论证中低收入国家婴儿死亡率与人均GDP关系变化的“拐点”假设

Demonstrating the “Inflection Point” Hypothesis of the Relationship between Per Capita GDP and Infant Mortality Rate in Lower-Middle-Income Countries

摘要: 目的：论证人均GDP与婴儿死亡率关系变化的“拐点”假设。方法：以中低收入国家的婴儿死亡率为因变量，经济、人口、农业、教育、能源与环境、卫生等6个维度的指标为自变量，进行阶段性岭回归分析，在单维分析基础上，构建“六维一体分析框架”，通过人均GDP回归系数t检验结果的阶段性变化判断“拐点”假设。结果：在纳入研究的55个中低收入国家中，经阶段性合并，29个国家的第一阶段人均GDP回归系数的t检验差异无统计学意义(P > 0.05)，第二阶段差异有统计学意义(P < 0.05)。人口因素始终占据主导地位，人均GDP并不总是婴儿死亡率的影响因素。结论：部分中低收入国家人均GDP与婴儿死亡率存在从非积极影响向积极影响的关系转变。面对关系变化应适时调整防控策略，并落实针对性的防控措施。

Abstract: Objective: This paper aims to demonstrate the hypothesis of a “turning point” in the relationship between per capita GDP and infant mortality rate. Method: Using infant mortality rate in Lower-middle-income countries as the dependent variable and six dimensions of indicators including economy, population, agriculture, education, energy and environment, and health as independent variables, a staged ridge regression analysis was conducted. Based on single dimensional analysis, a “six-dimensional integrated analysis framework” was constructed to determine the “inflection point” hypothesis through the stage changes in the regression coefficient t-test results of per capita GDP. Results: Among the 55 Lower-middle-income countries included in the study, after stage wise consolidation, the t-test differences in the regression coefficients of the first stage per capita GDP in 29 countries were not statistically significant (P > 0.05), while the differences in the second stage were statistically significant (P < 0.05). Population factors always dominate, and per capita GDP is not always a factor affecting infant mortality. Conclusion: There is a shift in the relationship between per capita GDP and infant mortality rate from a non positive impact to a positive impact in some Lower-middle-income countries. In the face of changes in relationships, it is necessary to adjust prevention and control strategies in a timely manner and implement targeted prevention and control measures.

1. 引言

儿童事关人类永续发展，是重要的战略资源。婴儿死亡率在儿童死亡率中占据重要比重[1] [2]，其影响因素是涉及社会各领域的复杂系统[3]。在健康生产函数理论框架下[4]，人均GDP增长主要通过增加家庭和政府对健康生产要素的支付能力，从而改善健康产出。众多研究[5]-[8]表明人均GDP等经济因素是重要的影响因素之一，与该理论基本一致。但也有研究认为人均GDP并不总是婴儿死亡率的影响因素[9]-[11]，不能过度放大经济的作用，人均GDP对健康产出(婴儿死亡率)的作用并非固定不变，可能是有边界的。故而提出了人均GDP与婴儿死亡率关系变化的“拐点”假设。二者关系变化的理想历程是先从非积极影响向积极影响的第一转变、再从积极影响向非积极影响的第二转变。正确认识二者关系的变化，对于适时调整防控策略有一定的现实意义。前期研究发现中国[8] [9]、尼日尔、卢旺达[11]等国家符合第一转变，日本[10]符合第二转变，仍缺乏更多的国别证据。在20个低收入国家中，表现为高婴儿死亡率、低人均GDP，且婴儿死亡率平均下降量小、平均下降速度缓慢，人均GDP平均增长量小、平均增长速度缓慢，其中18个国家没有发生第一转变，人均GDP不是婴儿死亡率的影响因素，二者关系处于非积极影响阶段。在高婴儿死亡率、低人均GDP阶段，尽管有较大的发展空间，但因发展速度缓慢，很难发生质的飞跃。因此，推测在中低或中高收入国家中，可能有部分国家发生了第一转变；第二转变可能发生在少数中高收入国家、部分高收入国家中。事实证明，在纳入研究的52个高收入国家中，确有12个国家发生了第一转变、26个国家发生了第二转变[12]。全球可持续发展目标(SDGs) [13]要求到2030年各国争取将新生儿死亡率至少降至12‰，5岁以下儿童死亡率至少降至25‰。低收入国家、中等收入国家处于高或较高的婴儿死亡率现状[11] [14]，是防控的重点国家。本文基于世界银行数据库的更新数据，以中低收入国家的婴儿死亡率为因变量，经济、人口、农业、教育、能源与环境、卫生等六个维度的指标为自变量，进行阶段性岭回归分析，在单维分析基础上，构建“六维一体分析框架”，旨在论证人均GDP与婴儿死亡率关系变化的“拐点”假设，分析不同发展阶段的影响因素，为中低收入国家适时调整防控策略，实现2030年降低儿童死亡率的可持续发展目标提供参考依据。

2. 对象与方法

2.1. 研究对象

以中低等收入国家或地区的婴儿死亡率及人口、经济、能源与环境、教育、农业、卫生等6个维度的指标数据为研究对象。从世界银行数据库下载数据，更新时间为2021年12月16日。中低收入国家是在下载数据中世界银行的直接分类结果。

经济因素包括人均GDP (current US$)、人均当前卫生支出(current US$)、当前卫生支出占比(% of GDP)、人均居民最终消费支出(2010年不变价美元)、调整后的国民净人均收入(2010年不变价美元)；人口因素包括总生育率(女性人均生育数)、人口密度(每公里土地面积人数)、城镇人口增长率(年增长率)、人口增长(年度百分比)、超百万城市群的人口(占总人口的百分比)、贫困人口比例(占人口的百分比)；教育因素包括小学生总毕业率(相关年龄群体所占比例)、中小学女生与男生的入学比例(%)、高等院校入学率(占总人数的百分比)；环境与能源因素包括二氧化碳排放量(人均公吨数)、一氧化氮排放量(千公吨CO₂当量)、甲烷排放量(千吨CO₂当量)、能源使用量(人均千克石油当量)、耗电量(人均千瓦时)、通电率(占人口的百分比)；农业因素包括谷类产量(每公顷千克数)、耕地(占土地面积的百分比)、农业用地(占土地面积的百分比)、农业增加值(占GDP的百分比)；卫生因素包括医院床位(每千人)、感染HIV的成年女性(占15岁以上HIV感染者的百分比)、护士和助产士(每千人)。

