Nous pouvons changer le logiciel pour gérer des échantillons plus importants. Il est open-source afin que vous (ou quelqu'un d'autre) peut changer cela. Le code source est ici.

Vous avez besoin de changer de ligne 963 qui commence:
échelle .frameControls.likeN -variable de -de Liken 1 -à 96

changer le 96 pour tout ce que vous aimez et recompiler en utilisant un tclkit.

Si il ya une demande pour une plus grande limite alors je vais faire le changement et compiler pour Windows et OS-X.

En attendant, je vous suggère d'utiliser la méthode de calcul de la main comme plan dans cette section du manuel SQUEAC.

Si vous publiez les données ici, nous pouvions aller à travers elle comme un "exemple travaillé".

Je pense que l'idée de faire ces calculs sur papier ici serait utile.

Cela dit, je pense aussi que ce ne sont pas un événement isolé. Je sais que MSF-S avait cette même question exacte en Inde il ya environ un an. Alors que nous continuons à faire de plus en plus de ces dans les endroits très nombre de cas, la nécessité d'un dénominateur plus élevé peut arriver à nouveau.

Juste une pensée.

S

D'ACCORD. Donnez-moi une limite supérieure et je ferai les changements, compiler pour Windows et OS-X et mettre tout cela sur le web.

Alors ... laissez-moi savoir et je ferai ce qui doit être fait.

Salut Mark - merci pour offrir de le faire (moi avons passé un peu de temps aujourd'hui d'essayer de trouver un tclkit à faire les changements ..)

Le plus grand nombre de cas identifiés par MSF en Inde (dans un domaine) était 140. Au Myanmar, il était 141. Je pense que le réglage de la limite supérieure à 150 pourrait être suffisant, mais pour éviter d'avoir à le faire encore dans l'avenir, peut-être que nous pourrions faire 200?

Vous savez mieux que.

Espérer que des aides

S

Une pensée rapide,
Oui, lorsque la charge de travail est susceptible d'être élevé, il est assez fréquent que l'échantillon final est plus grande que la taille de l'échantillon nécessaire; donc l'ajustement dans le logiciel est la bienvenue. Cependant, ayant une très grande taille de l'échantillon est pas nécessaire et ne sera pas vraiment améliorer la précision. Pour moi, quand est prévu un grand nombre de cas (grand nombre d'enfants ou les enfants dans le programme SAM) sont prévus, cela permettrait d'économiser du temps et de ressources afin de réduire le nombre de villages à l'enquête dans le même quadrant ou dans la même zone (selon ce que est la méthode d'échantillonnage)

Je l'ai fait une nouvelle version (2.01) avec une limite supérieure de 192 pour la taille de l'échantillon du dénominateur. Vous pouvez l'obtenir à partir de là. Permettez-moi savoir si cela est OK,

Mingalaba Mark,

Merci pour cela et excuses pour la réponse tardive - mais la connexion à Yangon est un mal de tête. Je ne pouvais pas voir votre poste avant.
Eh bien, je dois un problème que le dénominateur (n = 203) de la période de couverture dépasse toujours la version révisée. Je essayé de changer le code manuellement, mais la connexion est pas assez stable. Pouvez-vous changer à nouveau jusqu'à 250?
Merci encore !!
tout le meilleur pour l'année à venir et de Noël,
Géraldine

Trouver un échantillon plus grand que l'original requis est pas rare dans une première enquête en utilisant le dépistage actif et adaptatif avec un ensemble donné de personnel de l'enquête. Ceci est parce que le personnel de l'enquête vont mieux (plus rapide et de meilleure qualité) assez rapidement au fil du temps. Une autre raison pour cela est que vous pouvez faire des enquêtes de petite surface en phase II d'enquêter sur les zones à faible couverture possible et ces zones ne sont pas faible couverture, mais une faible prévalence (faible programme de cas numéros de ces régions reflètent la faible prévalence pas faible couverture). Cela peut vous conduire à sous-estimer la prévalence sur une vaste zone et de choisir de sélectionner un plus grand nombre de villages que nécessaire pour obtenir la taille de l'échantillon nécessaire.

Probablement la raison la plus courante pour obtenir un échantillon de taille beaucoup plus grande que nécessaire est faible couverture méconnue. Les gens apprennent à penser que leur programme a une bonne couverture. Si elles ont un faible nombre de cas, ils peuvent facilement croire que cela est dû à la faible prévalence plutôt que d'une faible couverture. Dans un programme "à l'intérieur" les deux situations:
Faible prévalence = faible nombre de cas Forte prévalence faible couverture + = faible nombre de cas
peuvent être difficiles à distinguer les uns des autres et la pensée pieux peut obscurcir le jugement de sorte que la preuve de la faible couverture est ignoré (il est un exemple de ce dans les études de cas dans le manuel SQUEAC).

