📄 health systems and quality improvement

Antimalarial Pharmacotherapy Gaps in Nigerian Children Under Five: A Predictive Machine Learning Analysis of Care-Seeking, Testing, and ACT Treatment Using NDHS 2023-24

Cette étude utilisant les données de l'EDSN 2023-24 et quatre modèles d'apprentissage automatique révèle que les caractéristiques des ménages et des mères prédisent mal les lacunes en matière de soins antipaludiques chez les enfants nigérians de moins de cinq ans, bien que les barrières financières apparaissent systématiquement comme un déterminant significatif d'un traitement par CTA suboptimal, suggérant la réduction des coûts au point de vente comme une cible d'intervention clé.

Auteurs originaux : Nosa-Ihaza, E. A., Shepherd-Moses, G., Okenwa, E. D., Nosa-Ihaza, U. N.

Publié 2026-09-11

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Nosa-Ihaza, E. A., Shepherd-Moses, G., Okenwa, E. D., Nosa-Ihaza, U. N.

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Dans le vaste paysage de la santé mondiale, peu de défis sont aussi persistants ou aussi mortels que le paludisme, une maladie qui prospère dans les climats chauds et frappe de plein fouet les plus vulnérables. Pour les enfants de moins de cinq ans au Nigeria, les enjeux sont particulièrement élevés, car le pays supporte le fardeau le plus lourd de la maladie au monde. Pour lutter contre cela, les organisations de santé promeuvent depuis longtemps une stratégie en trois étapes connue sous le nom de « Tester, Traiter et Suivre ». Cette approche est simple en théorie : lorsqu'un enfant présente de la fièvre, un soignant doit chercher une aide médicale, un agent de santé doit confirmer le diagnostic par un test sanguin plutôt que de deviner, et si le paludisme est confirmé, l'enfant doit recevoir un médicament spécifique et moderne appelé thérapie combinée à base d'artémisinine, ou CTA. Cependant, le chemin allant d'un enfant malade au bon remède est souvent brisé. Un enfant peut être emmené dans une boutique mais ne pas être testé, ou être testé mais recevoir le mauvais médicament. Comprendre où ces ruptures se produisent est crucial, car réparer une étape défaillante nécessite de savoir exactement quelle étape échoue.

Des chercheurs ont récemment porté leur attention sur ce problème précis, en utilisant un ensemble massif de données provenant de l'Enquête démographique et de santé 2023–24 au Nigeria pour cartographier le parcours de près de 4 000 enfants ayant eu de la fièvre. Au lieu d'examiner l'ensemble du processus comme un seul bloc, ils l'ont divisé en deux écarts distincts. Le premier écart, ou « accès », posait une question simple : l'enfant a-t-il été vu par un prestataire et a-t'il réellement reçu un test sanguin ? Le second écart, ou « qualité », s'intéressait uniquement aux enfants ayant déjà reçu une forme de médicament, demandant si ce médicament était la CTA moderne recommandée ou une alternative plus ancienne et moins efficace. Pour trouver les réponses, l'équipe ne s'est pas contentée de statistiques traditionnelles. Ils ont employé quatre types différents de modélisation informatique, allant des équations statistiques standards aux algorithmes d'apprentissage automatique plus complexes, pour voir s'ils pouvaient prédire quels enfants réussiraient chaque étape du processus. Ils voulaient savoir si des facteurs tels que l'éducation de la mère, la richesse de la famille ou leur lieu de résidence pouvaient expliquer pourquoi certains enfants recevaient les soins complets et corrects, tandis que d'autres non.

Les résultats ont brossé le portrait d'un système qui peine à faire progresser les enfants à travers les étapes nécessaires. Seulement environ 16 % des enfants fébriles de l'étude ont réussi à franchir le premier obstacle ; ils ont été emmenés chez un prestataire et ont reçu un test de diagnostic sanguin. Cela signifie que pour la grande majorité, le voyage s'est arrêté avant même qu'un diagnostic ne soit posé. Parmi les enfants ayant reçu une forme de médicament antipaludique, environ 60 % ont reçu la CTA recommandée, tandis que les autres ont reçu des médicaments plus anciens ou inappropriés. Lorsque les chercheurs ont tenté d'utiliser leurs modèles informatiques pour prédire ces résultats, ils ont constaté que les modèles n'étaient pas très doués pour deviner qui recevrait les soins appropriés. En fait, aucun des huit modèles testés n'a performé de manière significative par rapport à un choix aléatoire. Les outils d'apprentissage automatique complexes, qui sont souvent censés trouver des motifs cachés dans les données, n'ont pas surpassé les méthodes statistiques plus simples. Dans certains cas, l'algorithme le plus avancé a même été le moins performant, un constat qui reflète des études similaires menées dans d'autres pays. Cela suggère que les informations standard collectées dans les enquêtes ménages — telles que le revenu, l'éducation et la localisation — ne racontent pas toute l'histoire de la raison pour laquelle les enfants sont privés de soins appropriés.

