政府卫生支出对尼日利亚疟疾、婴儿和孕产妇死亡率的影响

《Discover Public Health》：The impact of government health expenditure on malaria, infant and maternal mortality rates in Nigeria

　　摘要：尽管政府卫生支出不断增加，卫生部门面临诸多挑战，尼日利亚仍承受着非洲最高的疟疾负担之一，这已成为婴儿和孕产妇死亡率上升的主要原因。本研究采用无限制向量自回归（VAR）方法，实证分析了2000年至2024年间政府卫生支出对尼日利亚疟疾、婴儿和孕产妇死亡率的影响。政府卫生支出（HXP）、疟疾死亡率（MLR）、婴儿死亡率（IMR）和孕产妇死亡率（MMT）的时间序列数据来源于世界银行发展指标（WDI）、疾病登记系统（DR）、民事登记和生命统计系统（CRVS）、常规卫生信息系统（RHIS）以及卫生管理系统（HMIS）。通过增广迪基-富勒（ADF）和菲利普斯-佩龙（PP）单位根检验来检验序列的平稳性，约翰森协整检验确定了变量之间的长期关系。向量误差修正模型（VECM）捕捉了短期冲击向长期均衡调整的速度。研究结果表明，由于医疗基础设施不足、卫生工作者福利待遇差、卫生资金匮乏等原因，随着政府卫生支出的增加，婴儿、孕产妇和疟疾死亡率持续恶化。这意味着在研究期间，政府卫生支出并未显著改善尼日利亚的卫生状况。

1. 引言
优质医疗服务对人类发展的重要性不容忽视。优质医疗服务通过减少医疗错误、加快康复速度、降低死亡率、预防疾病以及提高运营效率来提升患者安全，最终降低成本并提高患者满意度[1]。优质医疗服务还能延长预期寿命，培养健康劳动力，从而扭转一个国家的经济困境。每个发达国家的基石都建立在优质和健康的劳动力基础上。因此，投资优质医疗服务是经济增长的核心驱动力，也是建立能够有效应对常规卫生需求和大规模紧急情况的可持续卫生系统的必要条件，从而提高生活质量[2]。此外，投资优质医疗服务还能提升劳动力能力，改善生活水平，减少贫困，并降低长期卫生成本[3]。实证数据显示，尼日利亚当前的卫生状况未能实现联合国可持续发展目标（SDGs），多项核心卫生指标远超全球目标[4]。

尽管公共和私人部门在卫生领域投入巨大，但尼日利亚的卫生形势仍面临持续挑战，如普遍的营养不良[5]、高儿童和孕产妇死亡率[6]，以及传染性和非传染性疾病（包括疟疾、结核病、伤寒等）的双重负担[7]。此外，还存在着技术娴熟的卫生工作者短缺（主要是人才流失[8]）、高质量药品价格昂贵且获取困难、卫生基础设施不足等问题[9]。然而，近年来尼日利亚在预期寿命和针对疟疾、脊髓灰质炎和结核病等特定疾病的干预措施方面取得了一些进展，但全国范围内仍存在巨大差异[10]。尼日利亚卫生系统的困境源于不连贯的卫生战略和政策、公共卫生资金分配不当以及腐败领导层的忽视[11]。卫生部门的落后状态是少数精英寻求海外更好医疗服务的主要原因[12]。尼日利亚的卫生支出趋势显示预算不断增加，但仍不足以满足不断增长的人口的基本卫生需求[13]。这导致婴儿死亡率、孕产妇死亡率、疟疾发病率和艾滋病感染率等卫生指标恶化。2024年尼日利亚的卫生预算约占政府总支出的5.18%，世界卫生组织（WHO）建议这一比例应更高，以实现全民卫生覆盖目标[13]。尽管近年来私人卫生支出（通常是自付费用）高于政府支出，但尼日利亚的卫生状况仍在恶化，尤其是农村地区的婴儿和孕产妇死亡率持续上升[14]。

全球卫生支出不断增加，以实现可持续发展目标3（SDG 3），重点在于维护和改善人类各个生命阶段的健康[15]。这包括解决主要卫生问题和采取预防措施。SDG 3的主要目标是保障健康和福祉，重点是确保所有年龄段的可持续健康生活，并减少儿童和孕产妇死亡率，防治结核病、艾滋病和疟疾等传染性和非传染性疾病。不良的卫生结果可能导致极端贫困（SDG 1）和严重饥饿（SDG 2），这些都是影响健康的社交决定因素[16]。卫生支出的增加源于对医疗服务需求的增长、卫生状况的恶化、气候变化对健康的影响以及全球范围内的健康不平等[17]。不同地区、经济和社会地位之间的卫生结果存在显著差异，对收入、福祉、寿命、人类发展和经济增长产生严重影响[18]。低收入国家尤其脆弱，宏观经济变量、经济增长和发展受到更大影响[19]。为了实现更全面的全民卫生覆盖、卫生应急准备、人类福祉和经济增长，加强卫生投资和卫生基础设施建设的国际合作变得至关重要[20]。

尼日利亚的卫生系统包括由地方政府管理的初级卫生保健（PHC）、由州政府管理的二级卫生保健以及由联邦政府管理的三级卫生保健。这一三级体系遵循WHO的服务提供标准、资金、人力资源、信息、卫生产品、领导力、技术和良好治理的原则[21]。尽管在这一框架下卫生服务有所改善，但自付费用增加、人力资源发展不足、卫生专业人员频繁罢工以及缺乏实施卫生改革的政治意愿等问题阻碍了卫生进步[22]。这导致了卫生结果不佳、公民经济负担加重以及经济增长放缓[22]。由于COVID-19疫情后对医疗服务需求的增加，尼日利亚人均卫生支出从2000年的11.2美元增加到2022年的90.92美元，但仍低于世界卫生组织规定的全民卫生覆盖（UHC）标准[23]。2024年的公共卫生支出仅占国内生产总值（GDP）的0.65%，远低于实现UHC所需的4-5%[24]。尼日利亚通过《国家卫生保险计划》（NHIA）法案推进全民卫生覆盖，旨在为所有公民提供公平的优质医疗服务和财务保障[25]。然而，尽管最近进行了政策改革和大量公共-私人投资，尼日利亚仍面临保险覆盖率低和自付费用高的问题。近期卫生改革的主要焦点是加强NHIA，利用公私合作伙伴关系促进实施，增加卫生融资，以在2030年实现可持续发展目标（SDGs）[25]。

