Dans mes expériences courtes, quand je étais au Bangladesh, qui a le taux d'insuffisance pondérale élevé de U5 Asie, et vit que kwashiokor a été moins montré que les pays africains que je jamais visité. Je pense que l'une des raisons est liée à la nature des aliments que les gens consomment quotidiennement. Dal (haricots) est consommé quotidiennement dans Bangla bien que son montant est faible; qui est, les enfants a plus de chances de ne pas être kwashiokar. Cependant, il faut plus de recherche fondée sur des preuves.

Kiros, vous avez raison. Quand je regarde la répartition des kwash dans les enquêtes qu'il suit toujours une distribution binomiale négative entre les clusters (montrant la tire de kwash dans certains groupes), alors que le marasme suit une distribution de poisson montrant qu'il est distribué au hasard dans une zone. Alors oui, je l'ai preuve statistique que cela se produit dans certains domaines - et ceux-ci peuvent être très petites - comme un village, tandis que les villages voisins ne doivent pas kwash. Il est clairement un facteur environnemental. Mais nous ne sommes pas sûr de savoir pourquoi encore. Je constate que la prévalence tend à être élevée où il est profondément sol rouge et une pluviométrie relativement lourde (avec des agrafes de maïs, le manioc, la banane, le riz, l'ensète, igname). Je soupçonne qu'il est lié à la nutrition minérale, mais avoir aucune preuve solide, sauf quelques indications que le Se est impliqué. Il est une question fascinante - avec pas de réponse pour le moment. Vive Mike or

Il s'agit d'un sujet plus ancien, mais je viens de le découvrir, je vais donc ajouter une réponse.

Le regroupement des cas de kwashiorkor est très courant en Afrique centrale et, comme l'a noté le Dr Golden, les clusters peuvent être aussi petits et rapprochés les uns des autres que des villages voisins. Ce regroupement de cas rend la méthode habituelle d'échantillonnage par grappes inappropriée pour détecter le kwashiorkor et a probablement conduit à une sous-estimation des cas de kwashiorkor. Fait intéressant, au lieu que les différences entre les zones avec et sans le kwashiorkor soient au centre de la causalité dans les études de recherche, l'emplacement est souvent utilisé comme quelque chose à contrôler dans la recherche de la "véritable" cause, alors qu'un facteur environnemental est puisse en être une cause.

Ayant constaté cela, nous avons fait une enquête de recensement et cartographié la prévalence par village. Dans ce cas, il est apparu que les différences historiques dans les schémas d'installation des communautés respectives, et les désavantages sociaux associés, suivaient les différences dans la prévalence du kwashiorkor.

Voici un lien vers l'article. C'est open source, donc j'espère que le lien fonctionnera.

https://pubmed.ncbi.nlm.nih.gov/30136596/

Passez une bonne journée,
Merry

Merry, merci pour la référence à votre article intéressant démontrant la distribution hétérogène du kwashiorkor dans l'est de la RDC. Juste un commentaire rapide sur votre déclaration selon laquelle "Ce regroupement de cas ... a probablement conduit à une sous-estimation des fardeaux du kwashiorkor." L'utilisation du mot "sous-estimations" implique la présence d'un biais ; c'est-à-dire qu'une estimation d'enquête du résultat ne correspond pas au véritable résultat dans la population en raison d'un problème de mesure, d'échantillonnage ou d'une autre erreur. L'échantillonnage en grappes, lorsqu'il est effectué correctement, est exempt de tels biais et ne conduira pas à des sous-estimations, quelle que soit l'hétérogénéité de la distribution des résultats. Bien sûr, l'hétérogénéité de la distribution du kwashiorkor dans vos villages conduirait sans doute à un ICC important qui produit un effet de conception important, diminuant ainsi la précision de toute estimation basée sur un échantillon aléatoire de la population. Une précision aussi médiocre peut également entraîner une différence substantielle entre l'estimation ponctuelle d'une enquête et la valeur réelle de la population, mais nous pouvons calculer la précision (souvent exprimée sous forme d'intervalles de confiance autour d'une estimation de la prévalence) afin de juger de l'utilité des estimations de l'enquête. Nous devons toujours garder à l'esprit la différence entre une mauvaise précision et un biais, car ils ont des implications très différentes.

