Language

English

Analysis Approach for Assessing Textile Preferences on Net Use: Burundi

Insecticide-treated nets are the cornerstone of malaria control efforts worldwide. Over 2 billion ITNs have been distributed to people at risk of malaria over the past two decades. While most ITNs are used for malaria prevention, some gaps in use remain. Anecdotal reports and qualitative observations have indicated that in some areas, households may prefer softer polyester ITNs to ITNs made of polyethylene, which can have a ‘harder’ feel.

As a result, National Malaria Control Programs have expressed a desire to procure only ITNs of a specific textile for upcoming mass distribution campaigns. While the Global Fund procurement system allows for these types of requests, they are unable to guarantee that nets of a particular textile will be available for a specific campaign, due to global supply chain issues, ITN production timelines, and other manufacturing variables.

The Global Fund and WHO have advised countries wishing to procure nets of a single textile that this decision must be justified with data that support a significant increase in overall ITN use for one textile over another.

This document aims to provide an analysis framework for use by National Malaria Control Programs and their partners wishing to demonstrate differential use of ITNs due to the textile of the net, in order to justify procurement of ITNs of a specific textile (polyester or polyethylene).

Summary of Analysis Approach

  1. Assess availability of data for analysis, including
    • completeness of brand information, in order to determine the textile
    • ITN use outcome variable, at the net level
    • covariates associated with ITN use, including region, socioeconomic status, rural/urban, month of the year (for seasonal variations), age of the net, and whether the household has sufficient or insufficient ITNs for their family size.
  2. Determine whether existing data is sufficient for assessing the impact of textile on ITN use
    • assess whether both textiles are sufficiently represented in the data
  3. If yes – proceed with analysis
    • assess associations between ITN use and textile, along with other covariates, first in a univariate model
    • and then in a multivariate model, ideally accounting for clustering within the household
    • if the programmatic differences in ITN use by textile are significant, and the multivariate model shows a significant association between ITN use and textile controlling for covariates, there may be a justification for procurement of a single textile.
  4. If data are not sufficient – recommendations for next steps
    • if data are incomplete -> collect complete data in the next survey
    • if one textile dominates the sample -> ensure a mix of textile types are distributed in the next campaign, then reassess

Analysis Approach

Assess availability and suitability of data for the analysis

  1. Download datasets for the most recent MIS or DHS or MICS from dhsprogram.com or mics.unicef.org

  2. If using an MIS or DHS, the ITN roster data are contained within the household file (files ending with HR). This file must be reshaped to long format, generating a dataset with one row for each net in the household. MICS datasets have a separate ITN file (TN).

  3. The outcome variable will be whether the ITN was used the previous night.

  4. Many household-level factors influence ITN use, and must be controlled for in the analysis. These variables are nearly always standard within MIS/DHS/MICS:

    • region

    • time of year (month of the survey)

    • urban/rural setting

    • socioeconomic status

    • age of the net

    • the number of nets and people within the household - frequently categorized as household owning

      • ‘too few’ ITNs,
      • ‘just right’ number of ITNs, or
      • ‘too many’ ITNs

Let us first review overall net use patterns across these covariates, to get a sense of what is happening in Burundi 2016-17.

Region

Time of year (month of the survey - which can vary by region)

Urban/Rural Status

Socioeconomic status

Age of the net

Assess information about brands of ITN

Next, we need to assess data available for the brand of ITN in the survey. From the brand we can determine whether the textile is polyester or polyethylene. A textile variable can be created using the following table as a guide. Note that in many datasets, the brand names of ITNs are spelled differently than below or may have misspellings.

For how many nets is the brand information missing or unknown?

Is this missing/unknown data evenly distributed throughout the country?

What else do you notice? Were nets of different textiles distributed evenly throughout the country? Were they concentrated in certain regions?

Assess the distribution of textiles across co-variates

Are nets of different textiles evenly spread across socioeconomic groups?

Are nets of different textiles evenly spread across urban/rural settings?

