编辑推荐：
在埃塞俄比亚，儿童慢性营养不良问题突出，身高别年龄 Z 评分（HAZ）可衡量儿童线性生长情况。研究人员分析 2019 年埃塞俄比亚迷你人口与健康调查数据，发现儿童年龄、母亲年龄和教育程度、海拔及是否居住在首都等是 HAZ 的重要影响因素，为改善儿童生长提供依据。
在儿童的成长过程中，身高一直是家长和社会关注的重要指标。身高不仅反映了孩子当下的健康状况，更是长期营养与生长环境的 “晴雨表”。对于埃塞俄比亚这个国家来说，儿童的生长发育问题尤为严峻。据统计，2019 年该国约 37% 的五岁以下儿童存在发育迟缓的情况，这一数据背后，是无数家庭的担忧，也凸显了公共卫生领域亟待解决的难题。
以往，人们常用身高别年龄 Z 评分（HAZ）来评估儿童是否发育迟缓，当 HAZ 低于世界卫生组织（WHO）2006 年生长标准中位数 2 个标准差（SD）时，就被定义为发育迟缓（stunting）。但这种评估方式存在不少问题。一方面， - 2SD 这个界限缺乏生物学依据，简单地用它来判断个体发育迟缓并不准确；另一方面，对于平均身高较矮的人群，使用该界限可能会高估发育迟缓的患病率。而且，这种二元分类法过于简化影响儿童生长的复杂社会和环境因素，容易让公共卫生工作只关注个体饮食干预，而忽略了更广泛的系统性问题。为了更全面、准确地了解影响埃塞俄比亚儿童线性生长的因素，来自埃塞俄比亚梅克内斯大学（Mekelle University）的研究人员开展了一项重要研究。
研究人员利用 2019 年埃塞俄比亚迷你人口与健康调查（EMDHS）的数据进行了深入分析。此次调查采用分层两阶段整群抽样设计，覆盖了埃塞俄比亚各个地区，收集了丰富的人口、健康和营养指标数据。研究人员从 5753 名儿童的数据中，剔除了身高或年龄数据不完整以及其他有问题的数据，最终得到 5045 名儿童的有效数据用于分析。
在研究过程中，研究人员将 HAZ 作为连续变量进行分析，这样能更全面地捕捉儿童的生长情况，包括发育迟缓（HAZ < - 2）和非发育迟缓的儿童。他们还确定了一系列可能影响 HAZ 的因素，分为近端因素（如儿童年龄、性别、早期母乳喂养情况，母亲的年龄、教育程度、首次生育年龄、识字情况，家庭的分娩地点、五岁以下儿童数量、家庭规模、财富指数、媒体接触情况、户主性别、烹饪燃料、厕所类型、水源等）和远端因素（如城乡居住情况、海拔、是否居住在首都等）。
为了处理调查数据的复杂结构，研究人员运用了多水平混合效应线性回归模型。这种模型考虑了个体儿童嵌套在集群中的层次结构，能更准确地估计 HAZ 与各因素之间的关系。通过建立三个模型（零模型、基础模型和完整模型），逐步纳入不同的预测因素，并使用赤池信息准则（AIC）和贝叶斯信息准则（BIC）来评估模型的拟合度。
研究结果显示，在众多影响因素中，儿童年龄与 HAZ 呈负相关。随着儿童年龄每月增加，HAZ 会降低 0.02 个单位，这表明随着孩子长大，发育迟缓的风险可能增加，尤其是在婴儿期之后。母亲的年龄和教育程度则与 HAZ 呈正相关。母亲每增加一岁，儿童的 HAZ 会增加 0.015 个单位；母亲每多接受一年教育，儿童的 HAZ 会增加 0.036 个单位。这说明母亲年龄的增长和教育水平的提高，有助于孩子获得更好的成长条件。
居住环境也对儿童的 HAZ 有显著影响。海拔每升高 1000 米，HAZ 会降低 0.21 个单位。这可能是因为高海拔地区氧气含量低、饮食多样性有限、环境条件恶劣，影响了儿童的生长发育。而居住在首都的儿童，HAZ 比其他地区的儿童高出 0.388 个单位，这得益于首都更好的医疗服务、生活水平以及健康信息获取渠道。
然而，研究也存在一些局限性。由于采用的是横断面设计，无法确定因果关系。数据多为自我报告，可能存在回忆和报告偏差，比如母亲首次生育年龄、饮食和母乳喂养情况等信息的准确性可能受到影响。而且，此次分析基于 EMDHS 的儿童重编码（Kid’s Recode ‘KR’）数据集，样本量较小，变量也比完整的人口与健康调查少。此外，一些变量如疫苗接种、维生素补充、产前检查等数据缺失严重，限制了对它们与儿童生长关系的评估。为简化分析，将所有分类变量合并为二元类别，也可能降低了估计的准确性。
总体而言，这项研究揭示了埃塞俄比亚 0 - 59 个月儿童 HAZ 的多因素决定因素。这些发现强调了采取多方面干预措施改善儿童线性生长的必要性，特别是提高母亲的教育水平，这对提升儿童的 HAZ 评分至关重要。未来的研究可以在此基础上，采用纵向设计进一步确定这些因素与儿童生长之间的因果关系，同时考虑使用未合并的类别进行更细致的分析，关注不同性别儿童在生长和营养方面的差异，从而为制定更有效的儿童健康干预策略提供更坚实的依据。该研究成果发表在《BMC Public Health》上，为全球儿童健康研究提供了宝贵的参考。
研究人员在开展研究时，主要运用了以下关键技术方法：
- 数据收集：使用 2019 年埃塞俄比亚迷你人口与健康调查（EMDHS）的数据，该调查采用分层两阶段整群抽样设计，确保数据具有代表性。
- 统计分析：运用多水平混合效应线性回归模型分析数据，同时使用方差膨胀因子（VIF）评估共线性，并通过赤池信息准则（AIC）和贝叶斯信息准则（BIC）评估模型拟合度 。
