湖北省新生兒低出生體重空間格局及影響因素分析

王穎霜 程楊 馮玲 王少帥 楊淼

促進母嬰健康是21世紀的重要議題之一，對于人類健康具有重要意義，也受到國際社會與各國政府的高度重視。在2015年聯合國提出的17個可持續發展目標中，目標三“良好健康與福祉”[1]突出了對兒童健康的重視。根據世界衛生組織(World Health Organization, WHO)公布，低出生體重會導致60%～80%的新生兒死亡[2]。WHO將低出生體重兒(low birth weight infant, LBWI)定義為出生體重小于2 500 g的新生兒[3]，低出生體重發生率是衡量一個地區新生兒健康情況的重要指標。

目前，基于地理學視角對低出生體重開展的研究還較少，相關研究主要關注新生兒低出生體重的區域差異及影響因素。基于全球與國家尺度，對低出生體重發生率的變化趨勢的相關研究發現，2000—2016年中國的低出生體重率在全球范圍內處于較低水平，雖然世界低出生體重發生率上升趨勢放緩，但整體上仍與“至2025年將全球低出生體重發生率減少30%”的控制目標差距較大[4]。國內已有研究在縣級行政單元尺度，探討了全國低出生體重發生率的空間差異，研究結果發現城市低出生體重發生率低于農村地區，沿海地區低于內地地區，內地地區低于邊遠地區[5]。

就影響因素而言，研究發現孕產婦個體特征，包括孕產婦體重[6]、健康狀況[7]、年齡[8]、受教育水平[9]、生育特點[10]、生活習慣[11]和精神狀態[12]等會對新生兒低出生體重產生影響。國內也有研究關注自然環境的影響作用，討論了高海拔地區低出生體重發生規律，得出隨海拔增高，新生兒出生體重逐漸降低的結論[13]。Li等利用湖北省2014年的新生兒出生記錄和同時段鄉鎮街道的PM2.5日平均濃度數據，探討了孕婦在妊娠期內的空氣污染暴露對嬰兒早產的影響，研究結果發現空氣污染暴露量對于早產風險呈正向關系[14]，而早產作為影響新生兒體重的重要因素之一，空氣污染也會對新生兒體重產生一定影響。國外有研究分析社會環境對新生兒低出生體重的影響，包括國家宏觀衛生政策與經濟水平、醫療服務覆蓋程度、疾病補助與家庭補助水平等[15-16]。國內大部分的研究較少涉及社會和政策因素。總的來說，基于地理學視角研究某一區域低出生體重發生率，以及結合孕產婦個體特征與環境因素研究新生兒低出生體重影響因素的研究較少。

本研究旨在刻畫2016年湖北省各鄉鎮街道尺度的低出生體重發生率的空間格局，揭示全省范圍內低出生體重發生率的整體水平及空間差異；根據發生率空間分布，進一步探測低出生體重發生的熱點地區，分析低出生體重發生率高發區的空間范圍；并從地區生育特征角度，結合社會與自然環境要素進行多因素分析，探究低出生體重發生率的影響因素及其空間差異，以便為湖北省各地開展相關的疾病干預、布局醫療資源及分區制定政策提供科學依據。

對象與方法

一、本研究相關數據主要分為三類：生育特征變量、社會經濟變量與自然環境變量

1.生育特征變量：2016年孕產婦基礎建檔數據、新生兒出生記錄及孕產婦分娩記錄由湖北省衛生健康委員會提供。經統計，2016年湖北省新生兒基礎數據共有病例數據688 109條，活產新生兒數據685 824條，出生人數占統計年鑒中出生人口數量的97.1%，其中659 892條數據各項指標完整，是本研究的基礎數據。本研究將孕產婦的常住地址數據進行鄉鎮街道一級的空間化處理，新生兒及對應的孕產婦個體數據均歸并到鄉鎮/街道尺度。低出生體重發生率以及生育特征變量，包括小于胎齡兒占比、高齡產婦占比、孕產婦高中以下學歷占比、新生兒性別比、二胎占比和非單胎占比，均是通過統計各區域滿足條件的個體數量與區域孕婦或新生兒總量之比得出。具體處理方式如表1。

