1 / 21

Enquête sur les Indicateurs du Paludisme (EIP): Méthodes d'analyse

Enquête sur les Indicateurs du Paludisme (EIP): Méthodes d'analyse. Analyse de la pondération et des données Préparée par Allen Hightower, CDC, Kenya Réadaptée et présentée par Etienne Minkoulou, OMS/AFRO. Analyse de la pondération et des données.

monifa
Download Presentation

Enquête sur les Indicateurs du Paludisme (EIP): Méthodes d'analyse

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Enquête sur les Indicateurs du Paludisme (EIP): Méthodes d'analyse Analyse de la pondération et des données Préparée par Allen Hightower, CDC, Kenya Réadaptée et présentée par Etienne Minkoulou, OMS/AFRO Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  2. Analyse de la pondération et des données • Conception et pondération de l'échantillon de l'EIP • Calcul de la pondération • Ajustement en cas de non-réponse • Pondération normalisée/standardisée • Analyse des données Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  3. Conception des grappes de l'EIP en plusieurs étapes Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  4. Échantillonnage en grappes en plusieurs étapes • Probabilité de sélection inégale • Différence dans la probabilité de sélection • Différence dans les comportements des sous-groupes • Résultats biaisés • Échantillon aléatoire simple • Probabilité de sélection égale • Autopondération Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  5. À quoi sert la pondération ? • À corriger une probabilité de sélection inégale • À obtenir des résultats représentatifs de la majorité de la population, à partir de laquelle l'échantillon a été sélectionné • À effectuer un ajustement en cas de non-réponse Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  6. Étapes de calcul de la pondération des échantillons • Calculer les probabilités de sélection • Convertir les probabilités en pondérations • Normaliser ou standardiser les pondérations afin de refléter une taille d'échantillon correcte Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  7. Calcul des probabilités de sélection • La probabilité de sélection dépend du plan d'échantillonnage utilisé. • Pour le plan d'échantillonnage de l'EIP en trois étapes, la probabilité de sélection correspond à la probabilité de sélection commune aux trois étapes de la sélection de l'échantillon. • Pi = Pa * Pb * Pc Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  8. Probabilités de sélection • Pa = Grappe P sélectionnée dans NASSEP IV nbre grappes sélectionnées/nbre grappes disponibles • Pb = Grappe P sélectionnée dans l'EIP nbre grappes sélectionnées/nbre grappes disponibles • Pc = Ménage P sélectionné dans l'EIP nbre ménages sélectionnés/nbre ménages disponibles • Pi = Ensemble du ménage P sélectionné dans l'EIP pour la grappe i Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  9. Calcul de la pondération des échantillons • La pondération des échantillons affectée à un ménage dans une grappe donnée correspond à l'inverse de sa probabilité de sélection. • Wi = 1/Pi • Wi = Pondération pour les ménages de la ième grappe • Pi = Probabilité de sélection pour les ménages de la ième grappe Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  10. Pondération normalisée/standardisée • La pondération standardisée permet d'éviter de générer des erreurs standard et des intervalles de confiance incorrects. • La pondération est standardisée en fonction de la taille de l'échantillon et affiche une moyenne de 1,0. Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  11. Calcul de la pondération standardisée • wi' = wi n/ wi ni où • wi’= Pondération standardisée pour la grappe i • wi = Pondération des échantillons pour la grappe i • n = Taille d'échantillon totale • ni = Taille d'échantillon pour la grappe i • Le résultat doit correspondre au nombre de personnes sélectionnées. Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  12. Ajustement de la pondération en cas de non-réponse • Effectuer un ajustement de la pondération en cas de non-réponse d'un ménage ou d'un individu : - lorsque le nombre de non-réponses est supérieur au nombre attendu ; - lorsque les taux de réponse des données sociodémographiques (sexe, niveau d'instruction, etc.) différent du taux de réponse attendu. Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  13. Calcul de l'ajustement en cas de non-réponse • Le facteur d'ajustement en cas de non-réponse (A) est l'inverse du taux de réponse (r). Ai = 1/ri La pondération finale ajustée en cas de non-réponse est le produit de la pondération standardisée et du facteur d'ajustement. Pondération finale = wi' * Ai Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  14. Pondération de l'EIP • Pondération des ménages = HW • Pondération des individus = HW/HRR • Pondération du laboratoire = IW */LRR • HRR = Taux de réponse du ménage • LRR = Taux de réponse du laboratoire Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  15. Analyse des données • Les logiciels conçus pour les enquêtes complexes permettent d'analyser les données de l'EIP. • SUDAAN, SAS, SPSS et Stata ont des fonctions/procédures permettant de tenir compte du plan d'échantillonnage en plusieurs étapes et de générer des erreurs standard et des intervalles de confiance fiables. Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  16. Code SUDAAN de l'échantillon • PROC CROSSTAB DATA=MIS1 filetype=sas design=WR; • NEST strata1 qhnassep /psulev=2 missunit; • WEIGHT Weight; • TABLE Sex*Parasite; • CLASS Sex Parasite; • RUN; Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  17. Code SAS de l'échantillon • PROC SURVEYFREQ data=MIS1; • WEIGHT weight; • STRATA strata1; • CLUSTER qhnassep; *** EA ID variable **; • TABLES parasite / cl row deff; *** Y/N Parasitemia **; • RUN; Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  18. Données de l'échantillon Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  19. Exemple de tableau de résultats après pondération Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  20. Autres éléments de considération • Variables d’analyse: milieu de résidence, indice de bien être économique (quintiles), niveau de représentativité (région/province/district) • Tenir compte des groupes cibles (<5 ans, femmes enceintes, etc.) • Respecter rigoureusement la définition des indicateurs dans l’analyse Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

  21. Conclusions • L’analyse des données doit tenir compte de l’échantillonnage car l’interprétation des résultats en dépend • Utiliser les compétences appropriées (statisticiens) et outils appropriés (logiciels statistiques) pour cette analyse Atelier RBM-MERG sur la formation à l’EIP, 6 au 9 octobre 2008, Dakar, Sénégal

More Related