《Frontiers in Reproductive Health》:Monthly trends, determinants, and forecasting of perinatal mortality in Ghana: a comparison of ARIMA, BPNN, DLNN, and GRNN models
编辑推荐:
背景:围产期死亡率(Perinatal Mortality Rate, PMR)是撒哈拉以南非洲地区孕产妇与新生儿护理质量的关键指标。近期系统综述与荟萃分析估计加纳围产期死亡率合并值为44.8‰,表明实现新生儿存活可持续发展目标(SDGs)仍面临障碍。方法:研
背景:围产期死亡率(Perinatal Mortality Rate, PMR)是撒哈拉以南非洲地区孕产妇与新生儿护理质量的关键指标。近期系统综述与荟萃分析估计加纳围产期死亡率合并值为44.8‰,表明实现新生儿存活可持续发展目标(SDGs)仍面临障碍。方法:研究人员开展了一项回顾性、基于医院的的时间序列分析,纳入2010年1月至2025年12月共192个月度观察值。PMR定义为每1,000例分娩中死胎与早期新生儿死亡之和。采用增广迪基?富勒检验(Augmented Dickey?Fuller, ADF test)评估平稳性。比较ARIMA、反向传播神经网络(Backpropagation Neural Network, BPNN)、深度学习神经网络(Deep Learning Neural Network, DLNN)与广义回归神经网络(Generalized Regression Neural Network, GRNN)四种模型的预测性能,并以2025年为时间外部验证集(temporal holdout)进行模型验证。结果:该医院共记录活产46,108例,围产期死亡1,152例,总体PMR为24.98‰。未差分月度PMR序列呈边界非平稳(ADF统计量?2.695;p = 0.075),一阶差分后平稳(ADF统计量?7.118;p < 0.001)。在2025年外部验证集上表现最佳的ARIMA模型为ARIMA(3,0,0)。测试集RMSE为ARIMA 11.74、BPNN 14.98、DLNN 12.87、GRNN 13.33。在月度生态模型中,较高的产前检查(Antenatal Care, ANC)覆盖率与较低PMR相关,而较高的高血压疾病负担与较高PMR相关。结论:围产期死亡率长期呈下降趋势但仍不稳定。所评估模型中ARIMA显示出最佳的样本外准确性,GRNN为表现最佳的神经网络对照模型。预测结果应视为运营性推估(operational projections)而非因果预测。
本文发表于《Frontiers in Reproductive Health》,对加纳Mampong Government Maternity Hospital 2010–2025年共192个月的围产期死亡数据开展时间序列分析与模型比较研究,探讨围产期死亡率(Perinatal Mortality Rate, PMR=[死胎+早期新生儿死亡]/总分娩数×1,000)的长期趋势、生态决定因素及ARIMA、BPNN(Backpropagation Neural Network,反向传播神经网络)、DLNN(Deep Learning Neural Network,深度学习神经网络)、GRNN(Generalized Regression Neural Network,广义回归神经网络)四种模型的预测性能,为低?中收入国家产科服务监测与资源配置提供依据。
主要技术方法
研究人员收集该医院2010年1月至2025年12月逐月上报的产科统计数据集(含活产数、新鲜与浸软死胎数、新生儿死亡数、ANC指标及孕产妇并发症指标),以医院?月为分析单位。PMR按标准定义计算。描述性与生态关联分析采用普通最小二乘法(Ordinary Least Squares, OLS)回归考察ANC覆盖率、间歇性预防性治疗第三剂(Intermittent Preventive Treatment in pregnancy 3rd dose, IPT3)比例、高血压病例数与PMR的月度关联。时间序列平稳性用增广迪基?富勒检验(Augmented Dickey?Fuller, ADF test)判定,自相关函数(Autocorrelation Function, ACF)与偏自相关函数(Partial Autocorrelation Function, PACF)辅助识别序列依赖。ARIMA(p,d,q)模型在2010–2024年训练集上以p=0–3、d=0–1、q=0–3网格筛选,以2025年外部验证集RMSE最小者选定最终模型。三种神经网络均以滞后12个月PMR为自回归输入:BPNN为多层前馈网络,DLNN含多个隐藏层,GRNN为高斯核径向基回归网络;各模型在2025年外部验证集上以均方根误差(Root Mean Square Error, RMSE)、平均绝对误差(Mean Absolute Error, MAE)与平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)评价。
研究结果
描述性结果:16年间共活产46,108例、围产期死亡1,152例,总体PMR=24.98‰。年度PMR从2010年40.07‰降至2025年26.72‰,最低为2019年13.70‰。月度序列围绕缓慢下降的长期趋势大幅波动,2022年后再现不稳定性。
时间序列平稳性检验:原始PMR序列ADF统计量?2.695(p=0.075)为边界非平稳;一阶差分后ADF统计量?7.118(p<0.001)达平稳。ACF显示早期滞后有弱正相关,PACF提示短记忆过程,无明显季节尖峰。
生态决定因素分析:单变量OLS中ANC覆盖率比(r=?0.355,β=?3.442,p<0.001)、IPT3比例(r=?0.194,β=?0.199,p=0.007)与PMR负相关;高血压总数(r=0.280,β=0.020,p<0.001)与PMR正相关。多变量模型中,ANC覆盖率比调整后β=?3.011(95%CI ?4.320~?1.703,p<0.001),高血压总数调整后β=0.015(95%CI 0.005~0.024,p=0.0034),表明ANC覆盖提高与高血压负担降低各自独立关联于更低月度PMR(均为生态学关联,非个体水平因果)。
预测模型比较:2025年外部验证集误差指标——ARIMA(3,0,0):RMSE=11.74,MAE=8.70,MAPE=39.51%;BPNN:RMSE=14.98,MAE=10.98,MAPE=35.45%;DLNN:RMSE=12.87,MAE=8.77,MAPE=36.82%;GRNN:RMSE=13.33,MAE=9.03,MAPE=35.75%。ARIMA在绝对误差(RMSE、MAE)上最优,GRNN为神经网络中最优;BPNN与GRNN的MAPE低于ARIMA,反映不同评价指标侧重点差异。观测值与ARIMA、GRNN拟合曲线在2025年追踪较紧密,DLNN未改善精度,提示本样本量下增加网络复杂度无益。
讨论与结论翻译
研究人员指出该医院总体PMR低于加纳部分汇总估计但仍显著,长期下降趋势非线性,2020年后回升与波动可能反映转诊构成、病例严重度或服务负荷变化。生态分析提示高ANC覆盖与低高血压负担关联更低PMR,但OLS未校正自相关属方法局限,理想应采用ARIMAX或广义最小二乘(Generalized Least Squares, GLS)。一阶差分达平稳、ACF/PACF形态支持低阶ARIMA设定。ARIMA(3,0,0)在外部验证集RMSE最低,GRNN为最佳神经网络对照,深网络未获益,与中等长度卫生时间序列常由简模型作强基准线的认识相符。预测延至2035年超出验证窗口,宜谨慎解读。研究优势含16年月度序列、基于医院实计数计算PMR及真时外部验证。
结论(翻译):Mampong Government Maternity Hospital的围产期死亡率长期下降但仍逐月波动。在本数据集中ARIMA模型给出最佳样本外预测,GRNN为最强神经网络对照。围产期死亡率在改善后仍值得关注。常规数据与预测模型可支持计划与干预制定。更高产前检查(Antenatal Care, ANC)覆盖率与更低高血压负担与更低月度PMR相联系。推行月度PMR常规监测,并针对性提升ANC质量与孕产妇并发症管理,有助于减少可预防围产期死亡。