Technisches Resümee: Räumliche ML-Analyse von ANC- und Fertilitäts-Ungleichheiten in Ghana (1988–2022)

Problemstellung

Fachkundige Schwangerschaftsvorsorge (Antenatal Care, ANC) ist eine kritische präventive Intervention zur Senkung der Mütter- und Neugeborenensterblichkeit, doch Subsahara-Afrika trägt weiterhin eine unverhältnismäßig hohe Last an Todesfällen von Müttern, die oft in Gebieten mit hoher Fertilität und geografisch marginalisierten Gemeinschaften konzentriert sind. Während Ghana bis 2022 eine nahezu universelle Abdeckung durch fachkundige ANC erreicht hat, bestehen signifikante subnationale Disparitäten fort. Das Kernproblem adressiert die komplexe, nicht-lineare Beziehung zwischen dem Zugang zu ANC und der Gesamtfruchtbarkeitsrate (Total Fertility Rate, TFR) über 16 Verwaltungsregionen Ghanas in einem Zeitraum von 34 Jahren. Traditionelle Regressionsmethoden scheitern oft daran, die spatiotemporalen Dynamiken, die räumliche Autokorrelation und die nicht-linearen Schwellenwerte zu erfassen, an denen eine hohe Fertilität die ANC-Inanspruchnahme unabhängig von angebotsseitigen Verbesserungen unterdrücken kann. Zudem können Standard-Abdeckungskennzahlen Fertilitätsbedingte Ungleichheiten verschleiern, wie etwa das „Workhorse“-Phänomen, bei dem eine hohe Abdeckung mit einer hohen Fertilitätslast koexistiert und somit Gesundheitssysteme belastet.

Methodik

Diese Studie verwendet ein longitudinales ökologisches Design mit neun Wellen der Ghana Demographic and Health Surveys (DHS) von 1988 bis 2022, woraus 94 Region-pro-Jahr-Beobachtungen über 16 Verwaltungsregionen generiert wurden. Die Analyse integriert räumliche Statistik, maschinelles Lernen und neuartige zusammengesetzte Metriken:

• Datenquellen: Subnationale DHS-Daten (fachkundige ANC-Abdeckung, TFR, Adoleszentenfertilität) und administrative Grenzgeometrien (261 MMDAs).
• Ungleichheitsanalyse: Der Gini-Koeffizient wurde berechnet, um die interregionale Ungleichheit in der ANC-Abdeckung und der TFR zu verfolgen.
• Räumliche Autokorrelation: Globales Moran's I (mit k=4 Nearest-Neighbor-Gewichten) und lokale Indikatoren für räumliche Assoziation (LISA) unter Verwendung von Rook-Kontiguität wurden eingesetzt, um Clusterbildungsmuster sowie Hotspots und Coldspots zu detektieren.
• Maschinelles Lernen: Zwei überwachte Modelle wurden trainiert, um die fachkundige ANC-Abdeckung vorherzusagen:
  • Random Forest (RF) Regressor: 200 Estimatoren, max_depth=6, mit 5-facher Kreuzvalidierung.
  • Decision Tree (DT) Regressor: Verwendet als Benchmark.
  • Merkmalsattribuierung: Partielle Abhängigkeitsdiagramme (Partial Dependence Plots, PDP) wurden genutzt, um nicht-lineare Wendepunkte in der TFR-ANC-Beziehung zu identifizieren.
• Neuartige Metriken:
  • Care Efficiency Index (CEI): Definiert als $CEI = \text{Fachkundige ANC (\%)} / \text{TFR}$, zur Messung der Effizienz der Dienstleistungsinanspruchnahme relativ zur Fertilitätslast.
  • Bivariate Risikostratifizierung: Beobachtungen wurden basierend auf Z-Scores von ANC und TFR im Verhältnis zum Gesamtdurchschnitt in vier Zonen klassifiziert (Kritisch, Emerging, Workhorse, Resilient).

Zentrale Beiträge

1. Spatiotemporale Konvergenzanalyse: Die Studie quantifiziert die dramatische Reduktion der interregionalen ANC-Ungleichheit (Rückgang des Gini-Koeffizienten um 87,9 %), hebt jedoch die Persistenz der fertilitätsbedingten räumlichen Clusterbildung hervor.
2. Entkopplung von Indikatoren: Sie demonstriert eine Divergenz der räumlichen Autokorrelation bis 2022: Die Clusterbildung der ANC-Abdeckung wurde insignifikant (was auf eine uniforme Abdeckung hindeutet), während die TFR-Clusterbildung intensiviert wurde (Moran's I = 0,606), was darauf hindeutet, dass demografische Determinanten der Fertilität über längere Zeithorizonte reagieren als die Gesundheitsdienstleistungen.
3. Explorativer Wendepunkt: Unter Verwendung der RF-partiellen Abhängigkeitsanalyse identifiziert die Studie einen potenziellen nicht-linearen Wendepunkt nahe einer TFR von 5,90, oberhalb derer die vorhergesagte ANC-Abdeckung in historischen Daten sinkt.
4. Effizienz- und Risikotypologien: Die Einführung des Care Efficiency Index (CEI) und der bivariaten Risikostratifizierung bietet Werkzeuge, um zwischen Regionen mit „Resilient“-Profilen (hohe ANC, niedrige TFR) und „Workhorse“-Profilen (hohe ANC, hohe TFR) zu unterscheiden, wodurch Ressourcenallokationsbedarfe aufgezeigt werden, die reine Abdeckungsquoten übersehen würden.

