主要gydF4y2Ba

学龄儿童和青少年(5-19岁)的成长和发展受到他们在家庭、社区和学校的营养和环境的影响。这些年龄段的健康成长和发育有助于巩固幼儿期取得的成果,减轻幼儿期的不足,反之亦然gydF4y2Ba1gydF4y2Ba,对健康和福祉产生终身影响gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3.gydF4y2Ba,gydF4y2Ba4gydF4y2Ba,gydF4y2Ba5gydF4y2Ba,gydF4y2Ba6gydF4y2Ba.直到最近,年龄较大的儿童和青少年的成长和发展受到的关注远远少于幼儿期和成年期gydF4y2Ba7gydF4y2Ba.人们越来越重视在校期间健康和营养的重要性,同时也有一种假设,即营养和环境的差异导致城市中这些年龄段的生长和发育模式与农村地区不同,而且通常不那么健康gydF4y2Ba8gydF4y2Ba,gydF4y2Ba9gydF4y2Ba,gydF4y2Ba10gydF4y2Ba,gydF4y2Ba11gydF4y2Ba,gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba,gydF4y2Ba14gydF4y2Ba,gydF4y2Ba15gydF4y2Ba,gydF4y2Ba16gydF4y2Ba,gydF4y2Ba17gydF4y2Ba.尽管一些实证研究表明,城市的食品质量和营养更好,但这种假设是不成立的gydF4y2Ba18gydF4y2Ba,gydF4y2Ba19gydF4y2Ba.gydF4y2Ba

除了关于具体干预措施和政策效力的数据外,还需要关于学龄期生长和发展结果的数据,以便为不断增加的城市人口和继续在农村地区长大的儿童选择和优先考虑促进健康和卫生公平的政策和方案。一致和可比较的全球数据还有助于在各国和各领土之间建立基准,并吸取良好做法的经验教训。然而,在全球范围内,关于农村和城市地区这些形成年龄的成长轨迹的数据少于关于5岁以下儿童的数据gydF4y2Ba20.gydF4y2Ba成人也可以gydF4y2Ba21gydF4y2Ba.现有的研究是在一个国家、在一个时间点和/或在一个性别和狭窄的年龄组进行的。少数涉及一个以上国家的研究gydF4y2Ba22gydF4y2Ba,gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba这些研究大多集中于年龄较大的女孩,最多使用几十个数据来源,因此无法系统地衡量长期趋势。因此,许多旨在促进学龄儿童健康成长和发展的政策和方案狭隘而笼统地侧重于城市或农村地区营养或环境的具体特征gydF4y2Ba10gydF4y2Ba,gydF4y2Ba13gydF4y2Ba,gydF4y2Ba25gydF4y2Ba,gydF4y2Ba26gydF4y2Ba,gydF4y2Ba27gydF4y2Ba,gydF4y2Ba28gydF4y2Ba.很少有人注意到这些情况下相关结果之间的异同,也很少有人注意到各国城乡差异的异质性。gydF4y2Ba

本文报告了1990年至2020年200个国家和地区(以下简称国家)农村和城市地区学龄儿童和青少年的平均身高和体重指数。身高和体重指数是生长发育的人体测量指标,受营养质量和生活环境健康的影响,在观察性和孟德尔随机化研究中对整个生命的健康和幸福有很高的预测作用gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3.gydF4y2Ba,gydF4y2Ba4gydF4y2Ba,gydF4y2Ba5gydF4y2Ba,gydF4y2Ba6gydF4y2Ba.这些研究表明,低身高和过低的BMI会增加发病率和死亡率的风险,而低身高会损害认知发展,降低以后生活中的教育表现和工作效率gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3.gydF4y2Ba,gydF4y2Ba4gydF4y2Ba.这些年龄段的高BMI会增加超重和肥胖以及几种非传染性疾病的终身风险,并可能导致不良的教育成果gydF4y2Ba5gydF4y2Ba,gydF4y2Ba6gydF4y2Ba.gydF4y2Ba

我们使用了2325项基于人群的研究,测量了194个国家7100万参与者的身高和体重。gydF4y2Ba1gydF4y2Ba及补充表gydF4y2Ba2gydF4y2Ba)。我们使用贝叶斯分层元回归模型来估计200个国家5-19岁儿童和青少年按农村和城市居住地、年份和年龄划分的平均身高和BMI。资料来源及统计方法的详情载于gydF4y2Ba方法gydF4y2Ba.我们的结果代表了每个国家农村和城市地区同年龄儿童和青少年随时间(即连续队列)的身高和BMI,以及两者之间的差异。为了便于介绍,我们通过年龄标准化,总结了15个针对5至19岁单一年龄的具体年龄估计,这将每个国家/年的儿童和青少年人口置于同一年龄分布,并能够在不同时间和不同国家之间进行比较。我们还以图形和数字方式显示了5岁、10岁、15岁和19岁的指数年龄gydF4y2Ba补充信息gydF4y2Ba.gydF4y2Ba

1990年,生活在城市的学龄男孩和女孩比他们的农村同龄人有身高优势(即更高)。高收入国家是个例外,那里的城市身高优势要么可以忽略不计(年龄标准化平均身高<1.2厘米;生活在城市地区的儿童身高的后验概率(PP)在0.51 - 0.99之间),或者农村地区具有较小的优势(例如,比利时、荷兰和英国)(农村地区儿童身高的后验概率(PP)在0.53 - 0.95之间,存在农村地区的身高优势)(图1)。gydF4y2Ba1gydF4y2Ba及扩展数据图gydF4y2Ba2gydF4y2Ba)。1990年城市和农村地区儿童和青少年身高差距最大的国家包括拉丁美洲(例如墨西哥、危地马拉、巴拿马和秘鲁)、东亚和东南亚(中国、印度尼西亚和越南)、中欧和东欧(保加利亚、匈牙利和罗马尼亚)以及撒哈拉以南非洲(刚果民主共和国和卢旺达)。上述国家的城市男孩和女孩身高优势在2.4 ~ 5.0 cm之间,城市儿童身高高于农村儿童的PP值为bb0 0.99(见补充表)gydF4y2Ba3.gydF4y2Ba农村儿童与城市儿童的具体国家身高数值、差异和相应的可信区间(CrIs))。gydF4y2Ba

图1:1990 - 2020年城乡高差变化。gydF4y2Ba
图1gydF4y2Ba

一个gydF4y2Ba,gydF4y2BabgydF4y2Ba、城乡女孩年龄标准化平均身高差异与农村女孩年龄标准化平均身高变化的关系(gydF4y2Ba一个gydF4y2Ba)和男孩(gydF4y2BabgydF4y2Ba)。每个颜色较浅的实线箭头表示一个从1990年开始到2020年结束的国家。颜色较深的虚线箭头表示区域平均值,按每个区域所有国家沿水平和垂直轴的值的未加权算术平均值计算。对于城乡差异,正数表示城市平均身高较高,负数表示农村平均身高较高。参见扩展数据图。gydF4y2Ba2gydF4y2Ba年龄标准化平均身高的城乡差异及其随时间变化的地图,以及估计的不确定性。见附图。gydF4y2Ba4gydF4y2Ba5岁,10岁,15岁和19岁的结果。我们没有估计完全城市(百慕大、科威特、瑙鲁和新加坡)或完全农村(托克劳)国家农村和城市高度之间的差异。gydF4y2Ba

20世纪后期,低收入和中等收入国家的城乡身高差距取决于城市和农村地区的儿童和青少年有多少已经接近而不是落后于高收入国家的同龄人,在高收入国家,城乡身高差距很小。在保加利亚、匈牙利和罗马尼亚等国,生活在城市地区的儿童和青少年的身高接近高收入国家,而农村地区的儿童和青少年则落后,导致差距较大。在撒哈拉以南非洲和南亚的大部分地区,无论生活在哪里,儿童和青少年的身高都落后于高收入国家的同龄人,因此城乡差距相对较小。在第三类低收入或中等收入国家,包括印度尼西亚、越南、巴拿马、秘鲁、刚果民主共和国和卢旺达,城市地区儿童的身高仍然低于高收入国家,但农村地区儿童的身高差距更大,城乡差距变得更大。gydF4y2Ba

到2020年,在世界大部分地区,城市学龄儿童的身高优势变小了。在许多高收入西方国家和一些中欧国家,它消失或逆转为一个小的(通常小于1厘米)城市劣势(图2)。gydF4y2Ba1gydF4y2Ba和扩展数据图。gydF4y2Ba2gydF4y2Ba和gydF4y2Ba8gydF4y2Ba)。在这三十年中,有大量趋同现象的国家是中欧和东欧(例如克罗地亚)、拉丁美洲和加勒比(例如阿根廷、巴西、智利和巴拉圭)、东亚和东南亚(例如台湾)以及中亚的女孩(例如哈萨克斯坦和乌兹别克斯坦)。从1990年到2020年,上述国家的城市高度优势下降了约1 ~ 2.5 cm(城乡高差PP下降≥0.90)。在许多其他中等收入国家(例如,中国、罗马尼亚和越南),城乡身高差距有所缩小,但城市儿童和青少年的身高仍然高于农村儿童和青少年(在上述国家,男孩和女孩的身高差距为1.7-2.5厘米;2020年城市儿童身高高于农村儿童的PP(0.99)。这种趋同的例外是撒哈拉以南非洲的大多数国家以及大洋洲、南亚和中亚、中东和北非地区的一些国家的男孩,这些国家的城市身高优势在这三十年中略有增加。城市男孩身高优势增幅最大的是埃塞俄比亚等东非国家(2020年的身高差距比1990年增加了0.9厘米;95% CrI为- 0.9至2.9,PP值增加0.86),卢旺达(差距增大1.0 cm, 95% CrI为- 0.7至3.0,PP值增加0.88)和乌干达(差距增大1.1 cm, 95% CrI为- 0.6至3.1,PP值增加0.89)。对于女孩而言,在撒哈拉以南非洲和南亚的许多国家,城乡差距基本保持不变。gydF4y2Ba

