印度儿童营养不良的多维测度与POSHAN计划效果评估：基于MANUSH指数与双重差分模型的区域差异分析

《Discover Public Health》：District level disparities in multidimensional child malnutrition and effects of initial phase POSHAN Abhiyaan in India

　　本研究针对印度儿童营养不良的区域不平等问题，采用多维MANUSH指数评估了NFHS-4（2015-2016）至NFHS-5（2019-2021）期间县级层面的营养状况演变，并运用双重差分（DiD）模型量化了POSHAN Abhiyaan早期实施效果。结果显示：北方邦从"极度警戒"改善至"中度"水平，但古吉拉特等富裕州部落区域持续高营养不良；DiD证实早期POSHAN实施县MANUSH指数多降低0.046点（p<0.01），量化DiD表明干预效果沿营养不良分布存在异质性。该研究为印度营养政策的精准靶向提供了空间公平性视角的方法论创新。

　　

在全球范围内，儿童营养不良仍是严峻的公共卫生挑战，其后果不仅包括死亡率上升和认知发育受损，更会长期影响生产力发展。印度作为人口大国，尽管经济持续增长，却始终背负着沉重的营养不良负担——全国近三分之一儿童体重不足，超过三分之二存在贫血问题，这使得印度成为全球营养不良和贫血病例最多的国家。更矛盾的是，在部分经济发达地区，儿童营养不良问题反而持续恶化，这种"发展中的营养不良"现象暴露出政策执行与区域公平之间的深层矛盾。

2017年印度政府启动了国家营养计划（POSHAN Abhiyaan），旨在通过年度目标削减发育迟缓、低体重和贫血等问题。然而这项规模宏大的计划自实施以来就面临诸多质疑：资金使用效率低下、过度关注人体测量指标而忽视微量元素补充、未能从根本上解决贫困和食品安全等结构性难题。尤其值得关注的是，印度缺乏能够全面衡量儿童营养不良的综合指标，现有指标往往单独评估发育迟缓、消瘦或体重不足，无法捕捉营养不良的多维本质。正是这些方法论和政策评估的空白，激发了Tiken Das博士开展本研究的初衷。

研究人员巧妙地将MANUSH框架与准实验设计相结合，构建了一个既能衡量多维营养不良又能评估政策因果效应的创新方法论体系。MANUSH指数基于单调性、匿名性、标准化、均匀性、短缺敏感性和差距敏感性六大原则，特别强调对落后区域的改善优先级，从而更符合公平导向的政策评估需求。研究利用印度国家家庭健康调查（NFHS）第四轮和第五轮的数据，覆盖全国623个县级单位，通过阈值标准化法处理发育迟缓（HAZ<-2 SD）、消瘦（WHZ<-2 SD）、体重不足（WAZ<-2 SD）和贫血（Hb<11.0 g/dL）四项指标，并分别赋予0.27、0.30、0.27和0.16的权重，最终通过β=2的聚合公式生成综合营养不良指数。

为验证指数的稳健性，研究还对比了线性聚合（LA）、最小-最大值标准化和主成分分析（PCA）三种替代方法，结果显示各方法间Spearman相关系数均高于0.95，Wilcoxon符号秩检验也证实排名无显著差异。空间分析采用局部空间自相关（LISA）聚类地图揭示营养不良的地理分布模式，而政策评估则通过双重差分（DiD）模型比较300个POSHAN首批实施县与323个对照县在干预前后的MANUSH指数变化，并进一步通过量化DiD考察处理效应在条件分布上的异质性。

3.1 指标描述性统计

全国层面，发育迟缓率从36.1%降至33.5%，消瘦从20.6%降至18.5%，体重不足从32.8%降至29.5%，但贫血率却从56.4%显著上升至65.7%。重点行动组（EAG）各州在发育迟缓和体重不足指标上改善明显，但贫血问题加剧；非EAG州营养指标变化较小而贫血率同样大幅上升。系数变异显示区域差异持续存在。

