Using Bayesian Evidence Synthesis to estimate the number of sex workers in the United Kingdom

Deze studie maakt gebruik van Bayesiaanse Evidentie Synthese om historische gegevens te integreren met recente gegevens over de bevolking en kliniekbezoek in het Verenigd Koninkrijk, waardoor een robuuste schatting wordt gegenereerd van ongeveer 84.000 sekswerkers in het Verenigd Koninkrijk (95% betrouwbaarheidsinterval: 49.000–130.000) om kritieke datahiaten aan te pakken voor gerichte volksgezondheidssteun.

De kern

Het Grote Plaatje: Het Tellen van het Onzichtbare

Stel je voor dat je probeert te tellen hoeveel mensen zich verstoppen in een gigantisch, donker bos. Je kunt ze niet allemaal zien omdat ze proberen zich te verbergen, bang zijn om naar buiten te komen, of zich te veel verplaatsen. Dit is de uitdaging waar de onderzoekers mee te maken kregen: het schatten van het aantal sekswerkers in het VK.

Omdat sekswerk vaak gestigmatiseerd is of juridisch complex, komen veel werkers niet voor in officiële overheidsregistraties (zoals volkstellingsgegevens) of standaard enquêtes. Eerdere pogingen om hen te tellen waren als het raden van het aantal vissen in een meer door slechts naar één emmer water te kijken; ze gaven één getal, maar vertelden niet hoe foutief dat getal zou kunnen zijn.

Het doel van dit artikel was om een betrouwbare kaart te maken van deze verborgen populatie, niet door te raden, maar door alle oude kaarten die we al hebben te combineren en precies toe te geven hoe onzeker we zijn over de details.

De Methode: De "Masterchef" van Data

De onderzoekers gebruikten een techniek genaamd Bayesiaanse Evidentie Synthese. Denk hierbij aan een meesterkok die probeert de perfecte soep te maken.

1. De Ingrediënten (Oude Studies): In de afgelopen 30 jaar hebben verschillende onderzoekers geprobeerd sekswerkers te tellen. Sommigen gebruikten gegevens van klinieken, anderen van online advertenties, en weer anderen van enquêtes onder ondersteuningsdiensten. Elk van deze studies is een "ingrediënt". Sommige ingrediënten zijn vers en van hoge kwaliteit; anderen zijn wat oud of werden gemeten met een trillende hand.
2. Het Recept (Het Model): In plaats van alleen het "beste" onderzoek te kiezen en de rest te negeren, bouwden de onderzoekers een wiskundig recept (een computermodel) dat alle deze ingrediënten met elkaar mengt.
3. De Geheime Saus (Onzekerheid): Het speciale deel van hun recept is hoe ze omgaan met de "trillende handen". Ze namen de cijfers uit de oude studies niet als absolute feiten. In plaats daarvan behandelden ze elk oud getal als een "beste schatting" met een foutmarge. Ze voerden deze "schattingen" in hun model in, waardoor de onzekerheid door het hele proces kon stromen.

De Analogie: Stel je voor dat je probeert het gewicht van een mysterie-doos te raden.

• Oude Manier: Je vraagt het aan vijf vrienden. Eén zegt 10 kg, één zegt 50 kg, één zegt 20 kg. Je middelt ze gewoon tot 26,6 kg en zegt: "Dat is het gewicht."
• De Manier van Dit Artikel: Je vraagt het aan de vijf vrienden, maar je vraagt ook: "Hoe zeker ben je?" Eén vriend zegt: "Ik schat 10 kg, maar ik kan 5 kg naast het juiste zitten." Een ander zegt: "Ik schat 50 kg, maar ik ben vrij zeker dat het tussen de 40 en 60 ligt." Het model combineert vervolgens deze schattingen en hun zekerheidsniveaus om je een eindantwoord te geven dat zegt: "Het gewicht ligt waarschijnlijk rond de 26 kg, maar het kan realistisch gezien overal tussen de 15 kg en 40 kg liggen."