在中等收入国家和新兴经济体(新高收入国家和工业化国家),居住在农村地区的儿童和青少年的身高与城市儿童和青少年的身高趋同,生活在农村地区的连续儿童和青少年的身高比城市儿童和青少年的身高要高得多,达到了几十年前同一国家城市儿童的身高:身高更接近高收入国家的身高(图2)。gydF4y2Ba2gydF4y2Ba和gydF4y2Ba3.gydF4y2Ba)。居住在撒哈拉以南非洲农村地区的儿童和青少年的连续队列没有经历中等收入国家农村地区队列中出现的身高加速增长。值得注意的是,对于生活在撒哈拉以南非洲地区的男孩来说,身高没有增加,甚至可能减少,这反过来导致了城乡差距的持续甚至扩大。由于这些全球趋势,到2020年,城乡身高差距最大的地区是安第斯山脉和中拉丁美洲(例如玻利维亚、巴拿马和秘鲁,男孩身高差距高达4.7厘米(95% CrI 4.0-5.5厘米),女孩身高差距3.8厘米(95% CrI 3.3-4.3厘米),撒哈拉以南非洲(例如刚果民主共和国、埃塞俄比亚、莫桑比克和卢旺达,男孩身高差距高达4.2厘米(95% CrI 2.7-5.7厘米))。gydF4y2Ba

图2:2020年城乡女孩身高及1990 - 2020年变化gydF4y2Ba
图2gydF4y2Ba

一个gydF4y2Ba, 2020年城乡女孩年龄标准化平均身高。密度图显示了估计值在各国之间的分布。gydF4y2BabgydF4y2Ba1990 - 2020年城乡女孩平均身高年龄标准化变化情况。密度图显示了估计值在各国之间的分布。gydF4y2BacgydF4y2Ba1990年至2020年平均身高的变化与后验标准差测量的变化的不确定性的关系。散点图中的每个点表示一个国家。阴影区域大致表示估计变化的PP值是真实的增加或减少。减少的PP等于1减去增加的PP。如果平均身高的增加和减少在统计上无法区分,则增加和减少的PP为0.50。PPs接近0.50表明不确定性更大,而接近1的PPs表明变化的确定性更大。gydF4y2BadgydF4y2Ba2020年,所有国家的年龄标准化平均身高。每个柱的高度是后验均值估计值及其95% CrI。国家按地区和超级地区排序。参见扩展数据图。gydF4y2Ba4gydF4y2Ba查看估计变化的PP地图。见附图。gydF4y2Ba5gydF4y2Ba5岁,10岁,15岁和19岁的结果。见补充表gydF4y2Ba3.gydF4y2Ba以5岁、10岁、15岁及19岁的年龄标准化数值结果,包括Crls。我们没有估计完全城市国家(百慕大、科威特、瑙鲁和新加坡)的平均农村高度,也没有估计完全农村国家(托克劳)的平均城市高度,也没有估计这些国家的平均城市高度随时间的变化,如灰色所示。各国使用其国际标准化组织(ISO) 3166-1 alpha-3代码进行标记。阿富汗,二自由度陀螺仪;阿尔巴尼亚、铝青铜;阿尔及利亚、DZA;美属萨摩亚;安道尔,;安哥拉、前;安提瓜和巴布达; Argentina, ARG; Armenia, ARM; Australia, AUS; Austria, AUT; Azerbaijan, AZE; Bahamas, BHS; Bahrain, BHR; Bangladesh, BGD; Barbados, BRB; Belarus, BLR; Belgium, BEL; Belize, BLZ; Benin, BEN; Bermuda, BMU; Bhutan, BTN; Bolivia, BOL; Bosnia and Herzegovina, BIH; Botswana, BWA; Brazil, BRA; Brunei Darussalam, BRN; Bulgaria, BGR; Burkina Faso, BFA; Burundi, BDI; Cabo Verde, CPV; Cambodia, KHM; Cameroon, CMR; Canada, CAN; Central African Republic, CAF; Chad, TCD; Chile, CHL; China, CHN; Colombia, COL; Comoros, COM; Congo, COG; Cook Islands, COK; Costa Rica, CRI; Cote d'Ivoire, CIV; Croatia, HRV; Cuba, CUB; Cyprus, CYP; Czechia, CZE; Denmark, DNK; Djibouti, DJI; Dominica, DMA; Dominican Republic, DOM; DR Congo, COD; Ecuador, ECU; Egypt, EGY; El Salvador, SLV; Equatorial Guinea, GNQ; Eritrea, ERI; Estonia, EST; Eswatini, SWZ; Ethiopia, ETH; Fiji, FJI; Finland, FIN; France, FRA; French Polynesia, PYF; Gabon, GAB; Gambia, GMB; Georgia, GEO; Germany, DEU; Ghana, GHA; Greece, GRC; Greenland, GRL; Grenada, GRD; Guatemala, GTM; Guinea Bissau, GNB; Guinea, GIN; Guyana, GUY; Haiti, HTI; Honduras, HND; Hungary, HUN; Iceland, ISL; India, IND; Indonesia, IDN; Iran, IRN; Iraq, IRQ; Ireland, IRL; Israel, ISR; Italy, ITA; Jamaica, JAM; Japan, JPN; Jordan, JOR; Kazakhstan, KAZ; Kenya, KEN; Kiribati, KIR; Kuwait, KWT; Kyrgyzstan, KGZ; Lao PDR, LAO; Latvia, LVA; Lebanon, LBN; Lesotho, LSO; Liberia, LBR; Libya, LBY; Lithuania, LTU; Luxembourg, LUX; Madagascar, MDG; Malawi, MWI; Malaysia, MYS; Maldives, MDV; Mali, MLI; Malta, MLT; Marshall Islands, MHL; Mauritania, MRT; Mauritius, MUS; Mexico, MEX; Micronesia (Federated States of), FSM; Moldova, MDA; Mongolia, MNG; Montenegro, MNE; Morocco, MAR; Mozambique, MOZ; Myanmar, MMR; Namibia, NAM; Nauru, NRU; Nepal, NPL; Netherlands, NLD; New Zealand, NZL; Nicaragua, NIC; Niger, NER; Nigeria, NGA; Niue, NIU; North Korea, PRK; North Macedonia, MKD; Norway, NOR; Occupied Palestinian Territory, PSE; Oman, OMN; Pakistan, PAK; Palau, PLW; Panama, PAN; Papua New Guinea, PNG; Paraguay, PRY; Peru, PER; Philippines, PHL; Poland, POL; Portugal, PRT; Puerto Rico, PRI; Qatar, QAT; Romania, ROU; Russian Federation, RUS; Rwanda, RWA; Saint Kitts and Nevis, KNA; Saint Lucia, LCA; Samoa, WSM; Sao Tome and Principe, STP; Saudi Arabia, SAU; Senegal, SEN; Serbia, SRB; Seychelles, SYC; Sierra Leone, SLE; Singapore, SGP; Slovakia, SVK; Slovenia, SVN; Solomon Islands, SLB; Somalia, SOM; South Africa, ZAF; South Korea, KOR; South Sudan, SSD; Spain, ESP; Sri Lanka, LKA; Saint Vincent and the Grenadines, VCT; Sudan, SDN; Suriname, SUR; Sweden, SWE; Switzerland, CHE; Syrian Arab Republic, SYR; Taiwan, TWN; Tajikistan, TJK; Tanzania, TZA; Thailand, THA; Timor-Leste, TLS; Togo, TGO; Tokelau, TKL; Tonga, TON; Trinidad and Tobago, TTO; Tunisia, TUN; Turkey, TUR; Turkmenistan, TKM; Tuvalu, TUV; Uganda, UGA; Ukraine, UKR; United Arab Emirates, ARE; United Kingdom, GBR; United States of America, USA; Uruguay, URY; Uzbekistan, UZB; Vanuatu, VUT; Venezuela, VEN; Vietnam, VNM; Yemen, YEM; Zambia, ZMB.

图3:2020年城乡男孩身高及1990 - 2020年变化gydF4y2Ba
图3gydF4y2Ba

一个gydF4y2Ba- - - - - -gydF4y2BadgydF4y2Ba见图的说明。gydF4y2Ba2gydF4y2Ba图中内容的描述和定义。我们没有估计完全城市分类的国家(百慕大、科威特、瑙鲁和新加坡)的平均农村高度,也没有估计完全农村分类的国家(托克劳)的平均城市高度或它们随时间的变化,如灰色所示。gydF4y2Ba

在这30年中,城乡BMI差异相对较小,<1.4 kg mgydF4y2Ba2gydF4y2Ba在所有国家和年份和<1.1 kg mgydF4y2Ba2gydF4y2Ba除9个国家外,所有国家的年龄标准化平均BMI(图2)。gydF4y2Ba4gydF4y2Ba和扩展数据图。gydF4y2Ba3.gydF4y2Ba和gydF4y2Ba9gydF4y2Ba)。1990年,城乡BMI差距最大的是撒哈拉以南非洲(如埃塞俄比亚、肯尼亚、马拉维、南非和津巴布韦)和南亚(如孟加拉国和印度),其次是拉丁美洲部分地区(如墨西哥和秘鲁)。上述国家的城乡性别BMI差距在0.4 - 1.2 kg m之间gydF4y2Ba2gydF4y2BaBMI指数高于农村地区的城市儿童青少年的PP值≥0.89。当时,其中一些国家农村地区的女孩和(或)男孩的平均BMI水平接近体重不足的阈值,有些年龄低于阈值(低于世界卫生组织(世卫组织)参考人口的中位数)。gydF4y2Ba

图4 1990 - 2020年城乡BMI差异变化。gydF4y2Ba
图4gydF4y2Ba

一个gydF4y2Ba,gydF4y2BabgydF4y2Ba女孩年龄标准化平均BMI的城乡差异变化(gydF4y2Ba一个gydF4y2Ba)和男孩(gydF4y2BabgydF4y2Ba)与农村年龄标准化平均BMI变化的关系。见图的标题。gydF4y2Ba1gydF4y2Ba获取该图内容的描述。参见扩展数据图。gydF4y2Ba3.gydF4y2Ba年龄标准化平均BMI的城乡差异及其随时间的变化,以及估计中的不确定性。见附图。gydF4y2Ba4 bgydF4y2Ba5岁,10岁,15岁和19岁的结果。我们没有估计完全城市(百慕大、科威特、瑙鲁和新加坡)或完全农村(托克劳)国家农村和城市BMI之间的差异。gydF4y2Ba

