus de cas.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi c’est important

Les numérateurs trompeurs peuvent entraîner :
• Mauvaises priorités
• Panique
• Mauvaise allocation des ressources
• Mauvaises décisions

━━━━━━━━━━━━━━━━━━━━━━

🧠 Point clé

Un numérateur sans contexte peut déformer la réalité.

Une bonne épidémiologie nécessite :
👉 Numérateur + dénominateur + contexte

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Erreur fréquente

Utiliser des nombres bruts au lieu des taux.

━━━━━━━━━━━━━━━━━━━━━━

🎯 À retenir

Les chiffres seuls ne racontent pas toute l’histoire.
L’interprétation nécessite du contexte.

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

21/05/2026

🌍 DAY 28 — Population at Risk

📌 Not everyone in a population can develop every disease.

In epidemiology, we must identify:
👉 Who is actually at risk?

This is called the:
📊 Population at risk

━━━━━━━━━━━━━━━━━━━━━━

🔍 What is a population at risk?

The population at risk includes:
👉 People who are capable of developing the disease or health event being studied.

Only those who can truly experience the outcome should be included in the denominator.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why this matters

Using the wrong population can produce:
• Incorrect rates
• Misleading conclusions
• Poor public health decisions

━━━━━━━━━━━━━━━━━━━━━━

📊 Examples

Cervical cancer
👉 Only individuals with a cervix are at risk.

Maternal mortality
👉 Only pregnant women are at risk.

Prostate cancer
👉 Only males are at risk.

Measles outbreak in unvaccinated communities
👉 Vaccinated individuals may have much lower risk.

━━━━━━━━━━━━━━━━━━━━━━

🧠 Key principle

The denominator must match:
👉 The population truly exposed or susceptible to the condition.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why this matters in practice

Correctly defining the population at risk helps:
• Improve indicator accuracy
• Compare populations fairly
• Better target interventions

━━━━━━━━━━━━━━━━━━━━━━

🧠 Key insight

A good epidemiologist always asks:
👉 “Who can actually develop this condition?”

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Common pitfall

Using the total population when only a subgroup is truly at risk.

━━━━━━━━━━━━━━━━━━━━━━

🎯 Takeaway

Not all populations are populations at risk.

✅ Correct epidemiology starts with defining the right denominator.

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Epidemiologist | Public Health Specialist

━━━━━━━━━━━━━━━━━━━━━━

JOUR 28 — Population à risque

📌 Toute la population ne peut pas développer toutes les maladies.

En épidémiologie, il faut identifier :
👉 Qui est réellement à risque ?

C’est ce qu’on appelle :
📊 La population à risque

━━━━━━━━━━━━━━━━━━━━━━

🔍 Qu’est-ce qu’une population à risque ?

La population à risque comprend :
👉 Les personnes pouvant réellement développer la maladie ou l’événement étudié.

Seules ces personnes doivent être incluses dans le dénominateur.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi c’est important

Utiliser la mauvaise population peut entraîner :
• Des taux incorrects
• Des conclusions trompeuses
• De mauvaises décisions

━━━━━━━━━━━━━━━━━━━━━━

📊 Exemples

Cancer du col de l’utérus
👉 Seules les personnes ayant un col sont à risque.

Mortalité maternelle
👉 Seules les femmes enceintes sont à risque.

Cancer de la prostate
👉 Seuls les hommes sont à risque.

Rougeole dans une communauté non vaccinée
👉 Les personnes vaccinées ont un risque beaucoup plus faible.

━━━━━━━━━━━━━━━━━━━━━━

🧠 Principe clé

Le dénominateur doit correspondre :
👉 À la population réellement exposée ou susceptible.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi c’est essentiel

Bien définir la population à risque permet :
• D’améliorer la précision des indicateurs
• De comparer correctement les populations
• De mieux cibler les interventions

━━━━━━━━━━━━━━━━━━━━━━

🧠 Point clé

Un bon épidémiologiste demande toujours :
👉 « Qui peut réellement développer cette maladie ? »

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Erreur fréquente

Utiliser la population totale alors qu’un sous-groupe seulement est concerné.

