基于ARIMA模型的印度与中央邦婴儿死亡率2030年预测对比研究：政策优化与健康公平性挑战

本研究针对印度及中央邦婴儿死亡率(IMR)居高不下的公共卫生挑战，采用ARIMA(3,1,0)时间序列模型进行2030年预测分析。结果显示印度IMR将从2021年的27‰降至2030年的20‰，而中央邦仅从44‰降至39‰，揭示区域健康不平等问题。研究通过AIC/BIC准则优选模型，MAPE<5%验证精度，为SDG 3.2目标评估提供量化依据，特别警示中央邦需加强母婴健康干预。

　　

在全球公共卫生领域，婴儿死亡率(IMR)被视为衡量社会发展水平的"温度计"，每千名活产婴儿中未能存活至周岁的数字背后，折射出医疗体系、社会经济和环境因素的综合作用。尽管全球IMR已从1990年的65‰降至2018年的29‰，但地区差异依然悬殊——印度作为新生儿死亡占全球15%的国家，其内部各邦进展参差不齐，中央邦(MP)的表现尤为堪忧，IMR长期高于全国均值30%以上，情况堪比最不发达国家水平。这种"一国两制"般的健康不平等现象，促使来自喜马拉雅医学科学研究院（Himalayan Institute of Medical Sciences）的研究团队开展这项具有政策指导意义的预测研究。

研究人员采用经典的时间序列分析方法ARIMA（自回归积分滑动平均模型），对印度及中央邦1971-2020年的IMR数据进行建模，通过ADF/KPSS检验确保序列平稳性，运用AIC/BIC信息准则优选ARIMA(3,1,0)作为预测模型。研究特别关注2010年后"国家健康使命"等政策实施期的数据波动，并采用MAPE（平均绝对百分比误差）等指标验证模型精度（印度2.95%，中央邦3.56%）。所有分析基于印度注册总局公开的SRS（样本登记系统）数据，但注意到2000年中央邦行政区划调整（恰蒂斯加尔邦分立）对数据连续性的潜在影响。

【研究方法】

研究团队通过R软件4.2.3版本处理50年IMR数据，关键步骤包括：1) 使用ADF和KPSS双重检验确认一阶差分后序列平稳性（印度ADF=-4.913,p<0.01）；2) 通过ACF/PACF图结合auto.arima()函数确定ARIMA参数；3) 采用Ljung-Box检验（p>0.05）验证残差无自相关；4) 计算年度/十年增长率（2015-16年印度最大年降幅8.1%）；5) 通过95%预测区间(95% PI)评估结果可靠性。

【主要结果】

1. 预测趋势分析

   ARIMA(3,1,0)模型显示，印度IMR将从2021年的27.36‰（95% PI:22.05-32.67）稳步下降至2030年的20.45‰（15.13-25.89），而中央邦同期仅从44.59‰（37.48-51.70）降至39.02‰（32.14-45.90）。值得注意的是，中央邦2017-18年曾出现2.1%的异常回升，反映政策执行可能存在波动。

2. 历史对比

   2010-2020十年间，印度IMR降幅达40.4%，显著高于中央邦的30.6%。模型回溯验证显示，印度在2015-16年创下8.1%的最大年降幅，恰与"国家健康使命"强化期吻合；中央邦则在2019-20年实现6.5%的突破性下降，可能得益于"拉德里·贝娜计划"等地方干预。

3. 模型验证

   Q-Q图显示残差近似正态分布，MAPE值印度（2.95%）和中央邦（3.56%）均低于5%阈值，RMSE分别为3.40和4.72，证实模型可靠性。特别在预测2019-20年数据时，印度误差仅1.58‰，中央邦4.37‰。

【结论与讨论】

这项发表在《BMC Public Health》的研究揭示了三个关键发现：首先，印度整体有望接近SDG 3.2目标（U5MR<25‰），但中央邦等落后地区可能滞后5年以上；其次，政策干预强度与IMR下降存在显著关联，如2015-16年印度" Mothers Absolute Affection"计划实施与8.1%降幅的时空耦合；第三，模型预测中央邦2030年IMR仍将比全国均值高近1倍，凸显"地理健康鸿沟"的顽固性。

研究特别指出中央邦的多重困境：女性识字率低（NFHS-5显示仅60%）、基层医疗资源短缺（每万人仅3.2名医生）、以及"拉德里·拉克希米"等现金转移计划覆盖率不足50%。这些发现为优化现有政策提供量化依据——建议中央邦需重点加强：1) 围产期护理质量（如推广HBNC家访）；2) 营养干预（扩大NRCs康复中心）；3) 女性教育（强化" Beti Bachao"计划）。

该研究的创新性在于首次将ARIMA模型应用于印度次国家级IMR预测，其95% PI为政策制定提供风险量化工具。局限在于未纳入新冠大流行等突发事件影响，且中央邦人口结构调整（2000年分立）可能造成数据偏差。未来研究可结合ANN（人工神经网络）提升非线性关系捕捉能力，并整合气候、经济等多维预测因子。

这项研究犹如一面镜子，既反映出印度公共卫生事业的进步——过去50年IMR从129‰降至28‰的斐然成就，也映照出中央邦等"落后生"的挣扎。当全球目光聚焦于人工智能、基因编辑等医学前沿时，Abhinav Bahuguna团队用扎实的预测模型提醒我们：在印度的心脏地带，最基础的疫苗冷链、产前检查和营养补给，仍是拯救婴儿生命最急迫的"高科技"。