Machine Learning-Based Prediction of Acute Morbidity and Counterfactual Policy Simulation among Children 6–23 Months of Age in Punjab, Pakistan: A Secondary Analysis of a Multi-Indicator Cluster Survey 2017–18

In de eerste twee jaar van een kind leven bouwt het lichaam aan zijn fundament. Dit is een cruciale periode waarin voeding en omgeving niet alleen bepalen hoe een kind groeit, maar ook hoe goed het immuunsysteem kan vechten tegen veelvoorkomende ziekten. Wanneer een kind in een omgeving met lage inkomens koorts, diarree of een luchtweginfectie ontwikkelt, zijn de belangen groot; deze acute ziekten zijn de belangrijkste doodsoorzaak voor jonge kinderen in veel delen van de wereld. Hoewel artsen en functionarissen van de volksgezondheid al lang weten dat armoede, een gebrek aan onderwijs en een slecht dieet bijdragen aan ziekte, is de exacte mix van factoren complex. Het is moeilijk om te ontrafelen welke enkele interventie de meeste levens zou redden of de meeste ziekte zou voorkomen in een specifieke regio. Om dit op te lossen, wenden onderzoekers zich steeds vaker tot computermodellen die door enorme hoeveelheden enquêtegegevens kunnen spitten om patronen te vinden die menselijke analyse mogelijk mist, waardoor ze kunnen testen wat er zou gebeuren als specifieke omstandigheden zouden worden verbeterd.

Een team van onderzoekers in Pakistan paste deze aanpak toe op de gezondheid van kinderen in Punjab, de meest bevolkte provincie van het land. Ze richtten zich op kinderen tussen zes en zesentwintig maanden oud, een groep die bijzonder kwetsbaar is. Met behulp van gegevens uit een massale huishoudelijke enquête die in 2017 en 2018 werd uitgevoerd, onderzochten ze bijna 10.000 kinderen om te begrijpen waarom sommigen ziek waren en anderen gezond waren. De onderzoekers zochten niet alleen naar correlaties; ze wilden de toekomst simuleren. Ze bouwden een computermodel dat leerde van de bestaande gegevens om ziekte te voorspellen, en stelden vervolgens een "wat als"-vraag: wat zou er gebeuren met de gezondheid van de gehele populatie als elk kind toegang zou hebben tot vitamensupplementen, of als elke moeder een hoger oplevingsniveau zou hebben? Deze methode, bekend als contrafectuele simulatie, stelt wetenschappers in staat om de potentiële impact van beleidsveranderingen in te schatten voordat deze daadwerkelijk worden geïmplementeerd.

De studie begon met het kijken naar de huidige realiteit op de grond. In de twee weken vóór de enquête was bijna de helft van de kinderen in de steekproef ziek geweest met ten minste één van de grote kinderziekten: koorts, diarree, hoest, of problemen met de ademhaling. De last van ziekte was niet gelijkmatig verdeeld over de provincie. In sommige divisies, zoals Dera Ghazi Khan, was meer dan twee derde van de kinderen ziek, terwijl in andere, zoals Gujranwala, het percentage aanzienlijk lager was. De onderzoekers merkten ook op dat de overgrote meerderheid van de kinderen geen vitamine- of mineraalsupplementen kreeg, en dat een groot deel van de moeders geen formeel onderwijs had genoten. Dit waren de ruwe ingrediënten die het computermodel nodig had om van te leren.

Om deze complexiteit te begrijpen, gebruikten de onderzoekers een machine learning-techniek genaamd een random forest. Stel je een bos van beslissingsbomen voor, waarbij elke boom een reeks eenvoudige vragen stelt over het leven van een kind — zoals "Heeft het gezin een ziektekostenverzekering?" of "Heeft het kind vitamines ontvangen?" — om te beslissen of het kind waarschijnlijk ziek zal zijn. De computer bouwde duizenden van deze bomen, die elk op een iets andere manier naar de gegevens keken, en liet hen vervolgens stemmen over het uiteindelijke antwoord. Deze aanpak is krachtig omdat het complexe, chaotische gegevens kan verwerken waarbij veel factoren overlappen. Het model werd getraind op het grootste deel van de gegevens en werd vervolgens getest op een aparte groep om te zien hoe goed het presteerde. Het voorspelde succesvol of een kind gezond of ziek was, beter dan willekeurige gokken, wat bewees dat de gegevens duidelijke signalen bevatten over wat ziekte drijft.

