《Frontiers in Global Women's Health》：Geographical clustering of delayed motherhood in India: an application of multilevel and geospatial analyses
编辑推荐：
背景：印度快速的社会人口变化，包括女性教育水平提高、劳动参与率增加、城市化以及性别规范的改变，导致了生育延迟。尽管生育率下降，但关于印度地区级延迟生育（≥35岁生育）的地理变异和决定因素的证据有限。本研究应用多层次和地理空间分析，利用国家家庭健康调查（NFHS
背景：印度快速的社会人口变化，包括女性教育水平提高、劳动参与率增加、城市化以及性别规范的改变，导致了生育延迟。尽管生育率下降，但关于印度地区级延迟生育（≥35岁生育）的地理变异和决定因素的证据有限。本研究应用多层次和地理空间分析，利用国家家庭健康调查（NFHS）数据，考察了延迟生育的分布、决定因素和地区级空间聚类。
方法：本研究采用多层次多变量逻辑回归，考察个体和地区级延迟生育的决定因素。使用全局莫兰指数（Global Moran's I）和局部空间关联指标（LISA）评估空间聚类。为了考虑地区间的空间依赖性，应用了比较空间建模框架，以普通最小二乘回归（OLS）作为基线模型，随后是空间滞后模型（SLM）和空间误差模型（SEM）。
结果：延迟生育的患病率差异很大，从某些地区可忽略不计的水平到西南卡西丘陵地区（South West Khasi Hills）高达60.18%，全国平均水平为8.7%[95%置信区间（CI）：8.1–9.3]。高等教育[调整后的比值比（AOR）：2.00；95% CI：1.80–2.23]和结婚年龄≥21岁（AOR：5.13；95% CI：4.65–5.67）是显著的预测因素。其他因素如较高的胎次、宗教信仰和社会经济地位也显示出显著关联。空间分析揭示了强聚类（莫兰指数=0.459），南部和东北部地区存在高-高聚类，而中部和北部印度存在低-低聚类。空间模型证实了相邻地区之间存在显著的溢出效应。
结论：印度的延迟生育表现出显著的社会人口和空间异质性。关键决定因素包括教育、结婚时机和胎次模式。明显的地理聚类突出了区域背景的重要性。这些发现强调了需要针对特定地区的人口学定向政策干预，并进一步研究影响延迟生育的行为和卫生系统因素。
延迟生育（delayed motherhood，即≥35岁生育）已成为全球关键的人口与公共健康议题，印度在快速社会转型中同样面临此挑战。然而，现有研究多聚焦全国趋势，对地区级地理变异及空间聚类缺乏系统性分析。研究人员利用2019-2021年国家家庭健康调查（NFHS-5）数据，涵盖707个地区，旨在揭示延迟生育的分布、决定因素及空间异质性，为区域定向政策提供依据。该论文发表于《Frontiers in Global Women's Health》。
**关键技术方法**
研究采用四层多水平多变量逻辑回归（包括个体、初级抽样单元[PSU]、地区、邦/中央直辖区）分析个体与地区级决定因素；通过全局莫兰指数（Global Moran's I）和局部空间关联指标（LISA）评估空间聚类；并构建普通最小二乘回归（OLS）、空间滞后模型（SLM）和空间误差模型（SEM）比较模型拟合。数据来源为NFHS-5，最终分析样本为148,655名40-49岁且至少有一次活产的女性，以最后一次生育年龄≥35岁定义为延迟生育（患病率8.7%）。
**研究结果**
**1. 描述性统计与双变量分析**
通过表1的加权分布发现，延迟生育总体患病率为8.7%，东北部地区最高（19.7%），西部和南部较低。双变量分析显示，教育、婚姻年龄、宗教信仰、财富指数、胎次等因素与延迟生育显著相关（P<0.001）。例如，无教育者患病率11.4%，高等教育者11.4%（呈U型分布）；穆斯林（15.3%）和基督教徒（11.3%）高于印度教徒（7.7%）；结婚年龄≥21岁者患病率16%，高于<18岁者的5.8%。
