印度儿童发育迟缓的多维相关因素：基于空间机器学习与可解释人工智能方法

《Stats》：Multidimensional Correlates of Childhood Stunting in India: A Spatial Machine Learning and Explainable AI Approach Bhagyajyothi Rao, Md Gulzarull Hasan, Bandhavya Putturaya, Asha Kamath, Mohammad Aatif and Yousif M. Elmosaad

　　

儿童发育迟缓在印度仍是一项重大公共卫生挑战，受多种社会经济及环境因素影响。该生态学研究利用印度全国家庭健康调查（NFHS-5）、国家犯罪记录局（NCRB）、印度国家转型委员会（NITI Aayog）多维贫困指数（MPI）报告以及印度干旱图谱的数据，检验了地区层面的儿童发育迟缓相关因素，包括针对女性的犯罪（CAW）、多维贫困指数和干旱严重程度。研究采用空间自相关分析、空间回归模型、机器学习方法以及基于SHAP值的可解释人工智能（XAI）进行解读。儿童发育迟缓呈现出显著的空间集聚特征（Moran's I = 0.520，p < 0.001），热点地区集中于印度北部、中部和东部。较高的发育迟缓率与较高的出生顺序、低孕产妇体重指数（BMI）、儿童贫血及多维贫困指数呈正相关，与碘盐使用率、电力可及性和及时产后护理呈负相关。显著的空间滞后参数（ρ = 0.348）表明存在实质性的溢出效应。机器学习模型一致识别出多维贫困指数、干旱严重程度和针对女性的犯罪为关键预测因子。该整合空间分析与机器学习框架明确了儿童发育迟缓的关键相关因素及空间依赖性，凸显了制定区域特异性、多部门干预措施的必要性。

## 研究背景与问题提出

2015年，联合国通过可持续发展目标（SDG Target 2.2），旨在2030年前消除一切形式的营养不良。然而，2023年联合营养不良估计数据显示，全球营养目标的实现进度仍显不足，亟需加速行动。在印度，尽管5岁以下儿童发育迟缓率从2012年的41.6%下降至2022年的31.7%，但该国仍是南亚地区儿童发育迟缓第二高的国家（38%），仅次于阿富汗（41%）。鉴于印度人口预计将从2022年至2030年增长17%，解决儿童发育迟缓问题仍是关键公共卫生优先事项。

已有研究表明，发育迟缓的决定因素具有多维性，涵盖母体营养状况、出生顺序、家庭居住条件、医疗服务可及性以及感染暴露等。新近证据进一步强调了气候脆弱性、贫困和社会不稳定等更广泛结构性因素的作用，这些因素往往与高水平儿童营养不良共存。具体而言，气候相关压力源已与食品安全下降及多场景营养风险升高相关联；多维贫困指数（MPI）能够捕捉教育、健康和生活标准方面的剥夺情况，这些剥夺常与儿童营养不良的空间格局相对应；针对女性的暴力行为也与不良母婴结局相关，包括因孕期家庭暴力导致的营养受损和低出生体重。

鉴于印度显著的地理和社会经济多样性，理解这些多维地区特征如何与发育迟缓相关联、以及它们如何呈现空间分布模式，对于设计区域性靶向策略至关重要。然而，现有文献表明，仅有有限研究将空间分析方法应用于印度儿童营养不良研究，且大多聚焦于患病率制图或区域热点识别；少数研究纳入了空间滞后变量，但将空间计量经济方法与机器学习（ML）整合的研究在营养不良领域仍十分有限。空间机器学习方法在分析高维协变量时具有增强的预测性能，但常被批评可解释性不足；可解释人工智能（XAI）技术如SHAP（SHapley Additive exPlanations）则为分解机器学习预测、量化个体预测因子的相对贡献和方向提供了规范化框架。

基于上述研究空白，Rao等研究人员开展了这项生态学研究，旨在：（i）调查印度儿童发育迟缓的空间分布，及其与地区层面多维贫困指数、针对女性犯罪估计值和干旱严重程度的关联；（ii）运用空间计量经济模型评估发育迟缓与其他多维协变量之间的关联；（iii）通过空间机器学习和可解释人工智能方法，识别这些变量连同空间滞后变量如何贡献于发育迟缓预测，从而为地理集聚性脆弱性提供更清晰认识，并支持更具针对性的政策响应。该论文发表在《Stats》期刊。

## 关键技术方法概述

本研究为生态学研究，整合了来自全国692个印度地区的数据，数据来源包括：2019-2021年全国家庭健康调查（NFHS-5）用于获取发育迟缓患病率及健康营养指标；印度国家转型委员会基于Alkire-Foster方法的MPI进展报告；基于小区域估计方法、利用2020-2022年国家犯罪记录局数据计算的针对女性犯罪相对风险；以及基于标准化降水蒸散指数的印度干旱图谱干旱严重程度数据。

技术方法层面，研究人员首先运用QGIS（v3.38.3）和GeoDa（v1.22）进行空间探索性数据分析，采用Moran's I和局部空间关联指标（LISA）评估空间自相关和聚类模式。在普通最小二乘（OLS）模型基础上进行残差诊断，进而采用空间杜宾模型（SDM）、空间杜宾误差模型（,SDEM）、空间滞后X模型（SLX）、空间自回归模型（SAR）和空间误差模型（SEM）等空间计量经济模型，并通过似然比检验（LRT）进行模型选择。随后，研究人员将空间滞后特征纳入机器学习框架，应用随机森林和XGBoost模型，通过最小绝对收缩和选择算子（LASSO）方法进行特征选择，并利用SHAP值增强模型可解释性，量化社会经济特征、多维贫困指数、干旱严重程度和针对女性犯罪指标对预测的贡献。