2.2. 研究方法

2.2.1. 阶段性分组与数据标准化

以中低等收入国家人均GDP与婴儿死亡率相关分析的最小样本量进行阶段性分组[10]-[12]。相关分析样本量估算公式[15]：$n=4{\left[\left(z_{\alpha /2}+z_{\beta }\right)/\ln \left(1+r/1-r\right)\right]}^2+3$ ，n为在$\alpha =0.05、1-\beta =0.90$ 的水平上，得到的相关系数有统计学意义的最少样本数$\left(z_{0.05/2}=1.96，z_{0.1}=1.282\right)$ ，r为人均GDP与婴儿死亡率的总体相关系数。每个分组的样本量均不少于最少样本量。为规避婴儿死亡率与相关经济社会指标的量纲及数量级不同，对各指标数据进行Z-score标准化。再对阶段性指标数据进行正态分布检验，符合正态分布，或比较峰值(绝对值 < 10)、偏度(绝对值 < 3)再结合直方图、PP图、QQ图，虽不绝对正态但可描述为基本符合正态分布，方可纳入进一步的研究。

2.2.2. 回归模型及影响因素的确定方法

先进行单维分析，构建回归模型，筛选有意义的影响因素。然后，将单维分析的结果纳入“六维一体分析框架”。人均GDP始终纳入模型，以便评估人均GDP与婴儿死亡率的关系变化。因指标或年度数据缺失，纳入模型的自变量个数均远小于组内样本数。

以阶段性婴儿死亡率为因变量，筛选的该阶段相关指标为自变量，进行岭回归分析。定义：$\widehat{\beta }\left(k\right)={\left(X^{\prime }X+kI\right)}^{-1}{X}^{\prime }$ y，为β的标准化岭回归估计，$X^{\prime }X$ 是自变量样本相关阵，k称为岭参数，$\widehat{\beta }\left(k\right)$ 作为β的估计比最小二乘法估计$\widehat{\beta }$ 稳定，通过选择合适的k值可使岭回归分析比最小二乘法估计的回归系数有较小的均方误差。回归模型显著性F检验有统计学意义(P < 0.05)，且拟合优度较好以上(拟合优度分级：R² ≥ 0.9，极好；0.7 ≤ R² < 0.9，很好；0.5 ≤ R² < 0.7，较好；0.3 ≤ R² < 0.5，一般；R² < 0.3，差)，确定为有价值的回归模型。此时，回归系数t检验差异有统计学意义(P < 0.05)的自变量，为婴儿死亡率的影响因素。

将确定为影响因素的某自变量的标准化回归系数的绝对值定义为该影响因素的回归系数影响力[12]。某影响因素的回归系数影响力为纳入研究的所有回归模型该影响因素的回归系数影响力之和。按不同维度分类的回归系数影响力为纳入研究的各个回归模型该分类的所有影响因素的回归系数影响力之和。

2.2.3. 关系变化“拐点”的确定方法

人均GDP回归系数t检验结果有两种情形，一是差异无统计学意义(P > 0.05)，二是差异有统计学意义(P < 0.05)。从促进婴儿死亡率下降的效果看，将标准化回归系数符号为负值称为积极影响、正值为消极影响。把差异无统计学意义和消极影响统称为非积极影响。

参照高收入国家“拐点”假设的验证模型[12]，进行阶段分析与阶段合并后分析，并进一步构建“六维一体分析框架”，阶段性分组及模型构建的方法详见高收入国家“拐点”假设的验证方法[12]，若观察到从非积极影响向积极影响的关系转变，则判断为“拐点”假设的第一转变，若观察到从积极影响向非积极影响的关系转变，则判断为“拐点”假设的第二转变。

2.3. 统计学方法

数据Z-scores标准化、正态分布检验、相关分析、岭回归分析等统计数据处理在SPSS PRO 1.1.28软件上进行。P < 0.05差异有统计学意义。通过方差扩大因子法确定岭回归k值，数据处理时自动选择k值。构建岭回归模型时首先剔除回归系数t检验差异无统计学意义的自变量，有多个者率先剔除P值大者。对阶段转变前后人均GDP及婴儿死亡率的平均发展水平进行描述性分析。阶段性婴儿死亡率、人均GDP的平均增长量、平均增长速度在Excel工作表上计算，平均增长量 = (a_n − a₁)/(n − 1)，平均增长速度 = $\sqrt[n-1]{a_n/a_1}-1$ 。

3. 结果

3.1. 纳入研究国家的筛选结果

在下载资料中，世界银行共确定了55个中低等收入国家或地区。经相关分析测算了各国的组内最小样本量，最终对55个国家进行了阶段性分组。具体过程从略。

3.2. 阶段合并后的验证结果

对每一个中低收入国家逐个阶段构建单维岭回归模型，然后纳入六维一体岭回归模型。再进一步阶段合并，构建六维一体分析框架。通过观察回归模型人均GDP回归系数t检验结果，对照“拐点”假设验证模型[12]，在55个中低收入国家中，有29个国家的第一阶段的人均GDP回归系数t检验差异均无统计学意义(P > 0.05)，第二阶段的人均GDP回归系数t检验差异有统计学意义(P < 0.05)。29个国家分别为安哥拉(1980~2001，2001~2018)、巴布亚新几内亚(1961~1975, 1975~2018)、巴基斯坦(1961~2000, 2000~2018)、玻利维亚(1961~1987, 1987~2018)、不丹(1980~1990, 1990~2018)、东帝汶(2000~2008, 2008~2018)、洪都拉斯(1961~1979, 1979~2018)、基里巴斯(1970~1990、1990~2018)、贝宁(1980~1998, 1998~2018)、吉布提(1987~1997, 1997~2018)、加纳(1975~1989, 1989~2018)、柬埔寨(1993~2001, 2001~2018)、津巴布韦(1961~1980, 1980~2018)、喀麦隆(1961~1973, 1973~2018)、科特迪瓦(1971~1991, 1991~2018)、科摩罗(1980~1992、1992~2018)、毛里塔尼亚(1961~1988, 1988~2018)、肯尼亚(1961~1971、1971~2018)、孟加拉国(1961~1991, 1991~2018)、摩洛哥(1961~1975, 1975~2018)、尼加拉瓜(1961~1973, 1973~2018)、尼泊尔(1961~1976, 1976~2018)、尼日利亚(1964~1995, 1995~2018)、塞内加尔(1961~1972, 1972~2018)、坦桑尼亚(1988~1996, 1996~2018)、突尼斯(1965~1976, 1976~2018)、印度(1961~1975, 1975~2018)、印度尼西亚(1967~1980, 1980~2018)、赞比亚(1961~1975, 1975~2018)，符合“拐点”假设的第一转变。详见表1。

