Machine learning-gebaseerde voorspelling en identificatie van bepalende factoren van tienerzwangerschap in tien Oost-Afrikaanse landen

Waarom deze studie ertoe doet

Tienerzwangerschap bepaalt de gezondheid, opleiding en toekomstige verdiensten van miljoenen jonge mensen, vooral in lage- en middeninkomenslanden. In Oost-Afrika is de kans dat meisjes tijdens hun tienerjaren zwanger worden veel groter dan in veel andere delen van de wereld, met gevolgen die doorwerken in gezinnen en gemeenschappen. Deze studie stelt een actuele vraag: kunnen moderne computertechnieken — met name machine learning — ons helpen te signaleren welke meisjes het meest risico lopen en welke sociale en economische omstandigheden het meeste tellen, zodat beperkte middelen gericht kunnen worden ingezet waar ze het meest effect hebben?

Een frisse blik met slimme computers

De onderzoekers analyseerden gegevens van meer dan 32.000 meisjes van 15 tot 19 jaar uit tien Oost-Afrikaanse landen, gebruikmakend van grote, gestandaardiseerde gezondheidsenquêtes die al veel publieke gezondheidsbeslissingen sturen. In plaats van alleen op traditionele statistiek te vertrouwen, schakelden ze supervised machine learning in, een groep methoden die patronen leert uit voorbeelden. Verschillende modellen werden getest, waaronder logistische regressie, beslissingsbomen en meer geavanceerde technieken zoals Random Forests en XGBoost. Voordat ze de modellen trainden, maakten ze de gegevens zorgvuldig schoon en gebruiksklaar: ze vulden ontbrekende waarden aan, zetten enquêteantwoorden om naar computervriendelijke formaten, schaaltem numerieke waarden zodat geen enkele factor domineerde, en creëerden nieuwe variabelen zoals een gecombineerde maat voor toegang tot radio, tv en kranten als één maat voor blootstelling aan sociale media.

De data in balans brengen en de modellen trainen

Een uitdaging was dat de meeste ondervraagde tieners niet zwanger waren, waardoor er een onbalans ontstond tussen “zwanger” en “niet zwanger” gevallen die computers kan misleiden. Om dit aan te pakken gebruikte het team technieken die zowel randgevallen en dubbelingen verwijderen als realistische extra voorbeelden genereren voor de kleinere groep, waardoor een evenwichtiger en informatiever dataset ontstond. Ze splitsten de data vervolgens zo dat 80% werd gebruikt om de modellen te trainen en 20% werd gereserveerd om te testen hoe goed de modellen zouden presteren op nieuwe, niet eerder geziene meisjes. Over meerdere evaluatiematen — zoals totale juistheid, hoe vaak het model echte gevallen ontdekte, en hoe goed het valse alarmen vermeed — bleek het Random Forest-model het meest betrouwbaar.

Wat het risico op tienerzwangerschap aandrijft

Met een goed presterend model richtten de auteurs zich op interpreteerbaarheid: welke factoren waren het meest bepalend bij de voorspelling van tienerzwangerschap? Met behulp van feature selection en een verklaringsinstrument genaamd SHAP vonden ze consequent een kernset van sociale en economische omstandigheden. Daarbij ging het onder meer om ongehuwd zijn, het beginnen met seksuele activiteit op jongere leeftijd, lage opleidingsniveaus van de moeder, wonen in armere huishoudens, grotere gezinsgrootte, wonen op het platteland, en het aangeven dat de afstand tot een gezondheidsvoorziening een groot probleem is. Beperkte blootstelling aan sociale media en digitale informatiebronnen leek ook het risico te verhogen. Daarentegen hing het huidige gebruik van moderne anticonceptiemethoden samen met een lagere kans op tienerzwangerschap, wat suggereert dat toegang tot en acceptatie van anticonceptie beschermend kan werken.

Verschillen tussen landen en de kracht van het model

De gegevens lieten zien dat tienerzwangerschap niet gelijkmatig over Oost-Afrika is verdeeld. Kenia toonde de hoogste prevalentie, ongeveer één op de vijf tienermeisjes, terwijl Malawi in deze dataset de laagste prevalentie had. Toch verschenen dezelfde brede risicofactoren in de hele regio. Het Random Forest-model bracht deze patronen met hoge nauwkeurigheid in kaart (dichtbij 90%) en had een sterke capaciteit om hoogrisico- van laagrisico-tenen te onderscheiden. Omdat het model herhaaldelijk op verschillende subsets van de data werd getest, stellen de auteurs dat de prestaties waarschijnlijk standhouden in vergelijkbare praktische omgevingen, hoewel de analyse geen oorzaak-en-gevolgrelaties kan bewijzen.

Wat dit betekent voor meisjes en gemeenschappen

Simpel gezegd concludeert de studie dat tienerzwangerschap in Oost-Afrika sterk samenhangt met armoede, beperkte scholing, vroege seksuele debut, wonen op het platteland, slechte toegang tot gezondheidsdiensten en gebrek aan informatie via moderne media — terwijl moderne anticonceptie helpt het risico te verlagen. Door aan te tonen dat computermodellen deze patronen betrouwbaar kunnen signaleren in grootschalige nationale enquêtes, wijst het werk op een praktische weg vooruit: overheden en gezondheidsorganisaties zouden soortgelijke hulpmiddelen kunnen gebruiken om te identificeren waar tienermeisjes het kwetsbaarst zijn, jeugdvriendelijke voortplantingsgezondheidsdiensten in plattelandsgebieden uitbreiden, schoolgebaseerde voorlichting over seksuele gezondheid versterken en radio, tv en mobiele media inzetten om juiste, stigmavrije informatie te verspreiden. Samen zouden deze stappen kunnen helpen dat meer adolescenten ongewenste zwangerschappen vermijden en de regie over hun gezondheid en toekomst behouden.

Bronvermelding: 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

Trefwoorden: tienerzwangerschap, Oost-Afrika, machine learning, voortplantingsgezondheid, sociale determinanten