Projekce
Provedením jednoduchého projekčního výpočtu jsme porovnali naše odhadované míry zlepšení prevalence výlučného kojení za posledních 18 let se zlepšeními potřebnými v letech 2017 až 2025 k dosažení GNT WHO (50% prevalence výlučného kojení)6. Nejprve jsme vypočítali logaritmický AROC v každé buňce sítě (i) logitovou transformací naší 18leté posteriorní průměrné prevalence, \({\it{prev}}}{i,{\rm{rok}}}^l\), a vypočítali AROC mezi každou dvojicí sousedících let počínaje rokem 2001:
Poté jsme pro každý pixel vypočítali vážený AROC váženým průměrem za všechny roky, přičemž novější AROC měly v průměru větší váhu. Váhy jsme definovali takto:
kde γ může být zvoleno tak, aby mělo v jednotlivých letech různou váhu. Pro tuto sadu projekcí jsme zvolili γ = 1, čímž vzniklo lineární váhové schéma, které bylo testováno a ověřeno pro použití při projekci Cíle udržitelného rozvoje v oblasti zdraví)56. Pro každou buňku sítě jsme pak vypočítali vážený AROC takto:
Nakonec jsme projekce vypočítali použitím váženého AROC v každé buňce sítě na náš posteriorní průměrný výskyt v roce 2017:
Stejný postup jsme použili k projekci AROC na úrovni zemí a správních celků. Toto projekční schéma bylo analogické metodám použitým v GBD 2017 pro měření pokroku a prognózu dosažení cílů udržitelného rozvoje v oblasti zdraví56.
Omezení
Dostupnost dat
Tuto práci je třeba hodnotit s plným vědomím datových a metodických omezení. Nejdůležitější je, že přesnost našich odhadů je kriticky závislá na množství a kvalitě podkladových dat. Dostupnost relevantních dat se v Africe lišila jak prostorově, tak časově (Extended Data Obr. 4) a nedostatek relevantních dat je jedním z hlavních zdrojů nejistoty kolem našich odhadů (jak je vidět na Obr. 1f). Pro účely této analýzy jsme vytvořili rozsáhlou databázi geograficky lokalizovaných údajů o prevalenci EBF, nicméně v pokrytí údajů – jak prostorovém, tak časovém – přetrvávají významné mezery. Pro sledování zdravotních výsledků a usměrňování úsilí o zlepšování kvality a pro zvýšení jistoty našich výsledků je zapotřebí více místních údajů. Každoroční sběr místních údajů ze všech komunit by byl pro většinu zemí nepřekonatelným úkolem; tato studie pomáhá vyplnit současnou mezeru ve znalostech tím, že na základě naučených vzorců z dobře prozkoumaných oblastí vytváří odhady pro oblasti bez sběru dat a používá stejné metody odhadu pro všechny oblasti, aby byly výsledky v jednotlivých komunitách srovnatelné.
Přesnost údajů
Kromě toho je třeba vzít na vědomí několik faktorů souvisejících s kvalitou údajů. Údaje v našich analýzách byly získány od pečovatelů o kojence v kterémkoli časovém okamžiku mezi narozením a 6 měsíci věku. Ačkoli byl stav EBF kojence založen na jediném časovém bodu (24 h před dotazováním), o kterém je známo, že nadhodnocuje praxi EBF za celé 6měsíční období, protože kojenci mohou být před nebo po dotazování krmeni jinými potravinami a tekutinami, je tento odhad standardní praxí57,58 . Podle standardního přístupu k odhadu EBF založeného na mezinárodních pokynech57,58 se podíl kojenců, kteří jsou výlučně kojeni po celých 6 měsíců, vypočítá odhadem prevalence EBF u všech dětí mladších 6 měsíců (ačkoli je známo, že EBF s věkem klesá)57 . Vzhledem k věkovému rozmezí (0- až 5měsíční kojenci) relevantnímu pro účely odhadu prevalence EBF jsou velikosti našich vzorků relativně menší než předchozí snahy mapující lokalizované odhady zdravotních stavů, výsledků a socioekonomických ukazatelů12,13,41,42, což dále přispívá k poměrně velké míře nejistoty spojené s našimi odhady.
Informace o lokalitě spojené s údaji sestavenými pro tyto analýzy jsou zatíženy určitou chybou. V zájmu ochrany důvěrnosti údajů respondentů provádí většina průzkumů, které shromažďují souřadnice GPS, před zveřejněním údajů pro sekundární analýzy určitý typ náhodného posunu těchto souřadnic. Například souřadnice GPS pro údaje DHS jsou u městských shluků posunuty až o 2 km, u většiny venkovských shluků až o 5 km a u náhodně vybraného 1 % venkovských shluků až o 10 km59. Kromě toho byla data spojená s polygony spíše než se souřadnicemi GPS převzorkována, aby mohla být zahrnuta do geostatistického modelu, ale tento postup v podstatě předpokládá, že prevalence EBF je na polygonu konstantní. V současné době probíhá výzkum škálovatelných metod pro lepší začlenění údajů o polygonech do geostatistických modelů podobných těm, které byly použity v této analýze.
Omezení modelování
S ohledem na strategii modelování je hlavním omezením obtížnost hodnocení výkonnosti modelu na úrovni buněk sítě. K posouzení výkonnosti modelu jsme použili křížovou validaci, ale vzhledem ke značnému vlivu výběrové chyby na odhady odvozené z jednotlivých shluků šetření bylo nutné při posuzování chyb agregovat jak data, tak předpovědi. Navíc, i když jsme se snažili propagovat nejistotu z různých zdrojů v různých fázích modelování, existují některé zdroje nejistoty, které nebyly propagovány. Zejména nebylo výpočetně proveditelné propagovat nejistotu z dílčích modelů při stohování prostřednictvím geostatistického modelu. Podobně, ačkoli se populační rastr WorldPop také skládá z odhadů spojených s určitou nejistotou, je obtížné tuto nejistotu kvantifikovat a v současné době se neuvádí, a proto jsme nemohli tuto nejistotu propagovat do našich odhadů prevalence EBF pro administrativní členění, která byla vytvořena pomocí populačně vážených průměrů odhadů buněk sítě.
Přizpůsobení modelu bylo provedeno pomocí integrované vnořené Laplaceovy aproximace posteriorního rozdělení, jak je implementováno v balíčku R-INLA49. Předpovědi z fitovaných modelů byly následně provedeny pomocí funkce inla.posterior.sample(), která generuje vzorky z aproximovaného posterioru fitovaného modelu. Jak fitování modelu, tak predikce tedy vyžadují aproximace a tyto aproximace mohou vnášet chybu. I když je obtížné posoudit dopad těchto aproximací v tomto konkrétním případě použití, naše validační analýzy zjistily, že náš konečný model má nízké zkreslení a dobré pokrytí 95% předpovědních intervalů, což poskytuje určitou jistotu, že použitá metoda aproximace, stejně jako další potenciální zdroje chyb, nemají za následek znatelné zkreslení nebo špatně popsanou nejistotu v námi uváděných odhadech.
Naše metody projekce jsou navíc odvozeny z předchozích časoprostorových historických trendů a jsou založeny na předpokladu, že nedávné trendy budou pokračovat; neprojektujeme tedy základní faktory (jako je rostoucí urbanizace nebo změny v počtu obyvatel)60.
Souhrn zpráv
Další informace o designu výzkumu jsou k dispozici v Souhrnu zpráv o výzkumu v časopise Nature, který je připojen k tomuto článku.