📄 medicine

One in four Indian births is now by caesarean section: a state-level analysis of public–private sector differences and ecological drivers using NFHS-6 (2023– 24)

这项针对 NFHS-6 (2023–24) 数据的生态学分析显示，女性受教育程度是印度剖腹产率上升的主要预测因子，目前全国剖腹产率已达 27.2%，且私立与公立部门之间存在高达 3.2 倍的显著差异，这引发了开展针对性临床审计和产前教育以遏制需求侧医疗化倾向的呼吁。

原作者： Mahendra G., Ravindra S. Pukale, Kaveri Potaraj Potarad, Suresh Bangla

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Mahendra G., Ravindra S. Pukale, Kaveri Potaraj Potarad, Suresh Bangla

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是该研究论文的解释，通过使用类比将概念清晰化，并将其转化为简单、日常的语言。

大背景：剖腹产率的上升浪潮

想象一下，印度的分娩景象就像一片巨大的海洋。几年前，水位（剖腹产率）已经很高了，大约在 21.5%。现在，根据最新的数据（2023–24 年的 NFHS-6），水位已显著上升至 27.2%。

为了让你有直观的感受，世界卫生组织（WHO）建议，为了安全起见，“完美”的水位应保持在 10% 到 15% 之间。印度目前的水位比建议的上限高出了 82%。研究发现，在印度，每四个婴儿中就有一个是通过剖腹产出生的。

巨大的鸿沟：“私立与公立”之差

研究人员不仅观察了总体的水位，还观察了水位在哪里上升。他们发现政府医院（公立）和私人诊所（私立）之间存在巨大的差距。

类比： 想象同一个小镇上有两家杂货店。A 店（政府）每 100 个顾客中有 17 个购买苹果（剖腹产）。B 店（私立）每 100 个顾客中有 54 个购买苹果。
“市场驱动护理指数”（MDCI）： 作者发明了一个名为 MDCI 的新标尺来衡量这种差距。它就像是一个“价格标签”，衡量你在私立医院接受剖腹产的可能性比在公立医院高出多少。
- 在喀拉拉邦，差距很小（标尺读数为 1.08）。两家商店销售苹果的比例相似。
- 在比哈尔邦，差距巨大（标尺读数为 18.26）。这意味着在比哈尔邦，女性在私立医院接受剖腹产的可能性是政府医院的 18 倍。在比哈尔邦，政府医院几乎从不做剖腹产（仅为 2.7%），而私立医院则频繁进行（49.3%）。

三种不同的“水位”类型

该研究将印度各邦分为三种截然不同的模式，就像不同的天气系统一样：

“私立垄断型”（如比哈尔邦、贾尔坎德邦）： 在这里，剖腹产是一种主要在私立商店才能买到的“奢侈品”。政府商店几乎不备货。整体剖腹产率较低，但贫富之间的获取差距巨大。
“系统性泛滥型”（如特伦甘纳邦、安得拉邦）： 在这里，无论是政府医院还是私立医院，剖腹产率都非常高。两者之间的差距很小，但到处都是危险的高水位。
“过度医疗下的公平型”（如喀拉拉邦）： 两类机构都在进行高频率的剖腹产，且比例几乎完全相同。无论你是在政府医院还是私立医院，大家接受这项手术的频率都一样高。

真正的驱动力：是什么在推高水位？

研究人员问道：“是什么导致了这些比例上升？”他们测试了几种理论，比如医疗保险或有多少人使用政府医院。

令人惊讶的答案： 最强的预测因素不是金钱或保险，而是女性受教育程度。

类比： 把教育看作是一个“磁铁”。一个邦的女性受教育程度越高，这个磁铁向剖腹产拉动的力量就越强。
原因： 研究表明，这是“需求侧医疗化”。受过教育的女性可能对医疗建议更敏感，或者更了解各种选择，亦或是更倾向于选择被视为更“安全”的剖腹产。
反直觉的发现： 政府医院承担的出生人数增加，并没有降低剖腹产率。事实上，在特伦甘纳邦等邦，政府医院进行的剖腹产率也非常高。因此，如果医生在那里也进行过多的剖腹产，那么仅仅告诉女性去政府医院并不能解决问题。