━━━━━━━━━━━━━━━━━━━━━━

🎯 À retenir

Toute population n’est pas une population à risque.

✅ Une bonne épidémiologie commence par le bon dénominateur.

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

20/05/2026

🌍 DAY 27 — Denominator Problems

📌 A number alone can be misleading.

In epidemiology, understanding the denominator is just as important as understanding the numerator.

Without the correct denominator, health indicators can become inaccurate—or completely misleading.

━━━━━━━━━━━━━━━━━━━━━━

🔍 What is a denominator?

The denominator represents:
👉 The population at risk or total population used to calculate a measure.

It provides context for interpreting numbers.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why denominators matter

Imagine:
• District A reports 100 malaria cases
• District B reports 50 malaria cases

At first glance:
👉 District A seems worse.

But if:
• District A population = 1,000,000
• District B population = 10,000

👉 Then the real burden is actually much higher in District B.

━━━━━━━━━━━━━━━━━━━━━━

📊 Common denominator problems

1️⃣ Wrong population used
Using total population instead of population at risk.

2️⃣ Outdated population data
Old census data can distort rates.

3️⃣ Incomplete denominators
Missing population groups may bias estimates.

4️⃣ Changing populations
Migration, displacement, or outbreaks may rapidly change population size.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why this matters in practice

Incorrect denominators can lead to:
• Wrong rates
• False comparisons
• Poor resource allocation
• Misguided interventions

━━━━━━━━━━━━━━━━━━━━━━

🧠 Key insight

Good epidemiology is not just about counting cases.
It is about understanding:

👉 “Cases out of HOW MANY people?”

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Common pitfall

Comparing raw numbers without considering population size.

━━━━━━━━━━━━━━━━━━━━━━

🎯 Takeaway

The denominator gives meaning to the numerator.

✅ No denominator → No meaningful interpretation.

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Epidemiologist | Public Health Specialist

━━━━━━━━━━━━━━━━━━━━━━

🌍 DAY 27 — Problèmes de dénominateur

📌 Un chiffre seul peut être trompeur.

En épidémiologie, comprendre le dénominateur est aussi important que comprendre le numérateur.

Sans le bon dénominateur, les indicateurs peuvent devenir inexacts—voire trompeurs.

━━━━━━━━━━━━━━━━━━━━━━

🔍 Qu’est-ce qu’un dénominateur ?

Le dénominateur représente :
👉 La population totale ou la population à risque utilisée pour calculer une mesure.

Il donne du contexte aux chiffres.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi les dénominateurs sont importants

Exemple :
• District A = 100 cas de paludisme
• District B = 50 cas

À première vue :
👉 Le district A semble plus touché.

Mais si :
• Population A = 1 000 000
• Population B = 10 000

👉 Le poids réel est beaucoup plus élevé dans le district B.

━━━━━━━━━━━━━━━━━━━━━━

📊 Problèmes fréquents de dénominateur

1️⃣ Mauvaise population utilisée
Utiliser la population totale au lieu de la population à risque.

2️⃣ Données démographiques obsolètes
Les anciens recensements peuvent fausser les taux.

3️⃣ Dénominateurs incomplets
Certains groupes peuvent manquer dans les estimations.

4️⃣ Populations changeantes
Les déplacements ou crises peuvent modifier rapidement la population.

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi c’est important

Des dénominateurs incorrects peuvent entraîner :
• De mauvais taux
• De fausses comparaisons
• Une mauvaise allocation des ressources
• Des interventions inadaptées

━━━━━━━━━━━━━━━━━━━━━━

🧠 Point clé

La bonne épidémiologie ne consiste pas seulement à compter les cas.
Elle consiste aussi à comprendre :

👉 « Cas parmi COMBIEN de personnes ? »

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Erreur fréquente

Comparer des nombres bruts sans tenir compte de la taille de la population.

━━━━━━━━━━━━━━━━━━━━━━

🎯 À retenir

Le dénominateur donne du sens au numérateur.

