Machine Learning-Based Prediction of Acute Morbidity and Counterfactual Policy Simulation among Children 6–23 Months of Age in Punjab, Pakistan: A Secondary Analysis of a Multi-Indicator Cluster Survey 2017–18

Au cours des deux premières années de la vie d'un enfant, le corps construit ses fondations. C'est une fenêtre critique où la nutrition et l'environnement façonnent non seulement la croissance de l'enfant, mais aussi la capacité de son système immunitaire à combattre les maladies courantes. Lorsqu'un enfant vivant dans un milieu à faible revenu développe de la fièvre, de la diarrhée ou une infection respiratoire, les enjeux sont élevés ; ces maladies aiguës sont la principale cause de décès chez les jeunes enfants dans de nombreuses parties du monde. Bien que les médecins et les responsables de la santé publique sachent depuis longtemps que la pauvreté, le manque d'éducation et une mauvaise alimentation contribuent à la maladie, le mélange exact de facteurs est complexe. Il est difficile de démêler quelle intervention unique sauverait le plus de vies ou préviendrait le plus de maladies dans une région spécifique. Pour résoudre ce problème, les chercheurs se tournent de plus en plus vers des modèles informatiques capables de passer au crible de vastes quantités de données d'enquête pour trouver des schémas que l'analyse humaine pourrait manquer, permettant ainsi de tester ce qui se passerait si certaines conditions étaient améliorées.

Une équipe de chercheurs au Pakistan a appliqué cette approche à la santé des enfants dans le Pendjab, la province la plus peuplée du pays. Ils se sont concentrés sur les enfants âgés de six à vingt-trois mois, un groupe particulièrement vulnérable. En utilisant les données d'une enquête massive auprès des ménages menée en 2017 et 2018, ils ont examiné près de 10 000 enfants pour comprendre pourquoi certains étaient malades et d'autres en bonne santé. Les chercheurs ne cherchaient pas seulement des corrélations ; ils voulaient simuler l'avenir. Ils ont construit un modèle informatique qui apprenait des données existantes pour prédire la maladie, puis ils ont posé une question de type « et si » : que se passerait-il pour la santé de l'ensemble de la population si chaque enfant avait accès à des suppléments vitaminiques, ou si chaque mère avait un niveau d'éducation plus élevé ? Cette méthode, appelée simulation contrefactuelle, permet aux scientifiques d'estimer l'impact potentiel des changements de politiques avant qu'ils ne soient réellement mis en œuvre.

L'étude a commencé par observer la réalité actuelle sur le terrain. Dans les deux semaines précédant l'enquête, près de la moitié des enfants de l'échantillon avaient été malades d'au moins l'un des principaux maux de l'enfance : fièvre, diarrhée, toux ou difficulté à respirer. Le fardeau de la maladie n'était pas réparti uniformément dans la province. Dans certaines divisions, comme Dera Ghazi Khan, plus des deux tiers des enfants avaient été malades, tandis que dans d'autres, comme Gujranwala, le taux était nettement inférieur. Les chercheurs ont également noté que la grande majorité des enfants ne recevaient pas de suppléments vitaminiques ou minéraux, et qu'une grande partie des mères n'avait aucune éducation formelle. C'étaient là les ingrédients bruts dont le modèle informatique avait besoin pour apprendre.

Pour donner un sens à cette complexité, les chercheurs ont utilisé une technique d'apprentissage automatique appelée « forêt aléatoire » (random forest). Imaginez une forêt d'arbres de décision, où chaque arbre pose une série de questions simples sur la vie d'un enfant — telles que « La famille a-t-elle une assurance maladie ? » ou « L'enfant a-t-il reçu des vitamines ? » — pour décider si l'enfant est susceptible d'être malade. L'ordinateur a construit des milliers de ces arbres, chacun examinant les données légèrement différemment, puis les a laissés voter pour la réponse finale. Cette approche est puissante car elle peut gérer des données réelles et désordonnées où de nombreux facteurs se chevauchent. Le modèle a été entraîné sur la majeure partie des données, puis testé sur un groupe distinct pour voir ses performances. Il a réussi à prédire si un enfant était en bonne santé ou malade mieux qu'un choix aléatoire, prouvant que les données contenaient des signaux clairs sur ce qui motive la maladie.