Are nets of a certain textile uniformly older than the other textile? For example, if most nets in the last campaign were polyester, and nets from the campaign before that were polyethylene, we would expect to see differences in net use due to the age of the net (older nets are worn out, and used less), which would be confounded with the textile.

Are nets of different textiles evenly represented across the months the survey was conducted?

Are nets of different textiles evenly represented across household net supply?

Assess distribution of textiles within households

What proportion of households own nets of both textiles? Are households that own both types different from households that own only one type? Larger, smaller, urban, rural, etc?

The overall percent of households that own both polyester and polyethylene nets is limited - only 5.15 percent.

Assess the overall proportion of nets of different textiles that were used the previous night

Once we have reviewed the availability of the data and the patterns of net use and distribution of textile across different covariates, we are ready to look at how many nets were used the previous night, stratifying by textile. This is our overall programmatic indication of differences in net use due to textile – although it does not (yet) adjust for covariates. If there is not a big difference in the proportion of nets used the previous night by textile, it is unlikely to be worth the logistical challenges (including potential delays) of procuring one textile only.

We can see below that 86.7 percent of polyester nets were used the previous night, compared to 87.7 percent of polyethylene nets, a difference of 1 percentage points. This is not a programmatically significant difference.

Does use of nets by textile look different over rural/urban?

Does use of nets by textile look different over socioeconomic status?

Does use of nets by textile look different over month of the year?

Does use of nets by textile look different over age of the net?

Does use of nets by textile look different over household net supply? We usually see that nets in households that have ‘too many’ nets are used less, overall. Is this the case here?

Assessing the association between net use and textile, controlling for co-variates

After reviewing the patterns of net use by textile and covariates, we can use generalized linear models to evaluate the associations between covariates and our outcome variable of whether a particular net was used the previous night.

Below is the multivariate model, which controls for background factors typically associated with net use. Is textile associated with significant differences in a net being used?

Characteristic OR1 95% CI1 p-value
textile
polyester — —
polyethylene 1.14 0.94, 1.38 0.2
household net supply
not enough — —
just right 0.51 0.44, 0.59 <0.001
too many 0.16 0.13, 0.21 <0.001
month of interview 0.98 0.96, 1.01 0.14
region
bubanza — —
bujumbura rural 0.59 0.37, 0.93 0.025
bururi 0.28 0.19, 0.42 <0.001
cankuzo 0.52 0.35, 0.79 0.002
cibitoke 0.63 0.38, 1.04 0.073
gitega 0.52 0.31, 0.87 0.013
karusi 2.01 1.12, 3.61 0.019
kayanza 0.67 0.43, 1.05 0.082
kirundo 1.00 0.62, 1.63 >0.9
makamba 1.44 0.93, 2.23 0.10
muramvya 0.77 0.51, 1.14 0.2
muyinga 0.64 0.38, 1.07 0.089
mwaro 0.28 0.19, 0.44 <0.001
ngozi 1.10 0.67, 1.82 0.7
rutana 1.36 0.84, 2.19 0.2
ruyigi 1.42 0.96, 2.09 0.075
bujumbura mairie 1.92 1.10, 3.33 0.021
rumonge 0.64 0.39, 1.07 0.090
type of place of residence
urban — —
rural 0.94 0.65, 1.37 0.8
wealth index combined
poorest — —
poorer 1.30 0.99, 1.69 0.057
middle 1.11 0.86, 1.42 0.4
richer 1.20 0.94, 1.53 0.2
richest 1.00 0.76, 1.31 >0.9
netagegr
0- — —
12- 1.35 1.05, 1.75 0.021
24- 1.23 1.00, 1.51 0.051
3+ years 1.36 0.97, 1.89 0.073

1 OR = Odds Ratio, CI = Confidence Interval

What do you notice about the multivariate model results? Which covariates are significantly associated, and which ones have the largest reductions or increases in odds ratio? Is the net textile significantly associated with the net having been used the previous night?

In the above model, we see that the odds of a polyethylene ITN being used the previous night are 1.141, versus the odds of a polyester net being used, with a p-value of 0.175.

Is textile associated with differences in net use?

