Predictors of fertility-limiting preferences among currently married women in Bangladesh: an interpretable machine learning analysis of the 2022 Demographic and Health Survey
En utilisant l'apprentissage automatique interprétable sur les données de l'Enquête démographique et de santé 2022 du Bangladesh, cette étude démontre que l'XGBoost peut prédire avec précision les préférences en matière de limitation de la fertilité chez les femmes mariées, identifiant l'âge, le nombre d'enfants vivants et l'intention contraceptive comme des prédicteurs clés, tout en révélant que l'inclusion numérique et la santé mentale ont une influence minimale.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le calcul silencieux de la vie de famille, la décision d'une femme de vouloir ou non un autre enfant est souvent le prédicteur le plus puissant de ce qui va réellement se passer ensuite. Ce choix, connu sous le nom de préférence de fertilité, agit comme une boussole pour le comportement reproductif. Lorsqu'une femme souhaite arrêter d'avoir des enfants, elle est susceptible de rechercher des méthodes pour prévenir la grossesse de manière permanente ou à long terme. Lorsqu'elle souhaite espacer les naissances, elle recherche des solutions temporaires. Pendant des décennies, les programmes de santé publique dans des pays comme le Bangladesh se sont appuyés sur des statistiques globales pour deviner dans quelle catégorie se trouvent les femmes, espérant ainsi faire correspondre les bons services aux bonnes personnes. Cependant, alors que le nombre total d'enfants par femme au Bangladesh s'est stabilisé à un niveau qui est encore légèrement supérieur à celui nécessaire pour simplement remplacer la population, la question a changé. Il ne s'agit plus seulement de savoir pourquoi la fertilité est élevée ; il s'agit de déterminer précisément quelles femmes ont déjà décidé d'arrêter de procréer afin que les agents de santé puissent leur offrir les soins de longue durée dont elles ont besoin, et quelles femmes sont encore en train de construire leur famille et ont besoin d'un soutien différent.
Une équipe de chercheurs de l'Université des sciences et technologies de Mawlana Bhashani a décidé de s'attaquer à ce problème en utilisant une approche moderne appelée apprentissage automatique. Au lieu de s'appuyer sur les méthodes statistiques traditionnelles qui supposent que chaque facteur agit indépendamment, ils ont utilisé des algorithmes informatiques capables de trouver des modèles complexes dans un ensemble massif de données. Ils se sont tournés vers l'Enquête démographique et de santé du Bangladesh de 2022, une étude nationale complète qui a interrogé des milliers de femmes. À partir de ce vivier, ils ont sélectionné 17 245 femmes actuellement mariées âgées de 15 à 49 ans. L'objectif était simple mais ambitieux : voir si un ordinateur pouvait prédire avec précision si une femme ne souhaitait plus d'enfants sur la base d'un large éventail d'informations sur sa vie, incluant son âge, son éducation, sa santé mentale, son historique de déménagement vers un nouvel endroit et même son accès à la technologie numérique.
Les chercheurs ont alimenté l'ordinateur avec vingt-cinq informations différentes concernant chaque femme, telles que le nombre d'enfants qu'elle a déjà, depuis combien de temps elle vit dans sa ville actuelle, si elle possède un smartphone et si elle a déjà été testée positive à l'anxiété ou à la dépression. Ils ont divisé les données en deux groupes, utilisant le premier groupe pour apprendre à l'ordinateur à reconnaître les modèles et le second pour tester la performance de l'ordinateur sur de nouveaux cas inconnus. Après avoir entraîné plusieurs types d'algorithmes, ils ont découvert qu'un modèle, connu sous le nom d'XGBoost, était exceptionnellement doué pour cette tâche. Il identifiait correctement si une femme voulait arrêter d'avoir des enfants environ 84 % du temps, un niveau de précision qui rivalise avec les meilleurs experts humains et dépasse de loin ce qu'un simple hasard pourrait produire.
La découverte la plus frappante n'était pas seulement que l'ordinateur pouvait faire ces prédictions, mais précisément quels facteurs dictaient ces décisions. L'algorithme a appris que les signaux les plus forts provenaient des aspects les plus fondamentaux du stade de vie d'une femme. Son âge et le nombre d'enfants vivants qu'elle a déjà étaient les indicateurs les plus puissants. Une femme dans la fin de la trentaine avec quatre enfants ou plus souhaitait presque certainement arrêter, tandis qu'une jeune femme sans enfant était peu susceptible de le vouloir. Au-delà de ces facteurs évidents, la durée de résidence de la femme dans son lieu actuel s'est révélée être un prédicteur étonnamment fort. Les femmes qui vivaient dans le même endroit depuis quinze ans ou plus étaient beaucoup plus susceptibles de vouloir arrêter d'avoir des enfants, tandis que les femmes qui s'y étaient installées récemment étaient beaucoup plus susceptibles de vouloir un autre enfant bientôt. Cela suggère que la stabilité de la résidence à long terme est étroitement liée à l'achèvement de la construction de la famille, tandis que les mouvements récents signalent souvent une famille qui est encore dans ses premières étapes de croissance.
L'étude a également testé plusieurs idées qui n'avaient pas été explorées de manière approfondie dans ce contexte auparavant, comme le fait de savoir si la santé mentale d'une femme ou son accès à Internet influençaient son désir d'avoir plus d'enfants. Bien que les données aient montré que les femmes souffrant d'anxiété ou de dépression, ou celles ayant une forte inclusion numérique, avaient des préférences de fertilité différentes lorsqu'elles étaient examinées isolément, le modèle informatique a révélé que ces facteurs n'étaient pas des moteurs indépendants. Une fois que le modèle a pris en compte l'âge, l'éducation et le nombre d'enfants d'une femme, l'influence des symptômes de santé mentale et de l'accès au numérique s'est estompée en arrière-plan. Ils n'étaient pas les raisons primaires pour lesquelles une femme décidait d'arrêter ou de continuer à avoir des enfants ; ils étaient plutôt souvent de simples effets secondaires du stade de vie dans lequel elle se trouvait déjà. De même, bien que la richesse et la situation géographique comptent légèrement, elles étaient bien moins importantes que l'histoire personnelle de la femme elle-même.
Les implications de ces résultats sont pratiques et immédiates pour les programmes de planification familiale. Parce que le modèle peut identifier les femmes qui souhaitent arrêter de procréer avec une grande précision en utilisant uniquement des informations systématiquement recueillies dans les enquêtes, les agents de santé pourraient utiliser ces mêmes questions simples pour cibler leurs services plus efficacement. Ils pourraient se concentrer sur l'offre de méthodes de longue durée ou permanentes aux femmes qui vivent dans une communauté depuis longtemps et qui ont plusieurs enfants, garantissant ainsi qu'elles ne soient pas confrontées à des grossesses non désirées. En même temps, ils pourraient diriger les services d'espacement vers les migrants récents qui sont probablement encore dans les phases initiales de la construction de leur famille. La recherche confirme que, bien que le paysage de la vie de famille soit complexe, la décision d'arrêter d'avoir des enfants n'est pas un mystère caché dans le bruit de la vie moderne ; c'est un signal clair écrit dans les détails quotidiens de l'âge d'une femme, de ses enfants et de l'histoire de son lieu de vie.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.