埃塞俄比亚生殖信息与媒体接触对生育意愿的情境依赖性关联：基于农村、过渡型与城市三类社会经济原型的条件性分析

《BMC Public Health》：Double machine learning analysis identifies heterogeneous patterns in Ethiopian fertility intention: cross-sectional study

　　## 摘要### 背景埃塞俄比亚生育率转变的停滞暴露了泛化公共卫生策略的局限性。本研究旨在超越全国平均水平，识别依情境而异的决定因素，并评估在彼此不同的社会经济原型中，生殖知识与媒体接触对生育意愿的调整后条件性关联。### 方法我们使用"小家庭、幸福家庭、繁荣家庭"（Small, Happy, and Prosperous Family，SHaPE2）埃塞俄比亚调查的横断面数据（*n* = 16,322），运用k-means聚类将区域数据划分为农村、过渡型与城市三种原型。为校正高维混杂因素并捕捉非线性异质性，我们采用了双重机器学习（Double Machine Learning, DML），整合了基于LightGBM的线性DML与因果森林DML。此外，我们还计算了稳健性值，以量化遗漏变量偏差的阈值。### 结果这些信息干预措施的关联具有情境依赖性。在农村集群中，知识深度（-0.051；p < .001）和媒体接触（-0.063；p = .009）与生育意愿降低相关。相反，在过渡型集群中，知识深度（+0.067；p < .001）和媒体接触（+0.101；p < .001）与更高的生育意愿相关。在城市集群中，知识深度（+0.048；p = 0.002）呈现正相关，而媒体接触（-0.075；p = 0.005）则与更低的生育意愿相关。因果森林DML表明，在农村和过渡型环境中，媒体接触的关联取决于既有知识水平，而在城市环境中则结构性地独立发挥作用。### 结论"信息干预措施与生育需求降低普遍相关"这一假设存在缺陷。在过渡型集群中，生殖知识的提升与媒体接触的增加与更高的生育意愿相关。尽管我们的数据为横断面性质，这些发现仅限于条件性关联而非因果效应，但它们提示公共卫生政策或可从集群特定的精准策略中受益。这包括在农村地区持续推进基础教育、在过渡区优先推动经济结构转型而非信息宣传、以及在城市中心利用独立的媒介进行规范重构。