其余26个国家的人均GDP回归系数t检验结果表现为无变化或阶段性波动，无法认定为发生了明确的关系转变。整体阶段合并后佛得角(1980~2018)的人均GDP回归系数t检验差异无统计学意义(P > 0.05)，其他25国家差异均有统计学意义(P < 0.05)，分别是阿尔及利亚(1962~2018)、埃及(1965~2018)、伯利兹(1967~2018)、菲律宾(1961~2018)、刚果(布) (1961~2018)、海地(1961~2018)、吉尔吉斯斯坦(1990~2018)、莱索托(1961~2018)、老挝(1984~2018)、蒙古(1981~2018)、密克罗尼西联邦(1986~2018)、缅甸(2000~2018)、萨尔瓦多(1965~2018)、萨摩亚(1982~2018)、圣多美和普林西比(2001~2018)、斯里兰卡(1961~2018)、斯威士兰(1961~2018)、所罗门群岛(1971~2018)、塔吉克斯坦(1990~2018)、瓦努阿图(1979~2018)、乌克兰(1987~2018)、乌兹别克斯坦(1990~2018)、伊朗(1971~2018)、约旦河西岸加沙(1994~2018)、越南(1985~2018)。

限于篇幅原因，单维分析及阶段合并筛选与验证的过程从略、不符合“拐点”假设的26个国家的岭回归模型从略。

Table 1. Ridge regression analysis of factors influencing infant mortality rates in 29 lower-middle-income countries that meet the first transition of the “inflection point” hypothesis

