Lorsque nous passons de la recherche d'une couverture SAM pour regarder MAM nous faisons effectivement les choses plus faciles, car il devient plus facile de trouver un échantillon.

Imaginez, nous avons:
SAM: 1% MAM: 8%
et une taille de village moyenne de 500 et une proportion de 6-59 mois de 20%. Nous voudrions, sur trouvaille moyenne:
0,20 * 500 * 0,01 = 1
cas de SAM par village, et:
0,20 * 500 * 0,08 = 8
cas de MAM par village. La principale différence lors du passage de SAM pour MAM est que nous utilisons l'échantillonnage porte-à-porte avec un bref recensement des ménages verbale de trouver des cas. Ceci est plus de travail que SAM mais nous échantillon dans beaucoup moins de villages.

Si nous prenons un échantillon de 8 villages nous obtenons un échantillon de quelque chose comme n = 64 cas. Ceci est très important pour les deux SQUEAC et SLEAC. Compte tenu d'une forte modérément avant nous aurions un IC à 95% de ± 10% ou plus sur une estimation de la couverture finale. Si la couverture était (par exemple) <30% (ie quand nous avons besoin de la plupart des données de barrières), alors nous aurions> = 0,7 * 64 = 44 cas décelés de nous donner une liste de classement des barrières pour confirmer / 1 conclusions de la scène de SQUEAC rang.

Nous pouvons également utiliser une estimation indirecte rapide et sale de la couverture des enquêtes SMART, listes de distribution, des cartes de points de distribution, & c. pour nous donner un avant. Nous pourrions (par exemple) ont:
Population: 100 000 p (6-59 mois): 20% MAM: 8% (IC 95% = 5% - 11%) Bénéficiaires SFP: 1208
Nous avons prévu les cas de:
N: 100000 * 0,2 * 0,08 * 2,6 = 4160 LCI: 100000 * 0,2 * 0,05 * 2,6 = 2600 UCI: 100000 * 0,2 * 0,11 * 2,6 = 5720
Une estimation indirecte de couverture est:
P: 1208/4160 = 29% LCI: 1208/5720 = 21% UCI: 1208/2600 = 46%
Nous pourrions alors utiliser un Beta (13,30) avant qui pourrait ajouter:
13 + 30 - 2 = 31
à la taille de l'échantillon de l'estimation de la couverture.

SQUEAC et SLEAC ont été utilisés plus d'enquêter sur la couverture de la PTF, mais il n'y a pas de problèmes réels (en dehors de la volonté politique) en utilisant ces méthodes pour enquêter sur la couverture de la SFP.

Je l'ai effectivement utilisé SQUEAC dans l'évaluation de la couverture de MAM à Kisumu et Nairobi, le Kenya et le processus était réellement utile pour déterminer les obstacles au programme Tsfp. En fait, pour obtenir les cas de MAM était beaucoup plus facile grâce à la projection de porte-à-porte depuis la prévalence de MAM dans les deux zones a été élevée par rapport à celle de SAM (Ceci est toujours le cas la plupart du temps).

Salut et Mark Samuel

Merci pour vos réponses.

Samuel seriez-vous prêt à partager les rapports de vos enquêtes SQUEAC? Avez-vous rencontré d'autres limitations pratiquement avec l'aide de la méthodologie SQUEAC pour SFP et si oui, comment avez-vous autour d'eux?

Merci beaucoup,