Sintesi Tecnica: Analisi di Machine Learning Spaziale delle Inequità di ANC e Fertilità in Ghana (1988–2022)

Definizione del Problema

L'assistenza prenatale (ANC) qualificata è un intervento preventivo critico per ridurre la mortalità materna e neonatale, eppure l'Africa subsahariana continua a sostenere un carico sproporzionato di decessi materni, spesso concentrati in comunità con alta fertilità e geograficamente marginalizzate. Sebbene il Ghana abbia raggiunto una copertura di ANC qualificata quasi universale entro il 2022, persistono significative disparità subnazionali. Il problema centrale affrontato è la complessa relazione non lineare tra l'accesso all'ANC e il Tasso di Fecondità Totale (TFR) attraverso le 16 regioni amministrative del Ghana in un periodo di 34 anni. I metodi di regressione tradizionali spesso non riescono a catturare le dinamiche spazio-temporali, l'autocorrelazione spaziale e le soglie non lineari dove l'alta fertilità può sopprimere l'utilizzo dell'ANC indipendentemente dai miglioramenti dal lato dell'offerta. Inoltre, le metriche di copertura standard possono oscurare le iniquità legate alla fertilità, come il fenomeno "Workhorse" (lavoratore instancabile), dove un'alta copertura coesiste con un alto carico di fertilità, mettendo sotto pressione i sistemi sanitari.

Metodologia

Questo studio impiega un design ecologico longitudinale utilizzando nove ondate dei Ghana Demographic and Health Surveys (DHS) dal 1988 al 2022, generando 94 osservazioni per regione-anno su 16 regioni amministrative. L'analisi integra statistica spaziale, machine learning e nuove metriche composte:

• Fonti dei Dati: Dati subnazionali DHS (copertura ANC qualificata, TFR, fertilità adolescenziale) e geometrie dei confini amministrativi (261 MMDA).
• Analisi delle Iniquità: Il coefficiente di Gini è stato calcolato per monitorare l'iniquità interregionale nella copertura ANC e nel TFR.
• Autocorrelazione Spaziale: Sono stati utilizzati l'I di Moran globale (con pesi k=4 vicini più prossimi) e gli Indicatori Locali di Associazione Spaziale (LISA) tramite contiguità Rook per rilevare modelli di clustering e hotspot/coldspot.
• Machine Learning: Due modelli supervisionati sono stati addestrati per prevedere la copertura ANC qualificata:
  • Regressor Random Forest (RF): 200 estimatori, max_depth=6, con validazione incrociata a 5 pieghe (5-fold).
  • Regressor Decision Tree (DT): Utilizzato come benchmark.
  • Attribuzione delle Caratteristiche: I grafici di dipendenza parziale (PDP) sono stati utilizzati per identificare i punti di inflessione non lineari nella relazione TFR-ANC.
• Nuove Metriche:
  • Indice di Efficienza dell'Assistenza (CEI): Definito come $CEI = \text{ANC Qualificata (\%)} / \text{TFR}$, che misura l'efficienza dell'utilizzo dei servizi rispetto al carico di fertilità.
  • Stratificazione del Rischio Bivariata: Le osservazioni sono state classificate in quattro zone (Critica, Emergente, Workhorse, Resiliente) in base agli z-score di ANC e TFR rispetto alla media generale.

Contributi Chiave

1. Analisi della Convergenza Spazio-Temporale: Lo studio quantifica la drastica riduzione dell'iniquità interregionale dell'ANC (calo del coefficiente di Gini dell'87,9%) pur evidenziando la persistenza del clustering spaziale legato alla fertilità.
2. Disaccoppiamento degli Indicatori: Dimostra una divergenza nell'autocorrelazione spaziale entro il 2022: il clustering della copertura ANC è diventato non significativo (indicando una copertura uniforme), mentre il clustering del TFR si è intensificato (I di Moran = 0,606), suggerendo che i determinanti demografici della fertilità rispondono su orizzonti temporali più lunghi rispetto alla fornitura di servizi sanitari.
3. Punto di Inflessione Esplorativo: Utilizzando l'analisi di dipendenza parziale di RF, lo studio identifica un potenziale punto di inflessione non lineare vicino a un TFR di 5,90, al di sopra del quale la copertura ANC prevista diminuisce nei dati storici.
4. Tipologie di Efficienza e Rischio: L'introduzione del Care Efficiency Index (CEI) e della stratificazione del rischio bivariata fornisce strumenti per distinguere tra regioni con profili "Resilienti" (alta ANC, basso TFR) e "Workhorse" (alta ANC, alto TFR), rivelando necessità di allocazione delle risorse che le sole percentuali di copertura potrebbero omettere.