La taille de l'échantillon a incité cette question est quatre ou cinq fois plus grandes que nécessaire. Ceci suggère une grande erreur de calcul de la part de l'enquêteur. Tout le monde fait des erreurs. Il serait intéressant d'entendre la prise de Géraldine sur ce point.

Une taille de l'échantillon tel que le n = 96 est classique pour des enquêtes de couverture des interventions de survie de l'enfant (par exemple, les enquêtes du PEV sont de conception d'avoir une taille effective de l'échantillon, après prise en compte des effets du plan attendus, n = 96). Je ne suis pas en faveur de l'augmentation de la limite de taille de l'échantillon dans le logiciel BayesSQUEAC depuis SQUEAC est censé être une méthode de faibles ressources. Une taille d'échantillon de beaucoup sur n = 50 aura habituellement un gaspillage de ressources (je l'ai fait quelques SQUEACs et ne peut pas rappeler jamais plus de cela). Je suis, cependant, l'augmentation de ce à n = 192, à la demande de Saül.

Une note sur la taille de l'échantillon et de précision: Un échantillon plus important sera d'améliorer la précision, mais pas autant que vous pourriez le penser. Déplacement (par exemple) à partir d'un échantillon de 100 Sise à une taille de 200 de l'échantillon ne double précision (ou la moitié de la avec de l'intervalle de crédibilité ou de confiance). Au lieu de cela, l'augmentation de la précision de la racine carrée de la taille de l'échantillon. Cela signifie que le doublement de la taille de l'échantillon augmente la précision d'environ 1,4 fois (soit la racine carrée de 2). Déplacement (par exemple) à partir d'une taille de 100 de l'échantillon à une taille de l'échantillon de 1000 améliore la précision que d'environ 3,2 fois (soit la racine carrée de 10).

Je l'ai fait une nouvelle version avec une limite supérieure sur le dénominateur du 256. Vous pouvez le télécharger à partir ici. Vérifiez si cela est OK.

Cher Mark et tous,

Toutes mes excuses pour être silencieux, comme je partais pour Noël et la Saint-Sylvestre.
Je vais essayer de répondre du mieux que je peux. Je strictement appliqué la méthodologie SQUEAC selon manuel. Je suis passé par tous les calculs et ne pouvais pas trouver l'endroit où l'erreur peut provenir de. Je peux avoir surestimé / sous-estimé certaines informations comme cela a été supervisé à distance de Yangon (et je ne suis jamais sur le terrain), mais l'interprétation des données était le résultat d'une collaboration fructueuse de travail d'équipe et une forte orientation technique de Saül.

Pour donner un peu d'informations de fond, ACF met directement en œuvre programme de OTP à Maungdaw (MGD) townships dans le nord de l'État de Rakhine avec des taux élevés de malnutrition aiguë prolongées. Les derniers chiffres disponibles (décembre 2010) ont indiqué un taux de MAG de 19% et une prévalence de SAM de 2,9% à Maungdaw. De la période Janvier à Octobre de 2011, ACF a admis 3881 enfants SAM.

ÉTAPE 1
Basé sur les informations recueillies et analysées à l'étape 1, l'enquête a conclu que la couverture est susceptible de ne pas être homogène dans MGD canton. Deux principaux facteurs influant sur la couverture ont été identifiés:
1. la distribution et de la distance spatiale (aucune admission et aucune installation dans la partie nord du canton)
2. Sensibilisation sur le programme

Après avoir discuté avec l'équipe et Saul, nous avons conclu que la classification élevée et la faible couverture était pas assez pour refléter l'image dans MGD. Bien, nous savions que ce risquait d'être trop précis, nous avons ajouté un 3ème niveau pour voir si nous pouvions ramasser une différence entre moyenne et haute couverture.

L'hypothèse est devenu:
• La couverture est faible (moins de 20%) dans les régions nordiques qui ne disposent pas d'un centre de nutrition offrant des services de PCMA.
• La couverture est moyenne (entre 20 et 50%) dans les régions méridionales qui ont des installations de nutrition fournissant PCMA, mais pas de sensibilisation de la communauté sur le programme.
• La couverture est élevé (supérieur à 50%) dans les régions centrales qui ont des installations de nutrition d'ACF de longue durée offrant PCMA.
Les deux premières hypothèses ont été prouvés - en attendant le dernier a été réfutée.

ETAPE 2
Le prieur a été construit avec un mode de 38,5% avec les principaux des évaluations positives, y compris nombre élevé de cas de l'auto / envois spontanés, en temps opportun la recherche de traitement, une bonne prise de conscience de la malnutrition et le programme de traitement existant, la course longue mise en œuvre du programme et les indicateurs de performance du programme adéquats. Les aspects négatifs suivants ont été mis en évidence: la distance, la mauvaise répartition spatiale OTP, l'autorisation de Voyage requis pour les patients de se déplacer dans le canton et le coût élevé / rapport d'opportunité.