✅ Pas de dénominateur → Pas d’interprétation fiable.

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

19/05/2026

🌍 DAY 26 — Public Health Indicators

📌 Data alone are not enough.
To make decisions, epidemiologists use indicators.

Public health indicators help transform raw data into meaningful information for action.

━━━━━━━━━━━━━━━━━━━━━━

🔍 What is a public health indicator?

A public health indicator is a measurable variable used to describe:
• Health status
• Disease burden
• Health system performance
• Population health trends

━━━━━━━━━━━━━━━━━━━━━━

📊 Common types of indicators

1️⃣ Morbidity indicators
Measure disease occurrence.

Examples:
• Incidence
• Prevalence
• Attack rate

━━━━━━━━━━━━━━━━━━━━━━

2️⃣ Mortality indicators
Measure deaths in a population.

Examples:
• Mortality rate
• Case fatality rate
• Under-5 mortality rate

━━━━━━━━━━━━━━━━━━━━━━

3️⃣ Service indicators
Measure health service performance.

Examples:
• Vaccination coverage
• Consultation rates
• Bed occupancy

━━━━━━━━━━━━━━━━━━━━━━

4️⃣ Nutrition indicators
Measure nutritional status.

Examples:
• Global acute malnutrition
• Stunting
• Low birth weight

━━━━━━━━━━━━━━━━━━━━━━

5️⃣ Surveillance indicators
Measure reporting quality and outbreak detection.

Examples:
• Reporting completeness
• Timeliness
• Alert thresholds

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Why this matters

Indicators help:
• Monitor trends
• Detect problems
• Compare populations
• Guide public health decisions

━━━━━━━━━━━━━━━━━━━━━━

🧠 Key insight

An indicator is only useful if:
• The data are reliable
• The definition is clear
• The interpretation is correct

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Common pitfall

Using indicators without understanding:
• the numerator,
• the denominator,
• or the population at risk

━━━━━━━━━━━━━━━━━━━━━━

🎯 Takeaway

Indicators simplify complex health information into actionable public health intelligence.

✅ Better indicators → Better decisions

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Epidemiologist | Public Health Specialist

━━━━━━━━━━━━━━━━━━━━━━

JOUR 26 — Indicateurs de santé publique

📌 Les données seules ne suffisent pas.
Pour prendre des décisions, les épidémiologistes utilisent des indicateurs.

Les indicateurs transforment les données brutes en informations utiles pour l’action.

━━━━━━━━━━━━━━━━━━━━━━

🔍 Qu’est-ce qu’un indicateur de santé publique ?

Un indicateur est une variable mesurable utilisée pour décrire :
• L’état de santé
• Le poids des maladies
• La performance du système de santé
• Les tendances sanitaires

━━━━━━━━━━━━━━━━━━━━━━

📊 Principaux types d’indicateurs

1️⃣ Indicateurs de morbidité
Mesurent la fréquence des maladies.

Exemples :
• Incidence
• Prévalence
• Taux d’attaque

━━━━━━━━━━━━━━━━━━━━━━

2️⃣ Indicateurs de mortalité
Mesurent les décès.

Exemples :
• Taux de mortalité
• Taux de létalité
• Mortalité des moins de 5 ans

━━━━━━━━━━━━━━━━━━━━━━

3️⃣ Indicateurs de services
Mesurent la performance des services de santé.

Exemples :
• Couverture vaccinale
• Taux de consultation
• Occupation des lits

━━━━━━━━━━━━━━━━━━━━━━

4️⃣ Indicateurs nutritionnels
Mesurent l’état nutritionnel.

Exemples :
• Malnutrition aiguë globale
• Re**rd de croissance
• Faible poids de naissance

━━━━━━━━━━━━━━━━━━━━━━

5️⃣ Indicateurs de surveillance
Mesurent la qualité du système de surveillance.