从1990年到2020年,除了少数高收入国家(例如丹麦、意大利和西班牙)外,所有国家的城乡儿童和青少年连续队列的BMI都有所增加。gydF4y2Ba5gydF4y2Ba和gydF4y2Ba6gydF4y2Ba)。在低收入和中等收入国家,城市与农村地区的BMI增加程度存在异质性。在撒哈拉以南非洲和南亚的大多数国家,农村地区儿童和青少年连续队列的BMI增加幅度大于城市,从而缩小了城乡差异。城乡BMI差距最大缩小0.65 kg mgydF4y2Ba2gydF4y2Ba1990 - 2020年城乡BMI差异下降的PP值在0.52 ~ 0.95之间。在撒哈拉以南非洲和南亚,这些变化使农村地区男孩和女孩的平均体重指数超出了体重不足的范围。此外,在撒哈拉以南非洲的许多国家,这一转变继续超出世卫组织参考人口的中位数,在某些情况下接近超重阈值(每天100公斤)。高于世卫组织参考人口的中位数)。相反,大多数其他低收入和中等收入国家的城市人口体重指数增幅较大,导致2020年城市人口体重指数略高于1990年。高收入国家以及中欧和东欧国家经历了城市BMI过剩的增减混合,但仍在一个小范围内(- 0.3至0.6 kg m)gydF4y2Ba2gydF4y2Ba对于几乎所有国家)在整个分析期间。在区域水平上,城乡BMI差异变化<0.25 kg mgydF4y2Ba2gydF4y2Ba在这些地区。gydF4y2Ba

图5:2020年城乡女孩BMI及1990 - 2020年变化gydF4y2Ba
图5gydF4y2Ba

一个gydF4y2Ba- - - - - -gydF4y2BadgydF4y2Ba见图的说明。gydF4y2Ba2gydF4y2Ba图中内容的描述和定义。参见扩展数据图。gydF4y2Ba5gydF4y2Ba查看估计变化的PP地图。见附图。gydF4y2Ba6gydF4y2Ba5岁,10岁,15岁和19岁的结果。见补充表gydF4y2Ba4gydF4y2Ba以年龄标准化及5岁、10岁、15岁及19岁的数值结果,包括儿童综合指数。我们没有估计完全城市分类的国家(新加坡、百慕大和瑙鲁)的平均农村BMI,完全国家分类的地区(托克劳)的平均城市BMI及其随时间的变化,如灰色所示。gydF4y2Ba

图6:2020年城乡男孩BMI及1990 - 2020年变化gydF4y2Ba
图6gydF4y2Ba

一个gydF4y2Ba- - - - - -gydF4y2BadgydF4y2Ba见图的说明。gydF4y2Ba2gydF4y2Ba图中内容的描述和定义。我们没有估计完全城市分类的国家(新加坡、百慕大和瑙鲁)的平均农村BMI,完全农村分类的国家(托克劳)的平均城市BMI或它们随时间的变化,如灰色所示。gydF4y2Ba

在大多数国家,男孩的城市身高优势大于女孩(补充图)。gydF4y2Ba3.gydF4y2Ba)。只有大约一半的国家的城市男孩体重指数高于女孩。而另一半,主要是在高收入的西方国家和撒哈拉以南非洲国家,城市女孩的BMI指数高于男孩。在大多数低收入和中等收入国家,城市身高优势在5岁时略大于19岁时,尤其是女孩,但在高收入地区和中欧和东欧,不同年龄的差异很小(补充图2)。gydF4y2Ba4gydF4y2Ba)。gydF4y2Ba

自19世纪引进现代卫生设施以来,城市在高收入国家以及随后的低收入和中等收入国家提供了巨大的营养和健康优势gydF4y2Ba19gydF4y2Ba.我们的研究结果表明,在21世纪的学龄阶段,这些优势在高收入国家已经消失,在亚洲、拉丁美洲和加勒比地区以及中东和北非部分地区的中等收入国家和新兴经济体则有所减弱。具体而言,在这些环境中,生活在城市的学龄儿童和青少年的连续队列在身高增加方面超过农村地区的儿童和青少年,但到2020年体重增加略多,通常在不健康的范围内(图3)。gydF4y2Ba7gydF4y2Ba)。这与世界上最贫穷的地区——撒哈拉以南非洲形成了鲜明对比。在该地区,城市身高优势持续存在甚至扩大,而农村平均BMI不仅弥补了体重不足,而且在2020年超过了世卫组织参考人口的中位数,从而巩固了城市优势。从1990年到2020年,南亚的城市和农村趋势混合,农村地区的儿童和青少年的身高和体重都高于城市地区的儿童和青少年。值得注意的是,我们的研究结果还表明,在大多数国家,城市和农村人口在身高和体重指数上的差异小于国家之间的差异,即使是在同一地区。gydF4y2Ba

图7 1990 - 2020年城乡身高及BMI差异变化gydF4y2Ba
图7gydF4y2Ba

一个gydF4y2Ba,gydF4y2BabgydF4y2Ba女孩年龄标准化平均身高城乡差异及年龄标准化平均BMI城乡差异变化(gydF4y2Ba一个gydF4y2Ba)和男孩(gydF4y2BabgydF4y2Ba)。见图的标题。gydF4y2Ba1gydF4y2Ba获取该图内容的描述。见附图。gydF4y2Ba4摄氏度gydF4y2Ba5岁,10岁,15岁和19岁的结果。我们没有估计完全是城市的国家(百慕大、科威特、瑙鲁和新加坡)或完全是农村的国家(托克劳)的农村和城市身高和BMI之间的差异。gydF4y2Ba

我们还发现,城乡BMI差距虽然是动态的,但变化远小于人口中任何一个亚组的BMI,也小于讨论城市在肥胖流行中的作用时通常假设的变化gydF4y2Ba8gydF4y2Ba,gydF4y2Ba10gydF4y2Ba,gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba,gydF4y2Ba15gydF4y2Ba,gydF4y2Ba16gydF4y2Ba.高收入国家的城乡BMI差异尤其小,这与少数国家的证据一致,即饮食和行为更多地受到家庭社会经济地位的影响,而不是儿童和青少年生活在城市还是农村地区gydF4y2Ba29gydF4y2Ba,gydF4y2Ba30.gydF4y2Ba.在东亚和东南亚、拉丁美洲和加勒比、中东和北非的中等收入国家,城市BMI超标的情况略有增加,这一趋势与这些地区成年人BMI趋同的趋势相反gydF4y2Ba21gydF4y2Ba.对非传染性疾病风险因素合作组织(NCD- risc)收集的年轻人(20-29岁和30-39岁)数据的进一步分析表明,城市和农村地区BMI从小的发散趋势向收敛趋势的转变发生在青年成年期(扩展数据图)。gydF4y2Ba6gydF4y2Ba和gydF4y2Ba7gydF4y2Ba),在此期间,人口亚组之间的体重增加幅度很大,但变化不定gydF4y2Ba31gydF4y2Ba.这些从青春期到青年期的趋势变化可能是饮食和能量消耗变化的结果,这些变化伴随着家庭结构、社会和经济角色以及生活环境的变化gydF4y2Ba32gydF4y2Ba,gydF4y2Ba33gydF4y2Ba,gydF4y2Ba34gydF4y2Ba.gydF4y2Ba

长期随访研究表明,如果儿童和青少年没有摄入足够和多样化的营养食物,或者如果他们遭受反复或持续的感染,从而导致营养流失,他们就无法发挥身高潜力gydF4y2Ba2gydF4y2Ba.使用家庭社会经济和环境因素数据的研究表明,这些身高的生理决定因素本身受到农村和城市地区收入、教育、生活环境质量和获得医疗保健的机会的影响gydF4y2Ba35gydF4y2Ba.这一证据表明,高收入国家的城乡身高差异相对较小,可能是由于营养食品(包括一些强化食品)更为丰富、教育和医疗保健更好、以及为促进人均收入更高和基础设施更好的国家健康增长的方案提供资金的能力更强。这些国家的城乡身高差距之所以在这么小的范围内存在差异,可能是由于社会经济不平等和贫困的程度、城市和农村地区营养食品的可得性和成本的差异,以及是否存在改善弱势群体营养的具体方案(例如粮食援助或学校供餐方案)gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba36gydF4y2Ba,gydF4y2Ba37gydF4y2Ba.在中等收入国家和新兴经济体,城市和农村地区的身高变化更为显著。对生活在农村和城市地区的儿童和青少年身高趋同的一些国家进行的个案研究表明,趋同的部分原因是将国民收入的增长用于有助于缩小不同地区和社会群体之间营养、卫生和保健差距的方案和服务gydF4y2Ba38gydF4y2Ba,gydF4y2Ba39gydF4y2Ba,gydF4y2Ba40gydF4y2Ba.在中欧和东欧国家,向市场经济的过渡和贸易的增加可能缩小了城市和农村地区在获得健康食品和季节性方面的差距gydF4y2Ba41gydF4y2Ba这在一定程度上解释了我们在研究结果中看到的身高趋同现象。相比之下,一些国家的个案研究表明,在经济增长的同时,收入、营养和(或)服务方面存在严重不平等的地方,城市的优势仍然存在gydF4y2Ba42gydF4y2Ba,gydF4y2Ba43gydF4y2Ba,gydF4y2Ba44gydF4y2Ba.gydF4y2Ba

