Cher Julien,

Le test utilisé pour analyser le rapport d'âge dans plausibilité rapport de vérification ENA est un Chi².
Vous remarquerez que le rapport attendu n'est pas 1 (sex-ratio), mais 0,8 considérant 24 mois (= 6-29 mois) / 30 mois (= 30-59 mois) = 0,8.
Ainsi, le Chi² teste si le ratio d'âge de l'échantillon est proche de 0,8 comme prévu.

L'idée originale de la méthodologie SMART est de permettre Nutritionniste ou la santé des travailleurs pour effectuer une forte enquête transversale robuste (avec des résultats internationaux standard) avec des connaissances de base sur l'épidémiologie et des statistiques. Donc, vous ne devez pas nécessairement de comprendre l'ensemble des fondements statistiques dans le rapport de contrôle de plausibilité.

Pour une meilleure compréhension du processus de la qualité des données, voir:
ANNEXE 7.1: SMART: Assurer la qualité des données - est le résultat de l'enquête utilisable? Or M.
De la formation sur les outils smartmethodology.org

Espérons que cela est utile

Salut Damien,

Je vous remercie de votre réponse et de clarification. Très utile le document ANNEXE 7.4 ratios d'âge et le sexe Comprendre.

En fait, à la suite de ce document, oui, les valeurs attendues sont calculées grâce à des proportions fixes. Par conséquent, si nous calculons les porportions correspondant à l'âge du groupe 6-29 et 30-59, nous pouvons calculer les valeurs attendues en utilisant ces proportions:

6 - 17 mois: 12000/51720 ˜ 23,2% (exprimé en proportion simple, il est de 23,2 / 100 = 0,232)
18 - 29 mois: 11700/51720 ˜ 22,6% (0.226)
30 - 41 mois: 11340/51720 ˜ 21,9% (0.219)
42 - 53 mois: 11160/51720 ˜ 21,6% (0.216)
54 - 59 mois: 5520/51720 ˜ 10,7% (0.107
* Source SMART PM manuel trainning

Donc:

Groupe 6-29:
(12000 + 11700) / 51720 = 0,458236659
Valeur attendue pour ce groupe = X * 0,458236659

Groupe 30 à 59 ans
(11340 + 11160 + 5520) / 51720 = 0,541763341
Valeur attendue pour ce groupe d'âge = Y * 0,541763341

Cette proportion des valeurs attendues peuvent être calculées et appliquer la correction de ces 6 mois manquants dans le groupe 6-29 mois, avec une X2 corrested et sa valeur p associée.

Si je serais mal à cela s'il vous plaît laissez-moi savoir.

Merci beaucoup.
Cordialement,
Julian Ibarguen

salut Julian

La proportion attendue des enfants pour le contrôle de plausibilité ont été compilées par Michael Golden basé sur des recherches approfondies de la distribution d'âge comme indiqué par Damien.

ENA calcule le nombre attendu d'enfants pour chaque mois de la population totale sur la base de ces proportions attendues.

En regardant les proportions attendues des enfants, en les multipliant par les mois à risque (12 mois dans les quatre premières catégories d'âge, et 6 mois dans le dernier), puis en les divisant en fonction du rapport d'âge groupement (6-29 / 30-59 mois).

En regardant le tableau ci-dessous, si 1.000 enfants sont attendus dans le groupe d'âge 6-17 mois. En raison de la mortalité infantile et juvénile 975 enfants sont attendus dans les 18-29 mois

Options du groupe d' âge dans ENA

Proportion attendue des enfants pour le contrôle de plausibilité de l'échantillonnage
]
Groupes d'âge (m) Homme Femme
6-17 ----------------- 1000, 1000
18 - 29 ---------------- 975, 975
30 - 41 ----------------- 945, 945
42-53 ----------------- 930, 930
54-59 ---------------- 920, 920

Ainsi, pour les différentes tranches d'âge , nous obtenons ce qui suit:

6-17 = 12 mois. 1000 * 12 = 12 000.
18-29 = 12 mois. 975 * 12 = 11700.
30-41 = 12 mois. 945 * 12 = 11340.
42-53 = 12 mois. 930 * 12 = 11160.
54-59 = 6 mois. 920 * 6 = 5520.

