濱州醫(yī)學院公共衛(wèi)生與管理學院(264003) 趙星宇 王廣成 單海峰 楊寶順 丁素素 梁曉天 韓春蕾

【提 要】 目的 研究我國圍產(chǎn)兒死亡率的時空變化趨勢并進行預測。方法 收集2005-2018年圍產(chǎn)兒死亡率相關數(shù)據(jù)，使用ArcGIS 10.2軟件繪制圍產(chǎn)兒死亡率分布地圖，用Stata 14.0軟件進行空間相關分析，使用SPSS 19.0軟件進行整合移動平均自回歸模型(ARIMA)預測分析。結果 2005-2018年，圍產(chǎn)兒死亡率西部大于東部和中部，西藏和新疆是圍產(chǎn)兒死亡率的高發(fā)地區(qū)；圍產(chǎn)兒死亡率空間聚集性逐年上升(0.375到0.474)；預測得出2019-2022年圍產(chǎn)兒死亡率呈現(xiàn)下降趨勢(4.08‰到3.92‰)。結論 我國圍產(chǎn)兒死亡率呈下降趨勢，存在明顯的地理差異；圍產(chǎn)兒死亡率的降低需要臨近省份的共同努力。

婦嬰保健是建設健康中國的重要組成部分，是實現(xiàn)“健康中國2030”發(fā)展目標的關鍵。對圍產(chǎn)兒死亡率的研究有助于婦幼保健的可持續(xù)發(fā)展[1]。胎兒體重達到1000克，或孕期滿28周至出生后7天以內的死亡稱為圍產(chǎn)兒死亡[2]。國內外學者對圍產(chǎn)兒死亡率相關問題進行了系列研究。如Xiang K、蔡桂舉、朱丹玲等對圍產(chǎn)兒死亡率現(xiàn)狀和分布的研究[3-5]，Ananth CV、杜兩省、莊艷艷等對圍產(chǎn)兒死亡率影響因素的研究[6-8]以及戴瓊對圍產(chǎn)兒死亡率的預測研究等[9]。

研究目前主要集中在對圍產(chǎn)兒死亡率的現(xiàn)狀、影響因素或預測的單一研究，缺少系統(tǒng)的研究。本文綜合使用空間計量分析與時間序列預測的方法，對圍產(chǎn)兒死亡率的時空分布現(xiàn)狀進行研究，并預測未來我國圍產(chǎn)兒死亡率的發(fā)展趨勢，可為降低我國圍產(chǎn)兒死亡率、提高婦幼健康水平提供對策建議。

資料及方法

1.數(shù)據(jù)來源

收集我國2005-2018年31個省份的圍產(chǎn)兒死亡率數(shù)據(jù)，數(shù)據(jù)來自2006-2019年《中國衛(wèi)生統(tǒng)計年鑒》。

2.研究方法

空間相關性可以判斷圍產(chǎn)兒死亡率的分布是否存在統(tǒng)計上集聚或分散現(xiàn)象。在一定的顯著性水平下，Moran′s I 指數(shù)為正表示圍產(chǎn)兒死亡率存在空間集聚性；Moran′s I 指數(shù)為負則表示鄰近區(qū)域的圍產(chǎn)兒死亡率差異顯著，即存在空間分散性[10]。整合移動平均自回歸模型(auto regressive integrated moving average model，ARIMA)即對差分平穩(wěn)的序列擬合自回歸移動平均模型(auto regressive moving average model，ARMA)，是常用的時間序列預測方法。ARIMA(p，d，q)中，AR和MA分別表示自回歸和移動平均，p、d、q分別為自回歸項數(shù)、平穩(wěn)序列所做的差分次數(shù)(階數(shù))和移動平均項數(shù)[11]。

本文使用Stata 14.0軟件，利用Moran′s I檢驗探究數(shù)據(jù)的空間相關性，使用SPSS19.0進行ARIMA模型預測，使用ArcGIS10.2軟件繪制圍產(chǎn)兒死亡率分布地圖，分析其空間分布情況。以α=0.05作為顯著性標準。

3.指標相關計算方法

圍產(chǎn)兒死亡率(‰)指使用每1000名嬰兒出生所對應的圍產(chǎn)期死亡數(shù)。死亡率降幅(%)=(2018圍產(chǎn)兒死亡率-2005圍產(chǎn)兒死亡率)/2005圍產(chǎn)兒死亡率×100%。此外，相對誤差(%)=絕對誤差/真實值×100%。