Malgré l'incapacité des modèles à prédire parfaitement les résultats, l'analyse a tout de même permis de découvrir un indice cohérent et important concernant le second écart : la qualité du médicament reçu. À travers différentes approches de modélisation, un schéma clair reliant l'argent au type de traitement est apparu. Les soignants qui ont déclaré avoir éprouvé des difficultés à payer le traitement étaient nettement moins susceptibles de donner la CTA recommandée à leur enfant, même s'ils avaient déjà acheté un médicament. Cela suggère que lorsque les familles sont confrontées à des barrières financières, elles sont souvent orientées vers des alternatives moins chères plutôt que vers les médicaments modernes plus coûteux. L'étude indique que le problème n'est pas nécessairement que les soignants ne savent pas quel médicament est le meilleur, mais que le coût au point de vente est le facteur décisif. C'est une distinction critique, car elle indique que le prix, plutôt qu'un manque de connaissances, est le principal moteur d'un traitement inapproprié.

Les chercheurs ont également noté que le premier écart — faire tester un enfant — reste un goulot d'étranglement massif. Bien que l'étude n'ait pas pu identifier précisément pourquoi si peu d'enfants sont testés avec les données disponibles, elle a souligné que les lieux où la plupart des Nigérians cherchent des soins pour la première fois, tels que les petites pharmacies communautaires et les vendeurs de médicaments locaux, sont rarement équipés pour effectuer des tests sanguins. Ces vendeurs sont le premier arrêt pour plus de la moitié des familles, pourtant ils manquent d'outils pour diagnostiquer avant de traiter. L'étude conclut que simplement dire aux gens de se faire tester ne suffit pas si les endroits qu'ils visitent ne peuvent pas fournir le test. Au lieu de cela, la voie à suivre consiste probablement à apporter les outils de diagnostic directement à ces vendeurs communautaires et à traiter le coût du médicament correct. Les conclusions suggèrent que pour sauver plus d'enfants, les interventions doivent se concenter sur les barrières spécifiques du coût et de la disponibilité du test au tout premier point de contact, plutôt que de supposer qu'une solution unique réglera l'ensemble de la chaîne de soins.

Résumé technique : Lacunes de la pharmacothérapie antipaludique chez les enfants de moins de cinq ans au Nigéria

Énoncé du problème
Le Nigéria supporte la charge mondiale la plus élevée de paludisme, représentant 24,3 % des cas mondiaux et 30,3 % des décès dus au paludisme en 2024. Malgré l'initiative « Tester, Traiter, Suivre » (T3) de l'Organisation mondiale de la Santé, qui impose un diagnostic avant le traitement, les données de surveillance agrègent souvent les échecs à trois étapes distinctes — la recherche de soins, le test diagnostique et la pertinence du traitement — en une seule métrique de « couverture ». Cette agrégation masque l'emplacement spécifique des défaillances du système. Des études antérieures, telles que celle de Millar et al. (2014) dans le nord du Nigéria, ont mis en évidence un goulot d'étranglement majeur où la majorité des enfants fébriles recevaient un traitement sans avoir été testés. Cette étude répond à la nécessité de désagréger la cascade T3 en deux résultats distincts afin d'identifier si les barrières à l'« accès » (recherche de soins et test) diffèrent des barrières à la « qualité » (réception du traitement approprié, spécifiquement la thérapie combinée à base d'artémisinine ou CTA). De plus, l'étude examine si des algorithmes complexes d'apprentissage automatique (ML) offrent un pouvoir prédictif supérieur aux régressions traditionnelles pour ces résultats de cascade de traitement, une question motivée par des conclusions mixtes dans la littérature antérieure (ex. : Mendoza-Cano et al., 2025).

Méthodologie
L'étude a utilisé le fichier Children's Recode (KR) de l'enquête démographique et de santé du Nigéria (NDHS) 2023–24.

Échantillon : L'échantillon analytique comprenait 3 962 enfants de moins de cinq ans ayant présenté de la fièvre dans les deux semaines précédant l'enquête.
Résultats (Outcomes) : Deux résultats binaires ont été définis :
1. Écart A (Accès) : Un résultat composite où l'enfant a recherché des soins auprès de toute source et a reçu un test de diagnostic sanguin.
2. Écart B (Qualité) : Limité aux 1 776 enfants ayant reçu un antipaludique quelconque ; le résultat est la réception d'une CTA par rapport à un antipaludique non-CTA.
Prédicteurs : Les variables incluaient la zone géopolitique, la résidence urbaine/rurale, le quintile de richesse du ménage, l'éducation maternelle, la religion, l'ethnie, l'âge/sexe de l'enfant, l'utilisation de moustiquaires imprégnées d'insecticide (MII) et les barrières auto-déclarées aux soins (permission, coût, distance, voyage).
Approche analytique : Quatre approches de modélisation prédictive ont été comparées en utilisant une partition unique entraînement/test de 80/20 :
1. Régression logistique pondérée par l'enquête (Stata).
2. Régression régularisée Elastic-net (Stata, non pondérée en raison des limitations logicielles).
3. Forêt aléatoire (Random Forest) (Python, pondérée).
4. Gradient Boosting/XGBoost (Python, pondérée).
Évaluation : La performance des modèles a été évaluée via l'aire sous la courbe ROC (AUC) sur l'ensemble de test tenu à l'écart, avec des intervalles de confiance à 95 % calculés via des méthodes analytiques ou le bootstrapping.

