Chers tous,

Cependant, je me réjouis de votre réponse

Merci

Première ... désolé de ne pas répondre plus tôt. Je réponds généralement après un e-mail notificaton d'une affectation et soit je ne reçois un ou je l'ai fait et il m'a négligé. ENN sont à la recherche dans ce. Quoi qu'il en soit ...

Il a quelques «problèmes» que vous avez à répondre:

De multiples indicateurs: Il me semble que la majeure partie des indicateurs mentionnés sont simples proportions ou des pourcentages. Ce que vous devez faire est de faire une liste de chaque indicateur et, pour chaque indicateur, notez le niveau attendu (si vous ne disposez pas de toute bonne idée alors utiliser 50%) et le niveau de précision souhaité (à savoir la largeur de la 95 % Intervalle de confiance).

Lorsque vous avez fait cela, vous devez utiliser un calculette de taille de l'échantillon comme SampleXS:

http://www.brixtonhealth.com/samplexs.html

Ou GNU sampsize, qui est disponible en ligne à:

http://sampsize.sourceforge.net/iface/index.html

Et calculer la taille de l'échantillon nécessaire pour chaque indicateur. La plus grande taille de l'échantillon que vous calculez ici est la plus petite taille d'échantillon qui donnera la précision souhaitée pour [u] tous [/ u] de vos indicateurs.

Il est, malheureusement, pas aussi simple que cela. Les indicateurs applicables à différentes unités. Par exemple, l'indicateur de anthropormetry nutritionnel applique à chidlren individuels, mais un indicateur de l'assainissement peut demander à un ménage. Vous devez tenir compte de cette lorsque vous calculez la taille des échantillons. Je vais vous donner un exemple avec trois indicateurs:

GAM: Prévalence escomptée = 12%, précision souhaitée = +/- 3%
EPI: attendu proportion de couverture = 70%, précision souhaitée = +/- 10%
Élimination sécuritaire des matières fécales (SDF): proportion prévue sécurité = 50%, la précision = +/- 10%

Quand je l'utilise GNU sampsize pour ces Je reçois 451, 81 et 97 respectivement. Le problème ici est que les indicateurs applicables aux différentes unités:

GAM: Les enfants âgés de 6 - 59 mois
PEV: Les enfants âgés de 6 - 24 mois
SDF: Ménages

Vous devez trouver un moyen de "normaliser". Le plus simple est de travailler avec les ménages et exprimer la taille de l'échantillon en termes de nombre de ménages requis. Si nous supposons que nous allons trouver 1,25 enfants âgés entre 6 et 59 mois dans un ménage échantillonné puis nous aurions besoin d'échantillonner 451 / 1,25 = 361 ménages pour trouver 451 enfants âgés entre 6 et 59 mois. Si nous nous attendons à trouver 0,25 enfants âgés entre 6 et 24 mois dans un ménage alors nous aurions besoin d'échantillonner 81 / 0,25 = 234 ménages pour trouver 81 ans chidren entre 6 et 24 mois. Et, bien sûr, vous avez besoin de goûter à 97 ménages de trouver 97 ménages. Ainsi, les tailles d'échantillon exprimée en nombre de ménages est:

GAM: 361
EPI: 234
SDF: 97

Encore une fois, il est pas aussi facile que cela. Pour une enquête de grappe échantillonnée nous avons un effet du plan de sondage (EPS) à considérer. Ce sera différent pour les différents indicateurs. Il sera particulièrement élevée pour tout ce qui tend à se regrouper spatialement (à l'intérieur ou entre les villages), tels que les maladies infectieuses ou la couverture du programme. Vous avez besoin de faire une proposition à ceux-ci et de multiplier la taille de l'échantillon calculé par le DEFF prévu. Si nous supposons que le GAM est pas très regroupée (= DEFF 1.5) et que le PEV et SDF sont susceptibles d'être plus en cluster (par exemple DEFF = 3 et DEFF = 2 respectivement) alors nos échantillons sont maintenant:

GAM: 361 * 1,5 = 541
EPI: 234 * 3 = 702
SDF: 97 * 2 = 194

Si vous utilisez une grappe échantillonnée apprach alors vous aurez besoin d'environ 30 grappes (ne pas aller beaucoup au-dessous de cette). Pour calculer la taille intragrappe échantillon d'hôtel devrait vous divisez la plus grande taille de l'échantillon par le nombre de grappes. Dans notre exemple, ce sera 702/30 = 24 ménages. Il est de pratique courante avec les calculs de la taille de l'échantillon pour arrondir les résultats des calculs.

Cela peut sembler être une procédure compicated mais ne devrait pas présenter de problèmes si vous prenez l'étape-par-étape.

