Contrôles de base de la qualité des données anthropométriques

Présentation au sujet: "Contrôles de base de la qualité des données anthropométriques"— Transcription de la présentation:

1 Contrôles de base de la qualité des données anthropométriques

2 Objectifs Valeurs extrêmes: flags. Flags OMS et SMART Écart-type
qualité des données anthropométriques Objectifs Valeurs extrêmes: flags. Flags OMS et SMART Écart-type

3 Valeurs extrêmes: flags
qualité des données anthropométriques Valeurs extrêmes: flags Valeurs qui se situent à l'extérieur d'une intervalle acceptable Valeurs en dehors de l’intervalle plausible sont souvent dues à une mauvaise mesure, à une date de naissance inexacte ou à des erreurs d'enregistrement des données. une indication importante de la qualité des données Les enregistrements marqués comme flag, peuvent être vérifiés et corrigés ou censurés. Le système de flag actuellement recommandé pour détecter les valeurs invraisemblables du score Z dans l'analyse des enquêtes nationales a été défini en 2006 lorsque les normes de croissance de l'OMS pour les enfants ont été publiées, remplaçant les références de croissance de l'OMS/NCHS. Les seuils du système ont été définis sur la base de ce qui est biologiquement invraisemblable ou incompatible avec la vie. Ces seuils d'alerte ont été contestés à partir d'observations d'enfants vivants qui ont des scores Z supérieurs aux valeurs invraisemblables actuellement définies.

4 Flags s'applique habituellement auxHAZ
qualité des données anthropométriques Flags s'applique habituellement auxHAZ TAZ PTZ PAZ (adults) Les valeurs marqués comme flag, peuvent être vérifiés et corrigés ou censurés Le flag est un processus qui consiste à vérifier si les valeurs des indices anthropométriques se situent en dehors d'une intervalle donnée. Le processus de signalisation peut être facilement appliqué à d'autres variables, même les données de routine ne provenant pas d'enquêtes.

5 Flags Deux critères sont couramment utilisés Flags OMS Flags SMART
qualité des données anthropométriques Flags Deux critères sont couramment utilisés Flags OMS Flags SMART Le flag est un processus qui consiste à vérifier si les valeurs des indices anthropométriques se situent en dehors d'une intervalle donnée. SMART et l'OMS ont des critères d'identification différents. Les flags SMART sont plus stricts, donc excluent plus de données. Ainsi, les critères de flags SMART peuvent réduire la prévalence estimée. Le processus de signalisation peut être facilement appliqué à d'autres variables, même les données de routine ne provenant pas d'enquêtes. Les flags sont un processus de vérification pour voir si les valeurs des indices anthropométriques se situent en dehors d'une intervalle donnée. Les valeurs en dehors de ces limites de signalisation sont jugées invraisemblables, mais il est à noter que des valeurs en dehors de ces limites de signalisation peuvent être observées chez les enfants admis dans des programmes d'alimentation thérapeutique. Soyez donc prudent lorsque vous utilisez des indicateurs pour les données de routine

6 Flagging criteria Basic Anthropometric data quality checks
Les deux méthodes marquent les donnés dans lesquels un ou plusieurs indices anthropométriques sont supérieurs à une certaine distance d'une valeur de référence. Les critères de l'OMS sont de simples intervalles biologiquement plausibles autour de la moyenne de référence de zéro. Si, par exemple, une valeur pour PTZ est inférieure à -5 ou supérieure à +5, le valeur est marqué pour indiquer un problème probable avec l´indice PTZ. Les critères SMART sont plus compliqués. Ils exigent que la valeur moyenne de l'indice soit calculée à partir des données de l'enquête. Cette valeur est ensuite utilisée comme valeur de référence, puis 3 z-scores sont ajoutés ou soustraits pour créer une intervalle. Par exemple, une valeur moyenne PTZ de -1,15 donne les limites inférieure et supérieure pour les flags SMART de : -1, = -4,15 et -1, = +1,85

7 Flagging criteria Basic Anthropometric data quality checks
Les critères de flags de l'OMS et les critères de flags SMART signaleront de mesures différents mais qui se chevauchent. Les critères de flag SMART marqueront généralement plus d'enregistrements que les critères de flag de l'OMS. Cela réduira la prévalence estimée