Risultati Chiave

• Tendenze della Copertura: La copertura nazionale di ANC qualificata è aumentata dall'83,1% (1988) al 97,7% (2022). La Fascia Settentrionale (Northern Belt) ha mostrato i maggiori guadagni assoluti (es. Regione Settentrionale +43,0 punti percentuali), riducendo il divario Nord-Sud da 32,4 a 0,9 punti percentuali.
• Metriche di Iniquità: Il Gini interregionale per l'ANC è sceso da 0,070 a 0,008. Al contrario, il Gini del TFR è diminuito solo del 27%, indicando che l'iniquità della fertilità è più resistente agli interventi politici.
• Performance del Machine Learning: Il modello Random Forest ha superato il Decision Tree (Test $R^2$ = 0,381 vs. -0,296). L'anno del sondaggio è stato il predittore dominante (importanza del 43,7%), seguito dal TFR (38,8%).
• Punto di Inflessione: Il modello RF ha identificato un'inflessione esplorativa a TFR ≈ 5,90. Sopra questa soglia, la copertura ANC prevista declina in modo non lineare, riflettendo potenzialmente barriere dal lato della domanda (es. opposizione del partner, costi di trasporto) in contesti di super-alta fertilità.
• Disparità Regionali:
  • Efficienza dell'Assistenza: Il Gran Accra ha guidato con un CEI di 31,9, mentre il North East è rimasto indietro con 14,5, rappresentando un gap di efficienza di 2,2 volte nonostante livelli di copertura simili nel 2022.
  • Stratificazione del Rischio: Nel 2022, la maggior parte delle regioni era "Resiliente" o "Workhorse". Tuttavia, la Fascia Settentrionale ha mantenuto pattern "Workhorse" (Alta ANC/Alto TFR), implicando un maggiore carico di servizio per operatore rispetto alle regioni meridionali.
• Clustering Spaziale: Entro il 2022, il TFR ha mostrato un forte clustering spaziale positivo (I di Moran = 0,606, p=0,001), particolarmente nella Fascia Settentrionale, mentre il clustering dell'ANC si è dissipato.

Significato e Rivendicazioni

Il documento sostiene che, sebbene il Ghana abbia con successo raggiunto una copertura quasi universale di ANC qualificata ed eliminato l'iniquità di copertura interregionale, le iniquità spaziali legate alla fertilità persistono, in particolare nella Fascia Settentrionale. Lo studio afferma che le convenzionali statistiche di copertura sono insufficienti per guidare gli investimenti nei sistemi sanitari perché mascherano il carico "Workhorse" e il gap di efficienza tra le regioni ad alta fertilità e quelle a bassa fertilità.

Gli autori postulano che il Care Efficiency Index (CEI) e la stratificazione del rischio bivariata offrono strumenti di generazione di ipotesi per investimenti mirati. Nello specifico, suggeriscono che le regioni con alto TFR e alta ANC (Workhorse) richiedono un'allocazione di risorse differente (es. intensità di personale) rispetto alle regioni Resilienti. L'inflessione esplorativa del TFR vicino a 5,90 è presentata come una soglia per ulteriore validazione, potenzialmente indicando un limite in cui l'alta fertilità crea barriere indipendenti all'utilizzo dell'ANC.

Lo studio conclude che le priorità politiche devono estendersi oltre l'espansione dal lato dell'offerta per includere programmi mirati di transizione della fertilità e l'empowerment educativo femminile nella Fascia Settentrale. Enfatizza che queste scoperte sono ecologiche e generatrici di ipotesi, avvertendo contro interpretazioni causali della relazione TFR-ANC senza un'ulteriore validazione a livello individuale.