沈阳市和平区十年内5岁以下儿童死亡原因分析

高欣



调查研究

沈阳市和平区十年内5岁以下儿童死亡原因分析

高欣

110001 沈阳，沈阳市和平区南站社区卫生服务中心儿保科

【摘要】目的为降低5岁以下儿童死亡率，了解死亡原因，对监测资料进行分析。方法描述死亡率变化趋势，进行死因分析，使用灰色模型[GM(1，1)]和BP人工神经网络对死亡率进行预测。结果5岁以下儿童死亡率总体呈下降趋势，近4年死亡率较低，有一定程度的波动，偶有回升。主要死因为早产低体质量、先天性心脏病、其他先天异常，伤害死亡的顺位有所上升。BP人工神经网络方法的平均误差率为2.68%，大大低于灰色模型的14.06%。结论应加强早产低体质量、先天性心脏病、其他先天异常的预防保健工作，重视儿童伤害的预防，确保死亡率下降的现有成果；BP人工神经网络法优于灰色模型法。

【关键词】死亡；死因分析；监测；儿童

5岁以下儿童死亡率是衡量一个国家社会发展和儿童健康水平的重要指标。中国政府制定的《九十年代中国儿童发展规划纲要》和《中国儿童发展纲要(2011～2020)》均把降低5岁以下儿童死亡率列为国家保护儿童健康的重要目标。世界卫生组织、联合国儿童基金会、联合国人口基金等国际组织也经常使用该指标比较各国儿童的健康状况。目前，国内5岁以下儿童死亡率约为6/1 000左右，但波动较大，偶有回升趋势[1-2]。为了进一步降低5岁以下儿童死亡率，了解儿童死亡现状，更好的开展城市儿童保健工作，本文对和平区5岁以下儿童死亡监测资料进行分析。

1资料与方法

1.1资料来源2011～2014年度和平区17所驻区及区属医院下设的儿保地段上报的5岁以下儿童死亡报告卡；全市各综合医院上报的5岁以下儿童死亡报告卡。2004～2014年5岁以下儿童死亡率。1.2标准和定义采用国际疾病分类标准(ICD-10)进行死亡诊断。儿童年龄以实足年龄计算，从出生到差一天满5周岁为5岁以下儿童。

1.3质量控制实行地段、综合医院双重报卡相互核对制度；区妇幼保健所定期与疾病预防控制部门、派出所，街道社区核对儿童死亡情况，以防止误报、漏报。

1.4死亡率及死因分析方法描述死亡率变化趋势，对死亡率较低的近4年资料作死因分析。1.5预测分析方法分别使用灰色模型[GM(1,1)]法和BP人工神经网络法进行预测，比较优劣[2]。利用2004～2014年死亡率数据进行建模或训练，2014年数据作为验证数据，对2006～2014年数据进行误差评估，公式为：平均误差率=平均误差绝对值/实际值的均值。

BP人工神经网络法:对数据进行归一化后，使用每前两年的数据预测第3年，用newff()函数构建网络，网络结构为典型的两层BP网络，隐层神经元传递函数为tansig()、输出层神经元传递函数为logsig，训练函数为trainlm()。使用matlab 6.5软件实现网络训练和预测。

2结果

2.12004～2014年5岁以下儿童死亡率变化见表1。

表1　2004～2014年5岁以下儿童死亡率

表1可见，2004～2014年5岁以下儿童死亡率均在国家要求的15/1 000以下，总体呈现下降态势，前期较平稳，后期下降较快。近4年死亡率较低，有一定程度的波动，偶有回升。

2.22011～2014年5岁以下儿童死亡的死因顺位见表2。

表2　2011～2014年5岁以下儿童死亡的死因顺位

表2可见，2011～2014年5岁以下儿童死亡的主要死因为早产低体质量、先天性心脏病、其他先天异常，该3种死因一直占据前3位。近年来意外、意外窒息等伤害死亡的顺位有所上升。

平均误差率=平均误差绝对值/实际值的均值=1.24/8.82=14.06%

BP人工神经网络法预测结果见表4。BP人工神经网络法函数表达式及主要参数：net=newff(minmax(p),[8,1],{‘tansig’ ‘logsig’},‘trainlm’) net.trainParam.epochs=2000 net.trainParam.goal=0.001

表3　灰色模型[GM(1,1)]法预测结果

表4　BP人工神经网络法预测结果(1/1 000)

平均误差率=平均误差绝对值/实际值的均值=0.22/8.82=2.68%

因此，通过比较发现，对5岁以下儿童死亡率的预测BP人工神经网络法优于灰色模型[GM(1,1)]法。

3讨论

死亡率方面，近年来国内5岁以下儿童死亡率大幅下降，城市地区已达10/1 000左右[3]，本区10年来死亡率总体也呈现下降态势，前期较平稳，后期下降较快，均在国家要求的15/1 000以下。近两年死亡率较低，已达到6/1 000左右，接近发达国家水平。应该注意的是在下降过程中短期波动较大，偶有回升趋势，因此仍应继续加强保健工作，稳定现有成果。