Sur la base de ce qui précède, nous nous attendons à avoir un rapport d'âge de 6-29 mois / 30-59 mois = + 12000 11700/11340 + 11160 + 5520 = 23700/28020 = 0.8458 ˜ 0,85.

D' où le nombre attendu d'enfants exprimées dans le test statistique pour des rapports de sexe et d' âge viennent?

Lors de l'ajout des proportions entières obtenues pour chaque groupe d'âge se situe au-dessus, on obtient:
+ 11700 + 12000 11340 + 11160 + 5520 = 51720, ou 100% d'un échantillon «idéal».

Pour chaque tranche d'âge, nous nous attendons à obtenir les proportions suivantes:
6 - 17 mois: 12000/51720 ˜ 23,2% (exprimé en proportion simple, il est de 23,2 / 100 = 0,232)
18 - 29 mois: 11700/51720 ˜ 22,6% (0.226)
30 - 41 mois: 11340/51720 ˜ 21,9% (0.219)
42 - 53 mois: 11160/51720 ˜ 21,6% (0.216)
54 - 59 mois: 5520/51720 ˜ 10,7% (0.107)

Vérifier: 23,2% + 22,6% + 21,9% + 21,6% + 10,7% = 100%.

Espérons que cela est utile.

Merci

Un commentaire et une question ...

Commentaire: Je pense que vous devez être très prudent lorsque l'on travaille avec des chiffres attendus générés à partir d'un modèle qui est externe aux données (que vous avez ci-dessus). Si le modèle est faux alors vous rejetez les données (correct) plutôt que le (mauvais) modèle. Des choses bizarres se produisent dans les situations d'urgence et nous utilisons souvent SMART en cas d'urgence. Epidémies peuvent frapper des morceaux sur une population que le modèle proposé ne peut pas comprendre. Encore une fois, vous auriez tort de rejeter la réalité en faveur d'un modèle abstrait. Il y a d'autres raisons pour lesquelles le modèle pourrait être mal ... la pensée d'un moment ajoute un sex-ratio autre que 1: 1 (ce qui est presque toujours le cas), l'avortement préférentiel des femmes, l'infanticide des filles, un traitement préférentiel en termes de régime alimentaire et médicale soin d'un sexe, l'amélioration de la santé publique, à défaut de la santé publique, l'évolution des modes de fécondité .... Je suis sûr qu'il ya beaucoup plus.

Question: Ceci est la même question que vous posez au-dessus et (je pense) ne parviennent pas à répondre. Il est "Où le nombre attendu d'enfants exprimées dans le test statistique pour des rapports de sexe et d'âge viennent?". Quels sont les détails du modèle. Je peux voir que le rapport de masculinité à la naissance est supposé être de 1: 1 et que la mortalité est supposée ne pas différer entre les sexes. Comment sont les numéros 1000, 975, 945, 930, 920 trouvés? Peut-on voir les détails de ce modèle et comment il est calculé? Sans cela, nous ne pouvons pas évaluer si elle est raisonnable. Pouvez-vous montrer s'il vous plaît cela dans une sorte de table de feuille de calcul afin que nous puissions voir comment les choses sont calculées?

Salut à tous,

Le sex-ratio global et âge Répartition globale sont les deux principaux critères de plausibilité Vérifiez utiles dans l'évaluation de la représentativité d'un échantillon de l'enquête (détection de tout biais de sélection) par rapport à la répartition par âge / sexe attendu de la population de U5.

Les valeurs dans ENA pour les options SMART Tab ont été mis sur l'hypothèse d'avoir le même nombre de garçons et de filles (âgés de 6-59 mois) dans une taille de population stable avec un taux de natalité similaire et un taux d'environ 1 / 10.000 / jour de la mort. Après de longues analyses des tendances de la mortalité dans divers pays, ces chiffres dans l'onglet Options dépeignent une décroissance exponentielle attendue de la mortalité chez les enfants de 0 à 59 mois. Pour fins de comparaison entre les enquêtes au sein et entre les pays, ces chiffres ne doivent pas être ajustés lors de la génération de la plausibilité.