表1 生育特征變量相關數據與來源

2.社會經濟變量的空間尺度均為區縣一級，具體變量與來源如下。就醫可達性是利用 2010 年六普人口數據、2016 年湖北省衛健委提供的醫院信息數據和孕產婦分娩記錄以及利用百度地圖 API 得到的湖北省各鄉鎮街道政府所在地到各醫院的實時時間距離數據，運用兩步移動搜尋法計算得到[17-18]。人均GDP、城鄉居民人均可支配收入、第一產業占比、第二產業占比、第三產業占比、床位數/萬人和醫生數/萬人來源于《湖北統計年鑒》中2016年各區縣的相關數據[19]。

3.自然環境數據中，海拔、溫度、歸一化植被指數(normalized difference vegetation index, NDVI)、土壤類型數據來源于中國科學院資源環境科學與數據中心[20]。海拔為30 m×30 m柵格數據，溫度、NDVI、土壤類型為1 000 m×1 000 m柵格數據。坡度數據由海拔數據通過ArcGIS Pro 2.5.2進行坡度提取分析處理，得到100 m×100 m柵格數據。空氣質量指數(air quality index, AQI)數據來源于中國環境監測總站的全國城市空氣質量實時發布平臺，經克里金插值處理后得到所需數據。將海拔、溫度、NDVI、坡度和AQI的柵格數據與湖北省鄉鎮街道面狀圖層進行疊加統計，取面域的均值作為鄉鎮街道一級的數據。土壤類型中分類眾多，本研究通過統計各面域的水稻土面積與該區域面積的比值得到水稻土占比變量數據。

二、研究方法

1.混合層級區劃方法：本研究以鄉鎮街道為最小研究單元。某些鄉鎮街道可能出現新生兒數量少，但存在低出生體重的現象，從而放大了該空間單元的低出生體重發生率，造成小樣本問題。本研究運用混合層級區劃方法(mixed level regionalization，MLR)[21]整合樣本數量小的區域，以放大樣本區域，解決小樣本問題。該方法將皮亞諾曲線演算(modified the peano curve algorithm, MPC)和改良的尺度-空間集群(modified scale-space clustering, MSSC)方法相結合，MPC用于實現空間上相鄰，MSSC用于實現屬性上相似，因此MLR是一種混合性方法，該方法利用基于ArcGIS的Mixed Level Regionalization Tools工具箱實現[22]。MPC是在皮亞諾曲線上設置聚類邊界和閾值人口。聚類邊界遵循皮亞諾曲線的空間順序值，斷點由閾值種群大小定義。雖然MPC滿足了空間上相鄰的要求，也保證了每個區域的閾值能夠在一定程度上解決小樣本問題對于結果的影響，但是在此聚類過程中缺少了實現屬性同質性的條件，因此引入MSSC解決此問題。因子分析是進行重新區劃的基礎。利用因子分析提取出的因子及特征值作為區劃的依據，可使新區域在屬性上類似，區劃后的結果更加科學。

2.空間自相關方法：本研究以區劃后的數據進行低出生體重發生率的空間格局刻畫，并利用Moran′s I指數[23]與局部Moran′s I指數[24]進行低出生體重發生率的空間自相關分析，進一步探索湖北省低出生體重發生率的空間分布規律。全局空間自相關分析通過ArcGIS Pro2.5.2實現，其計算公式為：

3.空間回歸方法：為進行影響因素探究，本研究基于區劃之后的空間單元進行回歸分析，即將低出生體重發生率和各區域自變量的值，按照區劃之后的結果重新計算并進行標準化處理。通過SPSS 25版本進行共線性診斷，確定納入回歸模型的自變量。將變量納入普通最小二乘法(ordinary least squares，OLS)回歸分析。通過OLS分析各鄉鎮低出生體重發生率影響因素和各自變量之間的關系，剔除不顯著的自變量，將顯著變量納入地理加權回歸模型(geographical weighting regression, GWR)[25]研究其局部空間回歸擬合情況。GWR擴展了線性回歸模型，可以反映解釋變量對被解釋變量隨空間位置的變化而變化的結果，通過ArcGIS Pro2.5.2實現。其實質是用局部最小二乘法求解，將數據的空間位置納入到方程中，其公式如下:

式中yi代表各區域的低出生體重發生率，xij是第i個單元低出生體重發生率的第j個影響因素；(ui，vi)是第i個單元的空間坐標；βj(ui，vi)是影響因素j在第i個空間單元的回歸系數，εi為隨機誤差。

4.地理探測器：為進一步探究低出生體重的影響因素，本研究也運用地理探測器作為研究方法之一。地理探測器[26]是對于空間分層異質性進行探測和利用的工具，包括因子探測器、風險探測器、交互探測器和生態探測器。因子探測器用來檢驗低出生體重發生率的分層異質性和探測自變量在多大程度上解釋了低出生體重發生率的空間分布，表達式為：

其中，

式中，h=1,……，L為低出生體重發生率的分層，N為由某自變量分類或分區而得出的單元總數量，Nh為該自變量分區而得的某層h；σ2和σ2h分別為層h和全區的低出生體重發生率的方差。SSW與SST分別代表低出生體重發生率的層內方差和層間方差。q值值域為[0,1]，值越大說明低出生體重發生率的空間分異性越強；也表示自變量對低出生體重發生率的解釋力越強，反之則越弱。如果q=0，則說明低出生體重發生率不存在空間分異性或低出生體重發生率與某自變量之間沒有關系；若q=1，則說明低出生體重發生率具有完美的空間分異性或者某自變量完全控制了低出生體重發生率的空間分布，q值表示該自變量解釋了q×100%的低出生體重發生率。

風險探測器用于檢驗低出生體重發生率風險區域的位置，利用t檢驗，判斷兩個子區域之間是否有顯著差別，分析同一自變量的不同分類對低出生體重發生率的作用。公式如下：

風險探測器通過統計同一自變量的不同分級中的低出生體重發生率，表現出隨著該自變量等級的提升，低出生體重發生率隨之發生的變化。

交互探測器用于探測影響因子的獨立作用強，還是與其他變量的交互作用效果更強。方法為首先分別計算兩因子X1和X2的q值，然后計算兩因子交互所形成的新的區域的q值，最后進行比較。本研究首先對低出生體重發生率進行空間分層異質性度量，然后分別進行因子探測、風險探測及交互探測。

結 果

一、低出生體重發生率空間分布特征

為解決小樣本問題，在進行區域劃分之前，首先納入18個變量進行因子分析。具體選擇的變量及因子分析的結果如下所示(表2)。因子1～5分別反映社會經濟與環境變量、自然變量、產業結構變量、醫療資源變量與地區生育特征變量，其權重值分別為4.9、3.6、1.9、1.8和1.4。上述五個因子可解釋75%的變量，本研究將各因子的特征值作為分區的權重值。

表2 因子分析結果

經過數據篩選與計算，2016年湖北省共有低出生體重新生兒數據23 551例，低出生體重發生率3.6%。根據描述性統計分析結果，1 277個鄉鎮街道中共有新生兒659 892例，其中處于25%位置的鄉鎮街道尺度新生兒數量為214；低出生體重兒23 551例，處于25%位置的鄉鎮街道尺度低出生體重兒數量為7。本研究將處于四分位數中25%位置的數量在MLR中確定為新生兒數量與低出生體重兒數量下限，閾值分別為214和7。結合因子分析結果，利用MLR方法進行區域劃分，調整后共劃分985個新的地理單元。現計算各新生成的空間單元的低出生體重發生率，將其進行可視化處理。為探究低出生體重發生率熱點區域，運用全局空間自相關和局部空間自相關方法進行熱點探測。

湖北省低出生體重發生率范圍在1.4%～12.1%之間。從整體上看，湖北省低出生體重發生率趨勢西高東低，但東部地區也有零散的低出生體重發生率高值區域(圖1)。湖北省低出生體重發生率最高的地區主要位于武漢市中心城區和南部的蔡甸區與漢南區個別鄉鎮街道，襄陽市襄城區王府街道也為高值區之一，其低出生體重發生率在7.2%～12.1%。西部恩施州、宜昌市、神農架林區、十堰市西南部以及東部武漢市低出生體重發生率較高，大部分鄉鎮街道的低出生體重發生率在3.9%～7.1%，其他地區則整體低出生體重發生率較低，范圍在1.4%～3.8%之間。

