非孕龄期妇女贫血患病率（占15-49岁女性的百分比）

Prevalence of anemia among non-pregnant women (% of women ages 15-49)

下载数据

指标代码：SH.ANM.NPRG.ZS所属主题：健康：NutritionHealth: Nutrition

2023最新有效年份

191最新年份有值国家

265历史上有数据经济体

67%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Prevalence of anemia, non-pregnant women, is the percentage of non-pregnant women whose hemoglobin level is less than 120 grams per liter at sea level.

可供参考的中文翻译：非孕龄期妇女贫血患病率是指在海平面条件下，血红蛋白水平低于每升120克的非孕妇女所占的百分比。

数据口径与风险提示

该指标仅反映血红蛋白浓度低于阈值的情况，无法区分缺铁性贫血与其他类型的贫血
数据多为模型估算，部分国家可能缺乏大规模实测数据，跨国可比性存在局限
血红蛋白阈值可能因年龄、吸烟习惯或高海拔居住等人群特征而需调整，世界银行未做此类分层
不同国家在不同时期采用的血红蛋白检测方法和仪器可能存在差异
该指标不包含男性或非育龄期女性，无法反映全人群贫血负担
非孕妇女与孕妇的生理状态不同，该指标与孕妇贫血指标不宜直接比较
部分低收入国家报告的患病率可能受数据缺失影响而存在偏差
趋势变化可能同时反映真实患病率变化和监测能力提升的双重影响

中国趋势

趋势解读

中国非孕龄期妇女贫血患病率从2000年的20.3%波动下降至2023年的15.6%，整体降幅约23.2个百分点，呈现持续改善趋势。2019年达到有记录最低点14.9%，随后在新冠疫情期间略有回升，2021至2023年间累计上升0.7个百分点，但仍低于2000年代初期水平。中国该指标长期低于世界平均水平，两者差距在观察期内持续扩大。

2000年首次有数据记录，起点值为20.3%
2000至2019年间下降5.4个百分点，2019年触及最低点14.9%
2020至2023年从14.9%小幅回升至15.6%，三年间上升0.7个百分点
2023年最新值为15.6%，较2000年基期值下降约23%
2019年后轻度回升是否与疫情影响有关尚需更多变量验证
数据起始年份仅追溯至2000年，无法分析更早时期的变化轨迹
模型估算方法在不同报告期可能存在口径调整

全球趋势

趋势解读

全球非孕龄期妇女贫血患病率从2000年的约29.0%缓慢降至2011年的约27.4%，随后触底反弹，持续攀升至2023年的约30.7%，整体呈现先降后升的U形走势。与中国持续下降的趋势形成明显反差，全球该指标在观察期末段反而高于起点水平约5.6%，反映出全球改善进程受阻或逆转。

2000年起点值为29.05%
2000至2011年下降1.68个百分点，2011年触及最低点27.37%
2012年后持续回升，2023年达到最高点30.68%
2023年值较2000年基期值高出约5.6%
全球数据为加权估算，不同地区的数据覆盖密度和质量差异较大
回升趋势可能部分归因于更多高负担国家在后期进入样本
低收入地区数据缺失较多可能导致全球均值被低估

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1970-1979	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1980-1989	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1990-1999	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
2000-2009	0.8x	0.9x	该十年中国非孕龄期妇女贫血患病率降至期初的约0.81倍，而世界均值约为期初的0.95倍。中国的下降速度明显快于全球，可能反映了此阶段中国在女性营养改善、医疗卫生可及性提升方面取得了相对更快的进展，或者该时期中国基线值较高使得降幅空间更大。
2010-2019	0.9x	1.1x	该十年中国该指标进一步降至期初的约0.94倍，而世界均值反而升至期初的约1.05倍。中国的缓慢下降与全球的普遍恶化形成对比，可能反映中国营养改善和公共卫生干预的持续深化，而全球范围内部分区域的营养问题可能因人口结构变化、经济增长放缓或膳食结构转型而加重。
2020-2029	1.0x	1.1x	该十年中国和世界的患病率均略有上升（分别约为期初的1.05倍和1.05倍）。两国均出现轻度回升，可能共同受到全球性因素影响，如新冠疫情对医疗服务和营养监测的干扰、食物供应链冲击或心理健康压力，但两国回升幅度相近，不宜直接断言因果。

