Cela dépend de ce que vous avez. Si vous enquêtes étalés dans le temps, alors vous pouvez analyser les données comme une série de temps. Si vous avez des données réparties sur l'espace alors vous pouvez mapper. Si vous avez la propagation de données dans le temps et l'espace, alors vous pouvez mapper plusieurs séries temporelles. Vous pouvez également faire une analyse causale pour MAM et SAM (la grande taille de l'échantillon de jeux de données combinés devrait fournir une puissance raisonnable) cela aidera assigne fractions attribuables à des facteurs de risque et d'informer les priorités d'intervention. Une base de données de ce genre est souvent utile. Je dois (par exemple) ont utilisé une base de données simple pour explorer les seuils de dépistage, l'effet sur le cas des cargaisons de changer les définitions de cas, & c.

De l'aide?

Cher Mark,
Merci pour votre réponse rapide et désolé pour le retard. Les ensembles de données ont plus la taille de l'échantillon de PLW, enfants <5, spreaded géographiquement, à des moments différents. L'analyse causale semble tout à fait approprié. Cependant, il peut donner géographique et des séries chronologiques ainsi.
Je comprends que la précision souhaitée devrait être estimé à bon escient en fonction du contexte. Qu'est-ce que, si mon précision souhaitée au moment de l'échantillonnage était de 5% et les résultats de l'enquête montre l'intervalle de 10% de confiance?

Je ne suis pas sûr de ce que vous demandez ici. Pardonnez-moi si je mal compris.

Vous avez calculé une taille de l'échantillon avec une précision de (par exemple) +/- 5% (IC à 95%) et de trouver une précision de +/- 10% lorsque vous analysez les données. Cela peut être dû à plusieurs raisons:

(1) Vous ne avez pas atteint la taille prévue de l'échantillon.

(2) Vous avez beaucoup de valeurs manquantes (ou des valeurs erronées valeur manquante). La taille de l'échantillon est le nombre de valeurs non manquantes.

(3) Vous avez spécifié une prévalence très différente dans le calcul de la taille de l'échantillon. Prévalence de 50% a le plus de variance (moins de précision).

(4) vous poursuivre un plan d'échantillonnage complexe et l'effet de conception a été plus importante que prévu. Ceci est souvent le cas avec des phénomènes très rapprochés.

Est-ce de l'aide?

Je pense qu'il est acceptable d'effectuer des analyses supplémentaires sur les enquêtes nutritionnelles transversales. Foire seuls les résultats de malnutrition descriptifs sont fournis par des facteurs socio-démographiques, comme l'âge et le statut urbain / rural. Une enquête plus approfondie pourrait être effectuée afin d'identifier plusieurs facteurs associés à un résultat précis, tels que le retard de croissance - d'évaluer si il ya des facteurs qui modifient ou confondent associations. La mise en garde est l'un que l'enquête identifie généralement les conditions actuelles, donc on ne peut pas utiliser des termes tels que «facteurs de risque».

Je ne suis pas sûr de le point sur les facteurs de risque de Kevin depuis études cas-témoins examinent souvent des facteurs de risque à l'aide de cas prévalents. Je pense que le principal problème avec l'aide d'enquêtes transversales pour ce type d'analyse est l'un de la puissance. Avec des études prospectives vous arrivez à manipuler expositions (ou au moins la taille du groupe d'exposer). Avec des études rétrospectives vous pouvez choisir la taille des groupes de cas et de contrôle. Avec étude transversale vous obtenez ce que vous êtes donné. Si vous êtes à la recherche (par exemple) SAM vous pouvez avoir très peu de cas de SAM dans votre échantillon. Cela permettra de limiter la puissance de l'étude pour détecter des associations et peut compliquer l'analyse des données par d'autres moyens. Il ya des façons de contourner cela. Vous pouvez (par exemple) choisir d'analyser les indicateurs anthropométriques comme des variables continues afin que vous soyez des facteurs associés à basse ou haute MUAC enquête.

Un autre problème est que vos facteurs de risque seraient recueillies (par exemple) des indicateurs de suivi et d'évaluation et peut-être pas exhaustive comme un ensemble de facteurs de risque ou comprennent les facteurs confondants potentiels. Ils seront, cependant, ont l'avantage d'être facilement percevable et liés aux modes de programme.

Une deuxième note de prudence (à suivre Kevin) est que lorsque vous combinez les ensembles de données de l'enquête, vous aurez tout un plan d'échantillonnage complexe. Cela peut également être le cas lorsque vous analysez une enquête unique cluster échantillon. Votre analyse doit prendre la conception de l'échantillon en compte.

J'espère que cela aide.