圖1 2016年湖北省低出生體重發生率

對各區域低出生體重發生率進行全局空間自相關檢驗，基于Queen鄰接進行權重賦值，得出Moran′s I系數為0.31(95%CI：0.28～0.35)，結果說明低出生體重發生率在空間上具有一定的全局空間相關性。在此基礎上進行局部空間自相關分析，利用局部Moran′s I指數進行聚類和異常值分析。結果顯示(圖2)，低出生體重發生率高-高值區主要在西部地區呈條帶狀分布，熱點區主要位于十堰市西南部、神農架林區西部和恩施州東部地區，恩施州西部和宜昌市西部有零散高值區分布。東部地區高-高值區主要呈塊狀分布，集中于武漢市中部和南部地區。低出生體重發生率低-低值區域主要分布在湖北省北部、東部和南部省界附近，較為零散。荊州市北部、咸寧市南部、黃岡市東南部、襄陽市西北部和東北部低-低分布區域較廣。根據圖中信息，湖北省其他地區并無顯著冷熱點分布。

圖2 2016年湖北省低出生體重發生率聚類和異常值分布圖

二、低出生體重影響因素

本研究基于MLR區劃得到的結果，以劃分后的區域為統計單元，重新統計985個區域的新生兒、低出生體重兒、小于胎齡兒、男女新生兒、二胎和非單胎新生兒、孕產婦、高齡產婦、高中以下學歷產婦的數量，計算各變量比重，得到各區域的生育特征變量，納入回歸方程進行分析。MLR將1277個鄉鎮街道整合為985個區域，單元數量并未大幅下降，同時合并的區域大多為同一區縣范圍，社會經濟變量的統計尺度為區縣一級，因此未合并區域的社會經濟變量數值仍為原統計數據，經過合并的區域按照均值確定社會經濟變量數值。自然環境變量按照新的區域界線進行重新統計。為探究湖北省低出生體重發生率的影響因素及其空間差異，本研究首先運用SPSS 25軟件對自變量進行共線性診斷，最后選取了16個自變量，即小于胎齡兒占比、高齡產婦占比、孕產婦高中以下學歷占比、新生兒性別比、二胎占比、非單胎占比、就醫可達性、人均GDP、城鄉居民人均可支配收入比、第一產業占比、萬人床位數、萬人醫生數、海拔高度、水稻土占比、NDVI和AQI等指標。本研究將16個自變量數據進行標準化處理，利用SPSS25對標準化之后的低出生體重發生率和各自變量進行一般線性回歸并檢驗殘差的正態分布，結果顯示其殘差呈正態分布，因此可以進行回歸分析。

將低出生體重發生率及標準化之后的16個自變量納入OLS回歸分析，調整后R2結果為0.5。對低出生體重發生率具有顯著影響力的自變量包括小于胎齡兒占比(b1=0.28，95%CI：0.23～0.32)、高齡產婦占比(b2=-0.04，95%CI：-0.08～-0.01)、二胎占比(b3=-0.06，95%CI：-0.09～-0.03)、非單胎占比(b4=0.34，95%CI：0.31～0.37)、海拔(b5=0.19，95%CI：0.14～0.23)和NDVI(b6=-0.05，95%CI：-0.09～0.00)。總體上，區域小于胎齡兒占比越高，非單胎占比越高，海拔越高，低出生體重發生率越高；高齡產婦占比越低，二胎占比越低，NDVI越低，區域低出生體重發生率越高。但高齡產婦占比和NDVI變量的回歸系數較小，因此這些變量整體上對于因變量的影響作用較小。

對由OLS回歸得出的6個顯著變量進行GWR分析，得到調整后R2為0.5。在湖北省全省范圍內，R2值的范圍在0.116～0.696之間。從趨勢上看，擬合效果整體東高西低。武漢市及其周邊孝感市、黃岡市西部、黃石市、咸寧市、荊州市東部、仙桃市、天門市東部的R2值較高，在0.47以上；十堰市、神農架林區、恩施州、宜昌市、襄陽市、隨州市和天門市的R2值在0.269～0.47之間；荊州市西部和中部校正后R2值較低，在0.116～0.268之間。

圖3 湖北省低出生體重局部R2分布圖

六個顯著自變量的回歸系數與標準化數值空間分布圖如圖4所示。就影響程度而言，對于低出生體重發生率影響由大到小依次為NDVI、小于胎齡兒占比、海拔、非單胎占比、二胎占比、高齡產婦占比。