8 Flagging criteria Basic Anthropometric data quality checks
La prévalence se trouve dans les "queues" de la distribution. La prévalence estimée est calculée d´après les cas définis à l'aide de z-scores -3 inférieurs à la médiane de référence (c.-à-d. zéro). Les barres rouges indiquent les cas restants après que les "valeurs aberrantes" à gauche ont été censurées. La zone couverte par les barres rouges représente la prévalence estimée après la censure des valeurs flag. La prévalence estimée est rapportée sous chaque parcelle sous la forme p(z < -3). Le « flag » consiste à détecter les valeurs aberrantes. Un seul critère flag, soit l'OMS soit SMART, doit être utilisé. Les critères flags de l'OMS et SMART sont conçus pour être appliqués à des échantillons d'enfants mesurés dans le cadre d'enquêtes. Ils ne doivent pas être appliqués à des données d'enfants malnutris ou malades. Nous recommandons d'utiliser les flags de l'OMS

9 Flags qualité des données anthropométriques
Présentez le pourcentage de valeur flag pour chaque indicateur séparément: TAZ, PTZ et PAZ ainsi que par chaque équipe de terrain. Une valeur seuil de 1% est recommandée par l'OMS pour définir le pourcentage de valeurs invraisemblables indiquant une mauvaise qualité des données. Les lignes directrices SMART considèrent que les proportions supérieures à 7,5 % sont problématiques. La proportion de flags dans un ensemble de données devrait, idéalement, être inférieure à 5 %. Présentez le pourcentage de flags par d'autres désagrégations si le pourcentage de flags est supérieur à 1 %. Bien qu'un pourcentage élevé de flags est une indication de la mauvaise qualité des données, un pourcentage faible n'implique pas nécessairement une qualité adéquate des données car il peut y avoir des valeurs inexactes dedeans les intervalles e de valeurs de l'OMS. calculer des indices anthropométriques à partir de données anthropométriques, puis appliquer des critères de flags

10 Écart-type SD = 1 SD < 1 SD > 1
L'écart-type (ET) est une mesure statistique qui quantifie la variation dans un ensemble de données. Plus l'écart-type est petit, plus les données tendent à se rapprocher de la moyenne. Plus l'écart-type est élevé, plus les données sont dispersés. Les écart-types ne peuvent pas être négatifs, la valeur la plus basse possible pour un écart-type est zéro, ce qui indiquerait que tous les données sont égaux à la moyenne (c'est-à-dire qu'il n'y a qu'une seule valeur dans l'ensemble des données, par exemple, chaque enfant a exactement la même valeur PTZ, et donc aucune variation) L'échantillon de référence standard de croissance de l'OMS de 2006, par définition, a une distribution normale standard avec une moyenne de zéro et un écart-type de 1 pour chacun des indices anthropométriques incluant PAZ, PTZ et TAZ. La norme de croissance est basée sur un échantillon d'enfants en bonne santé provenant de six pays différents (Brésil, Ghana, Inde, Norvège, Oman, États-Unis) avec différents groupes ethniques vivant dans un environnement optimale. Mais qu'est-ce que le ET dans la population sous-alimentée ? Nous ne savons pas !!!!!!!!! Il est donc difficile de fixer des limites.

11 Exercice rapide Nous devons séparer les résultats de deux examens d'une classe de 30 élèves ; les notes du premier examen varient entre 31 % et 98 % et celles du second entre 82 % et 93 %. Compte tenu de cettes intervalles , quel examen aura l'écart-type le plus élevé ? Faible écart-type : vos données sont " proches " de la médiane. Écart-type élevé : vos données sont dispersées sur un grand intervalle.