2023 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Gabon 加蓬	GAB	60.3
2	Mali 马里	MLI	55.8
3	Mauritania 毛里塔尼亚	MRT	54.5
4	India 印度	IND	54.0
5	Cote d'Ivoire 科特迪瓦	CIV	50.8
6	Benin 贝宁	BEN	49.0
7	Pakistan 巴基斯坦	PAK	47.1
8	Afghanistan 阿富汗	AFG	46.9
9	Congo, Rep. 刚果（布）	COG	46.7
10	Mozambique 莫桑比克	MOZ	46.1
11	Haiti 海地	HTI	46.0
12	Chad 乍得	TCD	45.9
13	Niger 尼日尔	NER	45.9
14	Gambia, The 冈比亚	GMB	45.4
15	Guinea 几内亚	GIN	45.3
16	Guinea-Bissau 几内亚比绍	GNB	45.3
17	Somalia, Fed. Rep. 索马里	SOM	45.2
18	Burkina Faso 布基纳法索	BFA	43.9
19	Sierra Leone 塞拉利昂	SLE	43.9
20	Angola 安哥拉	AGO	43.6
21	Maldives 马尔代夫	MDV	43.5
22	Central African Republic 中非共和国	CAF	42.6
23	Senegal 塞内加尔	SEN	42.4
24	Liberia 利比里亚	LBR	42.0
25	Equatorial Guinea 赤道几内亚	GNQ	41.1
26	Cabo Verde 佛得角	CPV	40.5
27	Togo 多哥	TGO	40.5
28	Myanmar 缅甸	MMR	39.5
29	Sao Tome and Principe 圣多美和普林西比	STP	39.5
30	Congo, Dem. Rep. 刚果（金）	COD	39.3
31	Bahrain 巴林	BHR	38.7
32	Cameroon 喀麦隆	CMR	38.7
33	Burundi 布隆迪	BDI	38.4
34	Tanzania 坦桑尼亚	TZA	38.1
35	Cambodia 柬埔寨	KHM	37.8
36	Guyana 圭亚那	GUY	37.8
37	Bangladesh 孟加拉国	BGD	37.5
38	Nigeria 尼日利亚	NGA	37.2
39	Tajikistan 塔吉克斯坦	TJK	37.1
40	Madagascar 马达加斯加	MDG	37.0
41	Yemen, Rep. 也门	YEM	35.9
42	Azerbaijan 阿塞拜疆	AZE	35.6
43	Ghana 加纳	GHA	35.3
44	Eritrea 厄立特里亚	ERI	35.2
45	Turkmenistan 土库曼斯坦	TKM	34.7
46	Oman 阿曼	OMN	34.4
47	South Sudan 南苏丹	SSD	34.4
48	Lesotho 莱索托	LSO	34.1
49	Lebanon 黎巴嫩	LBN	34.0
50	Bhutan 不丹	BTN	33.8
51	Sudan 苏丹	SDN	33.7
52	Nepal 尼泊尔	NPL	33.2
53	Jordan 约旦	JOR	33.0
54	Mauritius 毛里求斯	MUS	32.8
55	Egypt, Arab Rep. 埃及	EGY	32.5
56	Solomon Islands 所罗门群岛	SLB	32.5
57	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	32.4
58	Malawi 马拉维	MWI	31.9
59	Kenya 肯尼亚	KEN	31.7
60	Djibouti 吉布提	DJI	31.5
61	Algeria 阿尔及利亚	DZA	31.4
62	Malaysia 马来西亚	MYS	31.4
63	South Africa 南非	ZAF	31.3