Cher Bradley,

Merci pour la correction. En effet, il s'agirait d'une erreur de précision plutôt que d'un biais - donc dépendant de la façon dont les grappes sélectionnées apparaissent, l'échantillonnage en grappes pourrait également surestimer la prévalence.

Dans le cas de la zone étudiée dans l'article, la sélection des grappes s'est avérée tomber dans les villages avec la prévalence la plus faible, ce qui a conduit à la conclusion que la prévalence de toute la zone était si faible que l'ONG a retiré ses services et les a redirigés ailleurs. Si le groupe sélectionné avait été à seulement un demi-km à l'ouest, ils seraient arrivés à des conclusions très différentes. Lorsque le ministère de la Santé a vu les résultats de cette enquête, il a essayé de rediriger ses propres ressources pour s'attaquer à ce cluster, mais il manquait de ressources pour le faire correctement.

Je ne suis certainement pas un expert des nuances de la conception d'une enquête. Ma compréhension est que l'échantillonnage en grappes 30x30 actuel est basé sur la détection précise des prévalences plus typiques de l'émaciation modérée, qu'il n'est pas vraiment approprié pour une prévalence précise de la MAS lorsque la prévalence est assez faible. Et si le kwashiorkor se regroupe plus étroitement que l'émaciation, comme cela semble être le cas de manière anecdotique, et si la prévalence est souvent aussi élevée que la zone de cette étude, alors peut-être devrions-nous travailler sur un plan d'enquête différent pour les régions où le kwashiorkor est le majorité des cas MAS ?

Dans tout l'est de la RDC, le personnel de santé local peut vous diriger vers les villages ou groupes de villages où le kwashiorkor se concentre. Dans les cas où j'ai suivi leurs instructions, ils ont eu raison. Dans ces régions, les gens sont assez au fait pour détecter non seulement les cas d'œdème bipède, mais aussi les enfants qui en sont à un stade précoce. Peut-être que dans les cas où la prévalence globale est estimée relativement faible, disons inférieure à 4 %, le dépistage actif des cas fournirait-il une approche plus précise ? Quelque chose comme # cas détectés grâce à la recherche active de cas/population totale estimée ?

Merci pour le commentaire et la contribution,

Merry

Je pense que Woody a raison de dire que nous pourrions nous attendre à une mauvaise précision (larges intervalles de confiance) sur les estimations de la prévalence des conditions groupées lors de l'utilisation d'un échantillon en grappes. Le kwashiorkor est une maladie rare et nous ne souhaitons pas de larges intervalles de confiance et nous pourrions nous retrouver avec des intervalles de confiance en dessous de zéro (impossibilité) ... si nous ne voyons qu'un seul cas, la prévalence doit être supérieure à zéro, donc une limite de confiance inférieure <= 0 n'a aucun sens. Cela pourrait être résolu en utilisant des méthodes analytiques plus précises qui sont disponibles maintenant que nous avons des ordinateurs plus puissants ... quand j'étais un jeune épidémiologiste en pantalon court, nous avions l'habitude de "découper" grossièrement les intervalles non séniques (c'est-à-dire remplacer la limite <= 0 par une très petit nombre comme un dixième de un pour cent) ... mais le problème pourrait également être abordé en utilisant différents plans d'enquête et stratégies d'échantillonnage.

Je pense qu'il peut y avoir un problème de biais ici ou peut-être parce que nous commettons une erreur de catégorie. Nous pourrions confondre la prévalence avec le « fardeau » ou le « besoin » alors qu'il serait préférable d'utiliser l'incidence. Si une affection est aiguë (c'est-à-dire que les cas disparaissent ou meurent rapidement), le nombre de cas prévalents sera bien inférieur au nombre de cas incidents et sous-estimera le fardeau de la maladie. Nous voyons fréquemment ce genre de chose lorsque nous utilisons des estimations de la prévalence de la MAS (multipliées par la population) pour prédire les nombres de CTCE, et nous nous retrouvons avec des prévisions de nombre de cas qui sont bien inférieures aux admissions observées, même lorsque la couverture est faible. Il s'agit de problèmes d'enquête transversale plutôt que de problèmes spécifiques aux échantillons en grappes.

J'espère que cela a du sens.

Elle est principalement liée au type d'aliments consommés c'est-à-dire les zones où les populations consomment davantage de céréales avec de faibles apports de sources protéiques.