Exemples :
• Complétude
• Promptitude
• Seuils d’alerte

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Pourquoi c’est important

Les indicateurs permettent de :
• Suivre les tendances
• Détecter les problèmes
• Comparer les populations
• Guider les décisions

━━━━━━━━━━━━━━━━━━━━━━

🧠 Point clé

Un indicateur n’est utile que si :
• Les données sont fiables
• La définition est claire
• L’interprétation est correcte

━━━━━━━━━━━━━━━━━━━━━━

⚠️ Erreur fréquente

Utiliser un indicateur sans comprendre :
• le numérateur,
• le dénominateur,
• ou la population à risque

━━━━━━━━━━━━━━━━━━━━━━

🎯 À retenir

Les indicateurs transforment des données complexes en informations exploitables.

✅ Meilleurs indicateurs → Meilleures décisions

━━━━━━━━━━━━━━━━━━━━━━

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

18/05/2026

🌍 DAY 25 — Data Sources in Epidemiology

📌 Good epidemiology starts with good data.

But where do epidemiological data actually come from?

Different data sources provide different types of information—and no single source is perfect.
━━━━━━━━━━━━━━━━━━━━━━
🔍 What are data sources in epidemiology?

Data sources are the systems and tools used to collect health information for:
• Surveillance
• Research
• Monitoring
• Decision-making
━━━━━━━━━━━━━━━━━━━━━━
📊 Common data sources
1️⃣ Routine Health Information Systems (RHIS)
Examples:
• DHIS2
• Hospital registers
• Laboratory reports
Used for:
👉 Routine monitoring and trend analysis
━━━━━━━━━━━━━━━━━━━━━━
2️⃣ Surveillance Systems
Examples:
• Weekly surveillance
• Outbreak alerts
• Sentinel surveillance
Used for:
👉 Early detection and rapid response
━━━━━━━━━━━━━━━━━━━━━━
3️⃣ Surveys
Examples:
• DHS
• Nutrition surveys
• KAP surveys
Used for:
👉 Population-level estimates
━━━━━━━━━━━━━━━━━━━━━━
4️⃣ Census Data
Used for:
👉 Population denominators and planning
━━━━━━━━━━━━━━━━━━━━━━
5️⃣ Research Studies
Examples:
• Cohort studies
• Clinical trials
Used for:
👉 Generating scientific evidence
━━━━━━━━━━━━━━━━━━━━━━
6️⃣ Vital Registration Systems
Examples:
• Birth registration
• Death certificates
Used for:
👉 Mortality and demographic analysis
━━━━━━━━━━━━━━━━━━━━━━
⚠️ Why this matters
Different data sources answer different public health questions.

Understanding:
• where data come from,
• how they were collected,
• and their limitations
is essential for correct interpretation.
━━━━━━━━━━━━━━━━━━━━━━
🧠 Key insight
Poor-quality data can lead to:
• Wrong conclusions
• Delayed response
• Poor decisions
✅ Better data → Better epidemiology.
━━━━━━━━━━━━━━━━━━━━━━
🎯 Takeaway
Data sources are the foundation of epidemiology.

A good epidemiologist does not just analyze data—
they understand the source of the data.
━━━━━━━━━━━━━━━━━━━━━━
— Wilfred NGWA
Epidemiologist | Public Health Specialist

━━━━━━━━━━━━━━━━━━━━━━

🌍 DAY 25 — Sources de données en épidémiologie

📌 Une bonne épidémiologie commence par de bonnes données.

Mais d’où viennent réellement les données épidémiologiques ?

