Salut Anonymous 3991

Je pense que vous avez deux problèmes (liés), celui qui est mathématique, et qui est pratique:

1. Le calcul des scores Z comprend un terme de puissance, comme vous avez correctement spécifié comme ((ac / m) ** l). Mathématiquement, un moyen terme de puissance que de petites erreurs seront amplifiées. Vous avez utilisé des valeurs LMS de 0,28 / 14,24 / 0,08. Quand je regardais les valeurs LMS pour un sexe masculin âgés de 183 jours (dans la macro STATA que je n'ai pas SPSS), ils sont donnés à titre 0,2751 / 14,2408 / 0,07601. L'utilisation de ces chiffres, je reçois un score Z pour votre client de 0,237894906 (~ 0,24). Si j'utilise vos chiffres arrondis, je reçois exactement le même résultat que vous avez fait. L'arrondi des valeurs LMS représente vos résultats différents.

2. Quelle différence pratique ce que cela signifie dans la vie réelle? La différence réelle MUAC entre un MUAC pour le score âge de Z à cet âge de votre résultat de 0,226745683 et 0,24 est d'environ 0,15 mm - ce qui est beaucoup plus faible que ce qui peut être mesurée avec une bande MUAC, même dans des conditions parfaites. Donc, il est pas du tout important par rapport à la santé d'un enfant.

En faisant ces calculs sur une feuille de calcul, comme vous l'avez fait, vous pouvez obtenir une bonne idée de ce que l'impact des erreurs de mesure communs ont sur Z scores. Je recommande d'avoir un regard sur les effets sur les scores Z des erreurs typiques de mesure de quelques mm pour MUAC, ou les erreurs potentielles de longueur (souvent plus de quelques millimètres si la tête et les jambes ne sont pas correctement positionnés) ou le poids (par exemple ne pas retirer les vêtements et lange) pour WLZ.

Bonne chance

Geai

salut Jack

Exactement, le problème était en utilisant les valeurs arrondies de l, m et s. Quand je faisais le test du muacz excel Je ne savais pas que j'exportait des valeurs arrondies.

Je vous remercie aussi pour l'orientation dans l'aspect pratique, vraiment la différence est appreaciable, mais s'il est possible de l'obtenir précise i sera obtenu pour elle.

Je vous remercie de la réponse et des conseils.
Meilleures salutations,
julien

Comme d'autres l'ont fait remarquer ... cela est dû à l'erreur introduite par l'arrondissement prématurée du L, M, et les valeurs de S. Il est courant de faire rapport z-scores pour les indicateurs de nutrition à 2 décimales, mais l'arrondi se fait toujours à l'étape finale. En outre, l'erreur est amplifiée par l'utilisation d'un terme de puissance.

Les informaticiens se réfèrent au nombre de décimales que la "précision" en raison des erreurs qui viennent avec l'arrondissement. En règle générale, vous devriez (lorsqu'ils traitent avec des quantités qui ne sont pas contraints d'être des nombres entiers) est de ne pas les mesures rondes et les résultats dans et à partir des calculs intermédiaires. Round seulement au dernier moment posible.

Alors que sur le thème de la "précision" ... la plupart des logiciels donnera des erreurs dues à la précision interne avec de petits et de grands nombres. Presque tous les logiciels seront, par exemple, vous dire que:

= 1 * (0.5-0.4-0.1)

est non nul (pire, il peut afficher zéro, mais pas utiliser zéro dans les calculs). Un grand exemple de nombre est:

= 123456789 ^ 2

Excel donne 15241578750190500 mais la vraie réponse est 15241578750190521.

Les problèmes ne sont pas si mauvais quand vous utilisez des nombres de taille modérée.

Un logiciel spécial permet une précision arbitraire. Le vieux UNIX outil "bc" obtient ces calculs corrects.

Cela peut sembler trivial, mais de petites erreurs peut monter et provoquer des logiciels à l'échec. Vous devriez consulter les sites comme ici , ici , et ici .

Je vérifie généralement des résultats contre "bc" pour des ensembles de calculs. Tous les problèmes peuvent généralement être classés en exprimant des calculs différemment. Ici est une calculatrice en ligne avec une précision arbitraire. Si le problème persiste, vous pouvez utiliser les bibliothèques de précision arbitraire. Il y a un certain nombre d'Excel.

Je dois demander ... pourquoi utiliser MAZ (MUAC-âge z-score). Il est un choix étrange parce que:

(1) L'âge est souvent soumis à des erreurs considérables dans de nombreux contextes. Cela se manifeste habituellement par âge entassant à 6, 12, 18, 24, 36, et 48 mois dans les enquêtes. L'effet de ce qui peut être d'introduire un biais systématique. Si la tendance est à signaler les âges comme «jalons passés» de sorte que (par exemple) un enfant âgé de> = 24 mois et <36 mois seront signalés comme 2 ans (24 mois), alors l'âge aura tendance à être sous-estimés et MAZ (et HAZ et WAZ) sera sous-estimée.