Merci Mark,
Ma question concernant la précision est bien répondu. Je voulais dire la même chose, la précision lors de l'échantillon calcul de la taille et de l'analyse de poste, qui je l'ai mentionné en terme de l'intervalle de confiance.
Dans mon expérience, tout en menant des enquêtes, i jamais eu le niveau de précision même comme cela avait été souhaité dans l'échantillon calcul de la taille, plutôt il a toujours été en avant la proximité de la précision et de l'analyse de poste, cependant, pas dévié trop.

Vos suggestions sur l'association avec des données continues anthropométriques sonnent bien. Les effets du plan sont vraiment complexe, basé sur les localisations géographiques diverses.

WRT précision et taille de l'échantillon - Taille de l'échantillon sont toujours basés sur des suppositions. Typiquement, nous devons définir une prévalence escomptée, une précision souhaitée, et un effet de conception. Si nous savions que la prévalence nous ne serions pas besoin de faire l'enquête. L'effet de conception est encore plus inconnaissable. Habituellement, nous pouvons obtenir assez proche de ce que nous voulions. Règles de base sont:

(1) Si vous avez aucune idée de la prévalence puis spécifiez 50%

(2) Préciser une précision utile sur une estimation de 50% (quelque chose comme +/- 5% est courant). En supposant un échantillon aléatoire simple Cela donne:

n = (0.5 * (1 - 0.5)) / (0,05 / 1,96) = 2 ^ 384

si la prévalence est (par exemple) estimée à 15%, puis de précision approximative serait:

+/- 1,96 * sqrt ((0,15 * (1 - 0,15)) / 384) = +/- 0,0357 = 3,57%

(3) Indiquer un effet minimal de conception de 2,0. Vous pouvez aller plus bas si vous avez de bonnes raisons de croire qu'il n'y aura pas beaucoup de regroupement spatial ... nous avons tendance à le faire avec certains indicateurs anthropométriques. Aller plus haut si vous soupçonnez le clustering. Avec les maladies transmissibles telles que le trachome je l'ai vu les effets du plan de 7,0 ou plus. Cover a tendance à se regrouper spatialement et nécessitera des effets plus importants de la conception.

Effets WRT Design - La plupart des progiciels statistiques fournissent des outils pour la manipulation des échantillons complexes. Ils utilisent souvent les mêmes méthodes, mais utilisent des terminologies différentes pour les mêmes choses. Meilleur de travailler à travers quelques exemples dans les manuels et consulter. Si les choses sont vraiment compliquées, alors vous voudrez peut-être d'analyser chaque enquête séparément, puis faire une méta-analyse smell, sur des estimations et des IC et taille de l'échantillon dans chaque enquête. Une parcelle de forêt pourrait être très instructif.

Je espère que cela est d'usage.

Je pense qu'il est important d'être prudent sur la terminologie et la plupart des manuels épidémiologiques établir des distinctions claires entre les termes risque, taux, et la prévalence. En général, les essais contrôlés randomisés et les études de cohortes d'évaluer l'incidence (risque et / ou taux) de la maladie, et des études transversales évaluer la prévalence. La prévalence est fonction de deux facteurs - l'incidence (risque ou taux) de la maladie et la durée moyenne de la maladie. Depuis études transversales portent principalement sur la prévalence (proportion de la population avec une condition, comme le retard de croissance), il serait incorrect d'analyser les données et d'utiliser le terme «risque» - par exemple, le «risque» de retard de croissance était plus élevé chez les hommes que chez les femmes. Il serait juste de dire que la prévalence du retard de croissance était plus élevé chez les hommes que chez les femmes. Je recommande vivement l'article suivant: Renforcement de la déclaration des études observationnelles en épidémiologie (STROBE) au www.strobe-statement.org

Je vois votre point maintenant.

Je pense que nous devrions noter ...

(1) Le taux de prévalence (PR) et le rapport de risque (RR) sont les mêmes lorsque la durée moyenne de la maladie est le même dans les groupes exposés et non exposés et la présence du résultat n'a aucune influence sur la présence de l'exposition (ie l'exposition doit précéder le résultat). Si la première condition est pas remplie alors le PR peut être biaisée par rapport à la RR et une estimation de la direction et l'ampleur du biais devrait être faite.

(2) L'estimation (c.-à-estimation ponctuelle ses standards erreur) des procédures pour le rapport de la prévalence et le taux de risque sont identiques. Cela signifie que (à condition que les conditions dans (1) ci-dessus sont remplies), vous pouvez utiliser des packages statistiques standard pour estimer le taux de prévalence (par exemple RR et CI à partir d'un tableau 2-en-2).

BTW ... voici un lien vers le texte intégral de l'article.

Je serai plus prudent avec la terminologie maintenant.

Merci Kevin.

Merci Mark et Kevin, je vous remercie de votre discussion sur ce sujet.

Cordialement,
T.