Une différence significative dans le rapport de masculinité global et global Répartition par âge (le test du chi carré montre une valeur de p <0,05), peut être le signe d'une ou l'autre:

1) problème d'échantillonnage, ou

2) Écart important de la démographie normale pour cette population (naissance, la mort et les taux de migration différentiels)

Ces tests ne doivent pas être uniquement invoquée pour invalider une enquête, mais plutôt être intuitivement utilisé pour attirer l'attention sur les causes possibles de l'écart de ce qui est attendu en fonction du contexte de l'enquête à portée de main. De plus amples détails sur le SMART plausibilité Check chapitre peuvent être trouvés ici: http://smartmethodology.org/survey-planning-tools/smart-methodology/

Merci

Kennedy,

Je pense que nous nous rapprochons.

Vous écrivez:

"Les valeurs de l'ENA pour les options SMART Tab ont été mis sur l'hypothèse d'avoir le même nombre de garçons et de filles (âgés de 6-59 mois) dans une taille de population stable avec un taux de natalité similaire et un taux d'environ 1 / 10.000 / jour de la mort . Après de longues analyses des tendances de la mortalité dans divers pays, ces chiffres dans l'onglet options dépeignent une décroissance exponentielle attendue de la mortalité pour les enfants de 0 à 59 mois. pour fins de comparaison entre les enquêtes au sein et entre les pays, ces chiffres ne doivent pas être réglés lorsque la génération de la plausibilité Check ".

Je trouve toujours cela un peu vague.

Je suis intéressé par la façon dont les nombres (à savoir 1000, 975, 945, 930, 920) ont été arrivés à. Pouvez-vous montrer le travail? Je suis un peu coincé ...

La mortalité à 1 / 10.000 / jour est le même que 36,525 / 1000 / année, donc nous nous attendons à la deuxième nombre à 1000 à 36,525 = 963 (arrondi) à 975.

Si nous appliquons 1 / 10.000 / jour comme un taux journalier nous obtenons 1000 * (1 - 1/10000) ^ 365,25 = 964 (arrondi) à 975.

Si le 1000 est la population à mi-parcours alors nous commencerions avec 1000 * (1 + 1/10000) ^ (365,25 / 2) = 1.018 enfants et se terminent par 1018 * (1 - 1/10000) ^ 365,25 = 981 ( arrondie) à 975.

Je suis pas sûr que «la diminution exponentielle attendue de la mortalité" peut donner lieu à des nombres (soit 1000, 975, 945, 930, 920). différentiateur simple donne:

(1000 - 975) / 1000 = 2,5% de mortalité (c 0,68 / 10.000 / jour.) (975-945) / 975 = mortalité de 3,1% (c 0,84 / 10.000 / jour.) (945-930) / 945 = mortalité de 1,6% (c 0,43 / 10.000 / jour.) (930-920) / 930 = mortalité de 1,1% (c 0,29 / 10.000 / jour.)

La mortalité ne diminue pas de façon exponentielle (il y a une augmentation de la deuxième année). Le taux de mortalité moyen est d'environ 0,56 / 10.000 / jour pas "environ" 1 / 10.000 / jour ".

Je pense que quelque chose peut être mal avec les chiffres SMART ou (plus probablement) quelque chose de mal avec ma pensée ou mon arithmétique. S'il vous plaît aider à éclaircir ma confusion.

Merci.

Oui, il semble que le risque présumé de mortalité utilisée pour effectuer le contrôle de plausibilité SMART est en fait plus élevé dans le groupe d'âge 18-29 mois que dans le groupe d'âge 6-17 mois. Je ne connais pas la population dans laquelle cela est effectivement vrai. Aussi, je suis d'accord avec les calculs de Mark; le taux de mortalité supposée est sensiblement inférieure à 1 décès pour 10.000 habitants par jour. Je suis également d'accord avec la déclaration de M. Musumba que nous ne pouvons pas prendre une décision réflexive fondée uniquement sur les chiffres produits par l'ENA.

