Je crois que je suis familier avec l'enquête dont vous parlez. Je l'ai été approché au sujet de cette enquête et je vais résumer mes pensées ici ...

S'IL VOUS PLAÎT - je dire des choses SHARP CI-DESSOUS. Je ne compte pas ces derniers comme critiques de l'équipe qui a fait l'enquête. Enquêtes de mortalité sont, à mon avis, très difficile à faire bien et même lorsqu'elles sont effectuées Eh bien, ils produisent souvent des résultats confus et trompeurs.

Il est difficile de faire un commentaire définitive à ce sujet. Le TMM5 est élevée (c.-à l'estimation ponctuelle est> 1 / 10.000 / jour), mais pas de beaucoup. Il ya quelques petites choses à noter à propos de la méthode SMART pour l'estimation de mortalité:

(1) La taille des échantillons ont tendance à être trop petit pour estimer avec une précision U5MR décent et CMR est (a) lent à répondre et (b) fortement influencé par la structure par âge de la population (ou de l'échantillon).

(2) La méthode peut être soumis à de nombreux préjugés. En particulier, il ya une tendance à utiliser le même échantillon pour l'anthropométrie et l'enquête sur la mortalité. Cela introduit un biais de survie (par exemple en incluant uniquement les ménages avec enfants vivant) et un biais d'âge (par exemple en incluant les ménages avec de jeunes enfants vous avez tendance à inclure les ménages avec des jeunes femmes) et l'âge est un «grand facteur de confusion" de la mortalité. Je l'ai fait un peu de travail sur les méthodes d'estimation de la mortalité. Sans citer de noms, un important OING produite enquêtes de ce genre depuis plus d'une décennie (et a eu une directive écrite qui a déclaré que le même échantillon doit être utilisé pour les enquêtes anthropométriques et la mortalité. Ces préjugés ont tendance à mener des enquêtes de sous-estimer la mortalité.

(3) On pourrait s'attendre à la mortalité à être regroupées si en raison de la violence ou de l'infection (dans de nombreux cas de malnutrition est due à une infection). Il est pas une bonne idée d'étudier un phénomène en cluster avec un échantillon à grappes. Ceci est très mauvaise pratique, mais nous le faisons toujours.

En bref, les enquêtes de mortalité sont généralement enquêtes mal conçus (1 et 3 ci-dessus) qui peuvent également être mal fait (2 ci-dessus). L'initiative SMART est allé d'une certaine façon à l'amélioration de cette situation, mais je serais surpris si la fiabilité des enquêtes de mortalité a beaucoup progressé au cours de la dernière décennie.

Aussi, soyez conscient que l'enquête sera de retour un taux de mortalité moyenne sur la période de rappel. Si la période de rappel est longue (par exemple 2 ou 3 mois), alors il vous dira peu sur la mortalité récente. Depuis tailles d'échantillon sont en unités de personne-temps, il ya une tentation d'avoir une longue période de rappel (de temps) de façon à réduire les exigences d'échantillonnage de l'enquête (personne). Qu'est-ce que vous avez dans l'enquête sur la nutrition est un instantané de la situation actuelle, mais ce que vous avez dans l'enquête sur la mortalité est une moyenne historique (ie en moyenne sur la période de rappel de l'enquête). L'estimation de la mortalité est pour une période AVANT l'estimation de prévalence de l'émaciation. Il est possible, dans une situation qui se détériore rapidement (par exemple), d'avoir une estimation de la prévalence élevée et une estimation de la mortalité faible. Ce sera le cas si la période de rappel est long ou si la majorité des décès ont pas encore eu lieu. Il ya d'autres histoires "tellement" qui pourraient expliquer vos résultats ... par exemple ... la majeure partie des décès sont survenus avant le début de la période de rappel et vous sont surveillaient les survivants (une autre forme de biais de survie). Certaines de ces explications / histoires peuvent être vérifiés par un travail qualitatif brève.

En bref, encore une fois, vous avez une mauvaise méthode habituellement fait mal et puis il ya une tentation de renverser la causalité. Les décès dans l'enquête de mortalité ont eu lieu avant les cas sur l'enquête de l'anthropométrie ne peut donc pas avoir été influencé par la prévalence actuelle (la tentation est de voir ce le mauvais sens).