Le "hypothèse de l'homogénéité": Le principal problème avec le desigh vous proposez est qu'il fournit une estimation unique pour un indicateur. Ceci est OK tant qu'il est logique d'avoir une estimation unique. Comme une zone d'étude devient plus grand les chances d'une seule estimation étant des baisses significatives. Par exemple, imaginez que vous couvrez deux districts en une seule enquête. Un district dispose d'un programme PEV active et l'autre pas. Si la véritable couverture du PEV dans le premier arrondissement est de 80% et la véritable couverture du PEV dans le deuxième arrondissement est de 30% alors votre enquête pourrait vous dire que la couverture du PEV est d'environ 55%. Vous concluez que la couverture du PEV était pauvre partout, mais la vérité est que, dans un disctrict il est assez bon dans l'autre quartier, il est très mauvais. En outre, ni le quartier a une couverture du PEV même près de 55%. OMI, une telle estimation applique nulle part. [U] Une enquête qui produit des résultats trompeurs est pire que d'avoir aucune enquête à tous. [/ U] Ce que vous verrez dans ce contexte est un grand effet de conception et un très large intervalle de confiance de 95% . Pas très utile. Dans la situation que vous décrivez, je serais très prudent de faire une enquête à l'échelle de la zone qui a donné une seule estimation pour la zone de large. Stratification (tel que le terme est utilisé dans MICS) est une approche, mais pour produire des résultats utiles (par exemple les résultats par-district) vous serait vraiment besoin de faire une étude complète de taille de l'échantillon dans chaque zone. Une autre forme de stratification qui pourrait être plus utile est stratitification spatiale. Avec cette la zone est divisée en un ensemble de petits domaines et un échantillon est prélevé dans chaque. L'astuce est de faire le représentant de l'échantillon de petite surface et de faire usage intelligent des données que vous collectez. Ces méthodes ont été utilisées pour estimer la couverture des programmes de la PCMA et pour l'examen périodique du Myanmar (qui utilise les zones hexagonales / triangulaires et réutilise les données à effcetively triple la petite taille de la zone saple gratuitement). Avec de petits échantillons que vous pouvez avoir besoin de classer (par exemple PEV <50%, entre 50% et 80%, ou> 80%) plutôt que l'indicateur des proportions les plus probables.

En bref ... vous pourriez faire une enquête de type MICS, mais vous devez être conscient qu'il peut donner des résultats trompeurs.

Vous devez être conscient que tout le monde ne partage pas mon pauvre opinion des plans de sondage comme les MICS. Je suggère que l'administrateur du forum font une demande directe à une personne responsable à l'UNICEF pour leurs opinions à ce sujet.

J'espère que cela aide.

Aussi, Mike or pourrait avoir quelques observations intéressantes sur ce problème.

Il est pas si facile de commenter: le questionneur est anonyme et nous avons aucune idée d'où l'enquête est d'être réalisée (urbain / Rurual; urgence / stable: Asie / Afrique, etc). Cependant, en général, je suis d'accord avec tout ce que Mark a dit. Mais surtout, il n'y a aucune indication sur les objectifs de l'enquête. Les objectifs déterminent la conception et la prise de décision - et doivent être claire et définitive dès le départ. Il est inutile de faire une enquête pour l'amour de l'enquête ou tout simplement pour vous faire une idée vague de ce qui se passe.

Moyennes étendus peuvent être utiles pour la planification centrale des marchés resouce et l'allocation - mais comme le dit Marc - ils ne donnent aucune indication sur comment et où resouces devraient être déployés. Et la tête dans le temps fait souvent l'enquête redondante par le temps, il est analysé et rapporté - ne pas oublier la très grande saisonnalité dans la plupart des pays.

Je voudrais ajouter aux propos de Mark que chaque quesion qui est ajouté à une enquête dégrade la qualité de toutes les informations. Il est bien connu que si une entrevue prend plus de 20 minutes alors le propos le répondant donne toutes les informations qu'ils pensent va satisfaire le questionneur - et les résultats de l'enquête sont presque inutiles. Sophistocated analyse ne fait pas de fausses informations utiles. Quand je lis le quesion je me disais que je n'y remettrai plus jamais se lancer dans une telle enquête - et si il ya des contraintes budgétaires et temporelles indiquées - je me demande si cela vaut la peine cette enquête à tous! Pour ma part je voudrais avoir des réserves importantes sur les résultats et les bailleurs de fonds et les gouvernements devraient ainsi. Toutes ces questions doivent être claires avant que l'on atteigne les décisions techniques concernant la taille et les procédures échantillon - ci peuvent être trouvés dans la plupart des manuels d'enquête - SMART a toutes les procédures et les calculs incorporés.