(2) Le principal avantage de MUAC sur (par exemple) WHZ est la puissance prédictive relativement forte pour la mortalité à court terme de MUAC par rapport à WHZ. Le travail effectué sur de grandes cohortes montre que la correction MUAC pour l'âge ou la hauteur n'améliore pas la valeur pronostique et peut dégrader la valeur pronostique.

Plus facile et probablement plus utile, par conséquent, d'utiliser et d'appliquer MUAC non corrigée seuil définitions de cas simples.

J'espère que cela est d'une certaine utilité.

Salut à tous,

Mon idée était d'utiliser MUAC-Z pour estimer la prévalence de GAM. Cependant, je ne pouvais pas trouver toute documentation à l'appui de cette approche, et je vous remercie Mark me confirmant que n'est pas une bonne idée. Cependant, dans mon milieu, il sera facile de trouver des dates de naissance dans les cartes de santé, de sorte que l'âge exact peut être calculée. Mais le seing manque de soutien de la littérature, je vais aller à la norme MUAC.

Cependant, je veux encore calculer MUAC-Z pour signaler les données + -5 SD, comme avec MUAC normale je n'ai pas trouvé de critères qui se étiolent. Si certains auraient tout commentaire sur cela, il sera très apprécié.

Thnak vous remercie beaucoup pour vos réponses.
Cordialement,

julien

Vous soulevez quelques points ...

MUAC / A z-score et GAM: travail a été fait avec MUAC / H (QUAC) et MHZ <-2 tend à donner des prévalences plus élevées que WHZ <- 2. Nous avons tendance à utiliser MUAC parce que nous sommes intéressés par le risque de mortalité. Il est connu que MUAC est un meilleur prédicteur de la mortalité que toutes les autres mesures pratiques. MUAC fait le mieux, MUAC / A et MUAC / H, WAZ et HAZ font très bien, WHZ ne fait pas mieux que de lancer une pièce à cet égard. Faire MUAC se comporter comme WHZ (que nous utilisons souvent pour GAM) se dégrader les performances du MUAC. Tout dépend de votre foyer. Mon intérêt principal est la programmation survie des enfants donc je préfère MUAC. Dans un système de surveillance, vous êtes souvent plus intéressés par le changement au fil du temps. Vous pouvez utiliser toute mesure aiguë et MUAC semble le mieux pour la surveillance en raison de son faible coût et de simplicité.

Âges précis: Si vous pouvez obtenir les âges raisonnablement précises alors MUAC / A seront moins sujettes à l' erreur. Le problème est que la correction / ajustement MUAC pour l'âge ou la hauteur peut dégrade la mortalité WRT de performance tout en ajoutant de la complexité.

Signalement: Je tendance à utiliser une approche simple de seuil (accepter si MUAC est comprise entre 80 mm et 200 mm). Cela a été discuté ici . MAZ entre -5 et +5 serait OK, mais un drapeau peut être sûr d'une erreur dans l'âge.

J'espère que cela est d'une certaine aide.

Ok, enfin, comme je vois:

Pour autant que je suis intéressant dans GAM tendance de prévalence, plus de la mortalité, et je peux obtenir la mesure exacte de l'âge, semble MUAC / A fonctionne de manière adéquate pour cette propuse.

Pour assurer l'utilisation de MUAC réduire le coût du système de surveillance et de simplifier la collecte des données, le point clé de la durabilité.

En ce qui concerne la signalisation, pour moi de prendre en compte l'âge, il implique une meilleure procédure de repérage. Si par exemple je vais utiliser des seuils MUAC simples (80-200mm) qui voudrait dire qu'un enfant de 7 mois avec 170mm de MUAC ne sera pas un drapeau, alors qu'avec MUAC / A est un drapeau clair. Pour autant que je vois l'utilisation de MUAC / A pour repérage est plus précis.

Je vous remercie tous pour vos réponses.
Cordialement,
julien

Je pense que "Pour autant que je suis intéressant dans GAM tendance de prévalence, plus de la mortalité, et je peux obtenir la mesure exacte de l'âge, semble MUAC / A fonctionne de manière adéquate à cette fin" manque le point. Je suis plus intéressé par GAM car elle reflète la mortalité et le besoin. Je ne suis pas sûr qu'il y ait beaucoup de valeur dans le GAM pour rien d'autre. Je manque clairement quelque chose.

Si vous définissez seulement GAM comme "WHZ <-2" puis en utilisant autre chose que WHZ ne vous dira rien GAM. MUAC / A ou MUAC / H ne fonctionneront mieux que première MUAC à cet égard (parce qu'il est pas WHZ).

Vous pouvez définir GAM en utilisant MUAC <125 mm et des Nations Unies et des donateurs a approuvé les seuils critiques sont disponibles.

Quoi qu'il en soit ... bonne chance avec cela. Tenez-nous informés des progrès.

AGQNTI http://www.LnAJ7K8QSpfMO2wQ8gO.com