布基纳法索孕妇HIV检测覆盖率的机器学习分析与干预模拟

《AIDS Research and Therapy》：Optimizing HIV testing uptake among pregnant women in Burkina Faso: machine learning prediction and scenario-based intervention simulations using 2021 Demographic and Health Survey data

　　

摘要

背景

在布基纳法索，孕妇的HIV检测覆盖率仍然是公共卫生领域的优先事项。本研究旨在利用机器学习方法识别和排序HIV检测覆盖率的关键预测因素，并估算基于情景的干预模拟下的潜在增益。

方法

我们对2021年布基纳法索人口与健康调查进行了横断面二次分析，纳入4,703名在调查前两年内有分娩经历、年龄在15至49岁的女性。HIV检测覆盖率定义为在产前保健期间或分娩前接受过HIV检测并获知检测结果。训练并评估了四种机器学习算法（惩罚回归逻辑回归、随机森林、极端梯度提升和带有径向基函数核的支持向量机）。模型性能使用加权AUC-ROC及其他标准分类指标进行评估。随后使用表现最佳的模型进行针对可改变预测因素的基于情景的干预模拟。

结果

总体而言，55.0%（95% CI：52.7–57.3%）的女性报告在产前保健或分娩前接受过HIV检测，但地区间差异显著，从东部地区的17.0%（95% CI：11.2–22.9%）到中部地区的81.0%（95% CI：76.5–85.4%）。随机森林获得了最佳的交叉验证区分能力（AUC-ROC = 0.785），并在独立测试数据集上表现出相当的性能（AUC-ROC = 0.792）。HIV检测覆盖率的五个最重要预测因素依次为地区（相对重要性 = 100%）、HIV和/或垂直传播预防知识（95.6%）、财富指数（43.1%）、母亲职业（37.4%）和居住地（32.3%）。基于情景的模拟表明，将良好的HIV/垂直传播预防知识覆盖率提高到80%可使预测的HIV检测率增加8.6%（95% CI：6.9–10.6%）。与仅以知识为基础的干预相比，在相应知识目标下，结合媒体接触和教育因素的联合情景在各地区产生了适度额外的相对增益，范围为0.6%至13.8%。

结论

布基纳法索孕妇的HIV检测覆盖率存在显著的地区不平等现象，HIV和/或垂直传播预防知识已成为主要的可改变预测因素。将国家层面的知识提升努力与针对各地区媒体接触和教育水平的特定策略相结合，可能为开发针对性干预措施以提高孕妇HIV检测覆盖率、缩小地区差异提供有前景的途径。