Arvioi Planet Water Foundationin puhtaan veden, sanitaatio- ja hygieniatoimien vaikutus

Vuosituhannen kehitystavoitteiden (MDG) saavuttamiseksi tarvitaan moniulotteinen lähestymistapa vesi- ja sanitaatiohygieniaa koskevien tietojen, asenteiden ja käytäntöjen käsittelemiseksi. Vuosituhannen kehitystavoite vähentää lapsikuolleisuutta vuoteen 2015 mennessä edellyttää entistä enemmän keskittymistä maihin ja alueisiin, joissa lasten kuolleisuus on korkein, sekä uutta sitoutumista haavoittuvimpien lasten tavoittamiseen (YK, 2013). Intia ja Nigeria aiheuttavat yli kolmanneksen kaikista alle viisivuotiaiden lasten kuolemista (YK, 2013). Tutkimuspohjaisen kirjallisuuskatsauksen, asiantuntijalausunnon ja politiikkaraporttien yhdistelmän avulla kehitettiin monitekijämalli määrittämään tarvittavat muuttujat, joihin on puututtava, jotta voidaan suunnitella integroitu lähestymistapa WASH-ongelmiin.

Tunnistettiin muuttujia, jotka vaikuttavat WASH-tuloksiin. Nämä muuttujat on luokiteltu useisiin luokkiin, mukaan lukien:

1. Sosiodemografia
2. Ympäristö ja pääsy
3. Tieto, asenteet ja käytännöt
4. Perheen terveysprofiili
5. Koulun ominaisuudet

Ehdotetun tutkimuksen tarkoituksena on suorittaa satunnaistettu kliininen kontrollikoe yleisten tutkimuksen tavoitteiden saavuttamiseksi arvioimalla Planet Water Foundationin ohjelmaa kehitetyn moniulotteisen viitekehyksen avulla. Ehdotettu kliininen tutkimus kattaa 12 koulua (6 kotitaloutta ja 6 muuta koulua). Kuusi koulua (n = 3 asuintaloa; n = 3 muuta koulua) sisällytetään kukin ryhmään 1 (ei planeettavesitoimia) ja 2 (Planeet Water -interventio) kahdesta paikasta, mukaan lukien Punen ja Thanen alueet Punen osavaltiossa. Maharashtra. Paikat yhdistettiin samanlaisten koulujen vesilähteiden, wc-tilojen, vedenlaadun testauksen, vedenpuhdistustekniikoiden, maantieteellisen sijainnin ja maantieteellisen väestön koon perusteella.

Planet Water Foundationin ohjelma (PWP) tarjoaa kouluihin perustuvan ohjelman, jonka tavoitteena on parantaa lasten terveystuloksia kolmella osa-alueella: (a) puhtaan veden saatavuus, (b) pääsy käsienpesutiloihin ja (c) veden saatavuus. - terveys- ja hygieniakoulutus. Osana PWP:tä turvallista vettä tarjotaan käyttämällä AquaToweria, joka sisältää Ultra Filtration (UF) -järjestelmän. PWP:n vesi-terveys- ja hygieniakoulutusohjelma on neljän viikon ohjelma, joka sisältää neljä moduulia: (1) puhtaan veden merkitys, (2) käsien pesu, (3) käsien pesu ja (4) suojautuminen bakteereilta. käytännönläheisen, toimintaan perustuvan ohjelman kautta, joka sisältää pelejä, draamaa, laulua ja tanssia.

Sekamenetelmää käytettiin avoimissa ja monivalintakysymyksissä kyselylomakkeiden muodossa. Kyselylomakkeet käännettiin englannista paikalliselle kielelle (marathi) ja käännettiin takaisin englanniksi BAIF Development Research Foundationin analysoitavaksi Intiassa. Opiskelijoille, omaishoitajille/vanhemmille ja opettajille jaettiin erilliset kyselylomakkeet. Haastatteluja tehtiin kolme erilaista: (1) jokaisen tutkimukseen osallistuneen oppilaan kotona tehty kotitalouskysely, (2) kouluissa hoidettu opettajakysely ja (3) haastattelijan jokaiselle opiskelijalle erikseen antama opiskelijakysely. erillisessä huoneessa erillään muista opiskelijoista. Ryhmät 1 ja ryhmä 2 saivat samat kyselylomakkeet. Kaikki kyselylomakkeet hoidettiin yhteistyössä Intian paikallisen säätiön BAIF Development Research Foundationin kanssa. Säätiö sai tiedonkeruu- ja tiedonsyöttökoulutuksen ennen tutkimusta. Tiedot kerätään paperilomakkeille ja kaikki tiedot syötetään Microsoft Exceliin®. Online-tietovarasto tallennetaan salattuna ja on salasanalla suojattu. Tiedot tallennetaan Intian paikallisen tutkimussäätiön tarjoaman suojatun palomuurin taakse. Kaikki paperilomakkeille kerätyt tiedot säilytetään lukitussa kaapissa ja tiedot ovat vain niillä henkilöillä, jotka ovat suoraan mukana tutkimuksessa. Suostuksella varmistetaan, että (1) vain hyväksytty henkilöstö on paikalla suostumusprosessin aikana, (2) mahdollisimman pieni määrä henkilöitä on tietoinen koehenkilön osallistumisesta tutkimukseen ja (3) tutkimustoimintaa suoritetaan yksityisesti paikkaan kuin mahdollista.

