📊 statistics

Markov-Switching Regime Dynamics of Maternal Mortality in Kenya: A State-Dependent Analysis of Health System Transitions with Bootstrap Uncertainty Quantification (2000-2023

本研究对肯尼亚2000–2023年的孕产妇死亡率数据采用了带有自助法不确定性量化的两状态马尔可夫转换模型，揭示了由卫生系统结构性变化驱动的高死亡率与低死亡率截然不同的状态，证明了该国的孕产妇健康轨迹呈现出持续的状态转变特征，而非连续的线性趋势。

原作者： ROBERT NYABWANGA

发布于 2026-07-09

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： ROBERT NYABWANGA

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

想象一下肯尼亚的孕产妇保健系统，不要把它看作一条缓慢变好或变坏的直线，而要将其视为一个会陷入不同“季节”的天气系统。有时是平静、晴朗的季节（低死亡率），有时是风暴、混乱的季节（高死亡率）。

罗伯特·尼亚布万加（Robert Nyabwanga）的这篇论文使用了一种名为**马尔可夫转换模型（Markov-Switching Model）**的特殊数学工具，来确定肯尼亚在 2000 年至 2023 年间每一年处于哪种“季节”。这种方法不仅仅是在数据中画一条直线，它还在问：“系统目前处于‘好’的状态还是‘坏’的状态，以及它保持在该状态的可能性有多大？”

以下是这项研究发现的故事，分为几个简单的部分：

1. “直线”的问题

传统上，科学家观察数据并试图画出一条线来展示趋势。他们可能会说：“平均而言，情况正在略微好转。”

缺陷： 这就像是因为你平均了热浪和暴风雪，就说天气是“温和”的一样。它掩盖了系统有时会陷入危机，有时又趋于稳定的事实。
解决方案： 这项研究将卫生系统视为一个灯开关。它要么是“开启”状态（高死亡率机制），要么是“关闭”状态（低死亡率机制）。目标是观察这个开关何时翻转，以及它在一种位置上停留了多久。

2. 两个“季节”（机制）

研究发现，在过去的 24 年里，肯尼亚确实生活在两种截然不同的状态中：

“风暴季节”（高死亡率机制）：
- 时期： 大约从 2007 年到 2014 年。
- 发生了什么： 母亲死亡的平均数量很高（大约每 10 万名新生儿中有 489 例死亡）。
- 氛围： 一旦系统陷入这场风暴，就很难脱身。它在那里持续了大约 8 年。
- 原因： 研究将这场风暴的开始归因于 2007-2008 年的选举后暴力事件，这破坏了医疗保健。
“晴朗季节”（低死亡率机制）：
- 时期： 2000–2006 年，以及 2015 年至 2023 年。
- 发生了什么： 死亡人数较低（大约每 10 万名新生儿中有 428 例死亡）。
- 氛围： 这种状态具有很强的粘性。一旦系统进入这个晴朗时期，它就会停留很长时间——大约 15 年。
- 原因： 系统切换回这个晴朗季节的时间点大约在 2014-2015 年，这与重大的政府变革相吻合，例如新宪法（赋予了地方县级政府权力）以及使产科护理免费的政策。

3. “粘性”开关（持续性）

最有趣的发现是这些季节的“粘性”。

如果肯尼亚处于高死亡率季节，那么下一年仍处于该状态的概率为 87.5%。
如果肯尼亚处于低死亡率季节，那么下一年仍处于该状态的概率为 93.3%。

类比： 想象一个球在一个深谷中（低死亡率）和一个球在一个陡坡上（高死亡率）。要将球从谷底推出来需要巨大的力量，但一旦到了那里，就很难把它推回坡上。反之，一旦球滚下坡，就很难阻止它留在那里。

好消息： “晴朗季节”比“风暴季节”更具粘性。这意味着一旦肯尼亚在 2015 年开始改善，这些进步是非常稳定的，不容易跌回危机之中。

4. “大流行测试”