結 果

1.我國圍產(chǎn)兒死亡率時間與空間分布

為研究我國不同地區(qū)圍產(chǎn)兒死亡率的走勢，將我國省份分為東部地區(qū)、中部地區(qū)與西部地區(qū)三部分[12]，繪制圍產(chǎn)兒死亡率走勢圖如圖1所示。

圖1 2005-2018年我國各地區(qū)總體圍產(chǎn)兒死亡率走勢圖

可見，我國圍產(chǎn)兒死亡率總體呈下降趨勢，由2005年的10.27‰下降到2018年的4.26‰。其中，東部地區(qū)圍產(chǎn)兒死亡率最低，西部地區(qū)最高，始終保持著“東—中—西”階梯式遞增態(tài)勢。三個地區(qū)中，中部圍產(chǎn)兒死亡率降幅最大(55.80%)，其次為西部地區(qū)(55.71%)，東部地區(qū)圍產(chǎn)兒死亡率降幅最少(52.67%)。

以2005和2018年為基準，將31個省份劃分為圍產(chǎn)兒低死亡率(0～)、較低死亡率(5‰～)、較高死亡率(10‰～)和高死亡率(15‰～)四種類型。繪制圍產(chǎn)兒死亡率的空間分布圖，見圖2。

圖2 2005年(左)與2018年(右)我國圍產(chǎn)兒死亡率空間分布

2005年到2018年，我國各省份死亡率均呈現(xiàn)降低的趨勢。從空間分布圖來看，各省份圍產(chǎn)兒死亡率呈現(xiàn)明顯的空間差異，圍產(chǎn)兒死亡率由東部向西部呈現(xiàn)增高趨勢。經(jīng)濟落后的西部地區(qū)圍產(chǎn)兒死亡率較高，經(jīng)濟發(fā)達的東部地區(qū)圍產(chǎn)兒死亡率較低。2005年我國圍產(chǎn)兒死亡率為10.27‰，在發(fā)達的地區(qū)如北京、上海、天津等地，圍產(chǎn)兒死亡率均在7.00‰以下，其中上海市最低(2.52‰)。在中部地區(qū)如山西、河南、湖北、廣東等地，圍產(chǎn)兒死亡率介于7.00‰和13.00‰之間。在不發(fā)達的西部地區(qū)如新疆和西藏，圍產(chǎn)兒死亡率高達19.97‰和19.04‰。2018年我國圍產(chǎn)兒死亡率為4.26‰，各省份均有所改善。上海圍產(chǎn)兒死亡率依舊最低(2.38‰)，北京市(2.86‰)位居第二；西部地區(qū)死亡率均有顯著改善，新疆和西藏的圍產(chǎn)兒死亡率分別降為11.01‰和14.67‰。

2.圍產(chǎn)兒死亡率空間自相關分析

2005年和2018年我國圍產(chǎn)兒死亡率的全局莫蘭指數(shù)在0.375～0.495，均達到顯著水平(P<0.05)且具有上升趨勢。如圖3所示，圍產(chǎn)兒死亡率空間聚集程度逐漸上升。

圖3 2005-2018年圍產(chǎn)兒死亡率莫蘭指數(shù)走勢圖

3.我國圍產(chǎn)兒死亡率的預測

圍產(chǎn)兒死亡率數(shù)據(jù)經(jīng)過1次差分后(d=1)，自相關圖(ACF)與偏自相關圖(PACF)見圖4。

圖4 2005-2018年圍產(chǎn)兒死亡率數(shù)據(jù)經(jīng)一階差分后的ACF圖和PACF圖

自相關圖與偏自相關圖的結果顯示，置信區(qū)間在[-0.5，0.5]范圍內，故在進行一階差分之后的序列趨于平穩(wěn)。以圍產(chǎn)兒死亡率為因變量，采用SPSS 19.0擬合ARIMA模型。通過BIC指數(shù)與R2值對模型進行篩選，最終得到ARIMA(1，1，2)模型。擬合R2=0.980，相對誤差均在10%以內，說明模型擬合良好(表1)。