Given the results above, there is no evidence to suggest that the textile of the net makes a substantial difference in overall net use.

Taking into account survey respondents preferences for nets of a particular textile

Very few surveys ask respondents what textile of net they prefer, and even fewer ask respondents about the strength of this preference. If, however, data are available about ‘stated preferences’ (what respondents state as their preference), this can be assessed alongside the observed net use behavior.

In previous work on ITN preferences, a binary variable was constructed at the household level for whether the household preferred e.g. polyester nets. This variable was then included in the models shown earlier as a covariate. In many cases, the fact that a household preferred nets of a certain type was not associated with the outcome of net use. This could be because the preference was not the sole determining factor, or because the household had only nets of a different type available, and chose to use them (perhaps begrudgingly) rather than remain unprotected from malaria.

Stated preferences on their own should not be used to justify procurement of nets of a single textile; analysis of observed net use from survey datasets will provide the necessary information about how nets are used. However, where both types of information are available, they can be used in combination to assess the strength of these preferences relative to other determining factors.

Steps if data are not available

If survey data are old, incomplete, or if recent mass distributions have involved only nets of a single textile and thus the net crop is highly unbalanced, countries may need to collect additional data and/or ensure that a mix of ITNs are distributed in future campaigns.

Additional data sources that may be useful for triangulation

Redemption rates for campaign ITNs at distribution points - do redemption rates differ for ITNs of different textiles?

Where redemption data for mass campaigns is available and can be linked directly with the type of ITN distributed, preferably at a district level, this may be useful to look at. The question is whether redemption rates for ITNs differ because of the textile of the net being given out at distribution points. (For campaigns conducting door to door distribution, we would not anticipate high rates of refusals of ITNs once the distribution teams are on the doorstep.)

Redemption rates for different communities for ITN campaigns are likely to differ due to reasons unrelated to the net textile, and so it is important to consider these other potential factors when interpreting redemption rate data. Anecdotal observations during some campaigns may attribute reduced redemption rates to not wanting to bother with the effort of picking up ITNs if they are the less-preferred textile, and these observations are important. It’s crucial to consider the other options households may have for bite prevention when they decline to pick up ITNs; perhaps they can access their preferred ITN in the market or pharmacy, or they have other options such as coils or sprays that they feel sufficiently protect them, or (and) they feel that their overall risk of severe consequences of malaria is low. In some of these contexts, it’s possible that providing the preferred net would lead to some increases in ITN use, but would not suddenly lead to everyone using ITNs all the time, given other factors contributing to low net use overall.

Durability monitoring data - do retention and care behaviors differ for ITNs of different textiles?

It is possible that nets that are less preferred may be subject to less careful net care and repair behaviors, or given away at higher rates, or discarded earlier. Given the sample size and design of durability monitoring activities, it would be very difficult to trace back differences in net retention and physical integrity specifically to the net’s textile. We would likewise be cautious in relying on meta analyses of multi-country durability data to investigate the impact of textile on retention and physical integrity, given the high rate of variation in durability for nets of the same brand over different geographic and social contexts. However, it may be useful to leverage this data when triangulating from household survey data and redemption rate data, and assess whether findings are aligned or misaligned.

French

Canevas d’analyse pour evaluer l’association entre des preferences du tissu et l’’utilisation des moustiquaires impregnées d’insecticide: Burundi

Les moustiquaires imprégnées d’insecticide sont le premier outil des efforts de lutte contre le paludisme dans le monde. Plus de 2 milliards de MII ont été distribuées aux personnes à risque de paludisme au cours des deux dernières décennies. Alors que la plupart des MII sont utilisées pour la prévention du paludisme, certaines lacunes subsistent dans leur utilisation. Des rapports anecdotiques et des observations qualitatives ont indiqué que dans certaines endroits, les ménages peuvent préférer les MII en polyester plus souples aux MII en polyéthylène, qui peuvent avoir un toucher « plus dur ».

