Anemia design effects in cluster surveys of women and young children in refugee settings
Notice bibliographique
Résumé
BACKGROUND: Nutrition surveys in many refugee settings routinely estimate anemia prevalence in high-risk population groups. Given the lack of information on anemia design effects (DEFF) observed in surveys in these settings, the goal of this paper is to better understand the magnitude and distribution of DEFFs and intracluster correlation coefficients (ICCs) in order to inform future survey design. METHODS: Two-stage cluster surveys conducted during 2013-2016 were included if they measured hemoglobin in refugee children aged 6-59 months and/or non-pregnant women aged 15-49 years. Prevalence of anemia, anemia DEFFs and ICCs, mean cluster size, number of clusters, and total sample size were calculated per-survey for non-pregnant women and children. Non-parametric tests were used to assess differences and correlations of ICC and DEFF between women and children and inter-regional differences. RESULTS: Eighty-seven unique cluster surveys from nine countries were included in this analysis. More than 90% of all surveys had ICC values for anemia below 0.10. Median ICC for children was 0.032 (IQR: 0.015-0.048), not significantly different from that observed for non-pregnant women for whom the median was 0.024 (IQR: -0.002-0.055). DEFFs were significantly higher for children [1.54 (IQR: 1.21-1.82)] versus women [1.20 (IQR: 0.99-1.46)]. Regional differences in DEFFs and ICCs were observed. CONCLUSIONS: Both ICCs and DEFF were relatively small for both non-pregnant women and preschool children and fall in a narrow range. Differences in ICCs between women and children were non-significant, suggesting similar inter-cluster distributions of anemia; significant differences in DEFF were likely attributable to differing cluster sizes. Given regional differences in both ICCs and DEFFs, location-specific values are preferred. However, in the absence of other context-specific information, we suggest using DEFFs of 1.4-1.8 if mean cluster size is around 20, and DEFFs of 1.2-1.4 if mean cluster size is around 10.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».