Résumé technique : Analyse de l'apprentissage automatique spatial des inégalités de l'ANC et de la fertilité au Ghana (1988–2022)

Énoncé du problème

Les soins prénatals (ANC) qualifiés constituent une intervention préventive critique pour réduire la mortalité maternelle et néonatale, pourtant l'Afrique subsaharienne continue de supporter un fardeau disproportionné de décès maternels, souvent concentrés dans des communautés géographiquement marginalisées à forte fertilité. Bien que le Ghana ait atteint une couverture quasi universelle en ANC qualifié d'ici 2022, d'importantes disparités infranationale persistent. Le problème central abordé est la relation complexe et non linéaire entre l'accès aux ANC et le taux de fécondité total (TFR) à travers les 16 régions administratives du Ghana sur une période de 34 ans. Les méthodes de régression traditionnelles échouent souvent à capturer les dynamiques spatiotemporelles, l'autocorrélation spatiale et les seuils non linéaires où une fertilité élevée peut supprimer l'utilisation des ANC indépendamment des améliorations du côté de l'offre. De plus, les mesures de couverture standards peuvent occulter les inégalités liées à la fertilité, telles que le phénomène de « l'outil de travail » (Workhorse), où une couverture élevée coexiste avec des fardeaux de fertilité élevés, mettant à rude épreuve les systèmes de santé.

Méthodologie

Cette étude emploie un plan écologique longitudinal utilisant neuf vagues des enquêtes démographiques et de santé (DHS) du Ghana de 1988 à 2022, générant 94 observations par région-année pour 16 régions administratives. L'analyse intègre les statistiques spatiales, l'apprentissage automatique et de nouveaux indices composites :

• Sources de données : Données infranationaux des DHS (couverture ANC qualifiée, TFR, fertilité des adolescentes) et géométries de limites administratives (261 MMDAs).
• Analyse des inégalités : Le coefficient de Gini a été calculé pour suivre l'inégalité interrégionale de la couverture ANC et du TFR.
• Autocorrélation spatiale : L'indice de Moran global (avec k=4 poids de plus proches voisins) et les indicateurs locaux d'association spatiale (LISA) utilisant la contiguïté de type Rook ont été employés pour détecter les modèles de regroupement et les points chauds/points froids.
• Apprentissage automatique (Machine Learning) : Deux modèles supervisés ont été entraînés pour prédire la couverture ANC qualifiée :
  • Régresseur de Forêt Aléatoire (Random Forest - RF) : 200 estimateurs, max_depth=6, avec validation croisée à 5 plis.
  • Régresseur d'Arbre de Décision (DT) : Utilisé comme référence.
  • Attribution des caractéristiques : Des graphiques de dépendance partielle (PDP) ont été utilisés pour identifier les points d'inflexion non linéaires dans la relation TFR-ANC.
• Nouveaux indices :
  • Indice d'Efficacité des Soins (CEI) : Défini comme $CEI = \text{ANC qualifié (\%)} / \text{TFR}$, mesurant l'efficacité de l'utilisation des services par rapport au fardeau de la fertilité.
  • Stratification du risque bivariée : Les observations ont été classées en quatre zones (Critique, Émergente, Outil de travail [Workhorse], Résiliente) basées sur les scores z de l'ANC et du TFR par rapport à la moyenne générale.

Principales contributions

1. Analyse de convergence spatiotemporelle : L'étude quantifie la réduction spectaculaire de l'inégalité interrégionale de l'ANC (baisse du coefficient de Gini de 87,9 %) tout en soulignant la persistance des regroupements spatiaux liés à la fertilité.
2. Découplage des indicateurs : Elle démontre une divergence dans l'autocorrélation spatiale d'ici 2022 : le regroupement de la couverture ANC est devenu non significatif (indiquant une couverture uniforme), tandis que le regroupement du TFR s'est intensifié (indice de Moran = 0,606), suggérant que les déterminants démographiques de la fertilité répondent sur des horizons temporels plus longs que la prestation des services de santé.
3. Point d'inflexion exploratoire : En utilisant l'analyse de dépendance partielle de la RF, l'étude identifie un potentiel point d'inflexion non linéaire près d'un TFR de 5,90, au-dessus duquel la couverture ANC prédite diminue dans les données historiques.
4. Typologies de risque et d'efficacité : L'introduction de l'Indice d'Efficacité des Soins (CEI) et de la stratification du risque bivariée fournit des outils pour distinguer les régions avec des profils « Résilients » (ANC élevé, TFR faible) et « Outils de travail » (ANC élevé, TFR élevé), révélant des besoins d'allocation de ressources que les pourcentages de couverture seuls pourraient masquer.