Je ne voudrais pas se lancer dans une telle enquête sans le chef de file de l'enquête étant connu et bien informé sur ces questions techniques. En d'autres termes - si vous avez de poser ces questions peut-être vous ne devriez pas faire l'enquête?

Juste pour les commentaires de Mike deuxième:

(1) EDS et MICS sont utiles pour la planification centrale. Mon expérience avec les utilisant à la fois des données EDS et MICS me conduit à l'opinion que les données DHS est plus standardisé et de meilleure qualité. Je sais que beaucoup d'efforts ont été consacrés à des ensembles d'indicateurs standards pour la MICS et l'amélioration de la situation est.

(2) Le elment de temps est importante. Rappelez-vous qu'une enquête transversale donné un instantané ou une précision limitée. Certains indicateurs peuvent changer rapidement.

(3) Je suis absolument d'accord avec le "less is more" déclaration sur la largeur des données et qualité des données. L'un des principaux points forts de la méthode SMART (que Mike nourrissait à terme) est qu'il ne tente pas de bourrer un grand nombre d'indicateurs en une seule enquête. Je sais que la tentation est de dire: «Nous sondons donc nous pourrions tout aussi bien demander à ce demander ça. Où est le mal?". Malheureusement, il est pas aussi simple que cela. Je avoir une règle d'or ... si vous avez plus de 20 variables dans une enquête alors vous attirer des ennuis. Voilà 20 variables non 20 indicateurs. Pensez à un indicateur tel que GAM. Vous avez besoin de collecter nombre cluster, l'âge, le sexe, le poids, la hauteur, l'oedème et MUAC. Voilà sept variables pour un indicateur. Une autre règle de base (ce qui contredit la précédente peu - qui est la nature ou les règles de pouce) est "une question par l'enquête". Dans cette règle "question" se réfère à un sujet. Ainsi, une enquête anthropométrie nutritionnelle traite à la fois GAM et SAM et une enquête EPI aborde le statut de vacciantion pour chaque vaccin dans le «panier» MoH. Je suis impliqué avec quelques enquêtes MICS de style avec de grandes questionnaires et les résultats ne sont pas bons. "20 minutes" la règle de Mike est un bon.

Je suis d'accord avec Mike ... Je serais très prudent de tenter une telle enquête. Vous voudrez peut-être de faire un exercice de triage et de diviser vos indicateurs dans (1) "must have", (2) «nice to have", et (3) "pas utile en ce moment". Ensuite, prendre le tout dans (1), si il ya de la place ... si non, classer et prendre le rang le plus élevé. Si vous avez de la place, puis rang (2) par importances et de prendre les rangs les plus fournis celles que vous pouvez obéir aux "20 variables" ou "20 minutes" règles.

Je tiens à remercier tous les deux, Mark et Mike pour votre rétroaction technique habituelle et sans fin. Je voudrais préciser ma question comme suit:

Zone d'enquête - trois administrations zonaux composé de 19 districts qui comprennent milieux urbains et ruraux urbaines / semi.

Objectifs de l'enquête - est de déterminer la nécessité d'une réponse immédiate et à long terme. Le résultat aidera également comme base de référence.

En ce qui concerne le volume d'indicateurs - les principaux indicateurs nous recherchons est l'état nutritionnel des enfants (tous deux malnutrition chronique et aiguë). Cependant, nous devons autres données pertinentes qui aide à comprendre les facteurs de causalité par les associations à la recherche. Je pense qu'il est pas nouveau pour avoir ces multiples informations / indicateurs pour fixer dans une seule enquête comme il est de plus classique. Je ne viens jamais à travers une enquête contenir que des données anthropométriques. Habituellement, les autres indicateurs sont attachés à elle. La prévalence du retard de croissance / GAM x% dit rien moins que nous avons des informations supplémentaires qui aident à l'interprétation. Même la ligne directrice SMART recommande d'ajouter des données supplémentaires (basé sur obj) comme vaccination contre la rougeole, la morbidité, la mortalité, la supplémentation en micronutriments, et la sécurité alimentaire.

Avec Mark recommandation concernant le nombre de nombre acceptable de variables (20), je pense qu'il est très difficile a décidé que cela importe le type d'évaluation. Par exemple, si nous voulons procéder à l'évaluation de l'ANJE chez les enfants de 0-23 mois (sur la base de 2008 publication de l'OMS), il ya plus de 12 indicateurs qui ont plus de 50 variables.
Retour à ma question initiale, je viens de résumer comme suit:
1. Pouvons-nous le faire seule enquête dans ces trois zones (19 districts) en utilisant MICS / EDS approche?
2. Si oui, comment pouvons-nous stratifier la taille de l'échantillon? (première byZone, puis par districts, puis par village / localité?)
3. Contrairement à l'approche cluster, nous voulons analyser le résultat par district afin que nous puissions donner la priorité au besoin. Est-il possible? Sinon, comment peut faire cela?