Une fois le modèle construit, les chercheurs se sont concentrés sur la partie la plus importante de l'étude : identifier quels facteurs comptaient le plus. Ils ont mesuré à quel point chaque variable, de la richesse au régime alimentaire, contribuait à la capacité du modèle à distinguer les enfants malades des enfants en bonne santé. Les résultats étaient frappants. Le facteur le plus important était l'accès aux suppléments vitaminiques et minéraux. Ce facteur l'emportait sur tout le reste, y compris la richesse de la famille et le niveau d'éducation de la mère. Bien que la pauvreté et l'éducation soient indéniablement liées à la santé, les données ont montré que la présence ou l'absence de ces suppléments était le prédicteur le plus fort de la probabilité qu'un enfant tombe malade. D'autres facteurs, tels que l'éducation de la mère et le régime alimentaire de l'enfant, étaient également importants, mais ils jouaient un rôle secondaire par rapport aux suppléments.

Les chercheurs ont ensuite utilisé le modèle pour lancer leurs simulations, créant ainsi une version numérique du Pendjab où ils pouvaient changer une règle à la fois. Dans le premier scénario, ils ont imaginé un monde où chaque enfant de l'étude aurait accès à des suppléments vitaminiques et minéraux. Le modèle a prédit que ce seul changement entraînerait une amélioration massive de la santé publique. Le taux d'enfants en bonne santé bondirait de près de treize points de pourcentage, un changement qui représente des milliers d'enfants malades en moins à travers la province. Dans le second scénario, ils ont imaginé que chaque mère de l'échantillon avait atteint un niveau d'éducation plus élevé. Cela a également conduit à une amélioration, mais beaucoup plus faible, augmentant le taux de santé d'environ trois et demi points de pourcentage. Le troisième scénario, où chaque enfant avait un régime alimentaire répondant aux normes minimales de diversité, a produit le gain le plus faible, augmentant le taux de santé de moins d'un demi point de pourcentage.

Ces conclusions suggèrent que, bien que l'éducation et l'alimentation soient vitales, le levier le plus immédiat et le plus puissant pour réduire la maladie dans cette population spécifique est de garantir que les enfants reçoivent leurs vitamines et minéraux. La simulation indique qu'un programme ciblé visant à fournir ces suppléments pourrait avoir un impact bien plus important sur la santé globale de la population que d'autres interventions, du moins à court terme. Les chercheurs ont noté que cela ne signifie pas que l'éducation ou l'alimentation ne sont pas importantes ; cela suggère plutôt que, dans un contexte de ressources limitées, l'écart d'accès aux suppléments est un goulot d'étranglement critique qui, s'il est supprimé, produit le rendement le plus élevé. L'étude souligne que dans les divisions présentant les taux de maladie les plus élevés, comme Dera Ghazi Khan, la priorité donnée à ces suppléments pourrait sauver le plus de vies.

L'étude conclut que cette combinaison d'apprentissage automatique et de simulation offre une nouvelle façon de prendre des décisions de santé publique. Au lieu de deviner quelle politique pourrait fonctionner, les responsables peuvent utiliser ces modèles pour voir le résultat probable de différents choix. Pour les enfants du Pendjab, la voie à suivre semble claire : bien que les investissements à long terme dans l'éducation et la nutrition restent essentiels, un effort ciblé pour garantir que chaque enfant reçoive des suppléments vitaminiques et minéraux pourrait réduire considérablement le fardeau des maladies aiguës dans les années à venir. Les données fournissent une feuille de route, montrant qu'une intervention relativement simple pourrait mener à un avenir plus sain pour les enfants les plus vulnérables de la région.