**2. 多水平逻辑回归分析**
表2的模型4（全模型）显示，个体与家庭层面因素中，高等教育（调整后的比值比AOR=2.00，95%置信区间CI:1.80-2.23）、结婚年龄≥21岁（AOR=5.13，95% CI:4.65-5.67）及首次性行为年龄≥21岁（AOR=2.18，95% CI:1.97-2.41）显著增加延迟生育几率。高胎次效应尤为突出：1-2胎（AOR=1.42）、3-4胎（AOR=4.66）、5+胎（AOR=24.74）。穆斯林（AOR=1.62）和基督教徒（AOR=1.19）几率高于印度教徒；财富指数越高，几率越低（最富裕组AOR=0.34）。模型4的组内相关系数（ICC）显示，地区间变异解释了6%的延迟生育差异。
**3. 地区级延迟生育分布**
图2显示，西南卡西丘陵地区（South West Khasi Hills）患病率最高（60.18%），而贾巴尔普尔（Jabalpur）等地区接近零。超过一半地区（55.4%）患病率低于9%，高值区集中在东北部（如梅加拉亚邦、阿萨姆邦、曼尼普尔邦）及东部，低值区分布在北部、西部和南部。
**4. 空间自相关分析**
表3与图3显示，全局莫兰指数（Global Moran's I）为0.459（Z=17.77），表明强空间正自相关。LISA聚类图揭示高-高聚类（热点）位于东北部（阿萨姆邦、那加兰邦等）及东部（比哈尔邦、贾坎德邦等），低-低聚类（冷点）集中在南部和西部（卡纳塔克邦、马哈拉施特拉邦、古吉拉特邦等）。
**5. 双变量空间关联分析**
表3的经验贝叶斯双变量莫兰指数显示，结婚年龄≥21岁（0.559）、首次性行为年龄≥21岁（0.53）和低媒体暴露（0.468）与延迟生育的空间关联最强。图4进一步表明，高-高聚类中，延迟生育高值与相邻地区高比例晚婚、高胎次（>4）等特征空间关联；低-低聚类则与晚婚、晚育的相反特征关联。
**6. OLS回归分析**
表4的OLS模型（不考虑空间依赖）显示，无教育（系数=0.067）、基督教（0.072）、最贫困（0.098）、结婚年龄≥21岁（0.244）、首次性行为年龄≥21岁（0.034）、高胎次（0.619）与延迟生育显著正相关，模型调整R2=0.814。
**7. 空间回归模型**
比较空间模型后，空间误差模型（SEM）拟合更优（AIC=3814.76，低于OLS的3893.87）。表5显示，SEM中上述变量仍显著，且空间误差系数λ=0.433（P<0.001），表明相邻地区未观测因素存在显著溢出效应。空间滞后模型（SLM）结果一致，证实空间依赖性。
**讨论与结论**
讨论指出，延迟生育的空间聚类反映了现代化、性别转型、区域不平等与政策执行差异的交互作用。教育、城市化、晚婚晚育等推动高延迟生育地区，而早期婚姻、贫困和传统规范维持低延迟生育地区。政策需针对不同聚类采取差异化策略：低患病率地区需加强女童教育、执行童婚法案；高患病率地区需完善高龄初产妇保健系统。研究结论翻译如下：
这项研究表明，印度的延迟生育是一个空间差异的人口过程，受地区级社会经济条件、文化规范和国家政策环境的影响，而非统一的全国趋势。空间聚类的存在表明，生殖行为受到区域发展模式和相邻地区溢出效应的影响。因此，政策回应必须超越一般化的国家战略，采取因地制宜、多尺度的途径。在国家和邦层面，加强女孩教育、执行童婚立法、扩大生殖健康服务仍然关键。在地区层面，针对低患病率聚类需加强干预，而高患病率地区需加强高龄初产妇的医疗保健。将空间分析纳入政策规划将有助于更高效的资源分配，促进公平的人口转变。