在死因顺位方面，通过分析发现早产低体质量、先天性心脏病、其他先天异常为本区5岁以下儿童死亡的主要死因，与国内城市近年来死因顺位基本一致[4-8]。对于早产低体质量问题，应该接续加强高危早产孕妇的高危管理工作,提高产前检查率,推广预防早产的适宜技术,改善孕妇的营养及健康状况。先天性心脏病、其他先天异常都属于出生缺陷的范畴，对此应积极开展遗传咨询、产前诊断和出生缺陷的监测,同时做好婚检,并加强优生优育的宣传。

另外，与近年来文献显示的意外伤害死亡在儿童死因构成中比例呈上升趋势[9-11]相一致，本区意外、意外窒息等伤害致死发生顺位也有所提升，多次进入死因前5位。这一现象应引起高度重视。提示在宣传预防治疗常见病的同时，应加强对家长进行安全教育的培训和宣传，儿童伤害防治工作应当成为今后儿童保健工作的重点。

为了及时了解死亡率变动趋势，更好的预防儿童死亡，本区一直使用灰色模型[GM(1，1)]进行死亡率预测工作。灰色模型[GM(1，1)]是较为常用的一种预测模型，广泛应用于各个领域，尤其适用于短期变动不大或有长期趋势数据的预测，在儿童保健领域也经常被使用，但近4年来，本区死亡率短期波动较大，灰色模型显然无法适应，因此，本研究使用了能够自我学习并具有良好非线性映射功能的BP人工神经网络方法[12]对死亡率进行预测。结果显示，BP人工神经网络方法的平均误差率为2.68%，大大低于灰色模型[GM(1，1)]的14.06%；对2014年数据进行验证，神经网络法的6.99也与真实值6.87更为接近，因此对有一定波动的5岁以下儿童死亡率的预测，BP人工神经网络法优于灰色模型[GM(1,1)]法。

参考文献

[1]方积乾.卫生统计学[M].6版.北京:人民卫生出版社，2012:43-45.

[2]孙振球，徐勇勇.医学统计学[M].3版.北京:人民卫生出版社，2010:123-125.

[3]宋妍，何国平.5岁以下儿童死亡原因的研究概况[J].亚太传统医药，2008，4(8)：73-74.

[4]韦再华，谢学勤，高燕琳.北京市2003～2007年5岁以下儿童死因分析[J].中国卫生统计，2009，6(4):396-397.

[5]张丹，杨少萍.武汉市2001～2009年5岁以下儿童死亡情况分析[J].中国妇幼保健，2011，26(11):32-34.

[6]王卫凯，白岩，何文华，等.甘肃省5岁以下儿童死亡结果分析[J].甘肃科学学报，2014，26(4):50-54.

[7]陈亦晨，李小攀，杨琛，等.2002～2013年上海市浦东新区5岁以下儿童死因分析[J].中国儿童保健杂志，2015，23(1):93-95.

[8]魏煌忠，赵广英，梁锦萍.深圳市某街道2007～2011年5岁以下儿童死亡情况分析[J].公共卫生与预防医学，2013，24(1):115-116.

[9]蔡任之，虞慧婷.上海市2011年户籍及非户籍人口5岁以下儿童死亡分析[J].亚太传统医药，2013，9(9):205-207.

[10]伍颖华，陈伟湛，梁侨任，等.广东台山市2007～2012年5岁以下儿童死亡情况分析[J].公共卫生与预防医学，2014，25(1):91-93.

[11]曹芳兰.湖北宜都市2008～2012年5岁以下儿童死亡趋势[J].公共卫生与预防医学，2013，24(5):120-121.

[12]葛哲学，孙志强.神经网络理论与实践[M].北京：电子工业出版社，2007：46-49.

(本文编辑：刘颖)

Analysis of the causes of death in children under 5 years old in the Heping District of Shenyang City in the recent ten years

GAOXin.

HepingDistrictSouthStationCommunityHealthServiceCenter，Shenyang110001，China.

【Abstract】ObjectiveTo reduce the mortality of children under 5 years of age,to understand the cause of death,and to analyse the monitoring data.MethodsDescribe the trends in mortality,perform analysis of death causes,and use the grey model[GM (1,1)] and BP artificial neural network to predict mortality.ResultsThe total mortality in children under five years old was decreased,being lower in the recent 4 years,with a certain degree of volatility and occasional increases.The main cause of death was premature low birth weight,congenital heart disease and other congenital anomalies,with the death due to injury ranking higher.The average error rate of the BP artificial neural network method was 2.68%,which was much lower than that of the grey model(14.06%).ConclusionWe should strengthen prevention and health care work in premature low weight,congenital heart disease and other congenital anomalies and pay attention to prevention of child injury in order to ensure the existing achievement of mortality decline.BP artificial neural network method is better than the grey model method.

【Keywords】Death;Analysis of cause of death;Monitoring;Children

作者简介：高欣(1963-)，女，主治医师。研究方向：儿童保健，E-mail：niugx@sina.com

doi：10.3969/j.issn.1674-3865.2016.03.038

【中图分类号】R729

【文献标识码】A

【文章编号】1674-3865(2016)03-0356-03

(收稿日期：2016-01-19)