64	Botswana 博茨瓦纳	BWA	30.9
65	Syrian Arab Republic 叙利亚	SYR	30.8
66	Kazakhstan 哈萨克斯坦	KAZ	30.4
67	Vanuatu 瓦努阿图	VUT	30.3
68	Georgia 格鲁吉亚	GEO	30.2
69	Uzbekistan 乌兹别克斯坦	UZB	30.0
70	Fiji 斐济	FJI	29.9
71	Timor-Leste 东帝汶	TLS	29.6
72	Comoros 科摩罗	COM	29.4
73	Morocco 摩洛哥	MAR	29.3
74	Libya 利比亚	LBY	29.2
75	Turkiye 土耳其	TUR	29.2
76	Moldova 摩尔多瓦	MDA	28.6
77	Papua New Guinea 巴布亚新几内亚	PNG	28.6
78	Lao PDR 老挝	LAO	28.5
79	Eswatini 斯威士兰	SWZ	28.2
80	United Arab Emirates 阿联酋	ARE	28.2
81	Kuwait 科威特	KWT	27.6
82	Tunisia 突尼斯	TUN	27.5
83	Korea, Dem. People's Rep. 朝鲜	PRK	27.4
84	Zimbabwe 津巴布韦	ZWE	27.3
85	Kiribati 基里巴斯	KIR	26.8
86	Indonesia 印度尼西亚	IDN	26.7
87	Iraq 伊拉克	IRQ	26.7
88	Uganda 乌干达	UGA	26.4
89	Zambia 赞比亚	ZMB	26.2
90	Bosnia and Herzegovina 波黑	BIH	26.0
91	Palau 帕劳	PLW	25.9
92	Bulgaria 保加利亚	BGR	25.8
93	Montenegro 黑山	MNE	25.7
94	Seychelles 塞舌尔	SYC	25.7
95	Slovenia 斯洛文尼亚	SVN	25.7
96	Iran, Islamic Rep. 伊朗	IRN	25.5
97	Panama 巴拿马	PAN	25.4
98	Slovak Republic 斯洛伐克	SVK	25.3
99	Venezuela, RB 委内瑞拉	VEN	25.1
100	Bolivia 玻利维亚	BOL	24.9
101	Serbia 塞尔维亚	SRB	24.9
102	Estonia 爱沙尼亚	EST	24.7
103	Namibia 纳米比亚	NAM	24.7
104	Albania 阿尔巴尼亚	ALB	24.6
105	Czechia 捷克	CZE	24.6
106	Uruguay 乌拉圭	URY	24.5
107	Romania 罗马尼亚	ROU	24.3
108	West Bank and Gaza 约旦河西岸和加沙	PSE	24.3
109	Hungary 匈牙利	HUN	24.1
110	Russian Federation 俄罗斯	RUS	24.1
111	Lithuania 立陶宛	LTU	23.7
112	Qatar 卡塔尔	QAT	23.6
113	Argentina 阿根廷	ARG	23.5
114	Croatia 克罗地亚	HRV	23.3
115	Marshall Islands 马绍尔群岛	MHL	23.3
116	Poland 波兰	POL	23.3
117	Paraguay 巴拉圭	PRY	23.0
118	Tuvalu 图瓦卢	TUV	23.0
119	Ethiopia 埃塞俄比亚	ETH	22.9
120	Nauru 瑙鲁	NRU	22.3
121	Colombia 哥伦比亚	COL	22.2
122	Dominican Republic 多米尼加共和国	DOM	22.2
123	Belarus 白俄罗斯	BLR	22.1
124	Cuba 古巴	CUB	22.1
125	Suriname 苏里南	SUR	22.0
126	Dominica 多米尼克	DMA	21.9
127	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	21.8
