Implémentation de la plateforme de recherche et suivi numériques des cas contacts des malades tuberculeux à Abobo (Côte d’Ivoire) : facteurs limitant l’adoption
Abstract
Depuis l’avènement du coronas virus 2019, les méthodes de recherche des cas contacts des malades contagieux ont été repensées. En effet, la forte contagiosité du COVID-19 a révélé les limites de la méthode manuelle et traditionnelle de la recherche et du suivi des cas contacts. Cette méthode, marquée essentiellement par des enquêtes épidémiologiques relativement longues s’avérait inadaptée face à des pathologies aussi rapidement contagieuses que le COVID-19. Par conséquent, la recherche et le suivi manuels ont progressivement été numérisés. Désormais, des dispositifs basés sur des smartphones ou en format capteurs enregistrent systématiquement les contacts des personnes qui utilisent ces plateformes. Toutefois, l’adhésion des usagers à l’innovation est confrontée à plusieurs formes de résistances sociales. Que ce soit dans les pays développés ou ceux en voie de l’être, le niveau d’adoption de la technologie est faible. En outre, ces plateformes sont pour la plupart conçues dans les pays développés et implémentés dans les autres, sans tenir compte des réalités sociales locales. Pourtant, l’acceptabilité sociale d’une technologie en e-santé prend ancrage dans l’appareil social et sur le niveau de littératie des usagers ciblés par le dispositif. L’objectif de la présente étude est d’identifier les facteurs sociaux à l’origine des résistances sociales liées à l’adoption d’une technologie de recherche et de suivi numérique des cas contacts en particulier des malades tuberculeux de la commune d‘Abobo (Côte d’Ivoire).
Pour atteindre cet objectif, nous avons, lors d’une étude quantitative, questionné 400 personnes dans deux quartiers de la commune d’Abobo, compte tenu de l’endémicité de cette commune face à la tuberculose.
Il est ressorti de l‘enquête que l’adoption de la plateforme dépend du niveau de connaissance des répondants sur la tuberculose. En effet, les personnes interrogées à Sogefiha, quartier abritant le CAT de la commune, présentent un meilleur niveau de connaissance de la tuberculose et par ricochet une attitude plus favorable à la plateforme comparativement à celles interrogées à Belle-Ville.
Par ailleurs, d’autres facteurs participent à l’acceptation de la technologie. Ce sont les expériences antérieures avec des technologies similaires, le niveau d’instruction et de confiance au système de santé en tant que partie prenante du projet.
The emergence of Coronavirus Disease 2019 (COVID-19) has profoundly transformed contact tracing strategies for infectious diseases. The rapid transmissibility of COVID-19 exposed the structural limitations of conventional manual contact tracing, which relies heavily on time-intensive epidemiological investigations and retrospective interviews. Such approaches proved insufficient in the face of highly contagious pathogens requiring rapid identification and interruption of transmission chains. In response, contact tracing practices were progressively digitized through the deployment of smartphone-based applications and wearable or sensor-based systems capable of automatically recording proximity events. Despite their epidemiological promise, digital contact tracing technologies have encountered persistent social resistance and limited adoption across both high-income and low- and middle-income countries. Adoption rates remain suboptimal, undermining the public health effectiveness of these tools. Furthermore, most digital tracing platforms are conceptualized and developed in technologically advanced contexts before being implemented elsewhere, often without adequate consideration of local socio-cultural, infrastructural, and literacy-related realities. The social acceptability of e-health technologies is not merely a function of technical performance but is deeply embedded in social structures, cultural norms, trust dynamics, and, critically, the level of health and digital literacy among target populations. Literacy shapes risk perception, technological comprehension, and the capacity to meaningfully engage with digital health innovations. Yet, its role in shaping resistance to digital contact tracing in sub-Saharan African contexts remains underexplored.
The objective of this study is to identify the social factors underlying resistance and to determine the role of literacy in shaping social resistance to the adoption of a digital contact tracing and monitoring technology, particularly for tuberculosis patients in the municipality of Abobo (Côte d’Ivoire).
To achieve this objective, a quantitative study was conducted involving 400 respondents from two neighborhoods in Abobo, selected due to the endemic nature of tuberculosis in the area.
