いくつかの予備的な定義

階層化ランダムサンプリングの原則
​ 利用可能なサンプリング方法の中で、この方法はまず、比較的均質な層を構成することで構成されます。対象集団で。次に、各層内のサンプルを決定します。
集団の層別化は、調査に従って選択された関心のある変数から構築され、いくつかのタイプがあります。

これらの変数を選択するには、階層の構築段階で考慮されるターゲット母集団でこれらの変数がわかっている必要があります。
各階層は厳密に排他的である必要があります。つまり、個人は1つの階層にのみ属することができます。
比較的均質な層の場合、各層のサンプルの選択に比例したアプローチをとることができます。言い換えれば、サンプルの各層は、ターゲット母集団の層に関して同じ代表性を持ちます。
目的の1つは、いわゆる統計的推論において、サンプルの結果から、ターゲット母集団に一般化された結論を引き出すことができるようにすることです。

モルビハンの部門に適用された階層化されたランダムサンプリング計画の例

Morbihanのすべての住民（次のアドレスのOpendataでデータが利用可能なINSEE国勢調査）などのターゲット人口を考えてみましょう： https://www.insee.fr/fr/statistiques/1893198 ）、その主な住居は部門にあります。 2020年1月。
保持される関心のある変数は、モルビハンの住民の性別と年齢層（5歳の17の年齢層）です。
次に、ターゲット母集団に34の層（2つの性別x 17の年齢層）が次のように分布します。

各層の母集団は比較的均一であるため、この方法が適切であることが保証されます。
人口サイズを使用して、各層の人口の一部を計算できます。
1,000人のサンプルに同じ母集団の代表性を適用することにより、次の層別化が得られます。

必要な精度を測定するには、通常95％に設定されている信頼レベルを使用して、 信頼間隔を計算します。信頼区間により、以下の記事で説明されているルールに従ってエラーのマージンを定義および計算できます。
​ http://success.openhealth.fr/fr/articles/3928466-intervalle-de-confiance
​

このサンプルは、ターゲット母集団を表すために各層で質問されるターゲットを構成する場合があり、サンプリングの最初のフェーズを構成します。

サンプリングの第2段階は、各層で面接する個人を選択することです。
サンプル内の個人の選択は、置換なしのランダムな選択と見なすことができます。選択基準を満たす個人がランダムに描画されますが、この個人は再度質問されることはありません。

分析フェーズでは、質問された個人に質問票を提出して、後で使用される可能性のある記述変数を充実させることができます。これにより、サブポピュレーションの分析を絞り込むことができます。

SARS-Cov-2ウイルスの血清学的検査への応用

Morbihan部門内でSARS-Cov-2ウイルスの血清有病率調査を実施するには、部門の人口を代表する上記のサンプリング方法を使用できます。 、無症候性の患者を含む研究で。

の測定テストの品質特に疫学において、2つの要因によって測定される：

これら2つの概念の詳細な説明は、次の記事にあります。
​ http://success.openhealth.fr/fr/articles/3928135-sensibilite-et-specificite-d-un-test

質問される個人は、各層の代表性の数に達するためにランダムに選択される必要があります。
調査の参加者は、最も厳格な匿名性を尊重する必要があります。

脆弱性基準 ： > 65歳、糖尿病、心血管疾患または呼吸器疾患、疾患または治療による免疫力の低下に苦しんでいる、活動性または肥満の癌を伴う
​ 居住地 ：集団または個人
​ 専門的活動職業および監禁時にこの機能を行使する可能性
​ ハンディキャップ
​
​ この情報はすべて次のことを可能にします：