全球趋势中值得注意的例外是撒哈拉以南非洲,农村地区身高增长的停滞或逆转导致城乡身高差异的持续或扩大,而BMI的情况正好相反。gydF4y2Ba7gydF4y2Ba)。对具体国家的个案研究表明,世界上大多数最贫穷的人生活的非洲农村营养方面的不利趋势是从二十世纪后期的宏观经济冲击开始的gydF4y2Ba45gydF4y2Ba以及随后的农业、贸易和发展政策限制了收入和服务的改善,并强调农业出口高于当地粮食安全和多样性gydF4y2Ba45gydF4y2Ba.这些宏观经济因素反过来又导致饮食多样性减少,热量摄入增加,而不是转向富含蛋白质和营养丰富的食物(例如,动物产品、海鲜、水果和蔬菜)。gydF4y2Ba46gydF4y2Ba,gydF4y2Ba47gydF4y2Ba,gydF4y2Ba48gydF4y2Ba.此外,农村地区基础设施和服务扩张缓慢,限制了健康增长的其他决定因素,如清洁水、环境卫生和保健的改善gydF4y2Ba49gydF4y2Ba.gydF4y2Ba

在观察到的身高和身体质量指数趋势及其在农村和城市地区的差异中,其他几个因素可能起着次要作用。首先,儿童期体重增加可能会降低青春期开始的年龄,这反过来可能会限制青春期的身高增加gydF4y2Ba50gydF4y2Ba,gydF4y2Ba51gydF4y2Ba.目前没有关于月经初潮年龄和青春期生长时间的可比全球数据,即使在国家一级也是如此。第二,随着农村地区的发展和工业化,农村向城市的移徙和以前农村地区向城市的重新分类可能是观察到的人口水平趋势的一些原因。然而,在大多数国家,移徙在儿童和青少年时期往往不如在成年期那么普遍。最后,农村地区5岁以下儿童,特别是低出生体重儿童存活率的提高,可能影响到5岁以上儿童的身高和体重。然而,目前关于撒哈拉以南非洲农村和城市地区儿童生存变化的数据有限,无法确定农村和城市地区的死亡率下降得更快gydF4y2Ba52gydF4y2Ba,gydF4y2Ba53gydF4y2Ba.gydF4y2Ba

随着全球卫生的注意力转向儿童和青少年,有必要考虑和评价影响家庭收入和贫困的社会和经济政策以及影响农村和城市地区营养、保健服务、基础设施和生活环境的方案如何影响这些形成年龄阶段的生长和发展。由于2019冠状病毒病大流行和乌克兰战争造成的宏观经济变化导致贫困和粮食成本增加,特别是营养丰富的粮食成本增加,这可能阻碍进一步取得成果,甚至阻碍儿童和青少年的健康生长和发育,因此,确定、实施和评估改善增长和发展成果的政策和方案的必要性尤为重要。gydF4y2Ba

方法gydF4y2Ba

我们估计了1990年至2020年期间5-19岁儿童和青少年按农村和城市居住地的平均身高和BMI趋势,这些国家和地区列在补充表中gydF4y2Ba1gydF4y2Ba.在贝叶斯元回归中,我们汇总了重复的基于人口的身高和BMI的横断面数据。我们的结果代表了每个国家的农村和城市环境中同龄儿童和青少年随时间(即连续队列)的身高和BMI的估计值。gydF4y2Ba

数据源gydF4y2Ba

我们使用了NCD-RisC整理的心脏代谢危险因素数据库。数据来自可公开获得的多国和国家计量调查,例如人口与健康调查(DHS)、世卫组织逐步监测方法调查(STEPS)以及通过大学间政治和社会研究联盟、联合王国数据服务和欧洲健康访谈和健康检查调查数据库确定的调查。在世卫组织及其区域和国家办事处以及世界心脏联合会的帮助下,我们从国家卫生和统计机构确定并获取了基于人口的调查数据。我们检索并回顾了之前详细介绍的已发表的研究gydF4y2Ba54gydF4y2Ba并邀请符合条件的研究加入NCD-RisC,就像我们对早期心脏代谢危险因素汇总分析的数据持有者所做的那样gydF4y2Ba55gydF4y2Ba,gydF4y2Ba56gydF4y2Ba,gydF4y2Ba57gydF4y2Ba,gydF4y2Ba58gydF4y2Ba.通过上述所有途径,并通过定期要求非传染性疾病- risc成员建议其国家的其他来源,不断更新非传染性疾病- risc数据库。gydF4y2Ba

我们仔细检查了每个数据源是否符合我们的纳入标准,如下所示。首先通过比较来自同一国家和年份的研究来确定潜在的重复数据源,然后与NCD-RisC成员进行核对,这些成员提供了关于来自同一国家和年份、具有相似样本的数据源是否相同或不同的数据。如果两个来源被确认为重复,则丢弃一个。还定期要求所有非传染病- risc成员审查其国家来源清单,以核实所列入的数据符合纳入标准并且没有重复。gydF4y2Ba

对于每个数据源,我们记录了研究人群、抽样方法、测量年份和测量方法。只包括具有总体代表性的数据。对所有数据来源进行评估的标准是,它们是否覆盖了整个国家、一个或多个国家以下区域(即一个或多个省或州、三个以上城市或五个以上农村社区),或一个或少数社区(地理范围有限,不符合上述国家或国家以下标准),以及是否包括农村、城市或两个地区的参与者。如统计模型部分所述,这些研究水平属性在贝叶斯分层模型中使用,根据国家、年份、性别、年龄和居住地的所有可用数据估计平均身高和BMI,同时考虑到不同研究抽样的人群的差异。所有提交的数据都由至少两名独立人员检查。与NCD-RisC成员讨论了问题和澄清,并在数据纳入数据库之前解决了问题。gydF4y2Ba

根据通用协议重新分析NCD-RisC数据库中研究的匿名个人数据。我们按性别、5至19岁的单年年龄和农村或城市居住地计算了平均身高和平均BMI,以及相关的标准误差。此外,对于身高的分析,年龄在20-30岁的参与者被包括在内,分配到他们相应的出生队列,因为这些年龄段的平均身高至少是他们19岁时的身高,因为身高随年龄增长的下降始于生命的第三和第四个十年gydF4y2Ba59gydF4y2Ba.在计算汇总统计数据时,所有分析都采用了样本权重和复杂的调查设计。对于使用简单随机抽样的研究,我们将平均值计算为组内所有个体的平均值和相关的标准误差(标准差除以样本量的平方根);对于使用多阶段(分层)抽样的研究,我们考虑了调查设计特征,包括聚类、分层和样本权重,通过泰勒系列线性化,通过逆抽样概率和估计标准误差对每个观测值进行加权,如R ' survey '包中实现的那样gydF4y2Ba60gydF4y2Ba.计算机代码已提供给请求协助的非传染性疾病- risc成员。对于没有居住地信息的调查,我们计算了整个样本按年龄和性别分层的汇总统计,这代表了人口加权的农村和城市平均数的总和;关于城市和农村地区人口比例的数据来自联合国人口司gydF4y2Ba61gydF4y2Ba.gydF4y2Ba

此外,从已发表的报告中摘录了来自已确定但未通过上述途径访问的来源的具有全国代表性的数据的摘要统计数据。还提取了两项STEPS调查的数据,这些数据未公开。我们还纳入了先前全球数据汇集研究的数据gydF4y2Ba58gydF4y2Ba,当不通过上述路由访问时。gydF4y2Ba

数据的纳入和排除gydF4y2Ba

如果符合以下标准,数据源将被纳入NCD-RisC身高和体重数据库:身高和体重的测量数据可用;研究参与者年龄在5岁或以上;数据采集采用概率采样方法,具有定义的采样帧;数据来自上述定义的国家、国家以下或社区一级的人口样本;数据来自补充表中所列的国家和地区gydF4y2Ba1gydF4y2Ba.gydF4y2Ba

我们排除了所有仅基于自我报告的体重和身高而不含测量成分的数据源,因为这些数据受地理、时间、年龄、性别和社会经济特征的影响而存在偏差gydF4y2Ba62gydF4y2Ba,gydF4y2Ba63gydF4y2Ba,gydF4y2Ba64gydF4y2Ba.由于这些差异,纠正自我报告数据的方法可能会留下残留偏差。我们还排除了人体测量状况可能与一般人群有系统差异的人群亚组的数据来源,包括以下研究:根据健康状况或心血管风险纳入或排除人群的研究;只有少数民族参与者的研究;特定的教育、职业或社会经济亚群体(除下文所述的例外情况);通过保健设施征聘的人员(下文列出的例外情况除外);年龄在15-19岁之间的女性调查对象仅为已婚女性,或仅在已为人母的女性中测量身高和体重。gydF4y2Ba

我们在入学率达到70%或更高的国家和年龄性别群体中使用基于学校的数据。我们使用的数据抽样框架是至少有80%的人口投保的国家的医疗保险计划。最后,我们使用了通过高收入和中欧国家的全科医疗和初级保健系统收集的数据,因为与初级保健系统的接触往往与基于人口的调查的回复率一样好,甚至更好。gydF4y2Ba

我们排除了年龄<18岁且数据未按年龄报告的参与者(<0.01%的所有参与者),因为身高和体重在这些年龄段可能具有非线性年龄关联,特别是在生长高峰期。我们排除了测量时怀孕女性的BMI数据(所有参与者中<0.01%)。我们排除了所有记录身高<0.2%的参与者:小于60厘米或小于180厘米,年龄小于10岁;小于80厘米或小于200厘米,年龄10-14岁;年龄≥15岁< 100cm或> 250cm,或体重记录:年龄<10岁< 5kg或> 90kg;10-14岁儿童体重小于8公斤或体重小于150公斤;年龄≥15岁者<12 kg或体重≥300 kg,或BMI <6 kggydF4y2Ba2gydF4y2Ba或者> 40kg mgydF4y2Ba2gydF4y2Ba年龄<10岁;< 8kg mgydF4y2Ba2gydF4y2Ba或者> 60kg mgydF4y2Ba2gydF4y2Ba适合10-14岁儿童;< 10kg mgydF4y2Ba2gydF4y2Ba或者> 80kg mgydF4y2Ba2gydF4y2Ba年龄≥15岁。gydF4y2Ba

