Géraldine,

De votre e-mail, les conditions suivantes semblent être le cas:

1. Vous êtes confiant de l'exhaustivité de vos enquêtes dans chacun des quadrats (tous ou presque tous les cas SAM ont été trouvés);
2. Vous êtes désireux de garder votre précision à ± 10%, autant que possible; et,
3. Vous avez le temps et les ressources pour faire encore quelques autres villages

De mon expérience, plus l'échantillon est toujours mieux (et idéal), surtout si vous avez le temps et les ressources pour cela. Donc, l'option 2 sera ma principale suggestion. Toutefois, cela est articulé sur l'opportunité # 1 ci-dessus est vrai (exhaustivité est certaine) que de faire plusieurs villages dans le cadre de la mauvaise exhaustivité sera une perte de temps. Si il ya des doutes sur votre part à ce sujet, alors si vous êtes à faire l'option 2, vous avez besoin d'améliorer l'exhaustivité ainsi.

Ce que vous devez tenir compte ici, alors est de savoir combien d'autres villages par quadrat devraient vous goûter pour vous d'obtenir le nombre de cas restants pour atteindre votre objectif minimum de 52. Parce que vous avez fait des enquêtes déjà, vous êtes un peu plus informés aujourd'hui de ce que vous pouvez vous attendre à trouver par village et sur la base de cette estimation Combien de villages par quadrat de goûter. Vous pouvez estimer ce par:

# De complément. villages de l'échantillon = # de cas SAM supplémentaires pour trouver / moyenne Nombre de cas SAM trouvé par village

Rappelez-vous que vous devez toujours rafle ce calcul (par exemple aller pour le plus grand nombre de villages). En tout cas, vous êtes à la recherche d'au moins 1 autre village par quadrat (8 villages supplémentaires) ou plus pour accéder à votre taille minimale de l'échantillon cible.

A l'occasion que vous êtes toujours incapable d'obtenir la taille de votre échantillon cible, puis utilisez la taille de l'échantillon que vous avez atteint et continuer avec la conjugaison bayésienne et communiquer les résultats avec la précision réelle que vous avez atteint. Une précision de ± 15% est encore acceptable. Il est toujours plus acceptable pour signaler sur votre précision obtenue après l'enquête plutôt que de changer les locaux / les fondations de votre plan d'échantillonnage pour adapter / adapter à la taille de l'échantillon que vous avez atteint.

J'espère que cela aide.

Première ... Je pense qu'il ya une confusion concernant la terminologie SQUEAC. Une "enquête à petite zone" est une enquête utilisé pour tester l'hypothèse que la couverture dans une zone identifiée qui est (beaucoup) plus petite que la zone du programme entier est au-dessus ou en dessous d'un niveau acceptable. Le type d'enquête utilisée dans l'étape 3 d'une enquête de SQUEAC est une enquête dans une vaste zone dans le sens où elle est une enquête représentant la zone du programme entier.

Maintenant ... Back To You questions ...

Je suis d'accord avec ce que Ernest a à dire. Je dois quelques choses à ajouter ...

Option 1: En termes de précision de 11% plutôt que 10% ne sont pas une grande différence. Je ne voudrais pas être trop inquiets si (par exemple) une enquête de SQUEAC retourné un IC à 95% de +/- 12% ou +/- 13%. Cela dit, 10% est la précision standard pour des enquêtes de couverture des interventions de survie de l'enfant (après la méthode d'enquête EPI).

Option 2: Vous pouvez revenir en arrière si vous avez le temps et les ressources pour le faire. Vous pouvez, à la place, passer le temps de travail disponible sur la meilleure façon de réformer le programme donné tous les résultats de SQUEAC disponible pour vous. Tout dépend de la façon dont vous voulez précise l'estimation est et comment vous pensez que votre temps et de ressources seront mieux utilisés.

Remarque: Si vous décidez de revenir alors vous devriez revenir à tous les quadrats. Ne pas goûter jusqu'à ce que vous obtenez n = 52. Cela évite un biais de sélection dans rampante que la tentation est de choisir les quadrats plus faciles d'accès. Un échantillon aléatoire top-up (c.-échantillon au hasard dans les quadrats jusqu'à ce que vous obtenez votre taille de l'échantillon) ne sera probablement pas bien travailler avec un si petit nombre de quadrats et la petite taille probable de la top-up nécessaire.