Zodra het model was gebouwd, richtten de onderzoekers zich op het belangrijkste deel van de studie: het identificeren van welke factoren het meest belangrijk waren. Ze maten hoeveel elke variabele, van rijkdom tot dieet, bijdroeg aan het vermogen van het model om onderscheid te maken tussen zieke en gezonde kinderen. De resultaten waren opmerkelijk. De belangrijkste factor was de toegang tot vitamine- en mineraalsupplementen. Deze factor overtrof alles, inclusclusief het vermogen van het gezin en het oplevingsniveau van de moeder. Hoewel armoede en onderwijs onmiskenbaar verbonden zijn met gezondheid, toonden de gegevens aan dat de aanwezigheid of afwezigheid van deze supplementen de sterkste voorspeller was van de vraag of een kind ziek zou worden. Andere factoren, zoals het onderwijs van de moeder en het dieet van het kind, waren ook belangrijk, maar zij speelden een secundaire rol vergeleken met de supplementen.

De onderzoekers gebruikten het model vervolgens om hun simulaties uit te voeren, waarbij ze effectief een digitale versie van Punjab creëerden waarin ze één regel tegelijk konden veranderen. In het eerste scenario stelden ze zich een wereld voor waarin elk kind in de studie toegang had tot vitamine- en mineraalsupplementen. Het model voorspelde dat deze enkele verandering zou resulteren in een enorme verbetering van de volksgezondheid. Het percentage gezonde kinderen zou met bijna dertien procentpunten stijgen, een verschuiving die duizenden minder zieke kinderen in de hele provincie vertegenwoordigt. In het tweede scenario stelden ze zich voor dat elke moeder in de steekproef een hoger oplevingsniveau had bereikt. Dit leidde ook tot een verbetering, maar deze was veel kleiner, met een stijging van de gezondheidsgraad van ongeveer drie en een half procentpunt. Het derde scenario, waarbij elk kind een dieet had dat aan de minimale standaarden voor diversiteit voldeed, produceerde de kleinste winst, met een stijging van de gezondheidsgraad van minder dan een half procentpunt.

Deze bevindingen suggereren dat hoewel onderwijs en dieet essentieel zijn, de meest directe en krachtige hefboom voor het verminderen van ziekte in deze specifieke populatie het waarborgen van de inname van vitamines en mineralen is. De simulatie geeft aan dat een gericht programma om deze supplementen te verstrekken een veel grotere impact zou kunnen hebben op de algehele gezondheid van de populatie dan andere interventies, tenminste op de korte termijn. De onderzoekers merkten op dat dit niet betekent dat onderwijs of dieet onbelangrijk zijn; het suggereert eerder dat in een omgeving met beperkte middelen, de kloof in de toegang tot supplementen een kritieke flessenhals is die, indien weggenomen, de hoogste opbrengst oplevert. De studie benadrukt dat in de divisies met de hoogste ziektecijfers, zoals Dera Ghazi Khan, het prioriteren van deze supplementen de meeste levens zou kunnen redden.

De studie concludeert dat deze combinatie van machine learning en simulatie een nieuwe manier biedt om beslissingen te nemen op het gebied van de volksgezondheid. In plaats van te gokken welke politiek zou werken, kunnen functionarissen deze modellen gebruiken om de waarschijnlijke uitkomst van verschillende keuzes te zien. Voor de kinderen van Punjab lijkt de weg vooruit duidelijk: terwijl langetermijninvesteringen in onderwijs en voeding essentieel blijven, zou een gerichte inspanning om ervoor te zorgen dat elk kind vitamine- en mineraalsupplementen krijgt, de last van acute ziekte in de komende jaren drastisch kunnen verminderen. De gegevens bieden een routekaart die laat zien dat een relatief eenvoudige interventie tot een gezondere toekomst voor de meest kwetsbare kinderen in de regio kan leiden.