私人自付费用占尼日利亚卫生总支出的70%，给家庭尤其是城市贫困和农村弱势群体带来了巨大负担[26]。这意味着家庭需要直接支付更多的基本医疗服务费用，使他们更容易陷入贫困和其他社会问题，因此需要增加卫生投资和保险覆盖来缓解这些挑战[27]。削弱尼日利亚卫生结果的系统性问题非常严重，不利于卫生部门和经济增长。例如，只有35%的分娩发生在经过认证的标准卫生设施中，56%的哺乳母亲在分娩后六周内未得到任何产后护理[28]。医生与患者的比例约为1:4000至1:5000，远低于WHO推荐的1:600，而全球平均医生密度为每10,000人17名医生[12]。2021年尼日利亚联邦卫生部（FMH）的支出低于预算47%，这限制了优质卫生服务的提供，导致疟疾、婴儿和孕产妇死亡率上升，出生预期寿命缩短，自付费用增加，卫生不平等加剧，对经济增长产生负面影响[29]。此外，石油收入的波动导致卫生资金不稳定，对尼日利亚的资本和经常性支出产生负面影响。

近年来，尼日利亚的婴儿死亡率位居世界前列，每千人中有55至60名婴儿死亡[30]。研究表明，高婴儿死亡率会对国家经济增长产生负面影响，因为它损害了人力资本积累的潜力、未来劳动力的数量，并给公共卫生资源带来压力[31][32]。虽然经济增长可以降低婴儿死亡率，但通过投资孕产妇护理和初级卫生服务来减少儿童死亡对于确保健康稳定的人口、高效的劳动力和可持续的经济增长至关重要，尤其是在低收入国家如尼日利亚[32]。影响婴儿死亡率的因素包括社会经济地位，例如来自贫困家庭的儿童在出生前死亡的风险更高[31]。此外，母亲的教育水平也是重要因素，五岁以下儿童缺乏基本正规教育与较高的婴儿死亡率密切相关[33]。农村地区缺乏必要的基本卫生设施，导致婴儿死亡率更高，而城市地区的卫生条件较好[34]。

在低收入国家，如尼日利亚，孕产妇死亡率更为严重，平均每10万例活产中有42名妇女或女孩在怀孕、分娩或终止妊娠期间死亡[35]。2023年全球孕产妇死亡率为每10万例活产中有197例。这一比率因地区而异，尼日利亚等国家的比率较高，原因是卫生基础设施不足、获得优质医疗服务的机会有限、医疗服务成本高昂以及可预防的原因（如不安全的堕胎、感染、产后出血、分娩并发症和高血压）[6]。研究表明，孕产妇死亡率对经济有显著负面影响，通过增加医疗支出和丧葬费用加剧家庭的社会经济和财务负担[36][37]；这减少了家庭劳动力，从而影响生产力。这支持了一个贫困循环，导致人类发展缓慢且效率低下，最终减缓了人均国民经济增长[29]。根据2024年《世界疟疾报告》，疟疾的发病率和死亡率在尼日利亚已经是一个严重的健康问题，全球疟疾死亡病例中尼日利亚占了很高比例，分别为31%和27%。尽管在2021年新冠疫情之后，尼日利亚的疟疾死亡率下降了55%，但该国仍有平均189,321人死于慢性疟疾，其中五岁以下的儿童占了大部分，约80%[38]。报告进一步指出，虽然2022年记录了6670万例病例，但2022年和2023年的疟疾死亡率分别增加了约189,312人和597,000人[38]。尼日利亚采取了多种政策措施来对抗疟疾和其他健康威胁，包括为幼儿提供季节性疟疾化学预防（SMC）、在全国范围内分发杀虫剂处理过的蚊帐（ITNs）、室内滞留喷洒（IRS）、为孕妇提供预防性护理，以及2024年逐步推出R21疟疾疫苗并纳入常规免疫计划[39]。其他政府战略性疟疾政策还包括病媒控制措施（VCM）、社区卫生工作者培训、改善诊断和治疗的可及性，以及促进社区参与以实现无疟疾的尼日利亚[40]。几十年来，怀孕期间的疟疾发病率（即新感染率）显著增加了母婴死亡率[41]。这可能导致严重的健康问题，如胎盘功能障碍、贫血、低出生体重和早产，使妇女面临更高的流产、死产以及母婴死亡风险[42]。孕妇和哺乳期妇女更容易感染慢性疟疾，疟原虫（恶性疟原虫）会在胎盘中积累，引发炎症反应，干扰营养交换和胎儿在子宫内的发育[43]。关于卫生支出对其健康结果、人类发展及尼日利亚经济增长过程的贡献，现有描述认为是灾难性的[44]。2015年至2016年间，尼日利亚约有48%的家庭面临灾难性的卫生支出。地理不平等和经济状况加剧了卫生支出负担的不平等。这是因为高昂的自付费用使数百万人陷入贫困，破坏了全民健康覆盖的目标[3]。研究表明，增加公共卫生支出与提高预期寿命、降低死亡率和减少贫困有关[45][13]。然而，资金不足和预算执行不力削弱了这些潜在的好处。尼日利亚政府卫生支出的增加与著名的卫生支出理论相符。例如，瓦格纳定律指出，随着国民收入的增加，作为社会服务的一部分，卫生支出应相应增加。内生增长理论将卫生支出视为对人类发展的投资，而不仅仅是消费和增长。此外，凯恩斯理论强调政府卫生支出的增加能够刺激总需求，从而促进经济增长。现有研究分别探讨了政府卫生支出对健康结果的影响，但很少有研究确定政府卫生支出对尼日利亚疟疾、婴儿和孕产妇死亡率的单个和综合影响。

1.1 研究目的
本研究的总体目的是探讨2000年至2024年间政府卫生支出对尼日利亚健康结果的影响。具体目标如下：
i. 探究政府卫生支出对尼日利亚婴儿死亡率的影响。
ii. 确定政府卫生支出对尼日利亚孕产妇死亡率的影响。
iii. 考察政府卫生支出对尼日利亚疟疾死亡率的影响。

1.2 研究假设
H01：尼日利亚的政府卫生支出与婴儿死亡率之间没有显著关系。
H02：尼日利亚的政府卫生支出与孕产妇死亡率之间没有显著关系。
H03：尼日利亚的政府卫生支出与疟疾死亡率之间没有显著关系。

本研究对政府和其他卫生部门利益相关者具有重要意义，因为它可以指导他们制定和实施卫生支出政策。此外，个人在私人卫生支出上的优先级也将受到影响，而国内外投资者也会发现这项研究有助于他们的投资决策。