128	Samoa 萨摩亚	WSM	21.7
129	Jamaica 牙买加	JAM	21.4
130	Latvia 拉脱维亚	LVA	21.4
131	North Macedonia 北马其顿	MKD	21.4
132	Brazil 巴西	BRA	21.2
133	Belize 伯利兹	BLZ	21.1
134	Sri Lanka 斯里兰卡	LKA	20.9
135	Grenada 格林纳达	GRD	20.7
136	Peru 秘鲁	PER	20.7
137	Thailand 泰国	THA	20.6
138	Tonga 汤加	TON	20.6
139	Viet Nam 越南	VNM	20.4
140	Antigua and Barbuda 安提瓜和巴布达	ATG	20.2
141	Barbados 巴巴多斯	BRB	19.9
142	Ecuador 厄瓜多尔	ECU	19.9
143	St. Lucia 圣卢西亚	LCA	19.7
144	St. Kitts and Nevis 圣基茨和尼维斯	KNA	19.3
145	Ukraine 乌克兰	UKR	19.3
146	Armenia 亚美尼亚	ARM	18.6
147	Bahamas, The 巴哈马	BHS	18.6
148	Japan 日本	JPN	18.6
149	Mongolia 蒙古	MNG	18.6
150	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	18.6
151	Honduras 洪都拉斯	HND	18.5
152	Brunei Darussalam 文莱	BRN	18.2
153	Saudi Arabia 沙特阿拉伯	SAU	17.4
154	Denmark 丹麦	DNK	17.0
155	Sweden 瑞典	SWE	16.8
156	Austria 奥地利	AUT	16.7
157	Switzerland 瑞士	CHE	16.7
158	Singapore 新加坡	SGP	16.6
159	Netherlands 荷兰	NLD	16.5
160	Andorra 安道尔	AND	16.4
161	Cyprus 塞浦路斯	CYP	16.4
162	Italy 意大利	ITA	16.3
163	Norway 挪威	NOR	16.3
164	Monaco 摩纳哥	MCO	15.9
165	Korea, Rep. 韩国	KOR	15.7
166	Malta 马耳他	MLT	15.7
167	San Marino 圣马力诺	SMR	15.7
168	Chile 智利	CHL	15.6
169	China 中国	CHN	15.6
170	Greece 希腊	GRC	15.6
171	Spain 西班牙	ESP	15.6
172	Rwanda 卢旺达	RWA	15.5
173	Luxembourg 卢森堡	LUX	15.4
174	Belgium 比利时	BEL	15.1
175	United States 美国	USA	15.1
176	Portugal 葡萄牙	PRT	15.0
177	Iceland 冰岛	ISL	14.7
178	Israel 以色列	ISR	14.6
179	Canada 加拿大	CAN	14.0
180	El Salvador 萨尔瓦多	SLV	14.0
181	Ireland 爱尔兰	IRL	14.0
182	Germany 德国	DEU	13.9
183	Costa Rica 哥斯达黎加	CRI	13.5
184	Finland 芬兰	FIN	13.5
185	United Kingdom 英国	GBR	13.5
186	France 法国	FRA	13.0
187	Mexico 墨西哥	MEX	12.7
188	New Zealand 新西兰	NZL	12.3
189	Philippines 菲律宾	PHL	11.6
190	Australia 澳大利亚	AUS	11.0
191	Guatemala 危地马拉	GTM	10.0

