WRT «taux de retard de croissance". . . Je pense que vous voulez dire la prévalence du retard de croissance. Le terme «taux de retard de croissance" est ambigu car il pourrait se référer à la prévalence, l'incidence ou à l'angle entre les courbes de croissance observé et de référence (c.-à quelle vitesse un enfant est de plus en retard de croissance).

Le retard de croissance et un retard de croissance: Je pense que vous devez être attentif à WRT utilisant les termes «retard de croissance» et «rabougris" (entre processus et des résultats). Les enfants qui sont rabougris à environ 24 mois ont tendance à rester un retard de croissance et de suivre la courbe de croissance jusqu'à ce que la poussée de croissance pré-adolescence.

0-23 mois: Je voudrais éviter de mesure de la longueur dans le groupe d'âge 0-6 mois. cela a été discuté ailleurs sur ces forums.

Échantillonnage (1): Je serait probablement simplifier l'échantillonnage en ayant une taille globale de l'échantillon suffisamment grand pour donner taille de l'échantillon suffisant dans chaque groupe d'âge.

Échantillonnage (2): Je voudrais également envisager d'utiliser un estimateur pour PROBIT prévalence du faible H / A puisque ce sera de réduire l'exigence de taille de l'échantillon considérablement. Je ne suis pas clair pourquoi vous voulez travailler avec une prévalence lorsque vous pouvez travailler avec la ZAT directement et essai pour effets à l'aide de tests t, ANOVA, ou des modèles linéaires. Toutes ces approches faire un usage plus efficace des données que l'approche "recoder et compiler".

Échantillonnage (3): Je ne voudrais pas utiliser l'échantillonnage PPT pour la couverture depuis PPS met l'échantillon dans les centres les plus peuplés et tend à surestimer la couverture. Voir le présent document.

Couverture: Le WRT problème de la définition de la couverture est intéressant. Je pense que vous devez être prudent sur le rappel maternelle sur des périodes aussi longues. Il y aura probablement beaucoup d'erreurs qui peut augmenter avec l'âge. Vous pourriez regarder pour essayer une période de rappel plus courte et de définir "couvert" (par exemple) deux des trois mois précédents. Je serais tenté juste pour utiliser le mois en cours. Je suggère un certain pilotage de cette.

Je ne suis pas sûr que ce soit l'aide ou tout simplement agitant la main.

Salut Marc, très tardive merci, mais vos commentaires ont été d'une grande aide à façonner la conception de l'enquête final et protocole.

Nous sommes près d'une semaine dans l'enquête et avons couru dans un problème d'échantillonnage urgente. En toile de fond rapide, nous avons utilisé du SCCS. Notre district a été divisé en 8 quadrants, 8 villages sélectionnés par la proximité du centre du quadrant. Nous nous attendions à propos d'un échantillon d'environ 300 enfants de 6-59 mois (qui cherchent chaque enfant dans cette tranche d'âge dans chaque village), mais en fait, après l'utilisation de chaque méthode d'identification, y compris porte-à-porte et contre-vérifier contre disponibles listes de village, les nombre total va être considérablement plus faible - environ 200.

L'analyse multivariée semble être difficile, car comme indiqué précédemment, la définition de «couverture» est pas simple. Nous avons plusieurs questions d'indicateurs pour cela, mais jusqu'à présent, nous voyons partage de la nourriture ainsi que le respect général de la ration journalière ne cherche pas aussi bien que prévu. Ainsi, la définition globale de la couverture (nourriture + a reçu la ration consommée) est un) problématique et b) éventuellement faible, donc nous courons le risque de ne pas avoir un échantillon suffisamment grand 'couverte'. Nous avons aussi un bon nombre de facteurs confondants mesurées par enfant: l'indice de richesse, WASH, la consommation alimentaire / score ANJE, l'éducation maternelle, la taille du ménage, de la santé infantile, la santé maternelle, l'éducation maternelle, faible poids de naissance.

Donc la question est:
Avons-nous besoin d'augmenter la taille de l'échantillon? Si oui, à quoi? Comment faisons-nous cela avec SCCS, que nous ne pouvons pas visiter un autre 8 villages? Nous avons déjà un ordre aléatoire les deuxièmes plus proches villages du centre du quadrant, mais le temps, les ressources, la logistique et la fatigue de l'enquête signifie qu'il serait beaucoup plus réaliste et stratégique pour sélectionner 1-2 d'entre eux.

