التنبؤ القائم على التعلم الآلي وتحديد محددات الحمل في سن المراهقة في عشر دول شرق أفريقية

لماذا تهم هذه الدراسة

يشكل الحمل في سن المراهقة صحة وتعليم ومستقبل دخل ملايين الشباب، خاصة في البلدان منخفضة ومتوسطة الدخل. في شرق أفريقيا، من المرجح أن تصبِح الفتيات حوامل في سن المراهقة أكثر من أجزاء كثيرة أخرى من العالم، مع عواقب تتردى عبر الأسر والمجتمعات. تطرح هذه الدراسة سؤالاً في وقته: هل يمكن للتقنيات الحاسوبية الحديثة — وتحديداً التعلم الآلي — أن تساعدنا في تحديد الفتيات الأكثر عرضة للخطر، وما هي الظروف الاجتماعية والاقتصادية الأهم، بحيث يمكن توجيه الموارد المحدودة إلى حيث تحقق أقصى فائدة؟

إعادة النظر باستخدام حواسب ذكية

حلل الباحثون بيانات أكثر من 32,000 فتاة تتراوح أعمارهن بين 15 و19 عاماً عبر عشر دول شرق أفريقية، باستخدام استطلاعات صحية كبيرة ومعيارية توجه بالفعل العديد من قرارات الصحة العامة. بدلاً من الاعتماد فقط على الإحصاءات التقليدية، لجأوا إلى التعلم الآلي المراقب، وهي مجموعة من الأساليب التي تتعلم الأنماط من أمثلة. تم اختبار عدة نماذج، بما في ذلك الانحدار اللوجستي، وأشجار القرار، وأدوات متقدمة مثل الغابات العشوائية وXGBoost. قبل تدريب هذه النماذج، قام الفريق بتنظيف وإعداد البيانات بعناية: ملأوا القيم المفقودة، وحولوا إجابات الاستطلاع إلى صيغ صالحة للحاسوب، وقاسوا القيم الرقمية حتى لا يهيمن عامل واحد، وصنعوا متغيرات جديدة مثل دمج الوصول إلى الراديو والتلفزيون والصحف كمقياس واحد للتعرض لوسائل الإعلام.

موازنة البيانات وتدريب النماذج

كانت إحدى التحديات أن غالبية المراهقات المستطلعات لم تكن حوامل، مما خلق عدم توازن بين حالات «حاملات» و«غير حوامل» قد يضلل الحواسب. لمعالجة ذلك، استخدم الفريق تقنيات تزيل الأمثلة شبه المكررة عند الحدود وتولد حالات إضافية واقعية للمجموعة الأصغر، منتجين مجموعة بيانات أكثر توازناً ومعلوماتية. ثم قسّموا البيانات بحيث تُستخدم 80% لتعليم النماذج و20% لاختبار مدى أداء النماذج على فتيات جديدات لم تُرَ من قبل. عبر مقاييس تقييم متعددة — مثل الصحة العامة، ومعدل التقاط الحالات الحقيقية، ومدى تجنب الإنذارات الكاذبة — برز نموذج الغابات العشوائية كالأكثر موثوقية.

ما الذي يدفع خطر الحمل في سن المراهقة

بوجود نموذج قوي الأداء، ركز المؤلفون على قابلية التفسير: ما العوامل الأكثر تأثيراً في التنبؤ بالحمل في سن المراهقة؟ باستخدام اختيار الميزات وأداة تفسير تُدعى SHAP، وجدوا باستمرار مجموعة أساسية من الظروف الاجتماعية والاقتصادية. شملت هذه عدم الزواج، وبداية النشاط الجنسي في عمر أصغر، وانخفاض مستوى تعليم الأم، والعيش في أسر أفقر، وكبر حجم الأسرة، والسكن في مناطق ريفية، والإبلاغ أن بعد المسافة إلى مرفق صحي يعد مشكلة كبيرة. كما بدا أن التعرض المحدود لوسائل الإعلام الرقمية والمصادر المعلوماتية يزيد من الخطر. بالمقابل، ارتبط الاستخدام الحالي لوسائل تنظيم الأسرة الحديثة بانخفاض احتمال الحمل في سن المراهقة، ما يشير إلى أن الوصول إلى وسائل منع الحمل وقبولها يمكن أن يكون وقائياً.

الاختلافات بين البلدان وقوة النموذج

كشفت البيانات أن الحمل في سن المراهقة ليس موزعاً بالتساوي عبر شرق أفريقيا. أظهرت كينيا أعلى معدل، بنحو فتاة مراهقة من كل خمس فتيات، في حين كانت ملاوي أقل معدل في هذه العينة. ومع ذلك، بدت عوامل الخطر العامة نفسها عبر المنطقة. التقط نموذج الغابات العشوائية هذه الأنماط بدقة عالية (قريبة من 90%) وبقدرة قوية على تمييز المراهقات عاليات الخطورة عن منخفضات الخطورة. وبما أن النموذج خضع للاختبار المتكرر على مجموعات فرعية مختلفة من البيانات، يجادل المؤلفون بأن أدائه من المرجح أن يصمد في بيئات واقعية مماثلة، على الرغم من أن التحليل لا يمكنه إثبات علاقات سبب ونتيجة.

ماذا يعني هذا للفتيات والمجتمعات

ببساطة، تستنتج الدراسة أن الحمل في سن المراهقة في شرق أفريقيا مرتبط ارتباطاً وثيقاً بالفقر وضعف التحصيل الدراسي وبداية النشاط الجنسي المبكرة والسكن الريفي وسوء الوصول إلى الخدمات الصحية ونقص المعلومات عبر الوسائط الحديثة — بينما تساعد وسائل منع الحمل الحديثة على خفض الخطر. من خلال إظهار أن النماذج الحاسوبية يمكن أن تميز هذه الأنماط بشكل موثوق في استطلاعات وطنية كبيرة، يقترح العمل مساراً عملياً للمضي قدماً: يمكن للحكومات ومنظمات الصحة استخدام أدوات مماثلة لتحديد أماكن تعرض الفتيات المراهقات لأكبر قدر من الضعف، وتوسيع خدمات الصحة الإنجابية الملائمة للشباب في المناطق الريفية، وتعزيز التعليم المدرسي حول الصحة الجنسية، واستغلال الراديو والتلفزيون والهواتف المحمولة لنشر معلومات دقيقة وخالية من الوصمة. معاً، يمكن أن تساعد هذه الخطوات المزيد من المراهقات على تجنب حالات الحمل غير المقصودة والحفاظ على صحتهن ومستقبلهن.

الاستشهاد: Baykemagn, N.D., Gebiru, A.M., Getnet, M. et al. Machine learning-based prediction and identification of determinants of teenage pregnancy in ten East African countries. Sci Rep 16, 13128 (2026). https://doi.org/10.1038/s41598-026-43004-x

الكلمات المفتاحية: الحمل في سن المراهقة, شرق أفريقيا, التعلم الآلي, الصحة الإنجابية, المحددات الاجتماعية