De Resultaten: De Eindtelling

Na het mengen van alle data en het uitvoeren van de complexe wiskunde, produceerde het model een nieuwe schatting:

• Het Getal: Er zijn ongeveer 84.000 sekswerkers in het VK.
• Het "Misschien"-Bereik: Omdat de data lastig is, zijn de onderzoekers 95% zeker dat het echte ergens tussen 49.000 en 130.000 ligt.
• De Context: Dit vertegenwoordigt ongeveer 0,12% van de totale bevolking van het VK.

Om dit in perspectief te plaatsen, merkt het artikel op dat deze groep kleiner is dan de bevolking van mannen die seks hebben met mannen (ongeveer 1% van de bevolking), maar potentieel groter is dan de bevolking van mensen die drugs injecteren.

Waarom Dit Belangrijk Is (Volgens Het Artikel)

Het artikel betoogt dat het hebben van een getal met een duidelijke "foutmarge" beter is dan het hebben van één enkel, er nauwkeurig uitziehend getal dat misschien verkeerd is.

• Betere Planning: Als gezondheidsdiensten weten dat de populatie waarschijnlijk tussen de 50.000 en 130.000 ligt, kunnen ze middelen plannen (zoals vaccins, testen of ondersteuningsdiensten) die robuust genoeg zijn om het hogere einde van dat bereik aan te kunnen, in plaats van de behoefte te onderschatten.
• Verminderen van Ongelijkheid: Het artikel stelt dat sekswerkers vaak te maken hebben met gezondheidsongelijkheden en barrières voor zorg. Door een betere schatting te hebben, kunnen gezondheidsfunctionarissen de schaal van het probleem beter begrijpen en gerichte ondersteuning ontwerpen om deze kloven te dichten.

De "Kleine Lettertjes" (Beperkingen)

De auteurs zijn zeer eerlijk over de gebreken in hun "soep":

• Geen Perfecte Data: Ze moesten vertrouwen op oude studies die geen eigen foutmarges hadden. Ze moesten een systeem bedenken om te beoordelen welke oude studies "beter" waren, gebaseerd op hoe ze werden uitgevoerd.
• Tijdsreizen: De data beslaat bijna 25 jaar. De wereld van sekswerk is veranderd (vooral met het internet), dus het model gaat ervan uit dat de populatie qua structuur niet drastisch is veranderd, wat misschien niet waar is.
• Geen Direct Contact: Het model sprak niet direct met sekswerkers; het analyseerde alleen bestaande rapporten. De auteurs geven toe dat toekomstig werk sekswerkers direct moet betrekken om betere data te krijgen.

Samenvatting

Dit artikel ging niet naar buiten om sekswerkers één voor één te tellen. In plaats daarvan fungeerde het als een data-detective, die alle gefragmenteerde, onvolmaakte aanwijzingen van de afgelopen 30 jaar nam, deze combineerde met een geavanceerde wiskundige methode, en een enkel, goed onderbouwd schatting produceerde: 84.000 mensen, met een duidelijke waarschuwing dat het echte getal aanzienlijk hoger of lager kan zijn. Het doel is om dit getal te gebruiken om gezondheidsdiensten te helpen deze gemeenschap effectiever te ondersteunen.

Technische samenvatting

Technische Samenvatting: Bayesiaanse Evidentie-synthese voor het Schatten van de Sekswerkerspopulatie in het VK

