我國圍產兒死亡率時空變化及預測研究*

濱州醫學院公共衛生與管理學院(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年圍產兒死亡率相關數據，使用ArcGIS 10.2軟件繪制圍產兒死亡率分布地圖，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，圍產兒死亡率西部大于東部和中部，西藏和新疆是圍產兒死亡率的高發地區；圍產兒死亡率空間聚集性逐年上升(0.375到0.474)；預測得出2019-2022年圍產兒死亡率呈現下降趨勢(4.08‰到3.92‰)。結論 我國圍產兒死亡率呈下降趨勢，存在明顯的地理差異；圍產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“健康中國2030”發展目標的關鍵。對圍產兒死亡率的研究有助于婦幼保健的可持續發展[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兒死亡[2]。國內外學者對圍產兒死亡率相關問題進行了系列研究。如Xiang K、蔡桂舉、朱丹玲等對圍產兒死亡率現狀和分布的研究[3-5]，Ananth CV、杜兩省、莊艷艷等對圍產兒死亡率影響因素的研究[6-8]以及戴瓊對圍產兒死亡率的預測研究等[9]。

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

資料及方法

1.數據來源

收集我國2005-2018年31個省份的圍產兒死亡率數據，數據來自2006-2019年《中國衛生統計年鑒》。

2.研究方法

空間相關性可以判斷圍產兒死亡率的分布是否存在統計上集聚或分散現象。在一定的顯著性水平下，Moran′s I 指數為正表示圍產兒死亡率存在空間集聚性；Moran′s I 指數為負則表示鄰近區域的圍產兒死亡率差異顯著，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、平穩序列所做的差分次數(階數)和移動平均項數[11]。

本文使用Stata 14.0軟件，利用Moran′s I檢驗探究數據的空間相關性，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

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

結 果

1.我國圍產兒死亡率時間與空間分布

為研究我國不同地區圍產兒死亡率的走勢，將我國省份分為東部地區、中部地區與西部地區三部分[12]，繪制圍產兒死亡率走勢圖如圖1所示。

圖1 2005-2018年我國各地區總體圍產兒死亡率走勢圖

可見，我國圍產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，東部地區圍產兒死亡率最低，西部地區最高，始終保持著“東—中—西”階梯式遞增態勢。三個地區中，中部圍產兒死亡率降幅最大(55.80%)，其次為西部地區(55.71%)，東部地區圍產兒死亡率降幅最少(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)我國圍產兒死亡率空間分布

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

2.圍產兒死亡率空間自相關分析

2005年和2018年我國圍產兒死亡率的全局莫蘭指數在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，圍產兒死亡率空間聚集程度逐漸上升。

圖3 2005-2018年圍產兒死亡率莫蘭指數走勢圖

3.我國圍產兒死亡率的預測

圍產兒死亡率數據經過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年圍產兒死亡率數據經一階差分后的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。以圍產兒死亡率為因變量，采用SPSS 19.0擬合ARIMA模型。通過BIC指數與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模型對全國圍產兒死亡率擬合結果

2019-2022年我國圍產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模型對我國圍產兒死亡率的回代及預測情況

對31個省份圍產兒死亡率進行ARIMA模型擬合，預測2019-2022年各省市圍產兒死亡率，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年全國各省份圍產兒死亡率均呈現下降趨勢，我國圍產兒死亡率依然東低西高，但東西部地區差異具有減小的趨勢。其中上海的圍產兒死亡率由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年我國的省份數據進行預測。從地區分布來看，我國圍產兒死亡率呈現東-中-西逐漸升高的趨勢。說明圍產兒死亡率與地區經濟狀況緊密相關，經濟發達的東部地區相比相對落后的中西部地區圍產兒死亡率更低，這與前期研究結果一致[13]。明確圍產兒死亡率的地區差異，有針對性地對不同地區采取差異性的防治干預措施，有利于更好地做好圍產期保健工作[8]。中西部地區對進一步降低全國的圍產兒死亡率至關重要。因此，需要加大對中西部地區尤其是西部地區的政策傾斜力度。以共建“一帶一路”為引領，加快西部大開發戰略的實施力度，提高西部地區的經濟和社會發展水平；同時加大對中西部地區的政府衛生投入，出臺相應政策留住更多的衛生技術人員，以進一步降低圍產兒死亡率[13]。

我國圍產兒死亡率歷年的莫蘭指數為正且逐漸上升，表明我國的圍產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。即一個省份的圍產兒死亡率與周圍省份的圍產兒死亡率存在關聯，臨近省份的圍產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兒死亡率，需要綜合提升本省份以及周圍省份的經濟水平、醫療衛生水平、城市化水平及環境質量等影響居民健康時空變化的重要因素[10]。

我國圍產兒死亡率的預測結果表明，2019-2022年我國各省份圍產兒死亡率將繼續呈現下降趨勢。說明隨著時間推移，我國圍產醫學發展水平及婦幼衛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展政策的制定提供保障和科學依據。

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年的數據擬合ARIMA模型對圍產兒死亡率進行預測，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。