Menu ENN Search
Changer la langue : English Français

Couverture enquête de prévalence pour la couverture SFP pour la malnutrition chronique

Cette question a été affichée dans le forum de discussion Evaluation de la couverture et a des réponses 6. Rassurez-vous de laisser le sujet inchangé Répondre par email.

» Afficher une réponse

Anonyme 2232

Utilisateur régulier

18 mars 2013, 06:51

Ceci a été traduit automatiquement.

Notre programme est un programme d'alimentation complémentaire de couverture (BSFP) qui cible des taux très élevés de malnutrition chronique, problème de la nutrition le plus grand dans le pays. Nous ciblons tous les enfants de 6-23 mois dans les districts sélectionnés avec ASPE et ont fait ainsi depuis Juin 2011 dans le premier arrondissement que le programme a démarré en.

Avant le début du programme, une base de référence a été fait pour obtenir le taux de retard de croissance des enfants de moins de 24 mois. Maintenant, nous voulons faire une deuxième enquête transversale, y compris les indicateurs de nutrition et la couverture du programme.

Plus précisément, les objectifs de l'enquête sont les suivants: 1) déterminer le taux de retard de croissance chez les enfants de moins de 59 mois (à comparer avec les futures enquêtes et d'inclure les enfants qui ont participé à l'BSFP mais sont maintenant plus de 24 mois d'âge) et le taux de retard de croissance du substrat des enfants de moins de 24 mois (à comparer à la valeur initiale); 2) pour déterminer la couverture programme prévalence; et 3) pour enregistrer d'autres indicateurs de nutrition de la norme et de sécurité alimentaire pour le contexte.

Comme il est un BSFP et tous les enfants sont éligibles, leur évaluation pour l'inscription / participation devrait nous donner la prévalence de couverture alors que nous sommes également sondons la prévalence du retard de croissance. Toutefois, contrairement aux programmes de malnutrition aiguë, l'inscription ne suffit pas pour évaluer la couverture depuis l'ASPE est donné une fois par mois pour un total de 18 mois au niveau du village, en supposant que l'enfant est inscrit à l'âge de 6 mois.

La question est alors de savoir comment définir la «couverture». Y at-il une norme établie pour ce type de BSFP? Jusqu'à présent, il est proposé de définir un enfant comme «couverte» qui a reçu l'ASPE pour au moins 50% des mois dans lequel il / elle a pu bénéficier depuis le début du programme.

Sur l'échantillonnage, il est proposé de stratifier par 0-23 mois et 24-59 mois. Tant que l'échantillon de la strate 0-23 mois est assez grand, et puis l'échantillon élargi proportionnellement à inclure la strate 24-59 mois, il devrait être possible de déterminer les taux de retard de croissance de 0-23 et 0-59 pour les mois d'âge. Comme avec les précédents de base, l'enquête va utiliser un échantillon de grappes en deux étapes avec des couches de villages et des ménages.

Reconnaissant que BSFP pour la malnutrition chronique et l'évaluation de ces programmes est un domaine encore très en développement, vos commentaires sont les plus appréciés.

Mark Myatt

Consultant Epidemiologist, Brixton Health

Utilisateur fréquent

18 mars 2013, 17:41

Ceci a été traduit automatiquement.

WRT «taux de retard de croissance". . . Je pense que vous voulez dire la prévalence du retard de croissance. Le terme «taux de retard de croissance" est ambigu car il pourrait se référer à la prévalence, l'incidence ou à l'angle entre les courbes de croissance observé et de référence (c.-à quelle vitesse un enfant est de plus en retard de croissance).

Le retard de croissance et un retard de croissance: Je pense que vous devez être attentif à WRT utilisant les termes «retard de croissance» et «rabougris" (entre processus et des résultats). Les enfants qui sont rabougris à environ 24 mois ont tendance à rester un retard de croissance et de suivre la courbe de croissance jusqu'à ce que la poussée de croissance pré-adolescence.

0-23 mois: Je voudrais éviter de mesure de la longueur dans le groupe d'âge 0-6 mois. cela a été discuté ailleurs sur ces forums.