Si vous ne parvenez pas à atteindre la taille de l'échantillon minimum, vous devriez vérifier que vous ne violez pas la méthode hypothèses:

(A) Vérifier que l'alpha postérieur et la beta postérieure sont à la fois supérieure ou égale à 10.

(B) Vérifiez que la somme alpha avant + avant + beta taille de l'échantillon de l'enquête est supérieur ou égal à 30.

Ces règles sont valables que si vous analysez les données de l'enquête à la main en utilisant les méthodes décrites dans le manuel SQUEAC. Si vous utilisez BayesSQUEAC pour analyser vos données alors ces règles ne sont pas applicables depuis BayesSQUEAC utilise un processus d'analyse différente.

Plus d'informations peuvent être trouvées dans la section de SQUEAC principale et l'annexe technique de la projet de manuel SQUEAC.

J'espère que cela aide.

Merci beaucoup pour vos réponses - Cela aide beaucoup. Nous venons juste les résultats définitifs de l'équipe de terrain et nous avons trouvé étonnamment plus de cas SAM dans les deux dernières quadrats au cours des trois derniers jours. Nous avons maintenant 82 cas.
Quoi qu'il en soit, merci pour votre soutien détaillé et très apprécié.

Je voudrais poser une question concernant la méthodologie reste SQUEAC. Nous envisageons de refaire l'exercice dans le temps de 6 mois et de suivre la même méthodologie. Je ne ai pas beaucoup d'expérience dans SQUEAC mais je me demandais si nous ne serons pas introduire de biais / défauts si nous effectuons l'enquête étendu (merci Mark pour corriger) la même manière que nous l'avons fait. Cela signifie que nous irons aux mêmes villages dans les mêmes quadrats.
Des pensées ?

Cordialement,
Géraldine

Très bonne question!

Permettez-moi de pontificat ...

Il est un «effet d'observateur". Il est intéressant de penser par cet effet. Les enquêtes de prévalence (par exemple) ont rarement beaucoup d'effet d'observateur à moins qu'ils adhèrent à la "pas de service - aucune enquête« principe et fournissent un service aux cas identifiés.

Les enquêtes de couverture suivantes méthodes SCCS, SLEAC, SQUEAC, S3M ou adhérer à la "pas de service - aucune enquête" principe. Nous trouvons cas SAM et, si à découvert, les orienter et d'informer les services de proximité / bénévoles communautaires. Si nous trouvons des cas compliqués nécessitant des soins en milieu hospitalier alors nous pourrions les transporter au centre de stabilisation directement. L'effet d'une enquête de couverture est, par conséquent, d'améliorer immédiatement la couverture. Ce ne sont pas un défaut. Il est une conséquence souhaitable de comportement éthique (si seulement toutes les questions éthiques ont été aussi simple!).

Les expériences des enquêtes début du SCCS ont démontré cet effet mais ils ont aussi démontré deux autres effets:

(1) La couverture a été améliorée programmes ont été réformées pour prendre en compte les données recueillies par les barrières des enquêtes de couverture. Amélioration de la couverture par la réforme des programmes pour atténuer les problèmes identifiés est généralement pourquoi nous faisons des enquêtes de couverture.

(2) Le recrutement et la traiter avec succès les cas de communautés étudiées (en programme la mortalité est faible et de nombreux cas sont guéris rapidement parce que nous trouvons cas avant qu'ils ne soient très sévère) conduit à la circulation des bonnes opinions du programme et à la couverture améliorée soutenue dans ces communautés. Ceci est la "races de réussite succès" principe de la programmation de la CCT.

L'effet d'observateur peut, avec des enquêtes de couverture, avoir ce double effet. Ceci est, je pense, très bien une bonne chose. Cela signifie que des enquêtes de couverture ont, en eux-mêmes, un effet positif durable sur la couverture. Je trouve qu'il est difficile de voir cela comme un défaut ou un biais.

Adressant directement à votre question ... Vous avez raison. Nous ne nous attendons à voir des améliorations durables à la couverture dans les communautés étudiées (c.-à moins que nous avons une très mauvaise programme). Si nous revenons aux mêmes communautés que nous allons voir cela. Le «défaut» ou «partialité» est que cela pourrait conduire les enquêtes ultérieures à surestimer la couverture globale. Il permet également l'indicateur à "gamed" (par exemple, le programme pourrait se concentrer uniquement sur une poignée de villages et de fière allure).