Je crois que je suis familier avec l'enquête dont vous parlez. Je l'ai été approché au sujet de cette enquête et je vais résumer mes pensées ici ...

S'IL VOUS PLAÎT - je dire des choses SHARP CI-DESSOUS. Je ne compte pas ces derniers comme critiques de l'équipe qui a fait l'enquête. Enquêtes de mortalité sont, à mon avis, très difficile à faire bien et même lorsqu'elles sont effectuées Eh bien, ils produisent souvent des résultats confus et trompeurs.

Il est difficile de faire un commentaire définitive à ce sujet. Le TMM5 est élevée (c.-à l'estimation ponctuelle est> 1 / 10.000 / jour) mais pas par beaucoup (BTW ... vous devriez citer l'IC à 95% pour les estimations). Il ya quelques petites choses à noter à propos de la méthode SMART pour l'estimation de mortalité:

(1) La taille des échantillons ont tendance à être trop petit pour estimer avec une précision U5MR décent et CMR est (a) lent à répondre et (b) fortement influencé par la structure par âge de la population (ou de l'échantillon).

(2) La méthode peut être soumis à de nombreux préjugés. En particulier, il ya une tendance à utiliser le même échantillon pour l'anthropométrie et l'enquête sur la mortalité. Cela introduit un biais de survie (par exemple en incluant uniquement les ménages avec enfants vivant) et un biais d'âge (par exemple en incluant les ménages avec de jeunes enfants vous avez tendance à inclure les ménages avec des jeunes femmes) et l'âge est un «grand facteur de confusion" de la mortalité. Je l'ai fait un peu de travail sur les méthodes d'estimation de la mortalité. Sans citer de noms, un important OING produite enquêtes de ce genre depuis plus d'une décennie (et a eu une directive écrite qui a déclaré que le même échantillon doit être utilisé pour les enquêtes anthropométriques et la mortalité. Ces préjugés ont tendance à mener des enquêtes de sous-estimer la mortalité.

(3) On pourrait s'attendre à la mortalité à être regroupées si en raison de la violence ou de l'infection (dans de nombreux cas de malnutrition est due à une infection). Il est pas une bonne idée d'étudier un phénomène en cluster avec un échantillon à grappes. Ceci est très mauvaise pratique, mais nous le faisons toujours.

En bref, les enquêtes de mortalité sont généralement enquêtes mal conçus (1 et 3 ci-dessus) qui peuvent également être mal fait (2 ci-dessus). L'initiative SMART est allé d'une certaine façon à l'amélioration de cette situation, mais je serais surpris si la fiabilité des enquêtes de mortalité a beaucoup progressé au cours de la dernière décennie.

Aussi, soyez conscient que l'enquête sera de retour un taux de mortalité moyenne sur la période de rappel. Si la période de rappel est longue (par exemple 2 ou 3 mois), alors il vous dira peu sur la mortalité récente. Depuis tailles d'échantillon sont en unités de personne-temps, il ya une tentation d'avoir une longue période de rappel (de temps) de façon à réduire les exigences d'échantillonnage de l'enquête (personne). Qu'est-ce que vous avez dans l'enquête sur la nutrition est un instantané de la situation actuelle, mais ce que vous avez dans l'enquête sur la mortalité est une moyenne historique (ie en moyenne sur la période de rappel de l'enquête). L'estimation de la mortalité est pour une période AVANT l'estimation de prévalence de l'émaciation. Il est possible, dans une situation qui se détériore rapidement (par exemple), d'avoir une estimation de la prévalence élevée et une estimation de la mortalité faible. Ce sera le cas si la période de rappel est long ou si la majorité des décès ont pas encore eu lieu. Il ya d'autres histoires "tellement" qui pourraient expliquer vos résultats ... par exemple ... la majeure partie des décès sont survenus avant le début de la période de rappel et vous sont surveillaient les survivants (une autre forme de biais de survie). Certaines de ces explications / histoires peuvent être vérifiés par un travail qualitatif brève.

En bref, encore une fois, vous avez une mauvaise méthode habituellement fait mal et puis il ya une tentation de renverser la causalité. Les décès dans l'enquête de mortalité ont eu lieu avant les cas sur l'enquête de l'anthropométrie ne peut donc pas avoir été influencé par la prévalence actuelle (la tentation est de voir ce le mauvais sens).

