la troisieme hypothese ne pas correcte c'est a dire tout doit etre approximative.

Il y a quelques points suite à votre question que j'aimerais soulever.

(1) SMART quand c'est bien fait peut estimer la prévalence de la MAG avec précision. Ce n'est pas tant le cas pour la MAS car la précision relative est mauvaise. Si (par exemple) nous avons une taille d'échantillon effective (après prise en compte des effets de conception) de 400 et une prévalence de 1% alors (en supposant l'exactitude des données) l'IC 955 sur l'estimation de la prévalence ira de 0,27% à 2,54%, ce qui est d'une précision relative insuffisante (à 154% au lieu de 33,7% sur une estimation de 10% GAM). Je suis également préoccupé par l'utilisation de l'échantillonnage PPS qui permettra de placer l'échantillon en vrac dans les plus grandes communautés.

(2) Je ne suis pas sûr de "la plupart des parties prenantes". Premièrement, cela pourrait ignorer l'acteur principal qu'est l'enfant souffrant de malnutrition. Les grands programmes nationaux tels que les programmes PCMA nigérians et soudanais sont uniquement des programmes PB (PB et œdèmes). Ce n'est pas rare car les chartes de hauteur ne soient pas souvent présentes dans les cliniques (elles ne font pas partie des kits d'approvisionnement essentiels des cliniques) et P / H n'est pas couvert par la PCIME.

Je pense que les principaux problèmes sont le risque de mortalité et la couverture.

Le risque de mortalité associé à la mesure P / H est très variable et varie d'un endroit à l'autre. Le risque de mortalité associé au périmètre brachial n'est pas si variable. La plupart des études utilisant des cohortes de populations (c.-à-d. des cohortes cliniques non sujettes à toutes sortes de biais de sélection) trouvent P / H très faiblement prédictif de la mortalité et le PB fortement prédictif de la mortalité. Il y a tout un tas de problèmes avec P / H. Voir cette revue .

Je ne suis pas convaincu qu'une couverture spatiale et temporelle élevée du dépistage utilisant P / H puisse être atteinte. Sans cela, nous ne pouvons pas obtenir une couverture thérapeutique. Sans couverture de traitement, nous ne pouvons pas être efficace. Nous savons que nous pouvons obtenir une bonne couverture du dépistage du PB et les récentes innovations d'ALIMA et d'AAH montrent que les mères peuvent très bien faire le PB. Avoir P / H et PB comme critères d'admission semble sûr et raisonnable, mais P / H peut endommager la couverture PB parce que c'est compliqué et coûteux. Si P / H est utilisé, nous devons faire très attention à ne pas endommager le dépistage du PB et la recherche de cas.

Je crains que le plaidoyer continu (probablement bien intentionné) pour P / H soit confus et une cause de confusion qui sape l'efficacité des programmes. Les donateurs ont peu de problèmes avec la programmation basée PB uniquement.

Cher Mark,

J'apprécie votre explication sur les critères d'admission PB vs PH pour les programmes de PCMA au niveau communautaire. Je suis au courant du débat international à ce sujet.

Mais mon souci est d'estimer une prévalence unique GAM / MAS en considérant les deux critères ensemble (+ œdème bien sûr) dans un contexte donné où un protocole PCMA est déjà établi avec les 3 critères d'admission (PH et / ou PB et / ou Oedème) ?

Merci
Cordialement

Damien Pereyra

Je pense que c'est juste une question de présentation de rapport. Il est possible de rapporter des estimations basées sur différents critères :

Le PB ou l'OEDEME sera essentiel pour déterminer où les programmes PCMA « basés PB uniquement » fonctionnent.

ZPH ou OEDEME peuvent être utiles pour les séries chronologiques historiques lorsque le PB n'a pas été utilisé.

PB ou ZPH ou OEDEME seront essentiels quand PB et ZPH sont tous deux utilisés.

D'autres critères peuvent être utilisés (par exemple "marasme kwashiorkor").

Notez que cela ne fera que faire partie d'un calcul de la charge de travail / nombre de cas. La charge de travail nécessitera une estimation de l'incidence de la prévalence. Le nombre de cas nécessitera une estimation de l'incidence de la prévalence et une estimation de la couverture prévue.

Puisque nous pouvons nous attendre à différentes couvertures pour différentes définitions de cas, nous pourrions avoir besoin d'avoir une prévalence signalée de façon plus granulaire pour prévoir le nombre de cas.

Juste pour corriger une petite idée fausse. La sélection d'unités d'échantillonnage primaires avec probabilité proportionnelle à la taille (PPS en anglais), puis la sélection du même nombre d'unités d'échantillonnage de base dans chaque unité d'échantillonnage primaire sélectionnée n'entraînent pas une fraction disproportionnée de l'échantillonnage dans les unités primaires d'échantillonnage plus grandes. Si vous multipliez la probabilité de sélection de a) une unité d'échantillonnage primaire donnée, et b) une certaine unité d'échantillonnage de base dans une unité d'échantillonnage primaire sélectionnée, vous verrez que chaque unité d'échantillonnage de base dans l'univers d'échantillonnage a exactement la même probabilité de sélection.

Par exemple, dans une enquête d'un district, si l'unité d'échantillonnage primaire est un village et l'unité d'échantillonnage de base est un ménage, un ménage dans un village de 1000 ménages a exactement la même probabilité de sélection qu'un ménage dans un village de 100 ménages. Et chaque ménage de ce district a la même probabilité de sélection. En conséquence, la proportion de ménages de l'échantillon sélectionné provenant de grands villages est exactement la même que la proportion de l'ensemble de la population vivant dans les grands villages. Si 50% des ménages du district sont situés dans la capitale du district, 50% des ménages de l'échantillon proviendront de la capitale du district.

C'est une façon d'aborder ce problème. Passer d'une communauté à l'autre est, je pense, un tour de passe-passe intellectuel.

Si la probabilité de sélection d'une PSU est proportionnelle à sa population, les plus grandes PSU seront plus susceptibles d'être échantillonnées que les plus petites PSU. Si des services tels que les centres de santé et les écoles sont plus faciles d'accès dans les plus grandes PSU que dans les plus petites, tout devrait aller mieux dans les plus grandes PSU. Si votre échantillon est situé dans de grandes PSU, les résultats de l'enquête le refléteront. Autrement dit, l'enquête rendra une bonne image biaisée. Le problème sera plus grave avec les indicateurs de couverture. Avec le PPS, l'échantillon primaire est biaisé et ce rendu persiste dans les échantillons d'étapes ultérieures.

Imaginons qu'un échantillonnage soit proportionnel à un autre facteur ... si c'est l'altitude, alors nous aurons tendance à sélectionner les communautés sur les sommets des collines plutôt que dans les fonds des valées. Prétemndrons-nous alors qu'un tel échantillon n'était pas, d'une certaine manière, biaisé ?

En tant qu'épidémiologiste cadet, à sandales et pantalons courts, et une tête qui portait encore tous ses cheveux, on m'a enseigné que le temps, le lieu, la personne (TPP) étaient des variables de base à toujours prendre en compte. Un échantillon PPS ignore le lieu en tant que variable. Nous présentons régulièrement des résultats SMART selon l'âge et le sexe (variables de la personne) et en considérant la variable temps (c.-à-d. sondages à différents moments de l'année), mais jamais en fonction du lieu. Je pense que nous nous trompons si nous pensons que le Lieu n'est pas une variable importante. C'est, selon moi, une énorme misconception.

C'est ma petite contribution.