En conséquence, les programmes nationaux de lutte contre le paludisme ont exprimé le souhait de se procurer uniquement des MII d’un textile spécifique pour les prochaines campagnes de distribution de masse. Bien que le système d’approvisionnement du Fonds mondial autorise ce type de demandes, il ne peut garantir que les moustiquaires d’un textile particulier seront disponibles pour une campagne spécifique, en raison de problèmes liés à la chaîne d’approvisionnement mondiale, aux délais de production des MII et à d’autres variables de fabrication.

Le Fonds mondial et l’OMS ont informé les pays souhaitant acheter des moustiquaires d’un seul textile que cette décision doit être justifiée par des données qui soutiennent une augmentation significative de l’utilisation globale des MII pour un textile par rapport à un autre.

Ce document vise à fournir un cadre d’analyse à l’usage des Programmes Nationaux de Lutte contre le Paludisme et leurs partenaires souhaitant démontrer l’utilisation différentielle des MII en raison du textile de la moustiquaire, afin de justifier l’achat de MII d’un textile spécifique (polyester ou polyéthylène).

Résumé de l’approche d’analyse

  1. Évaluer la disponibilité des données pour l’analyse, y compris
    • la complétude des informations sur la marque, afin de déterminer le textile
    • la variable de résultat – si la moustiquaire a été utilisé la nuit précedente
    • les covariables associées à l’utilisation des MII, y compris la région, le statut socio-économique, rural/urbain, le mois de l’année (pour les variations saisonnières), l’âge de la moustiquaire et si le ménage dispose de MII suffisantes ou insuffisantes pour la taille de sa famille.
  2. Déterminer si les données existantes sont suffisantes pour évaluer l’impact du textile sur l’utilisation des MII
    • évaluer si les deux textiles sont suffisamment représentés dans la base des données
  3. Si oui – procéder à l’analyse
    • évaluer les associations entre l’utilisation des MII et le textile, ainsi que d’autres covariables, d’abord dans un modèle univarié
    • puis dans un modèle multivarié, prenant en compte idéalement le clustering au sein du ménage
    • si les différences programmatiques dans l’utilisation des MII par textile sont significatives et que le modèle multivarié montre une association significative entre l’utilisation des MII et le textile en contrôlant les covariables, il peut y avoir une justification pour l’achat d’un seul textile.
  4. Si les données ne sont pas suffisantes – recommandations pour les prochaines étapes
    • si les données sont incomplètes -> collecter des données complètes dans la prochaine enquête
    • si un textile domine l’échantillon -> assurez-vous qu’un mélange de types de textiles est distribué dans la prochaine campagne, puis réévaluez

Approche d’analyse

Évaluer la disponibilité et la pertinence des données pour l’analyse

  1. Téléchargez les ensembles de données pour le MIS ou le DHS ou le MICS le plus récent sur dhsprogram.com ou mics.unicef.org

  2. Si vous utilisez un MIS ou une EDS, les données de la liste des MII sont contenues dans le fichier des ménages (fichiers se terminant par HR). Ce fichier doit être remodelé au format long, générant un ensemble de données avec une ligne pour chaque moustiquaire dans le ménage. Les ensembles de données MICS ont un fichier MII (TN) distinct.

  3. La variable de résultat sera de savoir si la MII a été utilisée la nuit précédente.

  4. De nombreux facteurs au niveau des ménages influencent l’utilisation des MII et doivent être pris en compte dans l’analyse. Ces variables sont presque toujours standard dans les MIS/DHS/MICS:

    • Région

    • Période de l’année (mois de l’enquête)

    • Milieu urbain/rural

    • Statut socioéconomique

    • Age de la MII

    • Le nombre de moustiquaires et de personnes au sein du ménage - fréquemment classées comme propriétaires du ménage

      • «trop peu» de MII,
      • le nombre «juste» de MII, ou
      • «trop» de MII

Examinons d’abord la situation globale d’utilisation des MII à travers ces covariables, pour avoir une idée de ce qui se passe dans l’enquête Burundi 2016-17.

