L'idée derrière soit sa taille différentes enquêtes dans différentes «zones agro-écologiques" ("zones de moyens d'existence", "zones d'économie alimentaire" & c.) Est une préoccupation de la façon dont vous souhaitez interpréter les résultats d'une enquête. Imaginez un monde divisé en deux populations égales de «taudis» et «Palais-habitants". Tous les enfants des taudis souffrent d'insuffisance pondérale et aucun des enfants des palais les habitants souffrent d'insuffisance pondérale. Enquête sur les deux populations dans une seule enquête et la prévalence de l'insuffisance pondérale trouvé sera proche de 50%. Le 50% est correcte mais il est nulle part, vous pouvez aller dans ce monde imaginaire où la prévalence est proche de 50% partout. Le seul indice que vous obtenez de l'enquête en résulte que ce soit le cas est un grand effet de conception (au moins vous avez cela dans une conception de cluster-échantillonné ... avec un échantillon aléatoire simple, vous avez aucune idée). Le problème est que vous avez deux populations traitées comme une seule. Il n'y a aucune façon que vous pouvez étudier deux populations très différentes prévalences dans une seule enquête et d'obtenir un résultat d'enquête significative indépendamment de la façon dont vous bricoler avec des effets de conception. Qu'est-ce que vous avez besoin est deux enquêtes et chaque enquête devrait avoir un échantillon de taille suffisante en termes de nombre de grappes et la taille des clusters (en supposant une grappe échantillonnée conception à deux étages) et cela signifie que vous avez besoin d'environ 30 grappes (vous pouvez probablement vous en sortir avec moins nombreux, mais pas beaucoup moins) et une taille de l'échantillon global de quatre ou cinq cents dans chaque enquête (si vous cherchez à le gaspillage et plus si vous cherchez à une insuffisance pondérale ou de retard de croissance que la prévalence sera plus proche de 50%). Il peut être judicieux de surveiller les populations dans une seule enquête si vous aviez de bonnes raisons de croire que les deux populations étaient similaires à l'égard de la prévalence. Dans ce cas, le résultat de l'enquête sera proche de la prévalence réelle dans les deux populations.

Cette "hypothèse de l'homogénéité" est implicite dans toutes les enquêtes seule estimation large zone. Ceci est un gros problème avec toutes les enquêtes seule estimation large zone. L'hypothèse d'homogénéité de la prévalence est problématique même dans une "zone agro-écologique» unique. Wasting, par exemple, est fortement associée à l'infection et l'infection, par définition, est un phénomène en cluster. Cela signifie que nous pouvons nous attendre à être regroupées gaspillage (hétérogène). Je pense que nous devrions chercher à développer des méthodes pouvant accueillir regroupement comme on le fait (par exemple) pour les maladies infectieuses comme le trachome, onchcerciasis, et la filariose. Ces méthodes seraient produisent une prévalence carte montrant où la prévalence est susceptible d'être élevé et où la prévalence est susceptible d'être faible. Ceci ne pose aucun problème simple. Je suppose qu'une telle méthode serait d'utiliser un échantillonnage spatial dans la première étape (ou utiliser de multiples étapes d'échantillonnage pour rechercher les limites de prévalence ou contours) et peut utiliser les données continues et une distribution de probabilité pertinente pour estimer la prévalence (comme suggéré par Mike or ) ou des techniques d'échantillonnage séquentiels de classer la prévalence de chaque point de prélèvement. Proximité échantillonnage devrait être abandonnée, mais les méthodes smapling tels que EPI3 et EPI5 maight faire le travail et ne sont pas difficiles ou beaucoup de temps à utiliser. Cela peut sembler difficiles mais ces méthodes cartographie épidémiologique rapide de de gaspiller ont été utilisés dans le Biafra Emergencency à la fin des années 1960.