Probleemstelling
Sekswerkers in het Verenigd Koninkrijk staan voor aanzienlijke gezondheidsongelijkheden en barrières bij het toegang krijgen tot gezondheidszorg, vaak verergerd door stigma, discriminatie en juridische kaders. Een kritieke hindernis voor het bieden van gerichte, op bewijs gebaseerde volksgezondheidssteun is het ontbreken van betrouwbare gegevens over de omvang van de sekswerkerspopulatie. Bestaande schattingen, afgeleid van diverse studies tussen 1999 en 2017, variëren sterk (van ~35.000 tot ~105.000) en missen, cruciaal, gekwantificeerde onzekerheid. Vorige studies behandelden hun schattingen vaak als puntwaarden zonder betrouwbaarheidsintervallen, waardoor ze geen rekening hielden met de inherente onzekerheid in de parameters en methodologieën die werden gebruikt om ze af te leiden. Dit gebrek aan robuuste, onzekerheid-gekwantificeerde data belemmert effectieve toewijzing van middelen, plannen voor uitbraakbestrijding en het ontwerpen van op maat gemaakte gezondheidsinterventies.

Methodologie
De auteurs hanteren een Bayesiaanse Evidentie-synthese-kader om zeven historische schattingsstudies (over de periode 1999–2017) te integreren met recente nationale populatiegegevens en gegevens over bijeenkomsten bij Genito-Urinaire Geneeskunde-klinieken (GUMCAD). De kernmethodologische innovatie is de behandeling van historische studies niet als 'zwarte dozen', maar als mechanistische processen met onzekere parameters.

1. Hiërarchische Modelstructuur:

   • Niveau 1 (Studiespecifieke Schattingen): In plaats van gerapporteerde puntwaarden te accepteren, reconstrueert het model de schatting van elke studie op basis van de gedocumenteerde parameters (bijv. servicecontacten, vermenigvuldigingsfactoren, ratios). Aan elke parameter wordt een a-prioriverdeling toegewezen, waardoor de inherente onzekerheid van de oorspronkelijke methodologie door het model kan propageren. De waargenomen studietellingen worden gemodelleerd als ruisbeïnvloede log-normale realisaties van deze mechanistische schattingen.
   • Niveau 2 (Hiërarchische Pooling): Studiespecifieke schattingen worden zacht beperkt tot een studiespecifiek aandeel ($\theta_i$) dat is geschaald naar de huidige bevolking van het VK.
   • Niveau 3 (Populatie-niveau Parameters): De studiespecifieke aandelens worden getrokken uit een gemeenschappelijke Beta-verdeling die wordt beheerst door het totale populatieaandeel ($p$) en een parameter voor heterogeniteit tussen studies ($\tau$).

2. Kwaliteitsgewichtsysteem:
   Om het gebrek aan standaardfouten in historische studies aan te pakken, ontwikkelden de auteurs een systematisch kwaliteitsgewichtsysteem gebaseerd op WHO-richtlijnen. Dit systeem wijst gewichten toe (0–100) op basis van:

   • Dataverzamelingmethode (67% gewicht): Beoordeeld op populatiebereik (sectoren, geslachten, leeftijden, geografie) en temporele relevantie. Bereik heeft prioriteit boven actualiteit.
   • Methode-specifieke criteria (33% gewicht): Beoordeeld op de uitvoering van de specifieke methode (bijv. onafhankelijkheid van bronnen bij vermenigvuldigingsfactoren-methoden, outreach bij enumeratie).
     Deze gewichten bepalen de variantie in de waarschijnlijkheidsfunctie; studies van hogere kwaliteit ontvangen een lagere variantie (hogere precisie), terwijl studies van lagere kwaliteit een hogere variantie ontvangen.

3. Waarschijnlijkheid en A-prioriverdelingen:

   • Waarschijnlijkheid: Gewogen log-normale verdelingen worden gebruikt om waargenomen studietellingen te vergelijken met modelafgeleide schattingen. Deze keuze respecteert de positiviteitsbeperking van populatiegroottes en houdt rekening met het multiplicatieve karakter van schattingsfouten.
   • A-prioriverdelingen: Het totale populatieaandeel ($p$) gebruikt een Beta(12, 9988) a-prioriverdeling, die de schatting centreert rond 0,12% op basis van vorig onderzoek, maar invloeden van de data toestaat. De heterogeniteitsparameter ($\tau$) gebruikt een log-normale a-prioriverdeling om variatie tussen studies toe te staan.

