Déterminants de la réussite des Activités Génératrices de Revenu tenues par une personne vivant avec le VIH à Kinshasa en République Démocratique du Congo : un aperçu de l’expérience congolaise. Determinants of the success of income generating activities

Objectif: Identifier les facteurs influençant la réussite d’une AGR tenue par une PPVIH en RD Congo.
Méthodes: Quinze experts dans le domaine ont été conviés à une réflexion sur les déterminants de la réussite dans leurs activités. Un modèle subjectif bayésien (MSB) a été construit à partir des données reccueillies : en estimant le quotient de probabilité à priori du succès d’une AGR, les rapports de vraisemblance de différents facteurs, le quotient de probabilité a posteriori, ainsi que la probabilité de succès d’une AGR tenue par un PVVIH. La validation du MSB a tenu compte du degré d’agrément intra et inter experts et du critère de discrimination en le comparant avec le consensus des experts, aux cas réels et aux résultats fournis par la régression logistique construit avec les cas réels en donnant sa sensibilité(Se), sa spécificité(Sp), sa valeur prédictive positive(VPP) et sa valeur prédictive négative(VPN) et sa valeur d’efficacité globale (VEG). Les données sur les cas réels ont été collectées dans les projets en cours à Kinshasa en Janvier 2010.
Résultats: Le panel a identifié 6 facteurs indépendants : l’engagement de la personne à sortir de la pauvreté, la maîtrise de l’environnement avec l’usage des outils de gestion, l’état de santé stabilisé du bénéficiaire, l’étude de faisabilité concluante, le suivi régulier et le soutien du bénéficiaire par sa famille. La probabilité qu’une AGR tenue par une PVVIH connaisse du succès est de 0,94, soit une AGR tenue par une PVVIH a 94 % de chance d’avoir le succès. Les rapports de vraisemblance calculés pour les facteurs ont été tous supérieurs à 1,4. Le MSB a montré une bonne validité interne (Se= 97,6%; Sp= 93,9%; VPP= 95,3%; VPN = 96,9%) et externe (Se= 95,5%; Sp=60%; VPP=87,7%; VPN=81,8%). La régression logistique a retenu l’état de santé stabilisé de la PVVIH (OR=9,06; IC95%:1,38-59,11; p=0,035) et l’étude de faisabilité concluante (OR=20,25 ; IC95% :3,45-118,77; p= 0,003).
Conclusion: Les facteurs identifiés surtout l’état de santé stabilisé du PVVIH et l’étude de faisabilité peuvent servir d’algorithme dans la prise de décision lors de l’octroi de fonds pour les AGR aux PVVIH dans le contexte de la RD Congo.

Objective. To identify the correlates of success of an income generating activity held by a PLWHIV in DR Congo.

Methods. Fifteen experts working in HIV area were invited to identify main correlates of IGA success. Data collected allowed constructing a bayesian subjective model (BSM) estimating Prior probability ratio, Likelihood Ratios for those factors, posteriori probability ratio and the probability of success of an IGR held by a PLWHIV. Afterwards, BSM was validated by computing agreement among experts and the cut of point, comparing experts’consensus with real cases and with expected results provided by a logistic regression built using real cases’data. Sensitivity (Se), specificity (Sp), Positive predictive value (PPV) and negative predictive value (NPV) and global effectiveness value (GEV) of the BSM were computed. Real cases data were collected among HIV supported projects existing in Kinshasa in 2010.

Results. The experts’panel identified 6 Independent factors: the commitment of PLWHIV to win poverty, Environment mastering with the use of management tools, stabilized health status of the holder, successful feasibility study, regular monitoring and family support of the beneficiary. The probability of success of an IGA held by a PLWIH fulfilling those requirements was 94%. All likelihood Ratio computed for those factors were up to 1.4. The proposed BSM showed good internal (Se= 97.6%; Sp= 93.9%; PPV= 95.3%; NPV = 96.9%) and external validity (Se= 95.5%; Sp=60%; PPV=87.7%; NPV=81.8%). Factors kept by the logistic regression model were stabilized health status of the holder (OR=9.06; IC95%:1.38-59.11; p=0.035) and a successful feasibility study (OR=20.25; IC95% :3.45-118.77; p= 0.003).

Conclusion: This model using 6 predicting factors can be used as algorithm in the decision making during the income generating activity grant awarding session in the context of DR Congo.