## 研究结果

**描述性分析与空间探索性分析**

描述性分析显示，印度5岁以下儿童发育迟缓率为33.56%，地区间差异显著，最高达60.6%（贾坎德邦帕斯奇米·辛格布姆地区），最低为13.2%（奥里萨邦贾加特辛格普尔地区）。全局Moran's I检验表明儿童发育迟缓存在中度显著空间依赖性（Moran's I = 0.525，p < 0.001）。双变量Moran's I分析显示，发育迟缓与干旱（Moran's I = ?0.061，p < 0.05）、针对女性犯罪（Moran's I = ?0.084，p < 0.05）呈弱负相关空间自相关，与多维贫困指数呈中度正相关空间自相关（Moran's I = 0.426，p < 0.05）。

空间分布图显示，高发育迟缓率地区主要集中在北方邦、比哈尔邦、中央邦、古吉拉特邦和贾坎德邦，部分分布于卡纳塔克邦、恰蒂斯加尔邦、马哈拉施特拉邦、梅加拉亚邦和奥里萨邦；低发育迟缓率地区则主要在北部喜马偕尔邦、旁遮普邦和南部喀拉拉邦、泰米尔纳德邦、特伦甘纳邦。多维贫困高值聚类主要出现在北方邦、比哈尔邦、梅加拉亚邦、中央邦、贾坎德邦、奥里萨邦和恰蒂斯加尔邦部分地区。

**空间回归模型结果**

通过似然比检验简化模型后，空间自回归模型（SAR）被确定为最优拟合模型。在SAR模型中，26个预测因子中有7个与儿童发育迟缓患病率显著相关。电力可及性（β = ?0.19，SE = 0.09）、碘盐使用（β = ?0.14，SE = 0.06）和产后护理（β = ?0.08，SE = 0.04）与发育迟缓呈显著负相关；而三胎及以上出生（β = 0.92，SE = 0.27）、低孕产妇体重指数（β = 0.26，SE = 0.06）、儿童贫血（β = 0.11，SE = 0.04）和多维贫困指数（β = 12.26，SE = 7.29）呈显著正相关。显著的空间滞后系数（SDM中ρ = 0.3132；SAR中ρ = 0.348）表明存在强空间溢出效应，即某地区发育迟缓患病率与邻近地区发育迟缓水平存在统计关联。

**机器学习模型与可解释人工智能结果**

通过LASSO回归选择最相关的空间滞后变量后，随机森林和XGBoost模型一致识别出多维贫困指数、低体重指数、针对女性犯罪、儿童贫血以及卫生设施、电力和清洁烹饪燃料等基础设施变量为发育迟缓患病率最显著的相关因素。XGBoost模型中严重干旱也是重要预测因子。随机森林模型可解释约54.8%的目标变量方差（R²），XGBoost模型R²为0.520。随机森林模型的赤池信息准则（AIC = 2333.98）低于XGBoost模型（AIC = 2346.73），表明其模型复杂度和拟合优度的平衡更佳。

SHAP分析将随机森林模型预测分解为基准值和特征特异性贡献。基准预测值为33.592%，特定观测值的最终预测发育迟缓水平为40.831%，累积贡献为+7.239%。增加预测值的因素包括：多维贫困指数（+5.45）、空间滞后碘盐使用率（+0.68）、空间滞后多维贫困指数（+0.46）、电力可及性（+0.30）、低体重指数女性（+0.28）和高出生顺序（+0.28）。

## 讨论与结论

Rao等研究人员的研究结果揭示了儿童发育迟缓的显著空间集聚特征，高患病率地区集中于印度北部、中部和东部。SAR和SDM模型中估计的显著空间滞后系数表明实质性空间溢出效应的存在，即某地区发育迟缓水平与邻近地区统计相关，这凸显了地理相互依赖性，并提示社会经济环境条件超越行政边界产生影响。空间回归模型识别出多维贫困、高出生顺序、低孕产妇体重指数和儿童贫血与发育迟缓增加显著正相关，而卫生设施改善、电力可及性和碘盐使用与较低发育迟缓水平相关。

机器学习模型补充了空间回归的不足，能够捕捉传统空间计量经济框架无法识别的非线性关系和高阶交互作用。尽管非空间与空间机器学习模型之间的预测性能提升幅度适中，但纳入空间滞后具有统计合理性，因为显著的Moran's I统计量和空间滞后系数确认了儿童发育迟缓残差中存在空间依赖性。多维贫困指数、干旱严重程度和针对女性犯罪作为预测性能的影响因素出现，反映了与地区层面发育迟缓患病率相关的更广泛社会经济和环境脆弱性。SHAP分析增强了可解释性，但这些贡献代表模型行为而非因果效应。

研究局限性包括：地区层面汇总数据可能掩盖地区内部异质性；空间权重矩阵依赖预定义地理邻接，可能无法完全反映跨区域社会、经济或环境互动；研究未评估时间变化或关联的方向性。

**研究结论**

综上，该研究证实印度儿童发育迟缓遵循由多维社会经济、社会、母体、环境和地区层面特征塑造的显著空间模式。通过整合空间计量经济模型与机器学习和可解释人工智能，分析揭示了重要的空间溢出效应，并凸显了地区层面发育迟缓模式的关键相关因素。这些发现凸显了制定考虑邻近地区共享脆弱性的地理靶向、多部门策略的价值。进一步的时空模型或因果推断框架探索可能有助于解释这些观察模式背后的机制；定性或混合方法研究则可深入理解多维贫困、针对女性犯罪和环境压力源如何在家庭和社区层面与儿童营养相关联。加强考虑空间依赖性的地方和区域努力，可能支持减少营养不良和促进可持续发展目标2与3的进展。