Etape 2 d'une évaluation des SQUEAC est (comme vous dites) sur les tests d'hypothèse. Une hypothèse très fréquent de test sera que la couverture est élevée dans certains endroits et faible en d'autres endroits. Vous pouvez tester cette hypothèse avec une petite enquête à grande échelle dans un lieu ou les lieux où vous croyez que la couverture soit élevé et un lieu ou les lieux où vous croyez que la couverture soit faible. Il est important de noter que vous pouvez choisir un indicateur autre que la couverture (par exemple, sensibilisation du programme PCMA, la reconnaissance de la sangle MUAC, la reconnaissance des signes de malnutrition). Ce pourrait être quelque chose qui se pose à l'étape 1 de l'évaluation SQUEAC. Il ya des exemples dans la référence technique FANTA SQUEAC / SLEAC regardant les activités de dépistage, par défaut, l'ADN, & c.

Penchons-nous sur les mécanismes d'analyse de données en utilisant un exemple de distance de l'installation et la sensibilisation d'un programme iCMAM du Kenya (gracieuseté de données d'ACF-Kenya et le ministère de la santé local et national au Kenya). Dans cette étude, l'utilisation de «sensibilisation» plutôt que la collecte de données simplifiée "de couverture" dans un cadre de prévalence faible que l'échantillon était des mères d'enfants âgés de 6 à 36 mois qui sont très faciles à trouver que les cas SAM. Voici les données:
Distance de mères Installation équipe Village iCMAM Interviewé Conscient pas au courant ---- ------------ -------------- ----------- ----- ---- ----- 1 Lakole Près de = 1 km 5 5 0 Mlandanoor Extrême = 6 km 5 1 4 2 Bilikomarara Près de = 1 km 5 5 0 Martaba Extrême = 13 km 5 0 5 ---- ------------ -------------- ----------- ----- ---- ----- Remarque: Chaque équipe a commencé à un centre de iCMAM différente
La première hypothèse (c. bonne conscience si près d'une installation iCMAM) serait confirmée si plus de:
d = étage (10 * (50/100)) = 5
répondants étaient au courant du programme dans les villages proches. L'étude a révélé dix répondants qui étaient au courant du programme. La première hypothèse a donc été confirmée.

La deuxième hypothèse (c. mauvaise conscience si loin d'une installation iCMAM) serait confirmée si:
d = étage (10 * (50/100)) = 5
ou moins de répondants étaient au courant du programme dans les villages lointains. L'étude a révélé un répondant qui était au courant du programme. La seconde hypothèse a donc été confirmée.

Compte tenu de ces résultats, l'équipe d'évaluation a conclu que SQUEAC distance était un facteur affectant la sensibilisation au programme et était susceptible d'être un facteur affectant la couverture. L'équipe a conclu que la couverture était susceptible d'être inégale.

Qu'est-ce qui a été fait dans cet exemple est un test d'hypothèse "rudimentaire" et il a confirmé l'hypothèse initiale / hypothèses.

Une procédure d'essai plus complexe est pas nécessaire. Vous pouvez faire un test formel si vous le souhaitez. Si vous faites cela que vous devez être conscient que le test du chi-carré est souvent pas raisonnable avec les données SQUEAC en raison de petits nombres dans les cellules de la table. Un test exact de Fisher (comme utilisé ci-dessous) peut être utilisé. Vous devez également être conscient que SQUEAC hypothesese sont généralement unilatéral et vous aurez besoin d'ajuster la p-valeur en conséquence. Il ya des calculatrices statistiques simples et gratuits qui travaillent avec des données tabulaires (par exemple EpiCalc, EpiTable & StatCalc dans EpiInfo et OpenEpi. Habituellement, tout ce qui est nécessaire est d'organiser les données dans un tableau à deux par deux. Avec les données ci-dessus, pour exemple:
Conscient du programme | Oui | Non | ---------------- + ---------- + ---------- + Distance: Près | 10 | 0 | ---------------- + ---------- + ---------- + Loin | 1 | 9 | ---------------- + ---------- + ---------- +
Calculatrices épidémiologiques pourraient étiqueter les lignes que «l'exposition» et les colonnes que la "maladie".

Dans l'exemple présenté ci-dessus petite étude, l'association entre la proximité et la sensibilisation est très marquée. Un test formel de l'hypothèse nulle que la sensibilisation du programme était indépendant de proximité au programme renvoie une p-valeur de p <0,0001 (unilatéral test exact de Fisher). Ceci est très forte preuve contre l'hypothèse nulle. Une approche d'estimation reviendrait un rapport de risque de 10,00 (IC à 95% = 1,56; 64,20) avec la proximité comme le «exposition au risque».

Reprenons l'exemple du Kenya, nous avons la preuve que la couverture est susceptible d'être inégale. Nous pourrions aller de l'avant avec une enquête Etape 3. Nous devons être sûrs de signaler que la couverture était susceptible d'être inégale et l'estimation globale de couverture était une moyenne qui ne pourraient pas appliquer partout. Il est assez fréquent que vous serez tenu de fournir une estimation de la couverture globale même quand il pourrait être de peu d'utilité.

Habituellement, nous avons assez d'informations à partir des deux premières étapes d'une enquête de SQUEAC d'instituer des réformes qui permettront d'améliorer la couverture du programme. Dans l'exemple du Kenya utilisé ici nous pourrions (par exemple) d'accroître la sensibilisation / mobilisation / sensibilisation et d'augmenter le nombre et la propagation géographique des sites offrant des services iCMAM. Nous avons suffisamment de renseignements pour ce cas. Une estimation basse de couverture globale pourrait, cependant, aussi vous aider à faire ce cas.

Je espère que cela est d'une certaine utilité.

Merci Mark pour vos réponses détaillées. Ma question est de connaître les seuils pour Averses / hétérogène. Ou quand ne dire la différence entre la haute et basse est dans la plage acceptable ou au-dessus? Prenons votre exemple du Kenya. La couverture de sensibilisation dans un domaine (des villages voisins) était de 100%, tandis que dans les villages lointains il était de 10%. La différence entre les deux zones est de 90. Ensuite, vous concluez qu'il est inégale. Dans ce cas, faire stage3 est a peu de valeur. Donc, ma question est maintenant, que si la différence entre la couverture haute et basse est disons 80 ou 70, ou 60 ou 50 et ainsi de suite? Pouvons-nous dire tout cela sont hétérogènes?

De Mark Myatt:

Votre question est difficile de répondre catégoriquement.

Je pense que la différence de 50% est large en particulier si la limite inférieure est bien en dessous des normes raisonnables. Qui est «inégale» signifie une réelle différence qualitative telles que certaines zones au-dessus d'une norme et de certaines régions ainsi en dessous de la norme. Si la couverture est nettement inégale alors une estimation globale aura pas beaucoup de mérite technique.

Parfois, vous avez juste à faire l'enquête de stade III parce que les donateurs, les planificateurs, & c. attendre une enquête et de voir toutes les autres données moins utiles. L'enquête de stade III ne peut pas avoir beaucoup de mérite technique, mais il peut avoir du mérite "politique".

Meilleurs voeux,

Marque