背景:本研究旨在探讨社会脆弱性（SoVI）指标（种族/族裔、人口结构、社会经济地位、住房结构和准入/功能需求）与美国东南部低出生体重（LBW）和早产（PTD）率之间的关系。

方法:收集2000 - 2015年各县年低出生体重和早产率数据。LBW和PTD分别为低于(0)和高于(1)两类。采用多项logistic回归(multiomlogisregression, MLR)进行回归分析，探讨二者之间的关系。

结果：年度模型得出的一套不同的社会脆弱性指标对2005-2015年美国东南地区低出生体重率和早产有影响。种族和族裔变量是低出生体重最常见的影响社会脆弱性指标之一。就像种族和民族一样，房价低和中等的郡县比房价高的郡县更有可能出现低LBW。与LBW不同，种族和民族特征以不同的方式影响整个研究区域的PTD率。与拉美裔人口比例高的县相比，拉美裔人口比例低/中的县的LBW率有所上升，而PTD与黑人社区的关系更为密切。人口结构和社会经济状况指标提供了最有力的指标，表明县的PTD可能高于全国平均水平。

结论:有影响的变量表明，迫切需要全面了解社会脆弱性与LBW和PTD之间的联系。从危险的文献中对社会脆弱性进行全面的分析，可以更有力地理解不良生育结果的驱动因素。

背景:本研究旨在探讨社会脆弱性（SoVI）指标（种族/族裔、人口结构、社会经济地位、住房结构和准入/功能需求）与美国东南部低出生体重（LBW）和早产（PTD）率之间的关系。

方法:收集2000 - 2015年各县年低出生体重和早产率数据。LBW和PTD分别为低于(0)和高于(1)两类。采用多项logistic回归(multiomlogisregression, MLR)进行回归分析，探讨二者之间的关系。

结果：年度模型得出的一套不同的社会脆弱性指标对2005-2015年美国东南地区低出生体重率和早产有影响。种族和族裔变量是低出生体重最常见的影响社会脆弱性指标之一。就像种族和民族一样，房价低和中等的郡县比房价高的郡县更有可能出现低LBW。与LBW不同，种族和民族特征以不同的方式影响整个研究区域的PTD率。与拉美裔人口比例高的县相比，拉美裔人口比例低/中的县的LBW率有所上升，而PTD与黑人社区的关系更为密切。人口结构和社会经济状况指标提供了最有力的指标，表明县的PTD可能高于全国平均水平。

结论:有影响的变量表明，迫切需要全面了解社会脆弱性与LBW和PTD之间的联系。从危险的文献中对社会脆弱性进行全面的分析，可以更有力地理解不良生育结果的驱动因素。

早产，低出生体重，社会脆弱性指数。

社会和生物医学研究都已确定，低出生体重和早产是导致终身后果的关键风险因素，包括健康状况不佳、认知缺陷和行为问题。妊娠长度和出生体重历来被用来评估新生儿的健康质量[1]。早产儿的定义是37周之前的活产，是一生中发育并发症的重要标志。低出生体重(小于5磅，8盎司，或2500克)与较高的婴儿死亡率和发病率有着密切的联系。与全国平均水平相比，美国东南部的PTD和LBW持续升高。美国东南部许多县的LBW和PTD高于(全国)平均水平，这使其成为一个适当的研究区域，可以进行摘要水平的解释性统计分析，将不利的出生结果与潜在的社会经济和人口特征联系起来。

迄今为止，这类研究大多只将不利的生育结果与贫困和获得机会等个别社会人口指标联系起来，这些指标通过孕产妇保健服务利用不足、较低的社会经济地位和有限的健康教育[4]影响生育结果。社会指标与出生结果的交互效应主要集中在种族和民族差异、个体或社区层面的集中贫困、分散的社会支持以及药物滥用、自残、无保护的性行为、多伴性行为[5]等风险行为。最近关于怀孕结果的健康研究对与不良分娩结果，特别是LBW和PTD有关的社会预测因素的更广泛定义进行了调查。集中研究与不良生育结果相关的更发达的社会经济驱动因素的概念，将为建立促进健康足月生育的干预措施(计划、政策、战略)提供更微妙的方法。这项研究的指导原则是一个重要的研究问题:潜在的社会脆弱性指标与县级的不利生育结果有何关联?与以往许多研究同时分析LBW和PTD的影响不同[5-10]，本研究分别衡量了社会驱动因素对LBW和PTD的影响，以构建美国东南部影响这些不良出生结局的更可靠的因素清单。

