Proiecții
Am comparat ratele noastre estimate de îmbunătățire a prevalenței EBF în ultimii 18 ani cu îmbunătățirile necesare între 2017 și 2025 pentru a îndeplini GNT al OMS (50% prevalență EBF)6 prin efectuarea unui calcul simplu de proiecție. În primul rând, am calculat AROC log-additiv la fiecare celulă de grilă (i) prin transformarea logit a prevalenței noastre medii posterioare din 18 ani, \({\it{prev}}_{i,{\rm{an}}^l\) și calcularea AROC între fiecare pereche de ani adiacenți începând cu 2001:
Apoi am calculat un AROC ponderat pentru fiecare pixel prin luarea unei medii ponderate pentru toți anii, unde AROC mai recente au primit o pondere mai mare în medie. Am definit ponderile ca fiind:
unde γ poate fi ales pentru a da o pondere variabilă între ani. Pentru acest set de proiecții, am selectat γ = 1, rezultând o schemă de ponderare liniară care a fost testată și verificată pentru a fi utilizată în proiectarea obiectivului de dezvoltare durabilă legat de sănătate)56. Pentru orice celulă din grilă, am calculat apoi AROC ponderat astfel:
În cele din urmă, am calculat proiecțiile prin aplicarea AROC ponderat la fiecare celulă de grilă la prevalența noastră medie ulterioară din 2017:
Am utilizat același proces pentru a proiecta AROC la nivel național și administrativ. Această schemă de proiecție a fost analogă cu metodele utilizate în măsurarea GBD 2017 a progresului și atingerea preconizată a Obiectivelor de Dezvoltare Durabilă legate de sănătate56.
Limitări
Disponibilitatea datelor
Această lucrare ar trebui să fie evaluată cu recunoașterea deplină a datelor și a limitărilor metodologice. Cel mai important, acuratețea estimărilor noastre depinde în mod critic de cantitatea și calitatea datelor de bază. Disponibilitatea datelor relevante a variat atât din punct de vedere spațial, cât și temporal în Africa (Extended Data Fig. 4), iar lipsa datelor relevante este una dintre principalele surse de incertitudine în jurul estimărilor noastre (după cum se observă în Fig. 1f). Am construit o bază de date mare de date geolocalizate privind prevalența EBF în scopul acestei analize; cu toate acestea, rămân lacune importante în ceea ce privește acoperirea datelor – atât spațială, cât și temporală. Sunt necesare mai multe date locale pentru a monitoriza rezultatele în materie de sănătate și pentru a ghida eforturile de îmbunătățire a calității, precum și pentru a crește gradul de certitudine al rezultatelor noastre. Colectarea datelor locale de la toate comunitățile în fiecare an ar fi o sarcină insurmontabilă pentru majoritatea țărilor; acest studiu ajută la umplerea lacunelor actuale de cunoștințe prin producerea de estimări pentru zonele fără colectare de date pe baza modelelor învățate din zonele bine cercetate, folosind aceleași metode de estimare pentru toate zonele pentru rezultate comparabile între comunități.
Precizia datelor
În plus, există mai mulți factori legați de calitatea datelor care trebuie recunoscuți. Datele din analizele noastre au fost obținute de la îngrijitorii sugarilor la orice moment între naștere și vârsta de 6 luni. Deși statutul EBF al unui sugar s-a bazat pe un singur moment (cele 24 de ore anterioare interviului din cadrul sondajului), despre care se știe că supraestimează practica EBF pentru întreaga perioadă de 6 luni, deoarece sugarii pot fi hrăniți cu alte alimente și lichide fie înainte, fie după sondaj, această estimare este o practică standard57,58. Urmând abordarea standard de estimare a EBF bazată pe orientările internaționale57,58, proporția de sugari care sunt alăptați exclusiv la sân pentru întreaga perioadă de 6 luni este calculată prin estimarea prevalenței EBF pentru toți copiii cu vârsta sub 6 luni (deși se știe că EBF scade odată cu vârsta)57. Datorită intervalului de vârstă (sugari de la 0 la 5 luni) relevant pentru scopul estimării prevalenței EBF, dimensiunile eșantioanelor noastre sunt relativ mai mici decât eforturile anterioare de cartografiere a estimărilor localizate pentru condiții de sănătate, rezultate și indicatori socioeconomici12,13,41,42, ceea ce contribuie și mai mult la gradul relativ mare de incertitudine asociat estimărilor noastre.
