Filling subnational sanitation data gaps in low- and middle-income countries

数十億の人々にとって、トイレを使うという単純な行為は当たり前のことではありません。安全な衛生環境へのアクセスは基本的な人権ですが、世界では依然として約15億人が基本的なサービスへのアクセスを欠いています。この格差は単なる統計上の数字ではありません。それは病気、子どもの発育阻害、そして防ぐことのできる死を招く要因となっています。この問題を解決するためには、政府や援助団体は、どこに最大のニーズがあるのかを正確に知る必要があります。彼らは、国全体としてだけでなく、その中の特定の地域における衛生状態のマップを見る必要があるのです。しかし、多くの低・中所得国では、この詳細なマップが存在していません。存在するデータは、実施に多額の費用がかかり、完了までに数年を要し、国の広大な領域を未調査のままにしてしまう家庭調査から得られることが多いのです。最新かつ詳細な情報がなければ、最も支援を必要とするコミュニティにリソースを向けることは困難になります。

研究チームは現在、古い調査データと現代の衛星技術を組み合わせた新しいアプローチを用いて、130カ国におけるこれらの欠落したピースを埋めました。180万世帯の情報を分析し、それを環境および経済データと重ね合わせることで、彼らは2024年時点の衛生カバー率の詳細な図を作成しました。彼らの研究は、厳しい現実を明らかにしています。すなわち、最も貧しく脆弱な地域、特にサブサハラアフリカが最も取り残されているということです。この研究は、衛生サービスが不足している場所に関するこれまでで最も明確な視界を提供していますが、同時に、より直接的なデータなしでは何を知ることができるのかという限界も浮き彫りにしており、次の調査が行われるべき場所を示す透明性の高いガイドとなっています。

研究者たちは大きな課題に直面しました。最近の調査が存在しない地域において、衛生状況を予測する必要があったのです。こうした数字を推測する伝統的な手法は、データが乏しい場合に失敗することが多く、限られた情報に過学習（オーバーフィット）したり、新しい地域に対して信頼性の低い結果を出したりする傾向があります。これを解決するために、チームは「タブラー・プライア・フィッテッド・ネットワーク（Tabular Prior-Fitted Network）」と呼ばれる高度な人工知能を活用しました。このモデルを、人口密度、降水量、国家の富といった様々な要因が衛生アクセスとどのように関連しているかについて、数百万もの合成例を学習した非常に訓練された専門家だと考えてください。これにより、モデルは、世界で最もデータが乏しい地域に共通する状況、つまり実世界のデータが少量しかない場合でも、正確な予測を行うことが可能になります。

チームは、2015年から2024年の間に行われた、89カ国・180万世帯を対象とした最新の家庭調査データをモデルに投入しました。これに、市街地、夜間の光、土壌タイプ、気候パターンを含む膨大な地理空間データを組み合わせました。モデルは、これらの環境的および経済的要因と、コミュニティが基本的なトイレを利用できるか、あるいは野外排泄を強いられているかを結びつけるパターンを認識することを学習しました。一度訓練されると、モデルは130の低・中所得国のすべての第一級行政区画について衛生カバー率を予測するために使用され、事実上、2024年の衛生アクセスに関する世界地図を作成しました。

結果は、深刻な不平等の姿を描き出しています。中所得国では、基本衛生のメディアン（中央値）のカバー率は94パーセントであり、ほぼ全員がトイレを利用できることを意味します。対照的に、低所得国では、メディアンのカバー率はわずか36パーセントにまで低下します。サブサハラアフリカでは状況はさらに深刻で、メディアンのカバー率は39パーセントであり、紛争の影響を受ける脆弱な環境では48パーセントにまで落ち込みます。野外排泄（人間の排泄物を野外や水路に処理すること）については、逆のことが言えます。中所得国では、野外排泄を行う人は1パーセント未満ですが、低所得国ではその割合は8パーセントに上昇し、一部の地域では73パーセントに達しています。

研究では予測の不確実性もマッピングされており、データの信頼性が高い場所と、推測に基づいている場所を示しています。モデルは、最近の調査や国家推計が存在するヨーロッパ、北アメリカ、東アジアおよび南東アジア、ならびに北アフリカおよび西アジアの低・中所得地域において、最も高い確信を持っています。しかし、低所得で脆弱な環境、特にサブサハラアフリカにおいては、不確実性が最も高くなっています。これはモデルの失敗ではなく、これらの地域に確信を持つために必要な地上レベルのデータが不足しているという現実を反映しています。研究者は、コンゴ共和国、エリトリア、ニカラグア、北朝鮮の4カ国を、新しいデータ収集の最優先事項として特定しました。これらの国々は最近の調査が不足しており、高い不確実性の条件下にある大規模な人口を抱えています。

最も重要な発見の一つは、不平等は国同士の間だけでなく、国内にも存在するということです。全体的なカバー率が中程度である国であっても、衛生アクセスがほぼ皆無である地域が存在します。モデルはこれらの困窮のポケットを特定することに成功しましたが、最も状況が悪い地域における極端な格差を、おそらく過小評価して滑らかにしてしまう傾向がありました。これは、このマップが広範な傾向を特定するための強力なツールである一方で、最も困窮しているコミュニティを標的にするためには、現地のデータが依然として不可欠であることを示唆しています。また、研究者たちは、人々がその習慣を認めることをためらう可能性があるため、調査において野外排泄の蔓ство（普及）をモデルが過小評価する場合があることも指摘しています。

この研究は、2030年までに野外排泄を終わらせるという世界目標に向けた進展が、危険なほど遅れていることを裏付けています。その目標を達成するためには、過去10年間に比べて進展の速度を3倍にする必要があります。新しいマップは、大規模な投資と的を絞った行動がなければ、最も脆弱な人々が取り残されることになることを示しています。データの欠落を埋めるための、透明性が高く不確実性を考慮したアプローチを提供することで、この取り組みは明確な道筋を示しています。それは、問題がどこにあるかだけでなく、私たちの知識がどこで不完全であるかをも教えてくれ、次世代の調査や投資を最も必要とされる場所へと導くのです。