Filling subnational sanitation data gaps in low- and middle-income countries

بالنسبة لمليارات البشر، لا يُعد الفعل البسيط المتمثل في استخدام المرحاض أمراً مفروغاً منه. إن الوصول إلى الصرف الصحي الآمن هو حق أساسي من حقوق الإنسان، ومع ذلك، لا يزال ما يقرب من 1.5 مليار شخص حول العالم يفتقرون إلى الخدمات الأساسية. هذه الفجوة ليست مجرد إحصائية؛ بل هي محرك للأمراض، وتقزم الأطفال، والوفيات التي يمكن الوقاية منها. ولحل هذه المشكلة، تحتاج الحكومات والمنظمات الإغاثية إلى معرفة أين تشتد الحاجة بالضبط. إنهم بحاجة إلى رؤية خريطة الصرف الصحي، ليس فقط للدول بأكملها، بل للمناطق المحددة داخلها. ومع ذلك، في العديد من الدول منخفضة ومتوسطة الدخل، تفتقر هذه الخريطة التفصيلية للوجود. وغالباً ما تأتي البيانات المتاحة من المسوحات الأسرية التي تُعد مكلفة للغاية، وتستغرق سنوات لإكمالها، وتترك مساحات شاسعة من البلاد دون قياس. وبدون معلومات دقيقة ومحدثة، يصعب توجيه الموارد إلى المجتمعات الأكثر احتياجاً إليها.

لقد قام فريق من الباحثين الآن بسد هذه الفجوات في 130 دولة باستخدام نهج جديد يجمع بين بيانات المسح القديمة وتكنولوجيا الأقمار الصناعية الحديثة. ومن خلال تحليل المعلومات من 1.8 مليون أسرة ودمجها مع البيانات البيئية والاقتصادية، رسموا صورة تفصيلية لتغطية الصرف الصحي لعام 2024. ويكشف عملهم عن واقع صارخ: المناطق الأكثر فقراً وهشاشة، وخاصة في أفريقيا جنوب الصحراء الكبرى، تتخلف عن الركب بشكل أكبر. وبينما توفر الدراسة أوضح رؤية حتى الآن حول الأماكن التي تفتقر فيها خدمات الصرف الصحي، فإنها تسلط الضوء أيضاً على حدود ما يمكننا معرفته بدون بيانات مباشرة أكثر، مما يقدم دليلاً شفافاً للمناطق التي يجب أن تذهب إليها المسوحات القادمة.

واجه الباحثون تحدياً كبياً: كان عليهم التنبؤ بظروف الصرف الصحي في المناطق التي لا توجد فيها مسوحات حديثة. وغالباً ما تفشل الطرق التقليدية للتخمين في هذه الأرقام عندما تكون البيانات شحيحة، حيث تميل إلى الإفراط في ملاءمة المعلومات المحدودة المتاحة لديها أو إنتاج نتائج غير موثوقة للمناطق الجديدة. ولحل هذه المشكلة، لجأ الفريق إلى نوع متطور من الذكاء الاصطناعي يسمى "شبكة الأولوية الجدولية الملائمة" (Tabular Prior-Fitted Network). فكر في هذا النموذج كخبير مدرب تدريباً عالياً درس ملايين الأمثلة الاصطناعية لكيفية ارتباط العوامل المختلفة — مثل الكثافة السكانية، وهطول الأمطار، والثروة الوطنية — بالوصول إلى الصرف الصحي. وهذا يسمح للنموذج بإجراء تنبؤات دقيقة حتى عندما يمتلك كمية صغيرة فقط من البيانات الواقعية، وهو وضع شائع في أكثر مناطق العالم نقصاً في البيانات.

قام الفريق بتغذية النموذج ببيانات من أحدث المسوحات الأسرية التي أجريت بين عامي 2015 و2024، والتي غطت 1.8 مليون منزل في 89 دولة. ودمجوا ذلك مع مجموعة واسعة من البيانات الجيومكانية، بما في ذلك صور الأقمار الصناعية للمناطق العمرانية، والأضواء الليلية، وأنواع التربة، وأنماط المناخ. تعلم النموذج التعرف على الأنماط التي تربط هذه العوامل البيئية والاقتصادية بما إذا كان المجتمع لديه وصول إلى مرحاض أساسي أو أنه مضطر لممارسة التغوط في العراء. وبمجرد تدريبه، استُخدم النموذج للتنبؤ بتغطية الصرف الصحي لكل منطقة إدارية من المستوى الأول في 130 دولة منخفضة ومتوسطة الدخل، مما خلق فعلياً خريطة عالمية للوصول إلى الصرف الصحي لعام 2024.