The findings indicate that adoption of the platform is closely associated with respondents’ level of knowledge about tuberculosis. Specifically, individuals surveyed in Sogefiha—a neighborhood hosting the Anti-Tuberculosis Center (CAT)—demonstrated a higher level of knowledge and, consequently, a more favorable attitude toward the platform compared to those surveyed in Belle-Ville.
Furthermore, additional factors contribute to technology acceptance, including prior experience with similar technologies, level of education, and trust in the healthcare system as a key stakeholder in the project.
Downloads
PlumX Statistics
References
2. Akrich, M. (1992). The de-scription of technical objects. In W. E. Bijker & J. Law (Eds.), Shaping technology/building society (pp. 205–224). MIT Press.
3. Afroogh, S., Esmalian, A., Mostafavi, A., et al. (2021). Tracing app technology: An ethical review in the COVID-19 era and directions for post-COVID-19 (pp. 10-15).
4. Amouzadeh, E., et al. (2025). Optimizing mobile app design for older adults: A systematic review. JMIR Aging (pp. 12-18).
5. Batellier, P. (2008). Acceptabilité sociale. In Acceptabilité sociale (Concept) (pp. 5-10).
6. Beck, U. (1992). Risk Society: Towards a New Modernity. London : SAGE (260 pages).
7. Bhattacherjee, A. (2012). Social Science Research: Principles, Methods, and Practices (154 pages).
8. Bourdieu, P. (1998). La domination masculine. Éditions du Seuil.
9. Cochoy, F. (2004). La captation des publics : C’est pour mieux te séduire, mon client… Toulouse : Presses Universitaires du Mirail (142 pages).
10. Crozier, M., & Friedberg, E. (1977). L’acteur et le système : Les contraintes de l’action collective. Paris : Éditions du Seuil (437 pages).
11. Czaja, S. J., & Lee, C. C. (2007). The impact of aging on access to technology. Universal Acess in the Information Society, 5, 341-349.
12. Dube, T. N., et al. (2025). Acceptability of Digital Adherence Technologies to support people with drug-susceptible TB in South Africa (pp. 10-15).
13. Farmer, P. (1999). Infections and inequalities: The modern plagues. University of California Press (373 pages).
14. Fassin, D. (2000). Les enjeux politiques de la santé : Études sénégalaises, équatoriennes et françaises. Karthala (362 pages).
15. Fassin, D. (2018). La vie : Mode d’emploi critique. Éditions du Seuil (176 pages).
16. Iribarren, S., et al. (2025). User-Centered Refinement of a Digital Tool for TB Treatment Support Tools (TB-TST) (pp. 10-15).
17. Kaplan, D. (2004). The SAGE Handbook of Quantitative Methodology for the Social Sciences. SAGE Publications (640 pages).
18. Kickbusch, I., Pelikan, J. M., Apfel, F., & Tsouros, A. D. (2013). Health literacy: The solid facts. World Health Organization (73 pages).
19. Kleinman, A. (1980). Patients and healers in the context of culture. University of California Press (427 pages).
20. Lupton, D. (2014). Digital sociology. Routledge (256 pages).
21. Nutbeam, D. (2000). Health literacy as a public health goal: A challenge for contemporary health education and communication strategies. Health Promotion International, 15(3), 259–267.
22. Quivy, R., & Van Campenhoudt, L. (2011). Manuel de recherche en sciences sociales (4e éd.). Dunod (288 pages).
23. Salazar-Cardona, J. A., et al. (2023). Designing tangible user interfaces for older adults. Sensors, 23(23) (pp. 15 pages).
24. Subramanian, K., et al. (2024). Ease of use and adoption of ATM interfaces among elderly users (pp. 10-15).
25. Suchman, L. A. (1987). Plans and situated actions: The problem of human-machine communication. Cambridge University Press (203 pages).
26. Zhang, S., et al. (2024). Older adults’ preferences for mobile electronic health record interfaces. Frontiers in Digital Health (10-15).
27. Zeadally, S., Maiorana, A., Bell, et al. (2020). L’acceptabilité sociale du partage des données de santé (pp. 10-15).
Copyright (c) 2026 Yao Cyrille Kouassi, Gbete Jean Martin Irigo, Georgina Angoa, Benjamin G. Koudou
This work is licensed under a Creative Commons Attribution 4.0 International License.