Kernergebnisse

• Abdeckungstrends: Die nationale fachkundige ANC-Abdeckung stieg von 83,1 % (1988) auf 97,7 % (2022). Der „Northern Belt“ zeigte die größten absoluten Gewinne (z. B. Northern Region +43,0 Prozentpunkte) und verringerte den Nord-Süd-Abstand von 32,4 auf 0,9 Prozentpunkte.
• Ungleichheitsmetriken: Der interregionale Gini für ANC sank von 0,070 auf 0,008. Im Gegensatz dazu sank der TFR-Gini nur um 27 %, was zeigt, dass die Fertilitätsungleichheit resistenter gegenüber politischen Interventionen ist.
• Leistung des maschinellen Lernens: Das Random-Forest-Modell übertraf den Decision-Tree-Regressor (Test $R^2$ = 0,381 vs. -0,296). Das Erhebungsjahr war der dominante Prädiktor (43,7 % Wichtigkeit), gefolgt von der TFR (38,8 %).
• Wendepunkt: Das RF-Modell identifizierte einen explorativen Wendepunkt bei TFR ≈ 5,90. Oberhalb dieses Schwellenwerts sinkt die vorhergesagte ANC-Abdeckung nicht-linear, was potenziell die Auswirkungen von nachfrageseitigen Barrieren (z. B. Widerstand des Partners, Transportkosten) in Umgebungen mit extrem hoher Fertilität widerspiegelt.
• Regionale Disparitäten:
  • Care Efficiency: Greater Accra führte mit einem CEI von 31,9, während North East mit 14,5 zurücklag, was einen 2,2-fachen Effizienzunterschied trotz ähnlicher Abdeckungsgrade im Jahr 2022 darstellt.
  • Risikostratifizierung: Im Jahr 2022 waren die meisten Regionen entweder „Resilient“ oder „Workhorse“. Der „Northern Belt“ behielt jedoch „Workhorse“-Muster bei (Hohe ANC/Hohe TFR), was eine höhere pro-Anbieter-Dienstleistungslast impliziert als in südlichen Regionen.
• Räumliche Clusterbildung: Bis 2022 wies die TFR eine starke positive räumliche Clusterbildung auf (Moran's I = 0,606, p=0,001), insbesondere im Northern Belt, während die ANC-Clusterbildung dissipierte.

Bedeutung und Behauptungen

Die Arbeit behauptet, dass Ghana zwar erfolgreich eine nahezu universelle fachkundige ANC-Abdeckung erreicht und die interregionale Abdeckung-Ungleichheit eliminiert hat, fertilitätsbedingte räumliche Ungleichheiten jedoch fortbestehen, insbesondere im Northern Belt. Die Studie argumentiert, dass konventionelle Abdeckungsstatistiken nicht ausreichen, um Investitionen in das Gesundheitssystem zu steuern, da sie die „Workhorse“-Belastung und den Effizienzunterschied zwischen Regionen mit hoher und niedriger Fertilität maskieren.

Die Autoren postulieren, dass der Care Efficiency Index (CEI) und die bivariate Risikostratifizierung werkzeugartige Instrumente zur Hypothesengenerierung bieten. Insbesondere deuten sie darauf hin, dass Regionen mit hoher TFR und hoher ANC (Workhorse) eine andere Ressourcenallokation (z. B. Personalintensität) benötigen als Resilient-Regionen. Der explorative TFR-Wendepunkt nahe 5,90 wird als Schwellenwert für weitere Validierungen präsentiert, der potenziell eine Grenze markiert, an der hohe Fertilität unabhängige Barrieren für die ANC-Inanspruchnahme schafft.

Die Studie kommt zu dem Schluss, dass die politischen Prioritäten über die rein angebotsseitige Expansion hinausgehen müssen und gezielte Programme zum Fertilitätsübergang sowie die Förderung der weiblichen Bildung im Northern Belt umfassen müssen. Sie betont, dass diese Befunde ökologischer Natur und zur Hypothesengenerierung bestimmt sind, und warnt vor kausalen Interpretationen der TFR-ANC-Beziehung ohne weitere Validierung auf individueller Ebene.