Cette enquête est en cours d'examen que nous parlons en raison des résultats étranges. Le champ a des résultats ré-exécuter mais ne peut pas comprendre pourquoi il ya une telle grande différence entre z-scores et% de la médiane. La différence entre ceux-ci et le MUAC peut être expliquée sur la base des personnes étant grand et mince naturellement donc la création de haute MUAC. Cependant, il a eu beaucoup de discussions autour de laquelle il ya GAM / SAM taux élevés et le taux de mortalité est si faible.

Cette enquête est envoyé à la grappe mondial pour examen et je voudrais donc pas fonder d'autres discussions sur cette enquête en raison de ses bizarreries.

Cher anonyme,
Ce sont mes perceptions en réponse à vos questions. Vous et désolé Merci d'être trop verbeux !!

Premièrement, je pense que les résultats du rapport sont cohérents et oui, donner un sens (surtout si les contrôles de validation sont acceptables [plausible]!

Tout d'abord, l'interprétation de deux GAM et SAM, indépendamment de MUAC / OMS 2006 est de nature critique (très haut indice). Ce que je crois que de noter ici, est que le GAM et SAM ont indiqué utiliser MUAC est presque la moitié de celui estimé par l'OMS 2006. Cela me conduit à l'application pratique des critères MUAC et de l'OMS pour le ciblage dans les paramètres spécifiques !! Pendant longtemps, je l'ai observé que certaines populations sont naturellement minces d'où le MUAC OMS couper-de <11,5 mm (pour l'âge des enfants) peut être sur le côté supérieur pour les populations !! Les pays ont offs spécifiques coupées adaptées et révisées périodiquement tandis que l'utilisation du périmètre brachial de coupe seuils <10mm pour des fins de ciblage / programmation est pas rare.

Deuxièmement, je crois que le TMM5 de 1,19 / 10 000 / jour interprétée comme une situation très grave qui nécessite une enquête approfondie-corrobore la forte GAM et SAM a rapporté en 1) ci-dessus (à nouveau qu'il soit obtenu en utilisant MUAC ou FMH). Notez cependant que cela est sujet à des informations contextuelles recueillies sur la population étudiée. En outre, et d'une importance exclusive, le TMM5 est calculée et présentée pour une population donnée en utilisant une taille de l'échantillon calculée pour une enquête de taux de mortalité (en utilisant des indicateurs specficic) -Où décès réels, les naissances pour un certain nombre de ménages sont obtenus.

Pour insister davantage sur votre 2ème question, il n'y a pas de relation directe entre le PB et le TMM5. Une haute TMM5 comme celle besoins signalés à une enquête approfondie (malnutrition causée par l'alimentation / maladie ou autres, par exemple les guerres dans les zones post-confilict). En tant que tel de l'information contextuelle recueillie pour des populations spécifiques à la phase de planification du logiciel ENA est très critique. Associations cependant, peuvent être établies entre le PB et et risque relatif de mortalité dans ma perception en utilisant l'analyse des tendances / de séries chronologiques. Les études d'association peuvent être effectuées en utilisant d'autres logiciels statistiques (Stata, SPSSS, Epi-Info). Notez, dans l'étude des maladies de la malnutrition-inclus, et leurs causes (épidémiologie), les associations ne signifie pas causalité. Peut-être, cela est l'idéologie que vous tenez (d'une relation directe possible entre MUAC ou GAM / SAM et de la mortalité).

Pour résumer tout, un rapport d'une enquête anthropométrique est aussi bon que les ressources investies dans la préparation de l'enquête (collecter des informations contextuelles, la formation du personnel et la qualité / validation de la collecte de données, saisie et l'analyse). Cela devrait constituer la base de laquelle le «sens» de jugement pour les résultats anthropométriques devrait être fondée! Enquêtes répétées en utilisant même méthodologie peuvent être utiles aussi. Il ya plusieurs avantages de l'utilisation du périmètre brachial différent ou FMH GAM / SAM dans l'évaluation de la malnutrition. Les auteurs de ce rapport doivent avoir donné un aperçu sur les causes probables de la disparité. Passez en revue les contrôles de validité des résultats obtenus (OBLIGATOIRE POUR UN RAPPORT ANTHRO) et essayer de mieux comprendre la cause probable de variations pour leur GAM / SAM rapporté en utilisant MUAC et WAZ selon les auteurs.

