对应分析法在我国居民意外死亡分析中的应用

杨铁山，兰兆兴，安志远

1.福建科胜司法鉴定所，福建 莆田 351100；2.福建行健司法鉴定所，福建 福州 350000；3.中国政法大学，北京 100088

意外死亡，指因无法预料的原因而不是出于故意或过失的事件或行为造成的死亡[1]。随着社会和经济的发展，意外伤害已经成为一个国际性公共卫生、人权和人类发展问题[2]。据统计，2018 年我国城镇居民损伤和中毒死亡占全部死亡的5.67%，已经成为威胁人类健康的第五大杀手，仅排在恶性肿瘤、心脏病、脑血管病和呼吸系统疾病之后[3]。由于意外原因较明确，采取有效预防措施即可显著减少因意外造成的死亡人数[4]，因此，对意外死亡进行相关研究具有现实意义。为了更好地了解意外死亡在我国居民中的分布特征，本研究收集我国2014—2018 年的意外死亡数据，运用对应分析法对我国居民居所、性别、年龄和死亡原因进行对应分析，以突出特定人群日益增加的意外死亡风险，并为相关部门制定干预措施提供研究支持。

1 材料与方法

1.1 材料

本研究数据来自2015 中国卫生和计划生育统计年鉴[5]、2016 中国卫生和计划生育统计年鉴[6]、2017 中国卫生和计划生育统计年鉴[7]、2018 中国卫生健康统计年鉴[8]和2019中国卫生健康统计年鉴[3]。

1.2 方法

1.2.1 变量设计

选取我国官方统计年鉴中城市居民和农村居民的年龄、性别、疾病死亡率（1/10万）等数据，将机动车辆交通事故、意外中毒、意外跌落、火灾、溺水、意外的机械性窒息、砸死和触电设为死亡原因变量，将城镇和农村设为居所变量，将男性和女性设为性别变量，将1～4 岁、5～9 岁、10～14 岁、15～19 岁、20～24 岁、25～29 岁、30～34 岁、35～39 岁、40～44 岁、45～49 岁、50～54 岁、55～59 岁、60～64 岁、65～69 岁、70～74 岁、75～79 岁、80～84 岁、85 岁以上设为年龄组变量。将上述居所、性别和年龄组合并为居所-性别-年龄组变量，“U”代表城镇，“R”代表农村，“M”代表男性，“F”代表女性，数字1～85 分别代表各年龄组的起始年龄。由于每年意外死亡的死亡率略有差异，为了减少误差，本研究取2014—2018 年共5 年的居民意外死亡的死亡率平均值作为基础数据（附表1），死亡率以每年每十万人为单位表示。由于不满1 岁的死亡率（又称婴儿死亡率）是指婴儿出生后不满周岁死亡人数同出生人数的比例，不同于其他年龄组死亡率计算方式，故在本研究中剔除。

1.2.2 对应分析

对应分析是一种R 型和Q 型因子分析相结合的多元统计分析方法，本质是一种在低维空间中用图形方法表示关联的技术，其最大的特点是能把众多的样本和变量同时表现在一幅二维图上。本研究中居所-性别-年龄组变量和死亡原因变量共同构成了对应分析的列和行。将附表1 的数据录入SPSS 24 软件（美国IBM 公司）进行对应分析，得到摘要、行点总览、列点总览和对应分析图。

1.2.2.1 相关性和降维分析

利用SPSS 24 软件对居所-性别-年龄组变量与意外死亡原因变量进行χ2检验（检验水准α=0.05）和累积惯量测算（若累积惯量比例>0.5，则表示降维效果好）。

1.2.2.2 偏好的定性分析

从对应分析图的坐标原点出发，如果代表列变量（居所-性别-年龄组）的某个点与代表行变量（意外死亡原因）的某个点在同一方位上距离较近，则表明两者有较强的关联性；如果距离较远或不在同一方位，则表明两者的关联性较弱[9]；同时，某变量越远离原点（0，0），则说明其特征越明显。