En fait, dans cet esprit, je voudrais remettre en question l'utilité d'une telle vérification mécanique sur la qualité des données. Parce que chaque population est soumise à une mortalité différente et différents facteurs qui influent sur le sexe et l'âge rapport, aucun modèle ne peut être universellement applicable. rejeter automatiquement comme viciée les données d'enquête qui ne respecte pas une norme artificielle serait une grave erreur. Au lieu d'essayer de produire certains simplifiée résumé statistique unique, je place tracer un histogramme de fréquence par groupe d'âge pour déterminer les nombres relatifs des enfants d'âges différents dans l'échantillon de l'enquête. Si quelque chose semble inattendu ou douteux, il peut être souhaitable de procéder à une enquête plus approfondie de la population à partir de laquelle l'échantillon a été tiré ou les méthodes d'échantillonnage utilisé. De plus, la simple identification possible biais d'échantillonnage est insuffisante; il faut examiner attentivement si ce biais d'échantillonnage a modifié les résultats apparents. Un biais d'échantillonnage sans effet sur les résultats de l'enquête n'a pas d'incidence sur l'un de la confiance dans toutes les conclusions tirées de ces résultats.

Merci pour cela.

Je crains que l'équipe SMART permis que cela se passe. Il semble qu'ils forte sur contrôle qualité lorsqu'il vient données d'enquête mais moins lorsqu'il vient assurance qualité leur travail. Je suppose que ce matériel sera examiné et révisé (y compris dans le logiciel ENA) dans un avenir proche. J'espère que cela se fera ouvertement. Peut-SMART confirmer?

Je suis d'accord avec votre et les commentaires de Ken concernant l'application irréfléchie des contrôles de qualité. Dans ce cas, le modèle utilisé pour calculer le nombre attendus semble avoir été défectueux. Il est possible que de nombreuses enquêtes SMART ont été rejetées (documents SMART considéreraient ces surveyes comme non «utilisable») ou classées comme "mauvaise qualité" sur la base de la non-conformité à un modèle défectueux.

Je ne pense que ces tests peuvent avoir une valeur pour détecter les problèmes potentiels avec la représentativité des données de l'enquête, mais, comme vous le dites, cela devrait inciter une enquête plus approfondie plutôt qu'un rejet automatique des données d'enquête. Je pense que votre approche graphique est bon. Je voudrais utiliser une pyramide de la population (âge par sexe) pour cela.

Les commentaires à propos de SMART sont incorrectes dans ce fil comme dans presque toutes les discussions antérieures concernant SMART. Encore une fois, il y a des questions clés qui sont mal ou déformé.

Le taux zéro à 5 de mortalité est bien sûr compter de NAISSANCE et non à partir de 6 mois d'âge. Cela signifie que 5q0 et 5q0.5 sera complètement différent. Parce que les décès qui surviennent au cours des 6 premiers mois de vie ont été négligés dans les postes fait les calculs sont tout simplement fausses. Si les données de www.childmortality.org et Wang et al (selon l'âge et la mortalité par sexe dans 187 pays, 1970-2010: une analyse systématique de la charge mondiale de Disease Study 2010. The Lancet 380, 2071-94, 2012) sont consultés, vous trouverez que globalement environ 50% des décès sont néonatals et un autre 30% post-néonatale (1 à 12 mois). En Afrique sub-saharienne, car la mortalité 5q1 augmente la proportion relative des décès qui sont des chutes néonatales à environ 30%. Naturellement, le taux de mortalité de 6 à 59 mois sera sensiblement inférieure à la mortalité de la naissance à 59 mois; mais la différence est moins dans le développement que dans les pays développés. Pour faire les calculs correctement, il est nécessaire de commencer à la naissance, résumé cette partie de la courbe qui englobe les 6-59 mois les enfants âgés en moyenne, puis ce sur les tranches d'âge d'intérêt.

