整合数据科学以分析幼儿健康不平等问题：以英国伯明翰为例

《BMC Medical Informatics and Decision Making》：Integrating data science for the analysis of early years health inequalities: a Birmingham, UK case study

　　

摘要

背景

早期健康与发展分析是当前政府策略的关键组成部分，因为它决定了早期干预的效果。大量研究应用了数据科学方法（如全球认知评分、多层线性回归、逐步线性回归和逻辑回归）来建模个体儿童的风险因素。然而，关于社会经济地位如何影响幼儿的健康与发展，以及如何准确测量这种关联的研究仍然较少。

方法

我们与伯明翰市议会的公共卫生、教育与技能部门、伯明翰社区医疗NHS基金会信托以及诺丁汉大学健康科学学院合作，对伯明翰各社区的早期干预措施进行了全面审查与分析。目的是比较健康指数和社会贫困指数，以确定理解这两个领域指标之间关联所需的数据，从而支持基于证据的干预计划制定。通过皮尔逊相关系数和斯皮尔曼相关系数进行分析，并进行了因子分析，以确定与社会经济贫困与早期健康和发展结果关系最相关的贫困变量。

结果

分析显示，社会经济因素（如收入贫困、普遍信贷申请者和失业者）与早期发展结果（包括肥胖以及儿童在沟通、精细动作、大肌肉运动、个人社交和解决问题能力等方面表现低于预期水平的比例）之间存在显著关联。

结论

研究结果揭示了一些值得关注的公共卫生现象：社会经济指数与儿童和家庭贫困指标之间存在微弱但明显的关联，这与影响2至2.5岁儿童肥胖和学校准备不足的更广泛因素有关。这些结果强调了需要更加重视理解和解决当地环境条件与公共卫生结果之间的关系。