Technische Samenvatting: Ruimtelijke ML-analyse van ANC- en vruchtbaarheidsongelijkheid in Ghana (1988–2022)

Probleemstelling

Deskundige verloskundige zorg (ANC) is een cruciale preventieve interventie voor het verminderen van moeder- en neonatale mortaliteit, maar sub-Sahara Afrika draagt nog steeds een onevenredig grote last van moedersterfte, die vaak geconcentreerd is in regio's met een hoge vruchtbaarheid en geografische marginalisering. Hoewel Ghana tegen 2022 bijna universele dekking heeft bereikt voor deskundige ANC, blijven er aanzienlijke subnationale verschillen bestaan. Het kernprobleem dat wordt aangepakt, is de complexe, niet-lineaire relatie tussen ANC-toegang en het totale vruchtbaarheidscijfer (TFR) in de 16 administratieve regio's van Ghana over een periode van 34 jaar. Traditionele regressiemethoden slagen er vaak niet in om de spatiotemporele dynamiek, ruimtelijke autocorrelatie en niet-lineaire drempelwaarden te vangen waarbij een hoge vruchtbaarheid de ANC-benutting onafhankelijk van aanbodzijde-verbeteringen kan onderdrukken. Bovendien kunnen standaard dekkingsmetrieken vruchtbaarheidsgerelateerde ongelijkheden maskeren, zoals het "Workhorse"-fenomeen waarbij een hoge dekking samengaat met een hoge vruchtbaarheidslast, wat de gezondheidssystemen onder druk zet.

Methodologie

Deze studie maakt gebruik van een longitudinaal ecologisch ontwerp met negen golven van de Ghana Demographic and Health Surveys (DHS) van 1988 tot 2022, wat 94 regio-per-jaar observaties oplevert voor 16 administratieve regio's. De analyse integreert ruimtelijke statistiek, machine learning en nieuwe samengestelde metrieken:

• Databronnen: DHS subnationale data (deskundige ANC-dekking, TFR, adolescentenfertiliteit) en administratieve grensgeometrieën (261 MMDAs).
• Ongelijkheidsanalyse: De Gini-coëfficiënt werd berekend om de interregionale ongelijkheid in ANC-dekking en TFR te volgen.
• Ruimtelijke Autocorrelatie: Global Moran's I (met k=4 nearest neighbor weights) en Local Indicators of Spatial Association (LISA) met gebruik van Rook-contiguïteit werden toegepast om clusterpatronen en hotspots/coldspots te detecteren.
• Machine Learning: Twee supergecontroleerde modellen werden getraind om de deskundige ANC-dekking te voorspellen:
  • Random Forest (RF) Regressor: 200 estimators, max_depth=6, met 5-voudige kruisvalidatie.
  • Decision Tree (DT) Regressor: Gebruikt als benchmark.
  • Feature Attribution: Partial dependence plots (PDP) werden gebruikt om niet-lineaire kantelpunten in de TFR-ANC-relatie te identificeren.
• Nieuwe Metrieken:
  • Care Efficiency Index (CEI): Gedefinieerd als $CEI = \text{Deskundige ANC (\%)} / \text{TFR}$, wat de efficiëntie van de dienstverlening meet ten opzichte van de vruchtbaarheidslast.
  • Bivariate Risicostratificatie: Observaties werden geclassificeerd in vier zones (Kritiek, Opkomend, Workhorse, Veerkrachtig) op basis van z-scores van ANC en TFR ten opzichte van het gemiddelde.

Belangrijkste Bijdragen

1. Spatiotemporele Convergentieanalyse: De studie kwantificeert de dramatische afname van de interregionale ANC-ongelijkheid (daling van de Gini-coëfficiënt met 87,9%) terwijl de persistentie van vruchtbaarheidsgerelateerde ruimtelijke clustering wordt benadrukt.
2. Ontkoppeling van Indicatoren: Het demonstreert een divergentie in ruimtelijke autocorrelatie tegen 2022: de clustering van ANC-dekking werd niet-significant (wat duidt op uniforme dekking), terwijl de TFR-clustering intensiveerde (Moran's I = 0,606), wat suggereert dat demografische determinanten van vruchtbaarheid over langere tijdshorizonten reageren dan de levering van gezondheidszorg.
3. Exploratief Kantelpunt: Met behulp van de RF partial dependence analyse identificeert de studie een potentieel niet-lineair kantelpunt nabij een TFR van 5,90, waarboven de voorspelde ANC-dekking in historische data daalt.
4. Efficiëntie- en Risicotypologieën: De introductie van de Care Efficiency Index (CEI) en bivariate risicostratificatie biedt instrumenten om onderscheid te maken tussen regio's met "Veerkrachtige" (hoge ANC, lage TFR) en "Workhorse" (hoge ANC, hoge TFR) profielen, waardoor de behoeften aan middelen worden blootgelegd die alleen met dekkingspercentages over het hoofd worden gezien.

