Applying Inverse Probability Weighting to Measure Contraceptive Prevalence Using Data from a Community-Based Reproductive Health Intervention in Pakistan

Ece Amber Özçelik, Harvard T.H. Chan School of Public Health Julia Rohr, Harvard T.H. Chan School of Public Health Kristy Hackett, Harvard T.H. Chan School of Public Health Iqbal Shah, Harvard T.H. Chan School of Public Health David Canning, Harvard T.H. Chan School of Public Health

First published online:

| DOI: https://doi.org/10.1363/46e8520
Abstract / Summary

Contexte: De nombreux programmes de santé reproductive à base communautaire utilisent leurs données pour suivre le progrès vers la réalisation de leurs objectifs. L'emploi de ces données pour évaluer l'impact programmatique sur les résultats tels que la pratique contraceptive pose cependant des problèmes de méthode. La pondération par l'inverse de la probabilité (PIP) peut être utile à la résolution de ces difficultés.

Méthodes: Les données relatives à 33 162 femmes, collectées en 2013–2015 dans le cadre d'une initiative de santé reproductive à base communautaire à grande échelle, ont servi à produire des estimations au niveau de la population du taux de prévalence contraceptive (TPC) et du taux de prévalence contraceptive moderne (TPCm) parmi les femmes mariées âgées de 15 à 49 ans dans le district pakistanais de Korangi. Pour rendre compte de l'inclusion non aléatoire des femmes dans l‘échantillon, les estimations de la prévalence pendant les quatre périodes d'intervention de sept mois de l‘étude ont été calculées selon la méthode PIP. Ces estimations ont été comparées à celles obtenues par analyse de cas complète (ACC) et selon la méthode de la dernière observation rapportée (LOCF) – deux approches à hypothèses de modélisation moins souples.

Résultats: Conformément aux protocoles d'intervention, la probabilité que les femmes aient reçu la visite du personnel d'intervention et soient donc incluses dans l‘échantillon diffère suivant leur pratique passée et actuelle de la contraception. Les estimations obtenues selon la méthode PIP portent à croire que le TPC est passé de 51% à 64%, et le TPCm de 34% à 53%, pendant l‘étude. Pour les deux résultats, les estimations PIP étaient supérieures à celles calculées selon la méthode ACC; elles étaient généralement similaires aux estimations LOCF et elles produisaient les plus larges intervalles de confiance.

Conclusions: La PIP offre une méthode efficace de résolution des difficultés d'estimation lors de l'utilisation de données de programme non représentatives de la population, dans les contextes où le coût entrave la collecte de données de résultat pour un groupe témoin approprié.

Author's Affiliations

Ece Amber Özçelik is a doctoral candidate, Julia Rohr and Kristy Hackett are research associates, Iqbal Shah is principal research scientist and David Canning is Richard Saltonstall Professor of Population Sciences, Deputy Director of the Program on the Global Demography of Aging and professor of economics and international health—all at the Department of Global Health and Population, Harvard T.H. Chan School of Public Health, Boston, MA, USA.

Disclaimer

The views expressed in this publication do not necessarily reflect those of the Guttmacher Institute.