Cher Mwaisaka :

Il semble que votre résultat principal soit dichotomique (éprouve des difficultés à accéder aux produits d'hygiène menstruelle vs n'éprouve pas de difficultés à accéder aux produits d'hygiène menstruelle). La formule de calcul de la taille minimale de l'échantillon avec un résultat dichotomique pour obtenir des intervalles de confiance suffisamment étroits est disponible dans tous les manuels de statistiques élémentaires et sur de nombreux sites Web. J'inclue la formule ici, mais je n'arrive pas à coller une formule Microsoft Word ou une image dans cette zone de texte, ni à taper la formule avec les exposants et les lettres grecques nécessaires. Désolé.

En ce qui concerne les valeurs à insérer dans la formule, les intervalles de confiance à 95 % (vs les intervalles de confiance à 90 % ou les intervalles de confiance à 99 %) sont presque universels, de sorte que la valeur de Z serait de 1,96. Étant donné que les données du ministère de la Santé montrent une prévalence de 54 %, j'utiliserais 50 % comme p supposé. Cette hypothèse est la plus sûre car elle vous donnera la plus grande taille d'échantillon minimum

La comptabilisation d'un échantillonnage complexe est relativement facile. Il vous suffit de multiplier la taille de l'échantillon obtenue à partir de la formule par une estimation de l'effet de conception. Je n'ai aucune idée de ce que serait l'effet de conception pour votre résultat principal dans la région du Kenya où vous effectuez l'enquête, vous devrez donc faire un peu de recherche pour formuler cette estimation. Je recommanderais de ne pas utiliser systématiquement 2,0 comme effet de conception, car de nombreux résultats en matière de nutrition et de santé ont un effet de conception nettement inférieur. Par conséquent, l'utilisation de 2,0 entraînera souvent une taille d'échantillon inutilement élevée.

En ce qui concerne votre schéma d'échantillonnage, il semble que vous ayez un échantillonnage en trois étapes : l'étape I sélectionne les quartiers, l'étape II sélectionne les écoles et l'étape III sélectionne les élèves individuels. Vous pouvez soit sélectionner les étapes I et II avec une probabilité proportionnelle à la taille et sélectionner le même nombre de filles dans chaque école afin que la taille de la grappe soit constante, soit vous pouvez sélectionner toutes les étapes avec une probabilité égale et conserver la même fraction d'échantillonnage dans chaque école de sorte que le nombre de filles sélectionnées diffère d'une école à l'autre. L'un ou l'autre schéma aboutira à un échantillon à probabilité égale, évitant ainsi la nécessité d'utiliser des poids d'échantillonnage.

J'espère que cela vous sera utile.

Bradley Woodruff

Cher Mwaisaka :

Ma question porte sur les sujets d'étude. Selon vos informations, votre objectif est de savoir quel pourcentage de filles (Niveau d'étude 4-8) ont accès à des produits d'hygiène menstruelle. Je n'ai aucune idée du système scolaire au Kenya, mais pensez-vous que les élèves de 4e année sont la cible idéale pour l'hygiène de la santé menstruelle pour votre étude. L'inclusion de ce groupe pourrait sous-estimer la prévalence de l'accès aux produits.

Veuillez bien vouloir m'excuser pour le retard de ma réponse.

C'est un échantillon complexe ! Le problème ici est, je pense, de faire une estimation raisonnable du degré de variation d'échantillonnage qui peut être perdu dans un tel échantillon. Cela vous permettrait de calculer un « effet de conception » attendu qui pourrait être utilisé dans les calculs de la taille de l'échantillon. Avez-vous une idée de l'effet de conception que vous attendez pour vos résultats. Que rapporte l’enquête du ministère de la Santé ? On peut s'attendre à ce que l'échantillon stratifié d'écoles de district réduise un peu l'effet de conception par rapport à un échantillon en grappes PPS, tout comme la sélection aléatoire des élèves à partir des registres d'élèves. Vous pouvez l'utiliser avec l'effet de conception rapporté par l'enquête du ministère de la Santé.

Woody souligne ci-dessus que vous devrez sans doute ajuster votre effet de conception pour vous rapprocher d'un échantillon à probabilité égale. Si vous ne le faites pas, vous devrez travailler avec des poids d'échantillonnage pour faire vos estimations. Cela peut être compliqué.

Je suis d'accord avec Woody sur le fait que l'utilisation d'un effet de conception de 2.0, souvent utilisé, pourrait ne pas être appropriée. Ce n’est peut-être pas très faux, mais cela pourrait augmenter la taille de l’échantillon et le coût de l’enquête au-delà de ce qui est nécessaire.