12 Exercice rapide l'écart-type sera plus élevé pour les résultats du premier examen.

13 qualité des données anthropométriques
Écart-type (ET) Plus l'écart-type est élevé, plus la qualité des données est susceptible d'être médiocre. Très difficile d'établir des intervalles acceptables Les écart-type sont généralement plus larges pour les zones avec émergences humanitaires Les ET pour les TAZ sont les plus élevés pour les jeunes enfants. Aucune différence entre les filles et les garçons L'écart-type est parfois considéré comme une mesure utile de la qualité des données lorsqu'il est appliqué aux z-scores. Le Rapport technique de 1995 de l'OMS sur l'anthropométrie a suggéré un ensemble de intervalles de valeurs du ET en dehors desquelles la qualité des données pourrait être préoccupante, mais ces seuils doivent être révisés afin qu'ils puissent mieux refléter les enquêtes nationales et la norme de croissance de l'OMS actuellement utilisée. Les écart-type sont généralement plus larges pour les TAZ que pour les PAZ ou les PTZ. Une partie de cette situation est probablement attribuable à une erreur de mesure, car il est plus difficile de mesurer avec précision la taille que le poids avec l'équipement actuellement disponible et l'obtention d'une date de naissance exacte peut poser un problème dans certaines populations. Les ET pour les TAZ sont les plus élevés chez les jeunes enfants et se resserrent à mesure que l'âge des enfants augmente. Les ET ne devraient pas différer sensiblement entre les filles et les garçons, bien qu'il puisse y avoir de légères variations biologiques.

14 Écart-type (ET) SD = 1 SD > 1
Si l’ET est >1, la prévalence calculée avec l’ET actuel est supérieur à celle calculée avec ET = 1. Le Rapport technique de l'OMS sur l'anthropométrie de 1995 recommandait d'utiliser le ET comme norme de qualité avec des intervalles acceptables de 1,1 à 1,3 pour la TAZ, de 1,0 à 1,2 pour la PAZ et de 0,85 à 1,1 pour la PTZ. SMART indique que l'écart type acceptable pour des z-scores de poids par rapport à la taille (PTZ) est de 0,8 à 1,2. Mais il n'y a pas de consensus. Il est plus important de comprendre et d'identifier les causes des écarts-types importants, car ils peuvent être dus à de mauvaises données et produire des estimations de prévalence gonflées, mais ils peuvent aussi être dus à un échantillonnage dans une population mixte plutôt qu'à la mauvaise qualité des données. Les erreurs de mesure systématiques ont tendance à augmenter l'écart-type, mais n'ont pas d'incidence sur le Z score moyen. L'utilisation du score Z moyen au lieu de la prévalence de la malnutrition est un indicateur plus fiable en cas d'erreurs systématiques fréquentes. MAIS il est plus difficile de présenter le score Z que la prévalence.

15 Écart-type (ET) Calculé par la plupart des logiciels
Ne s'applique qu'aux données nettoyées dont les données erronées et les flags ont été censurés. Où n= le nombre onnées, Y = la moyenne de Yi et Yi est chacune des valeurs de l'ensemble de données. Il est recommandé de présenter l'écart-type pour chaque indicateur séparément, TAZ, PTZ et PAZ, ainsi que pour différentes strates. des explications devraient être explorées et incluses dans le rapport d'enquête. Le ET pour les indices anthropométriques d'une enquête donnée peut également être comparé à ceux d'autres enquêtes représentatives de la même population au cours de la même période et à peu près au même moment. Il est important de repérer et d'identifier les causes des grands écarts types pour évaluer la qualité des données. Par conséquent, si le ET est artificiellement gonflé en raison de la mauvaise qualité des données, les estimations de prévalence risquent d'être surestimées. La quantification définitive de la part de la dispersion dans les z-scores qui peut être attribuée à l'hétérogénéité par rapport à des environnements qui ne supportent pas une croissance optimale et de la part de l'erreur de mesure est une question de recherche difficile.

16 qualité des données anthropométriques
Conclusions En ce qui concerne le ET, de la recherche complémentaire est nécessaires pour (i) élaborer des directrices sur la façon de dégager la contribution relative de l'erreur de mesure de la dispersion prévue associée à la population (ii) déterminer un seuil à partir duquel l'écart-type pourrait être lié de manière plus concluante à la qualité des données pour chaque indice anthropométrique. D'autres approches nécessitent encore plus de recherche

17 Excercice 4 Diviser en 4 groupes
Le fichier ex04.csv est un fichier de valeurs séparées par des virgules (CSV) contenant les données anthropométriques d'une récente enquête SMART au Soudan. Calculer les flags OMS et SMART Équipe B : présente sur les flags de l'OMS Équipe C : présente sur les flags SMART