Censurer les valeurs qui sont «extrême» qui peut être fait en utilisant plusieurs approches. Je vais passer en revue quelques-uns:

(1) Censeur en fonction de seuils "arbitraires". Je l'utilise guillemets autour de la «arbitraire» que ceux-ci ne sont pas choisies au hasard (par exemple, nous ne retournerons pas ramassons 135 mm et 155 mm que nos extrêmes chez les enfants). Les valeurs sensibles seraient (par exemple) 85 mm et 200 mm. Personne dirais que 80 mm dans un bébé de 6 mois est extrêmement mince, mais 220 mm dans un bien nourri de 5 ans ne sont pas particulièrement extrême. Dans la plupart des endroits où nous (les gens EN-NET) utiliserons PB 220 mmm seront probablement l'extrême supérieure.

(2) Censeur utilisant seuils dérivés d'une référence (approche simple). Dans cette approche, vous prenez un peu extrême pour un enfant de 6 mois et un haut extrême pour un enfant de 5 ans. Ceci est aussi (1), sauf que les seuils sont dérivées d'une référence telle que les WGS. Vous pouvez choisir les -5 z-scores et +5 z-scores. Si (par exemple) le MUAC médian pour un âgé de 6 mois dans la référence est de 135 mm avec un (négative) de 9 mm SD puis le seuil inférieur sera 135 - (5 * 9) = 90 mm.

(3) Censeur utilisant seuils dérivés de référence (approche complète). Ici vous calculez PB / A ou PB / H z-scores pour chaque enfant en utilisant une référence, puis censurer ceux avec z-scores de (par exemple) en dessous de -5 et +5 ci-dessus. Encore une fois, des seuils supérieurs peuvent être ridiculement élevé.

(4) Coupez la distribution. Cela implique de décapage (par exemple) en haut et en bas de 0,5% des valeurs ou, regardé dans l'autre sens, garder le milieu de 99% des valeurs. Cette approche, en l'absence de faibles erreurs extrêmes censurer des cas réels de SAM. Pas une bonne méthode!

(5) Censeur utilisant seuils dérivés à partir des données de l'enquête. Cette approche utilise les données de l'enquête, ou probablement mieux, au milieu de 99% des données d'enquête (comme en (4) ci-dessus). En utilisant les données de l'enquête, calculer la moyenne et SD et les utiliser pour créer vos seuils. Par exemple, si vous avez un PB moyenne de 142 mm avec et SD de 11 mm alors vos seuils seraient 142 - (5 * 11) = 87 mm et votre seuil supérieur seraient 142 + (5 * 11) = 197 mm.

Méthode (1) est très commun. Méthode (3) est l'approche utilisée dans EpiInfo pour WHZ. Méthode (5) est similaire à l'approche utilisée par SMART (quelqu'un de SMART peut vous confirmer cela).

Désolé de ne pas fournir une réponse définitive ... Je irais pour (1) ou (5). Vous pouvez même utiliser des méthodes (1), (3) et (5) et de prendre un "vote à la majorité" approche ... si deux des trois méthodes disent censeur alors censurer. Le problème avec (3) est que vous avez besoin de mesurer l'âge ou la hauteur qui pourrait être OK si vous utilisez à la fois W / H et le PB comme indicateurs de l'enquête.

Maintenant, pour une digression ... pourquoi censurer? Je suppose que cela est à propos de l'erreur. Mieux vaut éviter l'erreur en premier lieu. Vous pouvez utiliser un bracelet de couleur bandes et enregistrement (par exemple) rouge, jaune, vert. Ceci a été montré pour réduire l'erreur. Vous pourriez avoir une règle d'enquête qui réévaluée tous en dessous de 120 mm.

Je espère que cela est d'une certaine utilité.

Merci Mark, cela aide beaucoup. Je espérais avoir votre avis sur l'écriture en-net ...
Les données que je suis analyse est 2001-2009 pourrait donc ne pas fonctionner sur d'éviter l'erreur en premier lieu, mais je vais prendre votre conseil pour la prochaine fois je recueillir des données.

Faites-nous savoir ce que vous finissez par faire.

Salut,
Je essayé l'option 5 et il m'a donné un minimum de 96.45mm et un max de 185.55mm.
Je pensais à 3, mais aime pas tellement. Ne serait-il plus Introduc erreur ajoutant l'âge ou de la hauteur dans le calcul?
Je me suis retrouvé avec l'option 1 en utilisant 85-200.
La base de données contient 19 valeurs sous 85mm et 30 plus de 200 mm dans une base de données de 104418 valeurs MUAC donc pensé que ce devrait être ok ...

Le seuil de 96 mm vous avez obtenu de la méthode (5) ne semble un peu élevé. Je l'ai vu des enfants avec MUACs inférieur à celui (c.-à moi-même mesurée).

Votre point sur l'option (3) est bon. Utiliser PB / A (et H / A et W / A) dans une enquête transversale que ces indicateurs sont très sensibles à de petites erreurs dans l'âge et l'âge est souvent très difficile à établir. Voir.

Jelliffe EFP, Jelliffe DB, La tour de bras comme un indice de la santé publique de la malnutrition protéino-calorique de la petite enfance, J Trop Pediatr 1969; 15: 179-192

Hamer C, Kvatum K, D Jeffries, Allen S, Détection de sévère malnutrition protéino-énergétique par des infirmières en Gambie, Arch Dis Child 2004; 89: 181-184

LE Davis, l'épidémiologie de la famine dans la crise nigériane: l'évaluation rapide de la malnutrition par la hauteur et la circonférence du bras dans de grandes populations, Am J Clin Nutr 1971; 24: 358-364

Bairagi R, Effets de partialité et d'erreur aléatoire dans l'anthropométrie et de l'âge sur l'estimation de la malnutrition, Am J Epidemiol 1986; 123 (1): 185-91

pour plus d'information. PB / H est moins sujette à ces erreurs.

Procédé (1) est le plus couramment utilisé. Le petit nombre de valeurs censurées est encourageant. Je voudrais vérifier que vous n'êtes pas en excluant (par exemple) 69 mm (probablement une mauvaise entrée des mis-enregistrées 96 mm) et (par exemple) 431 mm (probablement 134 mm). Dans de tels cas, je serais tenté de modifier les données et de documenter chaque modification apportée dans un rapport.

Je viens de l'examen de ce fil et noté «Je essayé l'option 5 et il m'a donné un minimum de 96.45mm et un max de 185.55mm". Je pense que cela peut être dû à votre aide de la somme de tous les ensembles de données de l'enquête à l'esprit de la médiane et SD. Ce genre de calcul doit être fait par jeu de données. Je pense que l'approche que vous avez adoptée est assez bon.