Chaque source fournit des informations différentes—et aucune source n’est parfaite.
━━━━━━━━━━━━━━━━━━━━━━
🔍 Qu’est-ce qu’une source de données ?
Les sources de données sont les systèmes et outils utilisés pour collecter les informations de santé pour :
• La surveillance
• La recherche
• Le suivi
• La prise de décision
━━━━━━━━━━━━━━━━━━━━━━
📊 Principales sources de données
1️⃣ Systèmes d’information sanitaire de routine
Exemples :
• DHIS2
• Registres hospitaliers
• Rapports de laboratoire
Utilisés pour :
👉 Le suivi régulier et l’analyse des tendances
━━━━━━━━━━━━━━━━━━━━━━
2️⃣ Systèmes de surveillance
Exemples :
• Surveillance hebdomadaire
• Alertes épidémiques
• Surveillance sentinelle
Utilisés pour :
👉 La détection précoce et la réponse rapide
━━━━━━━━━━━━━━━━━━━━━━
3️⃣ Enquêtes
Exemples :
• DHS
• Enquêtes nutritionnelles
• Enquêtes CAP
Utilisées pour :
👉 Les estimations populationnelles
━━━━━━━━━━━━━━━━━━━━━━
4️⃣ Données de recensement
Utilisées pour :
👉 Les dénominateurs et la planification
━━━━━━━━━━━━━━━━━━━━━━
5️⃣ Études de recherche
Exemples :
• Études de cohorte
• Essais cliniques
Utilisées pour :
👉 Produire des preuves scientifiques
━━━━━━━━━━━━━━━━━━━━━━
6️⃣ Systèmes d’état civil

Exemples :
• Enregistrement des naissances
• Certificats de décès
Utilisés pour :
👉 L’analyse démographique et de mortalité
━━━━━━━━━━━━━━━━━━━━━━
⚠️ Pourquoi c’est important
Chaque source répond à des questions différentes.
Comprendre :
• l’origine des données,
• leur mode de collecte,
• leurs limites
est essentiel pour une bonne interprétation.
━━━━━━━━━━━━━━━━━━━━━━
🧠 Point clé
De mauvaises données peuvent entraîner :
• De mauvaises conclusions
• Une réponse retardée
• De mauvaises décisions
✅ Meilleures données → Meilleure épidémiologie.
━━━━━━━━━━━━━━━━━━━━━━
🎯 À retenir
Les sources de données sont la base de l’épidémiologie.
Un bon épidémiologiste ne fait pas qu’analyser les données—
il comprend leur source.
━━━━━━━━━━━━━━━━━━━━━━
— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

17/05/2026

🌍 DAY 24 — Surveillance vs Research

ENGLISH

📌 Surveillance and research both use data—but they are NOT the same thing.

They differ in:
• Objectives
• Methods
• Outputs
• Uses

🔍 What is Surveillance?
👉 Continuous and systematic collection, analysis, interpretation, and use of health data for public health action

Goal:
✅ Detect problems early
✅ Monitor trends
✅ Guide immediate action

Examples:
• Weekly malaria reporting
• Outbreak alerts
• Mortality monitoring
• Vaccination coverage tracking

🧪 What is Research?
👉 A structured investigation designed to generate new knowledge

Goal:
✅ Answer scientific questions
✅ Test hypotheses
✅ Produce evidence

Examples:
• Clinical trials
• Cohort studies
• Vaccine effectiveness studies
• Risk factor analysis

⚠️ Key difference
• Surveillance → action-oriented
• Research → knowledge-oriented

📊 Why this matters
Surveillance asks:
👉 “What is happening NOW?”

Research asks:
👉 “Why is it happening?”
👉 “What works best?”

🧠 Key insight
Good surveillance detects problems.
Good research explains them.

✅ Takeaway
Surveillance guides action.
Research generates evidence.

— Wilfred NGWA
Epidemiologist | Public Health Specialist

💬 In your work, how do you balance surveillance and research?
Let’s discuss these topics as a community.
👉 https://www.youtube.com//community

FRENCH

📌 La surveillance et la recherche utilisent toutes deux des données—mais ce ne sont PAS la même chose.

