Predictors of fertility-limiting preferences among currently married women in Bangladesh: an interpretable machine learning analysis of the 2022 Demographic and Health Survey
Door gebruik te maken van interpreteerbare machine learning op de 2022 Bangladesh Demographic and Health Survey data, toont deze studie aan dat XGBoost nauwkeurig vruchtbaarheidbeperkende voorkeuren onder getrouwde vrouwen kan voorspellen, waarbij leeftijd, aantal levende kinderen en anticonceptie-intentie als belangrijke voorspellers worden geïdentificeerd, terwijl wordt onthuld dat digitale inclusie en mentale gezondheid een minimale invloed hebben.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de stille calculus van het gezinsleven is de beslissing van een vrouw over het wel of niet krijgen van een ander kind vaak de meest krachtige voorspeller van wat er daadwerkelijk volgt. Deze keuze, bekend als een fertiliteitspreferentie, fungeert als een kompas voor reproductief gedrag. Wanneer een vrouw wil stoppen met het krijgen van kinderen, zoekt zij waarschijnlijk naar methoden om zwangerschap permanent of voor een lange tijd te voorkomen. Wanneer zij de geboorten wil spreiden, zoekt zij naar tijdelijke oplossingen. Decennialang hebben publieke gezondheidsprogramma's in landen als Bangladesh vertrouwd op brede statistieken om te raden welke vrouwen in welke categorie vallen, in de hoop de juiste diensten bij de juiste mensen te brengen. Echter, nu het totale aantal kinderen per vrouw in Bangladesh is gestabiliseerd op een niveau dat nog steeds iets boven wat nodig is voor louter populatievervanging ligt, is de vraag verschoven. Het gaat niet langer alleen over waarom de vruchtbaarheid hoog is; het gaat erom precies te identificeren welke vrouwen al hebben besloten te stoppen met kinderen krijgen, zodat zorgverleners hen de langdurige zorg kunnen bieden die zij nodig hebben, en welke vrouwen nog bezig zijn met het opbouwen van hun gezin en andere ondersteuning nodig hebben.
Een team van onderzoekers van de Mawlana Bhashani Science and Technology University besloot dit probleem aan te pakken met een moderne benadering genaamd machine learning. In plaats van te vertrouwen op traditionele statistische methoden die ervan uitgaan dat elke factor onafhankelijk werkt, gebruikten zij computeralgoritmen die in staat zijn complexe patronen te vinden in een enorme dataset. Ze wenden zich tot de 2022 Bangladesh Demographic and Health Survey, een uitgebreide nationale studie die duizenden vrouwen interviewde. Uit deze groep selecteerden zij 17.245 momenteel getrouwde vrouwen tussen de 15 en 49 jaar oud. Het doel was simpel maar ambitieus: kijken of een computer nauwkeurig kon voorspellen of een vrouw geen verdere kinderen meer wilde hebben op basis van een breed scala aan informatie over haar leven, inclusief haar leeftijd, haar opleiding, haar mentale gezondheid, haar geschiedenis van verhuizingen naar een nieuwe plek en zelfs haar toegang tot digitale technologie.
De onderzoekers voedden de computer met vijfentwintig verschillende stukjes informatie over elke vrouw, zoals hoeveel kinderen zij al had, hoe lang zij al in haar huidige stad woonde, of zij een smartphone bezat en of zij ooit positief had getest op angst of depressie. Zij splitsten de gegevens in twee groepen: de eerste groep werd gebruikt om de computer te leren patronen te herkennen, en de tweede groep om te testen hoe goed de computer presteerde op nieuwe, ongeziene gevallen. Na het trainen van verschillende soorten algoritmen, ontdekten zij dat één model, bekend als XGBoost, uitzonderlijk goed was in de taak. Het identificeerde correct of een vrouw wilde stoppen met het krijgen van kinderen in ongeveer 84 procent van de gevallen, een nauwkeurigheidsniveau dat wedijvert met de beste menselijke experts en de prestaties van simpel gokken ver overstijgt.
De meest opvallende ontdekking was niet alleen dat de computer deze voorspellingen kon doen, maar ook precies welke factoren die beslissingen aanstuurden. Het algoritme leerde dat de sterkste signalen kwamen van de meest fundamentele aspecten van de levensfase van een vrouw. Haar leeftijd en het aantal levende kinderen dat zij al had, waren de krachtigste indicatoren. Een vrouw in de dertiger jaren met vier of meer kinderen wilde bijna zeker stoppen, terwijl een jonge vrouw zonder kinderen dat onwaarschijnlijk wilde. Naast deze voor de hand liggende factoren bleek de duur van de tijd die een vrouw in haar huidige locatie had gewoond een verrassend sterke voorspeller te zijn. Vrouwen die vijftien jaar of langer in dezelfde plaats hadden gewoond, wilden veel vaker stoppen met het krijgen van kinderen, terwijl vrouwen die daar recent waren komen wonen, veel vaker binnenkort weer een kind wilden krijgen. Dit suggereert dat de stabiliteit van langdurige bewoning nauw verbonden is met het voltooien van gezinsopbouw, terwijl recente verplaatsing vaak wijst op een gezin dat zich nog in de vroege, groeiende fasen bevindt.
De studie testte ook verschillende ideeën die in deze context nog niet grondig waren onderzocht, zoals of de mentale gezondheid van een vrouw of haar toegang tot het internet invloed had op haar wens voor meer kinderen. Hoewel de gegevens lieten zien dat vrouwen met angst of depressie, of vrouwen met een hoge digitale inclusie, wanneer ze afzonderlijk bekeken werden, wel degelijk andere fertiliteitspreferenties hadden, onthulde het computermodel dat deze factoren geen onafhankelijke drijfveren waren. Zodra het model rekening hield met de leeftijd, opleiding en het aantal kinderen van een vrouw, vervaagde de invloed van symptomen van mentale gezondheid en digitale toegang naar de achtergrond. Dit waren niet de primaire redenen waarom een vrouw besloot te stoppen of door te gaan met kinderen krijgen; eerder waren het vaak slechts bijeffecten van de levensfase waarin zij zich al bevond. Evenzo, hoewel rijkdom en geografische locatie enigszien belangrijker waren, waren zij veel minder belangrijk dan de persoonlijke geschiedenis van de vrouw zelf.
De implicaties van deze bevindingen zijn praktisch en onmiddellijk voor gezinsplanningprogramma's. Omdat het model met hoge precisie kan identificeren welke vrouwen willen stoppen met kinder krijgen met behulp van informatie die routinematig in enquêtes wordt verzameld, zouden zorgverleners deze eenvoudige vragen kunnen gebruiken om hun diensten effectiever te richten. Zij kunnen zich concentreren op het aanbieden van langdurige, permanente methoden aan vrouwen die al lang in een gemeenschap wonen en meerdere kinderen hebben, om er zeker van te zijn dat zij niet te maken krijgen met onbedoelde zwangerschappen. Tegelijkertijd kunnen zij de diensten voor het spreiden van geboorten richten op recente migranten die waarschijnlijk nog in de vroege fasen van het opbouwen van hun gezin zitten. Het onderzoek bevestigt dat hoewel het landschap van het gezinsleven complex is, de beslissing om te stoppen met het krijgen van kinderen geen mysterie is dat verborgen ligt in de ruis van het moderne leven; het is een duidelijk signaal dat geschreven staat in de alledaagse details van de leeftijd van een vrouw, haar kinderen en de geschiedenis van waar zij heeft gewoond.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.