表1. 符合“拐点”假设第一转变的29个中低收入国家婴儿死亡率影响因素的岭回归分析

国家	时期	自变量	k值	回归系数t检验			拟合优度		方差检验
				标准化系数	t	P	R^2	调整R^2	F	P
安哥拉	1980~2001	人均GDP	0.194	−0.147	−2.008	0.062	0.900	0.868	28.697	0.000
		人口密度		−0.376	−9.270	0.000
		总生育率		0.143	3.498	0.003
		超百万城市群的人口		−0.307	−9.013	0.000
		耗电量		−0.219	−3.066	0.007
	2001~2018	人均GDP	0.183	−0.157	−6.263	0.000	0.993	0.989	257.385	0.000
		人口密度		−0.180	−16.865	0.000
		总生育率		0.154	10.728	0.000
		超百万城市群的人口		−0.190	−18.628	0.000
		耕地		−0.121	−5.106	0.000
		农业用地		−0.198	−17.789	0.000
巴布亚新几内亚	1961~1975	人均GDP	0.105	−0.075	−2.176	0.058	0.993	0.989	256.936	0.000
		总生育率		0.113	4.486	0.002
		人口密度		−0.238	−18.882	0.000
		人口增长		−0.393	−11.254	0.000
		农业用地		−0.174	−5.084	0.001
	1975~2018	人均GDP	0.129	−0.050	−2.038	0.049	0.982	0.980	412.396	0.000
		人口密度		−0.289	−17.410	0.000
		总生育率		0.412	18.146	0.000
		城镇人口增长率		0.104	4.531	0.000
		谷类产量		−0.153	−5.965	0.000
巴基斯坦	1961~2000	人均GDP	0.041	−0.033	−0.878	0.386	0.989	0.988	625.645	0.000
		人口密度		−0.222	−6.486	0.000
		超百万城市群的人口		−0.533	−14.776	0.000
		城镇人口增长率		0.097	4.688	0.000
		谷类产量		−0.203	−5.583	0.000
	2000~2018	人均GDP	0.072	−0.137	−5.687	0.000	0.995	0.993	433.912	0.000
		人均当前卫生支出		−0.079	−2.491	0.028
		调整后的国民净人均收入		−0.117	−3.797	0.003
		人口密度		−0.226	−16.411	0.000
		总生育率		0.213	7.352	0.000
		超百万城市群的人口		−0.225	−11.204	0.000
玻利维亚	1961~1987	人均GDP	0.106	−0.059	−1.811	0.085	0.989	0.985	290.165	0.000
		人口密度		−0.202	−18.133	0.000
		总生育率		0.168	13.336	0.000
		超百万城市群的人口		−0.192	−12.886	0.000
		耕地		−0.265	−11.559	0.000
		农业用地		−0.097	−3.933	0.000
	1987~2018	人均GDP	0.163	−0.073	−5.215	0.000	0.995	0.994	891.870	0.000
		总生育率		0.197	38.711	0.000
		超百万城市群的人口		−0.214	−19.434	0.000
		人口密度		−0.189	−33.527	0.000
		耕地		−0.201	−16.394	0.000
		农业用地		−0.122	−8.649	0.000
不丹	1980~1990	人均GDP	0.084	−0.139	−2.039	0.088	0.986	0.976	104.013	0.000
		人口密度		−0.484	−7.959	0.000
		城镇人口增长率		0.123	2.483	0.048
		农业用地		−0.311	−4.772	0.003
	1990~2018	人均GDP	0.060	−0.103	−4.871	0.000	0.995	0.994	969.888	0.000
		调整后的国民净人均收入		−0.208	−17.087	0.000
		人口密度		−0.246	−17.827	0.000
		总生育率		0.401	18.350	0.000
		农业用地		−0.075	−4.577	0.000
东帝汶	2000~2008	人均GDP	0.166	0.008	0.175	0.872	0.993	0.983	91.188	0.002
		人口密度		−0.358	−16.596	0.000
		总生育率		0.263	13.687	0.001
		人口增长		−0.144	−3.870	0.031
		感染 HIV 的成年女性		0.323	15.376	0.001
	2008~2018	人均GDP	0.067	−0.130	−3.186	0.019	0.996	0.993	356.557	0.000
		人口密度		−0.370	−9.359	0.000
		总生育率		0.335	8.997	0.000
		中小学女生与男生的入学比例		−0.160	−3.906	0.008
洪都拉斯	1961~1979	人均GDP	0.147	0.000	−0.013	0.990	0.993	0.988	214.104	0.000
		人口密度		−0.257	−18.902	0.000
		超百万城市群的人口		−0.297	−17.794	0.000
		人口增长		−0.228	−9.773	0.000
		谷类产量		−0.106	−4.371	0.001
		耕地		−0.115	−6.717	0.000
		农业用地		−0.128	−12.211	0.000
	1979~2018	人均GDP	0.152	0.191	5.621	0.000	0.965	0.960	188.979	0.000
		人口密度		−0.341	−16.967	0.000
		总生育率		0.407	18.544	0.000
		城镇人口增长率		0.251	8.851	0.000
		人口增长		0.083	4.483	0.000
基里巴斯	1970~1990	人均GDP	0.089	0.019	0.583	0.569	0.984	0.978	181.362	0.000
		人口密度		−0.466	−11.391	0.000
		总生育率		0.348	7.940	0.000
		城镇人口增长率		0.113	3.086	0.008
		人口增长		−0.139	−3.479	0.003
	1990~2018	人均GDP	0.153	−0.105	−3.394	0.002	0.975	0.971	236.817	0.000
		人口密度		−0.259	−10.135	0.000
		总生育率		0.385	15.985	0.000
		农业用地		0.243	7.610	0.000
贝宁	1980~1998	人均GDP	0.152	−0.002	−0.069	0.946	0.984	0.976	124.978	0.000
		总生育率		0.182	7.443	0.000
		人口密度		−0.280	−15.516	0.000
		人口增长		−0.237	−7.224	0.000
		谷类产量		−0.155	−3.769	0.003
		农业用地		−0.208	−7.748	0.000
	1998~2018	人均GDP	0.100	−0.190	−7.008	0.000	0.995	0.993	545.683	0.000
		人均居民最终消费支出		−0.165	−6.085	0.000
		人口密度		−0.259	−13.487	0.000
		总生育率		0.260	18.326	0.000
		农业用地		−0.127	−4.845	0.000
吉布提	1987~1997	人均GDP	0.169	−0.037	−0.867	0.426	0.989	0.978	91.170	0.000
		人口密度		−0.325	−8.776	0.000
		总生育率		0.208	6.176	0.002
		二氧化碳排放量		0.230	5.582	0.003
		农业用地		−0.229	−6.593	0.001
	1997~2018	人均GDP	0.118	−0.191	−7.827	0.000	0.993	0.990	433.840	0.000
		人口密度		−0.264	−21.505	0.000
		总生育率		0.297	16.287	0.000
		耕地		−0.187	−7.126	0.000
		农业用地		−0.089	−4.134	0.001
加纳	1975~1989	人均GDP	0.209	−0.059	−1.609	0.142	0.986	0.978	122.710	0.000
		人口密度		−0.225	−13.747	0.000
		总生育率		0.233	14.756	0.000
		超百万城市群的人口		−0.300	−10.346	0.000
		农业用地		−0.157	−5.153	0.001
	1989~2018	人均GDP	0.165	−0.142	−8.452	0.000	0.994	0.992	632.020	0.000
		总生育率		0.187	22.921	0.000
		人口密度		−0.187	−28.141	0.000
		超百万城市群的人口		−0.177	−24.370	0.000
		城镇人口增长率		0.146	11.809	0.000
		农业用地		−0.158	−10.894	0.000
柬埔寨	1993~2001	人均GDP	0.129	0.045	0.430	0.682	0.926	0.901	37.588	0.000
		农业用地		−0.872	−8.406	0.000
	2001~2018	人均GDP	0.143	−0.133	−5.910	0.000	0.985	0.976	118.290	0.000
		人均居民最终消费支出		−0.181	−9.396	0.000
		调整后的国民净人均收入		−0.143	−7.276	0.000
		小学总毕业率		−0.185	−4.885	0.000
		谷类产量		−0.193	−5.615	0.000
		农业用地		−0.179	−5.107	0.000
津巴布韦	1961~1980	人均GDP	0.105	0.089	1.475	0.164	0.972	0.959	75.930	0.000
		人口密度		−0.156	−3.273	0.006
		超百万城市群的人口		−0.219	−4.158	0.001
		城镇人口增长率		−0.192	−4.154	0.001
		耕地		−0.395	−10.881	0.000
		农业用地		−0.310	−12.054	0.000
	1980~2018	人均GDP	0.079	−0.216	−2.830	0.008	0.820	0.793	30.040	0.000
		人口密度		−0.655	−8.261	0.000
		总生育率		0.621	7.592	0.000
		城镇人口增长率		−0.474	−4.440	0.000
		人口增长		−0.255	−2.513	0.017
喀麦隆	1961~1973	人均GDP	0.071	−0.024	−0.429	0.681	0.992	0.986	174.859	0.000
		人口密度		−0.245	−12.325	0.000
		超百万城市群的人口		−0.269	−7.935	0.000
		人口增长		−0.241	−8.322	0.000
		农业用地		−0.204	−5.364	0.001
	1973~2018	人均GDP	0.142	−0.253	−7.832	0.000	0.967	0.962	188.752	0.000
		总生育率		0.062	2.484	0.017
		超百万城市群的人口		−0.190	−14.756	0.000
		人口密度		−0.193	−14.205	0.000
		谷类产量		−0.091	−2.668	0.011
		农业用地		−0.231	−7.180	0.000
科特迪瓦	1971~1991	人均GDP	0.086	0.005	0.086	0.933	0.977	0.967	97.636	0.000
		人口密度		−0.183	−8.575	0.000
		总生育率		0.162	5.369	0.000
		超百万城市群的人口		−0.442	−7.299	0.000
		耗电量		−0.161	−2.856	0.013
		农业用地		−0.118	−3.494	0.004
	1991~2018	人均GDP	0.183	−0.114	−8.407	0.000	0.997	0.995	840.733	0.000