社会脆弱性指数(SoVI®)变量衡量先前存在的社区对外部压力伤害的敏感性，如自然或人为灾害或严重影响生活和生计的疾病爆发[11-13]。社会脆弱性概念解释了社会经济和人口统计学上的差异，在一个社区为环境冲击和压力做好准备、作出反应和反弹的能力[13]。社会脆弱性理论建立在人类特征介入自然过程和建成环境之间，重新分配灾害影响的社会负担的理解基础上，表明这些社会特征独立于灾害类型和震级[12,13]。社会脆弱性与健康差距概念和健康的社会决定因素有着密切的概念和经验联系。

研究人员使用与社会脆弱性文献中使用的变量相似的变量来描述不利健康结果的决定因素[15]。在社区一级，卫生文献反复审查卫生保健的可及性和脆弱性。获得服务的条件不仅是服务的稀缺性，如农村地区缺乏紧急服务，而且是通过保险状况、与保健提供者的接近程度或家庭特征，如父亲的职业、母亲的身高、母亲的受教育程度和怀孕间隔[16-20]。

虽然许多研究都同意社会决定因素与健康结果之间的理论联系，但很少有研究超越了一维分析，而是致力于建立对健康的多维性质（健康需求、状况和获取）的理解[21]。尽管衡量健康状况的框架通常将医疗需求和健康获取的具体指标与社会脆弱性指标分开，但一些分析只是倾向于取代它们[22]。社会脆弱性与自然系统相互作用的研究测量了生态冲击（社会效应）或压力源对人和地方的影响[23]。然而，尚未确定系统的努力来评估全套社会脆弱性指标对不良出生结局的可能影响。

社会脆弱性及其相关结果的不平等可能会对营养系统、粮食安全、教育、医疗保健利用和健康状况产生负面影响，往往对美国的弱势社区产生更高的风险/影响[5-9,24]。本文试图探索一套广泛的社会脆弱性指标(以前用于环境和灾害相关不良后果)如何独立预测早产和低出生体重的总水平。在此，探讨社区社会脆弱性特征如何解释2000年至2015年期间的不良生育结果，提供了一个更广泛的健康差异社会指标的例子，并可能指出以前不知道的联系趋势。这项研究对美国东南部不良生育结果的不平等进行了分析，为有效的健康干预和政策制定提供了新的视角。

该研究分析了2000-2015年间美国东南部的12个州，包括928-935个县(根据分析年份而定)。东南部各州的特点是普遍贫困、失业、受教育程度低，以及各种其他社会脆弱性指标，也有高早产率和低出生体重率。根据美国人口普查(USA。美国人口普查局的快速事实:美国，2021年)，本研究包括的所有州，除弗吉尼亚州外，在2014-2018年期间人均收入低于全国平均水平，生活在贫困人口的比例更高(各州统计-低出生体重人口，2021年)[24,25]。

出生结果数据:该分析的因变量为每个县每年的低出生体重和早产率，计算方法为活单胎低出生体重和早产数除以年活单胎总数。分析单位为县，因为这一大地理区域的出生结果数据仅在县一级可用。部分关于低出生体重和早产的数据来自各州卫生部公布的公开数据(表1)。

大部分数据没有公开可用，并要求对若干国家卫生部门的书面请求。县LBW和PTD被重新编入为两类 - 低于（0）及以上（1）每个出生结果的年度国家税率（表2） - 为准备统计分析。表2表示全国平均水平和LBW和PTD范围的数据。但是，所有年份都没有出生结果数据。因此，在2000到2015年在2000到2015之间研究了LBW和PTD的县的数量存在轻微不一致。

社会脆弱性预测数据:表3提供了变量名、每个变量的说明和可能产生社会脆弱性的一般概念支柱。虽然SoVI为每个枚举单元创建了一个最终的指数得分，但这项工作试图获得个人输入对不良出生结果的影响的观点。对所有三组SoVI变量(2000-2005年、2006-2010年和2011-2015年)进行相关性分析，以确保不存在多重共线性。社会脆弱性变量被标准化为百分比、人均、平均值或中位数(取决于数据最初是如何收集的)，然后使用标准偏差(<-)重新记录成三类。5 =低。5 =中等，>。5 =高)。这样，一个县可以有一些变量的低等级和其他变量的高等级。

应用多项logistic回归(MLR)允许考虑两类因变量参考一个大的三类预测变量集。MLR模型是二元逻辑回归的延伸，产生两组系数(e^β）表达为赔率比。对于普通最小二乘（OLS）回归不能满足潜在的可变假设，可以应用MLR。虽然比例或间隔量表为更强大的OLS模型提供了声音的基础，但这些假设倾向于在具有分类结果数据的回归模型中崩解。此外，MLR具有替代假设，如跨越结果变量组的非完美分离，这可以防止不现实的系数和夸张的效果大小[26]。