另一个因素： 总和生育率（TFR）（即一名女性平均生育的孩子数量）与较低的剖腹产率相关。

类比： 在女性生育较多孩子的邦（高 TFR），“传统方式”的自然分娩仍然非常普遍，从而维持了较低的剖腹产率。而在家庭规模较小（低 TFR）的邦，向医疗干预转型的趋势更强。

应该怎么做？（论文的建议）

作者不仅指出了问题，还提出了四种具体的“救生筏”，以防止水位进一步上升：

检查“规则手册”： 接受政府保险（PMJAY）的私立医院必须被迫遵守严格的“规则手册”（称为 Robson 分类法），以证明每一次剖腹产都有充分的医学理由。
带有约束条件的支付： 政府应仅在医院能提供明确的“为何进行剖腹产”的医学必要记录时，才支付相关费用。
质量控制： 扩大“LaQshya”计划（一项旨在改善产房设施的政府计划）的范围，但要增加一个特定目标：减少剖腹产数量，而不只是改善建筑设施。
分娩前的沟通： 在受教育程度高且剖腹产率高的地区，医生需要在女性分娩前进行诚实的沟通，解释剖腹产也存在风险，且并不总是最安全的选择。

总结

这项研究就像一张地图，显示了印度的剖腹产率正在快速上升，这主要是由受过教育的女性选择（或被提供）医疗分娩，以及私立医院进行该手术的频率远高于政府医院所驱动的。解决方案不仅仅是建立更多的政府医院，而是改变进行这些手术的“为什么”和“何时”背后的文化。

技术摘要：印度各邦剖宫产率的州级分析（NFHS-6）

问题陈述
印度的剖宫产（CS）率已从 NFHS-5 调查（2019–21）期间的 21.5% 上升至 NFHS-6（2023–24）的 27.2%。这一数字目前高出世界卫生组织（WHO）15% 的最佳人口水平上限 82%。虽然之前的研究已将私立部门的过度医疗与经济激励和监管薄弱联系起来，但尚未有已发表的研究利用新发布的 NFHS-6 数据来绘制全印度 36 个邦和联邦直辖区（UTs）的剖宫产率图谱。此外，目前缺乏关于“私立与公立部门差距”的分析，也缺乏对驱动这些州级比例的生态决定因素的识别。

研究方法
本研究是一项生态学横断面分析，利用了 NFHS-6（2023–24）公开的各邦事实单数据。

数据来源： 35 个邦/联邦直辖区的州级数据（国家总量被排除在回归分析之外）。
主要结局指标： 整体州级剖宫产率（占机构分娩的 %）。
次要结局指标： 私立部门剖宫产率、公立部门剖宫产率，以及市场驱动型护理指数（MDCI），定义为私立部门剖宫产率与公立部门剖宫产率的比值（ $MDCI = I.39 \div I.40$ ）。
预测变量： 研究了四个生态变量：
1. 健康保险覆盖率（% 家庭）。
2. 女性受教育程度（15–49 岁受教育年限 $\ge$ 10 年的比例）。
3. 在公立设施进行的机构分娩比例。
4. 总和生育率（TFR）。
统计分析：
- 相关性： 使用 Spearman 秩相关法评估配对关联，并使用 Bonferroni 校正后的显著性阈值 $p < 0.0125$ 以控制多重检验。
- 回归： 采用带有 HC3 稳健标准误的普通最小二乘法（OLS）多元回归来对州级剖宫产率进行建模。为了避免因样本量较小（ $n=35$ $n = 35$ ）而导致的过拟合，构建了两个精简模型：
  - 模型 1： 健康保险 + 公立设施分娩份额。
  - 模型 2： 女性教育 + TFR。
- 软件： 分析使用 Python 3.12 完成。

核心贡献

全面制图： 本研究提供了利用 NFHS-6 数据对印度所有 35 个报告邦/联邦直辖区进行剖宫产率记录的首次州级文档化工作。
引入 MDCI： 引入了市场驱动型护理指数（MDCI）作为一个综合指标，用以量化私立与公立部门剖宫产率之间的差异。作者指出，MDCI 对较低的公立部门分母较为敏感，应结合绝对率进行解释。
生态预测因子： 研究识别并量化了州级剖宫产率的生态驱动因素，区分了需求侧因素（教育）和结构性因素（部门准入）。