Comme la plupart des enquêtes sont menées dans les zones sous stress, nous avons utilisé l'équation suivante pour calculer le taux de perte des enfants 10.000 -364.4xLN (jour). Les données sont ajustées pour avoir 1000 enfants dans la première tranche d'âge. Le taux de mortalité de 6 mois à 59,9 mois en utilisant cette équation est 0,616 / 10,000 / j.

Nous ne recommandons pas le rejet d'une enquête sur la base d'un seul critère comme l'a affirmé à plusieurs reprises. Il doit y avoir plusieurs paramètres pour lesquels les résultats d'une enquête dévient de ce qui se trouve normalement avec une enquête bien menée avant qu'il accumule suffisamment de points pour être «problématique». enquêtes problématiques nécessitent alors que le rapport justifie l'écart, avant l'acceptation.

Bien qu'il y ait plus d'hommes que de femmes à la naissance (51-52: 48-49), le taux des hommes de mortalité est plus élevé que les femmes de la naissance (globalement 5q0 taux de mortalité chez les hommes: femmes est d'environ 56/44), le soir progressivement le sexe rapport. Ainsi, l'hypothèse d'un nombre égal de garçons et de filles au cours des 6-59months période est justifiée. Des enquêtes bien menées ont presque tout sur un nombre égal de garçons et de filles qui fournissent une confirmation empirique. Vos raisons théoriques pour un changement "légitime" dans le sex-ratio suffisant pour modifier l'analyse ne sont pas justifiées empiriquement. Encore une fois, dans les très rares pays où le sex-ratio chez les enfants de 6-59 mois dévie significativement de 1: 1, les enquêtes ne seraient pas pénalisés pour la distribution de l'âge dans l'échantillon si elle est dans la direction attendue et est justifiée par des données démographiques des pays fiables.

Il y a une faute de frappe dans les numéros de distribution d'âge par défaut sur les options ENA page- le deuxième chiffre (pour le groupe d'âge 18-29 mois) devrait être 965 et non 975. Il sera corrigé dans la prochaine version mise à jour de l'ENA. Corrélativement, le rapport de l'âge prévu de 6-29 mois à 30-59 mois dans le rapport de vérification de plausibilité sera ajusté 0,85 à 0,84. Ces changements auront un effet trivial sur lequel les enquêtes seraient signalées pour la justification en raison de la répartition par âge dans l'échantillon.

Cela se terminera entrée SMART sur le sujet.

Les résultats des résultats du recensement de la population de l'Ethiopie (2007) montre la proportion suivante de la population des enfants pour chaque tranche d'âge:

Ethiopie
Âge Nombre de bande%
0-11.9 mois 1,775,454 16%
1964606 12-23.9months 18%
2294205 24-35.9months 21%
2263614 36-47.9months 21%
2499143 48-59.9months 23%
10797022

Tigray Region
Âge Nombre de bande%
0-11.9 mois 119,603 19%
113812 12-23.9months 18%
128436 24-35.9months 20%
136531 36-47.9months 22%
132480 48-59.9months 21%
630862


Afar Région
Âge Nombre de bande%
0-11.9 mois 14,291 10%
12-23.9months 21581 15%
24-35.9months 32306 23%
36-47.9months 31872 22%
48-59.9months 42327 30%
142377

région d'Amhara
Âge Nombre de bande%
0-11.9 mois 428,329 18%
446651 12-23.9months 19%
476654 24-35.9months 20%
484432 36-47.9months 21%
501857 48-59.9months 21%
2337923


Oromia
Âge Nombre de bande%
0-11.9 mois 732,201 16%
825025 12-23.9months 19%
978883 24-35.9months 22%
911247 36-47.9months 20%
1003961 48-59.9months 23%
4451317


Région Somali
Âge Nombre de bande%
0-11.9 mois 31,626 7%
12-23.9months 62901 14%
116666 24-35.9months 26%
36-47.9months 85482 19%
153024 48-59.9months 34%
449699

Région SNNP
Âge Nombre de bande%
0-11.9 mois 370,781 16%
413107 12-23.9months 18%
467578 24-35.9months 20%
522512 36-47.9months 22%
567277 48-59.9months 24%
2341255