Les résultats suivants ont été calculés suivant la méthodologie de SQUEAC.
a = 12,74
ß = 20.35
Probabilité n = 60
11 villages dans 7 quadrats

ETAPE 3
Les conclusions de l'enquête à l'échelle de la zone sont affichées ci-dessous:
Nombre de cas (SAM) actuels: 145
Nombre de cas (SAM) actuelles qui participent au programme: 60
Nombre de cas (SAM) actuelles qui ne fréquentent pas le programme: 85
Nombre de cas remettent participant au programme: 63

A la fin, le prieur, la probabilité et le postérieur regardent très bien avec un bon recouvrement.

Une combinaison de facteurs peut expliquer la taille de l'échantillon supérieur (n = 145 - a augmenté par rapport à des messages précédents - n = 141) ont trouvé par rapport à la taille initiale de l'échantillon (n = 60):
- La prévalence élevée du SAM
- Supérieur occasion / coût que prévu dans le stade plus précoce. Les gens savent au sujet du programme de malnutrition et de traitement, mais de prendre une décision de ne pas participer.

Je ne vais pas être en mesure de donner les estimations définitives de la couverture, que la validation du rapport est en cours. Cependant, nous avons beaucoup appris en termes de performance du programme et la voie à suivre.

J'espère que cela t'aides,
Géraldine

Cher Géraldine,

Merci pour votre mise à jour. Vos messages lancés le forum d'évaluation de la couverture ainsi et ont commencé une discussion animée.

Je dois juste deux questions que je voulais vous poser concernant la SQUEAC vous mis en place et que nous sommes actuellement en discussion à propos de ce forum.

1. Je suis curieux, que pensez-vous est la raison pour laquelle vous avez tout à coup plus de cas que vous vous attendiez? Je me souviens, ce poste a commencé quand vous avez demandé de l'aide sur ce qu'il faut faire si vous ne parvenez pas à votre taille de l'échantillon, puis après quelques jours, vous avez partagé de bonnes nouvelles que vous étiez réellement trouvez plus que ce que vous avez besoin.

2. Quelle est votre définition de cas pour cette enquête de SQUEAC que vous venez de faire? Est-il PB = 115 seulement ou inclut-elle un poids pour les critères de hauteur? Si celui-ci, a été votre cas de trouver une méthodologie active et adaptative cas trouver?

Merci encore pour le partage.

Géraldine,

Merci pour votre réponse détaillée. Avez-vous pensé à écrire cela comme une étude de cas pour publication dans Exchange Field? Je pense que tu devrais.

Cher Ernest & tous,

Merci pour vos questions. Je pense que je comprends d'où le malentendu vient. Je l'aurais donné un peu plus d'informations de base, alors que je lisais les messages encore et réalisé à quel point cela pourrait être source de confusion.

Nous avons couru deux enquêtes de SQUEAC distincts en même temps dans deux cantons (voisins) différentes, respectivement de Maungdaw et Butidaung. Ce ne fut pas le plan original, mais ce fut la bonne décision parce que les conclusions et les modèles de couverture a fini par être très différent.

Mon premier post 'étape 3 - échantillon question de la taille' était pour Buthidaung, où nous avons été confrontés des difficultés à atteindre la taille prévue de l'échantillon à l'étape 3; d'abord, nous ne pensions pas que ce serait un problème - nous nous attendions à un nombre élevé de cas comme un simple reflet de la forte prévalence dans la région (comme Maungdaw). Nous avons finalement obtenu plus de cas (n = 82) que la taille de l'échantillon nécessaire (n = 52), mais une analyse en profondeur des résultats révèle des résultats imprévus. Malheureusement, je ne suis pas en mesure de les divulguer dans un forum public.

Ma deuxième calcul de l'estimation post »de couverture stade -final" était sur le point de Maungdaw où nous attendions à un nombre élevé de cas que nous avons eu - encore plus grand que ce que le logiciel peut gérer.

La définition de cas dans les deux Cantons utilisés était des cas de marasme et de kwashiorkor - PB <115m et / ou œdèmes bilatéraux. Méthodologie active et adaptative avec étui porte-à-maison trouver combinée a été utilisé pour assurer une couverture exhaustive des domaines ciblés.

Ma mission est de SQUEAC sur le point de finir, mais je vraiment apprécié l'ensemble du processus!
Merci encore pour votre soutien en ligne,
Géraldine

Géraldine,

Merci pour la clarification. La plupart du matériel SQUEAC disponibles aux données est venue de personnes impliquées dans le développement de la méthode. La principale exception à cette règle est cet article Field Exchange qui a été écrit avant l'addition de la méthode d'enquête "stade 3". Je pense que nous avons besoin de plus de documentation produite par l'utilisateur. Je pense, donc, qu'il serait très utile pour vous de documenter vos expériences en utilisant la nouvelle méthode de SQUEAC dans un article Field Exchange.

Marque