Échantillonnage (1): Je serait probablement simplifier l'échantillonnage en ayant une taille globale de l'échantillon suffisamment grand pour donner taille de l'échantillon suffisant dans chaque groupe d'âge.

Échantillonnage (2): Je voudrais également envisager d'utiliser un estimateur pour PROBIT prévalence du faible H / A puisque ce sera de réduire l'exigence de taille de l'échantillon considérablement. Je ne suis pas clair pourquoi vous voulez travailler avec une prévalence lorsque vous pouvez travailler avec la ZAT directement et essai pour effets à l'aide de tests t, ANOVA, ou des modèles linéaires. Toutes ces approches faire un usage plus efficace des données que l'approche "recoder et compiler".

Échantillonnage (3): Je ne voudrais pas utiliser l'échantillonnage PPT pour la couverture depuis PPS met l'échantillon dans les centres les plus peuplés et tend à surestimer la couverture. Voir le présent document.

Couverture: Le WRT problème de la définition de la couverture est intéressant. Je pense que vous devez être prudent sur le rappel maternelle sur des périodes aussi longues. Il y aura probablement beaucoup d'erreurs qui peut augmenter avec l'âge. Vous pourriez regarder pour essayer une période de rappel plus courte et de définir "couvert" (par exemple) deux des trois mois précédents. Je serais tenté juste pour utiliser le mois en cours. Je suggère un certain pilotage de cette.

Je ne suis pas sûr que ce soit l'aide ou tout simplement agitant la main.

Anonyme 2232

Utilisateur régulier

7 juin 2013, 04:57

Ceci a été traduit automatiquement.

Salut Marc, très tardive merci, mais vos commentaires ont été d'une grande aide à façonner la conception de l'enquête final et protocole.

Nous sommes près d'une semaine dans l'enquête et avons couru dans un problème d'échantillonnage urgente. En toile de fond rapide, nous avons utilisé du SCCS. Notre district a été divisé en 8 quadrants, 8 villages sélectionnés par la proximité du centre du quadrant. Nous nous attendions à propos d'un échantillon d'environ 300 enfants de 6-59 mois (qui cherchent chaque enfant dans cette tranche d'âge dans chaque village), mais en fait, après l'utilisation de chaque méthode d'identification, y compris porte-à-porte et contre-vérifier contre disponibles listes de village, les nombre total va être considérablement plus faible - environ 200.

L'analyse multivariée semble être difficile, car comme indiqué précédemment, la définition de «couverture» est pas simple. Nous avons plusieurs questions d'indicateurs pour cela, mais jusqu'à présent, nous voyons partage de la nourriture ainsi que le respect général de la ration journalière ne cherche pas aussi bien que prévu. Ainsi, la définition globale de la couverture (nourriture + a reçu la ration consommée) est un) problématique et b) éventuellement faible, donc nous courons le risque de ne pas avoir un échantillon suffisamment grand 'couverte'. Nous avons aussi un bon nombre de facteurs confondants mesurées par enfant: l'indice de richesse, WASH, la consommation alimentaire / score ANJE, l'éducation maternelle, la taille du ménage, de la santé infantile, la santé maternelle, l'éducation maternelle, faible poids de naissance.

Donc la question est:
Avons-nous besoin d'augmenter la taille de l'échantillon? Si oui, à quoi? Comment faisons-nous cela avec SCCS, que nous ne pouvons pas visiter un autre 8 villages? Nous avons déjà un ordre aléatoire les deuxièmes plus proches villages du centre du quadrant, mais le temps, les ressources, la logistique et la fatigue de l'enquête signifie qu'il serait beaucoup plus réaliste et stratégique pour sélectionner 1-2 d'entre eux.

Merci (à l'avance!) Cette fois.

Anonyme 2232

Utilisateur régulier

7 juin 2013, 06:09

Ceci a été traduit automatiquement.