1.2.2.3 偏好的定量分析

将居所-性别-年龄组列变量点A（XA，YA）在意外死亡原因行变量点B（XB，YB）与原点（0，0）连线上做垂直线，垂直线交点C 到原点（0，0）的距离（d）就是两变量点的偏好值，d值越大说明两变量的偏好联系越强，即表示该意外死亡原因越偏好于在该人群中发生。

根据偏好值d的计算公式（d=）将行点总览、列点总览中的维得分带入对应分析图中，得到各居所-性别-年龄组的意外死亡原因偏好值[10]。

1.2.2.4 偏好趋势分析

利用Microsoft Excel 2019 软件将偏好值与居所、性别、意外死亡原因、年龄进行趋势分析，并以年龄为自变量（x）、偏好值为因变量（y），得到回归方程。

2 结果

2.1 相关性和降维分析

在对应分析的摘要中得到χ2=1 863.346，P=0.000，表明居所-性别-年龄组与意外死亡原因之间具有相关性，使用对应分析是有效的。维度1 和维度2 的累积惯量比例为0.946，表明使用前两个维度可以解释总信息量的94.6%，即经过降维后，二维对应分析图能较好地描述两变量间的关系。

2.2 偏好的定性分析

对应分析图（图1）中，X轴线和Y轴线在坐标原点（0，0）交叉，将坐标平面分成4个象限。根据居所-性别-年龄组和意外死亡原因变量在图中的排列位置规律，大致分为右上象限、右下象限和左侧象限三类：第一类包括1～19 岁人群、70～74 岁女性、溺水和意外的机械性窒息，表明溺水和意外的机械性窒息偏好于1～19 岁人群及70～74 岁女性，主要集中在右上象限；第二类包括20～69岁人群、70～74岁男性、触电、砸死、机动车辆交通事故和意外中毒，表明触电、砸死、机动车辆交通事故和意外中毒偏好于20～69岁人群及70～74岁男性，主要集中在右下象限；第三类包括75岁以上人群、火灾和意外跌落，说明火灾和意外跌落偏好于75岁以上人群，主要集中在左侧象限。

图1 居所-性别-年龄组和意外死亡原因的对应分析图Fig.1 Correspondence analysis of residence-sex-age groups and causes of accidental death

2.3 偏好的定量分析

本研究得出了8种意外死亡原因和72个居所-性别-年龄组构成的576 对对应关系的偏好值，按照单项偏好值得分，偏好值大于0的有352对（占61.11%），表明大多数居所-性别-年龄组与意外死亡存在偏好关系（附表2）。

2.4 偏好的趋势分析

2.4.1 居所和性别总体分析

在区分居所的情况下，偏好值在我国农村居民（79.649）的总体意外死亡风险高于城市居民（72.803）；在区分性别的情况下，我国男性居民（77.103）的总体意外死亡风险高于女性居民（75.348）；在同时区分居所和性别的情况下，偏好值从高到低依次为：农村男性（40.446）、农村女性（39.202）、城镇男性（36.657）、城镇女性（36.146）。总之，我国居民意外死亡偏好总体上呈现农村高于城镇、男性高于女性的趋势。

2.4.2 意外死亡原因总体分析

城镇男性全年龄段的意外死亡原因偏好值从高到低依次为：意外的机械性窒息（13.745）、机动车辆交通事故（10.934）、意外中毒（10.087）、触电（9.283）、砸死（8.608）、溺水（8.542）、火灾（-11.303）和意外跌落（-13.239）。城镇女性全年龄段的意外死亡原因偏好值依次为：意外的机械性窒息（13.765）、机动车辆交通事故（10.661）、意外中毒（9.786）、触电（8.960）、溺水（8.845）、砸死（8.270）、火灾（-11.043）和意外跌落（-13.093）。农村男性全年龄段的意外死亡原因偏好值依次为：意外的机械性窒息（15.309）、机动车辆交通事故（11.981）、意外中毒（11.018）、触电（10.109）、溺水（9.718）、砸死（9.347）、火灾（-12.401）和意外跌落（-14.635）。农村女性全年龄段的意外死亡原因偏好值依次为：意外的机械性窒息（15.349）、机动车辆交通事故（11.314）、溺水（10.461）、意外中毒（10.284）、触电（9.321）、砸死（8.521）、火灾（-11.768）和意外跌落（-14.279）。总之，意外的机械性窒息和机动车辆交通事故在我国居民全年龄段的总体风险都是最高的，原因在于：意外的机械性窒息、机动车辆交通事故与绝大多数居所-性别-年龄组变量都存在正偏好值，且意外的机械性窒息更偏好于1～19 岁未成年人群，机动车辆交通事故更偏好于20～59 岁劳动年龄人群。相比之下，意外跌落和火灾较偏好于城镇女性，机动车辆交通事故、意外中毒、砸死和触电较偏好于农村男性，溺水和意外的机械性窒息较偏好于农村女性（图2）。

