“隐性饥饿”是导致中低收入国家面临各种健康挑战的重要原因。
生活在贫困中的儿童常常患有贫血，这是一种与严重健康风险相关的疾病。一个由因斯布鲁克大学（University of Innsbruck）统计专家领导的研究团队，首次提供了撒哈拉以南非洲和南亚地区儿童贫血患病率的高分辨率估算。他们的模型分析基于来自37个国家的大约75万份观测数据。
2019年，三位发展经济学家因其在全球减贫研究中使用实验方法而获得了诺贝尔经济学奖。他们的研究旨在找出哪些援助类型确实有助于改善低收入国家的生活条件，哪些则没有。这引起了政治层面对精准高效措施的重视，特别是与联合国可持续发展目标相关的内容。其中，“隐性饥饿”——即缺乏铁或维生素A等关键微量营养素的问题——在低收入和中等收入国家尤为普遍。由此引发的贫血有多种形式。
尽管儿童贫血与发育迟缓、身体和认知能力受损以及死亡率上升密切相关，但与其他健康问题相比，它并未得到足够的关注。“为了建立有效的监测机制，了解贫血在时间和空间上的分布，以及哪些年龄组受影响最大，这一点至关重要。”该研究的合著者、苏黎世联邦理工学院（ETH Zurich）的肯尼斯·哈特根（Kenneth Harttgen）表示。迄今为止，这类信息仅适用于部分国家或地区。然而，今年3月初发表在《通讯医学》（Communications Medicine, Nature旗下期刊）上的一项研究，首次提供了2005年至2020年间撒哈拉以南非洲和南亚地区6至59个月儿童贫血患病率的模型估算。
这项研究是因斯布鲁克大学统计研究人员约翰内斯·赛勒（Johannes Seiler）、尼古拉斯·乌姆劳夫（Nikolaus Umlauf）和马蒂亚斯·韦特舍（Mattias Wetscher），与苏黎世联邦理工学院的发展经济学家肯尼斯·哈特根以及巴塞尔大学瑞士热带与公共卫生研究所所长、流行病学家尤尔格·乌茨林格（Jürg Utzinger）长期合作的成果。第一作者约翰内斯·赛勒在因斯布鲁克大学进行研究时完成了这一工作，目前任职于慕尼黑工业大学（Technical University of Munich）。
复杂且计算密集的建模
因斯布鲁克大学统计系团队使用贝叶斯分布回归模型，根据居住地、年龄和气候条件等因素估算贫血风险，并评估该疾病随时间的变化情况。这种方法依赖于对可能关联的假设，然后通过数据对其进行优化。“贝叶斯模型特别适合基于样本数据推断总体情况，但它们需要大量的计算能力，”尼古拉斯·乌姆劳夫解释道。
“分布回归使我们能够做出完全概率性的预测，并分析特定变量之间的关系。例如：具有某些特征的儿童拥有特定血红蛋白水平的概率是多少？”第一作者约翰内斯·赛勒补充道。他在因斯布鲁克大学期间作为FWF资助研究项目的一部分完成了这项研究。
为了完成计算，团队使用了因斯布鲁克大学的高性能计算集群LEO 4。这些模型基于人口与健康调查计划（Demographic and Health Surveys Program）的观测数据进行了训练，这是分析低收入和中等收入国家教育、健康和营养状况的关键数据来源之一。此外，他们还结合了气候、人口、环境和地理空间数据，这些数据首先需要以高效的方式进行整合。
图1：预测的任何类型贫血（即血红蛋白<110 g/L）的时空分布。地图显示了2010年（左）和2020年（右）6至59个月儿童的贫血估计患病率。
部分地区贫血仍是重大问题
基于模型估算的结果如下：2020年，撒哈拉以南非洲约有9870万名6至59个月的儿童受到贫血影响，南亚则有9510万名儿童受到影响。根据20公里网格生成的地图显示，2010年至2020年间，贫血患病率在不同地区和国家之间存在显著差异。在撒哈拉以南非洲，患病率从2010年的65.0%略微下降到2020年的63.4%；而在南亚，这一比例在同一时期从63.1%下降到58.8%。
尽管取得了些许进展，但贫血仍然是许多非洲地区的广泛健康问题。例如，在西非国家布基纳法索（Burkina Faso）和马里（Mali），患病率略有下降但仍处于高位——布基纳法索从2010年的87%降至2020年的77%，马里的数据与此相似。不过，也有一些积极的例子。例如，在马达加斯加（Madagascar），2020年的预测患病率为47.3%，尽管该国慢性及急性营养不良率较高，但这一数字仍非常低。
这些模型还提供了详细的见解，例如不同年龄组如何受到轻度、中度或重度贫血的影响，以及患病率在性别间的差异。
这项研究为以下联合国可持续发展目标（SDGs）做出了贡献：目标2（零饥饿）、目标3（良好健康与福祉）、目标10（减少不平等）。
参考文献：Seiler, J., Wetscher, M., Harttgen, K. 等：低收入和中等收入国家6至59个月儿童贫血风险的高分辨率空间预测。《通讯医学》5，57（2025）。
(全文结束)