BMI流行指标到平均BMI的转换gydF4y2Ba

在0.5%的数据点中,主要是从已发表的报告或以前的池化分析中提取的gydF4y2Ba58gydF4y2Ba,平均BMI没有报告,但有一种或多种BMI类别的患病率数据,例如BMI≥30 kg mgydF4y2Ba2gydF4y2Ba.为了使用这些数据,我们使用了以前验证过的转换回归gydF4y2Ba65gydF4y2Ba从现有的BMI患病率指标中估计缺失的主要结局。关于回归模型规范的其他详细信息以及回归系数报告于gydF4y2Bahttps://github.com/NCD-RisC/ncdrisc-methods/gydF4y2Ba.gydF4y2Ba

统计模型概述gydF4y2Ba

利用上述数据,我们采用贝叶斯分层元回归模型按国家、年份、性别、年龄和居住地估算平均身高和BMI。为了便于介绍,我们通过年龄标准化,总结了15个特定年龄的估计,针对5至19岁的单个年龄,将每个国家/年的儿童和青少年人口置于相同的年龄分布,从而可以进行跨时间和跨国家的比较。我们使用来自世卫组织标准人群的年龄权重,对特定年龄估计值进行加权,得出年龄标准化估计值gydF4y2Ba66gydF4y2Ba.我们还以图形和数字方式显示了5岁、10岁、15岁和19岁的指数年龄gydF4y2Ba补充信息gydF4y2Ba.gydF4y2Ba

统计文献对该统计模型进行了详细的描述gydF4y2Ba67gydF4y2Ba,gydF4y2Ba68gydF4y2Ba、相关实质性文件gydF4y2Ba7gydF4y2Ba,gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba21gydF4y2Ba,gydF4y2Ba55gydF4y2Ba,gydF4y2Ba56gydF4y2Ba,gydF4y2Ba57gydF4y2Ba,gydF4y2Ba58gydF4y2Ba,gydF4y2Ba65gydF4y2Ba,gydF4y2Ba69gydF4y2Ba在下面的模型规范部分中。总而言之,该模型具有层次结构,其中每个国家和年份的估计数是根据其本身的数据(如果有的话)以及同一国家其他年份的数据和其他国家,特别是同一区域和超级区域的其他国家的数据提供的,这些数据具有类似时期的数据。每个国家-年份的估计数在多大程度上受到其他年份和其他国家数据的影响,取决于该国是否有数据、数据的样本量、数据是否为国家数据,以及现有数据在国家内部和区域内的可变性。为了分层分析的目的,国家和领土被分为21个区域,主要是根据地理和国民收入gydF4y2Ba1gydF4y2Ba)。区域又被组织成九个超级区域。gydF4y2Ba

我们使用观察年即数据收集年份作为BMI分析的时间尺度,使用出生年份作为身高分析的时间尺度,与之前的分析一致gydF4y2Ba7gydF4y2Ba,gydF4y2Ba65gydF4y2Ba,gydF4y2Ba70gydF4y2Ba.时间趋势是通过线性项的组合来建模的,以捕捉逐渐的长期变化,而二阶随机游走则允许非线性趋势gydF4y2Ba71gydF4y2Ba,两者都是分层建模的。身高和BMI的年龄关系采用三次样条建模,允许随年龄的非线性变化,包括快速和缓慢上升的时期。快速增长的时期代表青春期的生长突增,女孩比男孩发生得早gydF4y2Ba72gydF4y2Ba,gydF4y2Ba73gydF4y2Ba,gydF4y2Ba74gydF4y2Ba,分别反映在男孩和女孩的样条结的位置上,详见模型规格部分。样条系数允许在不同国家之间变化,根据他们自己的数据以及由分层结构指定的来自其他国家的数据,如前所述gydF4y2Ba69gydF4y2Ba.gydF4y2Ba

该模型还考虑了以下可能性:次国家和社区样本中的身高或BMI可能与全国代表性样本存在系统性差异,并且比全国研究中的差异更大。这些特征是通过纳入国家以下和社区数据的固定效应和随机效应术语来解释的,详见下文模型规范部分。固定效应解释了地方或社区研究与国家研究之间的系统差异。纳入随机效应使国家数据比样本量相似的次国家或社区数据对估计数的影响更大,因为次国家和社区数据与随机效应项有额外的差异。两者都是作为模型拟合的一部分进行经验估计的。gydF4y2Ba

遵循以前论文的方法gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba21gydF4y2Ba,gydF4y2Ba67gydF4y2Ba,该模型包括代表城乡身高或BMI差异的参数,这些参数是经验估计的,并允许因国家和年份而变化。我们进一步扩展了模型,允许城乡身高或BMI差异随年龄变化,因为农村和城市地区儿童的身高或体重随年龄变化可能不同。如果一个国家-年年龄组的数据包含生活在城市和农村地区的混合儿童,但没有按居住地分层(占所有数据源的21%),则估计的身高或BMI差异可通过来自其他年龄组、年份和国家的分层数据,特别是来自同一地区、具有类似时间段和/或年龄数据的数据来了解。gydF4y2Ba

统计模型规范gydF4y2Ba

如前所述,对于每个数据源,我们计算了平均身高和BMI,以及相应的标准误差,按性别、年龄和农村或城市居住地分层。对于没有按居住地对样本进行分层的来源,我们获得了按年龄和性别分层的数据。每项研究为每个性别提供了多达30个平均BMI数据点或32个平均身高数据点,具体数字取决于研究中有多少个年龄组,以及研究是否提供了城市和农村居住地的分层数据。在城市化水平上观察的可能性gydF4y2Ba年代gydF4y2Ba(仅城市,仅农村或混合;以下简称阶层)和年龄组gydF4y2BahgydF4y2Ba随着年龄的增长gydF4y2BazgydF4y2BahgydF4y2Ba,来自研究gydF4y2Ba我gydF4y2Ba,在农村进行gydF4y2BajgydF4y2Ba在时间gydF4y2BatgydF4y2Ba如下:gydF4y2Ba

c数组$ $ \开始{}{}{y} _{年代,h,我}\ sim N({一}_ {j[我]}+ {b} _ {j[我]}{t} _{我}+{你}_ {j[我]{t} _{我}}+{\伽马}_{我}({z} _ {h}) + {{\ boldsymbol {X}}} _ {{\ boldsymbol{我}}}\,{\ boldsymbol{\β}}+ {e} _{我 }\\ \,\,+{ 我}_{年代,我}({p} _ {j[我]}+ {q} _ {j[我]}{t} _{我}+ {r} _ {j[我]}{z} _ {h} + {d} _{我},{{\ rm{年代}}{rm \ d{}}} _{年代,h,我}^ {2}/ {n} _{年代,h,我}+ \{\τ}^{2}),\{数组}$ $gydF4y2Ba

从哪个国家的特定截距和线性时间斜率gydF4y2BajgydF4y2Ba国家(gydF4y2BajgydF4y2Ba= 1…gydF4y2BaJgydF4y2Ba,在那里gydF4y2BaJgydF4y2Ba= 200,这是我们分析中国家的总数)gydF4y2Ba\ ({} _ {j} \)gydF4y2Ba和gydF4y2Ba\ ({b} _ {j} \)gydF4y2Ba,分别。的层次结构模型gydF4y2Ba\ ({} ^ {{\ '}} \)gydF4y2Ba年代和gydF4y2Ba\ ({b} ^ {{\ '}} \)gydF4y2Ba见“国家时间趋势的线性组成部分”一节。让gydF4y2BaTgydF4y2Ba= 31为1990年至2020年的总年数gydF4y2BaTgydF4y2Ba向量的长度gydF4y2Ba\({你}_ {j} \)gydF4y2Ba捕捉平滑非线性随时间变化的国家gydF4y2BajgydF4y2Ba,如“非线性变化”一节所述。年龄的影响gydF4y2BahgydF4y2Ba这个年龄组(随年龄增长)gydF4y2Ba\ ({z} _ {h} \)gydF4y2Ba在研究中gydF4y2Ba我\ \ ()gydF4y2Ba表示为gydF4y2Ba我\({\伽马}_ {}\)gydF4y2Ba;我们在“年龄模型”一节中描述了年龄模型。矩阵gydF4y2Ba\ ({\ boldsymbol {X}} \)gydF4y2Ba包含描述研究在国家、国家以下或社区一级是否具有代表性的术语。此外,随机效应,gydF4y2Ba\ ({e} _{我}\)gydF4y2Ba,在“研究水平术语和研究特定随机效应”一节中描述。gydF4y2Ba

国家时间趋势的线性成分gydF4y2Ba

该模型具有层次结构,即研究嵌套在国家中,研究嵌套在地区中(通过索引)gydF4y2BakgydF4y2Ba),它们嵌套在超级区域中(由gydF4y2BalgydF4y2Ba),它们都嵌套在球体中(参见补充表)gydF4y2Ba1gydF4y2Ba获取每个区域的国家和地区列表,以及每个超级区域的区域列表)。当数据不存在或信息较弱时(例如,样本量小或不具有全国代表性),以及在数据丰富的国家和地区,这种结构允许模型在更大程度上跨单位共享信息gydF4y2Ba75gydF4y2Ba.gydF4y2Ba

的gydF4y2Ba\ \ ()gydF4y2Ba和gydF4y2Ba\ (b \)gydF4y2Ba术语是特定国家的线性截距和时间斜率,每个层次都有术语,用上标表示gydF4y2BacgydF4y2Ba,gydF4y2BargydF4y2Ba,gydF4y2Ba年代gydF4y2Ba和gydF4y2BaggydF4y2Ba分别为:gydF4y2Ba

$ ${数组}{1}\ \开始,{一}_ {j} ={一}_ {j} ^ {c} +{一}_ {k [j \]} ^ {r} +{一}_ {l [k]} ^{年代}+{一}^ {{\ rm {g }}},\\ \,{ b} _ {j} = {b} _ {j} ^ {c} + {b} _ {k [j \]} ^ {r} + {b} _ {l [k]} ^{年代}+ {b} ^ {{\ rm {g}}}, \ \{一}_ {j} ^ {x} \ sim N (0, {\ kappa} _{一}^ {x}), \ \ {b} _ {j} ^ {x} \ sim N (0, {\ kappa} _ {b} ^ {x}), \{数组}$ $gydF4y2Ba

