Household sampling through geocoded points and satellite view: A step-by-step approach to implement a spatial sampling method for demographic and health surveys in areas without population sampling frame and with limited resource settings

• Published in: Revue d'épidémiologie et de santé publique Vol. 69; no. 4; pp. 173 - 182
• Main Authors: Apetoh, E., Roquet, F., Palstra, F., Baxerres, C., Le Hesran, J.-Y.
• Format: Journal Article
• Language: English
• Published: Elsevier Masson SAS 01.08.2021; Elsevier Masson
• Subjects: Coordonnées géographiques; Geographic Information System (GIS); Geographical coordinates; Global Positioning System (GPS); Households; Humanities and Social Sciences; Life Sciences; Ménages; Satellite view; Spatial sampling; Système de positionnement global (GPS); Système d’information géographique (SIG); Vue satellite; Échantillonnage spatial; Ménages; Spatial sampling; Système d’information géographique (SIG); Système de positionnement global (GPS); Households; Global Positioning System (GPS); Échantillonnage spatial; Satellite view; Geographic Information System (GIS); Coordonnées géographiques; Geographical coordinates; Vue satellite; Households Satellite view
• ISSN: 0398-7620; 1773-0627
• DOI: 10.1016/j.respe.2021.04.140

Spatial sampling is increasingly used in health surveys as it provides a simple way to randomly select target populations on sites where reliable and complete data on the general population are not available. However, the previously implemented protocols have been poorly detailed, making replication difficult or even impossible. To our knowledge, ours is the first document describing step-by-step an efficient spatial sampling method for health surveys. Our objective is to facilitate the rapid acquisition of the technical skills and know-how necessary for its deployment. The spatial sampling design is based on the random generation of geocoded points in the study area. Afterwards, these points were projected on the satellite view of Google Earth Pro™ software and the identified buildings were selected for field visits. A detailed formula of the number of points required, considering non-responses, is proposed. Density of buildings was determined by drawing circles around points and by using a replacement strategy when interviewing was unachievable. The method was implemented for a cross-sectional study during the April-May 2016 period in Cotonou (Bénin). The accuracy of the collected data was assessed by comparing them to those of the Cotonou national census. This approach does not require prior displacement in the study area and only 1% of identified buildings with Google Earth Pro™ were no longer extant. Most of the measurements resulting from the general census were within the confidence intervals of those calculated with the sample data. Furthermore, the range of measurements resulting from the general census was similar to those calculated with the sample data. These include, for example, the proportion of the foreign population (unweighted 8.9%/weighted 9% versus 8.5% in census data), the proportion of adults over 17 years of age (56.7% versus 57% in census data), the proportion of households whose head is not educated (unweighted 21.9%/weighted 22.8% versus 21.1% in census data). This article illustrates how an epidemiological field survey based on spatial sampling can be successfully implemented at low cost, quickly and with little technical and theoretical knowledge. While statistically similar to simple random sampling, this survey method greatly simplifies its implementation. L’échantillonnage spatial est de plus en plus utilisé dans les enquêtes de santé car il offre un moyen simple de sélectionner au hasard des populations cibles sur place lorsque des données fiables et complètes sur la population ne sont pas disponibles. Toutefois, les protocoles mis en œuvre jusqu’à présent sont peu détaillés, ce qui rend leur reproduction difficile, voire impossible. L’objectif de notre étude était de décrire étape par étape une méthode d’échantillonnage spatial efficace pour les enquêtes de santé afin de faciliter l’acquisition rapide des compétences techniques et du savoir-faire nécessaires à son déploiement. La méthode d’échantillonnage spatial présentée a été mise en œuvre dans le cadre d’une étude transversale sur la période avril-mai 2016 à Cotonou au Bénin. Elle est basée sur la génération aléatoire de points géocodés dans la zone d’étude. Ces points ont ensuite été projetés sur la vue satellite du logiciel Google Earth Pro™ et les bâtiments identifiés ont été sélectionnés pour être visités sur le terrain. Une formule détaillée du nombre de points requis, tenant compte des non-réponses, est proposée. La densité des bâtiments a été prise en compte en considérant des cercles autours des points et en utilisant une stratégie de remplacement. L’exactitude des données collectées a été évaluée en les comparant aux données du recensement national de Cotonou. Cette approche ne nécessite pas de déplacement préalable dans la zone d’étude et seulement 1 % des bâtiments identifiés avec Google Earth Pro™ n’existaient plus sur le terrain. La plupart des mesures résultant du recensement général se situaient dans les intervalles de confiance des mesures calculées avec les données de l’échantillon. En outre, les mesures résultant du recensement général étaient proches de celles calculées sur les données de l’échantillon. Il s’agissait, par exemple, de la proportion de la population étrangère (non-pondérée 8,9 %, pondérée 9 % versus 8,5 % pour les données du recensement), de la proportion d’adultes de plus de 17 ans (56,7 % versus 57 % pour les données du recensement), de la proportion de ménages dont le chef de famille n’est pas éduqué (non-pondérée 21,9 %, pondérée 22,8 % versus 21,1 % pour les données du recensement). Cet article décrit comment une enquête épidémiologique de terrain basée sur l’échantillonnage spatial peut être mise en œuvre avec succès à faible coût, rapidement et avec peu de connaissances techniques et théoriques. Cette méthode d’enquête est statistiquement similaire à l’échantillonnage aléatoire simple et simplifie grandement sa mise en œuvre.