Merci

Merci pour vos aimables commentaires. Maintenant, pour parler franchement ...

L'objectif déclaré "pour déterminer la nécessité d'une réponse immédiate et à long terme» est en contradiction avec "de comprendre les facteurs de causalité". En effet, les enquêtes transversales sont notoirement très pauvre à enquêter sur les associations (laisser seuls facteurs de causalité) et souffrent généralement de très faible puissance. Pensez-y de cette façon ... votre sondage a une taille d'échantillon de 384 (ce sera estimer à 10% +/- 3%) et la prévalence de GAM est de 10%. Cela signifie que vous aurez environ 38 cas et 346 non-cas. Ce 38 est pas un grand nombre. Il est composé pour une certaine mesure par la puissance 346, mais sera likley être bien inférieure à 80% pour la détection d'un risque relatif de deux ou moins. la situation sera pire pour des conditions moins répandues. Une fois que vous commencez à stratifier ou en utilisant des techniques multivariées pour trier les facteurs de confusion des facteurs de risque, vous trouverez que votre ont une taille de l'échantillon insuffisant pour une analyse utile.

Quoi qu'il en soit ... Il me semble que vous ne recueillez pas les facteurs de risque, mais un ensemble d'indicateurs. Les indicateurs sont pas toujours (ou souvent) les facteurs de risque. Une approche plus appropriée pour les liens de causalité / associations serait à l'enquête pour voir si il y avait un problème à l'aide des données d'identification suffisantes pour trouver des cas plus tard, travailler jusqu'à des cas trouvés par (par exemple) en prenant des histoires, utiliser cette information pour concevoir une étude cas-témoins , effectuer une étude cas-témoins. Je crains que vous essayez de faire une enquête transversale faire quelque chose qu'il ne peut pas faire ainsi.

Je sais que certaines personnes font large ensemble de données d'enquêtes transversales. Cela ne signifie pas qu'il est juste de le faire dans la plupart des situations. Pour autant que je sais SMART recommande une enquête distincte (imbriquée) pour la mortalité (sinon vous aurez un biais de survie et probablement un biais de sélection contre les personnes âgées) et une méthode de sécurité alimentaire semi-quantitative séparée sur la base de "la maison de SC-UK approche de l'économie ". Tirer dans vaccination contre la rougeole fait peu de dommages, mais pas autant de bien que vous aurez seulement un échantillon de petite taille (vous pouvez utiliser seulement les plus jeunes), signalant les erreurs sont fréquentes, et EPI est beaucoup plus qu'un simple vaccinaton de la rougeole. Les données de morbidité doivent être recueillies avec soin en utilisant les définitions de cas standard et indiquées. Une constatation d'une association entre l'infection et le gaspillage dans un endroit ne va jamais être nouvelles. Je ne peux pas vous empêcher de sortir avec un questionnaire de 20 pages. Je ne peux que conseiller againt il.

Epargnez-moi un argument du consensus ... la plupart des gens vivent dans la peur et la pauvreté abjecte. Le fait que cela vaut pour la plupart des gens ne fait pas une situation favorable. Le fait que vous pouvez avoir l'air beaucoup d'enquêtes mal conçus ne veut pas dire qu'ils ont été bien conçus.

ANJE - plus de 12 indicateurs? Je suis surpris. Tout ce que vous avez besoin est un court d'alimentation / alimentaire questionnaire de fréquence. Il vient à treize des variables (puisque vous avez déjà l'âge). Pas de problème à le faire (par exemple, GAM et ANJE). Pas moyen pouvez-vous avoir 50 variables et 12 indicateurs pour un thème. Cela est tout simplement pas utile.

Pour répondre à vos questions ...

(1) Oui mais pourquoi voudriez-vous? Je pense que vous ne serez pas obtenir des résultats significatifs.

(2) Difficile de répondre. Si vous voulez des résultats par district puis prendre un échantillon décent dans chaque district. Estimations étendus peuvent être faites par pondération lors de l'analyse.

(3) Vous ne pouvez pas le faire à moins que vous, en effet, faire des enquêtes différentes dans chaque district et vous ne voulez pas faire cela.

Si poussé à faire cela, je voudrais utiliser un échantillonnage spatial, classer pour les petites surfaces (ay moins de 200 sq. Km.) Et carte des résultats en utilisant un système de feux de circulation.