我国围产儿死亡率时空变化及预测研究*

滨州医学院公共卫生与管理学院(264003) 赵星宇 王广成 单海峰 杨宝顺 丁素素 梁晓天 韩春蕾

【提 要】 目的 研究我国围产儿死亡率的时空变化趋势并进行预测。方法 收集2005-2018年围产儿死亡率相关数据，使用ArcGIS 10.2软件绘制围产儿死亡率分布地图，用Stata 14.0软件进行空间相关分析，使用SPSS 19.0软件进行整合移动平均自回归模型(ARIMA)预测分析。结果 2005-2018年，围产儿死亡率西部大于东部和中部，西藏和新疆是围产儿死亡率的高发地区；围产儿死亡率空间聚集性逐年上升(0.375到0.474)；预测得出2019-2022年围产儿死亡率呈现下降趋势(4.08‰到3.92‰)。结论 我国围产儿死亡率呈下降趋势，存在明显的地理差异；围产儿死亡率的降低需要临近省份的共同努力。

妇婴保健是建设健康中国的重要组成部分，是实现“健康中国2030”发展目标的关键。对围产儿死亡率的研究有助于妇幼保健的可持续发展[1]。胎儿体重达到1000克，或孕期满28周至出生后7天以内的死亡称为围产儿死亡[2]。国内外学者对围产儿死亡率相关问题进行了系列研究。如Xiang K、蔡桂举、朱丹玲等对围产儿死亡率现状和分布的研究[3-5]，Ananth CV、杜两省、庄艳艳等对围产儿死亡率影响因素的研究[6-8]以及戴琼对围产儿死亡率的预测研究等[9]。

研究目前主要集中在对围产儿死亡率的现状、影响因素或预测的单一研究，缺少系统的研究。本文综合使用空间计量分析与时间序列预测的方法，对围产儿死亡率的时空分布现状进行研究，并预测未来我国围产儿死亡率的发展趋势，可为降低我国围产儿死亡率、提高妇幼健康水平提供对策建议。

资料及方法

1.数据来源

收集我国2005-2018年31个省份的围产儿死亡率数据，数据来自2006-2019年《中国卫生统计年鉴》。

2.研究方法

空间相关性可以判断围产儿死亡率的分布是否存在统计上集聚或分散现象。在一定的显著性水平下，Moran′s I 指数为正表示围产儿死亡率存在空间集聚性；Moran′s I 指数为负则表示邻近区域的围产儿死亡率差异显著，即存在空间分散性[10]。整合移动平均自回归模型(auto regressive integrated moving average model，ARIMA)即对差分平稳的序列拟合自回归移动平均模型(auto regressive moving average model，ARMA)，是常用的时间序列预测方法。ARIMA(p，d，q)中，AR和MA分别表示自回归和移动平均，p、d、q分别为自回归项数、平稳序列所做的差分次数(阶数)和移动平均项数[11]。

本文使用Stata 14.0软件，利用Moran′s I检验探究数据的空间相关性，使用SPSS19.0进行ARIMA模型预测，使用ArcGIS10.2软件绘制围产儿死亡率分布地图，分析其空间分布情况。以α=0.05作为显著性标准。

3.指标相关计算方法

围产儿死亡率(‰)指使用每1000名婴儿出生所对应的围产期死亡数。死亡率降幅(%)=(2018围产儿死亡率-2005围产儿死亡率)/2005围产儿死亡率×100%。此外，相对误差(%)=绝对误差/真实值×100%。

结 果

1.我国围产儿死亡率时间与空间分布

为研究我国不同地区围产儿死亡率的走势，将我国省份分为东部地区、中部地区与西部地区三部分[12]，绘制围产儿死亡率走势图如图1所示。

图1 2005-2018年我国各地区总体围产儿死亡率走势图

可见，我国围产儿死亡率总体呈下降趋势，由2005年的10.27‰下降到2018年的4.26‰。其中，东部地区围产儿死亡率最低，西部地区最高，始终保持着“东—中—西”阶梯式递增态势。三个地区中，中部围产儿死亡率降幅最大(55.80%)，其次为西部地区(55.71%)，东部地区围产儿死亡率降幅最少(52.67%)。

以2005和2018年为基准，将31个省份划分为围产儿低死亡率(0～)、较低死亡率(5‰～)、较高死亡率(10‰～)和高死亡率(15‰～)四种类型。绘制围产儿死亡率的空间分布图，见图2。

图2 2005年(左)与2018年(右)我国围产儿死亡率空间分布

2005年到2018年，我国各省份死亡率均呈现降低的趋势。从空间分布图来看，各省份围产儿死亡率呈现明显的空间差异，围产儿死亡率由东部向西部呈现增高趋势。经济落后的西部地区围产儿死亡率较高，经济发达的东部地区围产儿死亡率较低。2005年我国围产儿死亡率为10.27‰，在发达的地区如北京、上海、天津等地，围产儿死亡率均在7.00‰以下，其中上海市最低(2.52‰)。在中部地区如山西、河南、湖北、广东等地，围产儿死亡率介于7.00‰和13.00‰之间。在不发达的西部地区如新疆和西藏，围产儿死亡率高达19.97‰和19.04‰。2018年我国围产儿死亡率为4.26‰，各省份均有所改善。上海围产儿死亡率依旧最低(2.38‰)，北京市(2.86‰)位居第二；西部地区死亡率均有显著改善，新疆和西藏的围产儿死亡率分别降为11.01‰和14.67‰。

