Avalie o efeito da intervenção de água limpa, saneamento e higiene da Planet Water Foundation

É necessária uma abordagem multidimensional para cumprir os Objetivos de Desenvolvimento do Milênio (ODM) para abordar os Conhecimentos, Atitudes e Práticas de Higiene e Saneamento. O ODM de reduzir a mortalidade infantil até 2015 exigirá um foco maior nos países e regiões onde as taxas de mortalidade infantil são as mais altas e um compromisso renovado para alcançar as crianças mais vulneráveis ​​(ONU, 2013). A Índia e a Nigéria representam mais de um terço de todas as mortes de crianças com menos de cinco anos de idade (ONU, 2013). Usando uma combinação de revisão de literatura baseada em pesquisa, opinião de especialistas e relatórios de políticas, um modelo multifatorial foi desenvolvido para determinar as variáveis ​​necessárias que precisam ser abordadas para que uma abordagem integrada para problemas relacionados a WASH possa ser projetada.

Foram identificadas variáveis ​​que impactam os resultados de WASH. Essas variáveis ​​foram classificadas em várias categorias, incluindo:

1. Dados sociodemográficos
2. Ambiental e Acesso
3. Conhecimentos, Atitudes e Práticas
4. Perfil de Saúde Familiar
5. Características da escola

O estudo proposto é realizar um ensaio clínico de controle randomizado para atender aos objetivos gerais do estudo, avaliando o Programa da Planet Water Foundation por meio da estrutura multidimensional desenvolvida. O ensaio clínico proposto incluirá 12 escolas (6 residenciais e 6 não residenciais). Seis escolas (n=3 residenciais; n=3 não residenciais) cada uma será incluída no Grupo 1 (intervenção Sem Planet Water) e Grupo 2 (Com intervenção Planet Water) de dois locais, incluindo distritos de Pune e Thane no Estado de Maharashtra. Os locais foram combinados com base em fontes de água semelhantes na escola, instalações sanitárias, testes de qualidade da água, técnicas de purificação de água, configuração geográfica e tamanho geográfico da população.

O Programa da Planet Water Foundation (PWP) oferece um programa escolar com o objetivo de melhorar os resultados de saúde em crianças usando três componentes: (a) acesso à água potável, (b) acesso a instalações para lavar as mãos e (c) acesso à água - educação para a saúde e higiene. Como parte do PWP, o acesso à água potável é fornecido por meio do uso de um AquaTower, que incorpora um sistema de Ultrafiltração (UF). O programa educacional Water-Health & Hygiene da PWP é um programa de quatro semanas, incluindo quatro módulos: (1) importância da água limpa, (2) como lavar as mãos, (3) quando lavar as mãos e (4) proteger contra germes através de um programa prático baseado em atividades que incorpora jogos, teatro, música e dança.

Uma abordagem de métodos mistos foi usada com perguntas abertas e de múltipla escolha na forma de questionários. Os questionários foram traduzidos do inglês para o idioma local (marathi) e retrotraduzidos para o inglês para análise pela BAIF Development Research Foundation na Índia. Alunos, cuidadores domésticos/pais e professores receberam questionários separados. Três entrevistas diferentes foram realizadas: (1) um questionário domiciliar aplicado na casa de cada aluno incluído no estudo, (2) um questionário do professor aplicado nas escolas e (3) um questionário do aluno aplicado com cada aluno individualmente pelo entrevistador em uma sala separada, longe dos outros alunos. O Grupo 1 e o Grupo 2 receberam os mesmos questionários. Todos os questionários foram administrados em cooperação com a BAIF Development Research Foundation, uma fundação local na Índia. A fundação recebeu coleta de dados e treinamento de entrada de dados antes do estudo. Os dados serão coletados em formulários de papel e todos os dados serão inseridos no Microsoft Excel®. O repositório de dados online será armazenado de forma criptografada e será protegido por senha. As informações serão armazenadas atrás de um firewall seguro fornecido pela fundação de pesquisa local na Índia. Todos os dados coletados nos formulários de papel serão armazenados em um armário trancado, e as informações serão acessadas apenas pelos indivíduos que estão diretamente envolvidos na pesquisa. O consentimento será obtido garantindo que (1) apenas pessoal aprovado esteja presente durante o processo de consentimento, (2) o menor número possível de indivíduos esteja ciente da participação do sujeito na pesquisa e (3) as atividades de pesquisa sejam realizadas em privado de um lugar possível.