Tutkimusotokseen kuuluu kuusi ryhmän 1 (ei PWP-interventiota) koulua ja kuusi ryhmän 2 (PWP-interventiolla) koulua, joissa on 60 oppilasta koulua kohden, yhteensä 360 oppilasta ryhmän 1 kouluissa ja 360 oppilasta ryhmän 2 kouluissa. Otoskoko 12 koulun kesken laskettiin olettaen, että klusterin sisäinen korrelaatiokerroin on p = 0,01, tämä malli antaa 80 % tehon (Donner ja Klar, 1996) havaitakseen keskikokoisen vaikutuksen koon (Cohen 1992), joka on 0,50. Otoskokoa kasvatetaan 15 %:lla 414:ään interventio- ja valvontatoimia varten kulumisen huomioon ottamiseksi.

Kaikille muuttujille lasketaan kuvaavat tilastot tiedon laadun varmistamiseksi ja tilastollisten testien oletusten arvioimiseksi. Muuttujien jakaumat kuvataan histogrammeilla, laatikkokaavioilla, keskeisillä trendeillä, variaatiomittauksilla ja taajuusjakaumilla. Testaamme tulosmittareiden normaaliuden oletusta PWP- ja kontrolliryhmissä. Lisäksi testaamme oletusta, että PWP- ja kontrolliryhmien varianssit ovat yhtä suuret. Yleistettyjä lineaarisia sekamalleja (GLMM), joilla on epätasainen varianssi (McCulloch et al., 2008), voidaan soveltaa, kun ihanteelliset normaalin ja yhtäläisten varianssien ehdot eivät täyty. Varianssien yhtäläisyyden testaus on mahdollista COVTEST-lauseella, joka perustuu jäännöstodennäköisyyksien tai pseudotodennäköisyyksien suhteeseen. Jäännökset kullakin mallin tasolla tutkitaan mallin sopivuuden arvioimiseksi. Yleistetyt lineaariset sekamallit, joissa käytetään SAS PROC GLIMMIXiä, tarjoavat myös joustavuutta erityyppisten tulosmuuttujien mallintamiseen (binääri-, laskenta- ja jatkuva data). Kaikki analyysit suoritetaan käyttämällä SAS/STAT®-ohjelmistoa Windows-versiolle 9.2 tai uudemmalle.

Ennen tutkimushypoteesien testaamista tutkimme datasta mahdollisia kovariaatteja. Mahdollisia hämmentäviä muuttujia ohjataan syöttämällä nämä muuttujat kovariaatteina regressiomalleihin. Nämä selittävät muuttujat parantavat hoitovaikutusten havaitsemista syöttämällä nämä muuttujat kovariaatteina GLMM:iin. Nämä muuttujat syötetään kovariaatteina, jos yksimuuttujainen kaksipuolinen chi-neliö-testi, jossa verrataan PWP- ja kontrolliryhmiä, on merkitsevä alfatasolla 0,20. Alustavassa analyysissä tutkimme mahdollisia kovariaatteja yksitasoisesti, mutta tutkimme myös mahdollisia kovariaatteja hierarkkisten lineaaristen mallien avulla. Käytämme liberaalia alfaa 0,20 päätettäessä, sopeutetaanko kovariaatille, jotta tärkeitä hämmentäviä vaikutuksia ei jätetä huomiotta.

Hierarkkinen, korreloitu tietorakenne: Hierarkkisten lineaaristen mallien (HLM) lähestymistapaa (Raudenbush ja Bryk, 2002) käytetään ottamaan huomioon toistuvien mittausten aiheuttama korrelaatio ajan mittaan koulujen sisällä oleville oppilaille. Koulu mallinnetaan satunnaisena vaikutuksena. Nämä HLM:t toteutetaan SAS:ssa yleisillä lineaarisilla sekamalleilla, joita voidaan soveltaa analysoimaan binääri-, laskenta- ja jatkuvatoimisia toistuvia mittaustietoja, jotka on kerätty eri aikavälein hierarkkista rakennetta noudattaen (McCulloch ja Searle, 2001; Liang ja Zeger 1986). Nämä mallit käsittelevät useiden mittausten korrelaatiota, jotka tulevat kustakin kohteesta ajan myötä. Odotamme, että yleistetyt lineaariset mallit ovat sopivia datalle, mutta tutkimme myös yleisten estimointiyhtälöiden (GEE) menetelmää (McCulloch ja Searle, 2008). GEE-menetelmä ei vaadi oletuksia normaalista ja yhtäläisestä varianssista, mutta se käyttää vähemmän tietoa kuin lineaariset sekamallit, koska GEE:ssä käytetään vain kahta ensimmäistä jakauman momenttia.