研究检查了在 COVID-19 大流行期间（2020–2021 年）发生了什么。

结果： 尽管大流行影响了全球医疗服务，但肯尼亚并未切换回“风暴季节”。保持在“低死亡率”季节的概率仍保持在 95% 以上。
启示： 卫生系统展现出了韧性。尽管面临全球性的混乱，它并没有崩溃回旧的危机模式。

5. 症结所在：“粘性”并不等于“足够快”

虽然系统在“低死亡率”季节是稳定的，但论文指出了一项令人清醒的现实：

目标： 世界希望到 2030 年将孕产妇死亡人数降至每 10 万名新生儿少于 70 例（SDG 3.1）。
现实： 肯尼亚目前的水平是 379。尽管系统在“好”的季节里是稳定的，但其改善速度非常缓慢（每年仅约 2-3%）。
数学计算： 按照目前的进度，肯尼亚直到大约 2060 年 才能达到 2030 年的目标。虽然“晴朗季节”很稳定，但它不够“晴朗”——或者说，进展得不够快。

6. “迷雾”部分（不确定性）

由于该研究仅有 24 年的数据（样本量较小），研究人员使用了名为 Bootstrap 的技术（本质上是进行 500 次带有轻微变化的数学运算），以观察他们在多大程度上可以确定结论。

他们确定的部分： “高”和“低”季节的平均死亡人数是非常准确的。
模糊的部分： 他们对于系统从一个季节切换到另一个季节的确切概率把握较小。因为在 24 年中，这种切换只发生了两次，所以对于“下一次切换可能发生的时间”的预测存在较大的误差范围。

总结

肯尼亚的孕产妇健康旅程并不是一条平滑的直线。这是一个由两个截然不同的时代组成的故事：一个混乱的时代（2007–2014 年）和一个稳定的、不断改善的时代（2015 年至今）。

胜利： 系统成功地从坏的时代切换到了好的时代，并一直保持在那里，甚至挺过了大流行。
挑战： 虽然系统是稳定的，但它的进展速度太慢，无法实现 2030 年的全球目标。虽然“晴朗季节”已经到来且会长期存在，但它需要一个“涡轮增压”才能按时完成任务。

技术摘要：肯尼亚孕产妇死亡率的马尔可夫转换机制动态（2000-2023）

问题陈述
孕产妇死亡率仍然是肯尼亚面临的一项关键公共卫生挑战，传统的统计分析往往无法捕捉到卫生系统表现中固有的非线性及结构性转变。传统方法（如线性或连接点回归）通常假设识别出的片段内参数是稳定的，或者将转折点视为确定性事件。这些方法可能会掩盖关键的动态特征，例如隐藏的“危机”或“恢复”状态，并且未能解释不同卫生系统机制之间转换的概率性质。此外，现有文献通常假设方差恒定，忽略了可能在系统性危机时期出现的波动加剧现象。本研究旨在解决以下空白：即肯尼亚的孕产科死亡率（MMR）轨迹是否表现出截然不同且具有持续性的机制，以及这些机制如何随时间转换，特别是在 2000 年至 2023 年间政治和政策变动的背景下。

研究方法
本研究采用双状态马尔可夫转换模型来分析 2000 年至 2023 年间肯尼亚的年度 MMR 数据（ $T=24$ ）。数据来源于世界卫生组织/联合国儿童基金会/联合国人口基金会/世界银行及联合国人口司（MMEIG）的估算值，并被视为时间序列，其中潜在状态（机制）是隐变量且不可观测。