A amostra do estudo incluirá seis escolas do Grupo 1 (sem intervenção PWP) e seis escolas do Grupo 2 (com intervenção PWP), com 60 alunos por escola para um total de 360 ​​alunos nas escolas do Grupo 1 e 360 ​​alunos nas escolas do Grupo 2. O tamanho da amostra entre as 12 escolas foi calculado assumindo um coeficiente de correlação intra-cluster de p=0,01, este desenho fornecerá 80% de poder (Donner e Klar, 1996) para detectar um tamanho de efeito médio (Cohen 1992) de 0,50. O tamanho da amostra será aumentado em 15%, para 414 para intervenção e controle, para compensar o atrito.

Estatísticas descritivas serão computadas para todas as variáveis ​​para garantir a qualidade dos dados e para avaliar as suposições dos testes estatísticos. As distribuições variáveis ​​serão descritas com histogramas, box plots, tendências centrais, medidas de variação e distribuições de frequência. Vamos testar a suposição de normalidade para as medidas de resultado, dentro dos grupos PWP e controle. Além disso, testaremos a suposição de que os grupos PWP e controle têm variâncias iguais. Modelos lineares generalizados mistos (GLMMs) com variâncias desiguais (McCulloch et al., 2008) podem ser aplicados quando as condições ideais de normalidade e variâncias iguais não são atendidas. O teste da igualdade de variâncias está disponível com a instrução COVTEST, que se baseia na razão de probabilidades residuais ou pseudoprobabilidades. Os resíduos em cada nível do modelo serão examinados para avaliar o ajuste do modelo. Modelos mistos lineares generalizados usando SAS PROC GLIMMIX também fornecem a flexibilidade para modelar diferentes tipos de variáveis ​​de resultado (binárias, contagens e dados contínuos). Todas as análises serão realizadas utilizando o software SAS/STAT® para Windows versão 9.2 ou superior.

Antes de testar as hipóteses do estudo, examinaremos os dados para possíveis covariáveis. Variáveis ​​de confusão potenciais serão controladas inserindo essas variáveis ​​como covariáveis ​​nos modelos de regressão. Essas variáveis ​​explicativas melhorarão a detecção dos efeitos do tratamento, inserindo essas variáveis ​​como covariáveis ​​nos GLMMs. Essas variáveis ​​serão inseridas como uma covariável se o teste qui-quadrado bilateral univariado comparando os grupos PWP e controle for significativo no nível alfa de 0,20. Na análise preliminar, examinaremos as covariáveis ​​potenciais usando um nível único, mas também examinaremos as covariáveis ​​potenciais usando modelos lineares hierárquicos. Usaremos um alfa liberal de 0,20 para a decisão de ajustar ou não uma covariável para que efeitos de confusão importantes não sejam negligenciados.

Estrutura hierárquica e correlacionada de dados: Uma abordagem de modelos lineares hierárquicos (HLM) (Raudenbush e Bryk, 2002) será usada para explicar a correlação induzida por medições repetidas ao longo do tempo para alunos aninhados em escolas. A escola será modelada como um efeito aleatório. Esses HLMs serão implementados em SAS usando modelos mistos lineares generalizados, que podem ser aplicados para analisar dados binários, contagens e medições repetidas contínuas, coletados em intervalos de tempo desiguais seguindo uma estrutura hierárquica (McCulloch e Searle, 2001; Liang e Zeger 1986). Esses modelos abordam a natureza correlacionada de várias medições que vêm de cada assunto ao longo do tempo. Prevemos que os modelos lineares generalizados serão apropriados para os dados, mas também exploraremos usando o método de equações de estimativa generalizada (GEE) (McCulloch e Searle, 2008). O método GEE não requer pressupostos de normalidade e variâncias iguais, mas usa menos informações do que os modelos lineares mistos, pois apenas os dois primeiros momentos da distribuição são empregados no GEE.