Elles diffèrent par :
• Les objectifs
• Les méthodes
• Les résultats attendus
• L’utilisation

🔍 Qu’est-ce que la surveillance ?
👉 Collecte, analyse, interprétation et utilisation continues des données pour l’action de santé publique

Objectifs :
✅ Détecter précocement
✅ Suivre les tendances
✅ Guider l’action

Exemples :
• Rapport hebdomadaire paludisme
• Alertes épidémiques
• Surveillance de la mortalité
• Couverture vaccinale

🧪 Qu’est-ce que la recherche ?
👉 Investigation structurée pour produire de nouvelles connaissances

Objectifs :
✅ Répondre à des questions
✅ Tester des hypothèses
✅ Générer des preuves

Exemples :
• Essais cliniques
• Études de cohorte
• Efficacité vaccinale
• Facteurs de risque

⚠️ Différence clé
• Surveillance → action
• Recherche → connaissance

📊 Pourquoi c’est important
Surveillance :
👉 « Que se passe-t-il maintenant ? »

Recherche :
👉 « Pourquoi ? »
👉 « Qu’est-ce qui fonctionne ? »

🧠 Point clé
La surveillance détecte.
La recherche explique.

✅ À retenir
La surveillance guide l’action.
La recherche produit des connaissances.

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

💬 Comment articulez-vous surveillance et recherche ?
Discutons ensemble en tant que communauté.
👉 https://www.youtube.com//community

16/05/2026

🌍 DAY 23 — Screening vs Diagnosis

ENGLISH

📌 Screening and diagnosis are NOT the same thing.
Both involve testing—but they answer different questions.

🔍 What is Screening?
Screening is used to:
👉 Identify people who may have a disease before symptoms appear

It is performed on:
• Apparently healthy people
• Large populations
• High-risk groups

Purpose of screening:
• Detect disease early
• Reduce complications
• Improve outcomes

Examples:
• HIV screening
• Blood pressure screening
• Breast cancer screening

🩺 What is Diagnosis?
Diagnosis is used to:
👉 Confirm whether a person actually has the disease

It is performed on:
• Symptomatic individuals
• People with positive screening tests

Purpose of diagnosis:
• Confirm disease
• Guide treatment
• Determine management

Examples:
• PCR confirmation
• Biopsy
• Laboratory confirmation

⚠️ Key difference
• Screening → identifies POSSIBLE disease
• Diagnosis → CONFIRMS disease

📊 Why this matters in practice
Confusing screening and diagnosis can:
• Cause unnecessary panic
• Delay treatment
• Misinterpret test results

🧠 Key insight
A positive screening test does NOT always mean disease is confirmed.

✅ Takeaway
Screening detects risk.
Diagnosis confirms disease.

— Wilfred NGWA
Epidemiologist | Public Health Specialist

💬 In your setting, how do you ensure clear distinction between screening and diagnosis?
Let’s discuss these topics as a community.
👉 https://www.youtube.com//community

FRENCH

📌 Le dépistage et le diagnostic ne sont PAS la même chose.
Les deux utilisent des tests—mais avec des objectifs différents.

🔍 Qu’est-ce que le dépistage ?
Le dépistage sert à :
👉 Identifier des personnes pouvant avoir une maladie avant les symptômes

Il concerne :
• Les personnes apparemment saines
• Les populations
• Les groupes à risque

Objectifs du dépistage :
• Détection précoce
• Réduction des complications
• Amélioration des résultats

Exemples :
• Dépistage VIH
• Dépistage HTA
• Dépistage du cancer

🩺 Qu’est-ce que le diagnostic ?
Le diagnostic sert à :
👉 Confirmer la présence réelle de la maladie

Il concerne :
• Les personnes symptomatiques
• Les tests de dépistage positifs

Objectifs du diagnostic :
• Confirmer la maladie
• Guider le traitement
• Orienter la prise en charge

Exemples :
• PCR
• Biopsie
• Confirmation biologique

⚠️ Différence clé
• Dépistage → suspicion
• Diagnostic → confirmation

📊 Pourquoi c’est important
Confondre les deux peut :
• Créer de la panique
• Re**rder la prise en charge
• Mal interpréter les résultats

🧠 Point clé
Un test de dépistage positif ne confirme pas toujours la maladie.

✅ À retenir
Le dépistage détecte le risque.
Le diagnostic confirme la maladie.