		人口密度		−0.167	−28.613	0.000
		总生育率		0.171	27.385	0.000
		超百万城市群的人口		−0.167	−24.498	0.000
		甲烷排放量		0.143	10.540	0.000
		谷类产量		−0.120	−9.349	0.000
		农业用地		−0.143	−11.396	0.000
科摩罗	1980~1992	人均GDP	0.161	−0.045	−0.700	0.506	0.977	0.960	58.330	0.000
		人口密度		−0.318	−8.071	0.000
		总生育率		0.172	4.127	0.004
		谷类产量		−0.158	−2.681	0.031
		农业用地		−0.297	−4.769	0.002
	1992~2018	人均GDP	0.182	−0.076	−2.114	0.047	0.974	0.968	157.401	0.000
		人口密度		−0.330	−16.232	0.000
		总生育率		0.327	11.818	0.000
		谷类产量		−0.116	−3.119	0.005
		农业增加值		−0.158	−4.445	0.000
肯尼亚	1961~1971	人均GDP	0.033	0.032	0.337	0.747	0.989	0.981	129.676	0.000
		人口密度		−0.171	−3.102	0.021
		超百万城市群的人口		−0.525	−5.990	0.001
		农业用地		−0.318	−8.221	0.000
	1971~2018	人均GDP	0.181	−0.264	−6.853	0.000	0.941	0.933	109.848	0.000
		人口密度		−0.196	−13.526	0.000
		总生育率		0.091	4.342	0.000
		超百万城市群的人口		−0.194	−7.671	0.000
		城镇人口增长率		0.209	5.609	0.000
		农业用地		−0.077	−2.041	0.048
毛里塔尼亚	1961~1988	人均GDP	0.057	−0.067	−0.910	0.372	0.957	0.951	176.765	0.000
		人口密度		−0.626	−11.599	0.000
		超百万城市群的人口		−0.263	−4.941	0.000
	1988~2018	人均GDP	0.210	−0.131	−3.467	0.002	0.963	0.956	131.363	0.000
		总生育率		0.196	7.312	0.000
		人口密度		−0.233	−13.867	0.000
		超百万城市群的人口		−0.272	−11.680	0.000
		谷类产量		−0.169	−4.664	0.000
孟加拉国	1961~1991	人均GDP	0.134	−0.071	−2.004	0.056	0.981	0.976	203.685	0.000
		人口密度		−0.265	−12.305	0.000
		总生育率		0.220	6.793	0.000
		超百万城市群的人口		−0.191	−8.380	0.000
		谷类产量		−0.134	−4.208	0.000
		耕地		−0.121	−3.599	0.001
	1991~2018	人均GDP	0.089	0.132	3.854	0.001	0.984	0.981	349.958	0.000
		人口密度		−0.557	−19.453	0.000
		超百万城市群的人口		−0.354	−27.631	0.000
		二氧化碳排放量		−0.162	−7.656	0.000
摩洛哥	1961~1975	人均GDP	0.132	−0.049	−1.247	0.244	0.990	0.984	172.826	0.000
		超百万城市群的人口		−0.248	−15.302	0.000
		人口密度		−0.297	−12.400	0.000
		总生育率		0.140	5.192	0.000
		农业用地		−0.243	−7.793	0.000
	1975~2018	人均GDP	0.078	−0.057	−5.037	0.000	0.998	0.997	2259.552	0.000
		人均居民最终消费支出		−0.124	−13.796	0.000
		人口密度		−0.183	−26.823	0.000
		总生育率		0.242	25.414	0.000
		超百万城市群的人口		−0.207	−25.619	0.000
		小学总毕业率		−0.118	−9.684	0.000
		农业用地		−0.117	−11.339	0.000
尼加拉瓜	1961~1972	人均GDP	0.062	−0.034	−0.426	0.680	0.981	0.973	116.842	0.000
		人口密度		−0.472	−8.376	0.000
		总生育率		0.258	6.092	0.000
		超百万城市群的人口		−0.209	−3.381	0.008
	1972~2018	人均GDP	0.154	−0.072	−3.503	0.001	0.985	0.982	418.246	0.000
		总生育率		0.225	19.173	0.000
		人口密度		−0.224	−19.386	0.000
		超百万城市群的人口		−0.129	−7.050	0.000
		人口增长		0.231	14.840	0.000
		谷类产量		−0.195	−8.573	0.000
尼泊尔	1961~1976	人均GDP	0.135	−0.085	−2.104	0.059	0.988	0.983	218.459	0.000
		总生育率		0.139	3.661	0.004
		人口密度		−0.325	−17.627	0.000
		人口增长		−0.424	−12.491	0.000
	1976~2018	人均GDP	0.039	−0.063	−2.334	0.025	0.992	0.991	929.860	0.000
		总生育率		0.214	8.817	0.000
		人口密度		−0.427	−18.336	0.000
		超百万城市群的人口		−0.228	−10.490	0.000
		农业用地		−0.198	−10.937	0.000
尼日利亚	1964~1995	人均GDP	0.157	−0.066	−1.990	0.058	0.970	0.963	133.744	0.000
		人口密度		−0.266	−13.233	0.000
		超百万城市群的人口		−0.285	−15.178	0.000
		城镇人口增长率		−0.171	−4.522	0.000
		人口增长		−0.280	−8.145	0.000
		谷类产量		−0.092	−2.841	0.009
	1995~2018	人均GDP	0.132	−0.061	−2.351	0.031	0.990	0.986	280.860	0.000
		人均居民最终消费支出		−0.140	−4.687	0.000
		人口密度		−0.178	−10.164	0.000
		超百万城市群的人口		−0.258	−16.032	0.000
		人口增长		−0.160	−6.247	0.000
		农业用地		−0.214	−17.039	0.000
塞内加尔	1961~1972	人均GDP	0.183	−0.064	−0.573	0.584	0.882	0.814	13.042	0.002
		人口密度		−0.275	−3.822	0.007
		城镇人口增长率		0.411	3.283	0.013
		人口增长		−0.269	−3.983	0.005
	1972~2018	人均GDP	0.176	−0.170	−8.716	0.000	0.985	0.983	452.536	0.000
		人均居民最终消费支出		−0.113	−5.987	0.000
		人口密度		−0.204	−14.244	0.000
		总生育率		0.166	9.779	0.000
		超百万城市群的人口		−0.311	−15.694	0.000
		谷类产量		−0.080	−3.843	0.000
坦桑尼亚	1988~1996	人均GDP	0.144	0.034	1.137	0.338	0.997	0.992	188.113	0.001
		总生育率		0.288	19.009	0.000
		超百万城市群的人口		−0.287	−19.646	0.000
		人口密度		−0.289	−19.282	0.000
		耗电量		−0.117	−3.202	0.049
	1996~2018	人均GDP	0.127	−0.129	−3.910	0.001	0.984	0.976	129.072	0.000
		人均居民最终消费支出		−0.218	−5.377	0.000
		调整后的国民净人均收入		−0.142	−3.579	0.003
		超百万城市群的人口		−0.090	−4.911	0.000
		人口密度		−0.087	−4.798	0.000
		城镇人口增长率		−0.227	−6.295	0.000
		人口增长		−0.149	−3.875	0.001
突尼斯	1965~1976	人均GDP	0.185	−0.068	−2.146	0.085	0.992	0.982	98.479	0.000
		人均居民最终消费支出		−0.133	−5.767	0.002
		人口密度		−0.204	−15.278	0.000
		总生育率		0.155	11.872	0.000
		超百万城市群的人口		−0.212	−11.942	0.000
		人口增长		−0.239	−6.225	0.002
	1976~2018	人均GDP	0.097	−0.086	−3.112	0.004	0.978	0.975	335.076	0.000
		总生育率		0.412	12.701	0.000
		人口密度		−0.268	−13.165	0.000
		超百万城市群的人口		−0.137	−4.367	0.000
		高等院校入学率		−0.093	−3.533	0.001
印度	1961~1975	人均GDP	0.162	−0.063	−2.018	0.090	0.995	0.989	161.158	0.000
		人均居民最终消费支出		−0.094	−3.337	0.016
		超百万城市群的人口		−0.173	−14.099	0.000
		人口密度		−0.171	−14.697	0.000
		总生育率		0.161	7.493	0.000
		人口增长		−0.118	−6.129	0.001
		城镇人口增长率		−0.082	−2.890	0.028
		农业用地		−0.166	−5.395	0.002
	1975~2018	人均GDP	0.152	−0.033	−2.291	0.028	0.992	0.990	629.688	0.000
		人均居民最终消费支出		−0.061	−5.190	0.000
		总生育率		0.259	30.311	0.000
		超百万城市群的人口		−0.204	−36.647	0.000
		人口密度		−0.250	−32.011	0.000
		谷类产量		−0.193	−17.899	0.000
		农业用地		−0.057	−3.868	0.000
印度尼西亚	1967~1980	人均GDP	0.062	0.016	0.216	0.835	0.982	0.970	85.400	0.000
		总生育率		0.145	3.581	0.007
		超百万城市群的人口		−0.132	−3.426	0.009
		人口密度		−0.431	−6.934	0.000
		谷类产量		−0.288	−3.494	0.008
	1980~2018	人均GDP	0.081	−0.079	−4.243	0.000	0.992	0.991	853.323	0.000
		人均居民最终消费支出		−0.165	−8.688	0.000
		总生育率		0.212	13.136	0.000
		人口密度		−0.304	−18.502	0.000
		人口增长		0.261	22.626	0.000
赞比亚	1961~1975	人均GDP	0.123	−0.163	−2.200	0.052	0.961	0.946	62.054	0.000
		人口密度		−0.408	−7.150	0.000
		耕地		−0.156	−2.493	0.032
		农业用地		−0.240	−7.686	0.000
	1975~2018	人均GDP	0.162	−0.225	−8.025	0.000	0.973	0.969	223.193	0.000
		总生育率		0.151	8.848	0.000
		超百万城市群的人口		−0.254	−13.443	0.000
		城镇人口增长率		−0.266	−11.127	0.000
		一氧化氮排放量		0.126	4.557	0.000
		农业用地		−0.192	−7.829	0.000