本文分为五个部分：引言、文献综述、研究方法、结果与讨论、结论和建议。

2 文献综述
2.1 理论综述
“卫生支出理论”包含了许多关于卫生支出如何发生及其如何影响经济和社会发展的理论观点。一些常见的理论包括迈克尔·格罗斯曼理论、罗森茨威格和舒尔茨理论、威斯曼-皮科克假设以及瓦格纳定律。其他理论探讨了卫生支出与经济增长之间的因果关系，包括是否存在反馈循环或卫生支出是否驱动经济增长。这些理论研究了私人和公共卫生支出如何影响健康结果，如预期寿命和婴儿死亡率。

2.1.1 迈克尔·格罗斯曼理论
根据迈克尔·格罗斯曼1972年的理论，健康是一种由人们利用时间和市场产品（医疗服务）创造的耐用资本资产，会随时间贬值。当人们投资于健康以获得效用并提高生产力时，健康既是消费品也是投资品。该理论基于以下背景：
2.1.1.1 健康作为资本
人们出生时拥有一定水平的健康，这种健康会随时间贬值，可以通过增加健康投资来改善。当健康水平低于某个阈值时，就会发生死亡。
2.1.1.2 健康的生产
健康不仅仅是购买的；它是通过时间和市场投入（如优质的医疗服务、良好的饮食和定期锻炼）生产出来的。
2.1.1.3 健康的双重作用
健康既是一种消费品，能直接提供满足感，也是一种投资品，决定了可用于休闲和工作的总时间。
迈克尔·格罗斯曼提出，随着年龄的增长，人们的健康水平会更快地贬值，因此需要更多的投资来维持相同的健康水平。此外，较高的教育水平可以提高健康生产的效率，从而降低健康投资的成本。最终，个人通过选择最佳的健康投资水平，在一生中最大化自己的满足感。总之，迈克尔·格罗斯曼的理论强调个人是自己健康的创造者，而不是医疗服务的被动消费者。

2.1.2 罗森茨威格和舒尔茨理论
作为对格罗斯曼理论的扩展，罗森茨威格和舒尔茨在1983年提出了儿童健康生产函数，将健康视为教育、收入和公共服务（如医疗保健）等多种投入的结果。为了解决健康投入的内生性问题，并评估影响婴儿健康的因素（特别是出生体重），他们创建了一个开创性的家庭生产函数模型。使用两阶段最小二乘法（2SLS）来研究产前护理和母亲行为对结果的影响时，他们考虑了未观察到的健康禀赋。他们的分析表明，母亲会根据这些潜在特征调整投入。总之，该理论表明可以在健康生产函数中解决内生性问题。例如，高风险妊娠的母亲可能会寻求更多的产前护理，这在简单回归中可能显得产前护理无效。他们的分析表明，每延迟一个月的产前护理都会显著降低出生体重。他们还表明，胎儿的“禀赋”或遗传倾向会影响接受的护理强度。他们的研究为实证卫生经济学提供了基础方法，特别是在分析母亲行为、医疗投入利用和儿童健康结果之间的关系方面。

2.1.3 威斯曼-皮科克假设
根据威斯曼-皮科克假设，公共支出以不规则的“跳跃”或增加的方式增长，而不是以恒定和连续的速度增长。这通常是由于经济危机（如2000年的COVID-19大流行、战争或经济萧条）造成的。在这些经济冲击期间，政府会增加税收和支出以吸收和稳定经济，这种新的支出水平通常会在危机过后持续存在。换句话说，经济冲击后，政府支出通常不会回到危机前的水平，而是形成了新的需求和预期，导致政府部门及其支出的永久性增加。

2.2 实证综述
[48]的研究考察了卫生支出对尼日利亚和加纳经济增长的总体影响。该研究采用了混合回归方法来分析2012年至2024年间卫生支出对经济增长的细分影响。然而，混合回归方法将所有观测值视为独立的，忽略了时间不变、特定实体的特征。结果表明，卫生支出在两国农村和城市地区都对经济增长产生了负面影响。该研究未能捕捉到政府支出对婴儿、疟疾和孕产妇死亡率对经济增长的影响。为了研究2000年至2024年间卫生支出对经济发展的影响，[13]采用了向量自回归（VAR）方法，发现人类发展、公共和私人卫生支出与经济增长之间存在正相关关系，无论是在短期内还是长期内。解释VAR系数很困难，因为它需要平稳的数据，而这些数据对滞后选择非常敏感。[49]的研究使用ARDL边界测试方法研究了卫生支出对家庭收入和投资的影响，发现卫生工作者收入的增加对家庭健康状况和就业条件产生了负面影响。然而，卫生支出对某些撒哈拉以南非洲国家的健康结果和经济发展有积极贡献。ARDL模型的局限性在于它无法处理二阶整合的序列。[50]研究了2000年至2018年间亚洲某些国家私人卫生支出和公共卫生支出与健康发病率之间的相关性和联系。他们的发现表明，人均GDP、基本水资源利用服务、婴儿免疫和贸易开放度显著改善了婴儿和五岁以下儿童的死亡率。然而，生态足迹通过环境退化加剧了婴儿死亡率。[51]的研究使用广义矩工具变量（GMM-IV）方法研究了2000年至2018年间38个撒哈拉以南非洲国家卫生支出对经济增长过程的细分影响，结果显示卫生支出与这些地区的经济增长之间存在强烈的正相关关系。公共和私人医疗保健支出在解释研究期间经济增长变化方面具有统计显著性[52]。该研究考察了2000年至2024年间36个经合组织国家医疗保健支出与实际GDP增长之间的联系，使用了因果关系检验和面板协整分析，发现这两个变量之间不存在协整关系。进一步的研究发现实际GDP增长与医疗保健支出之间存在因果关系。这表明实际GDP增长仅在短期内刺激医疗保健支出。然而，这种方法常常伴随着处理横截面依赖性、数据结构限制和参数异质性的复杂性[53]。另一项研究利用1990年至2024年间26个经合组织国家的面板数据，考察了医疗保健支出对经济增长的影响，特别是对所选国家人类发展的影响。研究结果表明，政府医疗保健支出对经济增长有负面影响，而总体医疗保健支出对经济增长是有利的[53]。在相关研究中[54]，采用面板数据分析方法研究了2000年至2024年间中东和北非国家医疗保健支出与经济增长之间的联系。主要研究发现医疗保健支出对经济增长有负面影响，但婴儿死亡率和出生时的预期寿命与经济增长呈正相关[54]。还有研究[13]探讨了经济和社会增长对尼日利亚公共卫生支出的影响，发现健康保险政策和人均公共卫生支出显著影响了经济和社会增长，但经济增长在解释卫生基础设施增长变化方面并不显著[13]。有效的公共卫生支出需要战略性和谨慎的规划，以实现资源的有效分配[13]。另一项研究[55]采用一般矩方法（GMM）研究了1995年至2014年间选定非洲国家公共卫生支出与经济增长过程之间的联系，主要发现公共卫生支出与经济增长之间存在正相关关系。国内储蓄、外国直接投资（FDI）和劳动力是经济增长的核心驱动力[53]。另有研究使用面板回归分析考察了中国、巴基斯坦、孟加拉国和印度公共卫生支出与经济增长之间的关系，但结果在统计上并不显著[53]。这些研究强调了增加公共卫生投资作为人类发展和可持续增长核心因素的必要性[53]。比较研究[56]对比了中非经济和货币共同体（CEMAC）国家与实现阿布贾宣言目标的五个非洲国家之间的公共卫生支出效应，采用面板回归方法，结果显示公共卫生支出对两个地区的GDP增长有微小但积极的影响[56]。这意味着增加公共卫生支出能够在选定国家中触发GDP增长的微小增长，同时强调了实现阿布贾宣言目标的必要性。