在哪里gydF4y2BaxgydF4y2Ba= {gydF4y2BacgydF4y2Ba,gydF4y2BargydF4y2Ba,gydF4y2Ba年代gydF4y2Ba}。gydF4y2Ba

的gydF4y2Ba\ (\ kappa \)gydF4y2Ba每个术语在sd量表上被分配一个平坦的先验gydF4y2Ba76gydF4y2Ba.我们还分配了平先验gydF4y2Ba\ ({} ^ {{\ rm {g}}} \)gydF4y2Ba和gydF4y2Ba\ ({b} ^ {{\ rm {g}}} \)gydF4y2Ba.gydF4y2Ba

非线性变化gydF4y2Ba

平均BMI或身高可能随时间呈非线性变化gydF4y2Ba7gydF4y2Ba,gydF4y2Ba54gydF4y2Ba,gydF4y2Ba58gydF4y2Ba,gydF4y2Ba65gydF4y2Ba,gydF4y2Ba70gydF4y2Ba.我们捕获了农村城乡地层的光滑非线性时间变化gydF4y2BajgydF4y2Ba使用向量gydF4y2Ba\({你}_ {j} \)gydF4y2Ba.就像gydF4y2Ba\ ({} _ {j} \)gydF4y2Ba和gydF4y2Ba\ ({b} _ {j} \)gydF4y2Ba每一个都被定义为国家、地区、超级地区和全球组成部分的总和吗gydF4y2Ba

$ ${你}_ {j} ={你}_ {j} ^ {c} +{你}_ {k [j \]} ^ {r} +{你}_ {l [k]} ^{年代}+{你}^ {{\ rm {g}}}。$ $gydF4y2Ba

为了使模型能够区分存在于国家、地区、超级地区和全球层面的非线性程度,我们分配了每个非线性程度的四个组成部分gydF4y2Ba\ (u \)gydF4y2Ba高斯自回归先验gydF4y2Ba71gydF4y2Ba,gydF4y2Ba77gydF4y2Ba.特别是,gydF4y2Ba\ \ (T)gydF4y2Ba向量gydF4y2Ba\({你}_ {j} ^ {c} \)gydF4y2Ba(gydF4y2BajgydF4y2Ba= 1…gydF4y2BaJgydF4y2Ba),gydF4y2Ba\({你}_ {k} ^ {r} \)gydF4y2Ba(gydF4y2BakgydF4y2Ba= 1…gydF4y2BaKgydF4y2Ba),gydF4y2Ba\({你}_ {l} ^{年代}\)gydF4y2Ba(gydF4y2BalgydF4y2Ba= 1…gydF4y2BalgydF4y2Ba),gydF4y2Ba\({你}^ {{\ rm {g}}} \)gydF4y2Ba每个都有一个正态先验,平均为零,精度为零gydF4y2Ba\({\λ}_ {{\ rm {c}}} \页)gydF4y2Ba,gydF4y2Ba\({\λ}_ {{\ rm {r}}} \页)gydF4y2Ba,gydF4y2Ba\({\λ}_ {{\ rm{年代}}}\页)gydF4y2Ba和gydF4y2Ba\({\λ}_ {{\ rm {g}}} \页)gydF4y2Ba,其中,缩放精度矩阵gydF4y2Ba\ (P \)gydF4y2Ba在高斯自回归先验中,对第一次和第二次差异的惩罚如下:gydF4y2Ba

$ $ \ P{数组}{c} \开始,= \[\{数组}{ccccc} \开始,1 & \ 0 & \ 0 & \ \ cdots & \ 0 \ \ 2 & \ 1 & \ 0 & \ \ cdots & \ 0 \ \ \ 1 & 2 & \ 1 & \ \ cdots & \ 0 \ \ \ 0 & \ 1 & 2 & \ \ cdots & \ 0 \ \ \ 0 & \ 0 & \ 1 & \ \ cdots & \ 0 \ \ \ \ vdots & \ \ vdots & \ \ vdots & \ \ ddots & \ \ vdots \ \ \ 0 & \ 0 & \ 0 & \ \ cdots & \ 1 \{数组}结束]\,[\{数组}{ccccccc} \开始,1 & 2 & \ 1 & \ 0 & \ 0 & \ \ cdots & \ 0 \ \ \ 0 & \ 1 & 2 & \ 1 & \ 0 & \ \ cdots & \ 0 \ \ \ 0 & \ 0 & \ 1 & 2 & \ 1 & \ \ cdots & \ 0 \ \ \ \ vdots & \ \ vdots& \ \ vdots & \ \ vdots & \ \ vdots & \ \ ddots & \ \ vdots \ \ \ 0 & \ 0 & \ 0 & \ 0 & \ 0 & \ \ cdots & \ 1 \{数组 }]\\ \,=\,[\ {数组}{ccccccc} \开始,1 & 2 & \ 1 & \ 0 & \ 0 & \ \ cdots & \ 0 \ \ 2 & \ 5 & 4 & \ 1 & \ 0 & \ \ cdots & \ 0 \ \ \ 1 & 4 & \ 6 & 4 & \ 1 & \ \ cdots & \ 0 \ \ \ 0 & \ 1 & 4 & \ 6 & 4 & \ \ cdots & \ 0 \ \ \ 0 & \ 0 & \ 1 & 4 & \ 6 & \ \ cdots & \ 0 \ \ \ \ vdots & \ \ vdots & \ \ vdots & \ \ vdots & \ \ vdots & \ \ ddots & \ \ vdots \ \ \ 0 & \ 0 & \ 0 & \ 0 & \ 0 & \ \ cdots &\ 1 \{数组}]。\{数组}$ $gydF4y2Ba

PgydF4y2Ba乘以估计的精度参数gydF4y2Ba\({\λ}_ {{\ rm {c}}} \)gydF4y2Ba,gydF4y2Ba\({\λ}_ {{\ rm {r}}} \)gydF4y2Ba,gydF4y2Ba\({\λ}_ {{\ rm{年代}}}\)gydF4y2Ba和gydF4y2Ba\({\λ}_ {{\ rm {g}}} \)gydF4y2Ba,从而提高或降低其惩罚的强度,并最终决定每个级别的平滑程度。对于四个精度参数中的每一个,我们在sd尺度上使用截断的平坦先验(gydF4y2Ba\(1/\surd \lambda \)gydF4y2Ba)gydF4y2Ba76gydF4y2Ba.我们将这些先验截断,得到loggydF4y2Ba\λ(\ \)gydF4y2Ba每个≤20gydF4y2Ba\({\lambda}^{{\prime}}s\)gydF4y2Ba.这个上界是为了计算方便而强制执行的,因此使用log模型gydF4y2Ba\λ(\ \)gydF4y2Ba> 20被视为等同于具有log的模型gydF4y2Ba\λ(\ \)gydF4y2Ba= 20,因为它们在时间上基本上没有线性外变异性。在实践中,这个上界对参数估计的影响很小。此外,我们订购了gydF4y2Ba\({\lambda}^{{\prime}}s\)gydF4y2Ba先验如下:gydF4y2Ba\({\λ}_ {{\ rm {c}}} \)gydF4y2Ba\({\λ}_ {{\ rm {r}}} \)gydF4y2Ba\({\λ}_ {{\ rm{年代}}}\)gydF4y2Ba\({\λ}_ {{\ rm {g}}} \)gydF4y2Ba.这种先验约束传达了一种自然的期望,例如,全球身高或BMI趋势的线性外变异性比任何给定区域的趋势都要小,而任何给定区域的变异性又比组成国家的变异性要小。gydF4y2Ba

矩阵gydF4y2Ba\ (P \)gydF4y2Ba有排名gydF4y2Ba\ \ (T)gydF4y2Ba−2,对应于平均值和斜率上的一个平坦的、不适当的先验gydF4y2Ba\({你}_ {j} ^ {{\ rm {c}}} \)gydF4y2Ba的年代,gydF4y2Ba\({你}_ {k} ^ {{\ rm {r}}} \)gydF4y2Ba’s and thegydF4y2Ba\({你}_ {l} ^ {{\ rm{年代}}}\)gydF4y2Ba的年代,gydF4y2Ba\({你}^ {{\ rm {g}}} \)gydF4y2Ba,并且不可逆gydF4y2Ba78gydF4y2Ba.因此,我们在降维空间中有一个适当的先验gydF4y2Ba71gydF4y2Ba,其中先验表示为:gydF4y2Ba

$ $ P({你}_ {j} ^ {{\ rm {c}}} |{\λ}_ {{\ rm {c}}}) \ propto{\λ}_ {{\ rm {c}}} ^{\压裂{2}{2}}\ exp \左\{- \压裂{{\λ}_ {{\ rm {c}}}}{2}{你}_ {j} ^ {{\ rm {c}} {\ '}} P{你}_ {j} ^ {{\ rm {c}}} \右\}。$ $gydF4y2Ba

注意,如果gydF4y2Ba\({你}_ {j} ^ {{\ rm {c}}} \)gydF4y2Ba有一个非零的平均值,这将引入关于的不可识别性gydF4y2Ba\ ({} _ {j} ^ {{\ rm {c}}} \)gydF4y2Ba.同样的道理,gydF4y2Ba\ ({b} _ {j} ^ {{\ rm {c}}} \)gydF4y2Ba会不会是可识别的gydF4y2Ba\({你}_ {j} \)gydF4y2Ba非零时间斜率,其他均值和斜率也是一样。从而,实现了可识别性gydF4y2Ba\ ({} ^ {{\ '}} \)gydF4y2Ba,gydF4y2Ba\ ({b} ^ {{\ '}} \)gydF4y2Ba,gydF4y2Ba\({你}^ {{\ '}}{\ rm s} {} \)gydF4y2Ba的均值和斜率gydF4y2Ba\({你}^ {{\ rm {g}}} \)gydF4y2Ba每一个gydF4y2Ba\({你}^ {{\ rm{年代}}}\)gydF4y2Ba,gydF4y2Ba\({你}^ {{\ rm {r}}} \)gydF4y2Ba和gydF4y2Ba\({你}^ {{\ rm {c}}} \)gydF4y2Ba等于零。时间趋势的线性部分和非线性部分之间的正交性意味着每个部分都可以独立解释。gydF4y2Ba

