• http://dx.doi.org/10.18235/0002023

Banque Interaméricaine de Développement (2023). Paquet de Réplication pour: SPOON : Programme continu pour améliorer la nutrition : Résultats de l’enquête de référence à Baja Verapaz, Guatemala. Données Ouvertes de la BID. https://doi.org/10.60966/p7wx1c1d

1. Anglais

Qu'est-ce que ce jeu de données ?

Le jeu de données SPOON axé sur les enquêtes de référence à Baja Verapaz, Guatemala regroupe les ressources de référence d'une intervention de nutrition destinée aux enfants et à leurs aidants au Guatemala. Il intègre les modules d'enquête sur le ménage, l'aidant et les observations, les fichiers d'assignation aléatoire du traitement et les indicateurs anthropométriques (par exemple, les variantes _zbmi, _zlen et HFA de 2–3 ET).

À quelles questions les chercheurs peuvent-ils répondre avec ces jeux de données ?

• Le conseil nutritionnel et les autres composantes du programme améliorent-ils la croissance de l'enfant (taille/longueur pour l'âge, IMC pour l'âge) et les pratiques de soins ?
• Quels comportements de l'aidant (pratiques d'alimentation, connaissances, préparation des aliments) jouent un rôle de médiateur dans les effets sur les résultats anthropométriques ?
• En quoi les caractéristiques du ménage (actifs, chocs, composition) et les traits de l'aidant (par exemple, grit, estime de soi de Rosenberg, pouvoir de décision) conditionnent-ils l'efficacité du programme ?

Quels fichiers et modules sont inclus ?

• Modules d'enquête : caregiver_all_el/, household_el/, observations_el/, knowledge_el/, practice_el/
• Anthropométrie : hfa_2sd/, hfa_3sd/, bmi_2sd/, _zlen/, _zbmi/
• Ressources d'assignation et d'analyse : 3-treatment_status/, new_household_assignments/, 7-analysis_merge/, 2-baseline_prep/
• Documentation et tableaux : tables3-5/, tablesS4-S11/, tableS4/, fichiers de l'instrument (par exemple, 20180823_Instrumento SPOON Guatemala)
• dataset_metadata.csv, qui récapitule l'ensemble des ressources

Que contiennent les fichiers anthropométriques ?

Indicateurs normalisés selon le modèle de l'OMS : - Taille/longueur pour l'âge (risque de retard de croissance) : hfa_2sd/, hfa_3sd/, _zlen/ - IMC pour l'âge (risque de maigreur ou de surnutrition) : bmi_2sd/, _zbmi/ Ils sont d'ordinaire fournis sous forme de scores z et de seuils binaires (±2ET ou ±3ET), adaptés aux estimations de régression ou de prévalence.

Quelles variables relatives à l'aidant et au ménage sont disponibles ?

• Aidant : données démographiques, éducation, indices psychosociaux (grit, estime de soi de Rosenberg), prise de décision, emploi du temps, connaissances et pratiques.
• Ménage : composition, actifs, chocs, sécurité alimentaire, WASH et marqueurs socioéconomiques.
• Observations : conditions du logement et de l'environnement consignées par l'enquêteur pour corroborer les déclarations.

Comment le traitement est-il défini dans les jeux de données SPOON ?

Le statut de traitement — randomisé ou en grappes — figure dans 3-treatment_status/ et dans new_household_assignments/, ce qui rend possibles des analyses en intention de traiter et de traitement sur les traités. Les ressources de 7-analysis_merge/ aident à reproduire les fusions analytiques utilisées dans les tableaux (tables3-5/, tablesS4-S11/).

Comment fusionner les jeux de données ?

Prenez les fichiers d'assignation comme point de départ, puis reliez les indicateurs de ménage, d'aidant et d'observations aux indicateurs anthropométriques au moyen des identifiants partagés que documentent les dictionnaires de ressources ou les scripts de fusion (par exemple, 7-analysis_merge/). Vérifiez toujours le nom et le type des clés avant la jointure.

Quelles sont les analyses standard menées sur les jeux de données SPOON ?

• Modèles ITT / DiD fondés sur l'assignation de traitement de référence et les résultats des enfants (par exemple, _zlen, _zbmi, hfa_*).
• Médiation par les connaissances et pratiques de l'aidant et par les caractéristiques du ménage (WASH, sécurité alimentaire).
• Hétérogénéité selon l'âge et le sexe de l'enfant, l'éducation de l'aidant et les marqueurs de pauvreté du ménage.
• Robustesse avec des seuils d'ET alternatifs (2ET face à 3ET) et différents niveaux de regroupement.

Que dois-je savoir sur le calendrier et les instruments ?

Les fichiers de l'instrument (par exemple, 20180823_Instrumento SPOON Guatemala) détaillent les modules et le cheminement des questions. Appuyez-vous sur eux pour faire coïncider le calendrier de l'enquête avec l'anthropométrie et pour décoder les schémas de saut, les indices construits et les scores composites.

Quelles sont les limites du jeu de données ?

• Centrage sur la référence : faute de cycles ultérieurs, les conclusions causales s'appuient sur l'assignation aléatoire et les contrastes transversaux ; consultez la documentation pour vérifier la disponibilité d'un suivi.
• Erreur de mesure : l'anthropométrie réclame un contrôle qualité minutieux ; réexaminez les valeurs aberrantes signalées par les seuils de 2–3 ET.
• Spécificité du contexte : les résultats valent surtout pour les communautés et les contextes représentés dans l'échantillon du Guatemala.

Quels formats sont fournis ?

Essentiellement des tableaux au format CSV, accompagnés d'une documentation (instruments, répertoires de code et de tableaux) et d'un CSV de métadonnées du jeu de données qui catalogue les ressources, les formats, les tailles et les URL d'accès.

Quel est le lien avec les autres ressources SPOON ?

Ces jeux de données spoon de référence concordent avec les publications et les rapports techniques du programme SPOON. Associez les fichiers d'assignation à l'anthropométrie et aux modules d'enquête pour reproduire les tableaux de synthèse (par exemple, tables3-5/, tablesS4-S11/).

Des conseils pour des flux de travail reproductibles ?

• Commencez par dataset_metadata.csv pour inventorier les ressources.
• Harmonisez les clés d'identification et conservez une source unique de vérité pour les fusions (par exemple, les scripts de 7-analysis_merge/).
• Tenez un journal du nettoyage des données (règles de winsorisation et de valeurs aberrantes) pour _zbmi, _zlen, hfa_*.
• Pré-enregistrez les spécifications du modèle (résultats, covariables, grappes) afin que l'analyse puisse être auditée.