MLR模型确定了社会脆弱性变量和不良生育结局之间的影响关系。系数描述了社会脆弱性变量与低出生体重和早产率较低的县的概率之间的关系，而与此相同的县有较高的低出生体重和早产率的概率之间的关系。此外，虽然OLS R2表示由模型解释的因变量的可变性，但Psuedo R2(由MLR产生)既不能直接与OLS模型的R-squared相比较，也不能像R2一样进行解释。相反，伪r平方是模型对数据解释程度的相对度量。下面是我们的伪R的值分类^2.利用值:<.3(没有或非常弱的模型解释)，3- 5(弱模型的解释),.5.1 1:8)(中等模型解释)，>.7(强模型解释)，改编自Moore和Kirkland(2007)。MRL模型确定了个体变量对不良出生结果类别(低和高)的影响。beta系数基数、胜算、比率和显著性水平的结果使我们能够直接理解社会变量如何以可控的方式直接影响结果。虽然所有年份中变量交互作用的趋势将清楚地表明关键驱动因素，但本分析的主要目的是对所有交互作用进行更全面的理解。年度MLR模型对所有其他社会脆弱性变量进行控制，从而能够识别个体变量逐年的相互作用。

图1显示了美国东南部的年平均低出生体重和早产率(2000- 2015年)。使用CDC的国家健康统计中心分类方案显示的低出生体重率(图1A)显示了东南部38.8%的县中高(>9.6%)和高(>10.8%)低出生体重率(Cdc.org, 2021)[25]。

使用Dimes报告卡分类方案的3月份显示的前期出生率（图1B）显示，大多数县（74.1％）具有“D”或“F”等级（Dimes.org的3月，2020）[27]。组合，34.5％的县在Dimes出生报告卡的3月份的中高或更高的出生率和“D”或“F”。这些事实使东南美国成为这些不利结果与社会条件之间的关系的理想选择。识别不利出生结果和潜在的社交漏洞之间的更细致的关系只能帮助政策制定者，并且计划开发人员将未来建立更好的干预措施。

通过理论上链接“Pillar”对众多社会经济变量进行分类为了解每个变量与社交漏洞相关联的参考。将这些变量分组为概念性支柱支持这种更详细的评估漏洞和结果之间的链接，这可能由于大量的模型预测变量而可能丢失。

为了了解每年(2000-2015年)社会脆弱性和不良生育结果之间的联系，需要对每个结果测量(LBW和PTD)建立15个MLR模型。尽管在每年的模型运行中都看到了一些类似的社会经济影响线索，但在许多情况下，不利的出生结果驱动因素每年都不同。此外，社会变量根据其与脆弱性的理论联系进行分组，在这里被称为脆弱性“支柱”。这些支柱将指标分类为概念，每个支柱显示SoVI指数[28]的基本维度。

遍布所有型号，伪r-square值范围从.104到.304，表明跨越多年来和结果的低于中等的整体模型。2009年的LBW数据略高于LBW（Nagelkerke Psuedo R2）而不是除其他年;然而，一般而言，较低的伪rsquared值表明，除了社交漏洞驾驶不利出生结果之外，还有许多额外的变量。然而，由于这种分析的意图是对不良出生结果的个人社会脆弱性的影响，而不是开发预测出生结果的完整模型，这是预期的那种Nagelkerke Psuedo R2值。以这种方式，MLR产生的个体变量差距和相关意义表明，每年的几​​个社会变量对不良出生结果产生了重大影响。表5A，B和C和6A，B和C显示了MLS模型信息，包括输入的输入数，CHI方形意义，每年的Nagelkerke PSUEDO R2 /型号，以及对劣势产生重大影响的社会漏洞变量结果。

许多社会脆弱性指标对整个研究区域的低出生体重率有显著和强有力的影响(表5A、B和C)。大量社会脆弱性指标对预测2005-2015年美国东南地区的低出生体重率有影响。在这些社会指标只在有限数量的重要模型运行时,几个特征分组(低、中、高百分比)预测在大多数模型(即低拉美裔人口是一个重要的和健壮的指标在75%的模型中,移动房屋模型(50%),教育(模型)的56%,以女性为户主的家庭(占模型的50%)和以女性为户主的家庭(占模型的50%)(表5A、B和C)。

在2000- 2015年的模型年比较中，种族和民族变量是美国东南部低出生体重最常见的影响社会脆弱性指标之一(表5A、B、C).当一个县有低或中等比例的西班牙裔人口时，其低出生体重率更高的可能性增加(+42% - +66%的可能性);当一个县有至少中等比例的印第安人人口时，其低出生体重率更高的可能性增加(+25% - +77%)。同样，在2000年到2005年间，与年龄依赖人口比例较高的县相比，年龄依赖人口比例低和中低的县(5岁以下或65岁以上)患LBW的可能性更高(+44% + 66%)(图5)。这些结果表明，这些种族和民族的人口比例较高与保护作用相关人群。此外，尽管一系列社会经济指标显示了某些年份对住房产出率的影响，但与住房价值相比，人均收入(一项经常使用的指标)是整个研究地区住房产出率的一个不那么有力的指标。在这里，房屋价值提供了多年来LBW最一致的财富指标。就像种族和民族一样，房价低和中等的郡县比房价高的郡县更有可能出现低LBW。