对于我们至少有两个不同时间点的观测值的情况,这种不当的先验不会导致不当的后验,因为数据将提供有关平均值和斜率的信息。为了在模型的线性部分和非线性部分之间强制执行所需的正交性,我们约束了的平均值和斜率gydF4y2Ba\({你}_ {j} ^ {{\ rm {c}}} \)gydF4y2Ba的年代,gydF4y2Ba\({你}_ {k} ^ {{\ rm {r}}} \)gydF4y2Ba的年代,gydF4y2Ba\({你}_ {l} ^ {{\ rm{年代}}}\)gydF4y2Ba的和的gydF4y2Ba\({你}^ {{\ rm {g}}} \)gydF4y2Ba等于零gydF4y2Ba71gydF4y2Ba.gydF4y2Ba

对于没有身高数据的6个国家和没有BMI数据的7个国家,我们采用Moore-Penrose伪逆gydF4y2BaPgydF4y2Ba79gydF4y2Ba,将那些对应于不可辨识性的特征值设为无穷。这有效地将模型的未识别部分约束为零,因为相应的方差被设置为零gydF4y2Ba77gydF4y2Ba;在这种情况下,是Rue和Held修正gydF4y2Ba71gydF4y2Ba不需要。当在一个国家仅观察到一个时间点的数据时,出现中间病例。在这种情况下,完整的条件精度具有秩gydF4y2Ba\ (t - 1 \)gydF4y2Ba因为均值而不是线性趋势gydF4y2Ba\({你}_ {j} ^ {{\ rm {c}}} \)gydF4y2Ba是由数据标识的。因此,我们约束了的线性趋势gydF4y2Ba\({你}_ {j} ^ {{\ rm {c}}} \)gydF4y2Ba取全条件精度的广义逆,求零。然后我们约束均值gydF4y2Ba\({你}_ {j} ^ {{\ rm {c}}} \)gydF4y2Ba到零使用一维版本的Rue和Held校正gydF4y2Ba71gydF4y2Ba.gydF4y2Ba

年龄模型gydF4y2Ba

为了捕捉性别特异性的生长模式,特别是青少年的生长突增,我们使用三次样条对年龄进行建模。样条结点的数量和位置是根据生理和统计因素的综合考虑来选择的,如国家一级的分析所述gydF4y2Ba7gydF4y2Ba.年龄组别gydF4y2BahgydF4y2Ba随着年龄的增长gydF4y2BazgydF4y2BahgydF4y2Ba,在学习gydF4y2Ba我gydF4y2Ba,年龄对身高和BMI的影响分别为:gydF4y2Ba

数组$ $ \开始{}{1}{\伽马}_{我}({z} _ {h}) ={\伽马}_{1我}\,{z} _ {h} +{\伽马}_{2我}{z} _ {h} ^{2} +{\伽马}_ {3 i} {z} _ {h} ^{3} +{\伽马}_{我}{{z} _ {h} - {k} _{1})} _{+} ^{3} +{\伽马}_{我}{{z} _ {h} - {k} _{2})} _{+} ^{3} +{\伽马}_{我}{{z} _ {h} - {k} _{3})} _{+} ^{3} +{\伽马}_{我}{{z} _ {h} - {k} _{4})} _{+} ^{3},{数组}\结束美元美元gydF4y2Ba
(高度)gydF4y2Ba
数组$ $ \开始{}{1}{\伽马}_{我}({z} _ {h}) ={\伽马}_{1我}\,{z} _ {h} +{\伽马}_{2我}{z} _ {h} ^{2} +{\伽马}_ {3 i} {z} _ {h} ^{3} +{\伽马}_{我}{{z} _ {h} - {k} _{1})} _{+} ^{3} +{\伽马}_{我}{{z} _ {h} - {k} _{2})} _{+} ^{3}。\{数组}$ $gydF4y2Ba
(BMI)gydF4y2Ba

对于高度,四个样条结点放置在年龄{gydF4y2Ba\ ({k} _ {1}, {k} _ {2}, {k} _ {3}, {k} _ {4} \} \ \)gydF4y2Ba\(\{\ \ \, 8日,10日,12日14 \}\)gydF4y2Ba对于女孩和年龄{gydF4y2Ba\ ({k} _ {1} \)gydF4y2Ba,gydF4y2Ba\ ({k} _ {2}, {k} _ {3}, {k} _{4} \} = \{10、12、14、16 \}\)gydF4y2Ba为男孩。对于BMI,我们使用了两个样条结点(10岁和15岁),因为在人口水平上,BMI随年龄的变化比身高的变化更平滑gydF4y2Ba7gydF4y2Ba,gydF4y2Ba72gydF4y2Ba,gydF4y2Ba73gydF4y2Ba.每个样条系数都允许在不同的国家有所不同,其层次结构如前一篇论文所述gydF4y2Ba69gydF4y2Ba,使用下面的方程,其中gydF4y2Ba\ψ(\ \)gydF4y2Ba是全球拦截,和gydF4y2Ba\ (c r \ {\ rm{和}}\ \)gydF4y2Ba分别为国家、地区和超地区随机截取。的gydF4y2BakgydF4y2Ba研究年龄效应系数gydF4y2Ba我gydF4y2Ba(gydF4y2Ba\({\伽马}_ {k,我}\)gydF4y2Ba)gydF4y2BahgydF4y2Ba随着年龄的增长gydF4y2BazgydF4y2BahgydF4y2Ba,如下所示:gydF4y2Ba

数组$ $ \开始{}{1}{\伽马}_ {k,我}= {\ psi} _ {k} + {c} _ {k, j[我]}+ {r} _ {k, l[我]}+{年代}_ {k、m[我]},\ \ {c} _ {k, j} \ sim N(0,{\σ}_ {k、c} ^ {2}), \ \ {r} _ {k, l} \ sim N(0,{\σ}_ {k, r} ^{2}), \ \{年代}_ {k, l} \ sim N(0,{\σ}_ {k s} ^{2})。\{数组}$ $gydF4y2Ba

一个扁平的不合适的先验被放置在每一个gydF4y2Ba\({{\σ}}_ {k} \)gydF4y2Ba的年代。gydF4y2Ba

研究水平的长期和特定研究的随机效应gydF4y2Ba

由于与抽样、反应或测量相关的因素,个别研究的平均身高或BMI可能偏离真实的国家/年平均值。我们使用了一个研究级别的术语来帮助解释与具有代表性的次国家和社区人口的数据源相关的潜在系统差异。因此,我们的模型包括了这一时期次国家和社区数据的时变补偿(上述称为固定效应)gydF4y2Ba\ ({{\ boldsymbol {X}}} _ {{\ boldsymbol{我}}}{\ boldsymbol{\β}}\)gydF4y2Ba:gydF4y2Ba

数组$ $ \开始{}{1}{{\ boldsymbol {X}}} _ {{\ boldsymbol{我}}}{\ boldsymbol{\β}}={\β}_{1}我\ {{X} _ {t j[我],[我]}^ {{\ rm {cvrg}}} = {\ rm{地方性}}\}+{\β}_{2}我\ {{X} _ {t j[我],[我]}^ {{\ rm {cvrg}}} = {\ rm{地方性}}\}{t} _{我 }\\ \,+\,{\ β}_{3}我\ {{X} _ {t j[我],[我]}^ {{\ rm {cvrg}}} = {\ rm{社区}}\}+{\β}_{4}我\ {{X} _ {t j[我],[我]}^ {{\ rm {cvrg}}} = {\ rm{社区}}\}{t} _{}, \{数组}$ $gydF4y2Ba

在哪里gydF4y2Ba\ ({X} _ {t j \[我\],\[我\]离开}^ {{\ rm {cvrg}}} \)gydF4y2Ba指标是否涵盖研究范围gydF4y2Ba我gydF4y2Ba,在乡下gydF4y2BajgydF4y2Ba和年gydF4y2BatgydF4y2Ba是次国家或社区。gydF4y2Ba

即使在考虑了抽样变异性之后,国家研究可能仍然不能完全准确地反映一个国家的真实平均身高或BMI水平,而次国家和社区研究的变异性甚至更大。在研究gydF4y2Ba我gydF4y2Ba,研究特有的随机效应gydF4y2Ba\ ({e} _{我}\)gydF4y2Ba允许来自同一研究的所有年龄组在对模型中的其他项进行条件反射后具有异常高或异常低的平均值。每一个gydF4y2Ba\ ({e} _{我}\)gydF4y2Ba是否分配了一个正常的先验方差取决于是否研究gydF4y2Ba我gydF4y2Ba在国家、国家以下或社区一级具有代表性。来自国家研究的随机效应受到限制,具有较小的方差(gydF4y2Ba\ ({v} _ {{\ rm {n}}} \)gydF4y2Ba)比地方研究的随机效应(gydF4y2Ba\ ({v} _ {{\ rm{年代}}}\)gydF4y2Ba),而这些研究的差异则比社区研究(gydF4y2Ba\ ({v} _ {{\ rm {c}}} \)gydF4y2Ba)。为了做出国家级的预测,我们设置gydF4y2Ba\ ({e} _{我}= 0 \)gydF4y2Ba,因此不包括由于研究设计和实施的不完善和变化以及国家内部身高或BMI平均值的变化而产生的随机效应。gydF4y2Ba

城乡阶层gydF4y2Ba

为了按城市和农村居住地对平均身高和BMI进行建模,该模型包含了两个阶层的偏移量。偏移量由国家特定截距、线性时间和年龄效应捕获,使用中心指标项(gydF4y2Ba\({我}_{年代,我}\)gydF4y2Ba):gydF4y2Ba