Region

Mois de l’année (qui peut varier par region)

Urbain/rural

Statut socio-economique

Age de la moustiquaire

Évaluer les informations sur les marques d’ITN

Ensuite, nous devons évaluer les données disponibles pour la marque d’ITN dans l’enquête. A partir de la marque, nous pouvons déterminer si le textile est en polyester ou en polyéthylène. Une variable textile peut être créée en utilisant le tableau suivant comme guide. Notez que dans de nombreux ensembles de données, les noms de marque des ITN sont orthographiés différemment que ci-dessous ou peuvent avoir des fautes d’orthographe.

Pour combien de moustiquaires l’information sur la marque est-elle manquante ou inconnue ?

Ces données manquantes/inconnues sont-elles réparties uniformément dans tout le pays?

Que remarquez-vous d’autre ? Les filets de différents textiles étaient-ils répartis uniformément dans tout le pays ? Étaient-ils concentrés dans certaines régions?

Évaluer la distribution des textiles à travers les covariables

Les moustiquaires de différents textiles sont-ils uniformément répartis sur les groupes socioeconomiques?

Les moustiquaires de différents textiles sont-ils uniformément répartis dans les milieux urbains/ruraux?

Les moustiquaires d’un certain textile sont-ils uniformément plus anciens que l’autre textile ? Par exemple, si la plupart des moustiquaires de la dernière campagne étaient en polyester et que les moustiquaires de la campagne précédente étaient en polyéthylène, nous nous attendrions à voir des différences dans l’utilisation des moustiquaires en raison de l’âge de la moustiquaire (les moustiquaires plus anciennes sont usées et moins utilisées), qui se confondrait avec le textile.

Les moustiquaires de différents textiles sont-ils uniformément représentés au cours des mois où l’enquête a été menée ?

Les moustiquaires de différents textiles sont-elles uniformément représentées dans l’offre nette des ménages ?

Évaluer la disponibilité des textiles au sein des ménages

Quelle proportion de ménages possèdent des moustiquaires des deux textiles ? Les ménages qui possèdent les deux types sont-ils différents des ménages qui ne possèdent qu’un seul type ? Plus grand, plus petit, urbain, rural, etc.?

Le pourcentage global de ménages qui possèdent à la fois des moustiquaires en polyester et en polyéthylène est limité - seulement 5.15 pourcent.

Évaluer la proportion globale de moustiquaires de différents textiles qui ont été utilisées la nuit précédente

Une fois que nous avons examiné la disponibilité des données et les motifs d’utilisation des moustiquaires et de distribution des textiles à travers différentes covariables, nous sommes prêts à examiner le nombre de moustiquaires utilisées la nuit précédente, en stratifiant par textile. Ceci est notre indication programmatique des différences d’utilisation des moustiquaires dues au textile - bien qu’elle ne s’ajuste pas (encore) aux covariables. S’il n’y a pas une grande différence dans la proportion de moustiquaires utilisées la nuit précédente par textile, il est peu probable que les défis logistiques (y compris les retards potentiels) liés à l’achat d’un seul textile valent la peine.

Nous pouvons voir ci-dessous que 86.7 pour cent des moustiquaires en polyester ont été utilisés la nuit précédente, par rapport à 87.7 pour cent des moustiquaires en polyéthylène, une différence de 1 points de pourcentage. Ce difference is not une différence significative du point de vue du programme.

L’utilisation des moustiquaires par textile est-elle différente par region ?

L’utilisation des moustiquaires par textile est-elle différente par milieu rural/urbain ?

L’utilisation des moustiquaires par le textile est-elle différente selon le statut socio-économique ?

L’utilisation des moustiquaires par textile est-elle différente au cours du mois de l’année ?

L’utilisation des moustiquaires par textile est-elle différente selon l’âge de la moustiquaire ?

L’utilisation des moustiquaires par le textile est-elle différente de l’offre de moustiquaires des ménages ? Nous constatons généralement que les moustiquaires dans les ménages qui en ont « trop » sont globalement moins utilisées. Est-ce le cas ici ?