圖4 湖北省低出生體重發生率顯著變量回歸系數(左)與標準化數值(右)分布圖

雖然在OLS的分析結果中，NDVI對于新生兒低出生體重發生率的影響系數在整體上并不高，但在GWR的分析結果中發現其影響作用在六個顯著的自變量中最大且存在空間差異，其系數值在-0.264～0.792之間。在湖北省中部及恩施州大部分地區，系數值為正，該變量與低出生體重發生率呈正相關關系；在湖北省東部及十堰市和宜昌市東北部，自變量系數為負數，NDVI越高，低出生體重發生率越低。對于湖北省西部大部分地區，NDVI已經達到一定水平，因此該變量等級的提高并不一定能夠對低出生體重發生率的降低產生正面影響。相反，在湖北省東部地區，其NDVI數值相對較低，而該變量的提高，可能會對低出生體重發生率的降低產生正向作用。小于胎齡兒占比在全省范圍內為正值，其系數在0.028～0.576之間，變量值越高，低出生體重發生率越高。結合圖示，標準化后的小于胎齡兒占比數值與低出生體重發生率分布圖較為相似，整體上西高東低，武漢市附近為高值區域。海拔的回歸系數值在-0.447～0.535之間，咸寧市、黃石市、鄂州市、武漢市南部、仙桃市東部、荊州市東部和恩施州南部小部分區域的系數值為負，其他區域回歸系數值為正。在湖北省大部分地區，海拔越高，低出生體重發生率越高。非單胎占比的系數值在-0.357～0.502之間，在恩施州和宜昌市西南部該回歸系數值為負；在湖北省大部分地區，該變量回歸系數值為正，即非單胎占比越高，低出生體重發生率越高。標準化后的非單胎占比數值分布圖中，武漢及周邊區域也是高值分布區。二胎占比說明胎次對于新生兒體重也會造成一定影響。標準化后的二胎占比分布圖顯示其高值位于湖北省邊界地區，經回歸分析，該變量對于低出生體重的影響程度顯著，但相對其他變量作用較小。高齡產婦占比的回歸系數值在-0.19～0.255之間，在湖北省大部分地區，該變量的回歸系數值為負。該變量的回歸系數絕對值較小，與其他變量相比對于低出生體重的作用也較小，且在湖北省不同區域對低出生體重產生不同的效果，需要結合其他變量進一步分析。

為進一步了解湖北省新生兒低出生體重的影響因素，本研究利用區劃之后的低出生體重發生率作為因變量，將標準化之后的16個自變量運用自然斷裂點方法分級，納入地理探測器分析。經過計算，低出生體重發生率的q值在0.9以上，具有很強的空間分異性，而后進一步探究其影響因素。

由因子探測器得出，各變量的q值由大到小為：海拔(0.179)>小于胎齡兒占比(0.153)> NDVI(0.123)>非單胎占比(0.115)>城鄉居民人均可支配收入比(0.100)>高齡產婦占比(0.097)>水稻土占比(0.069)>萬人醫生數(0.049)>孕產婦高中及以下學歷占比(0.046)>人均GDP(0.036)>第一產業占比(0.028)>萬人床位數(0.024)>二胎占比(0.023)>就醫可達性(0.022)>新生兒性別比(0.020)>AQI(0.015)。由此可見16個自變量對于湖北省低出生體重發生率的影響程度差異。風險探測器通過統計同一自變量的不同分級的低出生體重發生率，可以得出隨著自變量的變化而產生的低出生體重發生率的變化(表3)。風險探測器結果顯示，海拔、小于胎齡兒占比、非單胎占比、高齡產婦占比、孕產婦高中以下學歷占比、第一產業占比和AQI共7個變量，與低出生體重發生率大致呈正向關系，水稻土占比、萬人醫生數、萬人床位數、二胎占比、就醫可達性和新生兒性別比共6個變量整體上與低出生體重發生率呈負向關系。NDVI、城鄉居民人均可支配收入比、人均GDP共3個變量隨著變量數值的增加，低出生體重發生率先降后升，呈現出“U型”關系。隨著人均GDP的增加與NDVI的提高，經濟水平與環境質量得到提升，從而對低出生體重發生率的降低產生正向影響。當經濟條件與居住環境達到一定程度時，兩變量對于低出生體重發生率降低的作用有限。城鄉居民人均可支配收入比與低出生體重發生率之間的“U”型關系需進一步研究與討論。交互探測器可分析兩變量交互作用的結果，結果表明，任意兩種變量對于低出生體重發生率的空間分布的交互作用都要大于一種變量的獨自作用。

表3 風險探測器結果

Annotation:The blank part in the table is caused by different grades of variables.