3.3. 关系转变的基本情况

起点最早为1961年(15个国家)，最晚为2000年(1个国家)，中位时间为1961年，平均值为1969.48年。转变时间最早为1971年，最晚为2008年，中位时间为1988年，平均值为1986年。转变前持续最长为40年，最短为9年，中位数为15年，平均值为16.14年。转变后持续最长为48年，最短为11年，中位数为31年，平均值为31.14年。

起点婴儿死亡率最大值为213.7‰，最小值为84.4‰，中位数为128.9‰，平均值为134.27‰。转变时婴儿死亡率最大值为154.8‰，最小值为56.4‰，中位值为89.8‰，平均值为94.22‰。终点婴儿死亡率最大值为75.7‰，最小值为14.6‰，中位值为36.9‰，平均值为37.4‰。

起点人均GDP最大值为761.47US$，最小值为51.81US$，中位数为217.91US$，平均值为249.31US$。转变时人均GDP最大值为1047.98US$，最小值为105.89US$，中位值为502.76US$，平均值为515.51US$。终点人均GDP最大值为3893.85US$，最小值为1038.65US$，中位值为1707.99US$，平均值为2122.17US$。

第一转变前婴儿死亡率的平均下降量最大为6.18‰，最小为0.62‰，中位数为2.30‰，平均值为2.44‰；平均下降速度最大为5.08%，最小为0.49%，中位数为1.91%，平均值为2.18%。第一转变后婴儿死亡率的平均下降量最大为3.88‰，最小为0.76‰，中位数为1.69‰，平均值为1.83‰；平均下降速度最大为6.44%，最小为1.22%，中位数为2.92%，平均值为3.07%。

第一转变前人均GDP的平均增长量最大为51.01U$，最小为−8.75US＄，中位数为12.88US$，平均值为16.20US$；平均增长速度最大为18.6%，最小为−1.41%，中位数为4.89%，平均值为5.26%。第一转变后人均GDP的平均增长量最大为162.49US$，最小为13.63US$，中位数为50.19US$，平均值为54.51US$；平均增长速度最大为11.37%，最小为1.12%，中位数为5.34%，平均值为5.14%。

3.4. 影响因素分析

在第一转变前29个模型中，有12个自变量的回归系数t检验差异有统计学意义(P < 0.05)，总回归系数影响力为28.555，前5位自变量分别为人口密度、超百万城市群的人口、农业用地、总生育率、人口增长，回归系数影响力为23.901，占总影响力的83.70%。人口因素的回归系数影响力为21.018，占同期总影响力的73.61%，分别是同期农业因素的3.36倍、能源与环境因素的28.91倍、卫生因素的65.07倍、经济因素的92.59倍。见表2、表3。

在第一转变后29个模型中，有19个自变量的回归系数t检验差异有统计学意义(P < 0.05)，总回归系数影响力为31.483，前5位自变量分别为人口密度、总生育率、超百万城市群的人口、人均GDP、农业用地，回归系数影响力为23.847，占同期总影响力的75.75%。人口因素的回归系数影响力为20.48，占同期总影响力的65.05%，分别是同期经济因素的3.70倍、农业因素的4.66倍、教育因素的36.83倍、能源与环境因素的47.52倍、卫生因素的259.24倍。见表2、表3。

