Il ya quelques années, je conçu un système de surveillance pour Save the Children (HUMS), qui a été repris être ACF (postes d'écoute) dans quelques pays. Je l'ai zippé la documentation (et autre matériel) je fis pour Save the Children. Vous pouvez le télécharger à partir ici. Vous pouvez trouver ce utile.

Peut-être SC-UK et ACF peuvent ajouter quelque chose au sujet de leurs expériences avec le système.

Comme nous venons de écrit par Mark, nous (ACF) mis en place la méthodologie "Listening Post" au Liberia et au Burkina Faso, et actuellement, en République centrafricaine.

Cette méthodologie de surveillance de sites sentinelles comprend:
- Une sélection aléatoire de 96 enfants de <2 ans (par SCCS + EPI5)
- Des mesures mensuelles de suivi (MUAC) et de poids entre les mêmes enfants sélectionnés au départ (= approche longitudinale), avec le remplacement top-up des anciens enfants
- Des indicateurs supplémentaires peuvent être ajoutés, en fonction de ce que vous souhaitez surveiller (par exemple diarhhea, la diversité de l'alimentation)

Notre expérience est très réussie et a montré des données fiables, avec des estimations précises relatives (+/- 10%). Les défis comprennent:
- L'interprétation des données (en particulier pendant la première année que vous avez pas de tendance de comparaison)
- La définition des seuils, à «alerte» acteurs / autorités
- Pour maintenir votre système de surveillance "en direct", même si elle est pas directement liée avec une certaine forme d'intervention.
Les coûts sont relativement faibles, mais la technicité du système nécessite un haut niveau de supervision.
Pour plus d'informations, ne pas hésiter à me contacter (mal@actioncontrelafaim.org)
Best,
Mathias

Salut,

Quelques infos de Action Contre la Faim - ACF USA: nous avons développé un système de surveillance de la petite enquête de l'échantillon (basé sur la méthodologie SMART) retour en 2009/2010 grâce à une collaboration avec l'UNICEF et le Centre for Disease Control and Prevention (CDC, Atlanta, États-Unis ). Le système est basé sur la réalisation d'enquêtes anthropométriques pour la nécessité de la représentativité et la comparabilité directe avec les données recueillies lors des enquêtes précédentes, à savoir, pour établir les tendances de GAM / SAM et surveiller les facteurs aggravants liés à la malnutrition.
Une approche d'échantillonnage en grappes à plusieurs degrés est utilisé comme pour la plupart des enquêtes anthropométriques et suivre l'approche de la méthodologie SMART. Il dispose d'un 25 grappes par la conception de 12 ménages. Cette taille d'échantillonnage si «petit» assure encore que les variations de la malnutrition aiguë d'un minimum de 4% seraient détectés entre deux séries d'enquêtes à l'aide de la CDC "2 enquêtes" calculatrice. En outre, la CDC "calculateur de probabilité" peut être utilisé pour présenter les résultats / donner un seuil GAM avec 85% de probabilité d'être dépassée (pertinente pour recommandations fins).
Ces petites enquêtes à grande échelle peuvent être exécutés 2 ou 3 fois par an (lors d'événements saisonniers clés) et en dehors des indicateurs de nutrition, un ensemble d'indicateurs clés sur la santé, lavage, la sécurité alimentaire, les soins de l'enfant et les pratiques d'alimentation peuvent aussi être collectées dans le but avertissement de début.
Équipes d'ACF en Ouganda et au Kenya ont eu recours à ce système de surveillance depuis plusieurs années, il a généré beaucoup d'informations, et a permis de perdre tendances au fil du temps / saisons (entre autres) les indicateurs à mettre en place. Les discussions récentes avec les équipes d'ACF Kenya et l'Ouganda tournent autour de divers sujets intéressants tels que i) la réduction du nombre d'indicateurs à recueillir sur une base régulière (à utiliser uniquement celles qui sont pertinentes à l'alerte précoce); ii) l'intégration de ce système de surveillance pour les systèmes d'alerte précoce nationaux existants; iii) la remise de sa gestion aux autorités locales, etc.
Pour plus d'information:
CDC calculatrices: http://www.cdc.gov/globalhealth/gdder/ierh/researchandsurvey/calculators.htm
sur le site ACF-USA, on peut trouver des rapports de surveillance ainsi que les résultats d'une méta-analyse des données de surveillance de l'Ouganda a récemment fait conjointement avec le Gouvernement de l'Ouganda
http://www.actionagainsthunger.org/media/technical-surveys

Andrew Hall (Save the Children) a envoyé un lien vers cet article récent qui peuvent être d'intérêt.

Cher Mark,

Merci beaucoup pour votre soutien habituel.

Bonjour a tous

Je actuellement nutritionniste et dietetien en RD Congo et compte organiser une formation sur la prise en charge de la malnutrition aigue.
Voudriez-vous m'aider avec le The Harmonised Training Package (HTP): Resource Material for Training on Nutrition in Emergencies(in French) complet surtout en langue francaise svp

A quelques points ...

Taille de l'échantillon: n = 96 est un minimum. Si vous pouvez faire plus alors, dans la raison, vous devriez faire plus. (n = 132 a été utilisé).

