cassionAnalyse de données

Jeu de données

Enquête nutritionnelle SMART — anthropométrie, 2024

Une enquête SMART à 30 grappes portant sur 930 enfants de 6 à 59 mois, livrée en poids et taille bruts pour que les scores z doivent être calculés, et portant les défauts précis qu'un rapport de plausibilité SMART est conçu pour détecter.

synthétiqueNutritionAnthropométrieSurveillance nutritionnelleMalnutrition infantileMalnutrition aiguë sévère (MAS)Malnutrition aiguë modérée (MAM)
Lignes
930
Variables
9
Période
2024-11
Licence
CC BY 4.0
Complétude
96%

Normes et méthodologies

Enquête SMARTNormes OMS de croissance de l'enfantDéfinitions d'indicateurs de l'UNICEF

Fichiers

Les fichiers sont versionnés par leur nom. Une correction est publiée sous .v2.csv plutôt qu'en remplaçant le fichier, afin qu'une analyse figée sur la v1 continue de se reproduire à l'identique.

Dictionnaire des variables

VariableTypeDescriptionValeurs autorisées
clusterintegerGrappe d'enquête, de 1 à 30. Les enfants d'une même grappe se ressemblent davantage qu'entre grappes, si bien qu'un intervalle de confiance naïf sera trop étroit.—
teamintegerÉquipe de mesure, de 1 à 4. Nécessaire aux contrôles de plausibilité ; deux équipes présentent des problèmes de mesure identifiables.—
child_idstringIdentifiant pseudonymisé de l'enfant.—
age_monthsmoisintegerÂge en mois révolus, de 6 à 59. Concentré sur les années entières lorsqu'aucun acte de naissance n'existait.—
sexcategoricalSexe de l'enfant. Le rapport de masculinité est l'un des contrôles de plausibilité standard.f, m
weight_kgkgfloatPoids au 0,1 kg près.—
height_cmcmfloatLongueur ou taille telle que consignée, au 0,1 cm près. Non corrigée de la position de mesure.—
measured_lyingbooleanIndique si l'enfant a été mesuré couché. La longueur dépasse la taille d'environ 0,7 cm pour un même enfant, différence à soustraire avant tout calcul de score z.true, false
oedemabooleanŒdème bilatéral prenant le godet. Un enfant présentant un œdème relève de la malnutrition aiguë sévère quel que soit son poids-pour-taille.true, false

Provenance

Source
Données synthétiques, générées par scripts/generate/smart_nutrition_survey_2024.py
Méthode de collecte
Enquête SMART simulée à 30 grappes avec quatre équipes de mesure
Zone géographique
Zone d'enquête anonymisée
Période
2024-11

Qualité des données

  • Entièrement généré. Aucun enfant réel n'est décrit et les résultats ne doivent pas être cités comme une situation nutritionnelle réelle.
  • Les scores z ne sont volontairement pas fournis. Calculer les scores z poids-pour-taille au regard des normes de croissance OMS 2006 constitue l'exercice, et lire une colonne précalculée n'apprend rien.
  • La position de mesure doit être traitée en premier. Les enfants de moins de 87 cm ont été mesurés couchés, et la valeur consignée porte l'écart longueur-taille d'environ 0,7 cm. Omettre cette correction biaise tous les scores z de la moitié la plus jeune de l'échantillon.
  • Correctement analysée avec les normes de croissance de l'OMS, cette enquête donne une malnutrition aiguë globale proche de 14,9 % et une malnutrition aiguë sévère proche de 3,9 %, sur 874 enfants analysables après contrôles de plage et exclusion des valeurs aberrantes OMS. On se situe juste sous le seuil d'urgence de 15 %, précisément la position où les choix analytiques ci-dessous cessent d'être théoriques.
  • L'œdème prime sur l'anthropométrie. Un enfant présentant un œdème bilatéral prenant le godet relève de la MAS quel que soit son poids-pour-taille : le numérateur de la MAS n'est donc pas le simple décompte des scores z inférieurs à -3.

Problèmes connus

  • Quatorze enregistrements portent des mesures impossibles : des poids erronés d'un facteur dix dans les deux sens, et des tailles saisies en mètres. Ils doivent être exclus par un contrôle de plage avant toute règle d'exclusion des valeurs aberrantes.
  • Les flags SMART excluent les observations situées à plus de 3 écarts-types de la moyenne de l'enquête ; les flags OMS utilisent des bornes fixes de -5 à +5. Les deux règles excluent des enfants différents et donnent des taux légèrement différents, raison pour laquelle un rapport de plausibilité précise laquelle a été appliquée.
  • L'équipe 3 mesure systématiquement bas. Ses grappes affichent une malnutrition aiguë globale proche de 22 % contre 10 à 16 % pour les autres équipes, avec un score z poids-taille moyen de -1,09 contre -0,43 à -0,69 — un artefact de mesure, non une différence réelle d'état nutritionnel.
  • L'équipe 2 présente une forte préférence de chiffres : environ 69 % de ses relevés de taille se terminent par ,0 ou ,5 contre environ 20 % pour les autres équipes.
  • Les âges se concentrent sur les années entières. On compte 66 enfants exactement à 24 mois contre 15 et 19 à 23 et 25 mois, et 80 à 36 mois contre 28 et 17 de part et d'autre.
  • Vingt et un enfants n'ont pas d'âge et onze n'ont pas de poids.

Exemples traités

Python

Calcul de la prévalence avec les normes de croissance de l'OMS

Corrige la position de mesure, calcule les scores z poids-pour-taille, applique successivement les flags SMART et OMS, et présente la MAG et la MAS avec un effet de grappe pour l'échantillon en grappes.

Rapport de plausibilité SMART

Reproduit les contrôles qualité standard — enregistrements signalés, préférence de chiffres par équipe, concentration des âges, rapport de masculinité et biais d'équipe — et conclut sur l'acceptabilité de l'enquête.

R

Calcul de la prévalence avec les normes de croissance de l'OMS

La même estimation de prévalence en R, en s'appuyant sur un paquet de normes de croissance plutôt qu'en réimplémentant le calcul LMS.