Urbanization, geographic accessibility, and delayed entry into tuberculosis-designated care in southwestern China: a machine-learning prediction study

Résumé technique : Urbanisation, accessibilité géographique et retard de prise en charge de la tuberculose dans le sud-ouest de la Chine

Énoncé du problème
Le retard de prise en charge de la tuberculose (TB) — l'intervalle entre l'apparition des symptômes et l'entrée dans un parcours de soins effectif — demeure une barrière critique pour le diagnostic précoce, le traitement et le contrôle de la transmission. Bien que des recherches antérieures aient identifié des déterminants démographiques, socio-économiques et cliniques du retard, les études menées dans les régions montagneuses et en urbanisation rapide reposent souvent sur des indicateurs géographiques grossiers (par exemple, la résidence rurale ou les limites administratives) plutôt que sur une accessibilité fine par réseau routier. Dans des contextes comme le Guangxi et le Guizhou, en Chine, où le terrain est complexe et les établissements dispersés, ces mesures grossières peuvent échouer à capturer la charge physique réelle liée à l'accès aux structures désignées pour la TB. De plus, la nature dynamique de l'urbanisation et des investissements dans les infrastructures remodèle continuellement l'accès spatial, pourtant peu d'études examinent comment ces processus modifient les parcours vers les soins désignés. Cette étude comble la lacune dans la compréhension de la manière dont l'accessibilité géographique à échelle fine contribue au retard d'entrée dans les soins de TB au sein d'un contexte multiethnique et montagneux.

Méthodologie
Les auteurs ont mené une étude de modélisation prédictive rétrospective utilisant un large ensemble de données de surveillance de routine provenant de 60 778 patients nouvellement enregistrés pour une tuberculose pulmonaire dans les provinces du Guangxi et du Guizhou.

• Sources de données : L'analyse a intégré les registres de surveillance de la TB, les variables cliniques et de gestion de santé publique, les informations sur l'assurance maladie, les codes de diagnostic d'hospitalisation et des données d'accessibilité géographique à haute résolution.
• Définition du résultat : Le critère de jugement principal était le « retard d'entrée dans les soins de TB désignés », défini comme un intervalle d'au moins 14 jours entre l'apparition des symptômes et la première visite enregistrée dans une structure désignée pour la TB. Un seuil de 7 jours a été utilisé pour l'analyse de sensibilité.
• Ingénierie des caractéristiques : Les prédicteurs comprenaient la démographie, le statut migratoire, le type d'assurance, les comorbidités (VIH/SIDA, diabète), les caractéristiques temporelles, les caractéristiques des symptômes et des mesures détaillées d'accessibilité géographique (temps de trajet le plus court et moyen par réseau routier, distance par réseau routier et distance à vol d'oiseau). Les données manquantes ont été gérées via des catégories informatives, l'imputation par le mode ou l'estimation spécifique au modèle.
• Développement du modèle : Le jeu de données a été divisé en un ensemble d'entraînement de 70 % et un ensemble de test de 30 % maintenu à l'écart, en utilisant la stratification des résultats. Une validation croisée stratifiée à cinq plis a été employée pour l'ajustement des hyperparamètres. Les modèles candidats incluaient LightGBM, XGBoost, Random Forest, la régression logistique Elastic Net et un ensemble de probabilité moyenne.
• Métriques d'évaluation : La performance a été évaluée via la discrimination (ROC-AUC, PR-AUC), le calibrage, l'analyse de la courbe de décision (bénéfice net) et l'importance des variables (valeurs SHAP). Les seuils ont été sélectionnés pour maximiser l'indice de Youden, avec des rapports supplémentaires pour les seuils privilégiant la sensibilité.

Résultats clés

• Prévalence : 63,5 % (38 590/60 778) des patients ont connu un retard d'entrée dans les soins de TB désignés. Les patients retardés étaient généralement plus âgés, plus susceptibles d'être agriculteurs et faisaient face à une accessibilité géographique moins favorable (par exemple, le temps de trajet médian le plus court par réseau routier était de 2 126 secondes contre 2 035,5 secondes pour les patients non retardés).
• Performance du modèle : LightGBM a obtenu la meilleure performance sur l'ensemble de test, avec un ROC-AUC de 0,703 et un PR-AUC de 0,796. Au seuil de l'indice de Youden, il a démontré une précision de 0,651, une sensibilité de 0,678 et une spécificité de 0,603. XGBoost a affiché des performances presque identiques, tandis que Random Forest et Elastic Net présentaient une discrimination plus faible.
• Importance des prédicteurs : Les indicateurs d'accessibilité géographique (distance par réseau routier, temps de trajet et distance à vol d'oiseau) sont apparus comme les domaines de prédicteurs les plus informatifs, se classant au-dessus des variables conventionnelles de démographie, de clinique et d'utilisation des services. L'analyse SHAP a confirmé que ces variables spatiales dictaient le pouvoir prédictif du modèle.
• Robustesse : L'analyse de sensibilité utilisant un seuil de retard de 7 jours a produit un ROC-AUC plus élevé (0,727) et un PR-AUC plus élevé (0,874), ce qui est cohérent avec le taux d'événements plus élevé. Les analyses de sous-groupes par âge, sexe et statut de résidence ont montré une discrimination globalement cohérente (ROC-AUC 0,688–0,706).

Signification et revendications
L'article soutient qu'une accessibilité géographique à échelle fine fournit des informations prédictives critiques qui sont souvent occultées par des indicateurs administratifs grossiers. L'étude repositionne la compréhension du retard de la TB dans les contextes montagneux et multiethniques :

1. Dynamiques spatiales : Les barrières géographiques ne sont pas des caractéristiques topographiques statiques mais sont remodelées dynamiquement par l'urbanisation, l'investissement dans les infrastructures et la décentralisation des services de santé.
2. Hiérarchie prédictive : Lorsque des mesures directes d'accès par réseau routier sont incluses, elles supplantent souvent les prédicteurs traditionnels comme la provenance du patient, le statut d'assurance ou l'occupation pour identifier les populations à risque. Cela suggère que les associations antérieures entre ces facteurs et le retard peuvent en partie refléter des problèmes d'accès spatial non mesurés.
3. Implications politiques : Les auteurs soutiennent que la réduction du retard de la TB nécessite d'intégrer la planification des transports, la stratégie de développement urbain et la refonte des services de santé. Les politiques ne doivent pas traiter les barrières géographiques comme des conditions de fond immuables. Au lieu de cela, la surveillance de routine de la TB liée aux mesures d'accessibilité spatiale peut soutenir une sensibilisation ciblée, la coordination des références et la planification saisonnière des services (par exemple, en s'ajustant aux cycles agricoles ou aux saisons des pluies).
4. Contribution méthodologique : L'étude démontre l'utilité de l'apprentissage automatique (particulièrement les méthodes d'ensemble basées sur les arbres) pour intégrer les interactions complexes et non linéaires entre les données démographiques, cliniques et spatiales pour la stratification des risques de santé publique.

Les auteurs maintiennent un ton modeste concernant l'utilité de leur modèle, le caractérisant comme un « outil de planification basé sur la surveillance » plutôt que comme une règle de décision déterministe pour les patients individuels. Ils soulignent qu'une validation externe et prospective est nécessaire avant tout déploiement opérationnel et reconnaissent des limites telles que l'absence de données sur les facteurs comportementaux (par exemple, la littératie en santé, la stigmatisation) et l'incapacité d'observer la recherche de soins avant la première visite dans une structure désignée pour la TB.