图2 我国居民全年龄段不同意外死亡原因的偏好值Fig.2 Preference values of different accidental death causes in Chinese residents of all age

2.4.3 年龄总体分析

随着年龄的增长，我国居民与意外死亡的偏好值呈现先升后降的趋势（图3）。城镇男性于20～24岁达到高峰，之后一直下降，于85 岁以上降至最低，将年龄（x1）与偏好值（y1）进行趋势分析，得到回归方程y1=-0.001 5x12+0.085 5x1+2.062 2（R2=0.949 3）。城镇女性于20～24 岁达到高峰，之后一直下降，于85 岁以上降至最低，将年龄（x2）与偏好值（y2）进行趋势分析，得到回归方程y2=-0.001 8x22+0.108 7x2+1.87（R2=0.933 8）。农村男性于20～24 岁达到高峰，之后一直下降，于85 岁以上降至最低，将年龄（x3）与偏好值（y3）进行趋势分析，得到回归方程y3=-0.001 4x32+0.079 4x3+2.263（R2=0.937 2）。农村女性于25～29 岁达到高峰，之后一直下降，于85 岁以上降至最低，将年龄（x4）与偏好值（y4）进行趋势分析，得到回归方程y4=-0.001 8x42+0.108 1x4+2.008 2（R2=0.936 3）。综上，20～29 岁是意外死亡风险最高的年龄段，且年龄和意外死亡的偏好值曲线拟合度高，通过年龄可以达到预测意外死亡偏好值的目的。

图3 我国居民不同年龄段的意外死亡偏好值Fig.3 Preference values of accidental death in different age groups of Chinese residents

2.4.4 不同年龄段各意外死亡原因偏好值分析

在城镇男性居民中，机动车辆交通事故偏好于1～79 岁人群，偏好值呈现先升后降的趋势，于30～34 岁达高峰，较偏好于20～59 岁劳动年龄人群；意外中毒、砸死和触电偏好于15～79 岁人群，偏好值呈现先升后降的趋势，于30～34 岁达高峰，较偏好于20～59 岁劳动年龄人群；意外跌落和火灾偏好于80 岁以上老年人群，且偏好值随着年龄增长而逐渐增长；溺水偏好于1～29 岁人群，偏好值呈现先升后降的趋势，于10～14岁达高峰，较偏好于1～19岁未成年人群；意外的机械性窒息偏好于1～79 岁人群，偏好值呈现先升后降的趋势，于10～14 岁达高峰，较偏好于1～19 岁未成年人群。

在城镇女性居民中，机动车辆交通事故偏好于1～74 岁人群，偏好值呈现先升后降的趋势，于45～49 岁达高峰，较偏好于20～59 岁劳动年龄人群；意外中毒偏好于1～74 岁人群，偏好值呈现先升后降的趋势，于45～49岁达高峰，较偏好于20～59岁劳动年龄人群；意外跌落和火灾偏好于75 岁以上老年人群，且偏好值随着年龄增长而逐渐增长；溺水偏好于1～79 岁人群，且偏好值随着年龄增长而逐渐下降，于1～4 岁达高峰，较偏好于1～19 岁未成年人群；意外的机械性窒息偏好于1～74 岁人群，且偏好值随着年龄增长而逐渐下降，于1～4 岁达高峰，较偏好于1～19 岁未成年人群；砸死偏好于10～74 岁人群，偏好值呈现先升后降的趋势，于45～49 岁达高峰，较偏好于20～59 岁劳动年龄人群；触电偏好于5～74 岁人群，偏好值呈现先升后降的趋势，于45～49 岁达高峰，较偏好于20～59 岁劳动年龄人群。