Belangrijkste Resultaten

• Dekkingstrends: De nationale deskundige ANC-dekking steeg van 83,1% (1988) naar 97,7% (2022). De Noordelijke Gordel vertoonde de grootste absolute winsten (bijv. Noordelijke Regio +43,0 procentpunt), waardoor de Noord-Zuid kloof werd verkleind van 32,4 naar 0,9 procentpunt.
• Ongelijkheidscijfers: De interregionale Gini voor ANC daalde van 0,070 naar 0,008. In tegenstelling hiertoe daalde de TFR Gini slechts met 27%, wat aangeeft dat vruchtbaarheidsongelijkheid resistenter is tegen beleidsinterventies.
• Prestaties Machine Learning: Het Random Forest-model presteerde beter dan de Decision Tree (Test $R^2$ = 0,381 vs. -0,296). Het enquêtejaar was de dominante voorspeller (43,7% belang), gevolgd door TFR (38,8%).
• Kantelpunt: Het RF-model identificeerde een exploratief kantelpunt bij TFR ≈ 5,90. Boven deze drempel daalt de voorspelde ANC-dekking niet-lineair, wat mogelijk reflectie is van vraagzijde-barrières (bijv. weerstand van partners, transportkosten) in omgevingen met extreem hoge vruchtbaarheid.
• Regionale Verschillen:
  • Zorgefficiëntie: Greater Accra leidde met een CEI van 31,9, terwijl North East achterbleef met 14,5, wat een 2,2-voudige efficiëntiekloof vertegenwoordigt ondanks vergelijkbare dekkingsniveaus in 2022.
  • Risicostratificatie: In 2022 waren de meeste regio's "Veerkrachtig" of "Workhorse". Echter, de Noordelijke Gordel behield "Workhorse"-patronen (Hoge ANC/Hoge TFR), wat impliceert dat er een hogere per-zorgaanbieder dienstverleningslast is vergeleken met de Zuidelijke regio's.
• Ruimtelijke Clustering: Tegen 2022 vertoonde TFR sterke positieve ruimtelijke clustering (Moran's I = 0,606, p=0,001), met name in de Noordelijke Gordel, terwijl de ANC-clustering verdween.

Betekenis en Claims

Het artikel beweert dat hoewel Ghana erin is geslaagd bijna universele deskundige ANC-dekking te bereiken en de interregionale dekkingsongelijkheid te elimineren, vruchtbaarheidsgerelateerde ruimtelijke ongelijkheden aanhouden, met name in de Noordelijke Gordel. De studie stelt dat conventionele dekkingsstatistieken onvoldoende zijn voor het sturen van investeringen in de gezondheidszorg, omdat ze de "Workhorse"-last en de efficiëntiekloof tussen regio's met een hoge en lage vruchtbaarheid maskeren.

De auteurs stellen dat de Care Efficiency Index (CEI) en bivariate risicostratificatie instrumenten bieden voor hypothese-genererende gerichte investeringen. Specifiek suggereren zij dat regio's met een hoge TFR en een hoge ANC (Workhorse) andere middelenallocatie vereisen (bijv. personeelsintensiteit) vergeleken met Veerkrachtige regio's. Het exploratieve TFR-kantelpunt nabij 5,90 wordt gepresenteerd als een drempel voor verdere validatie, wat potentieel een limiet aangeeft waarbij hoge vruchtbaarheid onafhankelijke barrières voor ANC-gebruik creëert.

De studie concludeert dat beleidsprioriteiten zich moeten uitbreiden van de expansie van de aanbodzijde naar gerichte programma's voor de vruchtbaarheidstransitie en de empowerment van vrouwen in de Noordelijke Gordel. Zij benadrukken dat deze bevindingen ecologisch en hypothese-genererend zijn, en waarschuwen tegen causale interpretaties van de TFR-ANC-relatie zonder verdere validatie op individueel niveau.