男性儿童发育迟缓患病率(基于年龄身高的模型估计值,占5岁以下儿童百分比)

Prevalence of stunting, height for age, male (modeled estimate, % of children under 5)

下载数据

指标代码:SH.STA.STNT.ME.MA.ZS所属主题:健康:NutritionHealth: Nutrition

2024最新有效年份
160最新年份有值国家
265历史上有数据经济体
70%总体缺失率

指标解释

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

Prevalence of stunting, male, is the percentage of boys under age 5 whose height for age is more than two standard deviations below the median for the international reference population ages 0-59 months. For children up to two years old height is measured by recumbent length. For older children height is measured by stature while standing. The data are based on the WHO's 2006 Child Growth Standards.

可供参考的中文翻译:男性发育迟缓患病率是指年龄别身高低于国际参考人群(0-59个月)中位数两个标准差以上的男孩占5岁以下男孩的百分比。两岁以下儿童测量卧位身长,两岁以上儿童测量立位身高。数据基于世界卫生组织2006年儿童生长标准。

数据口径与风险提示

  • 该指标为模型估计值,依赖各国调查数据的可得性和质量,不同国家调查年份可能不一致,跨国比较需注意时间差异
  • 发育迟缓反映的是长期慢性营养不足,单次测量无法区分急性与慢性营养问题
  • 身高测量在婴幼儿中误差较大,尤其在两岁以下儿童中,卧位长度与立位身高之间存在系统性差异
  • 该指标基于世卫组织2006年标准,若与其他年代标准的历史数据进行比较,需注意标准差异的影响
  • 男性儿童发育迟缓率可能受出生性别比、就医行为差异等混杂因素影响
  • 模型估计值会进行插值和外推,部分年份可能缺乏直接调查数据,需谨慎解读年度变化幅度
  • 该指标不直接反映营养摄入质量,蛋白质-能量不足、微量元素缺乏等不同营养问题均可导致发育迟缓

中国趋势

趋势解读

中国男性儿童发育迟缓率在2000年至2024年间呈持续下降趋势,从21.0%降至4.8%,累计下降16.2个百分点。下降主要集中于2000年代前期,年均降幅约1.7个百分点;2010年代后降幅明显趋缓,近年每年仅下降约0.1-0.2个百分点,表明该指标可能正逼近较低水平下的边际改善空间。从曲线形态看,2000年代呈现陡峭的线性下降,2015年后趋于平坦,下降速度显著放缓。该趋势可能反映中国在儿童营养改善领域的阶段性成效,但近年放缓需结合具体干预措施覆盖率和营养摄入结构变化加以验证。

  • 2000年:中国男性儿童发育迟缓率为21.0%,为有记录以来的最高值
  • 2024年:该指标降至4.8%,为有记录以来的最低值
  • 2000-2009年:从21.0%下降至10.3%,降幅约10.7个百分点
  • 2010-2019年:从9.4%下降至5.6%,降幅约3.8个百分点
  • 2020-2024年:从5.3%下降至4.8%,降幅约0.5个百分点
  • 2024年最新值较上年(4.9%)小幅下降0.1个百分点
  • 近年降幅极小,需结合其他营养指标和干预数据判断是否存在边际效应
  • 该指标为模型估计值,插值和外推可能掩盖部分年份的调查数据缺失问题

全球趋势

趋势解读

全球男性儿童发育迟缓率在2000年至2024年间同样呈下降趋势,从34.17%降至24.43%,累计下降约9.74个百分点。但值得注意的是,该下降趋势在2020年达到阶段性低点(23.5%)后出现逆转,2021年起连续回升,至2024年已反弹至24.43%。这种反弹可能与近年全球粮食安全挑战、冲突地区扩大以及经济下行压力下的营养投入减少有关。从幅度看,全球下降速度明显慢于中国,24年间仅下降约28.5%,而中国同期下降超过77%。两者的差异可能反映不同发展阶段和资源配置重点的不同。

  • 2000年:全球男性儿童发育迟缓率为34.17%
  • 2020年:该指标降至23.5%,为有记录以来的最低值
  • 2024年:回升至24.43%,较2020年低点上升0.93个百分点
  • 2000-2009年:从34.17%下降至29.72%,降幅约4.45个百分点
  • 2010-2019年:从28.93%下降至23.69%,降幅约5.24个百分点
  • 2021年起出现持续小幅回升