Cordialement,
Samuel

Cher anonyme,
Ce sont mes perceptions à vos questions. Merci et désolé pour mon être verbeux !!

Premièrement, je pense que les résultats du rapport sont cohérents-Oui, donner un sens!

Tout d'abord, l'interprétation de deux GAM et SAM, indépendamment de MUAC ou FMH est de nature critique (très haut indice). Ce que je crois que de noter ici, est que le GAM et SAM ont indiqué utiliser MUAC est presque la moitié de celui estimé par la FMH. Cela me conduit à l'application pratique des critères MUAC et de l'OMS pour le ciblage dans les paramètres spécifiques !! Pendant longtemps, je l'ai observé que certaines populations sont naturellement minces d'où le MUAC coupé-of de <11,5 mm (pour l'âge des enfants) peut être sur le côté supérieur pour les populations !! Par exemple, les lignes directrices de l'enquête nationale sur la base de l'ENA pour la méthodologie SMART ont Beed adapté pour des pays spécifiques. D'ailleurs, pour le ciblage et le programme (TFC / SFC) elegibilidad, MUAC coupe offs de moins de 10 mm ne sont pas rares (rareté des ressources).

Deuxièmement, je crois que le TMM5 de 1,19 / 10 000 / jour est interprété comme une situation très grave qui nécessite une enquête approfondie-corrobore la forte GAM / SAM rapporté en 1) ci-dessus (à nouveau qu'il soit obtenu en utilisant MUAC ou FMH). Notez cependant que le TMM5 est calculée et présentée pour une population donnée en utilisant une taille de l'échantillon calculée pour une enquête de taux de mortalité (en utilisant un ensemble d'indicateurs), auquel cas sexo-spécifique de l'information sur les décès ou naissances réelles migration pour un certain nombre de ménages est obtenu.

Enfin, spécialement pour vous 2ème question, il n'y a pas de relation directe entre le PB et le TMM5. Une haute TMM5 comme celle besoins signalés à une enquête approfondie (malnutrition causée par un régime alimentaire / maladie ou autres par exemple WARS- dans les zones de post-conflit). En tant que telle information contextuelle recueillie dans la phase de planification du logiciel ENA est très critique. Associations cependant, peuvent être établies entre les indicateurs relatifs à anthropmetric le risque de mortalité. Les études d'association peuvent être effectuées en utilisant d'autres logiciels statistiques (Stata, SPSSS, Epi-Info). Remarque, en étudiant leur diseasesand causes de la malnutrition inclusif, (épidémiologie), les associations ne signifie pas causalité. Peut-être, cela est l'idéologie que vous tenez (d'une relation directe possible entre MUAC ou GAM / SAM et de la mortalité).

Pour résumer, un rapport sur toute enquête anthropométrique est aussi bon que les ressources investies dans la préparation de l'enquête (collecter des informations contextuelles, la formation du personnel et la qualité / validation de la collecte de données, saisie et l'analyse). L'utilisation de GAM / SAM obtenu en utilisant MUAC ou FMH en anthropométrie a plusieurs avantages différents. Essayez d'établir la validité de l'étude. Les contrôles de validité est obligatoire pour tout rapport Anthro-enquête et sont à la base des résultats «sensible»! En outre, examiner le rapport d'enquête pour toute explication probable Auteurs pour disparité entre les résultats GAM / SAM obtenus en utilisant MUAC et la FMH.

Cordialement,
Samuel

Je crois que je suis familier avec l'enquête dont vous parlez. Je l'ai été approché au sujet de cette enquête et je vais résumer mes pensées ici ...

S'IL VOUS PLAÎT - je dire des choses SHARP CI-DESSOUS. Je ne compte pas ces derniers comme critiques de l'équipe qui a fait l'enquête. Enquêtes de mortalité sont, à mon avis, très difficile à faire bien et même lorsqu'elles sont effectuées Eh bien, ils produisent souvent des résultats confus et trompeurs.

Il est difficile de faire un commentaire définitive à ce sujet. Le TMM5 est élevée (c.-à l'estimation ponctuelle est> 1 / 10.000 / jour) mais pas par beaucoup (BTW ... vous devriez citer l'IC à 95% pour les estimations). Il ya quelques petites choses à noter à propos de la méthode SMART pour l'estimation de mortalité:

(1) La taille des échantillons ont tendance à être trop petit pour estimer avec une précision U5MR décent et CMR est (a) lent à répondre et (b) fortement influencé par la structure par âge de la population (ou de l'échantillon).