在尼日利亚，医疗保健支出在降低婴儿死亡率方面效果复杂：研究发现，经常性医疗支出和公共医疗保健支出对婴儿死亡率有显著的负面影响，而捐助资金则对婴儿死亡率有积极的显著影响[14]。许多挑战存在，如私营部门的自付支出效果较弱，且总量较低且不足。此外，卫生工作者的流动和腐败等问题阻碍了卫生领域的经济进步[3]。有效的可持续卫生成果需要增加和持续的政府卫生融资、明智的公共资金管理以及解决基础设施薄弱和识字率低等根本问题，以有效应对高婴儿死亡率[57]。实证回顾显示，关于政府支出对婴儿死亡率、疟疾和孕产妇死亡率影响的实证证据不足。此外，很少有研究建立了尼日利亚政府医疗支出与疟疾、婴儿死亡率和孕产妇死亡率之间的相互关系，而本研究对此进行了充分探讨。

2.3 概念回顾
医疗支出是指用于提供基本卫生服务和相关服务的资金，旨在改善人口健康状况。医疗支出包括公共和私人支出，这些支出用于资助卫生基础设施服务和必要的干预措施，以改善国家的卫生结果[58, 59]。医疗支出的组成部分包括：
- **公共卫生支出**：政府在医疗保健上的支出，包括用于运营性医疗服务的资金（如维护、消耗品、药品和工资）以及对卫生基础设施的长期投资（如开发项目、医院建筑和设备）[60][61]。
- **私人医疗支出**：私营部门的支出，包括家庭为医疗服务和药品所承担的自付费用。在尼日利亚，私人医疗支出占总医疗支出的约75%，其中自付费用占私人总支出的约90%[26]。
- **外部医疗支出**：来自外国捐助者和援助的资金，用于支持尼日利亚的卫生项目，约占医疗总支出的15%。几十年来，私人医疗支出一直占主导地位，尤其是自付费用[62]。

医疗支出可以根据支付方类型进行分类。其中包括公共或政府支付方，其医疗支出由政府通过资本支出和经常性支出来资助，用于卫生基础设施、公共卫生服务和项目[63]。2024年，政府在尼日利亚的医疗支出仅占总医疗支出的10%[13]。这一数字比阿布贾宣言规定的15%目标低约5%。从2000年到2020年，政府在医疗服务上的经常性支出增加了2366%，而同期资本支出波动较大，更多集中在运营需求上，尤其是在COVID-19疫情之后[64]。然而，尼日利亚的大部分医疗支出来自私营部门，占医疗总支出的约75%，其中家庭自付费用占主导地位。这种主导地位凸显了尼日利亚普通人在实现医疗保健资金公平分配方面面临的挑战[65]。尽管私营部门在医疗服务上的支出较高，但从2002年的约75%下降到2012年的约69%，其中自付费用占私人总支出的约90%[66]。这意味着人们倾向于将更多收入用于为自己提供高质量的医疗服务，而不是依赖政府。此外，捐助资金、国际援助和全球卫生倡议约占尼日利亚总医疗支出的10%，这是对私营和公共医疗支出的补充[13]。作为GDP的比例，政府在医疗上的支出约为0.66%，远低于全民健康覆盖（UHC）所需的4%至5%。

总体而言，2000年至2024年间，尼日利亚的医疗融资表现出持续的波动性和较低的公共支出，而私营部门的支出则较高且呈上升趋势[13]。私营部门医疗支出增加的一些决定因素包括：由于COVID-19引发的全球通货膨胀导致医疗服务和药品价格上涨、自付支出增加、卫生保险覆盖不完整和有限、由于公共医疗服务提供者效率低下而增加对私营医疗服务提供者的需求、流行病学转变以及人口增长，这些都增加了对医疗服务的需求[64]。

2.4 理论框架
2.4.1 Fayissa和Gutema的卫生生产函数
Bichaka Fayissa和Paulos Gutema开发的宏观经济卫生生产模型[67]，应用1972年的Grossman理论框架，在宏观层面上估计了31个撒哈拉以南非洲（SSA）国家卫生状况（特别是出生时的预期寿命）的决定因素。该模型将卫生视为由社会经济和环境投入共同作用产生的资本商品。Fayissa和Gutema在2005年假设，以出生时预期寿命衡量的卫生状况（h）是以下三类投入的函数：
$$ \left( h \right) \, = \, f\left( {Y, \, S, \, V} \right) $$ （1）
其中：
- **Y**：经济因素：人均收入（人均GDP）、医疗支出占GDP的比例以及食物可获得性。
- **S**：社会因素：由贫困、性别不平等、教育水平低和医疗资源有限等因素驱动的孕产妇死亡率。
- **V**：环境因素：疟疾发病率、城市化率和每工人的二氧化碳排放量。

作为对2005年Fayissa和Gutema卫生生产函数的修改，本研究在方程（1）中加入了婴儿死亡率（IMR）、孕产妇死亡率（MMT）和疟疾死亡率（MLR）作为解释变量，修改后的函数为：
$$ \left( h \right) \, = \, f \, \left( {Y, \, S, \, V, \, IMR, \, MMT, \, MLR} \right) $$ （2）
具体表达式为：
$$ \left( h \right)_{t} = \, \beta_{0} + \, \beta_{1} Y \, + \, \beta_{2} S \, + \, \beta_{3} V \, + \, \beta_{4} IMR \, + \, \beta_{5} MMT \, + \, \beta_{6} MLR \, + \, \varepsilon_{t} $$ （3）
其中εt表示第t期的随机项，βs是需要估计的参数。

3. 研究方法
3.1 数据的性质和来源
政府医疗支出（HXP）、婴儿死亡率（IMR）、孕产妇死亡率（MMT）和疟疾死亡率（MLR）的时间序列数据来源于世界银行发展指标（WDI）数据库、疾病登记系统（DR）、民事登记和生命统计系统（CRVS）、常规卫生信息系统（RHIS）和卫生管理系统（HMIS），时间跨度为2000年至2024年。选择样本量的目的是为了获得更好的数据质量、减少测量误差和提高精度。所收集的数据是原始且直接的，用于追踪尼日利亚的风险行为、健康问题和医疗保健的可及性。