使用建议、常见误用与研究场景

数值较高通常意味着什么

较高的患病率通常意味着该人群中存在较广泛的贫血问题，可能与铁及其他营养素摄入不足、慢性感染（如疟疾、钩虫感染）、经期失血过多或医疗资源不足有关。在国际比较中，较高值提示该人群的营养健康状况相对较差，需要更多公共卫生干预。

数值较低通常意味着什么

较低的患病率通常反映较好的营养状况和医疗条件，意味着女性群体的血红蛋白水平整体处于健康区间。但应注意，在某些高海拔地区或特殊生理条件下，正常血红蛋白浓度本身偏高，偏低值未必全然意味着更优的健康结局。

鍙ｅ緞闄愬埗

仅以血红蛋白浓度为唯一诊断标准，无法区分贫血病因
模型估算数据在部分国家缺乏实测基础，精度存在不确定性
不同检测方法、仪器校准和采样策略可能导致数据偏差
不区分地理、经济或饮食模式差异，掩盖了人群内部的异质性
部分国家的报告频率不一致，时间序列存在断层
15-49岁年龄范围较宽，未反映不同年龄段育龄妇女的差异
与非孕人群相比，孕妇具有独特的生理需求，该指标不适用于孕妇营养评估

使用建议

跨指标协同分析：将该指标与儿童贫血、营养不良、超重等指标结合，评估全生命周期营养状况
结合社会经济数据：将患病率变化与人均收入、教育水平、医疗支出等变量进行关联分析
分区段比较：按收入水平、地理区域或饮食模式对国家分组，避免简单跨国排名
审慎解读趋势：关注数据来源和质量的变化，区分真实患病率变化与报告偏倚
政策验证用途：结合铁强化食品推广、营养补充项目等政策实施情况，评估干预效果
控制混杂因素：在回归分析中纳入城市化率、女性就业率等潜在混杂变量
时滞效应考量：营养改善或干预措施的效果可能存在滞后，不宜将短期变化过度外推

常见错误用法

错误做法：认为中国贫血患病率高于世界平均水平因此健康状况很差

正确做法：中国该指标长期低于世界均值，2023年中国约为15.6%而全球约为30.7%，中国处于较好水平

该指标反映的是贫血这一负面健康问题的发生率，数值越高代表问题越严重，中国该指标仅为全球一半左右，说明中国在该特定人群的营养健康方面取得了较好成效

错误做法：将中国贫血患病率下降简单归因于某一项政策或改革措施

正确做法：患病率变化是营养改善、医疗服务拓展、健康意识提升和统计方法变化等多因素共同作用的结果

该指标受多种社会经济和生活方式因素影响，单一政策解释过于简化，容易导致误导性的因果推断

错误做法：将该指标与非孕妇女的贫血患病率与其他人群（如孕妇或儿童）的指标直接比较

正确做法：孕妇和儿童的生理特点、营养需求和血红蛋白阈值均不同于非孕龄期妇女

不同人群的贫血诊断标准存在差异，跨人群比较缺乏流行病学依据

错误做法：仅凭患病率高就判定某国公共卫生体系落后

正确做法：需要综合考虑营养摄入结构、寄生虫感染负担、地形海拔、文化习俗和饮食习惯等多重因素

贫血成因多样，高患病率可能反映特殊的地理环境或膳食结构，而非纯粹的卫生系统失效

错误做法：认为贫血患病率越低越好而不考虑正常生理范围

正确做法：血红蛋白浓度存在生理波动，过低的值可能提示营养素缺乏或健康风险

贫血是病理状态，但血红蛋白水平也受年龄、性别、高海拔适应等因素调节，不存在患病率越低越优的单调关系

错误做法：将世界平均值的变化趋势直接套用在中国身上进行预测

正确做法：中国和全球的变化轨迹在观察期内存在显著差异，不宜用全球趋势代替中国趋势

中国的经济高速增长、公共卫生体系扩张和营养改善速度在全球具有独特性，中国的变化模式与全球整体趋势不可类比

实际应用场景

营养改善与女性健康关系的跨国比较研究：分析中国、印度、巴西等大型发展中国家的非孕龄期妇女贫血患病率变化与人均收入、城镇化率、女性教育水平等变量间的关联被解释变量可采用面板数据固定效应模型控制国家异质性，同时加入年份虚拟变量捕捉全球共同冲击；建议对关键解释变量进行滞后处理以减少反向因果干扰
中国妇女人群贫血负担的长期趋势分析：利用中国分省数据（若可获得）研究区域性差异及地方公共卫生政策的影响被解释变量可使用双重差分法评估特定省份营养干预项目的效果，前提是找到合适的对照省份和控制变量
全球贫血流行格局变化的影响因素分解：将全球趋势分解为不同区域和收入组的贡献，识别哪些国家和人群推动了近年来的全球回升结果变量可采用夏普里值分解或贝叶斯分层模型量化各因素的贡献度，区分真实患病率变化与数据报告改善
贫血与劳动力生产率的关联机制检验：研究非孕龄期妇女贫血患病率与女性劳动参与率、出勤率或劳动收入的关系解释变量需注意贫血可能是其他因素（如贫困、营养不足）的结果，建议使用工具变量或滞后自变量处理内生性问题
营养指标体系的稳健性检验：将非孕龄期妇女贫血指标与儿童贫血、孕产妇死亡率等指标共同纳入因子分析，验证营养健康维度的内部一致性稳健性检验变量如果多个营养相关指标在同一因子载荷，可增强该维度构念的有效性