Retour à la leçon·Leçon 7 sur 8·Le lire face à autre chose
Trois réponses à une seule question
Le même diaporama que les téléchargements, rendu sous forme de page. Lancez le diaporama pour le présenter en plein écran — les flèches ou un clic avancent d'une diapositive, Échap quitte.
Ce que couvre cette leçon
- La réunion
- Les trois sources
- Mesure constante, sélection variable — de 8,7 % à 11,4 %
- Sélection constante, mesure variable — de 11,4 % à 14,9 %
- Ce à quoi chaque source sert réellement
- Triangulation, non réconciliation
- La phrase du rapport
- Quand vous n'avez que des données de routine
- La suite
Notes du présentateur
La malnutrition aiguë vaut 8,7 % dans le registre de dépistage de routine, 11,4 % dans une enquête ménage employant la même mesure, et 14,9 % dans une enquête SMART en employant une autre. Décomposez l'écart entre sélection et mesure, et aucune source n'est fausse.La réunion
- Le cluster nutrition dispose de trois chiffres pour la malnutrition aiguë, même population et même année.
Notes du présentateur
Le cluster nutrition dispose de trois chiffres pour la malnutrition aiguë, même population et même année. Le registre de dépistage de routine dit 8,7 %. Une enquête ménage dit 11,4 %. Une enquête SMART dit 14,9 %. Quelqu'un demandera lequel est juste. La réponse est que les trois le sont, et le travail utile consiste à décomposer l'écart selon ses deux causes — qui a été mesuré et ce qui a été mesuré — car chacune a une implication différente pour le programme.Les trois sources — En Python
import pandas as pd muac = pd.read_csv("muac-screening-artibonite-2024.v1.csv") measured = muac[muac["muac_mm"].notna()] routine = ((measured["muac_mm"] < 125) | (measured["oedema"] == True)).mean() print(f"routine screening register: {routine:.1%} on n={len(measured):,}")Les trois sources — En R
library(dplyr) muac |> filter(!is.na(muac_mm)) |> summarise(rate = mean(muac_mm < 125 | oedema), n = n())Les trois sources
Source Mesure Population Estimation n Registre de dépistage de routine PB Enfants amenés au dépistage 8,7 % 4 146 Enquête ménage PB Échantillon de population, pondéré 11,4 % 648 Enquête SMART Score z poids-taille Échantillon de population 14,9 % 874 Notes du présentateur
Deux choses varient entre ces lignes, et elles varient une à la fois, ce qui rend la décomposition possible.Mesure constante, sélection variable — de 8,7 % à 11,4 %
- Les données de routine mesurent la population servie, non la population — Ce n'est pas un défaut du système, c'est ce…
Notes du présentateur
Les lignes un et deux emploient toutes deux le PB. La seule différence est qui a été mesuré. Le registre de routine mesure les enfants que quelqu'un a amenés à un dépistage. L'enquête ménage mesure des enfants tirés de la population, avec les pondérations construites par le cours sur les enquêtes. Un écart de 2,7 points, et il va dans le sens où il va toujours. Le dépistage atteint les enfants dont les accompagnants peuvent atteindre un point de dépistage — plus près du site, moins contraints par d'autres travaux, dans un ménage où quelqu'un peut se déplacer. Les enfants les plus difficiles à atteindre sont systématiquement plus susceptibles d'être malnutris, et le chiffre de routine ne les contient pas. Les données de routine mesurent la population servie, non la population. Ce n'est pas un défaut du système, c'est ce qu'est un registre de service. L'erreur est de le lire comme une prévalence.Sélection constante, mesure variable — de 11,4 % à 14,9 % — En Python
comparison = pd.DataFrame({ "source": ["Routine register", "Household survey", "SMART survey"], "measure": ["MUAC", "MUAC", "weight-for-height z"], "population": ["screened", "population sample", "population sample"], "estimate": [0.087, 0.114, 0.149], }) comparison["vs_previous"] = comparison["estimate"].diff() print(comparison)Notes du présentateur
Les lignes deux et trois sont toutes deux des échantillons de population. La différence est la mesure. Le PB et le poids-pour-taille n'identifient pas les mêmes enfants. Ils sont corrélés, mais chacun trouve des cas que l'autre manque — le PB est plus sensible chez les enfants plus jeunes et plus petits, le poids-pour-taille chez les plus âgés et plus grands. Appliquer les seuils standards à la même population donne des prévalences différentes, et dans la plupart des contextes le poids-pour-taille donne le chiffre le plus élevé. Un écart de 3,5 points ici, et il signifie que les deux chiffres ne peuvent pas se lire face au même seuil. Le seuil d'urgence de 15 % pour la malnutrition aiguë globale est défini pour une mesure précise, et lui comparer une prévalence fondée sur le PB revient à comparer deux quantités différentes. Le cours sur les indicateurs le disait à propos du nommage ; voici ce que cela coûte.Sélection constante, mesure variable — de 11,4 % à 14,9 % — En R