2.围产儿死亡率空间自相关分析

2005年和2018年我国围产儿死亡率的全局莫兰指数在0.375～0.495，均达到显著水平(P<0.05)且具有上升趋势。如图3所示，围产儿死亡率空间聚集程度逐渐上升。

图3 2005-2018年围产儿死亡率莫兰指数走势图

3.我国围产儿死亡率的预测

围产儿死亡率数据经过1次差分后(d=1)，自相关图(ACF)与偏自相关图(PACF)见图4。

图4 2005-2018年围产儿死亡率数据经一阶差分后的ACF图和PACF图

自相关图与偏自相关图的结果显示，置信区间在[-0.5，0.5]范围内，故在进行一阶差分之后的序列趋于平稳。以围产儿死亡率为因变量，采用SPSS 19.0拟合ARIMA模型。通过BIC指数与R2值对模型进行筛选，最终得到ARIMA(1，1，2)模型。拟合R2=0.980，相对误差均在10%以内，说明模型拟合良好(表1)。

表1 ARIMA模型对全国围产儿死亡率拟合结果

2019-2022年我国围产儿死亡率预测结果分别为4.08‰、4.06‰、3.86‰和3.92‰，呈整体下降趋势(图5)。

图5 ARIMA模型对我国围产儿死亡率的回代及预测情况

对31个省份围产儿死亡率进行ARIMA模型拟合，预测2019-2022年各省市围产儿死亡率，拟合结果相对误差均在10%以内，拟合效果良好。将预测结果划分为低死亡率(0～)、较低死亡率(3‰～)、较高死亡率(6‰～)和高死亡率(9‰～)四种类型，绘制空间分布图如图6所示。

图6 2019-2022年我国围产儿死亡率预测结果的空间分布

从空间分布图来看，2019-2022年全国各省份围产儿死亡率均呈现下降趋势，我国围产儿死亡率依然东低西高，但东西部地区差异具有减小的趋势。其中上海的围产儿死亡率由2019年的2.05‰降为2022年的1.63‰，西藏和新疆的死亡率分别由12.56‰和10.70‰降为5.42‰和8.43‰。

讨 论

本文采用空间相关模型分析了围产儿死亡率的时空变化趋势，采用ARIMA模型对2005-2018年我国的省份数据进行预测。从地区分布来看，我国围产儿死亡率呈现东-中-西逐渐升高的趋势。说明围产儿死亡率与地区经济状况紧密相关，经济发达的东部地区相比相对落后的中西部地区围产儿死亡率更低，这与前期研究结果一致[13]。明确围产儿死亡率的地区差异，有针对性地对不同地区采取差异性的防治干预措施，有利于更好地做好围产期保健工作[8]。中西部地区对进一步降低全国的围产儿死亡率至关重要。因此，需要加大对中西部地区尤其是西部地区的政策倾斜力度。以共建“一带一路”为引领，加快西部大开发战略的实施力度，提高西部地区的经济和社会发展水平；同时加大对中西部地区的政府卫生投入，出台相应政策留住更多的卫生技术人员，以进一步降低围产儿死亡率[13]。

我国围产儿死亡率历年的莫兰指数为正且逐渐上升，表明我国的围产儿死亡率分布情况具有一定的空间集聚性且随时间呈上升趋势。即一个省份的围产儿死亡率与周围省份的围产儿死亡率存在关联，临近省份的围产儿死亡率存在潜在的相互依赖性，且这种依赖性随着时间推移呈增大趋势。由于空间聚集性的存在，要降低某一省份的围产儿死亡率，需要综合提升本省份以及周围省份的经济水平、医疗卫生水平、城市化水平及环境质量等影响居民健康时空变化的重要因素[10]。

我国围产儿死亡率的预测结果表明，2019-2022年我国各省份围产儿死亡率将继续呈现下降趋势。说明随着时间推移，我国围产医学发展水平及妇幼卫生工作质量将逐步提高，儿童生存和儿童健康保健状况将不断改善[9]。利用ARIMA模型对围产儿死亡率的预测具有较高的精度(10%以内)，可为母婴健康政策及儿童早期发展政策的制定提供保障和科学依据。

值得一提的是，ARIMA模型的预测精度受样本量的影响较大[14]，在变量个数一定的情况下，样本量越多，模型的预测精度就会越高[11]。本文使用了2005-2018年14年的数据拟合ARIMA模型对围产儿死亡率进行预测，虽然预测的相对误差均在10%以内，但日后的研究可通过增加样本量的方法进一步提高预测精度。