(2) La méthode peut être soumis à de nombreux préjugés. En particulier, il ya une tendance à utiliser le même échantillon pour l'anthropométrie et l'enquête sur la mortalité. Cela introduit un biais de survie (par exemple en incluant uniquement les ménages avec enfants vivant) et un biais d'âge (par exemple en incluant les ménages avec de jeunes enfants vous avez tendance à inclure les ménages avec des jeunes femmes) et l'âge est un «grand facteur de confusion" de la mortalité. Je l'ai fait un peu de travail sur les méthodes d'estimation de la mortalité. Sans citer de noms, un important OING produite enquêtes de ce genre depuis plus d'une décennie (et a eu une directive écrite qui a déclaré que le même échantillon doit être utilisé pour les enquêtes anthropométriques et la mortalité. Ces préjugés ont tendance à mener des enquêtes de sous-estimer la mortalité.

(3) On pourrait s'attendre à la mortalité à être regroupées si en raison de la violence ou de l'infection (dans de nombreux cas de malnutrition est due à une infection). Il est pas une bonne idée d'étudier un phénomène en cluster avec un échantillon à grappes. Ceci est très mauvaise pratique, mais nous le faisons toujours.

En bref, les enquêtes de mortalité sont généralement enquêtes mal conçus (1 et 3 ci-dessus) qui peuvent également être mal fait (2 ci-dessus). L'initiative SMART est allé d'une certaine façon à l'amélioration de cette situation, mais je serais surpris si la fiabilité des enquêtes de mortalité a beaucoup progressé au cours de la dernière décennie.

Aussi, soyez conscient que l'enquête sera de retour un taux de mortalité moyenne sur la période de rappel. Si la période de rappel est longue (par exemple 2 ou 3 mois), alors il vous dira peu sur la mortalité récente. Depuis tailles d'échantillon sont en unités de personne-temps, il ya une tentation d'avoir une longue période de rappel (de temps) de façon à réduire les exigences d'échantillonnage de l'enquête (personne). Qu'est-ce que vous avez dans l'enquête sur la nutrition est un instantané de la situation actuelle, mais ce que vous avez dans l'enquête sur la mortalité est une moyenne historique (ie en moyenne sur la période de rappel de l'enquête). L'estimation de la mortalité est pour une période AVANT l'estimation de prévalence de l'émaciation. Il est possible, dans une situation qui se détériore rapidement (par exemple), d'avoir une estimation de la prévalence élevée et une estimation de la mortalité faible. Ce sera le cas si la période de rappel est long ou si la majorité des décès ont pas encore eu lieu. Il ya d'autres histoires "tellement" qui pourraient expliquer vos résultats ... par exemple ... la majeure partie des décès sont survenus avant le début de la période de rappel et vous sont surveillaient les survivants (une autre forme de biais de survie). Certaines de ces explications / histoires peuvent être vérifiés par un travail qualitatif brève.

En bref, encore une fois, vous avez une mauvaise méthode habituellement fait mal et puis il ya une tentation de renverser la causalité. Les décès dans l'enquête de mortalité ont eu lieu avant les cas sur l'enquête de l'anthropométrie ne peut donc pas avoir été influencé par la prévalence actuelle (la tentation est de voir ce le mauvais sens).

Je suis d'accord. Les prévalences trouvés par W / H et MUAC sont quantitativement différente de l'autre par qualitativement similaires. Les deux points à une situation très pauvres. Je ne sais pas ce qui est prévu par «naturellement mince". Certes, certaines populations ont une faible W / H en raison de la forme du corps, mais je ne ont pas entendu parler de cela en termes de périmètre brachial. A périmètre brachial ci-dessous 115 mm est assez mince et suffisamment minces pour être associée à une mortalité accrue dans toute la population. Je pense que nous devons être prudents en ce qui concerne "Pour demeurer plus sur votre 2ème question, il n'y a pas de relation directe entre le PB et le TMM5". Dans les personnes à faible MUAC prédit la mortalité mieux que tout autre indicateur anthropométrique. Le problème, je pense, est que le TMM5 est du passé et la prévalence de l'émaciation du présent. Nous aimons nos les causes à venir avant que les effets et de vos données est l'inverse.

