Spatial and Machine Learning Analysis of Breast and Cervical Cancer Screening Uptake in Ghana: Evidence from the 2022 Ghana Demographic and Health Survey

In molte parti del mondo, trovare il cancro precocemente rappresenta la differenza tra la vita e la morte. Per le donne in Ghana, due tipi di cancro — quello al seno e quello alla cervice — sono gravi preoccupazioni per la salute. Il modo più efficace per individuarli precocemente è attraverso lo screening: un semplice controllo in cui un medico esamina il seno o sottopone un test alla cervice. Tuttavia, l'accesso a questi servizi non è uguale per tutti. Studi passati hanno dimostrato che la ricchezza e l'istruzione agiscono come guardiani; le donne con più denaro e più istruzione hanno molte più probabilità di sottoporsi allo screening rispetto a quelle con meno risorse. Questo schema è ben noto, ma è stato solitamente osservato attraverso una lente ampia, guardando a intere regioni o al paese nel suo insieme. Questo approccio tratta una regione come un singolo blocco di colore, nascondendo il fatto che le condizioni possono cambiare drasticamente anche solo a pochi chilometri di distanza. Si affida inoltre a metodi statistici standard che presuppongono relazioni semplici e lineari, rischiando di perdere i modi complessi in cui i diversi fattori interagiscono tra loro.

Un team di ricercatori in Ghana ha deciso di guardare più da vicino. Si sono chiesti se il modello di chi si sottopone allo screening cambi in specifici, piccoli frammenti di territorio che le mappe regionali standard non riescono a cogliere. Volevano anche vedere se gli strumenti moderni di apprendimento informatico potessero prevedere meglio chi è propenso allo screening rispetto ai metodi tradizionali, senza la necessità di conoscere l'esatta posizione di ogni donna. Combinando mappe dettagliate con modelli informatici avanzati, miravano a creare un quadro più nitido della disuguaglianza sanitaria, uno che potesse aiutare i funzionari sanitari a indirizzare i propri sforzi in modo più preciso.

I ricercatori si sono rivolti a un enorme set di dati chiamato 2022 Ghana Demographic and Health Survey. Questo sondaggio ha intervistato migliaia di donne in tutto il paese, chiedendo informazioni sulla loro salute, sulle loro case e se avessero mai ricevuto un esame del seno o un test della cervice. Il team si è concentrato sulle donne tra i 25 e i 49 anni, un gruppo più a rischio per questi tipi di cancro. Hanno collegato le risposte del sondaggio alle specifiche posizioni geografiche dove si sono svolti gli intervisti. Sebbene le coordinate esatte siano state leggermente spostate per proteggere la privacy dei partecipanti, erano sufficientemente precise da mostrare schemi a livello di piccole comunità, note come cluster, piuttosto che solo su grandi regioni amministrative.

Per prima cosa, il team ha mappato i dati per vedere se lo screening avvenisse in punti casuali o se fosse raggruppato. Hanno scoperto che, decisamente, era raggruppato. Le aree in cui le donne venivano sottoposte frequentemente allo screening erano spesso circondate da altre aree in cui lo screening era altrettanto comune. Al contrario, le aree con bassi tassi di screening tendevano a essere vicine ad altre aree a basso tasso. Questo raggruppamento era significativo sia per il cancro al seno che per quello alla cervice, ma era più forte per gli esami del seno. Quando hanno fatto uno zoom, hanno visto "hotspot" di alta attività di screening concentrati intorno alla capitale, Accra, e in parti delle regioni centrali e meridionali. Al contrario, i "coldspot", dove lo screening era raro, erano pesantemente concentrati nelle parti settentrionali del paese. Ciò ha confermato che il divario tra nord e sud è reale, ma ha anche rivelato che il problema non è uniforme nemmeno all'interno di queste grandi aree; ci sono specifici nuclei di necessità che una media regionale ampia nasconderebbe.

Successivamente, i ricercatori hanno costruito un modello informatico per prevedere quali donne avrebbero probabilmente effettuato lo screening in base alle loro circostanze personali. Hanno fornito al modello informazioni sull'età, l'istruzione, la ricchezza, il luogo di residenza e se avessero un'assicurazione sanitaria. Fondamentalmente, non hanno detto al computer la posizione specifica delle donne. Invece, hanno lasciato che il modello apprendesse i modelli dai dettagli personali. Per assicurarsi che il modello stesse realmente imparando e non solo memorizzando i dati, hanno utilizzato un metodo di test ingegnoso. Hanno diviso i dati in gruppi basati sulle comunità, non sugli individui. Ciò significava che, quando il computer veniva testato, doveva prevedere le abitudini di screening di donne provenienti da comunità che non aveva mai visto prima. Questo ha impedito al modello di utilizzare conoscenze locali che non avrebbe dovuto avere.