HXP衡量的是政府按当前购买力平价（PPP）计算的人均国内医疗支出；IMR是指每1000个活产婴儿的婴儿死亡率，是衡量一个经济体整体健康状况、社会经济发展和医疗保健质量的关键指标。MMT是每100,000个活产婴儿的孕产妇死亡率估计值，是衡量一个经济体整体卫生系统、妇女地位和社会发展的核心指标。孕产妇死亡率是社会不平等的关键指标，受性别不平等、贫困、教育水平低和医疗资源有限等因素驱动。MLR是指每1000个高风险人群中的疟疾病例数，而疟疾死亡率则反映了该疾病的死亡率。MLR是公共卫生风险和控制措施有效性的关键指标。疟疾发病率反映了环境因素（主要是气候）对蚊子繁殖和生存的影响。

3.2 数据分析方法
描述性统计分析了数据的分布情况，并确定了数据的正态性。进行了Phillips Perron（PP）和Augmented Dickey Fuller（ADF）单位根检验以确定变量的整合阶数。Johansen协整检验建立了变量之间的长期关系，而无限制向量自回归（VAR）模型建立了变量之间的动态关系。VAR模型最适合本研究，因为它允许变量集体表现出动态行为，而不受限制[68]。与其他方法（如Autoregressive Distributed Lag（ARDL）模型不同，VAR模型可以处理多个内生变量系统，确保所有变量都处于同一整合阶数。由于样本量较小，为了避免低估风险，使用了Akaike信息准则（AIC）来确定最优滞后阶数。指定的模型包含4个变量，这些变量表示为每个变量自身两个滞后值的函数，并加上一个误差项（εt）。方差分解测试量化了这些变量预测误差方差在多大程度上能够解释它们自身过去的冲击，以及这些冲击与其他模型变量的冲击之间的关系。向量误差修正模型（VECM）确定了变量从冲击中调整到均衡的速度。向量自回归（VAR）残差相关性LM测试确认了序列中不存在自相关性。

3.3 模型规格
VAR模型可以指定为：
$$ \begin{aligned} HXP_{t} & = {\mu} \beta _{0} + {\mu} \beta _{{11}} HXP_{{t - 1}} + {\mu} \beta _{{12}} HXP_{{t - 2}} + {\mu} \beta _{{21}} IMR_{{t - 1}} \\ & + {\mu} \beta _{{22}} IMR_{{t - 2}} + {\mu} \beta _{{31}} MMT_{{t - 1}} + {\mu} \beta _{{32}} MMT_{{t - 2}} \\ & + {\mu} \beta _{{41}} MLR_{{t - 1}} + {\mu} \beta _{{42}} MLR_{{t - 2}} + {\mu} \varepsilon _{t} \\
\end{aligned} $$

$$ \begin{aligned} IMR_{t} = {\mu} \beta _{0} + {\mu} \beta _{{11}} IMR_{{t - 1}} + {\mu} \beta _{{12}} IMR_{{t - 2}} + \\ & \beta _{{21}} MMT_{{t - 1}} + {\mu} \beta _{{22}} MMT_{{t - 2}} + {\mu} \beta _{{31}} HXP_{{t - 1}} \\ & + {\mu} \beta _{{32}} HXP_{{t - 2}} + {\mu} \beta _{{41}} MLR_{{t - 1}} + {\mu} \beta _{{42}} MLR_{{t - 2}} + {\mu} \varepsilon _{t} \\
\end{aligned} $$

$$ \begin{aligned} MMT_{t} = {\mu} \beta _{0} + {\mu} \beta _{{11}} MMT_{{t - 1}} + {\mu} \beta _{{12}} MMT_{{t - 2}} + {\mu} \\ & \beta _{{21}} IMR_{{t - 1}} + {\mu} \beta _{{22}} IMR_{{t - 2}} + {\mu} \beta _{{31}} HXP_{{t - 1}} \\ & + {\mu} \beta _{{32}} HXP_{{t - 2}} + {\mu} \beta _{{41}} MLR_{{t - 1}} + {\mu} \beta _{{42}} MLR_{{t - 2}} + {\mu} \varepsilon _{t} \\
\end{aligned} $$

$$ \begin{aligned} MLR_{t} = {\mu} \beta _{0} + {\mu} \beta _{{11}} MLR_{{t - 1}} + {\mu} \beta _{{12}} MLR_{{t - 2}} \\ & + {\mu} \beta _{{21}} HXP_{{t - 1}} + {\mu} \beta _{{22}} HXP_{{t - 2}} + {\mu} \beta _{{31}} MMT_{{t - 1}} \\ & + {\mu} \beta _{{32}} MMT_{{t - 2}} + {\mu} \beta _{{41}} IMR_{{t - 1}} + {\mu} \beta _{{42}} IMR_{{t - 2}} + {\mu} \varepsilon _{t} \\
\end{aligned} $$

$$ \begin{aligned} PHX_{t} = {\mu} \beta _{0} + {\mu} \beta _{{11}} PHX_{{t - 1}} + {\mu} \beta _{{12}} PHX_{{t - 1}} + {\mu} \beta _{{21}} IMR_{{t - 1}} \\ & + {\mu} \beta _{{22}} IMR_{{t - 2}} + {\mu} \beta _{{31}} MMT_{{t - 1}} + {\mu} \beta _{{32}} MMT_{{t - 2}} + {\mu} \varepsilon _{t} \\
\end{aligned} $$

其中，HXP表示按当前购买力平价计算的人均国内政府卫生支出；IMR表示每1000个活产婴儿的婴儿死亡率；MMT表示每100,000个活产婴儿的孕产妇死亡率；MLR表示每1000个高风险人群中的疟疾病例发生率；PHX表示人均私人卫生支出。

模型规格是合理的，假设这些变量是遍历的且平稳的。随机项εt代表了HXP、IMR、MMT和PHX中与序列过去值无关或未被捕捉到的部分。

3.4 单位根测试
进行了增广Dickey-Fuller（ADF）和Phillips Perron（PP）单位根测试，以确定积分阶数并考虑残差中可能存在的自相关性和异方差性。我们的模型中包含了内生变量的滞后差分值。
我们指定的ADF模型为：
$$ \Delta y_{t} = \alpha + \beta_{t} + \delta y_{t - 1} + \sum\nolimits_{t = 1}^{n} \gamma \Delta y_{t - 1} + \varepsilon_{t} $$

