Récapitulation du jour 2ème

Les objectifs Nous avons apprix beaucoup de tests aujourd'hui Demain, nous verrons comment DHS/MICS et SMART les appliquent. Et ce que disent les experts internationaux Et nous pratiquerons plus

Scores pour la qualité des données L'échec d'un test ne signifie pas que les données qui ont échoué au test ne sont d'aucune utilité. Cela signifie que nous devons traiter les données défaillantes avec une certaine prudence. Une simple mesure globale ou sommaire de la qualité des données est la proportion des tests qui n'étaient pas de bonne qualité. Comme beaucoup de mesures sommaires, cette approche cache des détails et n'est généralement pas très utile. Le score global SMART pour la qualité des données est une évaluation pour chaque score individuel et une note pondérée pour le score total. Test différent Différentes normes La qualité des données est évaluée en appliquant aux données tous les tests appropriés. L'échec d'un test est un avertissement pour procéder avec prudence. Il ne condamne pas les données comme étant inutiles. Nous nous attendons à ce que la plupart des ensembles de données échouent à un ou plusieurs tests.

Préférences numériques TEST Données de routine Age scores Z PB Données Man OUI Valeur Extrêm YES Préférences numériques Arron. âge NA Ratio aexe Ratio âge Distr, âge Flags NO Normalité Dispersion ET De nombreux tests peuvent s'appliquer aux données de routine Don´t appliquer des flags ou des tests de normalité aux données de routine. Dans les données de routine, votre population n'est pas une population normale, mais seulement une petite partie de la population totale : la population malade. Le groupe de malades peut ne pas suivre une distribution normale et peut avoir des valeurs extrêmes d'anthropométrie qui ne devraient pas être marquées comme flags.

Question 1 Les méthodes graphiques sont souvent moins fiables que les résumés numériques et devraient être évitées. Vrai ou faux ? Notes for trainers: 5

Réponse Faux Nous avons vu de nombreux exemples de l'importance des histogrammes et du moment où un test statistique pourrait nous mener à de fausses conclusions. Toujours regarder les méthodes graphiques 6

Question 2 La hauteur est enregistrée au centimètre près et la préférence pour les chiffres se produit parce que les mesures ont tendance à être arrondies à la dizaine de centimètres près. Par exemple 88cm à 90cm Vrai ou faux ? 7

Réponse Faux La hauteur est mesurée à 0,1 cm près. Les mesures dans les enquêtes d'anthropométrie nutritionnelle sont généralement prises et enregistrées à une décimale près. L'arrondi se produit souvent parce que les mesureurs ignorent les points décimaux. Par exemple, 85,4 cm est enregistré comme 85 cm. 8

Question 3 Pour comparer le sex-ratio dans une enquête avec la ratio de sexe dans la population, nous pouvons utiliser un test T-Student. Vrai ou faux ? 9

Réponse Faux T-studient est utilisé pour comparer une variable quantitative avec une moyenne à une variable dichotomique qualitative. Par exemple Hauteur en cm vs hypertension (oui/non) Chi-carré est utilisé pour comparer deux variables dichotomiques qualitatives. Mâles et femelles dans une enquête vs mâles et femelles dans les populations. Tabaquisme (oui/non) vs hypertension (oui/non) 10

Question 4 Les enquêtes SMART utilisent toujours des flags SMART Vrai ou faux ? Notes for trainers: 11

Réponse Faux Les flagsSMART ont été développés par l'équipe SMART mais les méthodologies SMART permettent d'utiliser les flags OMS ou SMART. Les flags de l'OMS sont souvent utilisés dans les enquêtes SMART 12

Question 5 Nous n'avons pas de directives claires sur les niveaux de ET acceptables, car une valeur élevée peut être attribuable à des erreurs ou à l'hétérogénéité de la population. Vrai ou faux ? 13

Réponse Vrai 14

Question 6 The dispersion index can be used to detect pockets of malnutrition in some clusters True or false? Notes for trainers: 15

Réponse True 16

Question 7 Une distribution normale a une moyenne de 0 et un écart-type de 1. Vrai ou faux ? 17

Réponse Faux La moyenne d'une distribution normale n'est pas nulle. Une distribution normale a deux paramètres μ(moyenne) et σ(écart-type) représentés par N(μ,σ)). Une distribution normale standard est définie par nous comme une distribution normale avec μ=0 et σ=1, c'est-à-dire N(0,1) 18

Question 8 Je vais utiliser tous les tests que nous avons appris aujourd'hui Vrai ou faux ? Notes for trainers: 19

Réponse Vrai 20