Bien sûr ... MUAC est un bien meilleur indicateur que WHZ. Le problème est que beaucoup de gens veulent la prévalence par WHZ même si les programmes clés (par exemple PCMA) ont tendance à ne pas utiliser WHZ. Les définitions de cas d'usage courant sont:

SAM: PB <115 mm ou OEDEMES
MAM: 115 <= PB <125
GAM: PB <125 ou OEDEMES

Une catégorie «à risque»:

125 <= PB <135

est couramment utilisé.

De Bénédiction Mureverwi:

Vous ne pouvez présenter GAM si l'échantillonnage était effectivement exhaustive, et
donc chaque enfant était reached.However, si cela a été réalisée dans un
place centrale, plutôt que de ménage
ménage, la représentativité peut être challenged.To calculer GAM dans ce
Si vous avez besoin pour être en mesure d'estimer l'erreur d'échantillonnage et donc
venir avec intervals.This de confiance est devenu practice.Did commune
votre sondage remplir ce qui précède?

En fait, l'échantillonnage a été censé être exhaustive disons, de 7400 enfants de 6800 enfants ont été examinés et cela a été fait dans un lieu central, où on demandait à tous les gardiens à amener leurs enfants.

Je présente mes excuses pour mon manque de connaissance, je ne sais pas GAM ce qu'elle représente et les critères

Il ya un risque de partialité si les enfants qui ne sont pas mesurés étaient plus (ou moins) susceptibles que les enfants qui ont été mesurés pour être SAM ou cas de MAM. Il est recommandé de tester le dépistage exhaustivité aide d'une étude de capture de récupération. Vous ne disposez pas de cette.

Qu'est-ce que vous avez est une très grande fraction de sondage:
SF = 6800/7400 = 91,9%
Si vous avez trouvé (EG) 680 cas de GAM alors vous estimeraient GAM de la manière habituelle (ie 10%).

Vous pouvez ensuite mettre en avant certains "what-if" scénarios ... avec (par exemple) la même prévalence que l'échantillon, une prévalence beaucoup plus élevée (20%) que l'échantillon, et une prévalence beaucoup plus faible (5%) que l'échantillon dans les 600 enfants disparus et estimation avec ces «what-if" numéros.

La prévalence de la même nous aurions 680 + 0,1 * 600 = 740. Notre estimation serait:
données: 740 et 7400 95 pour cent intervalle de confiance: 0.09325574 0.10706118 estimations de l'échantillon: probabilité de succès 0,1
Avec le scénario de prévalence beaucoup plus élevée que nous avons 680 + 0.2 * 600 = 800 cas. Notre estimation serait maintenant:
données: 800 et 7400 95 pour cent intervalle de confiance: 0.1011211 0.1154055 estimations de l'échantillon: probabilité de succès 0.1081081
Avec le scénario de prévalence beaucoup plus faible, nous avons 680 + 0,05 * 600 = 710 cas. Notre estimation serait maintenant:
données: 710 et 7400 95 pour cent intervalle de confiance: 0.08932819 0.10288391 estimations de l'échantillon: probabilité de succès 0.09594595
Nous pouvons présenter à la moyenne de l'estimation:
estimation = (0,1 + 0,1081081 + 0,09594595) / 3 = 0,1013514 = 10,14%
et les limites de confiance petites et plus grandes ont trouvé dans le scénarios de simulation donnant 10,14% (IC à 95% = 8,93% - 11,54%).

Lorsque vous signalez cette estimation, vous devriez également faire rapport sur ce que vous avez fait et pourquoi vous avez choisi les deux scénarios de simulation.

Est-ce de l'aide?

Hie Mark,
Cela ressemble merci logical.Many.

Vous êtes les bienvenus.