Probablement l'enquête pourrait être mauvais révèle un avis longheld que PB est un meilleur prédicteur de la mortalité .it serait donc bon de l'utiliser comme une base de découvrir les questions ou les relations entre W / H, PB et de la mortalité
d'autre part, l'imbrication des enquêtes de mortalité dans les enquêtes nutritionnelles pourrait avoir besoin d'être relooké

Chers tous,

Merci à tous pour votre aimable réponse.

S'il vous plaît comprendre que ma question est de ne pas la validité etc --- de l'enquête. Ce que je vraiment besoin de savoir est sur la relation entre le PB et de la mortalité. Comme ce forum est la zone que nous pouvons apprendre d'experts et de partage d'idées, il n'y a pas l'intention de demander à quelqu'un à propos de la validité etc ...

Donc, dans votre réponse s'il vous plaît se concentrer uniquement sur l'explication possible qui pourrait expliquer le résultat au lieu de tirer à l'équipe d'enquête ou autres.

Je tiens à noter les réponses points de formulaire ci-dessous;

"Enquêtes de mortalité sont, à mon avis, très difficile à faire bien et même lorsqu'elles sont effectuées Eh bien, ils produisent souvent des résultats confus et trompeur"

"En bref, les enquêtes de mortalité sont généralement mal enquêtes qui peuvent également être faites mal conçues"

Les décès dans l'enquête de mortalité ont eu lieu avant les cas sur l'enquête anthropométrique ne peut donc pas avoir été influencé par la prévalence actuelle

Et ma question est de nouveau;
1. Si le résultat de l'enquête de mortalité est confuse et trompeuse et ne reflète pas la situation actuelle, pourquoi nous avons besoin de le faire? Bien que je suis d'accord que nous devons faire enquête sur la mortalité dans certaines situation.

2. En ce qui concerne la conception, si la méthode actuelle, nous utilisons ne sont pas bonnes, ce qui possible la conception méthode peut être utilisée afin d'obtenir de bons résultats?

Mark,

Je suis d'accord que vous êtes sur place. Merci pour vos corrections.

Samuel

Deux réponses dans un ...

"Anonymous 108« première ...

Je suis très préoccupé par cette déclaration:

"Probablement l'enquête pourrait être mauvais révèle une opinion de longue date que le PB est un meilleur prédicteur de la mortalité. Il serait donc bon de l'utiliser comme une base de découvrir les questions ou les relations entre W / H, PB et de la mortalité."

Avec ces enquêtes que vous ne peux rien dire à propos de la relation entre un indicateur anthropométrique et de mortalité. Cette raison principale à cela est que l'estimation de la mortalité est pour une période de mois avant l'estimation de dépérissement. La relation que nous sommes intéressés à est celui dans lequel faible périmètre brachial vient avant la mort. Le type de données en cours de discussion ici a venir la mort avant faible périmètre brachial. Votre proposition exige du temps à couler à l'envers!

Enquêtes transversales sont une très mauvaise façon d'enquêter sur cette relation. Il ya de bonnes méthodes d'investigation de la relation d'intérêt (c.-à-études de cohortes prospectives) et ceux-ci ont été faites. Les résultats des différentes études sont compatibles les uns avec les autres, peu importe quand et où l'étude a été réalisée (par exemple un PB de 100 mm signifie la même en termes de risque de mortalité au Bangladesh comme il le fait en Ouganda). Depuis la relation est si bien établie et nous avons maintenant de bons traitements pour les interventions de gaspillage et de haute couverture (par exemple de la CCT, PCMA), il serait contraire à l'éthique de mener d'autres études.

Je ne suis d'accord avec ceci:

"Deuxièmement, l'imbrication des enquêtes de mortalité dans les enquêtes nutritionnelles pourrait avoir besoin d'être relooké".

Je pense que les pratfalls communes sont couvertes dans la documentation SMART, mais l'exécution de deux enquêtes ensemble, peuvent compromettre l'échantillonnage pour l'enquête sur la mortalité.

Maintenant, pour "Anonymous 375" ...

La question du périmètre brachial et de la mortalité a été bien étudiée et la relation décrite. En termes de performance des indicateurs réalistes comme facteurs prédictifs de près de MUAC de mortalité à long terme (non corrigées pour la hauteur, l'âge ou le sexe) a été montré supérieur. L'ordre est MUAC, W / A, H / A et W / H. Toutes les études trouver W / H être le pire indicateur pour prédire une mortalité proche terme. Vous ne pouvez pas utiliser le type de données en cours de discussion (enquêtes de prévalence de type SMART-à-dire et les enquêtes de mortalité rétrospective de type SMART) pour enquêter sur cette relation. Voir au dessus.