Groupe d'âge: un groupe d'âge plus restrictive et plus jeune est utilisé parce que (1) le groupe d'âge plus jeune est plus susceptible de GAM et SAM, (2) un seul groupe d'âge étroite simplifie l'analyse de la prise de poids, (3) la plus jeune groupe d'âge est dans les premiers jours de 1000 "", et (4) un groupe d'âge étroite signifie une plus petite population signifie une fraction d'échantillonnage plus grande. Aller pour le groupe d'âge 6-59 mois sera, je pense, de réduire la sensibilité du système de surveillance et de compliquer l'analyse. Une bonne raison pour aller avec le groupe d'âge 6-59 mont est que si vous avez fait SMART périodiquement (soit plusieurs fois par an) depuis plusieurs années. Même alors, vous pouvez ré-analyser les données SMART pour le groupe d'âge plus étroite. Un échantillon plus important (c.-à-plus grand que n = 96 sera exigée).

La charge de travail Top-up: Je vais laisser cela aux gens qui ont fui LP pour répondre à cette question. Il ne semble pas être un problème. Les numéros sortants et perdus à chaque tour devraient être assez faible. Notez que vous avez besoin de haut-car ne pas le faire entraîne une cohorte vieillissante qui, au fil du temps, se déplacer hors de danger.

Les options de suivi alternatifs: L'approche longitudinale signifie que nous pouvons faire plus avec une petite taille de l'échantillon parce que la variation de l'échantillonnage entre les rounds dans minimisée. Si vous utilisez une approche de l'échantillon transversale répétée alors vous aurez besoin d'un plus grand échantillon de couper à travers le bruit introduit par la variation de l'échantillonnage. La taille de l'échantillon dans le poste de Cécile ci-dessus (n = 300) semble un peu petite pour moi quand en utilisant un estimateur classique de prévalence mais je suis sûr que la CDC aura obtenu ce droit. Un problème avec une approche de l'échantillon transversale répétée est que les enfants malades ont tendance à être caché à partir d'enquêtes dans certains endroits, ce qui conduit à Sam enfants étant exclus. Ce ne sont pas un gros problème pour la surveillance que nous ne nous inquiétons pas trop sur un biais systématique.

Bias: L'effet d'observateur (voir l'article dans le poste commençant par "Andrew Hall (Save the Children) envoyé ..." ci-dessus) est un problème. La question du biais de non-cohérente qui se pose est intéressante. Je me demande quand (si) cette stabilise. Si elle se stabilise rapidement alors nous pouvons, je pense, il escompte que nous sommes généralement pas préoccupés biais systématique dans les systèmes de surveillance. Si elle ne se stabilise pas le changement, puis périodique dans les sites est (comme l'article l'indique) une option. Je ne suis pas convaincu que l'incertitude de Heisenberg (mentionné dans l'article) est le bon modèle. L'effet Hawthorne est probablement un modèle plus utile ici. Au Royaume-Uni NHS nous avons l'effet BOHICA qui est ce qui arrive quand nous nous appuyons sur l'effet Hawthorne continuellement augmenter la productivité. BOHICA signifie "Bend Over Here It Comes Again". "BOHICA" est un terme fleuri pour la tendance des effets d'observateurs à disparaître au fil du temps. Je pense que le grand risque est mal considéré (ou jeu) intervention basée sur les données de surveillance. Cela se produit lorsque les sites sentinelles reçoivent le plus d'attention, car ils sont les seuls sites pour lesquels nous disposons de données ou parce intervenant il fait disparaître le problème par la prestidigitation.

En résumé ... Je pense que vous serez OK avec votre méthode proposée, mais que vous aurez besoin d'augmenter la taille de l'échantillon à chaque tour. Je pense que vous pourriez utiliser une taille de n = 192 recueillies auprès m = 16 groupes de l'échantillon et d'utiliser un estimateur PROBIT pour la prévalence. Cette approche a été utilisée au Soudan.

Je espère que cela est d'une certaine utilité.

De Edward Kutondo:

Salut. Les sites sentinelles sont souvent choisis en utilisant la méthode de but, compte tenu de la vulnérabilité. Idéalement, vous avez besoin de détecter les changements et suivre les tendances où vous sélectionnez quelques sites qui pourront atteindre cet objectif. Les indicateurs doivent être sensibles au changement. Petites tailles d'échantillon sont préférables par exemple 30 ménages par site - ce qui a été utilisé dans le Sud-Soudan, l'Ouganda et le Kenya.

Notez cependant que les méthodes aléatoires sont fortement recommandés. Dans ce cas, les sujets de l'étude sont sélectionnés en utilisant des méthodes simples ou systématiques d'échantillonnage en fonction des caractéristiques de la population.

Voici les liens pour des informations supplémentaires.

http://www.google.co.ke/url?sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&ved=0CEUQFjAD&url=http%3A%2F%2Fwww.unicef.org%2Fnutritioncluster%2Ffiles%2FM10P2.doc&ei=LU6MUqjwItKjhgf3t4DQBQ&usg=AFQjCNGxLh24aCCobb_siqlv6CmGJw9fJQ&bvm=bv.56753253,d.d2k

http://www.pophealthmetrics.com/content/10/1/18

Edward K.

Merci Edward pour le lien. Un week-end béni vient Ouganda.

Samuel