Une dernière chose: même si nous ne nous attendons pas à voir un changement dans la prévalence du retard de croissance, nous aimerions toujours l'enquête pour donner prévalence du rabougrissement pour les enfants de 6-23 mois et les enfants de 6-59 mois pour une utilisation future. Nous tôt calculé cette taille d'échantillon à 306 enfants, mais comme vous avez déjà suggéré, peut-être il ya des façons de réduire la taille de l'échantillon nécessaire en utilisant un estimateur ??

Mark Myatt

Consultant Epidemiologist, Brixton Health

Utilisateur fréquent

7 juin 2013, 08:31

Ceci a été traduit automatiquement.

Pour répondre à votre deuxième problème première ...

L'estimateur alternative est "modèle fondé". Il repose sur le «dogme» fréquentiste que:

    = probabilité proportion

Nous pouvons inverser cette manière que nous avons:
    proportion = probabilité

Ceci est un renversement parfaitement légitime.

Le problème devient maintenant l'un de l'estimation de la probabilité. Cela nous nécessaire de spécifier un modèle de probabilité approprié pour notre variable d'intérêt. Le modèle approprié pour H / A est la distribution normale. Nous estimons la probabilité d'un enfant aura (par exemple) un HAZ <-2. Si nous pouvons faire cela, nous avons prévalence de HAZ <-2 depuis:

    = = probabilité proportion prévalence

La distribution normale est entièrement décrite par deux paramètres. Ceux-ci sont la moyenne et l'écart type (SD). Avec de petits échantillons, nous préférons utiliser robustes (résistants à-dire les valeurs aberrantes) estimateurs de la moyenne et SD. Ceux-ci sont:
   estimation de la population moyenne = médiane de l'échantillon   
   estimation de la population SD = échantillon IQR / 1,34898

où:
    IQR = quartile supérieur - quartile inférieur 

Une fois que nous avons ces nous pouvons utiliser la fonction de probabilité normale cumulative (disponible dans la plupart des paquets et des tableurs stats) pour calculer la probabilité (prévalence) nous intéresse.

Voici un exemple ... en supposant (à partir de notre échantillon), nous calculons:

    médiane = -1.6
    IQR / 1,34898 = 1.4

Dans Microsoft Excel (par exemple) vous pouvez utiliser:
    = LOI.NORMALE (-2; -1,6; 1,4; TRUE)

qui donne:
    0,3875484811

qui est une prévalence estimée de 38,8%.

En R (par exemple) vous pouvez utiliser:

    pnorm (-2, moyenne = -1.6, sd = 1.4, lower.tail = TRUE)

qui donne:
    [1] 0,3875485

qui est (aussi) une prévalence estimée de 38,8%.

Si vous avez besoin de calculer un IC à 95% (nous avons habituellement besoin de le faire), alors nous calculons d'abord un IC à 95% sur la médiane et l'utiliser. Une formule approximative pour un IC à 95% sur la médiane qui est sûr pour les situations peu (non-normales dire) à longue queue est:

    médiane +/- 1,58 * (IQR / sqrt (n))

Cette formule est à partir de:
    Velleman PF, Hoaglin DC, applications, bases, et de l'informatique
    d'analyse exploratoire des données, Duxbury Press, Boston, 
    Massachusetts, États-Unis 1981

avec les données d'exemple et une taille d'échantillon de n = 200, on a:
    -1.6 + 1,58 * (1.9 / 14.14) = [-1,4; -1,8]

Dans Microsoft Excel, nous avons:
    = LOI.NORMALE (-2, -1.4,1.4, TRUE)
    = LOI.NORMALE (-2, -1.8,1.4, TRUE)

ce qui donne:
    0,4432015032
    0,3341175709

Nous avons une estimation de 38,8% (IC 95% = 33,4%; 44,3%).

Vous devriez vérifier mon arithmétique ici.

BTW: Cette procédure est (un peu à confusion) dénommé PROBIT et est est utilisé dans la RAM et enquêtes de type S3M.

J'espère que cela aide.