Belangrijkste Resultaten

• Populatieschatting: Het model schat een totaal van 84.000 sekswerkers in het Verenigd Koninkrijk.
• Onzekerheid: Het 95% betrouwbaarheidsinterval is 49.000 tot 130.000, wat 0,121% van de huidige bevolking van het VK vertegenwoordigt (ongeveer 69,3 miljoen). De mediaan schatting is 81.000, wat wijst op een licht rechts-scheve posterieure verdeling.
• Modelaanpassingen: De synthese bracht principiële aanpassingen aan in individuele studies. Zo werd de schatting van Cusick et al. (2009) substantieel omhoog bijgesteld (+31%) om in lijn te komen met de door de a-prioriverdeling impliciete schatting, terwijl Import IO (2017) en Pitcher (2015) bescheiden omlaag werden bijgesteld. De GUMCAD-gegevens, afgeleid van klinische tellingen, vertoonden het breedste betrouwbaarheidsinterval vanwege de cumulatieve onzekerheid van de gebruikte schalingsfactoren.
• Robuustheid: Sensitiviteitsanalyses (leave-one-out en uniform gewichten) bevestigden dat de resultaten robuust zijn. Het verwijderen van een enkele studie verschuift de schatting met minder dan 2,3%, en het wijzigen van het gewichtsysteem resulteerde in een verwaarloosbaar verschil van 0,2%. Het model reproduceerde succesvol het patroon van waargenomen schattingen zonder overfitting.

Betekenis en Claims
Het artikel claimt drie primaire bijdragen:

1. Herziene Schatting: Het biedt een uitgebreide, gesynthetiseerde schatting die gebruikmaakt van collectieve informatie uit bijna twee decennia onderzoek, waardoor de invloed van de beperkingen van een enkele studie wordt verminderd.
2. Gekwantificeerde Onzekerheid: In tegenstelling tot eerdere puntwaarden, propageert deze aanpak de onzekerheid rigoureus van studiespecifieke parameters en heterogeniteit tussen studies naar het eindresultaat. Dit biedt beleidsmakers een betrouwbaarheidsinterval dat essentieel is voor robuuste planning en risicobeoordeling.
3. Uitbreidbaar Kader: Het hiërarchische Bayesiaanse model biedt een reproduceerbaar en uitbreidbaar kader. Het kan nieuwe bewijslast opnemen (bijv. uit surveillance-systemen of digitale platformen) zonder dat een volledige heranalyse nodig is, waardoor methodologische consistentie wordt behouden.

Beperkingen en Toekomstige Richtingen
De auteurs erkennen verschillende beperkingen:

• Data-beperkingen: De onderliggende studies missen standaardfouten, wat noodzaakt tot het gebruik van een subjectief kwaliteitsgewichtsysteem.
• Temporele Stabiliteit: Het model gaat uit van temporele stabiliteit over studies die een periode van 25 jaar bestrijken, waardoor verschuivingen door technologische veranderingen (bijv. online platformen) of juridische ontwikkelingen mogelijk worden gemist.
• Methodologische Erfenis: De aanpak is nog steeds afhankelijk van vermenigvuldigingsfactoren-methoden en extrapolaties, en erft de beperkingen in bereik van de oorspronkelijke studies.
• Levenservaring: De studie hield geen co-productie met door sekswerkers geleide organisaties.

Het artikel concludeert dat hoewel deze schatting een cruciale nationale basislijn biedt, toekomstig werk prioriteit moet geven aan co-gedeelde, door de gemeenschap geleide methodologieën om de nauwkeurigheid, inclusiviteit en de veiligheid van dataverzameling te verbeteren. De auteurs benadrukken dat het schatten van de populatiegrootte moet dienen om gezondheidsongelijkheden te verminderen en gerichte steun te informeren, terwijl het strikt moet waken tegen het hergebruik van data voor handhaving of surveillance.