Table 2. Comparison of the composition ratio (%) of standardized regression coefficients of factors affecting infant mortality rate in 29 lower-middle-income countries that meet the “inflection point” hypothesis

表2. 符合“拐点”假设的29个中低收入国家婴儿死亡率影响因素标准化回归系数影响力的构成比(%)比较

自变量	第一转变前			第二转变前
	频数	影响力	构成比(%)	频数	影响力	构成比(%)
人口密度	28	8.535	29.89	27	7.266	23.08
总生育率	18	3.498	12.25	25	6.597	20.95
超百万城市群的人口	18	5.084	17.80	18	3.801	12.07
人均GDP	0	0.000	0.00	29	3.763	11.95
农业用地	16	4.072	14.26	16	2.420	7.69
城镇人口增长率	7	1.189	4.16	7	1.677	5.33
谷类产量	7	1.136	3.98	9	1.310	4.16
人均居民最终消费支出	2	0.227	0.79	8	1.167	3.71
人口增长	11	2.712	9.50	6	1.139	3.62
调整后的国民净人均收入	0	0.000	0.00	4	0.610	1.94
耕地	5	1.052	3.68	3	0.509	1.62
小学总毕业率	0	0.000	0.00	2	0.303	0.96
二氧化碳排放量	1	0.230	0.81	1	0.162	0.51
中小学女生与男生的入学比例	0	0.000	0.00	1	0.160	0.51
农业增加值	0	0.000	0.00	1	0.158	0.50
甲烷排放量	0	0.000	0.00	1	0.143	0.45
一氧化氮排放量	0	0.000	0.00	1	0.126	0.40
高等院校入学率	0	0.000	0.00	1	0.093	0.30
人均当前卫生支出	0	0.000	0.00	1	0.079	0.25
耗电量	3	0.497	1.74	0	0.000	0.00
感染HIV的成年女性	1	0.323	1.13	0	0.000	0.00
合计	117	28.555	100.00	161	31.483	100.00

Table 3. Comparison of the influence composition ratio of infant mortality rates classified by influencing factors in 29 lower-middle-income countries that meet the “inflection point” hypothesis

表3. 符合“拐点”假设的29个中低收入国家婴儿死亡率按影响因素分类的影响力构成比比较

影响因素分类	第一转变前			第二转变前
	频数	影响力	构成比(%)	频数	影响力	构成比(%)
人口因素	82	21.018	73.61	83	20.480	65.05
经济因素	2	0.227	0.79	41	5.540	17.60
农业因素	28	6.260	21.92	29	4.397	13.97
教育因素	0	0.000	0.00	4	0.556	1.77
能源与环境因素	4	0.727	2.55	3	0.431	1.36
卫生因素	1	0.323	1.13	1	0.079	0.25
合计	117	28.555	100.00	161	31.483	100.00

4. 讨论

4.1. 论证“拐点”假设的意义及方法的可行性

婴儿死亡率是国际上公认的基础健康指标，保护儿童生存和发展是社会发展的最为重要的永恒主题之一。婴儿死亡率还是衡量经济社会发展和人类发展的重要综合性指标之一，把经济社会发展的成果惠及儿童健康，是各级政府的重要职能之一。基于“拐点”假设[12]，在非积极影响阶段，人均GDP不是婴儿死亡率的影响因素，盲目扩大经济投入将会造成不必要的资源浪费；在积极影响阶段，人均GDP是婴儿死亡率的影响因素，充分发挥经济因素的作用，有利于促进婴儿死亡率的下降，若忽视经济因素作用，将错失发展之机，甚或被动拉长积极影响阶段。因此，论证“拐点”假设，确有一定的现实意义。结果显示，在55个中低收入国家或地区中，有29个国家发生了从非积极影响向积极影响的第一转变。总结第一转变前后的基本特征，分析影响因素的变化，探索不同发展阶段的防控策略与重点举措，对于另外的26个国家而言，有一定的参考价值；中低收入国家婴儿死亡率的下降历程也将是低收入国家的未来发展必由之路，可能也有值得学习或借鉴的经验。

有研究[16]以婴儿死亡率为因变量，公共卫生支出、人均国民总收入、贫困率、收入平等(基尼指数)和年轻女性文盲率等五个社会经济预测因素为自变量，使用2003年152个国家的数据，按低收入、中等收入和高收入国家进行了分层，进行多元线性回归分析。有研究[17]调查了1990~2012年期间28个经合组织国家特征对婴儿死亡率改善率的影响，以婴儿死亡率为因变量，人均GDP、基尼系数、收入、政府一般收入、公共医疗保健支出、成人识字率、成年女性吸烟者的百分比等13个指标为自变量，进行多元线性回归分析。说明多元线性回归分析的方法在婴儿死亡率影响因素探索研究中较好的应用价值。本文还要探索人均GDP与婴儿死亡率的关系转变，必须进行阶段性分组，而且要不断进行阶段合并、动态观察。由于自变量间存在着多重共线性，故选择了岭回归分析。因此，构建阶段性及阶段合并建立岭回归模型，能同时满足论证“拐点”假设、分析影响因素的研究目的，在方法学上具有较好的可行性。结果表明，29个中低收入国家阶的58个岭回归模型，回归方程的方差检验均有意义，回归模型的拟合优度均较好，岭参数k值均较小，说明构建的岭回归模型均有较好的可靠性。

4.2. 第一转变前后的基本特征与防控策略思考

结合描述性分析结果，在第一转变前阶段，具有以下特点，一是起点高婴儿死亡率、低人均GDP；二是转变时婴儿死亡率虽有下降仍处于较高状态、人均GDP虽有提升仍处于较低水平，婴儿死亡率略低于、人均GDP略高于20个低收入国家的现状水平[11]；三是第一转变时期较早，大致发生于上世纪八十年代早中期；四是第一转变前持续持续时间虽短，结合20个低收入国家中18个国家到2018年仍处于第一转变前的非积极影响阶段[11]，中低收入国家在第一转变前可能也长期处于该阶段；四是人均GDP不是第一转变前阶段的影响因素，不可能依赖经济高速增长来降低婴儿死亡率，而需要通过精心策划社会扶助项目来发挥作用[8]，切实加强社会公共治理，不断提高生存质量。

