Predicting Inadequate Iron and Folic Acid Supplementation Among Pregnant Women in Ghana: An Explainable Machine Learning Approach

Zwangerschap is een periode waarin de behoefte van het lichaam aan voedingsstoffen enorm stijgt, en voor miljoenen vrouwen wereldwijd is een eenvoudige dagelijkse pil met ijzer en foliumzuur het verschil tussen een gezonde geboorte en een levensbedreigende complicatie. Deze supplementen zijn ontworpen om anemie te voorkomen, een conditie waarbij het bloed niet genoeg zuurstof kan transporteren, wat kan leiden tot een vroeggeboorte of een laag geboortegewicht. Gezondheidsexperts zijn het al lang eens over het feit dat het dagelijks slikken van deze pillen gedurende de gehele duur van de zwangerschap de gouden standaard is. Toch is in veel delen van de wereld het louter hebben van toegang tot de pillen niet voldoende. Vrouwen beginnen vaak met het innemen ervan, maar stoppen voordat de zwangerschap ten einde is, of ze missen dagen, waardoor ze kwetsbaar worden. De uitdaging voor functionarissen op het gebied van de volksgezondheid is niet alleen het distribueren van de medicijnen, maar ook het begrijpen van waarom sommige vrouwen moeite hebben om zich aan het regime te houden terwijl anderen dat wel doen, zodat de hulp precies kan worden gericht waar deze het hardst nodig is.

In Ghana heeft een nieuwe studie een krachtige vorm van computerextractie ingezet om dit puzzelstuk op te lossen. Onderzoekers namen een enorme, landelijk representatieve enquête onder duizenden Ghanese vrouwen en voerden de gegevens in een geavanceerd machine learning-systeem. In tegen tegenstelling tot traditionele methoden die zoeken naar eenvoudige, rechtlijnige verbanden tussen factoren, is dit systeem ontworpen om complexe, verborgen patronen te vinden in hoe verschillende aspecten van het leven van een vrouw — waar ze woont, hoeveel geld haar familie heeft en hoe vaak ze een arts bezoekt — met elkaar interageren om haar gezondheidskeuzes te beïnvloeden. Het doel was niet om de toekomst voor een individu te voorspellen, maar om het landschap van risico's over het hele land in kaart te brengen, waarbij werd geïdentificeerd welke groepen vrouwen het meest waarschijnlijk hun supplementen te vroeg zullen stoppen.

De onderzoekers richtten zich op 4.641 zwangere vrouwen die ijzersupplementen hadden ontvangen tijdens hun meest recente zwangerschap. Ze definieerden "inadequate" gebruik als het innemen van de pillen voor minder dan 90 dagen, wat tekortschiet aan de aanbeveling van de Wereldgezondheidsorganisatie om ze dagelijks gedurende de hele zwangerschap in te nemen. Ongeveer 35 procent van de vrouwen in deze groep was gestopt met het innemen van de supplementen voordat de grens van 90 dagen werd bereikt. Om te begrijpen waarom, bouwde het team een computermodel genaamd CatBoost, een type algoritme dat bekend staat om zijn vermogen om rommelige, echte data te verwerken zonder dat deze eerst vereenvoudigd hoeven te worden. Ze trainden dit model op 80 procent van de enquêtegegevens en testten het vervolgens op de resterende 20 procent om te zien hoe goed het kon voorspellen wie er een risico liep.

De resultaten toonden aan dat deze machine learning-benadering aanzienlijk beter was in het opsporen van de patronen van inadequate supplementatie dan de traditionele statistische instrumenten die gewoonlijk in de volksgezondheid worden gebruikt. Het nieuwe model maakte met een hoge mate van nauwkeurigheid correct onderscheid tussen vrouwen die hun pillen lang genoeg innamen en degenen die dat niet deden, waarbij het andere veelvoorkomende computermodellen en standaard wiskundige vergelijkingen overtrof. Maar de ware waarde van het onderzoek lag niet alleen in de voorspelling, maar in de verklaring. De onderzoekers gebruikten een techniek die werkt als een spotlight, die precies verlicht welke factoren het model ertoe brachten zijn beslissingen te nemen. Dit onthulde dat de krachtigste voorspeller van of een vrouw haar supplementen de volledige aanbevolen tijd zou innemen, simpelweg was waar zij woonde.

De gegevens schetsen een duidelijk beeld van geografische ongelijkheid. Vrouwen in de noordelijke regio's van Ghana liepen een veel groter risico op inadequate supplementatie vergeleken met die in het zuiden. Naast locatie was de frequentie van bezoeken aan de antenatal care-kliniek (kraamzorgkliniek) de tweede meest cruciale factor. Vrouwen die de kliniek minder vaak bezochten, waren veel meer geneigd om vroegtijdig met hun pillen te stoppen. Ook de timing van het eerste bezoek deed ertoe; vrouwen die langer wachtten met hun eerste doktersbezoek tijdens de zwangerschap, liepen een groter risico. Andere factoren waren onder meer hoe vaak een vrouw naar de radio luisterde, wat diende als een proxy voor blootstelling aan gezondheidsboodschappen, en de rijkdom van haar huishouden, waarbij armere gezinnen hogere risico's liepen. Verrassend genoeg bleek het hebben van een ziektekostenverzekering de minst belangrijke factor te zijn bij het voorspellen of een vrouw zich aan haar regime zou houden, wat suggereert dat hoewel verzekering vrouwen helpt om bij de kliniek te komen, het niet garandeert dat ze de medicatie blijven innemen zodra ze vertrekken.

De studie keek ook naar de rol van opleiding en gezinsgrootte, en stelde vast dat hoewel deze een rol speelden, hun invloed niet zo sterk was als die van geografie of kliniekbezoek. De onderzoekers merkten op dat hun bevindingen robuust waren, wat betekent dat zelfs toen zij vrouwen meenamen die helemaal geen supplementen hadden ontvangen, dezelfde top vijf factoren de belangrijkste bleven. Deze consistentie suggereert dat de barrières voor het innemen van deze levensreddende pillen diep geworteld zijn in de specifieke omstandigheden van het leven en de locatie van een vrouw, in plaats van enkel in een gebrek aan toegang tot de medicijnen zelf. De studie concludeert dat hoewel het computermodel nog niet klaar is om als klinisch instrument te worden gebruikt voor artsen om individuele patiënten te screenen, het een krachtige kaart biedt voor planners op het gebied van de volksgezondheid. Het laat zien dat om de moederlijke gezondheid in Ghana te verbeteren, interventies afgestemd moeten zijn op specifieke regio's en dat de focus moet liggen op het betrokken houden van vrouwen bij hun zorgverleners gedurende de gehele zwangerschap, in plaats van te vertrouwen op een eenheidsworst-benadering.