Merci (à l'avance!) Cette fois.

Une dernière chose: même si nous ne nous attendons pas à voir un changement dans la prévalence du retard de croissance, nous aimerions toujours l'enquête pour donner prévalence du rabougrissement pour les enfants de 6-23 mois et les enfants de 6-59 mois pour une utilisation future. Nous tôt calculé cette taille d'échantillon à 306 enfants, mais comme vous avez déjà suggéré, peut-être il ya des façons de réduire la taille de l'échantillon nécessaire en utilisant un estimateur ??

Pour répondre à votre deuxième problème première ...

L'estimateur alternative est "modèle fondé". Il repose sur le «dogme» fréquentiste que:
= probabilité proportion
Nous pouvons inverser cette manière que nous avons:
proportion = probabilité
Ceci est un renversement parfaitement légitime.

Le problème devient maintenant l'un de l'estimation de la probabilité. Cela nous nécessaire de spécifier un modèle de probabilité approprié pour notre variable d'intérêt. Le modèle approprié pour H / A est la distribution normale. Nous estimons la probabilité d'un enfant aura (par exemple) un HAZ <-2. Si nous pouvons faire cela, nous avons prévalence de HAZ <-2 depuis:
= = probabilité proportion prévalence
La distribution normale est entièrement décrite par deux paramètres. Ceux-ci sont la moyenne et l'écart type (SD). Avec de petits échantillons, nous préférons utiliser robustes (résistants à-dire les valeurs aberrantes) estimateurs de la moyenne et SD. Ceux-ci sont:
estimation de la population moyenne = médiane de l'échantillon estimation de la population SD = échantillon IQR / 1,34898
où:
IQR = quartile supérieur - quartile inférieur
Une fois que nous avons ces nous pouvons utiliser la fonction de probabilité normale cumulative (disponible dans la plupart des paquets et des tableurs stats) pour calculer la probabilité (prévalence) nous intéresse.

Voici un exemple ... en supposant (à partir de notre échantillon), nous calculons:
médiane = -1.6 IQR / 1,34898 = 1.4
Dans Microsoft Excel (par exemple) vous pouvez utiliser:
= LOI.NORMALE (-2; -1,6; 1,4; TRUE)
qui donne:
0,3875484811
qui est une prévalence estimée de 38,8%.

En R (par exemple) vous pouvez utiliser:
pnorm (-2, moyenne = -1.6, sd = 1.4, lower.tail = TRUE)
qui donne:
[1] 0,3875485
qui est (aussi) une prévalence estimée de 38,8%.

Si vous avez besoin de calculer un IC à 95% (nous avons habituellement besoin de le faire), alors nous calculons d'abord un IC à 95% sur la médiane et l'utiliser. Une formule approximative pour un IC à 95% sur la médiane qui est sûr pour les situations peu (non-normales dire) à longue queue est:
médiane +/- 1,58 * (IQR / sqrt (n))
Cette formule est à partir de:
Velleman PF, Hoaglin DC, applications, bases, et de l'informatique d'analyse exploratoire des données, Duxbury Press, Boston, Massachusetts, États-Unis 1981
avec les données d'exemple et une taille d'échantillon de n = 200, on a:
-1.6 + 1,58 * (1.9 / 14.14) = [-1,4; -1,8]
Dans Microsoft Excel, nous avons:
= LOI.NORMALE (-2, -1.4,1.4, TRUE) = LOI.NORMALE (-2, -1.8,1.4, TRUE)
ce qui donne:
0,4432015032 0,3341175709
Nous avons une estimation de 38,8% (IC 95% = 33,4%; 44,3%).

Vous devriez vérifier mon arithmétique ici.

BTW: Cette procédure est (un peu à confusion) dénommé PROBIT et est est utilisé dans la RAM et enquêtes de type S3M.

J'espère que cela aide.

Please visit BFA-02 – Conception d’outils et de mécanismes de coordination multisectorielle pour la nutrition au Burkina Faso for ToR and application information.

Merci beaucoup pour votre aide!