Förutsägelse av hushållens val av matlagningsbränsle i Afrika söder om Sahara med övervakad maskininlärning av DHS-data från 28 länder

Varför familjers matlagningssätt spelar roll

I stora delar av Afrika söder om Sahara lagar de flesta familjer fortfarande mat över rökfyllda eldar med ved, kol eller jordbruksavfall. Denna vardagsrutin har stora följder: den skadar människors luftvägar, bidrar till klimatförändringar och speglar djupa ojämlikheter i inkomst och tillgång till grundläggande tjänster som elektricitet. Studien som sammanfattas här ställer en mycket praktisk fråga: givet vad vi vet om ett hushåll—dess inkomst, skolgång, tillgång till el och var det ligger—kan vi pålitligt förutsäga om det lagar mat med rena eller förorenande bränslen? Och om så är fallet, vad säger det oss om hur skiftet till säkrare matlagning för hundratals miljoner människor kan påskyndas?

En bild av vardagslivet i 28 länder

Forskarlaget använde detaljerade hushållsundersökningar från 28 länder i Afrika söder om Sahara, som täcker mer än 430 000 hem mellan 2015 och 2024. Dessa undersökningar frågar, bland mycket annat, vilket bränsle som främst används för matlagning. Teamet grupperade elektricitet, flytande petroleumgas (LPG), naturgas och biogas som ”rena” alternativ, och bränslen som fotogen, kol, träkol, ved, kvarlämnat växtmaterial och djurgödsel som ”orena”. De inkluderade också information om hushållschefens ålder och kön, familjestorlek, antal små barn, skolgång, förmögenhet, om hemmet har elektricitet och om det äger en radio eller TV. Tillsammans ger dessa detaljer en bred bild av hur familjer lever, arbetar och har tillgång till information och tjänster.

Lära datorer att se bränslemönster

För att upptäcka mönster som är för komplexa för traditionell statistik använde författarna flera övervakade maskininlärningsmetoder—datormodeller som lär sig från exempel. De tränade sju olika modeller, inklusive beslutsstammar, slumpmässiga skogar, artificiella neurala nätverk och en kraftfull boostningsmetod kallad XGBoost, på 80 % av datan och testade dem på de återstående 20 %. Eftersom hem som använder rena bränslen var mycket ovanligare än de som använder förorenande bränslen, balanserade de datan under träningen så att modellerna inte bara skulle lära sig att förutsäga majoritetsvalet. Modellerna bedömdes efter hur ofta de hade rätt, hur väl de identifierade användare av rena bränslen och hur tydligt de skiljde mellan rena och orena val. XGBoost visade sig vara bäst och förutsade korrekt bränsletyp ungefär fyra gånger av fem och visade utmärkt förmåga att skilja mellan de två grupperna.

Vad som betyder mest för renare matlagning

Att få bra förutsägelser är användbart, men beslutsfattare behöver också veta vad som driver dessa förutsägelser. För att öppna ”svarta lådan” använde teamet en teknik kallad SHAP, som visar hur mycket varje faktor skjuter modellen mot att förutsäga rena eller orena bränslen. Den enskilt starkaste påverkansfaktorn var om ett hushåll hade elektricitet. Hem utan elektricitet var betydligt mer benägna att förlita sig på rökiga bränslen, särskilt när de också var fattiga. Andra starka signaler för ren matlagning var att bo i en stad snarare än på landsbygden, mer skolgång och att äga en TV, vilket ofta hänger ihop med högre inkomst och bättre tillgång till information. Radioägande, familjestorlek, antal små barn och var matlagningen sker (inomhus, i en separat hydda eller utomhus) spelade också in, men i mindre grad.

Ojämn utveckling över regionen

Trots växande urbanisering och elnät visar studien att 84 % av hushållen i de 28 länderna fortfarande lagar mat med orena bränslen. I vissa länder—som Burundi, Madagaskar, Sierra Leone, Malawi, Liberia och Guinea—är mer än 95 % av hemmen beroende av traditionell biomassa. Endast ett fåtal platser, särskilt Sydafrika och Gabon, har majoriteten av hushållen som använder renare alternativ. Inom länderna återkommer samma klyfta: rikare, urbana och bättre utbildade familjer med elektricitet har i högre grad gått över till LPG eller elektrisk matlagning, medan fattigare landsbygdshem fortsätter att samla ved eller köpa träkol. Dessa mönster visar att framsteg är möjliga men ojämna, och nära knutna till pengar, infrastruktur och information.

Vad detta betyder för människor och politik

För en icke-specialist är huvudbudskapet tydligt: vi har nu ett datadrivet sätt att identifiera vilka samhällen som löper störst risk att andas in skadlig matlagningsrök, och varför. Studien visar att utbyggnad av pålitlig och prisvärd elektricitet, minskning av klyftan mellan landsbygd och stad, förbättrad utbildning och höjda hushållsinkomster är centrala för att göra matlagningen renare. Med exakta prediktionsverktyg kan regeringar och biståndsorganisationer bättre rikta elektrifieringsprojekt, bränslesubventioner och upplysningskampanjer till de hushåll som behöver dem mest. Enkelt uttryckt omvandlar forskningen spridda enkät­svar till en praktisk karta för att hjälpa miljontals familjer att byta rökiga eldar mot säkrare, renare kök.

Citering: Demoze, L., Asnake, A.A., Gebrehana, A.K. et al. Predicting household cooking fuel choice in sub-Saharan Africa using supervised machine learning analysis of DHS data from 28 countries. Sci Rep 16, 14208 (2026). https://doi.org/10.1038/s41598-026-44937-z

Nyckelord: ren matlagning, hushållsenergi, Afrika söder om Sahara, maskininlärning, tillgång till el