然而，Phillips Perron（PP）测试基于以下模型：
$$ \Delta y_{t} = \alpha + \beta_{t} + \delta y_{t - 1} + \varepsilon_{t} $$
其中，\(\Delta y_{t}\)表示内生变量的滞后差分；\(\beta_{t}\)表示包含的滞后数，使用SIC准则；Newey-West带宽为2。
原假设是y = 0，意味着存在单位根；而备择假设是y < 0，意味着序列是平稳的（即没有单位根）。

3.5 Johansen协整测试
Johansen协整测试允许在向量自回归（VAR）系统中建立1阶平稳序列之间的长期关系。在构建了水平VAR模型后，我们将VAR模型转换为向量误差修正模型（VECM），其表达式为：
$$ \Delta y_{t} = \delta y_{{t} - 1} + \sum\nolimits_{t = 1}^{{k} - 1} {\gamma \delta y_{{t} - 1} + \varepsilon_{{t}} $$
其中，\(y_{t}\)表示非平稳变量向量；\(\gamma\)表示长期关系的参数。
协整向量的数量通过特征值统计量确定。假设如下：
H0：没有协整方程。
H1：H0不成立。

3.6 向量误差修正模型（VECM）
我们的VECM形式指定为：
$$ \Delta y_{{t}} = \alpha \beta^{{i}} y_{{t} - 1} + \delta_{i} \Delta y_{{t} - 1} + \varepsilon_{{t}} $$
其中，\(y_{t}\)表示1阶协整序列向量；\(\Delta y_{t}\)表示具有长期均衡的协整向量；α表示调整系数，用于捕捉每个变量对偏离均衡的调整情况；δ表示短期动态；随机项向量由εt表示。

4 结果与讨论
4.1 描述性统计
描述性统计分析了数据趋势、异常值检测、模式识别，并提供了关于变量分布在其均值附近的更精确信息。描述性统计检查了均值、中位数、最小值、最大值、标准差、偏度、峰度和Jarque–Bera统计量。表1展示了描述性统计结果。

表1 变量的描述和测量
从表2可以看出，尼日利亚的孕产妇死亡率和疟疾病例死亡率对卫生支出的影响最大。这表明尼日利亚面临较高的疟疾和孕产妇死亡率负担[69]。最大值和最小值表明数据中没有异常值或数据输入错误。对HXP、IMR、PHX、MLR和MMT值的比较显示数据呈正态分布。相应的标准差值表明这些序列从其均值出发呈正态分布。偏度值表明数据呈正态偏斜，并围绕其均值分布。峰度值接近3，表明数据在其均值附近呈正态分布。此外，相应的概率值小于Jarque–Bera值，这也表明数据在其均值附近呈正态分布。

表2 HXP、IMR、MLR和MMT的描述性统计摘要

4.2 单位根测试
单位根测试结果分别在表3、4、5和6中呈现。
表3 增广Dickey Fuller（ADF）单位根测试结果（水平）
表4 增广Dickey Fuller（ADF）单位根测试结果（一次差分）
表5 Phillips Perron（PP）单位根测试结果（水平）
表6 Phillips Perron（PP）单位根测试结果（一次差分）
表3中的单位根测试结果显示，HXP、IMR、PHX和MLR在水平上不是平稳的，因为它们的p值大于0.05，且其测试统计量的绝对值低于1%、5%和10%的临界值。然而，MMT在水平上是平稳的，因为其概率值小于0.05，且其绝对值高于1%、5%和10%的临界值。表4展示了单位根结果的一次差分。在一次差分后，HXP、IMR、MLR和PHX是平稳的，因为它们的p值小于0.05，且其测试统计量的绝对值大于1%、5%和10%的临界值。这些条件为应用Johansen协整测试提供了依据。
表5中的Phillips Perron（PP）单位根测试结果显示，HXP、MLR、PHX和MMR在水平上不是平稳的，因为它们的p值大于0.05，且其测试统计量的绝对值低于1%、5%和10%的临界值。然而，IMR在水平上是平稳的，因为其概率值小于0.05，且其绝对值高于1%、5%和10%的临界值。表6展示了PP单位根结果的一次差分。在一次差分后，HXP、IMR、MLR和PHX是平稳的，因为它们的p值小于0.05，且其测试统计量的绝对值大于1%、5%和10%的临界值。这些条件进一步证明了应用Johansen协整测试的合理性。

4.3 Johansen协整测试
本节探讨了政府卫生支出（HXP）对婴儿死亡率（IMR）、疟疾病例死亡率（MLR）和孕产妇死亡率（MMT）的长期影响。
表7和表8展示了尼日利亚政府卫生支出与婴儿死亡率、疟疾病例死亡率和孕产妇死亡率之间的长期关系。表7展示了无约束协整秩检验（Trace检验），而表8展示了无约束协整秩检验（最大特征值）。
表7 协整秩检验（Trace检验）
表8 协整秩检验（最大特征值）
表7中的协整秩检验（Trace检验）确定了变量之间的协整向量数量（长期均衡关系），表明存在共同的误差趋势和长期关系。结果表明，Trace统计量大于其相应的临界值（5%）。它们的概率值小于0.05，因此我们拒绝了无协整的原假设。因此，Trace统计量在5%的显著性水平上表明存在3个协整方程。
表8的结果显示，最大特征值大于5%的临界值。因此，我们拒绝了无协整的原假设。此外，它们的概率值也小于0.05，进一步证明了存在3个协整方程。3个协整方程的存在意味着HXP、IMR、MLR和MMT之间的线性组合是平稳的，表明这些变量之间存在长期均衡。此外，4个变量（HXP、IMR、MLR和MMT）中的3个协整方程（r = 3）表明高度整合。这意味着这4个变量共享3个独立的长期关系，并且共同变动。从长期来看，疟疾病例的增加可能导致婴儿和孕产妇死亡率的增加[70]。进一步表明该模型是合理的且形式正确。协整向量在指定的模型中是一致的，长期关系是稳定的。这些条件满足了VAR估计的应用。表9展示了变量的VAR估计结果。