tibble::tribble( ~source, ~measure, ~population, ~estimate, "Routine register", "MUAC", "screened", 0.087, "Household survey", "MUAC", "population sample", 0.114, "SMART survey", "WHZ", "population sample", 0.149 ) |> mutate(vs_previous = estimate - lag(estimate))Sélection constante, mesure variable — de 11,4 % à 14,9 %
- La sélection explique 2,7 points. La mesure en explique 3,5 — À elles deux elles rendent compte de la totalité de…
Notes du présentateur
La sélection explique 2,7 points. La mesure en explique 3,5. À elles deux elles rendent compte de la totalité de l'écart de 6,2 points, et aucune n'est une erreur.Ce à quoi chaque source sert réellement
Source Bonne pour Pas pour Registre de routine Charge de cas, charge de travail, approvisionnement, tendance dans la population servie Prévalence, dénominateurs de couverture Enquête ménage Prévalence de population avec intervalle, équité entre strates Tout ce qui est mensuel ; tout ce qui porte sur une formation Enquête SMART Prévalence face aux seuils IPC et d'urgence, comparabilité avec d'autres enquêtes Toute fréquence supérieure à l'annuelle Notes du présentateur
Lisez ce tableau et la réunion se règle d'elle-même. Le responsable de programme qui demande « combien d'enfants admettrons-nous le trimestre prochain » veut le registre de routine. Le cluster qui demande « la situation a-t-elle franchi le seuil d'urgence » veut l'enquête SMART. Poser l'une des questions à l'autre source produit une réponse fausse qui sonne défendable.Triangulation, non réconciliation
- Un écart routine-enquête qui se creuse signifie que la couverture du dépistage baisse, ou que les plus difficiles à…
- Un chiffre de routine qui bouge alors que l'enquête ne bouge pas relève en général du dépistage — une nouvelle…
- Un chiffre d'enquête qui bouge alors que la routine ne bouge pas signifie que le programme ne voit pas le…
Notes du présentateur
Le réflexe, quand deux sources divergent, est de les réconcilier — décider laquelle a raison et ajuster l'autre. Résistez-y. Les sources mesurent des choses différentes et la différence est une information. Ce que la différence vous apprend.Triangulation, non réconciliation — En Python
def gap_over_time(routine_series, survey_series): return pd.DataFrame({ "routine": routine_series, "survey": survey_series, "ratio": survey_series / routine_series, })Triangulation, non réconciliation — En R
gap_over_time <- function(routine, survey) { tibble::tibble(routine, survey, ratio = survey / routine) }Triangulation, non réconciliation
- Suivez le rapport, pas la différence — Le rapport enquête sur routine est à peu près l'inverse de la couverture du…
Notes du présentateur
Suivez le rapport, pas la différence. Le rapport enquête sur routine est à peu près l'inverse de la couverture du dépistage, et il est assez stable pour être un indicateur de suivi à part entière.La phrase du rapport — Exemple
Acute malnutrition in the district, 2024: 14.9% (95% CI 12.3-17.9) by weight-for-height z-score, from a 30-cluster SMART survey of 874 children, design effect 1.5. 11.4% by MUAC in the same population, from a household survey of 648 measured children, weighted to the sampling frame. 8.7% by MUAC among 4,146 children brought to routine screening. This is a measure of the screened population, not a prevalence estimate, and is reported here for comparison with previous rounds of screening only. The gap between the first two figures is a measurement difference; between the second and third, a difference in who was measured. Neither indicates an error.Notes du présentateur
Dix lignes, et elles mettent fin à une discussion qui reviendrait sinon chaque trimestre. La dernière phrase est celle qui travaille.Quand vous n'avez que des données de routine
- Rapportez la charge de cas, non la prévalence. « 3 700 enfants dépistés, 362 en malnutrition aiguë selon le PB »…
- Rapportez la tendance, non le niveau. Une série de routine est bien plus fiable sur le sens que sur le niveau, à…
- Ancrez à la dernière enquête. Là où une enquête existe, le rapport routine-enquête de cette année peut être reporté…
Notes du présentateur
C'est-à-dire la plupart du temps. Trois positions honnêtes. Ce qu'il ne faut pas faire est de présenter un taux de dépistage de routine comme une prévalence de population. C'est le mésusage le plus répandu des données de routine dans ce secteur, et il sous-estime toujours.La suite
- Chaque leçon de ce cours a été une variante d'une seule question.
Notes du présentateur
Chaque leçon de ce cours a été une variante d'une seule question. La dernière la pose directement — qu'a-t-on exactement compté, par qui, sur quelle période — et en fait un bloc que l'on attache à tout chiffre produit par le système.