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

💬 Dans votre pratique, comment distinguez-vous clairement dépistage et diagnostic ?
Discutons ensemble en tant que communauté.
👉 https://www.youtube.com//community

15/05/2026

🌍 DAY 22 — Iceberg Phenomenon

ENGLISH

📌 What we see is often only a small part of the problem.

In epidemiology, many diseases behave like an iceberg:
👉 The visible cases are only the “tip”
👉 Most cases remain hidden

This is called the:
🧊 Iceberg Phenomenon

----------------------------------------

What is the Iceberg Phenomenon?

It describes situations where:
👉 The number of diagnosed or reported cases is much smaller than the true number of infections.

----------------------------------------

🔹 VISIBLE PART (“Tip of the iceberg”)

These are:
• Severe cases
• Hospitalized patients
• Diagnosed cases
• Reported deaths

👉 Easy to detect

----------------------------------------

🔹 HIDDEN PART (Below the surface)

These include:
• Mild cases
• Undiagnosed infections
• Asymptomatic carriers
• Unreported cases

👉 Often missed by surveillance systems

----------------------------------------

🔍 Why this matters

If we only look at visible cases:
👉 We underestimate the true burden of disease

----------------------------------------

🦠 Examples

Diseases commonly showing iceberg phenomenon:
• COVID-19
• Polio
• Hepatitis
• Tuberculosis

----------------------------------------

📊 Why this matters in practice

Understanding hidden cases helps:
• Improve surveillance
• Strengthen screening
• Plan better interventions

----------------------------------------

⚠️ Key insight

The absence of reported cases does NOT always mean absence of disease.

----------------------------------------

✅ Takeaway

What is reported may represent only a small fraction of the real problem.

----------------------------------------

— Wilfred NGWA
Epidemiologist | Public Health Specialist

💬 In your context, how do you account for hidden cases in surveillance?
Let’s discuss these topics as a community.
👉 https://www.youtube.com//community

FRENCH

📌 Ce que nous voyons n’est souvent qu’une petite partie du problème.

En épidémiologie, certaines maladies ressemblent à un iceberg :
👉 Les cas visibles représentent seulement la partie émergée
👉 La majorité des cas reste cachée

C’est le :
🧊 Phénomène de l’iceberg

----------------------------------------

Qu’est-ce que le phénomène de l’iceberg ?

Il décrit les situations où :
👉 Le nombre de cas diagnostiqués ou rapportés est bien inférieur au nombre réel d’infections.

----------------------------------------

🔹 PARTIE VISIBLE

Comprend :
• Cas graves
• Hospitalisations
• Cas diagnostiqués
• Décès rapportés

👉 Faciles à détecter

----------------------------------------

🔹 PARTIE CACHÉE

Comprend :
• Cas bénins
• Cas non diagnostiqués
• Porteurs asymptomatiques
• Cas non rapportés

👉 Souvent invisibles dans la surveillance

----------------------------------------

🔍 Pourquoi c’est important

Si nous regardons uniquement les cas visibles :
👉 Nous sous-estimons le poids réel de la maladie

----------------------------------------

🦠 Exemples

• COVID-19
• Poliomyélite
• Hépatite
• Tuberculose

----------------------------------------

📊 Pourquoi c’est essentiel

Permet :
• D’améliorer la surveillance
• De renforcer le dépistage
• De mieux planifier les interventions

----------------------------------------

⚠️ Point clé

L’absence de cas rapportés ne signifie pas toujours absence de maladie.

----------------------------------------

✅ À retenir

Les cas visibles ne représentent souvent qu’une petite partie du problème réel.

----------------------------------------

— Wilfred NGWA
Épidémiologiste | Spécialiste de santé publique

💬 Dans votre pratique, comment prenez-vous en compte les cas cachés ?
Discutons ensemble en tant que communauté.
👉 https://www.youtube.com//community

EpiGuider

22/05/2026

21/05/2026

20/05/2026

19/05/2026

18/05/2026

17/05/2026

16/05/2026

15/05/2026

Adresse

Téléphone

Site Web

Notifications

Contacter L'entreprise

Raccourcis

Partager

Type