Il est un projet qui vise à déterminer les changements dans la connaissance-attitude pratiques (CAP) auprès du grand public après certaines interventions et après la période de 12 mois. La conception du projet est l'intervention et de la non-intervention (deux districts).
Dans l'exemple réel d'une enquête précédente a montré que parmi les grand public, 90% avaient honte associée à une maladie. Notre objectif est que par l'éducation, cela permettrait de réduire de 11% (de point à ne pas 11 pour cent), soit au niveau de 80% à partir de 90%. Donc, je dois calculer la taille de l'échantillon (cette prend en compte deux proportions, 90% et 80%): -
En supposant puissance de 80%, 5% risque alpha, 219 par district est la population de l'échantillon nécessaire. Je prends en supposant qu'il ait 30 grappes (le quartier d'une intervention a 200 villages à savoir grappes) comme il est recommandé par l'OMS. Donc, 219/30 = 7,3 ménages par grappe (c.-à-village). L'unité d'échantillonnage primaire sont les ménages et la proposition est de prendre trois éléments de chaque ménages (membres de la famille) de répondre individuellement au questionnaire. Ainsi, au total, 219 ménages et 219 * 3 = 657 individus
Questions:
1. Est-il autorisé à utiliser ce numéro en supposant qu'il ait 30 clusters?
2. Comment prendre xx (?) Des grappes de 200 grappes (villages) de ce quartier d'intervention que nous ne voulons pas d'atteindre tous les 200 villages le nombre requis de grappes peut être estimé dire.
DEUXIÈME
Ci-dessus approche présente plusieurs inconvénients: - que le changement (c.-à-taille d'effet) est une hypothèse; aucune source qui déterminent que la modification de KAP en raison de l'intervention (ampleur de l'effet) doit être de 11% et pas de 5% ou 20% ou 30%. Deuxièmement, une fois l'étude terminée, l'ampleur de l'effet «réel» obtenu pourrait être <11%; ce qui signifie que la taille de l'échantillon était calculée en fait inférieur à ce qu'il aurait dû être (taille de l'échantillon inversement proportionnelle à la taille de l'effet) de l'effet «réel» de l'intervention. Cela peut rendre les résultats biaisés et moins fiables.
Une approche qui peut contrer les problèmes ci-dessus est: -
Pour mener deux prévalence des enquêtes CAP individuellement, avant et après l'intervention à-dire sans prendre en charge et de pré-conditionnement que notre intervention apporterait autant (XX%) le montant de l'amélioration de la CAP (soit 11% d'amélioration, comme ci-dessus). Après avoir deux enquêtes menées, alors nous estimons combien le changement est effectivement produit. La taille de l'échantillon est déterminée en utilisant «un proportion» et la formule ci-dessous: -
L'unité d'échantillonnage primaire sera ménages, pas les individus. Dans chaque ménage, trois personnes seront invitées à répondre au questionnaire - 1 <18 ans personne d'âge, 1 adulte mâle, 1 femelle adulte.
La formule montrée ci-dessous donne une taille d'échantillon possible maximum de 210 ménages
N = 2 * 1,962 (p- (1-p)) / d2
p = 0,5; 1-p = 0,5; d = 0,1, totalisant 192 PLUS 10%, soit 211
Ainsi, en divisant 211 avec le nombre requis de grappes (villages) selon la norme, soit 30, 7 signifierait ménages par village. De chaque ménage (n = 211), trois répondants (1 <âge de 18 ans, 1 adulte mâle, femelle 1 adulte), comme mentionné ci-dessus seront invités (pas de sélection aléatoire) pour répondre à KAP (7 maisons * 3 de chaque maison, 21 par village). Cela signifie un total de 630 répondants (21 * 30 = 630) dans chaque district.
Cette approche présente des avantages suivants: -
Aucune taille de l'effet notamment de l'intervention est pré-supposé avant de faire l'enquête, tandis que la taille maximale de l'échantillon qui peut être obtenue, est prise (voir formule ci-dessus).