Informațiile de localizare asociate cu datele compilate pentru aceste analize sunt supuse unor erori. Pentru a proteja confidențialitatea respondenților, majoritatea sondajelor care colectează coordonate GPS efectuează un anumit tip de deplasare aleatorie a acestor coordonate înainte de a elibera datele pentru analize secundare. De exemplu, coordonatele GPS pentru datele DHS sunt deplasate cu până la 2 km pentru clusterele urbane, cu până la 5 km pentru majoritatea clusterelor rurale și cu până la 10 km într-un procent aleatoriu de 1 % din clusterele rurale59. În plus, datele asociate poligoanelor, mai degrabă decât coordonatelor GPS, au fost reeșantionate astfel încât să poată fi incluse în modelul geostatistic, dar acest proces presupune, în esență, că prevalența EBF este constantă în poligon. În prezent, sunt în curs de desfășurare cercetări privind metode scalabile pentru o mai bună integrare a datelor din poligoane în modelele geostatistice similare celor utilizate în această analiză.
Limitări ale modelării
În ceea ce privește strategia de modelare, principala limitare este dificultatea de a evalua performanța modelului la nivelul celulelor de rețea. Am utilizat validarea încrucișată pentru a evalua performanța modelului, dar, din cauza impactului substanțial al erorii de eșantionare asupra estimărilor derivate din clusterele unui singur sondaj, a fost necesar să agregăm atât datele, cât și predicțiile atunci când evaluăm eroarea. În plus, deși am încercat să propagăm incertitudinea din diverse surse prin diferitele etape de modelare, există unele surse de incertitudine care nu au fost propagate. În special, nu a fost fezabil din punct de vedere computațional să propagăm incertitudinea de la submodelele de stivuire prin modelul geostatistic. În mod similar, deși rasterul de populație WorldPop este, de asemenea, compus din estimări asociate cu o anumită incertitudine, această incertitudine este dificil de cuantificat și nu este raportată în prezent și, prin urmare, nu am fost în măsură să propagăm această incertitudine în estimările noastre privind prevalența EBF pentru subdiviziunile administrative care au fost create utilizând mediile ponderate în funcție de populație ale estimărilor celulelor de grilă.
Adaptarea modelului a fost realizată utilizând o aproximare Laplace integrată imbricata la distribuția posterioară, așa cum este implementată în pachetul R-INLA49. Predicția din modelele ajustate a fost realizată ulterior cu ajutorul funcției inla.posterior.sample(), care generează eșantioane din posteriorul aproximat al modelului ajustat. Astfel, atât ajustarea modelului, cât și predicția necesită aproximări, iar aceste aproximări pot introduce erori. Deși este dificil de evaluat impactul acestor aproximări în acest caz particular de utilizare, analizele noastre de validare au constatat că modelul nostru final are o prejudecată scăzută și o bună acoperire a intervalelor de predicție de 95%, ceea ce ne asigură că metoda de aproximare utilizată, precum și alte surse potențiale de eroare, nu au ca rezultat o prejudecată apreciabilă sau o incertitudine slab descrisă în estimările noastre raportate.
În plus, metodele noastre de proiecție sunt derivate din tendințele istorice spațio-temporale anterioare și se bazează pe ipoteza că tendințele recente vor continua; astfel, nu proiectăm factorii de bază (cum ar fi creșterea urbanizării sau schimbările în populație)60.
Rezumat de raportare
Informații suplimentare privind proiectarea cercetării sunt disponibile în Rezumatul de raportare a cercetării din Nature Research, legat de acest articol.
.