Évaluer l’association entre l’utilisation de la moustiquaire et son textile, en contrôlant les covariables

Après avoir examiné les modèles d’utilisation des moustiquaires par le textile et les covariables, nous pouvons utiliser des modèles linéaires généralisés pour évaluer les associations entre les covariables et notre variable de résultat pour savoir si une moustiquaire particulière a été utilisée la nuit précédente.

Nous pouvons construire le modèle multivarié. Lors du contrôle des facteurs contextuels, le textile est-il associé à des différences significatives dans l’utilisation d’une moustiquaire ?

Characteristic OR1 95% CI1 p-value
textile
polyester — —
polyethylene 1.14 0.94, 1.38 0.2
household net supply
not enough — —
just right 0.51 0.44, 0.59 <0.001
too many 0.16 0.13, 0.21 <0.001
month of interview 0.98 0.96, 1.01 0.14
region
bubanza — —
bujumbura rural 0.59 0.37, 0.93 0.025
bururi 0.28 0.19, 0.42 <0.001
cankuzo 0.52 0.35, 0.79 0.002
cibitoke 0.63 0.38, 1.04 0.073
gitega 0.52 0.31, 0.87 0.013
karusi 2.01 1.12, 3.61 0.019
kayanza 0.67 0.43, 1.05 0.082
kirundo 1.00 0.62, 1.63 >0.9
makamba 1.44 0.93, 2.23 0.10
muramvya 0.77 0.51, 1.14 0.2
muyinga 0.64 0.38, 1.07 0.089
mwaro 0.28 0.19, 0.44 <0.001
ngozi 1.10 0.67, 1.82 0.7
rutana 1.36 0.84, 2.19 0.2
ruyigi 1.42 0.96, 2.09 0.075
bujumbura mairie 1.92 1.10, 3.33 0.021
rumonge 0.64 0.39, 1.07 0.090
type of place of residence
urban — —
rural 0.94 0.65, 1.37 0.8
wealth index combined
poorest — —
poorer 1.30 0.99, 1.69 0.057
middle 1.11 0.86, 1.42 0.4
richer 1.20 0.94, 1.53 0.2
richest 1.00 0.76, 1.31 >0.9
netagegr
0- — —
12- 1.35 1.05, 1.75 0.021
24- 1.23 1.00, 1.51 0.051
3+ years 1.36 0.97, 1.89 0.073

1 OR = Odds Ratio, CI = Confidence Interval

Que remarquez-vous sur les résultats du modèle multivarié ? Quelles covariables sont significativement associées et lesquelles ont les plus fortes réductions ou augmentations du rapport de cotes ? Le textile de la moustiquaire est-il significativement associé au fait que la moustiquaire a été utilisée la nuit précédente ?

Dans le modèle ci-dessus, nous voyons que les probabilités d’utilisation d’une moustiquaire imprégnée de polyéthylène la nuit précédente sont 1.141, par rapport aux probabilités d’utilisation d’une moustiquaire en polyester, avec une valeur p de 0.175.

Le textile est-il associé à des différences d’utilisation des moustiquaires?

Compte tenu des résultats ci-dessus, il n’y a aucune preuve suggérant que le textile de la moustiquaire fait une différence substantielle dans l’utilisation globale de la moustiquaire.

Prise en compte des préférences des répondants à l’enquête pour les moustiquaires d’un textile particulier

Très peu d’enquêtes demandent aux personnes interrogées quel textile de moustiquaire elles préfèrent, et encore moins demandent aux personnes interrogées la force de cette préférence. Si, toutefois, des données sont disponibles sur les « préférences déclarées » (ce que les répondants déclarent comme leur préférence), cela peut être évalué parallèlement au comportement d’utilisation de la moustiquaire observé.

Dans des travaux antérieurs sur les préférences en MII, une variable binaire a été construite au niveau du ménage pour savoir si le ménage préférait, par ex. moustiquaires en polyester. Cette variable a ensuite été incluse dans les modèles présentés précédemment en tant que covariable. Dans de nombreux cas, le fait qu’un ménage préférait les moustiquaires d’un certain type n’était pas fortement associé au résultat de l’utilisation des moustiquaires. Cela pourrait être dû au fait que la préférence n’était pas le seul facteur déterminant, ou parce que le ménage ne disposait que de moustiquaires d’un type différent et a choisi de les utiliser (peut-être à contrecœur) plutôt que de rester sans protection contre le paludisme.