Les inconvénients possibles:
La formule utilisée dans la deuxième approche ne tient pas compte de "puissance statistique», mais ne prendre en compte l'intervalle de confiance. La puissance est de sauvegarder à nouveau fausse intervalle négative et la confiance est de protéger contre les faux positifs. La puissance est un aspect important qui indique que la probabilité de détecter un effet qui existe dans la réalité.
Questions:
1. Est-ce 2ème approche correcte, même si le «pouvoir» aspect est pas prise en compte vis-à-vis de notre objectif (avant de faire la 1ère enquête de référence), soit pour déterminer la variation d'un paramètre en raison d'une intervention? Pour cet objectif (ie pour déterminer le changement dans le paramètre en raison d'une intervention) peuvent être étudiés en faisant deux enquêtes "indépendantes" (ie "un proportion" est utilisé soit 90% dans le calcul de la taille de l'échantillon, la formule ci-dessus dans la seconde approche) avant et après l'intervention?
N = 2 * 1,962 (p- (1-p)) / d2
p = 0,9 (à cause de 90%); d = 0,1
* Cette formule ne tient pas compte de deux proportions à-dire avant l'intervention à 90% et après l'intervention de 80%
2. Y at-il des moyens par lesquels l'absence de «pouvoir» dans le calcul de la taille de l'échantillon dans le 2ème approche être indemnisés? Est absence de «puissance» (qui est habituellement de 80%) dans la formule de calcul de la taille de l'échantillon d'un problème?
Alimentation 80%
Puissance statistique: La puissance statistique est inversement proportionnelle à la bêta ou la probabilité de faire une erreur de type II. En bref, la puissance = 1 - ß.
En clair, la puissance statistique est la probabilité qu'une étude permet de détecter un effet quand il ya un effet là pour être détecté. Si la puissance statistique est élevé, la probabilité de faire une erreur de type II, ou de conclure qu'il n'y a pas d'effet, alors qu'en fait, il y en a un, descend.
Beaucoup de questions ... de peur que nous commencer par répondre à quelques-uns d'entre eux et de voir où cela nous mène ...
Des exemples de calculs de taille supposent généralement un échantillon aléatoire simple. Cluster échantillons ont généralement une taille de l'échantillon effectif inférieur d'un échantillon aléatoire simple. Cela signifie que vous devez prendre un échantillon de taille plus grande que calculée. Il est généralement de prendre un échantillon de taille double de celle calculée pour un échantillon aléatoire simple. Utilisation sampsize GNU je reçois:
Taille de l'échantillon estimé pour la comparaison de deux échantillons de pourcentages
Essai H: p1 = p2, où P1 est le pourcentage de la population 1
et P2 est le pourcentage de la population 2
Hypothèses:
alpha = 5% (recto-verso)
puissance = 80%
p1 = 90%
p2 = 80%
Estimation taille de l'échantillon:
n1 = 199
n2 = 199
Donc la taille de votre échantillon dans chaque district devrait être d'environ 398.
Vous pouvez envisager d'utiliser un test d'hypothèse simple queue que vous êtes attendu et êtes intéressé par une différence dans une direction. Utilisation sampsize GNU je reçois:
Taille de l'échantillon estimé pour la comparaison de deux échantillons de pourcentages
Essai H: p1 = p2, où P1 est le pourcentage de la population 1
et P2 est le pourcentage de la population 2
Hypothèses:
alpha = 5% (unilatéral)
puissance = 80%
p1 = 90%
p2 = 80%
Estimation taille de l'échantillon:
n1 = 157
n2 = 157
Donner une taille d'environ 314 à chaque groupe d'échantillons.
Si vous avez les données de base, vous pouvez utiliser un test à un échantillon (par exemple pour 80% plutôt que 90%) Ce serait besoin d'une taille d'échantillon d'environ 140 dans l'une (ie l'intervention) seul groupe.
Je serais probablement aller pour un test à un échantillon dans un échantillon du district d'intervention avec 95% de puissance de 90% ou moins. La taille des échantillons seraient 204 et 266 respectivement. Ce serait en sécurité si vous pensez que une tendance séculaire à la réduction de la stigmatisation est ne fonctionne pas et ne sera donc pas besoin d'un quartier de «contrôle».