結合OLS和地理探測器的分析結果，對所有變量與低出生體重發生率的關系做出如下總結。在地區生育特征變量中，小于胎齡兒占比和非單胎占比兩變量基本與低出生體重發生率呈正向關系；新生兒性別比和二胎占比與低出生體重發生率呈負向關系；高齡產婦占比、孕產婦高中以下學歷占比在兩種結果中對于低出生體重的影響作用不同。在地理探測器結果中，兩變量等級越高，低出生體重發生率越高，與OLS和GWR結論相反，其結果有待進一步驗證。社會經濟變量中，就醫可達性與人均醫生數越高，低出生體重發生率越低；人均GDP、城鄉居民人均可支配收入比在OLS結果中與低出生體重發生率呈負相關關系，在地理探測器中呈“U”型關系；第一產業占比和人均床位數在兩種方法中結果相反。社會經濟變量從整體上看對于低出生體重發生率的作用較小。自然環境變量中，海拔與AQI越高，水稻土占比越低，低出生體重發生率越高。此外，經GWR進一步分析，NDVI在鄂中與鄂東地區對低出生體重發生率起負向作用，在鄂西與鄂北部分地區起正向作用；地理探測器結果顯示NDVI與低出生體重發生率呈“U”型關系。

根據OLS與GWR以及地理探測器的結果分析發現，就顯著變量而言，地區生育特征變量中小于胎齡兒占比、二胎占比、非單胎占比與高齡產婦占比顯著；社會經濟變量中并無顯著變量；自然環境變量中海拔、NDVI為顯著變量。新生兒出生體重與胎齡有關，胎兒生長發育的營養物質基本上均由母親提供，胎齡越小，胎兒在母體中獲取的營養越少，出生體重越低。此外，由于胎齡較低使得正常孕周縮短，胎兒在母體中成長的時間減少，在子宮內的發育時間被過早中斷，新生兒的各器官發育不夠成熟[27]，因此胎齡是影響新生兒低出生體重的重要因素。結果顯示二胎占比越高，低出生體重發生率越低，而各研究中關于胎次與低出生體重的關系的結果并不一致，因此需進一步探討。胎數也是影響新生兒出生體重的重要因素。隨胎數增加，新生兒發生低出生體重的概率增加。由于胎兒在母親子宮內的空間有限，胎數的增加，意味著每個新生兒的生長空間受到限制，因此有可能會造成新生兒低出生體重。孕產婦年齡對于低出生體重的影響在兩種方法中結果不同，但一般而言，高齡產婦與適齡產婦相比，具有高危風險因素的可能性更大，因此隨著區域高齡產婦占比的增加，低出生體重發生率隨之增加。從自然環境變量角度來看，湖北省西部海拔最高達3 000米，海拔較高的地區可能會對孕產婦身體健康有一定影響。同時結合湖北省西部地區的經濟社會條件，該地區低出生體重發生率也相應較高。NDVI整體與低出生體重發生率呈負向關系，但在鄂西與鄂北地區，其植被覆蓋率自身很高，因此NDVI指數的提高對于低出生體重發生率并未產生負向作用。