Mark Myatt

Consultant Epidemiologist, Brixton Health

Utilisateur fréquent

7 juin 2013, 09:15

Ceci a été traduit automatiquement.

Maintenant, pour votre premier problème ...

Vous voulez savoir si n = 200 est sufficent (est-ce pas?).

Je suppose que vous avez une variable de résultat à deux classes (c.-à couvert contre ne sont pas couverts, un retard de croissance par rapport aux non-rachitique). Avec une telle variable vous pourriez utilisé la régression logistique pour analyser vos données. Qu'est-ce que je dois-dessous de la taille de l'échantillon applique à toute analyse multivariée.

Calculs de taille de l'échantillon, même simple analyse multivariée ne sont pas disponibles ou ont une applicabilité très limitée à des cas très particuliers. Je l'utilise techniques règle-de-pouce pour la taille de l'échantillon. Il ya plusieurs règles à choisir:

(A) Utilisez autant de sujets que vous pouvez obtenir, et vous pouvez vous permettre.

(B) Un minimum de 100 (un minimum de 200 préféré).

(C) l'utilisation d'un «sujet à rapport variable" corrigée.

Il ya un certain nombre d'options pour (C). Je préfère:

	
    Thorndike RM, procédures de corrélation pour la recherche,
    Gardner, New York, 1978 (p 184)

qui est:
	
    N = 10p + 50

"N" est la taille de l'échantillon minimum requis et "p" est le nombre de prédicteurs et les facteurs de confusion potentiels. Dans le cas d'un modèle tel que:
	
    résultat = + âge constant + sex + HHSIZE + goodIYCF
        + MaternalEducation + SafeWater + improvedLatrine + IPN

vous avez huit prédicteurs de sorte que la taille de l'échantillon minimum est de:
	
    N = 8 + 10 * 50 = 80 + 50 = 130

Ceci est la taille minimale absolue de l'échantillon. Lors de la conception il vous faudra alors appliquer la règle (A) ci-dessus. Cette approche est prise à partir de:
   Ojeknik SF, Planification de la recherche éducative: Détermination de la nécessaire
   taille de l'échantillon, Journal de l'éducation expérimentale, 1984, 53; 40-48

Alors ... si vous pouvez obtenir et permettre de mesurer plus de 130 sujets, puis de mesurer autant que vous le pouvez. Vous avez 200 de sorte que vous devriez être OK.

Une taille de n <100 de l'échantillon sera probablement considérée comme trop petite.

Une autre règle à partir de:

    Nunnally JC, la théorie psychométrique (2e éd.), McGraw-Hill, New York 1978

est:
	
    N = 40p

qui, avec huit prédicteurs, donner:
	
N = 40 * 8 = 320

Ceci est considéré comme plus sûr que le Thorndike (1978) règle si vous utilisez des techniques progressives pour construire un modèle:
	
    Tabachnick BG, Fiddel LS, utilisant les statistiques multivariées (2e éd.), 
    Harper Collins, New York, 1989 (p. 129)

L'astuce serait de ne pas utiliser des techniques progressives dans les modèles initiaux. Vous pouvez utiliser un filtre du premier stade dans lequel on écarte les variables ne sont pas associés avec l'issue des (ex) p <0,10 dans une analyse à deux variables. Cela signifie que la volonté modèle multivarié initial aura moins de variables. Ceci est une procédure couramment utilisée.

Il est à noter que le principal problème avec la construction du modèle par étapes est sage cas l'exclusion des enregistrements avec des valeurs manquantes. Cela signifie que les tailles d'échantillons efficaces peuvent sauter à propos sauvagement entre les étapes. Si vos données a quelques valeurs manquantes (et la plupart des indicateurs sont conçus pour avoir très peu de valeurs «non applicable», qui sont une espèce de "disparus") alors vous devriez être OK.

Je pense que vous devriez être OK avec n = 200.

J'espère que cela aide.

Anonyme 2232

Utilisateur régulier

9 juin 2013, 07:26

Ceci a été traduit automatiquement.

Merci beaucoup pour votre aide!

Retour en haut de page

» Afficher une réponse