Nous devons éviter le biais dû à l'effet d'observateur et de minimiser les possibilités "de jeu". La solution évidente est d'exclure les communautés antérieurement échantillonnés à partir de l'échantillon. Ce ne sont pas une bonne solution parce que (1) il exclut les communautés qui ont bénéficié des enquêtes précédentes et la volonté fausser l'estimation de la couverture vers le bas, et (2) nous allons bientôt manquer de communautés de goûter. Un «plus proche voisin» de prendre les voisins proches de communautés déjà échantillonnés souffre potentiellement d'un "effet de contamination" si l'effet d'observateur a aussi un effet sur les communautés voisines. Ce que nous devons faire est de prendre un échantillon qui est raisonnablement indépendante d'échantillons précédents. Il ya un couple d'approches que nous pourrions utiliser:

(1) Nous nous en tenons avec SCCS, mais déplacer la grille un peu et / ou modifier la taille de la grille un peu.

(2) Nous utilisons excentrique échantillonnage géographique systématique. Ici, nous prenons (par exemple) deux communautés au hasard dans chaque carré. Il est appelé «excentrique» parce qu'il n'y a pas d'obligation de sélectionner les communautés du centre du quadrat. Un autre nom pour ce type d'échantillon est échantillonnage aléatoire stratifié (les quadrats sont les strates et nous sélectionnons les communautés au hasard dans chaque strate).

Vous pourriez être en mesure de penser à d'autres approches (si quelqu'un ne puis S'IL VOUS PLAÎT les poster ici ... même si elles sont juste des idées).

Vous pouvez le faire (1) ou (2) la prochaine fois que vous faites un sondage de vraisemblance.

BTW: Un bon argument en faveur de MUAC définitions de cas est qu'il permet enquêtes de type SMART pour adhérer à la "pas de service - aucune enquête" principe (c.-nous identifions les cas à mesure plutôt qu'après la saisie des données) qui rend ces types d'enquête plus éthique que ils sont habituellement.

J'espère que cela aide.

Salut tout le monde,

Je suis d'accord - grande question. Un couple de réflexions sur les alternatives mentionnées:

1. déplacer la grille: ceci est théoriquement une bonne idée, car cela signifie que nous pouvons nous adapter chaque enquête étendu aux changements qui peuvent survenir d'une enquête à l'autre (par exemple la nécessité pour les quadrats plus fines pour explorer les variations spatiales, plus / moins de ressources y compris le temps, etc.) plutôt que d'adopter une approche normalisée. Je suppose que le défi est que la grille est conçue de façon à optimiser l'inclusion des secteurs de programme, et tout changement pourrait affecter négativement cette inclusivité ou exiger des ressources supplémentaires (par exemple les jours) pour répondre à la nouvelle forme de la grille. Je serais inquiet que les utilisateurs passer trop de temps à essayer de faire en sorte que la grille est "différent" des précédents, plutôt que, disons, à venir avec une bonne Avant, ou la collecte de données qualitatives.

2. excentrique échantillonnage: me frappe comme une bonne alternative, mais que dire de la justification du choix de l'origine de goûter le village le plus proche du quadrat? Serions-nous rien perdre si nous changeons cela, ou peut excentrique échantillonnage (car il utilise le quadrat comme des strates) toujours donner le même représentation spatiale? Si oui, je serais en faveur de l'échantillonnage aléatoire au sein de quadrats, mais je pense que nous aurions besoin de fournir quelques indications sur lequel alternative à utiliser (par exemple, la première utilisation du village de temps le plus proche du centre de la quadrat, à partir de là sur un échantillonnage aléatoire). Je pense que cela aiderait à minimiser la confusion (pour les débutants) tout en accordant ceux qui cherchent à long terme avec une solution pour éviter sentiment comme ils travaillent avec des «sites sentinelles» (pour toutes les raisons déjà mentionnées).

Juste une pensée.

Bonne chance à vous tous

Saul

Je pense que vous avez raison Saul. L'approche excentrique donnera un échantillon raisonnablement même spatiale et permettre des enquêtes répétées. Je pense qu'il pourrait être préférable de toujours utiliser cette approche. Pas de problème si vous avez fait SCCS au premier tour. Vous pouvez utiliser l'approche excentrique dans les tours suivants. Je pense que je devrais mettre cela dans le manuel. Que pensez-vous?