在农村男性居民中，机动车辆交通事故偏好于1～79 岁人群，偏好值呈现先升后降的趋势，于25～29 岁达高峰，较偏好于20～59 岁劳动年龄人群；意外中毒偏好于15～79 岁人群，偏好值呈现先升后降的趋势，于25～29 岁达高峰，较偏好于20～59 岁劳动年龄人群；意外跌落和火灾偏好于80 岁以上老年人群，且偏好值随着年龄增长而逐渐增长；溺水偏好于1～24 岁人群，偏好值呈现先升后降的趋势，于10～14 岁达高峰，较偏好于1～19 岁未成年人群；意外的机械性窒息偏好于1～79 岁人群，偏好值呈现先升后降的趋势，于10～14岁达高峰，较偏好于1～19岁未成年人群。砸死和触电偏好于15～79 岁人群，偏好值呈现先升后降的趋势，于30～34 岁达高峰，较偏好于20～59 岁劳动年龄人群。

在农村女性居民中，机动车辆交通事故偏好于1～74 岁人群，偏好值呈现先升后降的趋势，于30～34 岁达高峰，较偏好于20～59 岁劳动年龄人群；意外中毒偏好于1～74 岁人群，偏好值呈现先升后降的趋势，于30～34岁达高峰，较偏好于20～59岁劳动年龄人群；意外跌落和火灾偏好于80 岁以上老年人群，且偏好值随着年龄增长而逐渐增长；溺水偏好于1～84 岁人群，且偏好值随着年龄增长而逐渐下降，于1～4 岁达高峰，较偏好于1～19 岁未成年人群；意外的机械性窒息偏好于1～79 岁人群，且偏好值随着年龄增长而逐渐下降，于1～4 岁达高峰，较偏好于1～19 岁未成年人群；砸死偏好于15～74 岁人群，偏好值呈现先升后降的趋势，于30～34 岁达高峰，较偏好于20～59 岁劳动年龄人群；触电偏好于5～74 岁人群，偏好值呈现先升后降的趋势，于30～34 岁达高峰，较偏好于20～59 岁劳动年龄人群。

共同之处在于：机动车辆交通事故、意外中毒、砸死和触电更偏好于20～59岁劳动年龄人群，其中，机动车辆交通事故和意外中毒最偏好于30～34 岁城镇男性、45～49 岁城镇女性、25～29 岁农村男性和30～34 岁农村女性，砸死和触电最偏好于30～34 岁城镇男性、45～49 岁城镇女性、30～34 岁农村男性和30～34 岁农村女性；意外跌落和火灾更偏好于80 岁以上老年人群，尤其是85 岁以上人群；溺水和意外的机械性窒息更偏好于1～19 岁未成年人群，尤其是10～14 岁男性和1～4岁女性。

3 讨论

对应分析通过构建一个由行变量和列变量组成的矩阵，对多个案件（行变量）中多个影响因素（列变量）进行关联分析，然后在低维的空间中将他们之间的内在联系通过坐标的方式展现出来，联系紧密的在同一个方位且距离较近，则认为他们存在对应关系，反之则不存在对应关系[11]。考虑到对应分析只能定性不能定量的缺点，本研究应用“维得分”和计算公式，达到了定量变量之间关系的目的，偏好值代表某个性别年龄组和某种意外死亡原因的关联程度，偏好值越高代表两者的关联特征越明显，反之，关联特征越弱。

