Improving the reliability of district-level estimates ofteenage pregnancy in Malawi using small area estimation

Resumen Técnico: Mejora de la fiabilidad de las estimaciones a nivel de distrito del embarazo adolescente en Malawi mediante la Estimación de Áreas Pequeñas

Planteamiento del problema
Malawi está transitando hacia un sistema de toma de decisiones descentralizado, lo que requiere indicadores de salud locales fiables para la planificación y la asignación de recursos a nivel de distrito. Aunque existen estimaciones nacionales y regionales del embarazo adolescente a través de encuestas de hogares como la Encuesta Demográfica y de Salud (DHS), las estimaciones directas a nivel de distrito suelen ser poco fiables. Esta falta de fiabilidad se debe a los pequeños tamaños de muestra y a la alta variabilidad del muestreo inherentes a los diseños de encuestas que no están dimensionados para unidades administrativas granulares. En consecuencia, las estimaciones directas presentan coeficientes de variación (CV) elevados, lo que limita su utilidad para la política basada en evidencia y las intervenciones focalizadas. El estudio aborda la necesidad de un marco estadístico para estabilizar estas estimaciones sin perder la coherencia con las medidas basadas en encuestas.

Metodología
El estudio emplea un enfoque de Estimación de Áreas Pequeñas (SAE) basado en modelos, utilizando un modelo de Fay–Herriot (FH) de nivel de área para mejorar la precisión de las estimaciones de la prevalencia del embarazo adolescente en los 32 distritos administrativos de Malawi.

• Fuentes de datos: Los datos primarios provienen de la Encuesta Demográfica y de Salud de Malawi de 2024 (MDHS), centrándose en mujeres de 15 a 19 años. El embarazo adolescente se define como la proporción de niñas en este grupo de edad que están actualmente embarazadas o que alguna vez han experimentado un embarazo (incluyendo la pérdida del embarazo). Las variables auxiliares se derivaron del Censo de Población y Vivienda de Malawi de 2018 y de la Encuesta Integrada de Hogares (IHS5).
• Selección de variables: Se evaluó un conjunto inicial de 18 variables auxiliares a nivel de distrito. Utilizando la regresión de LASSO (Least Absolute Shrinkage and Selection Operator) con validación cruzada de 10 pliegues, se seleccionaron cuatro variables predictoras clave para el modelo de vinculación final:
  1. Proporción de mujeres que viven en zonas rurales.
  2. Proporción de mujeres casadas antes de los 18 años.
  3. Proporción de hogares encabezados por mujeres.
  4. Densidad de población en escala logarítmica.
• Modelo estadístico:
  • Estimación directa: Se calcularon los estimadores directos basados en el diseño ($\hat{p}^{DIR}_i$) y sus varianzas de muestreo ($\psi_i$) utilizando pesos de la encuesta y linealización de Taylor.
  • Transformación: Para satisfacer los supuestos de linealidad y normalidad del modelo FH, se aplicó una transformación logit, con una corrección de continuidad (0.5) para los valores límite (0 o 1).
  • Modelo Fay–Herriot: Se construyó un modelo de dos niveles:
    • Modelo de muestreo: $\hat{p}_i = p_i + e_i$, donde $e_i \sim N(0, \psi_i)$.
    • Modelo de vinculación: $p_i = \mathbf{x}^\top_i \boldsymbol{\beta} + u_i$, donde $u_i \sim N(0, \sigma^2_u)$ representa los efectos aleatorios específicos del área.
  • Estimación: El modelo se ajustó mediante la Verosimilitud de Máxima Longitud Restringida (REML) para estimar los componentes de la varianza. El Predictor Lineal Insesgado Mejor Estimado Empírico (EBLUP) resultante sirve como un compuesto ponderado del estimador directo y un estimador sintético basado en regresión.
  • Trasformación inversa: Se aplicó una trasformación inversa corregida por sesgo para devolver las estimaciones a la escala de probabilidad original.
  • Evaluación de la precisión: El Error Cuadrático Medio (MSE) y los Coeficientes de Variación (CV) se estimaron mediante un procedimiento de bootstrap paramétrico (200 iteraciones).

Resultos clave

• Desempeño del modelo: El modelo de vinculación explicó una parte significativa de la variabilidad entre áreas, con un $R^2$ ajustado de 0.666 y un $R^2$ específico de FH de 0.878. La varianza estimada de los efectos aleatorios fue de 0.00785 en la escala logit.
• Estabilidad y precisión: Las estimaciones EBLUP basadas en modelos demostraron una menor variabilidad en comparación con las estimaciones directas de la encuesta.
  • Estimaciones directas: Media = 0.3070, DE = 0.0752, Rango = 0.130–0.421.
  • Estimaciones EBLUP: Media = 0.3066, DE = 0.0628, Rango = 0.151–0.385.
  • El rango intercuartílico de los EBLUP fue más estrecho, lo que indica una mayor estabilidad.
• Reducción del error: El MSE de las estimaciones EBLUP fue inferior al de las estimaciones directas en los 32 distritos. El Coeficiente de Variación (CV) fue consistentemente menor para las estimaciones basadas en modelos en todos los distritos, confirmando una ganancia en eficiencia.
• Diagnósticos: El análisis de residuos (gráficos Q-Q, pruebas de Shapiro-Wilk) confirmó que se cumplieron los supuestos de normalidad e independencia. Se observó una fuerte correlación positiva ($r=0.81$) entre las estimaciones directas y las de EBLUP, lo que indica que el enfoque basado en modelos mantiene la coherencia con los datos de la encuesta mientras reduce el ruido.
• Ajustes específicos: El modelo moderó las estimaciones directas extremas. Por ejemplo, la estimación directa para el distrito de Chikwawa disminuyó del 42.1% al 33.5%, mientras que la del distrito de Zomba aumentó del 26.3% al 32.0%, reflejando el "préstamo de fuerza" de las variables auxiliares y las áreas vecinas.

Significación y afirmaciones
El artículo sostiene que la aplicación del modelo de nivel de área Fay–Herriot aborda con éxito las limitaciones de los pequeños tamaños de muestra en las encuestas a nivel de distrito. Al integrar los datos de la encuesta con la información auxiliar del censo, el estudio produce estimaciones más estables y fiables de la prevalencia del embarazo adolescente.

Los autores afirman que estas estimaciones mejoradas proporcionan una base de evidencia más robusta para el sistema de salud descentralizado de Malawi. Específicamente, los resultados apoyan la planificación, el seguimiento y la evaluación de políticas nacionales como la Estrategia Nacional de Servicios de Salud Amigables para Jóvenes y la Estrategia Nacional para el Fin del Matrimonio Infantil. El estudio concluye que los métodos de SAE son particularmente valiosos en entornos de bajos ingresos donde los tamaños de muestra de las encuestas son insuficientes para la estimación directa subnacional, permitiendo una focalización y asignación más consistente de las intervenciones de salud reproductiva. Los autores señalan que, si bien el modelo mejora la precisión, su exactitud depende de la calidad de las variables auxiliares, y el trabajo futuro podría extender esta metodología a modelos espacio-temporales multivariantes.