表9 HXP、IMR、MLR和MMT的向量自回归（VAR）估计结果
从表9中的模型2可以看出，孕产妇死亡率在1年和2年的滞后期间（MMT(-1)和MMT(-2)）对解释当前时期婴儿死亡率（IMRt）的变化具有统计显著性，概率值小于0.05。在1年和2年滞后期间，孕产妇死亡率每增加1%，在其他条件相同的情况下，婴儿死亡率分别会下降0.037%和0.001%。在模型3中，1年和2年滞后期间的婴儿死亡率（IMR(-1)和IMR(-2)，以及1年滞后期间的政府卫生支出（HXP(-1)），在解释当前时期孕产妇死亡率（MMRt）的变化方面具有统计学意义，其概率值小于0.05。在1年和2年滞后期间，婴儿死亡率每增加1%，孕产妇死亡率分别会增加94.71%和89.16%；而在1年滞后期间，卫生支出每增加1%，孕产妇死亡率会增加0.31%（其他条件相同）。此外，在模型4中，1年和2年滞后期间的卫生支出（HXP(-1)和HXP(-2)在解释当前时期疟疾死亡率（MLRt）的变化方面也具有统计学意义，概率值小于0.05。在1年和2年滞后期间，政府卫生支出每增加1%，当前时期的疟疾死亡率将分别增加0.14%和0.28%（其他条件相同）。其他变量与各自内生变量的变化关系在统计上并不显著。根据经济理论，疟疾是尼日利亚婴儿和孕产妇死亡的主要原因，分别占死亡人数的约25%和11%[41]。疟疾会导致严重贫血，降低免疫抵抗力，并在怀孕期间增加并发症[71]。这4个模型没有序列相关性，Durbin Watson统计量接近2。标准误差的值相对于系数或总方差来说很小，这表明模型的准确性和拟合度较高。

4.4 方差分解测试
方差分解测试确定了每个内生变量的预测误差方差在多大程度上可以由其自身和其他变量的冲击来解释。因此，它解释了每个内生变量对其他变量随时间变化的贡献。使用从短期到长期的5年预测期，方差分解估计结果分别显示在表10、11、12和13中。

表10 HXP的方差分解
表11 IMR的方差分解
表12 MLR的方差分解
表13 MMT的方差分解

表10中的行表示HXP对预测误差方差的百分比贡献。在短期内，HXP自身的预测误差方差占100%，而在长期内平均为3.04%。这意味着HXP在短期内对其自身有很强的影响，而在长期内对其自身的预测能力较弱。除了IMR之外，模型中的其他变量（MLR和MMT）对HXP的影响不强。这表明MLR和MMT在短期和长期内对HXP都有很强的外生影响。

表11的结果显示，在短期内，IMR自身的预测误差方差占99%，而在长期内平均为90%。这意味着IMR在短期和长期内都对其自身有很强的影响，并且对其自身的预测能力很强。HXP、MLR和MMT在短期和长期内对IMR的影响都不强。这表明HXP、MLR和MMT在短期和长期内对IMR都有很强的外生影响。

表12的结果显示，在短期内，MLR自身的预测误差方差平均占57%，而在长期内占约0.78%。这意味着MLR在短期内对其自身有中等程度的影响，而在长期内影响较弱。其他变量HXP、IMR和MMT在短期和长期内对MLR的影响都不强，这表明HXP、IMR和MMT在短期和长期内对MLR都有很强的外生影响。

表13的结果显示，在短期内，MMT自身的预测误差方差平均占53.66%，而在长期内占约4.89%。这意味着MMT在短期内对其自身有中等程度的影响，而在长期内影响较弱。除了IMR之外，其他变量在短期和长期内对MMT的影响都不强。这表明HXP和MLR在短期和长期内对MMT都有很强的外生影响。

4.5 残差测试
4.5.1 自相关LM测试
进行自相关LM测试是为了检测我们模型残差中的序列相关性。表14展示了测试结果。

表14 VAR残差序列相关LM测试

表14中的概率值大于0.05，这意味着结果不显著，因此我们接受原假设，即滞后1和2期的残差中没有序列相关性。模型能够充分捕捉长期的时间序列冲击或动态。同样，LRE统计量也捕捉到了模型残差中的自相关模式，但由于其概率值均大于0.05，因此表明模型中没有序列相关性。

4.5.2 正态性测试
使用Cholesky协方差矩阵进行正态性测试，以确定残差是否围绕其均值呈正态分布。表15展示了正态性测试结果。

表15 正态性测试

表15中的联合概率值大于0.05，因此我们接受原假设，得出残差在5%的显著性水平上呈正态分布的结论。

4.5.3 异方差性测试
进行异方差性测试是为了识别误差项中的非恒定方差。表16展示了联合测试结果。

表16 联合测试（异方差性）

表16中的联合概率值大于0.05，因此我们接受原假设，得出误差项是同方差的结论。

4.5.4 多重共线性测试
使用方差膨胀因子（VIF）进行多重共线性测试。VIF衡量了由于模型中其他相关变量的共线性导致的估计回归系数膨胀的程度。如果VIF = 1，则表示没有共线性；如果1 < VIF < 5，则表示中度共线性；如果VIF ≥ 5到10，则表示高度共线性；如果VIF > 10，则表示严重共线性。VIF可以通过以下公式计算：
$$\text{V}\text{I}\text{F} =\frac{1}{1-{R}^{2}$$
其中E2 = 0.65，VIF = 2.857。这表明模型中没有多重共线性。

4.5.5 替代设定（稳健性检验）
为了进行稳健性检验，我们用私人卫生支出（PHX）替换了感兴趣的变量政府卫生支出（HXP），以检查长期关系是否成立。表17和表18展示了这些变量的长期关系结果。

表17 协整秩检验（迹检验）
表18 协整秩检验（最大特征值）

表17中的协整秩检验（迹检验）重新确定了变量之间的协整向量数量（长期均衡关系），表明存在共同的误差趋势和长期关系。结果再次确认迹统计量大于各自的临界值（5%）。它们的概率值小于0.05，表明我们拒绝了无协整的原假设。因此，迹统计量在5%的显著性水平上表明存在3个协整方程。

表18的结果再次确认最大特征值大于各自的5%临界值，概率值小于0.05，表明我们拒绝了无协整的原假设。因此，最大特征值在5%的显著性水平上表明存在3个协整方程。

4.6 冲击响应函数
我们研究的冲击响应函数是政府卫生支出（HXP），而响应变量是婴儿死亡率（IMR）、疟疾死亡率（MLR）和孕产妇死亡率（MMT）。图1展示了HXP冲击的影响以及IMR、MLR和MMT的响应情况，时间范围为8期。

从图1可以看出，冲击响应函数（黑线）位于95%置信区间（红线）内，分别显示了IMR、MLR和MMT对HXP一个标准差冲击的响应。从早期阶段（短期）到第5期的一半（长期），IMR、MLR和MMR对HXP的冲击响应是稳定的。这意味着HXP的短期冲击对IMR、MLR和MMT没有影响。在第5期（长期）之后，随着HXP冲击的持续，IMR和MMR略有下降但为负。这意味着在长期内，HXP的冲击将对IMR和MMT产生负面影响。然而，随着HXP冲击的持续，MLR略有上升且为正。这意味着在长期内，HXP的冲击将对MLR产生正面影响。

