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

技術要約：ガーナにおける乳がんおよび子宮頸がん検診受診率の空間的および機械学習的分析

問題提起
ガーナにおける乳がんおよび子宮頸がんの検診受診率は依然として低く、既存の文献では、富、教育、および居住地が受診者を予測する主要な要因であることが確認されている。しかし、ガーナ人口保健調査（GDHS）を用いた既存の分析は、主に行政区画レベルに限定されており、その結果、重要な局所的な異質性が隠蔽されている可能性がある。さらに、従来の回帰手法を用いた先行研究は、線形かつ加法的な関数形式を課しており、機械学習の検証における調査データのクラスター性を十分に考慮できず、情報のリーク（漏洩）を招く可能性がある。本研究は、次の2つのギャップに対処する。(1) 検診受診率が行政区画よりも細かい解像度（具体的には618の調査区クラスターレベル）で地理的にクラスター化しているか、(2) クラスターを考慮した機械学習が、一般化可能性を過大評価することなく、標準的な回還に代わる堅牢な選択肢となり得るか、という点である。

方法論
本研究は、2022年GDHS女性データ（対象：25〜49歳の女性9,510名）を用いた、二次的な仮説生成型横断分析である。分析は、以下の2つの明確かつ相補的な構成要素に分かれている。

1. 空間分析:

   • データ: 個別のアウトカム（臨床的乳房検診および子宮頸がん検査）を、618のクラスター（女性が5名以上存在するクラスターを保持）に集計した。
   • グローバル自己相関: 重みなしのクラスター率を用いて、グローバルな空間自己相関をテストするためにMoran's Iを算出した。
   • ローカル・クラスター化: Getis-Ord Gi*統計量を用いて、ローカルなホットスポットおよびコールドスポットを特定した。著者らは、これらのローカルなテストは多重比較の調整を行っておらず、結果として得られるマップは確認的ではなく探索的なものであることを明記している。
   • 制約事項: 空間統計において記述的一貫性を維持するため、分析には重みなしのクラスター率を使用した。これは、形式的な小領域推定（small-area estimation）としての限界を認めるものである。

2. 機械学習および予測モデリング:

   • モデル: 社会経済的および人口統計学的共変量（年齢、富、教育、居住地、保険、障壁、メディア露出、および地域ダミー）を用いて、両方のアウトカムに対して勾配ブースティング分類器（XGBoost）を個別に適合させた。特筆すべき点として、地理的座標は予測因子から除外されている。
   • 検証: クラスター内での情報のリークを防ぐため、クラスター保持型の5分割交差検証を採用した。個々の女性ではなく、クラスター全体をフォールド（分割）に割り当てることで、同一のクラスターが訓練セットとテストセットの両方に同時に現れないようにした。
   • 解釈性: 特徴量の重要度はXGBoostのゲイン（gain）を通じて評価し、乳房検診モデルについては、特徴量の寄与を解釈するためにShapley加法説明（SHAP）を算出した。
   • 不平等測定: 異なるベースライン有病率に起因する比較可能性の問題に対処するため、通常の濃度指数とErreygers修正濃度指数の両方を用いて、富に関連する不平等を定量化した。

主な結果

• 有病率: 25〜49歳の女性における加重有病率は、乳房検診で22.5%、子宮頸がん検査で6.9%であった。両アウトカムとも、教育および富に対して強い正の勾配を示し、都市部の割合は農村部の約2倍であった。
• 空間パターン: グローバルなMoran's Iは、両アウトカムについて有意な正の空間自己相関を示した（乳房：$I=0.217, p<0.001$; 子宮頸がん：$I=0.125, p<0.001$）。
  • ホットスポット／コールドスポット: 探索的なGetis-Ord Gi*マップにより、グレーター・アクラ、アシャンティおよびボノの一部周辺の離散的なホットスポット、および北部地域に集中するコールドスポットが特定された。著者らは、子宮頸がん検査のホットスポットは乳房検診のホットスポットよりもやや北方に広がっていることを指摘しており、これは空間的な足跡が相関しているものの、同一ではないことを示唆している。
• 予測性能: クラスター保持型交差検証の下で、モデルは中程度の識別能を達成した：
  • 乳房検診：平均AUC = 0.716。
  • 子宮頸がん検査：平均AUC = 0.730。
  • 特徴量の重要度の順位は両アウトカム間で一貫しており、教育、富、および年齢が主要な予測因子であった。個人の社会経済的構成が考慮されると、地域指標の寄与は相対的に小さくなった。
• 不平等: Erreygers修正濃度指数は、通常の指数が示唆したランキングを逆転させた。通常の指数は子宮頸がん検査の方が不平等である（0.348 対 0.256）と示唆したが、修正指数は、ベースラインの有病率の違いを考慮すると、実際には乳房検診の方が富に集中している（0.231 対 0.095）ことを示した。

意義および主張
本論文は、既存の知見（社会経済的要因）の再発見ではなく、その方法論的な拡張として位置づけている。主な貢献は以下の通りである：

1. 粒度の高い空間記述: 検診受診率が調査区レベルでクラスター化していることを示し、行政区画による報告では平均化されてしまうホットスポットやコールドスポットを明らかにした。
2. 方法論的な厳密性: 調査データにおける機械学習の検証において、クラスター保持型の検証戦略を導入し、標準的な交差検証で一般的な問題となる情報のリークに対処した。
3. 比較的不平等分析: 濃度指数の修正の選択が不平等のランキングにどのように影響するかを強調し、Erreygers修正によって、どちらのサービスがより不平等であるかという解釈がどのように変化するかを示した。

限界および主張の謙抑性
著者らは自らの研究の限界を明確に述べており、プログラム的なターゲティングへの即時運用性を主張していない。主な留意点は以下の通りである：

• 因果関係の主張なし: 横断的研究デザインであるため、因果推論は不可能である。空間的クラスター化は、社会経済的要因によって媒介されているのではなく、「〜と関連している」あるいは「組成的にパターン化されている」と記述されている。
• 検証の範囲: クラスター保持型検証は、サンプリングされた地理的範囲内の未知のクラスターへの一般化可能性をテストするものであり、地理的に離れた、あるいは隣接する未サンプルの地域への外挿性をテストするものではない。
• モデルの限界: 予測モデルには地理的座標が含まれておらず、場所そのものではなく社会経済的構成に基づいて予測を行っている。さらに、XGBoostの優位性を証明するための、調査重み付きロジスティック回帰との比較も行われていない。
• 運用の準備性: 著者らは、クラスターレベルのリスクランキングは「組成に基づくランキング」であり、検証済みのターゲティングツールではないと述べている。臨床や公衆衛生の実践を導く前に、キャリブレーション、外部的な地理的検証、および地域割り当てベースラインとの比較が必要であることを明記している。

結論として、本研究は、クラスター解像度の空間記述と検証された予測モデリングを組み合わせることが、地域的なターゲティングを補完する有用な手段となり得ることを示唆しているが、臨床や公衆衛生の実践を導く前にはさらなる厳格な検証を必要とする、仮説生成的な分析である。