结果

国家趋势： 在大约五年的时间里，全国剖宫产率上升了 5.7 个百分点（相对增长 26.5%）。全国私立部门剖宫产率为 54.1%，而政府医院为 16.9%，全国 MDCI 为 3.20。
州际差异： 剖宫产率从梅加拉亚邦（Meghalaya）的 6.4% 到特伦甘纳邦（Telangana）的 62.2% 不等。有四个邦（特伦甘纳邦、安得拉邦、锡金邦和查谟和克什米尔）超过了 50%。只有三个邦（那加兰邦、米佐拉姆邦和梅加拉亚邦）处于 WHO 10–15% 的最佳范围内。
部门差异（MDCI）：
- 高 MDCI（不平等）： 比哈尔邦（MDCI 18.26）和贾坎德邦（MDCI 8.87）表现出巨大的差距，其私立医院进行剖宫产的比例比政府设施高出 8 到 18 倍。在这些地区，剖宫产实际上是一种私有商品。
- 低 MDCI（系统性医疗化）： 喀拉拉邦（MDCI 1.08）等邦在两个部门都表现出较高的剖宫产率，表明存在“过度医疗下的公平”。
- 特伦甘纳邦/安得拉邦： 这些邦显示出较高的整体率，但 MDCI 较低（1.74），表明是全系统性的医疗化而非仅仅是私立部门的过度行为。
预测建模：
- 女性教育： 是州级剖宫产率最强的预测因子。Spearman 相关系数 $\rho = +0.532$ ( $p=0.0125$ ) 和 OLS 系数 $\beta = +0.377$ ( $p=0.0001$ ) 表明，女性受教育年限 $\ge$ 10 年的比例每增加 1 个百分点，该州的剖宫产率增加 0.377 个百分点。
- 总和生育率（TFR）： 与剖宫产率呈负相关（ $\rho = -0.428$ , $p=0.010$ ）。在模型 2 中，TFR 解释了剖宫产率的大部分方差，其系数为 $\beta = -12.101$ ( $p=0.035$ )。
- 非显著因素： 公立设施分娩比例和健康保险覆盖率与州级剖宫产率均无显著相关性。
- 模型性能： 模型 2（教育 + TFR）解释了州级剖宫产率 30.7% 的方差（ $R^2 = 0.307$ ）。

意义与主张
论文断言，女性受教育程度是印度州级剖宫产率的主要生态预测因子，反映了“需求侧医疗化”，即受过教育的女性更容易接受医疗建议，从而可能推动择期剖宫产。

研究强调，聚合统计数据掩盖了一个关键的公平危机。在高生育率、低收入的邦（EAG 邦），较低的整体剖宫产率并不一定意味着护理适宜；相反，这往往反映了公立部门严重的供应不足，即剖宫产仅作为一种私有商品才可获得（高 MDCI）。相反，在低生育率的南部各邦，高剖宫产率则反映了全系统的医疗化。

作者得出结论，政策干预必须超越单纯地将分娩引导至公立设施。他们提出：

在私立医院强制执行基于 Robson 分类的剖宫产审计。
将 PMJAY（Ayushman Bharat）的报销与记录在案的临床指征挂钩。
扩大 LaQshya 计划的规模，并设定具体的剖宫产削减目标。
针对高剖宫产率和高教育程度的邦开展产前教育运动。

局限性与谦逊态度
作者明确指出，这些发现是生态学性质的，并不意味着个体层面的因果关系。女性教育与剖宫产率的正相关可能捕捉到了更广泛的发展、城市化以及对私立部门的依赖，而非仅仅是教育本身。研究承认存在局限性，包括自报数据、无法从 NFHS 数据中评估医疗指征，以及存在未测量的混杂因素（如产科医生密度、私立医院集中度）。MDCI 被视为一种描述性的监测工具，而非经过验证的因果指标。