Je pense que nous devrions certainement l'inclure. Lorsque je l'ai écrit mon dernier post, je abord proposé que nous adoptons échantillonnage excentrique pour toutes les enquêtes (et pas seulement celles se répète) que ce serait minimiser la confusion. Alors oui, je suis tout à fait favorable à cela.

Juste 2 commentaires sur l'utilisation de l'approche du SCCS pour l'étape 3 de SQUEAC et pour les enquêtes ultérieures. SQUEAC

1. L'approche du SCCS est juste une façon de faire l'échantillonnage / sélection des villages pour l'étape 3 SQUEAC. L'autre façon qui est également décrit dans le manuel SQUEAC est l'utilisation de la liste des villages / communautés / emplacements stratifiés soit par des unités administratives définies ou d'autres stratifications significatives (c.-à-clinique zones de chalandise). Ceci est décrit dans l'étude de l'enquête nationale de couverture pour la Sierra Leone de cas:

http://www.brixtonhealth.com/handbookSQUEAC/nationalSLEAC.pdf

Cette méthode peut être répétée dans SQUEACs futurs sans se soucier de la question que Géraldine a apporté hier d'échantillonner les mêmes villages où une approche SCCS est utilisé sans modification dans SQUEACs ultérieures. Un autre avantage est que cela ne nécessite pas de cartes et même dans le cas de listes ne pas être complète ou pas disponible, les approches peuvent être utilisées pour arriver à ces listes comme le montre cette étude de cas:

http://www.brixtonhealth.com/handbookSQUEAC/noMapNoList.pdf

Cette méthode est comparable à une approche SCCS, car il donne aussi une propagation même ou à proximité, même spatiale de l'échantillonnage villages / communautés / emplacements.

Je dois une préférence personnelle pour cette méthode d'échantillonnage à l'étape 3 en raison des points que je soulève au-dessus. Du point de vue pratique et de ce que je l'ai connu, il est juste une façon plus "naturel" pour la plupart des gens en particulier les ministères de personnel de santé pour organiser ou d'un plan autour d'échantillonnage.

Toutefois, l'excuse commune de ne pas avoir des cartes appropriées est de plus en plus pertinente dans l'avènement de Google Earth® et d'autres utilitaires de cartographie open source qui sont améliore très rapidement. Les images satellite fournies par ces produits font des cartes appropriées relativement plus accessible qu'auparavant. En outre, dans la capacité des pays pour les cartes détaillées ont également augmenté avec le logiciel source ouverte disponible plus à cet effet. Donc, l'approche du SCCS est plus que jamais plus viable.

2. Je ne pense pas que nous avons besoin de prescrire une approche d'échantillonnage excentrique dès le début. Les praticiens qui font leur première SQUEAC peuvent encore aller par le livre et appliquer SCCS approche décrite. SQUEACs futurs peuvent ensuite utiliser modifications des grilles du SCCS originaux utilisés et appliquer des approches d'échantillonnage excentriques qui permettront aux autres villages / emplacements / communautés dans les quadrats d'avoir une chance égale d'être échantillonnés.

La suggestion plus tôt par Mark et Saul utiliser les quadrats SCCS comme "strates" sorte de utilise les principes de la méthode de la liste je mentionne ci-dessus, dans lequel les couches est défini, mais les grilles et d'ici un échantillonnage aléatoire stratifié ou d'échantillonnage systématique stratifié peuvent être faites . Le potentiel question / défi qui pourrait survenir avec ce fait en sorte que l'on a une liste complète des villages / emplacements qui sont enfermés dans le quadrat. Théoriquement, ce sera facile à faire si l'on a de très bonnes cartes détaillées. Cependant, ce ne sont pas toujours le cas et le biais peut être introduit si la liste que vous avez pour les villages dans un quadrat est pas complète. En outre, il est beaucoup plus difficile à appliquer l'approche sans liste décrit dans l'étude de cas ci-dessus, parce que nous aurons à demander des informations à propos de l'inclusion des villages dans les zones qui sont définies dans une carte plutôt que par ce que les gens ou les informateurs connaissez ou eux-mêmes définis. Je dis ici théoriquement parce que pratiquement, cela pourrait être un non-problème, mais je pense qu'un tel scénario que je décris ici peut réalistement se poser.

