Multidimensional Determinants of Childhood Wasting among Children Under Five in West Africa

Resumo Técnico: Determinantes Multidimensionais da Desnutrição Aguda (Wasting) Infantil entre Crianças Menores de Cinco Anos na África Ocidental

Problema
A desnutrição aguda infantil (wasting), definida como subnutrição aguda, continua sendo um desafio crítico de saúde pública na África Ocidental, com a região respondendo por mais de 27% da carga global. Embora pesquisas anteriores tenham identificado fatores socioeconômicos (ex: educação materna, riqueza domiciliar) e problemas ambientais isolados como impulsionadores, há evidências limitadas sobre a influência combinada das mudanças climáticas, degradação ambiental, recursos hídricos e fatores do sistema de saúde na prevalência da desnutrição aguda nos dezesseis países da África Ocidental. Além disso, estudos existentes frequentemente dependem de regressão logística padrão ou focam em nações individuais, falhando em capturar padrões regionais ou a natureza limitada dos dados de desnutrição (proporções entre 0 e 1).

Metodologia
Este estudo utilizou dados de painel do World Development Indicators (WDI) do Banco Mundial, cobrindo o período de 2000–2023 para dezesseis países da África Ocidental. A variável dependente foi a prevalência de desnutrição aguda (% de crianças menores de cinco anos). Os autores empregaram uma abordagem metodológica dupla para abordar as limitações dos modelos estatísticos tradicionais:

1. Modelo Linear Misto Beta (BGLMM): Dado que a desnutrição aguda é uma proporção limitada entre 0 e 1, os autores utilizaram um BGLMM com função de ligação logit. Este modelo incluiu efeitos fixos para várias covariáveis (clima, ambiente, recursos hídricos, fatores socioeconômicos e do sistema de saúde) e um efeito aleatório ao nível do país para considerar a heterogeneidade não observada. Efeitos Marginais Médios (AMEs) foram computados para interpretar os coeficientes como mudanças na prevalência.
2. Random Forest (RF) com SHAP: Para capturar relações não lineares e interações sem suposições distributivas estritas, um modelo de Random Forest foi treinado (divisão 70:30 treino-teste). O desempenho do modelo foi avaliado por RMSE, MAE e R². Para garantir a interpretabilidade, as Explicações de Aditividade de Shapley (SHAP) foram aplicadas para classificar a importância dos preditores e determinar a direção da influência das variáveis mais significativas.

O pré-processamento de dados incluiu o tratamento de valores ausentes usando o algoritmo MissForest, e a multicolinearidade foi avaliada via Fatores de Inflação da Variância (VIF), sendo que todos se encontraram dentro dos limites aceitáveis.

Principais Resultados
O estudo identificou conjuntos distintos, porém sobrepostos, de determinantes através de ambas as estruturas estatísticas e de aprendizado de máquina:

• Achados do BGLMM: O modelo revelou associações estatisticamente significativas entre a desnutrição aguda e diversos fatores. A captação de água agrícola e as emissões de N₂O foram positivamente associadas a uma maior prevalência de desnutrição aguda. Por outro lado, os gastos com saúde, o acesso à água potável básica, a área florestal e a variável ano (indicando um declínio geral ao longo do tempo) foram negativamente associados à desnutrição aguda. Curiosamente, o saneamento básico apresentou uma associação positiva, o que os autores atribuem a fatores de confusão, como a rápida urbanização e a persistente insegurança alimentar em áreas onde as melhorias de saneamento estão ocorrendo.
• Achados de Random Forest & SHAP: O modelo RF classificou a captação de água agrícola como o preditor mais informativo, seguido pela população urbana, precipitação média, exposição ao PM2.5, acesso à água potável básica e produtividade da água. Os gráficos de dependência SHAP confirmaram que uma maior captação de água agrícola e a exposição ao PM2.5 correlacionam-se com o aumento da desnutrição aguda, enquanto uma maior população urbana, precipitação e acesso à água potável básica correlacionam-se com a redução da desnutrição aguda.
• Convergência: Ambos os modelos identificaram consistentemente a captação de água agrícola e o acesso à água potável básica como áreas prioritárias críticas.

Principais Contribuições

• Avanço Metodológico: O artigo contribui para a literatura ao aplicar a regressão Beta (especificamente o BGLMM) aos dados de desnutrição aguda infantil, uma abordagem analítica mais apropriada para resultados baseados em proporções do que a regressão logística padrão.
• Modelagem Híbrida: Integra a modelagem econométrica tradicional com aprendizado de máquina (Random Forest) e IA explicável (SHAP) para fornecer uma visão robusta e de múltiplas perspectivas dos determinantes da desnutrição aguda.
• Escopo Regional: Diferente de estudos anteriores focados em nações únicas, esta pesquisa fornece uma análise abrangente de toda a região da África Ocidental, destacando padrões regionais impulsionados por choques climáticos e ambientais.

Significância e Alegações
Os autores afirmam que seus achados ressaltam a necessidade de integrar fatores ambientais e climáticos nas estratégias nutricionais. O estudo postula que a desnutrição aguda na África Ocidental não é meramente um resultado da ingestão dietética, mas é impulsionada por um "ciclo vicioso" de choques ambientais e estruturais.

Especificamente, o artigo argumenta que:

1. A Gestão da Água é Central: A identificação consistente da captação de água agrícola e do acesso à água potável como principais preditores sugere que as políticas devem priorizar o uso eficiente da água na agricultura (ex: irrigação por gotejamento, colheita de água da chuva) e a manutenção dos sistemas de abastecimento de água comunitários.
2. Elo Clima-Nutrição: Existe uma ligação direta entre a ação climática (ODS 13) e o combate à fome (ODS 2). A redução das emissões de N₂O e a gestão da poluição do ar (PM2.5) são apresentadas como estratégias indiretas, mas vitais, para melhorar a nutrição infantil.
3. Implicações de Política: Os autores sugerem que os governos promovam a agricultura climaticamente inteligente, culturas tolerantes à seca e fogões mais eficientes para reduzir a exposição doméstica à fumaça. Eles enfatizam que enfrentar a desnutrição aguda requer abordagens integradas que simultaneamente fortaleçam a segurança alimentar, a sustentabilidade ambiental e a gestão dos recursos hídricos (ODS 6).

O artigo conclui modestamente, reconhecendo limitações como o uso de dados ao nível do país, que podem mascarar variações intra-país (ex: práticas específicas de alimentação), e a ausência de efeitos aleatórios espaciais, sugerindo estes como áreas para futuros modelos longitudinais e espaciais.