模型设定： 作者设定了一个机制转换均值模型，其中 $y_t = \mu_{s_t} + \epsilon_t$ ，且 $\epsilon_t \sim N(0, \sigma^2_{s_t})$ 。隐藏状态 $s_t$ 遵循具有时不变转移概率的一阶马尔可夫链。该模型允许存在特定机制的均值（ $\mu_j$ ）和方差（ $\sigma^2_j$ ）。
估计： 参数通过极大似然估计（MLE）结合期望最大化（EM）算法进行估计，并利用 Hamilton 滤波器计算状态占用的平滑概率。
小样本处理： 鉴于样本量有限（ $T=24$ ），研究采用了 500 次重复的参数化自助法（Parametric Bootstrap）来量化参数估计的不确定性，特别是针对转移概率和预期机制持续时间的变异性。
模型选择： 通过赤池信息准则（AIC）和贝叶斯信息准则（BIC）以及似然比检验来确定最优机制数量（ $K$ ）。
验证： 通过增广迪基-富勒（ADF）和 KPSS 检验评估平稳性，并通过 Chow 检验检查结构性断点。稳健性检查包括针对正态性、序列相关性和异方差性的残差分析。

核心结果

机制检测： 双机制模型被选为最优模型（AIC = 224.37, BIC = 231.44），显著优于一机制和三机制设定。研究识别出两个截然不同的机制：
- 高死亡率机制（机制 1）： 平均 MMR = 488.7 (95% CI [431.6, 497.5])，标准差 = 10.6。该机制在 2007 年至 2014 年间占据主导地位。
- 低死亡率机制（机制 2）： 平均 MMR = 428.2 (95% CI [410.1, 468.3])，标准差 = 19.9。该机制在 2000–2006 年以及 2015–2023 年间盛行。
机制持续性与转换： 系统表现出高度的持续性。留在高死亡率机制的概率为 87.5%，留在低死亡率机制的概率为 93.3%。因此，高死亡率机制的预期持续时间为 8 年，而低死亡率机制的预期持续时间为 15 年。
- 在 24 年期间仅检测到两次机制转换：即 2006–2007 年从低向高的转变，以及 2014–2015 年从高向低的回归。
- 自助法结果表明，在估计机制均值方面具有高精确度，但在估计转移概率方面存在较大不确定性（95% CI [0.300, 0.950]），这归因于观察到的转换次数较少。
时间动态：
- 2000–2006 年： 稳定的低死亡率时期。
- 2007–2014 年： 危机时期，与选举后暴力事件及卫生系统权力下放（Devolution）的实施相吻合。
- 2015–2023 年： 恢复时期。值得注意的是，即使在 COVID-19 流行期间（2020–2021），系统仍保持在低死亡率机制，概率大于 95%，展示了系统的韧性。
与传统模型的比较： 马尔可夫转换模型在 AIC 和 BIC 方面均优于标准的 ARIMA(0,1,0) 模型，证实了数据的非线性、状态依赖特性更适合通过机制转换动态来捕捉。

意义与主张
本文主张，肯尼亚的孕产妇死亡率遵循一条不可预测的路径，其特征是结构性的机制转变，而非连续的线性下降。应用马尔可夫转换模型提供了传统方法无法提供的关键洞察：

识别隐藏状态： 模型成功区分了“危机”和“恢复”状态，揭示了卫生系统在两种不同的统计现实下运行，且具有不同的均值和方差。
政策关联： 识别出的机制转换在时间上与重大国家事件一致。向高死亡率机制的转变与 2007–2008 年的选举后暴力事件相吻合；而向低死亡率机制的回归则与 2010 年宪法（权力下放）的实施以及 2013 年免费产科政策相一致。
韧性与可持续性： 低死亡率机制的高持续性（预期持续时间为 15 年）表明，一旦政策干预取得成功，可以产生长期的稳定性。系统在疫情期间仍能维持在低死亡率状态，凸显了其韧性。
对 SDG 3.1 的启示： 尽管已成功转向低死亡率机制，但该机制内的当前下降速率仍不足以实现 2030 年前达到可持续发展目标（SDG）3.1 的目标（即每 10 万活产中死亡人数 < 70 人）。作者指出，按目前的进度，可能要到 2060 年才能实现该目标，因此需要加速干预措施。

研究结论认为，虽然马尔可夫转换方法揭示了肯尼亚孕产妇死亡率趋势中的结构性断点和持续性，但由于样本量较小导致的转移概率置信区间较宽，需谨慎解读。研究结果强调，需要持续的政策努力来维持低死亡率机制，并加速实现全球卫生目标。