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。
2000-20090.5x0.9x该阶段中国男性儿童发育迟缓率下降约一半(0.49倍),而全球下降幅度较小(0.87倍),中国降幅远超全球平均,可能意味着中国在该阶段的营养改善措施针对性强、覆盖面广,或反映出不同发展阶段下基数效应的差异,即中国起点较高改善空间更大,而全球样本中包含大量本就较低的国家改善空间有限,两者的分母(受影响的绝对人口规模)和分子(改善速率)结构存在显著差异,需要结合相关变量验证。
2010-20190.6x0.8x中国该阶段降幅约为期初值的0.60倍(下降约40%),全球约为0.82倍(下降约18%),中国持续快于全球。可能反映中国在巩固前期成果的同时,仍保持了较强的干预力度,而全球范围内部分区域在2010年代面临经济放缓、粮食价格波动等挑战,削弱了改善势头。但具体原因需要结合经济指标和营养干预数据验证。
2020-20290.9x1.0x中国该阶段比值接近1.0(0.91倍),全球超过1.0(1.04倍),出现方向性差异。这可能意味着中国该指标已降至较低水平,边际改善空间有限;而全球受近年多重危机影响,发育迟缓率出现反弹或停滞。该差异可能反映两国发展阶段不同导致的分母效应(基数低导致比值趋近1),以及全球样本中发展中国家受冲击程度更重,需要结合相关变量进一步分析。

2024 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
1Burundi
布隆迪
BDI58.5
2Eritrea
厄立特里亚
ERI51.1
3Niger
尼日尔
NER50.8
4Angola
安哥拉
AGO50.5
5Papua New Guinea
巴布亚新几内亚
PNG48.9
6Yemen, Rep.
也门
YEM48.4
7Guatemala
危地马拉
GTM47.2
8Congo, Dem. Rep.
刚果(金)
COD47.0
9Timor-Leste
东帝汶
TLS47.0
10Afghanistan
阿富汗
AFG42.7
11Central African Republic
中非共和国
CAF41.5
12Madagascar
马达加斯加
MDG41.0
13Mozambique
莫桑比克
MOZ40.0
14Lesotho
莱索托
LSO38.3
15Ethiopia
埃塞俄比亚
ETH38.0
16Sudan
苏丹
SDN36.6
17Nigeria
尼日利亚
NGA36.2
18Malawi
马拉维
MWI36.1
19Benin
贝宁
BEN35.9
20Zambia
赞比亚
ZMB35.3

使用建议、常见误用与研究场景

数值较高通常意味着什么

发育迟缓率较高意味着样本地区男性儿童群体中,存在较多因长期营养不足或反复感染导致生长发育受损的个体,反映儿童营养健康状况较差、医疗卫生条件有限或食物安全水平不足等问题。

数值较低通常意味着什么

发育迟缓率较低表明大多数男性儿童在相应年龄段达到了符合世卫组织标准的正常身高发育水平,反映营养状况改善、卫生条件提升和健康干预覆盖较好。但极低数值也可能意味着样本选择偏差或统计口径差异,需结合具体情境判断。

鍙e緞闄愬埗

  • 该指标为基于世卫组织标准的模型估计值,原始调查数据在不同国家存在年份、质量和覆盖范围差异,直接比较时应注意时间对齐
  • 发育迟缓是长期营养不足的滞后指标,无法反映短期营养状况变化
  • 两岁以下儿童使用卧位长度、两岁以上使用立位身高,两者测量方式不同可能导致边界年份数据存在系统性跳跃
  • 该指标仅覆盖男性儿童,无法代表全体儿童的营养状况全貌
  • 模型估计过程中进行插值和外推,可能在数据稀缺区域引入较大误差
  • 不同国家婴幼儿照护习惯、遗传因素和地理环境差异可能影响身高发育,单纯的跨国比较可能忽视这些因素

使用建议

  • 跨国比较时优先使用同一年份或相近年份的调查数据,避免跨时期比较导致的偏差
  • 结合体重指标(低体重、消瘦)和超重率综合评估儿童营养状况的完整图景
  • 分析长期趋势时结合卫生条件、家庭收入和食品安全等相关变量,避免单一归因
  • 分年龄段解读数据时注意2岁以下与2-5岁儿童的测量方式差异及其对统计口径的影响
  • 研究中国数据时结合国内调查数据验证世行模型估计值的准确性
  • 关注数据质量和调查频率,避免将插值结果误读为真实调查数据

常见错误用法

错误做法:将2024年中国男性发育迟缓率4.8%与印度34.0%直接对比后得出“中国儿童营养水平是印度的7倍”的结论

正确做法:认识到中国该指标已降至极低水平,单纯的倍数比较已失去实际意义;应结合两国发展阶段和调查方法差异,重点关注两国仍存发育迟缓问题的儿童群体规模

当基数差异极大时,倍数比较会产生误导性结论;印度该指标仍处较高水平,意味着仍有大量儿童面临营养不良风险,而中国面临的是不同性质的问题,如地域性差异或特定人群干预等