表1 ARIMA模型對全國圍產(chǎn)兒死亡率擬合結果

2019-2022年我國圍產(chǎn)兒死亡率預測結果分別為4.08‰、4.06‰、3.86‰和3.92‰，呈整體下降趨勢(圖5)。

圖5 ARIMA模型對我國圍產(chǎn)兒死亡率的回代及預測情況

對31個省份圍產(chǎn)兒死亡率進行ARIMA模型擬合，預測2019-2022年各省市圍產(chǎn)兒死亡率，擬合結果相對誤差均在10%以內，擬合效果良好。將預測結果劃分為低死亡率(0～)、較低死亡率(3‰～)、較高死亡率(6‰～)和高死亡率(9‰～)四種類型，繪制空間分布圖如圖6所示。

圖6 2019-2022年我國圍產(chǎn)兒死亡率預測結果的空間分布

從空間分布圖來看，2019-2022年全國各省份圍產(chǎn)兒死亡率均呈現(xiàn)下降趨勢，我國圍產(chǎn)兒死亡率依然東低西高，但東西部地區(qū)差異具有減小的趨勢。其中上海的圍產(chǎn)兒死亡率由2019年的2.05‰降為2022年的1.63‰，西藏和新疆的死亡率分別由12.56‰和10.70‰降為5.42‰和8.43‰。

討 論

本文采用空間相關模型分析了圍產(chǎn)兒死亡率的時空變化趨勢，采用ARIMA模型對2005-2018年我國的省份數(shù)據(jù)進行預測。從地區(qū)分布來看，我國圍產(chǎn)兒死亡率呈現(xiàn)東-中-西逐漸升高的趨勢。說明圍產(chǎn)兒死亡率與地區(qū)經(jīng)濟狀況緊密相關，經(jīng)濟發(fā)達的東部地區(qū)相比相對落后的中西部地區(qū)圍產(chǎn)兒死亡率更低，這與前期研究結果一致[13]。明確圍產(chǎn)兒死亡率的地區(qū)差異，有針對性地對不同地區(qū)采取差異性的防治干預措施，有利于更好地做好圍產(chǎn)期保健工作[8]。中西部地區(qū)對進一步降低全國的圍產(chǎn)兒死亡率至關重要。因此，需要加大對中西部地區(qū)尤其是西部地區(qū)的政策傾斜力度。以共建“一帶一路”為引領，加快西部大開發(fā)戰(zhàn)略的實施力度，提高西部地區(qū)的經(jīng)濟和社會發(fā)展水平；同時加大對中西部地區(qū)的政府衛(wèi)生投入，出臺相應政策留住更多的衛(wèi)生技術人員，以進一步降低圍產(chǎn)兒死亡率[13]。

我國圍產(chǎn)兒死亡率歷年的莫蘭指數(shù)為正且逐漸上升，表明我國的圍產(chǎn)兒死亡率分布情況具有一定的空間集聚性且隨時間呈上升趨勢。即一個省份的圍產(chǎn)兒死亡率與周圍省份的圍產(chǎn)兒死亡率存在關聯(lián)，臨近省份的圍產(chǎn)兒死亡率存在潛在的相互依賴性，且這種依賴性隨著時間推移呈增大趨勢。由于空間聚集性的存在，要降低某一省份的圍產(chǎn)兒死亡率，需要綜合提升本省份以及周圍省份的經(jīng)濟水平、醫(yī)療衛(wèi)生水平、城市化水平及環(huán)境質量等影響居民健康時空變化的重要因素[10]。

我國圍產(chǎn)兒死亡率的預測結果表明，2019-2022年我國各省份圍產(chǎn)兒死亡率將繼續(xù)呈現(xiàn)下降趨勢。說明隨著時間推移，我國圍產(chǎn)醫(yī)學發(fā)展水平及婦幼衛(wèi)生工作質量將逐步提高，兒童生存和兒童健康保健狀況將不斷改善[9]。利用ARIMA模型對圍產(chǎn)兒死亡率的預測具有較高的精度(10%以內)，可為母嬰健康政策及兒童早期發(fā)展政策的制定提供保障和科學依據(jù)。

值得一提的是，ARIMA模型的預測精度受樣本量的影響較大[14]，在變量個數(shù)一定的情況下，樣本量越多，模型的預測精度就會越高[11]。本文使用了2005-2018年14年的數(shù)據(jù)擬合ARIMA模型對圍產(chǎn)兒死亡率進行預測，雖然預測的相對誤差均在10%以內，但日后的研究可通過增加樣本量的方法進一步提高預測精度。