Une règle générale est à préférer nombreuses petites grappes sur quelques grandes grappes. utilisant m = 30 grappes est habituellement un choix sûr, mais vous pouvez aller pour moins. Ce serait moins cher. Avec n = 266 vous pourriez (par exemple) aller pour 24 groupes de 12 (qui sont à 264 ... assez proche).
Cueillette grappes peuvent être effectuées en utilisant la méthode d'échantillonnage PPS comme utilisé dans les enquêtes SMART ou l'approche stratifiée spatialement que celui utilisé dans les enquêtes de type RAM. Les ménages dans chaque grappe pourraient être choisis comme décrit dans le manuel de l'enquête SMART. Vous ne devez pas goûter les 200 villages. Voir ci-dessus ... 24 feraient probablement vous bien, 30 peut-être mieux.
L'analyse des données, il faudrait préciser la conception de l'échantillon. Cela peut être fait dans des emballages tels que STATA, SPSS, EpiInfo, SUDAAN, SAS, & c.
WRT la taille d'effet. Si vous saviez à l'avance, alors vous ne seriez pas besoin de faire une enquête. Sélectionnez le niveau de l'effet que vous jugez être utilement ou quasi significative. Si vous pensez à une chute de 90% à 80% pour être un succès, alors l'utiliser.
Je voudrais éviter une étude avant-après jumelé comme cela souvent avéré être beaucoup de travail (préférable de réserver ces interventions (par exemple) dans les écoles où le suivi est simple).
En résumé ... Je pense que vous pouvez faire une étude plus puissants et moins chers sur-échantillon avec un test à queue unique (ou une approche de CI de 95%).
J'espère que cela aide.
S'il vous plaît ne pas hésiter à poser des questions de suivi.
Répondu:
10 années il y aCher ami
Merci beaucoup tout d'abord; Je dois dire que vous faites un excellent travail pour mettre des efforts sincères et partager vos connaissances avec ceux qui vous sont inconnus! S'il vous plaît accepter mes sincères remerciements pour cela!
Je réponds au sein de vos réponses (para ### avec les réponses):
Beaucoup de questions ... de peur que nous commencer par répondre à quelques-uns d'entre eux et de voir où cela nous mène ...
Des exemples de calculs de taille supposent généralement un échantillon aléatoire simple. Cluster échantillons ont généralement une taille de l'échantillon effectif inférieur d'un échantillon aléatoire simple. Cela signifie que vous devez prendre un échantillon de taille plus grande que calculée. Il est généralement de prendre un échantillon de taille double de celle calculée pour un échantillon aléatoire simple. Utilisation sampsize GNU je reçois:
Taille de l'échantillon estimé pour la comparaison de deux échantillons de pourcentages
Essai H: p1 = p2, où P1 est le pourcentage de la population 1
et P2 est le pourcentage de la population 2
Hypothèses:
alpha = 5% (recto-verso)
puissance = 80%
p1 = 90%
p2 = 80%
Estimation taille de l'échantillon:
n1 = 199
n2 = 199
Donc la taille de votre échantillon dans chaque district devrait être d'environ 398.
### Je suis d'accord avec l'effet de la conception. Mais ne nous ajoutons l'effet du plan, même quand il ya deux comparaison de l'échantillon? T-il de ne pas être appliquée dans un seul échantillon ieeg comme les enquêtes de prévalence où vous ne visent pas à un changement de temps de 1 à 2 temps?
Vous pouvez envisager d'utiliser un test d'hypothèse simple queue que vous êtes attendu et êtes intéressé par une différence dans une direction. Utilisation sampsize GNU je reçois:
Taille de l'échantillon estimé pour la comparaison de deux échantillons de pourcentages
Essai H: p1 = p2, où P1 est le pourcentage de la population 1
et P2 est le pourcentage de la population 2
Hypothèses:
alpha = 5% (unilatéral)
puissance = 80%
p1 = 90%
p2 = 80%
Estimation taille de l'échantillon:
n1 = 157
n2 = 157
Donner une taille d'environ 314 à chaque groupe d'échantillons.