本研究结果表明，居所-性别-年龄组与意外死亡原因存在明显的偏好关系。首先，在居所方面，农村居民的意外死亡偏好高于城镇居民，可能的原因在于农村经济条件较落后，在防范措施和医疗护理方面不如城镇。其次，在性别方面，男性居民的意外死亡偏好高于女性居民，可能的原因在于我国男性户外活动较多，暴露于意外死亡的风险大于女性。第三，在意外死亡原因方面，意外的机械性窒息和机动车辆交通事故在我国居民全年龄段的总体风险最高，且意外的机械性窒息更偏好于1～19 岁未成年人群，机动车辆交通事故更偏好20～59 岁劳动年龄人群，可能的原因在于：未成年人的安全性意识不足，缺乏相应的安全性教育，易发生意外的机械性窒息，如意外性缢死、意外性勒死、意外性捂死、挤压性窒息、闷死、哽死、体位性窒息等，而劳动人群要过多的暴露于道路交通环境中，易发生机动车辆交通事故。最后，在年龄方面，20～29 岁是意外死亡风险最高的年龄段，这可能是内在因素（如思想安全性意识不足）和外在因素（如过早、过多地暴露于外界各种风险环境中）共同作用的叠加结果。

本研究发现，不同的意外死亡原因偏好于不同的居所-性别-年龄组人群，应有针对性地采取防护安全措施。溺水较偏好于1～19 岁未成年人群（尤其是10～14岁男性和1～4岁女性），可能与未成年人天性好动、缺乏家长监管等有关[12]，监护人要防止监管缺位，同时相关部门要做好水边安全防护工作。意外的机械性窒息较偏好于1～19岁未成年人群（尤其是10～14岁男性和1～4 岁女性），造成该结果的原因可能与未成年人缺乏相应的安全性思想教育有关，如保护不当造成意外性缢死、意外性勒死、意外性捂死、挤压性窒息、闷死、哽死、体位性窒息等[13]，学校和家长应更关注未成年人的健康和安全教育。机动车辆交通事故、意外中毒、触电和砸死较偏好于20～59 岁劳动年龄人群，造成该现象的可能原因是：（1）我国机动车驾驶员以20～59 岁人群为主，故该人群在单车事故或者车-车事故中成为主要受害人群[14]；（2）中毒可分为生产性和生活性两类，20～59 岁作为主要劳动人群更易遭受生产性意外中毒；（3）触电多与生产作业相关，而20～59岁是主要的接触电气设备的人群[15]，另外，现实生活中也不乏自制“电鱼”设备，因操作不当导致触电死亡的案例；（4）砸死多由长期暴露于户外不安全的空中危险物下导致，20～59 岁作为劳动的主要群体，由于户外活动的增加易成为砸死的主要对象，针对该人群的意外死亡风险特点，应强化相关单位的安全管理规范和防护措施，并对重点相关个人加强安全责任教育和培训。意外跌落和火灾较偏好于80 岁以上人群，可能与老人行动受限、独居、缺乏家人照料等有关，亲属和社区要时刻关注老年人的身心健康，及时消除安全隐患。

同时，本研究也存在一定的局限性。首先，无法获得每种意外死亡形成的环境条件以及人员职业信息，只有不同居所男性和女性的年龄和疾病死亡率，致使无法在居所、性别和年龄的基础上再进一步深挖每种意外死亡的具体偏好；其次，由于我国尚没有推行“凡死必检”的尸检制度，很多死亡原因可能没有得到正确登记，这些信息的差错可能造成统计结果出现偏差。

综上，意外死亡是我国居民死亡的一个重要原因，政府应对意外原因造成的死亡予以重视。生命权是公民最根本的人身权，而保护公民的生命权不受非法侵害是我国法律的首要任务。法医学是为法律服务的一门医学学科，法医学的任务不仅是为刑事、民事和行政诉讼提供科学证据，更重要的是能为疾病、损伤以及死亡的预防提供技术咨询。本研究通过分析我国居民与意外死亡的偏好关系，以期有助于决策者和规划者根据居所、性别和年龄的意外死亡偏好特征制定有针对性的预防干预措施，以有效降低意外死亡事件发生率。