Résultats clés

• Tendances de couverture : La couverture nationale des ANC qualifiés est passée de 83,1 % (1988) à 97,7 % (2022). La ceinture septentrionale (Northern Belt) a montré les gains absolus les plus importants (ex. Région du Nord +43,0 points de pourcentage), réduisant l'écart Nord-Sud de 32,4 à 0,9 point.
• Mesures d'inégalité : Le Gini interrégional pour l'ANC est tombé de 0,070 à 0,008. En revanche, le Gini du TFR n'a diminué que de 27 %, indiquant que l'inégalité de la fertilité est plus résistante aux interventions politiques.
• Performance de l'apprentissage automatique : Le modèle de Forêt Aléatoire a surpassé l'Arbre de Décision (Test $R^2$ = 0,381 contre -0,296). L'année de l'enquête était le prédicteur dominant (43,7 % d'importance), suivi du TFR (38,8 %).
• Point d'inflexion : La RF a identifié une inflexion exploratoire à TFR ≈ 5,90. Au-dessus de ce seuil, la couverture ANC prédite diminue de manière non linéaire, reflétant potentiellement des barrières du côté de la demande (ex. opposition du partenaire, coûts de transport) dans les contextes de super-haute fertilité.
• Disparités régionales :
  • Efficacité des soins : Le Grand Accra a mené avec un CEI de 31,9, tandis que le Nord-Est accusait un retard avec 14,5, représentant un écart d'efficacité de 2,2 fois malgré des niveaux de couverture similaires en 2022.
  • Stratification du risque : En 2022, la plupart des régions étaient « Résilientes » ou « Outils de travail ». Cependant, la ceinture septentrionale a conservé des modèles « Outils de travail » (ANC élevé/TFR élevé), impliquant un fardeau de service par prestataire plus élevé par rapport aux régions du Sud.
• Regroupement spatial : D'ici 2022, le TFR présentait un fort regroupement spatial positif (indice de Moran = 0,606, p=0,001), particulièrement dans la ceinture septentrionale, tandis que le regroupement de l'ANC s'est dissipé.

Signification et affirmations

L'article affirme que bien que le Ghana ait réussi à atteindre une couverture quasi universelle en ANC qualifié et à éliminer l'inégalité de couverture interrégionale, les inégalités spatiales liées à la fertilité persistent, particulièrement dans la ceinture septentrionale. L'étude soutient que les statistiques de couverture conventionnelles sont insuffisantes pour guider l'investissement dans les systèmes de santé car elles masquent le fardeau de l'« Outil de travail » (Workhorse) et l'écart d'efficacité entre les régions à haute fertilité et celles à faible fertilité.

Les auteurs postulent que l'Indice d'Efficacité des Soins (CEI) et la stratification du risque bivariée offrent des outils de génération d'hypothèses pour un investissement ciblé. Plus précisément, ils suggèrent que les régions avec un TFR élevé et un ANC élevé (Outils de travail) nécessitent une allocation de ressources différente (ex. intensité du personnel) par rapport aux régions Résilientes. L'inflexion exploratoire du TFR près de 5,90 est présentée comme un seuil nécessitant une validation supplémentaire, indiquant potentiellement une limite où la fertilité élevée crée des barrières indépendantes à l'utilisation des ANC.

L'étude conclut que les priorités politiques doivent s'étendre au-delà de l'expansion du côté de l'offre pour inclure des programmes ciblés de transition de la fertilité et l'autonomisation de l'éducation des femmes dans la ceinture septentrionale. Elle souligne que ces conclusions sont écologiques et servent à la génération d'hypothèses, mettant en garde contre les interprétations causales de la relation TFR-ANC sans validation supplémentaire au niveau individuel.