Il modello informatico ha performato ragionevolmente bene, distinguendo correttamente tra le donne che probabilmente avrebbero effettuato lo screening e quelle che non lo avrebbero fatto con un AUC di 0,71 a 0,73. I fattori più importanti che guidavano queste previsioni erano l'istruzione e la ricchezza. Le donne con un livello di istruzione più alto e più denaro erano costantemente previste avere tassi di screening più elevati. Anche l'età giocava un ruolo, con le donne più anziane del gruppo che erano leggermente più propense a sottoporsi allo screening. Interessante è che la regione specifica in cui viveva una donna contava meno una volta presi in considerazione l'istruzione e la ricchezza. Ciò suggerisce che il motivo per cui alcune regioni appaiono diverse su una mappa è dovuto principalmente al fatto che le persone che vivono lì hanno livelli di istruzione e reddito differenti, piuttosto che perché la regione stessa possieda una qualità unica e inspiegabile.

Lo studio ha anche esaminato quanto sia effettiva la disuguaglianza nell'accesso allo screening. Quando hanno calcolato il divario tra ricchi e poveri, hanno trovato una sorpresa sorprendente a seconda di come misuravano. Per il cancro alla cervice, il divario appariva enorme perché pochissime donne in totale stavano effettuando i test, facendo apparire i ricchi con un vantaggio massiccio. Tuttavia, quando i ricercatori hanno regolato il calcolo per tenere conto del fatto che i numeri complessivi erano così bassi, il quadro è cambiato. I numeri corretti suggerivano che il divario per gli esami del seno era in realtà più concentrato tra le donne facoltose rispetto al divario per i test della cervice. In altre parole, sebbene entrambi i servizi siano sbilanciati verso i ricchi, l'ineguaglianza nello screening del seno è più strettamente legata alle donne più abbienti.

Nonostante questi risultati dettagliati, i ricercatori sono cauti nel non affermare di aver risolto il problema o che le loro mappe siano pronte per essere utilizzate come guida definitiva per i funzionari sanitari. Il modello informatico era bravo a prevedere in base ai dettagli personali, ma non è stato testato su aree completamente nuove al di fuori dei dati del sondaggio, quindi potrebbe non funzionare perfettamente se applicato altrove. Anche le mappe che mostrano gli hotspot e i coldspot sono state trattate come esplorative; indicano aree di probabile necessità, ma non sono state confermate statisticamente con il massimo livello di certezza poiché i ricercatori non hanno applicato una correzione rigorosa per il test di così tante piccole aree contemporaneamente. Inoltre, lo studio non poteva provare che vivere in un'area povera causasse l'omissione dello screening da parte di una donna; ha solo mostrato che le due cose accadono insieme.

Il valore ultimo di questo lavoro risiede nella sua capacità di mostrare gli strati nascosti di un problema di sanità pubblica. Passando oltre le ampie medie regionali e utilizzando strumenti in grado di gestire modelli complessi, i ricercatori hanno dimostrato che la storia dello screening oncologico in Ghana è più sfumata di un semplice divario nord-sud. Hanno dimostrato che, sebbene la ricchezza e l'istruzione siano i motori primari di chi si sottopone allo screening, questi fattori non sono distribuiti uniformemente sul territorio. Esistono comunità specifiche, anche all'interno di regioni più ricche, che vengono lasciate indietro, e specifici nuclei in regioni più povere che stanno procedendo meglio del previsto. Questo livello di dettaglio offre un nuovo modo di pensare al targeting delle risorse, suggerendo che i pianificatori sanitari potrebbero dover guardare alla composizione specifica di piccole comunità piuttosto che alla media di una grande regione. Lo studio funge da prova di concetto che combinare la mappatura spaziale con moderni strumenti predittivi può rivelare i dettagli minuti dell'ineguaglianza sanitaria, offrendo una visione più chiara, seppur ancora imperfetta, di dove sia più necessario l'intervento.