$ ${我}_{年代,我}({p} _ {j[我]}+ {q} _ {j[我]}{t} _{我}+ {r} _ {j[我]}{z} _ {h} + {d} _{我}],美元美元gydF4y2Ba

在哪里gydF4y2Ba\({我}_{年代,我}= 1 + 2 {X} _{年代,我}^ {{\ rm{你}}{\ rm {r}} {\ rm {b}}} \)gydF4y2Ba,gydF4y2Ba

$ $ {X} _{年代,我}^ {{\ rm{市区}}}= \左\{\{数组}{你}1开始,& rm{如果}}{\ \ {\ rm{地层}}\ \,rm{包含}}{\ \,{\ rm{只有}}\,rm城市}{}{\ \,{\ rm{个人}},\ \ 0 & rm{如果}}{\ \ {\ rm{地层}}\,s \ {\ rm{包含}}\,{\ rm{只有}}\,rm{农村}}{\ \,{\ rm{个人}},\ \ {X} _ {t j[我],[我]}^ {{\ rm{市区}}}和{\ rm{如果\;地层}}\,rm s \{\{包含\;一个\;混合物\;\;城市}}\ {\ rm{和}}\,rm{农村}}{\ \,{\ rm{个人}},{数组}\ \端。$ $gydF4y2Ba

换句话说,对于未按居住地分层的数据,该模型将未分层的平均身高或体重指数视为(未观察到的)城市样本平均身高或体重指数与农村样本平均身高或体重指数的加权和,其权重以该国在调查年度居住在城市地区的人口比例(gydF4y2Ba\ ({X} _ {t j \[我\],[我]}^ {{\ rm{市区}}}\)gydF4y2Ba)。gydF4y2Ba

截距(gydF4y2Ba\ (p \)gydF4y2Ba)及坡度(gydF4y2Ba\(问\)gydF4y2Ba)术语反映了国家与国家之间城市和农村人口之间身高或体重指数差异的大小差异,以及这种差异如何随时间变化。斜率(gydF4y2Ba\ (r \)gydF4y2Ba)捕获了不同年龄段的城市和农村人口之间BMI或身高差异的国与国之间的差异。这些拦截的地理层级与国别拦截相同(gydF4y2Ba\ \ ()gydF4y2Ba)及斜坡(gydF4y2Ba\ (b \)gydF4y2Ba),详情如下:gydF4y2Ba

$ ${数组}{1}\ \开始,{p} _ {j} = {p} _ {j} ^ {c} + {p} _ {k [j \]} ^ {r} + {p} _ {l [k]} ^{年代}+ {p} ^ {{\ rm {g }}},\\ \,{ q q} _ {j} = {} _ {j} ^ {c} + {q} _ {k [j \]} ^ {r} + {q} _ {l [k]} ^{年代}+ {q} ^ {{\ rm {g }}},\\ \,{{\ rm {r}}} _ {j} = {r} _ {j} ^ {c} + {r} _ {k [j \]} ^ {r} + {r} _ {l [k]} ^{年代}+ {r} ^ {{\ rm {g}}}, \ \ p {} _ {j} ^ {x} \ sim N (0, {\ kappa} _ {p} ^ {x}), \ \ {q} _ {j} ^ {x} \ sim N (0, {\ kappa} _ {q} ^ {x}), \ \ {r} _ {j} ^ {x} \ sim N (0, {\ kappa} _ {r} ^ {x}), \{数组}$ $gydF4y2Ba

在哪里gydF4y2Ba\ (x = \ {c (r, s \} \)gydF4y2Ba.研究随机效应项gydF4y2Ba我(\ d {} _ {} \)gydF4y2Ba在每项研究中纳入了国家一级城乡差异的偏差,类似于gydF4y2Ba\ ({e} _{我}\)gydF4y2Ba.gydF4y2Ba

剩余年龄研究变异性gydF4y2Ba

某一特定国家内各社区的年龄模式可能不同于该国的总体年龄模式。这种研究内的可变性不能被gydF4y2Ba\ \ (e)gydF4y2Ba术语,在每项研究中,年龄特定的观察结果是相等的,所以我们在每项研究中都加入了一个额外的方差成分,gydF4y2Ba\({\τ}^ {2}\)gydF4y2Ba.gydF4y2Ba

模型实现gydF4y2Ba

所有的分析都是按性别分开进行的,因为年龄、地理和时间模式在女孩和男孩之间的身高和体重指数是不同的gydF4y2Ba7gydF4y2Ba,gydF4y2Ba65gydF4y2Ba.采用马尔可夫链蒙特卡罗(MCMC)方法拟合统计模型。我们从随机生成的过分散的起始值开始运行35个并行MCMC。为了提高计算效率,每个链总共运行了75,000次迭代。在这个数目内,所有链都收敛到相同的目标分布,但由于初始值过于分散,收敛到目标分布所需的老化长度有所不同。在运行完成后,我们使用跟踪图来监视收敛,并选择在35,000次迭代中完成老化的链。结果是男孩的体重指数为16链,女孩为17链,男孩为14链,女孩为16链。在每一个这些链中,通过保持每10次迭代来减少老化后的迭代,然后将所有链结合起来,并进一步减少到最终的5000次模型参数估计。我们使用模型参数的后验分布得到我们的结果的后验分布:城乡平均身高和BMI,以及城乡平均身高和BMI的差异。对5岁至19岁的1岁年龄组以及年龄标准化结果按年进行后验估计。 The reported Crls represent the 2.5th and the 97.5th percentiles of the posterior distributions. We also report the posterior s.d. of estimates, and PP that the estimated change in height or BMI in rural or urban areas, and in the urban–rural height or BMI difference over time, represents a true increase or decrease.

使用R-hat诊断的报告年龄(5岁、10岁、15岁、19岁和年龄标准化)和年龄(1990年和2020年)的国家性别特异性后验结果(即城市平均身高和BMI、农村平均身高和BMI以及城乡平均身高和BMI的差异)得到收敛性证实gydF4y2Ba80gydF4y2Ba,gydF4y2Ba81gydF4y2Ba.对于身高,报告年龄和年龄的r -hat的第2.5到97.5%为女孩0.999-1.010,男孩0.999-1.004。对于身体质量指数,女孩的r -帽的第2.5到97.5百分位数为0.999-1.004,男孩为0.999-1.005。gydF4y2Ba

我们应用了池邻接违法者算法,这是一种单调回归,它使用基于最小二乘的迭代算法将自由形式的线拟合到一系列观测值中,从而使拟合线不减小gydF4y2Ba82gydF4y2Ba,gydF4y2Ba83gydF4y2Ba的后验身高估计,以确保每个出生队列的身高随年龄单调增加。实际上,这对结果几乎没有影响,男孩和女孩在19岁时的身高平均调整为0.26厘米或更少。所有分析均使用统计软件R (v.4.1.2)进行。gydF4y2Ba84gydF4y2Ba.gydF4y2Ba

优势与局限gydF4y2Ba

我们的研究的一个重要优势是其新颖的范围,提出了学龄儿童和青少年中城乡身高和BMI的一致和可比较的估计,这对于制定和评估旨在改善这些形成年龄的健康的政策至关重要。我们使用了大量基于人口的研究,这些研究来自194个国家和地区,覆盖了世界上99%的人口。通过对照纳入和排除标准反复检查研究特征,我们保持了高水平的数据质量和代表性,并且没有使用任何自我报告的数据以避免身高和体重的偏倚。数据根据一致的协议进行分析,来自每个国家的数据的特征和质量通过NCD-RisC成员的反复检查进行严格验证。我们使用了一个统计模型,该模型使用了所有可用的数据,并通过非线性时间趋势和年龄关联考虑了儿童和青少年时期身高和BMI的流行病学特征。该模型利用现有的城乡身高和BMI差异信息,对所有国家和地区的年龄和时间变化的城乡差异进行了分层估计。gydF4y2Ba

尽管我们为识别和获取数据做出了广泛努力,但一些国家的数据较少,特别是加勒比、波利尼西亚、密克罗尼西亚和撒哈拉以南非洲的国家。在使用的研究中,只有不到一半的研究有5-9岁儿童的数据,而有近90%的研究有10-19岁儿童和青少年的数据。数据的缺乏反映在我们对这些国家和地区以及较年轻年龄组的估计存在较大的不确定性。这反映出有必要系统地将学龄儿童纳入健康和营养调查,并且,特别是在入学率高的国家,需要利用学校作为监测整个国家人口以及农村和城市地区等关键亚群体的生长和发展成果的平台。虽然城市和农村分类通常以国家统计局的定义为基础,但城市和农村地区的分类可能因各国的人口特征(例如人口规模或密度)、经济活动、行政结构、基础设施和环境而适当地有所不同。同样,城市化是通过各种机制实现的,例如农村和城市地区生育率的变化,随着农村地区的发展和工业化,以前的农村地区移徙和重新分类到城市。这些机制中的每一种都可能对营养和身体活动有不同的影响,因此身高和/或BMI,应该成为跟踪个体参与者及其居住地变化的研究主题。最后,根据家庭社会经济地位和影响营养、生活环境和保健的获得和质量的社区特点,农村和城市地区儿童的生长和发展存在差异gydF4y2Ba35gydF4y2Ba,gydF4y2Ba85gydF4y2Ba,gydF4y2Ba86gydF4y2Ba.其中,在一些城市,大量家庭生活在贫民窟gydF4y2Ba19gydF4y2Ba,gydF4y2Ba87gydF4y2Ba.生活在贫民窟的学龄儿童和青少年的营养、环境和医疗保健通常比城市其他居民差,尽管往往比农村地区的儿童和青少年好gydF4y2Ba19gydF4y2Ba,gydF4y2Ba87gydF4y2Ba,gydF4y2Ba88gydF4y2Ba,gydF4y2Ba89gydF4y2Ba,gydF4y2Ba90gydF4y2Ba.gydF4y2Ba

报告总结gydF4y2Ba

有关研究设计的进一步资料,请参阅gydF4y2Ba自然投资组合报告摘要gydF4y2Ba链接到这篇文章。gydF4y2Ba