Cette ### est également un argument fort. Mais, est-il encore OK pour prendre seule hypothèse à queue, même quand il est possible que les médias de masse peuvent augmenter la connaissance de la population; ou réduire (étrange!) ou ne peut avoir aucun effet du tout à partir du niveau de référence?
Si vous avez les données de base, vous pouvez utiliser un test à un échantillon (par exemple pour 80% plutôt que 90%) Ce serait besoin d'une taille d'échantillon d'environ 140 dans l'une (ie l'intervention) seul groupe.
Je serais probablement aller pour un test à un échantillon dans un échantillon du district d'intervention avec 95% de puissance de 90% ou moins. La taille des échantillons seraient 204 et 266 respectivement. Ce serait en sécurité si vous pensez que une tendance séculaire à la réduction de la stigmatisation est ne fonctionne pas et ne sera donc pas besoin d'un quartier de «contrôle».
### Merci encore pour ce bon argument ainsi. Mais nous testons pas seulement la connaissance; Nous testons également une stratégie pour la couverture du traitement ainsi, donc je suppose que deux districts seraient prises. Nous avons également besoin de savoir quel niveau de district de contrôle des connaissances a.
Une règle générale est à préférer nombreuses petites grappes sur quelques grandes grappes. utilisant m = 30 grappes est habituellement un choix sûr, mais vous pouvez aller pour moins. Ce serait moins cher. Avec n = 266 vous pourriez (par exemple) aller pour 24 groupes de 12 (qui sont à 264 ... assez proche).
### Comme je compris, selon vous, il n'y a pas de formule mathématique spécifique pour calculer le nombre de grappes; tout dépend de la commodité et de la taille de cluster souhaitable? Je l'ai vu enquêtes qui ont eu> 40 ou> 50 enquêtes, ils ont aussi ne pas utiliser une formule mathématique particulière et de décider du nombre de grappes selon la commodité et la taille de cluster souhaitable? 30 grappes sont généralement des programmes de vaccination, en général, et notre programme est sur la neurologie, cela serait-il pas de problème?
24812 = 288, et non 264
Cueillette grappes peuvent être effectuées en utilisant la méthode d'échantillonnage PPS comme utilisé dans les enquêtes SMART ou l'approche stratifiée spatialement que celui utilisé dans les enquêtes de type RAM. Les ménages dans chaque grappe pourraient être choisis comme décrit dans le manuel de l'enquête SMART. Vous ne devez pas goûter les 200 villages. Voir ci-dessus ... 24 feraient probablement vous bien, 30 peut-être mieux.
### Oui, je voudrais utiliser PPS; et prévoyez un échantillon de ménages par échantillonnage aléatoire simple, que pensez-vous ?. Je voudrais lire le manuel de l'enquête SMART ainsi. Merci pour ce lien.
L'analyse des données, il faudrait préciser la conception de l'échantillon. Cela peut être fait dans des emballages tels que STATA, SPSS, EpiInfo, SUDAAN, SAS, & c.
WRT la taille d'effet. Si vous saviez à l'avance, alors vous ne seriez pas besoin de faire une enquête. Sélectionnez le niveau de l'effet que vous jugez être utilement ou quasi significative. Si vous pensez à une chute de 90% à 80% pour être un succès, alors l'utiliser.
### désolé, mais je ne comprends pas "Si vous saviez à l'avance, alors vous ne seriez pas besoin de faire une enquête."
Je voudrais éviter une étude avant-après jumelé comme cela souvent avéré être beaucoup de travail (préférable de réserver ces interventions (par exemple) dans les écoles où le suivi est simple).
###Merci. Puisque nous employons radio pour les médias de masse, vous ne pensez pas que nous ne serions pas besoin d'aller aux mêmes participants, comme ceux de l'enquête de référence, pour l'enquête finale en ligne? Signification, un échantillon aléatoire de publique de base et puis un autre échantillon aléatoire de public finale en ligne, les participants peuvent ou ne peuvent pas être les mêmes?