3.2 州级营养不良状况

NFHS-4时期，贾坎德邦（0.86）和北方邦（0.93）处于"极度警戒"状态，喀拉拉邦、锡金邦和安达曼-尼科巴群岛则表现最佳（0.33-0.36）。至NFHS-5，无州处于"极度警戒"，德里（0.75）、古吉拉特邦（0.79）和恰蒂斯加尔邦（0.79）位列"警戒"级别。北方邦实现最大幅度改善（0.93→0.56），喜马偕尔邦（0.71→0.43）和阿鲁纳恰尔邦（0.58→0.41）进步显著。相反，德里从"中度"恶化为"警戒"，古吉拉特邦维持"警戒"且评分进一步恶化。区域不平等持续存在，东北部各邦表现分化，南部各邦中泰米尔纳德邦改善明显而喀拉拉邦出现倒退。

3.3 县级营养不良状况

NFHS-4数据显示14个县属"低度"营养不良，140个"中度"，235个"严重"，208个"警戒"，26个"极度警戒"。喀拉拉邦的埃尔讷古勒姆、卡萨拉戈德和帕塔南蒂塔等县表现最佳。NFHS-5时期，仅4个县达到"低度"水平，171个"中度"，307个"严重"，133个"警戒"，8个县仍处"极度警戒"。县级分析揭示出明显的内部差异，如奥里萨邦的普里县（0.24）与纳巴兰格普尔县（0.62）存在巨大差距。

3.4 县级营养不良空间异质性

LISA聚类分析显示，NFHS-4时期莫兰指数为0.69，160个县（25.68%）形成高-高聚类（营养不良严重），142个县（22.79%）形成低-低聚类（营养状况较好）。NFHS-5时期莫兰指数为0.61，高-高聚类减少至131个县（21.03%），低-低聚类为128个县（20.55%）。北方邦的高-高聚类显著减少，而古吉拉特邦略有增加，比哈尔邦的高-高聚类县数量大幅上升。喀拉拉邦、米佐拉姆邦和曼尼普尔邦持续保持低-低聚类。

3.5 POSHAN首批实施县营养不良变化

300个POSHAN首批实施县中，8个县营养不良恶化（≥10%），18个县恶化5.29-10%，48个县恶化<5.29%。改善方面，83个县MANUSH评分下降<5.03%，72个县下降5.03-10.15%，57个县下降10.15-20.50%，14个县下降≥20.50%。安得拉邦10个县中7个改善，卡纳塔克邦所有9个POSHAN县均显示进步，而马哈拉施特拉邦22个县中12个恶化。

3.6 POSHAN效果的DiD估计

平行趋势检验显示，干预前处理组和对照组MANUSH指数变化方向一致。基础DiD模型中，Treated×Time交互项系数为-0.046（p<0.01），表明POSHAN实施县比非实施县多降低0.046点MANUSH评分。量化DiD分析表明，在25th、50th和75th分位上处理效应均显著为负，且在中低分位点效应略大，说明POSHAN对所有县均有改善效果，但对初始状况较好地区相对收益更高。

placebo检验进一步支持了因果推断的可靠性，随机分配处理状态的模型结果均不显著，证实观察到的改善确实源于POSHAN干预而非偶然趋势。

研究结论强调，印度儿童营养不良存在显著的空间异质性，经济发展水平与营养状况并非简单线性关系。POSHAN Abhiyaan在早期实施阶段产生了积极但适度的影响，平均使MANUSH指数多降低0.046点，相当于总可能指数范围的4.6%改善。然而，效果存在分布异质性，且部分富裕州的 tribal 区域持续面临严重挑战，提示需要更加精准的靶向干预。

讨论部分指出，成功案例如北方邦的改善可能得益于"Sambhav"等本地化数字创新和社区参与模式，而喀拉拉邦的退步则警示即使基础良好的地区也可能因对边缘群体关注不足而出现倒退。方法论上，MANUSH指数与DiD的结合为营养政策评估提供了兼顾多维测量与因果推断的创新框架，但研究也承认其局限性——基于县级汇总数据难以控制个体层面混杂因素，未来需要更精细的微观数据支持。

最终，这项发表于《Discover Public Health》的研究不仅为印度营养政策提供了区域公平性的评估工具，也为全球中低收入国家解决营养不良的空间不平等问题提供了方法论借鉴。它证明，单纯的经济增长不足以解决营养不良问题，需要更具针对性、考虑地方语境的多维干预策略，而MANUSH指数正是指引这些干预走向最需要地区的"公平罗盘"。