Projections
Nous avons comparé nos taux estimés d’amélioration de la prévalence de l’EBF au cours des 18 dernières années avec les améliorations nécessaires entre 2017 et 2025 pour atteindre le GNT de l’OMS (50 % de prévalence de l’EBF)6 en effectuant un simple calcul de projection. Tout d’abord, nous avons calculé un AROC log-additif à chaque cellule de la grille (i) en transformant en logit nos 18 années de prévalence moyenne postérieure, \({\it{prev}}_{i,{\rm{year}}}^l\) et en calculant l’AROC entre chaque paire d’années adjacentes en commençant par 2001 :
Nous avons ensuite calculé un AROC pondéré pour chaque pixel en prenant une moyenne pondérée sur les années, où les AROC plus récents ont reçu plus de poids dans la moyenne. Nous avons défini les pondérations comme suit :
où γ peut être choisi pour donner des quantités variables de poids à travers les années. Pour cet ensemble de projections, nous avons choisi γ = 1, ce qui donne un schéma de pondération linéaire qui a été testé et approuvé pour être utilisé dans la projection de l’Objectif de développement durable lié à la santé)56. Pour toute cellule de grille, nous avons ensuite calculé l’AROC pondéré comme suit :
Enfin, nous avons calculé les projections en appliquant le CROA pondéré à chaque cellule de la grille à notre prévalence moyenne postérieure de 2017 :
Nous avons utilisé le même processus pour projeter les AROC au niveau national et administratif. Ce schéma de projection était analogue aux méthodes utilisées dans la mesure du GBD 2017 des progrès et de la réalisation projetée des Objectifs de développement durable liés à la santé56.
Limitations
Data availability
Ce travail doit être évalué en reconnaissant pleinement les données et les limites méthodologiques. Plus important encore, la précision de nos estimations dépend de façon critique de la quantité et de la qualité des données sous-jacentes. La disponibilité des données pertinentes varie à la fois spatialement et temporellement à travers l’Afrique (Extended Data Fig. 4), et le manque de données pertinentes est l’une des principales sources d’incertitude autour de nos estimations (comme on le voit dans la Fig. 1f). Nous avons construit une grande base de données de prévalence de la FEB géo-localisée pour les besoins de cette analyse ; néanmoins, d’importantes lacunes dans la couverture des données – à la fois spatiales et temporelles – subsistent. Davantage de données locales sont nécessaires pour surveiller les résultats sanitaires et guider les efforts d’amélioration de la qualité, et pour accroître la certitude de nos résultats. Collecter des données locales auprès de toutes les communautés chaque année serait une tâche insurmontable pour la plupart des pays ; cette étude aide à combler le manque de connaissances actuel en produisant des estimations pour les zones sans collecte de données basées sur les modèles appris dans les zones bien étudiées, en utilisant les mêmes méthodes d’estimation pour toutes les zones pour des résultats comparables entre les communautés.
Exactitude des données
En outre, plusieurs facteurs liés à la qualité des données doivent être reconnus. Les données de nos analyses ont été obtenues auprès des soignants des nourrissons à n’importe quel moment entre la naissance et l’âge de 6 mois. Bien que l’état de l’alimentation du nourrisson soit basé sur un seul point dans le temps (les 24 heures précédant l’interview de l’enquête), ce qui est connu pour surestimer la pratique de l’alimentation du nourrisson pour toute la période de 6 mois, puisque les nourrissons peuvent être nourris avec d’autres aliments et liquides avant ou après l’enquête, cette estimation est une pratique standard57,58. En suivant l’approche standard d’estimation de l’EBF basée sur les directives internationales57,58, la proportion de nourrissons qui sont exclusivement nourris au sein pendant toute la période de 6 mois est calculée en estimant la prévalence de l’EBF pour tous les enfants de moins de 6 mois (bien que l’on sache que l’EBF diminue avec l’âge)57. En raison de la tranche d’âge (nourrissons de 0 à 5 mois) pertinente pour l’objectif d’estimation de la prévalence de l’EBF, la taille de nos échantillons est relativement plus petite que celle des efforts précédents de cartographie des estimations localisées pour les conditions de santé, les résultats et les indicateurs socioéconomiques12,13,41,42, ce qui contribue encore au degré d’incertitude relativement important associé à nos estimations.