En résumé ... Je pense que vous pouvez faire une étude plus puissants et moins chers sur-échantillon avec un test à queue unique (ou une approche de CI de 95%).
J'espère que cela aide.
S'il vous plaît ne pas hésiter à poser des questions de suivi.
### Merci beaucoup pour votre temps et de patience. Aussi, je serais heureux si vous pouvez partager vos idées sur la deuxième approche que je l'avais indiqué dans mon message d'origine: -
Depuis qu'une variation de 90% à 80% est seulement une hypothèse et quelque chose ne peuvent pas être obtenus en réalité. Ces limites dans la comparaison de deux échantillons de proportions pourraient être surmontés en faisant deux enquêtes indépendantes (qui utilisent la formule ci-dessous qui donne la taille maximale de l'échantillon et nous ne supposons pas tout ce que nos interventions de masse-médias apporteraient autant d'amélioration) que prend en compte 95% CI mais ne prend pas en compte la puissance statistique (80% ou 90/95% de la puissance). Serait-ce aussi l'une des méthodes alternatives selon vous? Le coût du projet ne sont pas un facteur de limitation.
Puisque le pouvoir est un élément important de montrer que la différence existait dans la réalité; ci-dessous et au-dessus des formules deuxième approche ne tient pas compte de cet aspect de puissance. Puissance pourrait être estimée après deux enquêtes (de base et dernière ligne) ont été menées, mais pas pré-supposé.
N = 2 * 1.962 (p- (1-p)) / d2 (pour l'enquête de référence)
p = 0,9 (à cause de 90%); d = 0,1
N = 2 * 1.962 (p- (1-p)) / d2 (pour enquête finale en ligne)
p = 0,8 (à cause de 80% ou quoi est obtenue dans l'enquête de référence); d = 0,1
Cordialement!
Répondu:
10 années il y a1. Nutrition Surveillance Specialist
Lien de publication: https://www.unicef.org/about/employ/?job=530700
Nous recherchons un consultant pour soutenir les pays de la région dans leur planification et implémentation d’enquêtes nutritionnelles. Aussi, le travail comporte un aspect de collaboration important avec les plateformes régionales telles le Cadre Harmonisé.
2. Nutrition Routine information
Lien de publication: https://www.unicef.org/about/employ/?job=530703
Nous recherchons un consultant pour soutenir les pays de la région dans leurs systèmes d’informations de nutrition de routine. La personne devrait avoir une connaissance avancée du logiciel DHIS2.
Répondu:
10 années il y aMerci beaucoup encore une fois pour toute votre aide et de réponses rapides !, je ne ai pas requêtes pendantes maintenant, je l'ai obtenu les réponses que je cherchais, je vous remercie beaucoup!
Juste pour être sûr sur un dernier para "tests statistiques vs IC", pour autant que je l'ai compris, vous ne supportez pas la deuxième approche que je l'avais mentionné (deux enquêtes de prévalence sans supposer que une taille d'effet particulier serait obtenue, 10 % dans notre exemple), mais préfèrent pré-supposer qu'une intervention porterait x% de changement (10% dans notre exemple) et puis en fonction de cette hypothèse, nous calculons la taille de l'échantillon. Ai-je bien compris?
Néanmoins, je vous remercie beaucoup pour tous !, votre aide Cordialement.
Répondu:
10 années il y aLe point que je tentais de faire est que les deux approches sont équivalentes à l'autre. La seule différence entre eux est la mécanique de l'essai. Avec deux enquêtes que vous aurez encore envie de se demander si les deux prévalences diffèrent les uns des autres et vous serez alors se rabattre sur un test de signification et qui est notre point de départ.
Best, OMI, de décider ce qui est le plus petit effet valeur de détecter puis de calculer la taille d'échantillon suffisante pour détecter que les niveaux acceptables d'erreur. Le calcul de la taille de l'échantillon (et la taille de l'échantillon nécessaire) pour les deux approches seront les mêmes.
Répondu:
10 années il y aMerci beaucoup, monsieur. Désolé, je mal compris votre point initialement. Cordialement!!
Répondu:
10 années il y a