错误做法:将发育迟缓率下降完全归因于经济增长或某项单一政策

正确做法:承认发育迟缓改善是多因素综合作用的结果,包括营养干预、卫生条件改善、母乳喂养率提升、母亲教育水平提高等多重机制的共同贡献

发育迟缓是长期营养不足的累积结果,单一因素难以解释完整的改善轨迹,过度简化可能误导政策方向

错误做法:用2020-2024年的微小变化(4.9%→4.8%)推断“中国儿童营养改善已完全停滞”

正确做法:认识到在极低水平下,边际改善幅度自然趋缓是统计学规律;需结合其他营养指标(贫血率、纯母乳喂养率等)和干预覆盖数据判断真实进展

百分比指标的边际变化受基数效应影响,基数越低绝对降幅越困难,不能简单以数字变化大小判断改善力度

错误做法:将发育迟缓率作为衡量短期营养干预效果的唯一指标

正确做法:了解发育迟缓是长期慢性营养不足的滞后指标,短期干预效果更适合用体重变化、喂养行为改变等先行指标衡量

发育迟缓的形成需要数月甚至数年的累积,单次调查数据无法区分干预是长期效果还是短期效应,用其评估即时干预效果会产生严重误判

实际应用场景

  • 中国儿童营养改善的阶段特征与驱动因素分析:研究中国2000-2024年发育迟缓率持续下降的驱动机制,评估各项公共卫生干预措施的作用 被解释变量 可结合卫生支出、纯母乳喂养率、孕产妇保健覆盖率等变量进行回归分析,但需注意发育迟缓的滞后效应,建议采用滞后解释变量或面板数据方法
  • 全球发育迟缓率近年回升原因探究:分析2020年后全球发育迟缓率反弹的成因,评估新冠疫情、冲突和经济冲击对儿童营养的长期影响 被解释变量 可结合粮食价格指数、冲突事件数据、GDP增长率等变量构建多因素模型,验证外部冲击对儿童营养的传导机制
  • 中国与全球发育迟缓改善速度差异的深层原因:分析中国2000年代发育迟缓率快速下降而全球相对缓慢的成因 被解释变量 可采用合成控制法或双重差分法,控制发展阶段和初始水平差异后量化各项政策干预的贡献度
  • 发育迟缓与其他营养指标的协同变化分析:验证发育迟缓率与低体重率、消瘦率等指标之间的相关性及其国别差异 稳健性检验变量 可使用皮尔逊相关系数或斯皮尔曼等级相关分析,检验三项指标的一致性,排除异常国家和数据质量问题

男性儿童发育迟缓患病率(基于年龄身高的模型估计值,占5岁以下儿童百分比)常见问题

中国男性儿童发育迟缓率4.8%算高吗?

与世界多数发达国家相比,中国该指标仍略高(多数发达国家低于3%),但与同等发展阶段国家相比已处于较低水平。需注意的是,该指标在不同地区的差异较大,部分西部省份可能仍高于全国平均水平。

发育迟缓和营养不良是一回事吗?

发育迟缓是营养不良的一种表现类型,反映长期蛋白质-能量摄入不足导致的线性生长受限。营养不良还包括低体重(体重不足)和消瘦(急性营养不足),三者可独立存在也可同时出现,评估儿童营养状况需综合考虑。

为什么近年中国发育迟缓率下降得非常慢?

可能反映两方面情况:一是该指标已降至较低水平,边际改善空间有限,统计学上边际递减是正常现象;二是需要新的干预手段突破瓶颈,或将关注点从降低整体患病率转向解决特定高风险人群和地区的残余问题。

全球发育迟缓率为什么在2020年后反而上升了?

具体原因尚需研究验证,可能与近年全球粮食价格上涨、冲突地区扩大、新冠疫情对卫生系统的冲击以及经济下行压力下营养投入减少等多重因素有关,也可能反映模型估计方法在特殊时期的局限性。

可以用这个指标比较中国各省的儿童营养状况吗?

世行数据为中国国家级模型估计值,缺乏分省数据。如需比较各省情况,应参考中国国家卫生健康委员会发布的分省调查数据,注意调查年份和方法的差异。

下载数据

免费获取世界银行WDI完整数据集,包含男性儿童发育迟缓患病率(基于年龄身高的模型估计值,占5岁以下儿童百分比)等所有指标,支持按国家、指标或主题下载CSV、Excel和XML格式数据。

下载数据