妊産婦死亡率は、世界的な健康格差を示す永続的な指標であり、過去30年間で減少がみられるにもかかわらず、サハラ以南アフリカは妊産婦死亡の世界的負担に対して不釣り合いに大きく寄与している。将来の動向予測は、健康政策の意思決定において重要な役割を果たす。先行研究では、最新のGlobal Burden of Disease（GBD）推計に基づき、サハラ以南アフリカの妊産婦死亡率を統一的な統計手法・機械学習・深層学習の比較アプローチでモデル化した研究はない。本研究では、GBD 2023のサハラ以南アフリカにおける妊産婦死亡率（MMR）推計（1980-2023、年次44観測）を解析し、3つの方法のもとで8つのモデルを比較した。統計手法（Holt減衰トレンド指数平滑化、ARIMA、対数線形回帰）、機械学習（ランダムフォレスト、グラディエントブースティング、XGBoost、サポートベクタ回帰）、深層学習（Long Short-Term Memory）である。モデル選択は、RMSE、MAE、MAPE基準に基づき、10年間（2014-2023）についてのウォークフォワード・拡大ウィンドウによるアウト・オブ・サンプル検証で行い、その後、最良選択モデルを全系列で再推定して、2035年までのMMRを予測した。1980年から2023年の間に、MMRは出生10万人当たり674.5から396.2死亡へと減少した（EAPC 2013-2023：-2.17%/年）。最小かつほぼ同一のRMSEとMAPEはARIMAとHoltの減衰トレンド指数平滑化で得られた（RMSE = 2.74、2.75；MAPE = 0.55%、0.52%）が、特にLSTM（RMSE = 388.33、MAPE = 88.52%）を含む4つの機械学習モデルを明確に上回った。最適適合のARIMAモデルは、2030年までにMMRが344.7（95%信頼区間[CI]：301.7–387.7）へ、2035年までに313.0（95%CI：231.6–394.4）へ上昇することを予測する。これは、SDG 3.1の目標の約5倍である。古典的な統計アプローチは、年次の短い時系列の状況において、機械学習および深層学習アプローチより明確に優れており、サハラ以南アフリカは2030年以降の時点でSDG 3.1目標を達成できない。
https://doi.org/10.21203/rs.3.rs-10879103/v1