Mark est correcte. Le point sur l'effet de conception est cependant important. Si la population est homogène on peut utiliser un effet de conception beaucoup plus faible dans l'estimation de la taille de l'échantillon nécessaire (analyse des données de camps par exemple donne des effets de conception de 1 à environ 1,5) pour les données non -AMPc les effets de conception sont compris entre 1,2 et 1,7 où nous pense que la population est homogène - cela va jusqu'à 2 ou plus lorsque la population est hétérogène. Je ne l'ai pas encore fini cette analyse des effets de conception afin de prendre ces chiffres comme très préliminaire. Le point est que le nombre total des enfants interrogés dans les deux enquêtes avec de petits effets de conception est pas beaucoup plus d'une enquête avec un grand effet de conception - de sorte que le travail en 2 enquêtes est pas deux fois celui d'une enquête plus vaste.
En bêta SMART, nous avons construit dans une fonction d'examiner l'hétérogénéité. Le nombre de cas dans chacune des grappes est examiné et comparé avec une distribution de Poisson - si les chiffres correspondent à la répartition, cela indique que les cas sont répartis au hasard entre les groupes examinés adn il n'y a pas de «poches» de la malnutrition - si elles le font ne tient pas cette distribution alors il sont susceptibles d'être des «poches». Quand il ya des poches les données correspondent normalement un autre type de distrubution appelle une distribution binomiale négative (également calculé et équipé en version bêta SMART) - qui peut montre le degré de "tire". Nous constatons que de perdre dans la plupart des enquêtes est distribué au hasard, mais kwashiorkor se produit presque toujours dans les poches. Ceci a des implications importantes sur le plan épidémiologique pour les deux conditions - mais cela signifie aussi que les intervalles de confiance autour d'une estimation de kwash sont tout à fait différents de ceux autour d'une estimation de gaspillage - ils sont combinés dans SAM rapports de prévalence, qui est probablement faux et ils doivent être déclarés séparément avec leurs intervalles de confiance distinctes. Dans bidonville et le palais de la population Marquer ce serait clairement démontré lorsque la distribution de poisson a été examiné (et il ne rentrait pas, soit la distribution!).
Il est pas le lieu d'entrer dans un argument, comme je l'ai besoin de documenter et d'argumenter mon cas dans un papter complète - mais, contrairement à l'hypothèse normale, je ne pense pas que le gaspillage et les infections aiguës telles que la diarrhée et la pneumonie sont étroitement liées, et le retard de croissance probablement pas du tout.

Mike est correct en attirant l'attention sur l'effet de la conception. Vous devez faire une bonne supposition à l'effet du plan prévu si vous enquête est d'avoir la précision désirée (ie avec des intervalle autour de l'estimation ponctuelle de confiance). Mon expérience des enquêtes par sondage en grappes à deux étages de perdre dans de nombreux contextes concorde avec la dans de Mike que la majorité des effets du plan se situent entre environ 1,2 amd 1.7. En application telles que les enquêtes de l'œil (ce sont généralement des enquêtes en grappes échantillonnées à deux étages de grande taille de l'échantillon estimer la prévalence de certaines conditions assez rares), il est pas rare de trouver des effets du plan de 5 ou plus avec des conditions infectieuses telles que le trachome qui grappes aux toutes sortes d'échelles ou vecteur transmis des maladies telles que l'onchocercose lequel des groupes dans des endroits favorables au vecteur. Ceci est généralement pas un problème car (1) ces enquêtes recueillent également des données sur faiblement en cluster ou en conditions non-cluster (par exemple, la cataracte, le glaucome) et (2) les conditions cluster (si des cas se trouvent dans l'enquête de l'œil) sont généralement des sujets des enquêtes spatiale ou de petite surface ultérieures telles que la TRA / ASTRA pour le trachome et l'onchocercose REMO.

Effet de plan est un peu plus compliqué que cela cependant. Ayant de nombreux petits groupes aura tendance à réduire les effets de conception par rapport au cas d'avoir de nombreux grands groupes. Cela pourrait être la voie à suivre pour le problème de l'intervenant. Au lieu de prendre (par exemple) 30 grappes de 30 enfants, vous pouvez prendre 60 grappes de 15 enfants. De cette façon, vous aurez probablement un nombre suffisant de grappes dans les deux zones pour arriver à des estimations raisonnablement exactes et précises de la prévalence dans deux d'entre eux. Vous devez être prudent si les zones de grandes différences quant à la taille de la collectivité comme la méthode PPS ne peut sélectionner un petit nombre de grappes dans la zone avec de plus petites communautés.

Ne nous laissons pas pas eu querelleuse sur l'infection et l'émaciation. De nombreuses enquêtes recueillent des données sur la prévalence et la période de fortes associations entre gaspillage et de la diarrhée et de la fièvre sont assez commun pour les deux W / H et MUAC définitions de cas. Le problème avec ces données est qu'il est en coupe transversale. Le problème avec l'étude des facteurs de risque de retard de croissance est qu'il est un processus plutôt qu'un résultat et nécessite une approche d'étude de cohorte. Pour les enfants rabougris, une approche au cas-contrôle pourrait être adopté, mais le rappel pourrait être un problème.

Oups ... je voulais écrire "Ayant de nombreux petits groupes auront tendance à réduire les effets de conception par rapport au cas d'avoir de grandes grappes QUELQUES". Désolé pour la confusion.