Une alternative à cela pourrait être que l'utilisation de la grille de base utilisée pour la première étape de l'échantillonnage SQUEAC 3, chaque quadrat peut être divisé en plus petits quadrats créant une grille dans une grille. Ces petits réseaux dans les grandes grilles peuvent alors être choisis au hasard en fonction du nombre de villages requis par plus quadrat (avec chaque carré plus petit représentant 1 village). Une fois les petits quadrats ont été choisis, le centre de gravité de ces quadrats peut être localisé et le village le plus proche du centre de gravité échantillonnée.

Nous espérons allons mettre en place quelque chose de semblable à cela dans une enquête à grande échelle que nous mettons actuellement en place et nous présenter cela comme une étude à la communauté d'évaluation de la couverture de cas une fois que nous avons une idée de comment cela va fonctionner pratiquement.

Juste pour illustrer le commentaire de Ernest sur l'utilisation de Google Earth ... Je l'ai utilisé SCCS dans un cadre ont été cartes et les listes étaient incomplètes ou peu fiables en raison de déplacements de populations (réfugiés installés, déplacées à l'intérieur en raison de la perte de terres à des champs de mines, de la migration de main-d'œuvre). Nous avons fait cela en utilisant Google Earth pour localiser des villages et ensuite utilisé les informateurs clés (personnel locale MoH, le personnel des ONG locales, les travailleurs de santé des villages, des travailleurs de la boutique du village, & c.) Pour identifier (nom) entre eux. Vous pouvez voir la carte résultante ici (les cercles pleins représentent les bassins versants de la clinique probables.

Je pense que ce un exercice utile d'essayer ce avant d'avoir à le faire dans le domaine car il peut prendre un certain temps à comprendre ce que vous voyez dans l'imagerie par satellite. Je fais cela dans une région que je connaissais. Le réglage décrit ci-dessus est une zone plate et aride, ce qui fait qu'il est relativement facile de repérer les routes et pistes qui ont permis de localiser les villages. La tâche ne peut pas être si facile dans (par exemple) les zones fortement boisées ou montagneuses. Une autre question à considérer est que l'accès à des images satellites en ligne nécessite des bandes passantes assez élevés de données. Cette (c.-faire des cartes à partir d'images satellite) peut être un rôle pour le type de support à distance pour SQUEAC que ACF a travaillé sur.

Vous pouvez trouver une étude de cas sur l'utilisation de l'imagerie satellite pour l'échantillonnage en milieu urbain ici.

Une question ... Pensez-vous que nous avons besoin d'ajouter quelque chose à la notice d'SQUEAC décrivant l'approche excentrique?

Oui, je pense que nous devrions. Nous avons un peu de matériel sur ce de travailler avec déjà. Voyons ce que nous venons avec dans les prochains jours.

Eh bien, merci pour la réflexion stimulante!
De ma propre expérience dans quelques pays, la connexion Internet est clairement un obstacle pour accéder aux cartes en ligne et / ou Google Earth. Je suggère d'ajouter les différentes options qui ont été mentionnés / débattues dans le manuel et de laisser les gens décider quelle est la meilleure solution la plus faisable /.
Merci encore,
Géraldine

Ayant une connexion Internet suffit peut être un problème. Un problème plus fréquent pourrait être de ne pas avoir une connexion Internet d'une bande passante suffisante pour soutenir l'exploration de l'imagerie satellite à l'aide (par exemple) Google Earth. Dans ce cas, il peut y avoir un rôle pour le support à distance (Je comprends que ACF travaille sur ce sujet). Je me demande si cela pourrait être une bonne idée d'essayer ce sujet très bientôt. La carte pourrait être créé à distance et envoyé sur le terrain. Une carte dans un format vectoriel serait un petit fichier. Il peut même être possible d'envoyer un formulaire d'instructions de dessin codés dans un email texte ou message texte SMS plaine. Je l'ai fait un exemple ici. Facile à faire une carte cela peut avec du papier carré ou un logiciel très simple. Il suffit de penser à haute voix.

Quoi qu'il en soit ... Je vais ajouter quelque chose du manuel et poster ici quand je dois préparer quelque chose.

Salut Mark

Un couple de pensées sur la question de la cartographie et le rôle potentiel des acteurs de soutien (par exemple ACF) travaillant à distance.