Les informations de localisation associées aux données compilées pour ces analyses sont sujettes à certaines erreurs. Pour protéger la confidentialité des répondants, la plupart des enquêtes qui recueillent les coordonnées GPS effectuent un certain type de déplacement aléatoire sur ces coordonnées avant de diffuser les données pour les analyses secondaires. Par exemple, les coordonnées GPS des données de l’EDS sont déplacées d’un maximum de 2 km pour les grappes urbaines, d’un maximum de 5 km pour la plupart des grappes rurales et d’un maximum de 10 km dans un pourcentage aléatoire de 1 % des grappes rurales59. De plus, les données associées à des polygones plutôt qu’à des coordonnées GPS ont été rééchantillonnées afin qu’elles puissent être incluses dans le modèle géostatistique, mais ce processus suppose essentiellement que la prévalence de l’EBF est constante sur le polygone. Des recherches sur des méthodes évolutives pour une meilleure intégration des données de polygone dans des modèles géostatistiques similaires à ceux utilisés dans cette analyse sont actuellement en cours.
Limites de la modélisation
En ce qui concerne la stratégie de modélisation, la principale limite est la difficulté d’évaluer la performance du modèle au niveau de la cellule de grille. Nous avons utilisé la validation croisée pour évaluer la performance du modèle mais, en raison de l’impact substantiel de l’erreur d’échantillonnage sur les estimations dérivées de grappes d’enquête uniques, il a été nécessaire d’agréger à la fois les données et les prédictions lors de l’évaluation de l’erreur. De plus, bien que nous ayons tenté de propager l’incertitude de diverses sources à travers les différentes étapes de la modélisation, certaines sources d’incertitude n’ont pas été propagées. En particulier, il n’était pas possible, d’un point de vue informatique, de propager l’incertitude des sous-modèles de l’empilement à travers le modèle géostatistique. De même, bien que le raster de population WorldPop soit également composé d’estimations associées à une certaine incertitude, cette incertitude est difficile à quantifier et n’est pas actuellement rapportée, et nous n’avons donc pas été en mesure de propager cette incertitude dans nos estimations de la prévalence de l’EBF pour les subdivisions administratives qui ont été créées à l’aide de moyennes pondérées par la population des estimations des cellules de la grille.
L’ajustement des modèles a été effectué à l’aide d’une approximation de Laplace imbriquée intégrée à la distribution postérieure, telle que mise en œuvre dans le package R-INLA49. La prédiction à partir des modèles ajustés a ensuite été effectuée à l’aide de la fonction inla.posterior.sample(), qui génère des échantillons à partir de la postérieure approximée du modèle ajusté. L’ajustement du modèle et la prédiction nécessitent donc des approximations, et ces approximations peuvent introduire des erreurs. Bien qu’il soit difficile d’évaluer l’impact de ces approximations dans ce cas d’utilisation particulier, nos analyses de validation ont révélé que notre modèle final présente un faible biais et une bonne couverture des intervalles de prédiction à 95 %, ce qui rassure quelque peu sur le fait que la méthode d’approximation utilisée, ainsi que d’autres sources d’erreur potentielles, n’entraînent pas un biais appréciable ou une incertitude mal décrite dans nos estimations rapportées.
En outre, nos méthodes de projection sont dérivées des tendances historiques spatio-temporelles précédentes et basées sur l’hypothèse que les tendances récentes se poursuivront ; ainsi, nous ne projetons pas les moteurs sous-jacents (tels que l’urbanisation croissante ou les changements de population)60.
Résumé du rapport
De plus amples informations sur la conception de la recherche sont disponibles dans le résumé du rapport de la recherche Nature lié à cet article.