Which African Countries are at Risk of Missing SDG 3.2? Bayesian Mapping of Under-Five Mortality Using UNICEF 2024 Data

Sintesi Tecnica: Mappatura Bayesiana della Mortalità Sotto i Cinque Anni e del Rischio SDG 3.2 in Africa

Problematica
Nonostante i progressi globali nella riduzione della mortalità infantile, il ritmo del miglioramento in tutta l'Africa rimane disomogeneo, sollevando preoccupazioni sulla capacità del continente di raggiungere l'Obiettivo di Sviluppo Sostenibile (SDG) 3.2. Questo obiettivo mira a ridurre la mortalità sotto i cinque anni a meno di 25 decessi ogni 1.000 nati vivi entro il 2030. Le valutazioni esistenti si basano spesso su livelli di mortalità osservati o proiezioni deterministiche che non riescono ad adeguatamente quantificare l'incertezza relativa al raggiungimento futuro o l'urgenza relativa degli interventi. Inoltre, le medie nazionali spesso oscurano le persistenti disuguaglianze geografiche e il raggruppamento spaziale dei rischi di mortalità. Esiste una critica necessità di un quadro che integri la quantificazione dell'incertezza, la distanza dal target SDG e il ritmo di riduzione della mortalità per identificare i paesi più a rischio di mancare la scadenza del 2030.

Metodologia
Lo studio ha impiegato un design di previsione ecologica spaziale bayesiana utilizzando dati a livello nazionale del 2024 di 49 paesi africani ottenuti dall'UNICEF. Il framework analitico ha utilizzato l'Integrazione di Approssimazione di Laplace (INLA) per adattare modelli di regressione additiva strutturata.

• Specificazione del Modello: Gli autori hanno confrontato le verosimiglianze Gaussiana, Gamma ed Esponenziale. La struttura spaziale è stata modellata utilizzando un prior di Autoregressivo Condizionale Intrinseco (ICAR) per tenere conto della dipendenza spaziale tra i paesi vicini.
• Predittori: Le variabili esplicative includevano l'immunizzazione DTP3, l'allattamento esclusivo, la prevalenza di sottopeso e ritardo della crescita, l'aspettativa di vita, la demografia della popolazione, la spesa sanitaria, il rapporto di mortalità materna e la prevalenza di polmonite e diarrea.
• Selezione del Modello: L'adattamento del modello è stato valutato utilizzando il Criterio di Informazione di Devianza (DIC), il Criterio di Informazione di Watanabe-Akaike (WAIC) e gli ordinati predittivi condizionali.
• Nuovi Indici: Per andare oltre le statistiche descrittive, lo studio ha sviluppato due metriche composite:
  • Indice di Fallimento SDG (SFI): Combina la probabilità di eccedenza posteriore (la probabilità che il tasso di mortalità di un paese superi la soglia del 2,5%) con l'entità del divario rispetto all'SDG.
  • Indice di Intervento Prioritario (PII): Integra l'SFI con il Tasso Annuale di Riduzione (ARR) per classificare i paesi in priorità alta, moderata o bassa per l'intervento.
• Previsione: Simulazioni predittive posteriori bayesiane sono state utilizzate per stimare la probabilità di raggiungere l'SDG 3.2 entro il 2030, assumendo la continuazione delle recenti tendenze di riduzione della mortalità.

Risultati Chiave

• Raggruppamento Spaziale: È stata osservata una significativa autocorrelazione spaziale positiva (Moran's I = 0,355, p < 0,001). L'analisi degli hotspot ha identificato un cluster "High-High" in Benin, Nigeria e Camerun, indicando una regione localizzata di mortalità persistentemente elevata. Al contrario, la Tunisia è stata identificata come un cluster "Low-Low".
• Prestazioni del Modello: Il modello Gamma ha fornito il miglior adattamento (DIC = 114,92; WAIC = 111,71). In questo modello, la prevalenza della diarrea è stata l'unico predittore significativo della mortalità sotto i cinque anni (media posteriore = 0,030; 95% CrI: 0,004–0,056) dopo aver considerato la dipendenza spaziale e le altre covariate.
• Stato di Raggiungimento dell'SDG: Dei 49 paesi analizzati, solo cinque (10,2%) avevano già raggiunto il target SDG 3.2, e quattro (8,2%) erano vicini al raggiungimento. Al contrario, 23 paesi (46,9%) sono stati classificati come "Alto Rischio" e 41 paesi (83,7%) sono stati ritenuti improbabile che raggiungessero l'obiettivo entro il 2030 sotto le attuali traiettorie.
• Disparità Regionali: L'Africa Occidentale ha registrato la mortalità media più elevata (7,05%), seguita dall'Africa Centrale (6,89%). L'Africa Settentrionale ha avuto la media più bassa (1,64%) e la più bassa probabilità di eccedenza (0,082).
• Disuguaglianza: Il coefficiente di Gini per la mortalità sotto i cinque anni in tutto il continente era 0,263, indicando una disuguaglianza moderata. I primi 10 paesi con le peggiori prestazioni (es. Nigeria, Niger, Somalia) erano concentrati in Africa Occidentale, Centrale ed Orientale, mentre i migliori performer (es. Libia, Tunisia, Marocco) erano in Africa Settentrionale.

Contributi Principali
Il documento introduce un framework analitico pratico per il monitoraggio degli SDG che integra:

1. Mappatura della Probabilità di Eccedenza Bayesiana: Quantificare la probabilità che un paese rimanga al di sopra della soglia di mortalità, piuttosto che limitarsi a stimare valori puntuali.
2. Indici Composti: Lo sviluppo dell'Indice di Fallimento SDG (SFI) e dell'Indice di Intervento Prioritario (PII) permette la valutazione simultanea dei deficit di mortalità e dell'urgenza dell'azione richiesta.
3. Previsione Probabilistica: Andare oltre le tendenze deterministiche per fornire probabilità specifiche per paese del raggiungimento dell'obiettivo entro il 2030, tenendo esplicitamente conto dell'incertezza.

Significato e Rivendicazioni
Gli autori sostengono che il loro studio fornisca una valutazione più completa delle prospettive di sopravvivenza infantile rispetto alla letteratura precedente, che si è concentrata prevalentemente sulla descrizione dei modelli di mortalità o sull'identificazione dei fattori di rischio senza valutare la probabilità di mancare i target internazionali. Identificando che quasi la metà dei paesi africani è ad alto rischio di mancare l'SDG 3.2, e che solo cinque hanno probabilità di successo, lo studio offre un framework basato sull'evidenza per dare priorità all'allocazione delle risorse. Gli autori pongono che l'integrazione della probabilità di eccedenza, dell'SFI e del PII fornisca un meccanismo per i decisori politici per distinguere tra i paesi che sono semplicemente sopra la soglia e quelli con una quasi certezza di fallimento, facilitando così interventi geograficamente mirati in Africa Occidentale, Centrale e parte dell'Africa Orientale. Lo studio conclude che, senza un progresso accelerato e sistemi sanitari rafforzati, in particolare nel trattamento delle malattie diarroiche e delle disuguaglianze regionali, la maggior parte dei paesi africani mancherà l'obiettivo del 2030.