在第一转变后阶段，具有以下特点，一是终点(2018年)婴儿死亡率较起点或转变时有大幅下降，但仍高于全球平均水平(2018年29‰) [11]、人均GDP较起点或转变时有大幅提升仍处于较低水平；二是转变后较转变前婴儿死亡率的平均下降量略有减少，而人均GDP的平均增长量却有较大的增长，这可能是人均GDP成为影响因素的内存原因；三是第一转变后持续时间相对较长，由于终点婴儿死亡率仍然较高，下降至低水平持续状态仍有相当的空间，第一转变后的积极影响阶段还将会持续较长时间；四是人均GDP是该阶段的影响因素，有必要充分发挥经济增长的作用，致力于构建经济增长与政策扶持的协同作用机制，有效降低婴儿死亡率，甚至可以根据区域经济增长及社会发展现状，酌情考虑加快投入速度，与人均GDP增长速度持平甚至略有超越，构建“超增长扶持”主动降低婴儿死亡率的新机制[8]-[11]，达到快速降低婴儿死亡率目的，从而缩短积极影响阶段。

尽管另外26个中低收入国家没有发生第一转变，但对照第一转变前后两个阶段的特点，在整体合并后，有1个国家的人均GDP的回归系数t检验差异无统计学意义，考虑是积极影响阶段的暂时性波动；25个国家的人均GDP的回归系数t检验差异有统计学意义，提示这些国家处于积极影响阶段。这26个国家在历史某个时期发生了第一转变，具体何时转变而来，目前尚无法考证。第一转变后积极影响阶段的防控策略与举措值得其学习和借鉴。

经典的普雷斯顿曲线、健康生产函数理论反映了经济增长对健康产出的积极效应，与第一转变后积极影响阶段的判断相一致。但不能忽视转变前的非积极影响阶段，且根据边际效应递减规律[18]，人均GDP增长一定程度后对婴儿死亡率的效应将减弱，预示着未来可能发生第二转变，这在高收入国家得到了印证[12]。提示经济增长对健康产出的作用不是一层不变的，应充分考虑不同发展阶段的异质性。

4.3. 影响因素分析与防控举措探讨

结果表明，第一转变前阶段，主要影响因素分别为人口密度、超百万城市群的人口、农业用地、总生育率、人口增长等，人口因素占同期总影响力的73.61%。第一转变后阶段，主要影响因素分别为人口密度、总生育率、超百万城市群的人口、人均GDP、农业用地，人口因素占同期总影响力的65.05%。说明人口因素占据主导地位，其他因素均处于次要位置，人均GDP并不总是婴儿死亡率的影响因素。

人口密度与婴儿死亡率呈现负相关系，可能表明在人口稠密的地区，由于公共资源的集中和更高效的卫生服务体系，婴儿死亡率可能较低。但总生育率与婴儿死亡率呈正相关关系，可能表明在高生育率国家或地区，由于家庭资源分配、医疗保健服务的可及性和质量等因素的限制，婴儿死亡率可能会上升。城镇人口增长率通常反映城镇化进程的速度，当城镇化进程加快，城市规划和管理得到重视，公共资源及配套服务不断健全，则有利于婴儿死亡率的下降，反之则不利于婴儿死亡率的下降。人口增长可能会导致社会资源包括医疗资源紧张，人口增长过快时，社会压力增大，社会矛盾激化，如果得不到改善则会影响生存环境，不利于婴儿死亡率的下降，如果随着人口增长，公共需求得到满足，服务质量有效提升，则有利于婴儿死亡率的下降。超百万城市群的人口不仅反映了城市的人口规模，还反映了超百万人口的城市建设与发展情况及其经济活力，具有更好的社会保障和服务的可及性，则有利于婴儿死亡率的下降。在积极影响阶段，人均GDP与婴儿死亡率之间存在负相关关系，表明随着人均GDP的增加，婴儿死亡率可能会降低，这可能是由于经济水平的提高带来了社会公共资源的提升，包括更好的医疗条件和生活环境，从而有利于婴儿的健康成长，这与健康生产函数理论基本一致。而在第一转变前的非积极影响阶段，经济社会发展水平低下，公共资源匮乏，生存条件不足，人均GDP难以发挥作用，无法转化为健康生产要素的改善。随着经济社会的长足发展，社会各方面都得到发展与提升。农业生产增长，保障了生活的基本需求，农民收入增加，生活水平改善。随着能源消耗增加，一方面促进了经济发展，一方面污染排放增加，又发挥了消极作用。教育普及与教育水平提升，大众的健康认知提高，健康需求增加，同时，就业层次较高，带动了家庭收入的增长，在生活质量提高的同时健康需求也容易得到满足。

婴儿死亡率的影响因素确实是一个涉及社会各领域的复杂系统[3]，需要深入探索防控举措。一是要始终重视人口因素的作用，适应人口与生育情况的变化，持续优化人口政策，扩大公共资源覆盖面，优化公共资源配置，提高公共服务质量与效率；二是要始终重视农业生产，提高粮食产量，保障生存的基本需求；三是要抓住关键时期，在积极影响阶段要充分发挥经济发展的作用，把经济增长的成果向社会各领域投入，促进社会全面发展；四是要重视能源与环境因素，日本部分阶段的二氧化碳排放量是消极因素[19]，不能走高收入国家的老路[12]，在促进发展的道路上，优先保护生态环境，营造宜居人居社会；五是要不遗余力开展全民教育，把女性教育放在重要的位置上，切实提升保健意识和自觉利用保健服务的能力；六是不能忽视卫生因素的作用，要不断落实全方位、广覆盖的均等化的公共卫生服务。

4.4. 局限性

因受各国相关指标及数据的完整性影响，不同模型纳入的自变量并不完全一致。随着时间的推移，相关资料的不断充实，阶段性分组有可能发生变化，发生第一转变的时间可能也会有所变化，但将会更加趋向一个相对比较接近的时期。纳入了收入因素、卫生因素，但其影响力甚微，需要创新方法进一步探索。本文是基于宏观数据的探索分析，其政策指导意义具有一定的启发性而非决定性的。

5. 小结

在55个中低收入国家中，29个国家发生了从非积极影响向积极影响的关系变化，符合“拐点”假设的第一转变，其余26个国家处于第一转变后的积极影响阶段。人口因素始终占据着主导地位，人均GDP并不总是婴儿死亡率的影响因素。在积极影响阶段，需要建立经济增长与政策扶持相协调的机制，甚至构建“超增长扶持”主动降低婴儿死亡率的新机制。面对关系变化应适时调整防控策略，并落实针对性的防控措施。

基金项目

南通市妇幼健康专科联盟科研项目(TFM202509)。