結合GWR分析結果，對湖北省不同地區低出生體重影響顯著因素的區域差異進一步歸納。在鄂東、鄂中大部分地區，鄂北十堰市中部和東部，以及神農架林區，NDVI與低出生體重發生率呈負相關，在其他地區呈正相關。小于胎齡兒占比在全省范圍內與低出生體重發生率呈正相關，整體上看該變量在湖北省西部地區以及武漢市的影響作用相對其他地區較大。除湖北省東南部部分地區，海拔越高，低出生體重發生率越高，其中海拔在孝感市、隨州市、天門市和潛江市的影響作用最強。非單胎占比在全省大部分地區與低出生體重呈正相關關系，僅在恩施州回歸系數為負，該變量在鄂東與鄂中地區的影響效果大于鄂西與鄂北地區。二胎占比在整體上與低出生體重發生率呈負相關，僅在荊州市中部和其他市的個別地區與低出生體重發生率呈正相關。在湖北省北部與恩施州，該變量的影響作用較強。高齡產婦占比相對于其他變量最不顯著，在十堰市西部，恩施州中部，襄陽市東部，荊門市西北部以及湖北省東南部省界部分地區，高齡產婦占比越高，低出生體重發生率越高。從湖北省不同區域看，每個變量賦予低出生體重發生的效果與整體上也略有差異，表4列出了各變量在湖北省層面以及各分區層面的影響作用排序，1～6依次為由大到小。

表4 各變量在湖北省整體與分區上的影響作用排序

討 論

本研究基于2016年湖北省新生兒及孕產婦建檔數據，運用MLR區劃方法探究湖北省新生兒低出生體重發生率空間分布特征，并運用OLS及GWR分析方法以及地理探測器方法分析新生兒低出生體重的影響因素。從湖北省新生兒低出生體重發生率的空間分布特征來看，低出生體重發生率的高值區位于西部山區以及東部的武漢市及周邊地區。通過空間自相關分析，低出生體重發生率的熱點區域在西部地區呈條帶狀分布，主要位于平原-山地過渡帶；在東部地區主要呈塊狀分布，集中于武漢市中部和南部地區。冷點區域主要分布在湖北省北部、東部和南部省界附近。

通過低出生體重影響因素分析，個體變量對于新生兒低出生體重的影響最大，其次是自然環境變量，社會經濟變量的作用相對較小。其中小于胎齡兒占比、非單胎占比、二胎占比、海拔和NDVI在兩種方法中均對低出生體重發生率起到了顯著作用。此外，高齡產婦占比僅在OLS與GWR的結果中顯著，除小范圍地區外，其回歸系數整體上為負數；城鄉居民人均可支配收入比在地理探測器結果中為顯著變量。高齡產婦占比與城鄉居民人均可支配收入比與低出生體重發生率的關系有待進一步研究。

從空間分布特征來看，GWR得出的顯著變量在不同區域對低出生體重發生率的影響作用不同。但是總體上看，小于胎齡兒占比和非單胎占比在湖北省全局以及鄂東、鄂中、鄂西和鄂北地區的影響作用都較大，海拔和NDVI次之，二胎占比和高齡產婦占比影響作用較小。

在OLS結果中，顯著變量中高齡產婦占比與NDVI的系數較小，但是高齡產婦占比在地理探測器結果中顯著性大于其他變量，NDVI在GWR結果中對于低出生體重發生率的作用最大。由于OLS是基于湖北省整體進行回歸分析，而GWR是局部空間回歸方法，地理探測器通過劃分自變量的等級得出因變量的變化規律，因此在結果上有所差異。因此，本研究將OLS與GWR，以及地理探測器結合分析使結果更加科學。

基于以上研究結果，本研究提出以下政策建議。首先，各地政府應進一步加強對于孕產婦的孕期保健，提升對高危和多胞胎孕婦的生育服務保障能力，促進各地醫療資源的優化配置；此外，隨著中國二、三胎政策的逐漸放開，高齡高危產婦數量的上升，增加了生育的潛在風險，建議加強健康教育與健康促進工作，提倡適齡生育；最后，鄂東與鄂中地區進一步倡導綠色生產，發展綠色經濟，在促進經濟發展的條件下重視生態環境的保護，改善空氣質量與植被覆蓋，創建宜居的生活環境，有助于促進健康生育。

本研究運用MLR區劃方法解決了湖北省新生兒低出生體重發生率的小樣本問題，由區劃之后的數據繪制而得的低出生體重發生率空間分布更加具有科學性與準確性。此外，運用OLS、GWR和地理探測器方法探究低出生體重的影響因素，更清晰地解釋了影響因素的作用能力及空間差異。但本研究也存在不足之處。本研究僅從區域低出生體重發生率的角度分析了影響因素，未來可基于個體、社區、區域等尺度展開多尺度影響因素的耦合作用分析，進一步揭示影響因素作用的區域差異，因地制宜地為湖北省的產科醫療資源配置提供科學依據。