Les préférences déclarées en elles-mêmes ne devraient pas être utilisées pour justifier l’achat de moustiquaires d’un seul textile ; l’analyse de l’utilisation des moustiquaires observée à partir des ensembles de données d’enquête fournira les informations nécessaires sur la façon dont les moustiquaires sont utilisées. Cependant, lorsque les deux types d’informations sont disponibles, ils peuvent être utilisés en combinaison pour évaluer la force de ces préférences par rapport à d’autres facteurs déterminants.

Étapes si les données ne sont pas disponibles

Si les données d’enquête sont anciennes, incomplètes ou si les distributions de masse récentes n’ont impliqué que des moustiquaires d’un seul textile, les pays peuvent avoir besoin de collecter des données supplémentaires et/ou de s’assurer qu’un mélange de MII est distribué dans les prochaines campagnes.

Sources de données supplémentaires pouvant être utiles pour la triangulation

Taux d’échange des ITN de campagne aux points de distribution - les taux d’échange diffèrent-ils pour les ITN de différents textiles?

Lorsque les taux d’échange (proportion de MII récupéré sur le nombre disponible ou attendu) pour les campagnes de masse sont disponibles et peuvent être directement liées au type de MII distribuées, de préférence au niveau du district, cela peut être utile à examiner. La question est de savoir si les taux d’échange des MII diffèrent du fait que le textile de la moustiquaire est distribué aux points de distribution. (Pour les campagnes de distribution porte-à-porte, nous n’attendons pas de taux élevés de refus de MII une fois les équipes de distribution sont à la porte.)

Les taux d’échange pour les différentes communautés pour les campagnes de MII sont susceptibles de différer pour des raisons non liées au textile, et il est donc important de prendre en compte ces autres facteurs potentiels lors de l’interprétation des données de taux d’échange. Des observations anecdotiques au cours de certaines campagnes peuvent attribuer des taux d’echange réduits au fait de ne pas vouloir s’embêter avec l’effort de récupérer les MII si elles sont le textile le moins préféré, et ces observations sont importantes. Il est crucial de considérer les autres options que les ménages peuvent avoir pour la prévention des piqures des moustiques lorsqu’ils refusent de ramasser les MII ; peut-être peuvent-ils accéder à leur MII préférée sur le marché ou en pharmacie, ou ont-ils d’autres options telles que des spirales/serpentins ou des sprays qui, selon eux, les protègent suffisamment, ou (et) ils estiment que leur risque de conséquences graves du paludisme est faible. Dans certains de ces contextes, il est possible que la fourniture de la moustiquaire préférée entraîne une augmentation de l’utilisation des MII, mais n’entraîne pas soudainement que tout le monde utilise des MII tout le temps, étant donné d’autres facteurs contribuant à la faible utilisation globale de la moustiquaire.

Données de surveillance de la durabilité - les comportements de rétention et d’entretien diffèrent-ils pour les MII de différents textiles?

Il est possible que les moustiquaires qui sont moins préférées soient soumises à des comportements d’entretien et de réparation des moustiquaires moins prudents, ou soient distribuées à des taux plus élevés, ou jetées plus tôt. Compte tenu de la taille de l’échantillon et de la conception des activités de surveillance de la durabilité, il serait très difficile de retracer les différences de rétention des filets et d’intégrité physique spécifiquement au textile du filet. Nous serions également prudents en nous appuyant sur des méta-analyses de données de durabilité multi-pays pour étudier l’impact du textile sur la rétention et l’intégrité physique, étant donné le taux élevé de variation de la durabilité des moustiquaires de la même marque dans différents contextes géographiques et sociaux. Cependant, il peut être utile d’exploiter ces données lors de la triangulation à partir des données d’enquête auprès des ménages et des données sur les taux de rachat, et d’évaluer si les résultats sont alignés ou mal alignés.