Tu demandes:

"1. Si le résultat de l'enquête de mortalité est confuse et trompeuse et ne reflète pas la situation actuelle, pourquoi nous avons besoin de le faire? Bien que je suis d'accord que nous devons faire enquête sur la mortalité dans certaines situation."

Une très bonne question! Je pourrais écrire longuement sur la façon trompeuse ils sont et pourquoi, même lorsque l'enquête est bien fait. Je vais vous donner deux exemples:

(1) Vous disposez d'un délai de rappel de trois mois et le TMM5 au début était de 5 / 10.000 / jour et le TMM5 diminué de façon constante à 1 / 10.000 / jour au cours de la période de rappel. Le TMM5 estimée sera d'environ 2,5 / 10.000 / jour.

(2) Vous disposez d'un délai de rappel de trois mois et le TMM5 au début était 1 / 10.000 / jour et le TMM5 Rose régulièrement à 5 / 10.000 / jour au cours de la période de rappel. Le TMM5 estimée sera d'environ 2,5 / 10.000 / jour.

Ici vous avez deux situations très différentes. Dans (1), le problème est passé mais dans (2), le problème est ici maintenant! L'enquête ne peut pas différencier entre ces deux situations très différentes.

»2. En ce qui concerne la conception, si la méthode actuelle, nous utilisons est pas bon, ce possible méthode de conception peut être utilisé afin d'obtenir de bons résultats?"

Une chose évidente à faire est de réduire la période de rappel pour (par exemple) un mois ou deux semaines. Maintenant, l'estimation se réfère à une période proche dans le temps. Le problème avec ce faire en utilisant la méthode actuelle est que l'échantillon tailles augmentent. La taille des échantillons pour les enquêtes de mortalité utilisent des unités de temps-personne (habituellement jours-personnes). Si vous avez besoin (par exemple) 100.000 personnes-jours, puis, pour une période de rappel de 90 jours vous avez besoin d'un échantillon de 1111 personnes (soit, 100 000/90). Pour une période de rappel de 30 jours, vous avez besoin d'un échantillon de 3333 personnes. Pour une période de rappel de 14 jours, vous avez besoin d'un échantillon de 7143 personnes. Ces tailles d'échantillon peut être possible pour les CMR (toutes les personnes dans un ménage) mais pour TMM5 (seuls les enfants de <5 ans) vous pouvez avoir besoin de goûter à 3000 ou 7000 ménages pour obtenir la taille de l'échantillon nécessaire.

Il ya eu quelques travaux récents sur les nouvelles méthodes qui reposent sur le dépistage actif, l'estimation rapide de la population, et la classification de la prévalence (à savoir l'analyse vous indique une classe (par exemple OK, mauvaise, mauvaise, très mauvaise, catastrophes) plutôt que d'un certain nombre avec un intervalle de confiance. Ces approches montrent une certaine promesse. Détails de un projet (que je fait quelques travaux sur) peut être trouvé à http://www.fantaproject.org/publications/EM_method.shtml.

Cher Mark,

Je apprends beaucoup sur la question. Merci beaucoup d'avoir pris le temps d'expliquer qui nous permettent vraiment de faire notre travail avec confiance dans le dépôt. Espérons que ce site est le meilleur que ce que les experts action est CONNAISSANCES !!

Meilleurs voeux,

Merci pour vos aimables commentaires.

Ce qui rend ce travail du forum est, à mon avis, la communauté du forum non seulement les experts. Nous sommes tous dans le même bateau!

Pendant que je vous écris ... Je me suis trompé dans ma réponse précédente. Le TMM5 moyenne dans les exemples de baisse constante de 5 / 10K / jour à 1 / 10K / jour et en constante augmentation de 1 / 10K / jour à 5/10 K / jour serait 3 / 10K / jour pas 2,5 / 10K / jour . Cela ne modifie pas le point d'être faite. Une enquête rétrospective de mortalité ne peut pas faire la distinction entre une situation qui est de mieux en mieux et et une situation qui ne fait qu'empirer.