Je suis d'accord que les cartes des zones de programme est en effet limité dans de nombreux endroits. Je suis également d'accord avec vous et Geraldine cette connexion Internet de la bande passante est également une préoccupation majeure, surtout une fois que vous vous éloignez de capitales. Je pense que nous pourrions en effet commencer à travailler sur une approche qui permettrait aux programmes de terrain pour contourner ces obstacles en travaillant avec des gens basés ailleurs. Nous pourrions en effet offrir ce type de soutien, mais je pense que nous devons réfléchir à la meilleure façon d'offrir un service systématique et cohérente, plutôt que sur une base ad hoc. En Haïti, je sais que le secteur humanitaire a pu établir des liens avec des groupes de personnes basées aux États-Unis et en Europe, pour élaborer des cartes spécifiques sur une base quasi-temps réel pour permettre aux équipes sur le terrain pour faire leurs activités (recherche et sauvetage en particulier). Nous pourrions penser à quelque chose de similaire, dans lequel nous pourrions engager avec les gens qui sont dans ce genre de chose (cartographie) et les relier avec les programmes qui ont besoin de ce genre de soutien. ACF pourrait certainement utiliser sa relation avec le public pour en tirer un certain appui.

Je pense aussi que nous devons prendre cette discussion sur la cartographie d'un peu plus loin. Une chose que nous avons trouvé au cours des 18 derniers mois de faire SQUEAC presque sur une base mensuelle dans le monde entier, est de savoir combien d'une différence que cela fait d'être en mesure de visualiser les bits d'information clés (admissions et des abandons par village en particulier) sur une carte, et combien il est difficile de le faire avec les logiciels existants (la plupart du temps basé sur Windows MS). Nous avons essayé un certain nombre de choses (en utilisant Photoshop / Illustrator, par exemple) pour placer ce genre d'information (.pdf) sur les cartes existantes, et les résultats ont été bons. Le problème est que le logiciel comme Photoshop / Illustrato est coûteux, il est donc largement disponible, et elle exige un certain degré de pratique afin de tirer le meilleur parti de celui-ci. Nous parlons souvent de la façon dont ce serait merveilleux d'avoir un logiciel beaucoup plus simple, que nous pourrions utiliser pour générer de simples cartes de nos domaines d'activité, et qui permettrait aux programmes non seulement aux données d'entrée (par village) plus facilement la première fois autour, mais ce serait également permettre aux équipes de mettre à jour lesdites données plus facilement. De cette façon, la vraie portée du programme pourrait être visualisée plus facilement et avec plus de constance, quelque chose que nous sommes assez sûrs conduirait à une réflexion plus proactive sur les façons d'améliorer la couverture.

Peut-être pourrions-nous ouvrir un poste différent à explorer ces questions de cartographie plus loin, et obtenir de la rétroaction des gens dans le domaine de ce qu'ils veulent / pensons?

Meilleur

S

Je pense que vous avez raison à propos de fournir un service systématique et cohérente. En ce qui concerne la cartographie, il existe des ONG qui font cela (par exemple MapAction). Ces ONG semblent être plus impliqués dans les situations d'urgence naturelles et BNU tels que l'OCHA. Je suis allé autour du bloc à quelques reprises et ai pas vu des cartes de ces ONG dans l'utilisation dans le domaine. Peut-être est notre faute et nous suffit de tendre la main. Peut-être tout ce qui est nécessaire est d'obtenir / créer des cartes ou un CD de données (par exemple, une image satellite haute résolution de la zone du programme) avant d'arpentage et de prendre que sur le terrain avec nous.

Je suis d'accord que la cartographie des données est très utile pour les enquêtes sur SQUEAC. SQUEAC ne dispose fondée sur une liste, sous forme de tableau, et les méthodes graphiques pour travailler avec des données spatiales, mais ayant une carte est toujours très utile.

Un bon logiciel open-source est disponible. Toutes les cartes dans le manuel SQUEAC ont été produites en utilisant OpenOffice. Des programmes comme Inkscape et GIMP offrent des alternatives utilisables à des programmes comme Adobe Illustrator et Adobe Photoshop. Programmes de SIG open-source sont disponibles, mais, comme tous les logiciels de SIG, peut être difficile à utiliser. EpiInfo dispose d'un module de cartographie. Peut-être que nous devons faire un effort pour examiner ces gardant à l'esprit que les fichiers des limites de base peuvent être très coûteux.

Je suis d'accord qu'un nouveau poste est la meilleure façon de faire avancer ce processus.

Matériel manuel mis à jour peut être téléchargée ici.