4.7 向量误差修正（VEC）估计
向量误差修正（VEC）估计展示了当变量偏离其均衡状态时的短期动态调整和长期均衡。表19展示了变量向均衡的短期和长期调整。

表19 HXP、MLR、IMR和MMT的向量误差修正（VEC）估计

表19的上半部分展示了误差修正项（ECT），该项解释了变量之间的长期协整关系，而下半部分展示了短期系数。误差修正系数为-0.062805，意味着前一时期偏离长期均衡的情况在当前时期得到了6.28%的调整。在其他条件相同的情况下，HXP前一值的1%变化将导致误差修正项增加100%。IMR前一值的1%变化将导致误差修正项增加703.79%。此外，MLR前一值的1%变化将导致误差修正项增加70.56%，MMT前一值的1%变化将导致误差修正项减少1170.49%。

5 结果讨论
5.1 假设一（HXP vs IMR）
VAR估计显示，1年和2年滞后期间的政府卫生支出（HXP）在解释婴儿死亡率（IMR）的变化方面统计上不显著。1期滞后期间政府卫生支出增加1%将导致婴儿死亡率下降1.4%，而2期滞后期间政府卫生支出增加1%将导致婴儿死亡率上升4.2%。因此，我们接受原假设，即尼日利亚政府卫生支出与婴儿死亡率之间没有显著关系。

5.2 假设二（HXP vs MMT）
VAR估计显示，1期滞后期间的政府卫生支出（HXP）在解释孕产妇死亡率（MMT）的变化方面具有统计学意义，而在2期滞后期间则不显著。1期和2期滞后期间政府卫生支出增加1%将分别导致孕产妇死亡率上升31.7%和97.2%。因此，我们拒绝原假设，即尼日利亚政府卫生支出与孕产妇死亡率之间没有显著关系。

5.3 假设三（HXP vs MLR）
VAR估计显示，1年和2年滞后期间的政府卫生支出（HXP）在解释疟疾死亡率（MLR）的变化方面具有统计学意义。1期和2期滞后期间政府卫生支出增加1%将分别导致疟疾死亡率上升14.78%和28.67%。因此，我们拒绝原假设，即尼日利亚政府卫生支出与疟疾死亡率之间没有显著关系。这些结果与[74]中的5.4节政策含义一致。尽管政府推行的医疗保健政策和策略（如儿童疾病综合管理（IMC）、孕产妇和新生儿死亡率降低创新计划（MAMII）以及国家儿童生存行动计划）已经取得了一些可衡量的成果，但尼日利亚政府医疗保健支出的增加并未显著降低婴儿死亡率[75]。由于医疗专业人员的大量流失、总体支出较低、资源分配不均、资源利用效率低下以及医疗设施不足，婴儿死亡率仍在上升[8]。实际上，实施过程中的挑战削弱了医疗支出增加所带来的好处，导致尼日利亚的婴儿死亡率持续上升[14]。在2024年至2028年期间，政府为降低孕产妇死亡率而实施的策略（如MAMII和安全孕产计划）并未实现预期目标[76]。作为社会指标，孕产妇死亡率因教育机会不足、贫困、医疗资源有限、性别不平等以及特别是在冲突频发地区妇女和儿童最易受伤害而持续上升。这些发现与[77]中的内容一致。由于支出效率低下和资金协调不当，政府医疗支出的增加不足以扭转尼日利亚疟疾死亡率上升的负面趋势。疟疾发病率已成为公共卫生风险和控制措施有效性的关键指标。尽管政府在医疗保健上的支出不断增加，但由于环境因素（主要是热带气候、降雨量大、湿度高和温度高），疟疾发病率仍在上升。积水、排水系统不良、植被覆盖率高等因素是尼日利亚疟疾发病率上升的核心原因。这些因素促进了蚊子的繁殖和寄生虫的发育与存活。这些发现与[78]中的内容一致。

6. 结论
尽管尼日利亚政府在医疗保健上的支出不断增加，但由于农村地区优质医疗服务获取困难、医疗基础设施不足、医疗专业人员流失严重、支出效率低下、资金协调不当、人们对预防措施的认知和教育不足、贫困问题以及疟原虫抗药性的增加，该国仍未能扭转婴儿死亡率、疟疾发病率和孕产妇死亡率上升的负面趋势。私人自付医疗费用占尼日利亚医疗总支出的大部分，给家庭尤其是城市贫困家庭和农村脆弱群体带来了巨大负担。疟疾、婴儿和孕产妇死亡率的上升给医疗系统带来了压力，导致资源分配紧张，并加剧了该国其他健康问题的解决难度。各种旨在降低婴儿死亡率、疟疾发病率和孕产妇死亡率的政府医疗政策和策略（如儿童疾病综合管理（IMC）、孕产妇和新生儿死亡率降低创新计划（MAMII）、安全孕产计划以及国家儿童生存行动计划）未能实现最初的目标。然而，通过当前的医疗改革、全民医疗保险、增加政府支出和公私合作伙伴关系，尼日利亚有望改善医疗服务的可及性，并利用现代技术来满足日益增长的医疗需求，从而降低婴儿死亡率、疟疾发病率和孕产妇死亡率。

7. 建议
I. 为了降低尼日利亚的婴儿死亡率，应优先考虑那些旨在提高医疗质量和可及性的战略计划，例如改善农村诊所设施和增加专业接生人员的数量。核心干预措施应包括促进孕妇的营养健康、加强免疫接种计划、提高公众对安全分娩方式的认识以及投资社区医疗服务（如联合国人口基金（UNFPA）的三轮车项目）。
II. 为了进一步预防和降低尼日利亚的疟疾死亡率，政府应与私营部门合作，加强针对室内滞留喷洒（IRS）和长效杀虫剂蚊帐（LLINs）等医疗保健政策的实施，并通过早期诊断和治疗来加强疟疾病例管理。此外，应为五岁以下儿童提供季节性疟疾化学预防（SMC），并定期开展健康教育活动以加强医疗系统。这将确保人们能够获得高质量且负担得起的药品、医疗服务和训练有素的医疗人员。
III. 需要采取多方面的策略来预防和降低尼日利亚的孕产妇死亡率，包括提供现代计划生育服务、加强产前护理、增加对紧急产科护理的投资、通过经济机会和健康教育赋予女孩和妇女权力、提高公共卫生意识，并鼓励社区项目（如Abiye Project）的实施。
IV. 加强公私合作伙伴关系（PPPs）对尼日利亚的医疗行业至关重要，主要是为了改善医疗基础设施、提供必要的资金和投资于现代技术，以便利用私营部门的创新和专业知识来提升医疗服务水平。