ترسم النتائج صورة لعدم المساواة العميق. ففي البلدان ذات الدخل المتوسط الأعلى، تبلغ نسبة التغطية المتوسطة للصرف الصحي الأساسي 94 بالمائة، مما يعني أن الجميع تقريباً لديهم وصول إلى مرحاض. وفي المقابل، في البلدان منخفضة الدخل، تنخفض نسبة التغطية المتوسطة إلى 36 بالمائة فقط. والوضع أكثر سوءاً في أفريقيا جنوب الصحراء الكبرى، حيث تبلغ التغطية المتوسطة 39 بالمائة، وفي المناطق الهشة والمتضررة من النزاعات، حيث تنخفض إلى 48 بالمائة. والعكس صحيح بالنسبة للتغوط في العراء، والذي يتضمن التخلص من الفضلات البشرية في الحقول المفتوحة أو المجاري المائية. ففي البلدان ذات الدخل المتوسط الأعلى، يمارس أقل من 1 بالمائة من الناس التغوط في العراء، ولكن في البلدان منخفضة الدخل، ترتفع هذه النسبة إلى 8 بالمائ %، مع وصول بعض المناطق إلى معدلات تصل إلى 73 بالمائة.

كما رسمت الدراسة خريطة لعدم اليقين في هذه التنبؤات، موضحةً الأماكن التي تكون فيها البيانات أكثر موثوقية والأماكن التي تكون فيها مجرد تخمين. يكون النموذج أكثر ثقة في المناطق منخفضة ومتوسطة الدخل في أوروبا وأمريكا الشمالية، وشرق وجنوب شرق آسيا، وشمال أفريقيا وغرب آسيا، حيث توجد مسوحات وتقديرات وطنية حديثة. ومع ذلك، في البيئات منخفضة الدخل والهشة، وخاصة في أفريقيا جنوب الصحراء الكبرى، تكون درجة عدم اليقين هي الأعلى. وهذا ليس فشلاً للنموذج، بل هو انعكاس للواقع المتمثل في أن هذه المناطق تفتقر إلى البيانات الأرضية اللازمة لليقين. وقد حدد الباحثون أربع دول محددة — جمهورية الكونغو، وإريتريا، ونيكاراغوا، وكوريا الشمالية — كأولويات قصوى لجمع البيانات الجديدة، نظراً لافتقارها إلى مسوحات حديثة ووجود مجموعات سكانية كبيرة تعيش في ظروف عالية من عدم اليقين.

ومن أهم النتائج أن عدم المساواة لا يوجد فقط بين الدول، بل داخلها أيضاً. فحتى في الدول ذات التغطية المتوسطة، توجد مناطق يكاد ينعدم فيها الوصول إلى الصرف الصحي. وقد نجح النموذج في تحديد جيوب الحرمان هذه، رغم أنه مال إلى تسوية الفوارق الحادة، مما قد يؤدي إلى التقليل من شأن الفجوات القصوى في المناطق الأكثر سوءاً. وهذا يشير إلى أنه بينما تعد الخريطة أداة قوية لتحديد الاتجاهات العامة، إلا أن البيانات المحلية تظل ضرورية لاستهداف المجتمعات الأكثر تضرراً. كما لاحظ الباحثون أن نموذجهم قلل أحياناً من انتشار التغوط في العراء، وهي مشكلة معروفة في المسوحات حيث قد يتردد الناس في الاعتراف بهذه الممارسة.

تؤكد الدراسة أن التقدم نحو الهدف العالمي المتمثل في إنهاء التغوط في العراء بحلول عام 2030 يسير ببطء خطير. وللوصول إلى ذلك الهدف، سيتعين مضاعفة سرعة التقدم ثلاث مرات مقارنة بالعقد الماضي. وتظهر الخرائط الجديدة أنه بدون زيادة هائلة في الاستثمار والعمل المستهدف، ستُترك الفئات الأكثر ضعفاً خلف الركب. ومن خلال توفير نهج شفاف وواعٍ بحالة عدم اليقين لملء فجوات البيانات، يقدم هذا العمل مساراً واضحاً للمضي قدماً. فهو لا يخبرنا فقط بمكان وجود المشكلة، بل يخبرنا أيضاً أين تكتمل معرفتنا، مما يوجه الجيل القادم من المسوحات والاستثمارات إلى الأماكن التي هي في أمس الحاجة إليها.