Résultats clés

Prévalence : Seuls 16,0 % des enfants fébriles répondaient aux critères de l'Écart A (ont recherché des soins et ont été testés). Parmi ceux traités avec des antipaludiques, 60,2 % ont reçu une CTA.
Performance des modèles : Aucun des huit modèles (quatre algorithmes × deux résultats) n'a démontré une discrimination significativement supérieure au hasard. Tous les intervalles de confiance à 95 % pour les AUC contenaient 0,50. Les AUC variaient de 0,479 à 0,616.
- Comparaison d'algorithmes : Le Gradient Boosting (XGBoost) a systématiquement produit l'AUC la plus faible pour les deux résultats (0,479 pour l'Écart A ; 0,527 pour l'Écart B), reproduisant les conclusions d'une étude comparable au Mexique (Mendoza-Cano et al., 2025) où les modèles complexes sont moins performants que les modèles simples sur des sous-échantillons d'enquêtes.
Signification statistique :
- Écart A : La régression logistique pondérée par l'enquête n'était pas statistiquement significative globalement ( $p = 0,189$ ). Aucun prédicteur individuel n'a atteint la significativité.
- Écart B : La régression logistique était statistiquement significative globalement ( $p = 0,003$ $p = 0, 003$ ). Les principales conclusions incluent :
  - Barrières financières : La difficulté signalée par le soignant à financer le traitement était significativement associée à une probabilité moindre de recevoir une CTA ( $\beta = -0,97, p = 0,013$ ). Ce résultat a été reproduit à travers trois des quatre approches de modélisation.
  - Gradient de richesse : La relation entre la richesse et la réception de la CTA était non monotone ; les ménages « moins riches » et « plus riches » avaient des probabilités plus élevées de recevoir une CTA par rapport aux ménages « plus pauvres », mais les ménages « moyens » et « les plus riches » ne différaient pas significativement de la référence.
  - Ethnie : Le groupe ethnique Yoruba présentait des probabilités significativement plus élevées de recevoir une CTA par rapport aux Hausa/Fulani dans les modèles de régression.

Signification et affirmations
Le document formule des affirmations modestes concernant ses capacités prédictives mais propose des implications politiques spécifiques basées sur les associations cohérentes trouvées :

Limites des caractéristiques des ménages : La conclusion principale est que les caractéristiques standards des ménages et des mères capturées dans les données DHS ne peuvent pas prédire de manière fiable qui accèdera aux soins, sera testé ou recevra un traitement approprié. L'absence de pouvoir prédictif suggère que les facteurs du côté de l'offre (ex. : ruptures de stock de médicaments, capacité de test des prestataires, prix au point de vente) non capturés par l'enquête sont probablement les moteurs dominants de ces écarts.
La barrière financière comme cible : L'association constante entre les barrières financières et la réception de traitements non-CTA suggère que pour les soignants qui ont déjà cherché des soins, le facteur limitant est souvent le coût du médicament spécifique plutôt qu'un manque de connaissances. Les auteurs soutiennent que les interventions devraient cibler le coût au point de vente (ex. : subventions ou plafonnement des prix des CTA) au sein des canaux de distribution des vendeurs de médicaments traditionnels et de pharmacie (PPMV) plutôt que de compter uniquement sur des campagnes d'éducation des soignants.
Implication méthodologique : L'étude renforce le constat selon lequel la flexibilité algorithmique (ex. : XGBoost) ne garantit pas une discrimination supérieure hors échantillon lorsqu'elle est appliquée à des sous-échantillons d'enquêtes de taille modérée avec des plans d'échantillonnage complexes. Les approches plus simples basées sur la régression peuvent être suffisantes, et les modèles plus complexes peuvent ne pas apporter de valeur ajoutée dans ce contexte.
Focus politique : Étant donné que les PPMV sont le premier point de contact pour plus de 50 % des soignants mais fournissent rarement des tests de diagnostic, les auteurs suggèrent que les interventions associant des tests de diagnostic rapide au point de service aux canaux de distribution existants des PPMV pourraient traiter le goulot d'étranglement le plus sévère (l'écart de test) plus efficacement que les interventions focalisées uniquement sur les structures de santé formelles.

Les auteurs déclarent explicitement que l'étude ne fournit pas de mécanismes causaux définitifs, mais identifie plutôt des résultats « générateurs d'hypothèses » qui pointent vers l'accès financier et les contraintes de l'offre comme domaines critiques pour les futures interventions et recherches.

Articles similaires