若干社会脆弱性指标显示，在三个模型运行的每一个模型运行中，都对LBW产生了实质性和显著的积极影响。这些"积极影响"中每一个都指出，在这些社会脆弱性指标中百分比最高的县更有可能拥有较高的低生育率。即，黑人人口比例中低、女性、女性户主、受教育程度、失业、采掘业和服务性就业、租房者、英语水平有限和社会保障受益人的县，其LBW率往往低于这些特征比例高的县。

在美国SE的一个或多个PTD模型中，相当多的社会脆弱性变量都有影响(表6A、6B和6C)。与LWB模型一样，几个变量只在一个或几个模型中有显著影响，其中包括生活在贫困人口的百分比，这在2000年和2004年的模型中只是一个显著的预测因素。几组变量，包括低/中黑人人口比例(81%的模型)、低/中毛租金比例(43%的模型)和低/中养老院人均居民比例(37%的模型)，在所有模型年份中与PTD率存在显著关系。

与LBW不同，种族和民族特征以不同的方式影响整个研究区域的PTD率。虽然与高百分比的县相比，LBW汇率被低/中等西班牙裔人群的县，PTD与更高的黑人群体百分比更强烈。人口结构和社会经济状况指标提供了最有力的指标，表明县的PTD可能高于全国平均水平。虽然在所有模型中发现了PTD的一致指示（年），但在多年（模型）中，较低的率和中等总租金更高的利率受到更大的影响。

更多指标在降低研究区域的可能性下降。低矮的黑色群体的县显着不太可能比具有高黑人种群的县的PTD。正如预期的那样，女性女性战头家庭的百分比百分比，女性劳动力参与的次数下降了与这些人群高百分比百分比的县相比的高度PTD率的可能性。然而，影响力不是全部标准的。与高中百分比指标的县相比，针对低和中等采购行业就业，人均收入，租赁者，养老院居民和英语语言熟练程度的县发现了随机阳性（减少）影响。在早期（2000年至2005年）之前，访问和功能需求指标比以后的几年更具影响力，表明在以后的几年内对这些群体有可能存在的PTD相关干预措施。

从UCF的脆弱性绘图和分析平台收集的模型独立（预测）数据基于UCF社会脆弱性指数（SoVI®）描述了县城人口的特征，该指数是在灾害案例研究文献中确定的一套社会经济指标，有助于了解备灾、应对灾害的能力不足，或从冲击和应力中反弹（表3）[29]。单独而言，社会脆弱性变量确定了社区应对各种环境危害和灾害的能力的驱动因素[12]。只有少数年龄和经济状况变量在较低的水平上相关（.5-.7），确保了在单独估计出生结局时变量的适当统计能力和可靠性[30,31]。

许多不同的个人社会变量在一个或多个LBW和PTD率模型中都有影响，这表明迫切需要更全面地了解社会脆弱性和不良生育结果之间的联系。本研究确定了一套预测LBW和PTD率的社会人口指标。必须摆脱对社会经济指标的标准和简化使用，包括贫困作为了解不良生育结果的唯一手段[5,9]。相反，该领域应该利用社会脆弱性的更全面的观点，这为不良生育结果的驱动因素提供了更有力的理解。其次，对不良生育结果和社会脆弱性之间更微妙关系的了解，可以很容易地转化为实际和有效的干预措施。研究结果表明，降低失业率对不良生育结果有积极影响。因此，针对失业问题的计划和政策可能会变得更有吸引力，因为针对这一更社会经济问题的干预可能会对PTD和LBW产生双重影响。

虽然有关母亲收集的一些数据，但目前没有系统地和全面地收集详细的SOVI数据（N〜30）的套件。因此，该评估被设定为概要水平评估，县级社会特征之间的大致联系与LBW和PTD的概要信息进行了比较。因此，未创建生态谬误，其中摘要级别社会人口统计指标有效地代表每一个观察。识别社会特征和结果之间的根连接只能通过检查单个级别特征来实现。未来的调查应试图以案例的方式与结果匹配社会人口。此类详细数据可能提供值得注意的分析结果。收集更高度精细的社会阶乘数据将在这种未来的分析中证明是有用的。

虽然社会构建不充分孤单来描述所有不利出生结果，但个别变量在低出生体重和早产中发挥着重要作用。虽然这些发现表明，不良出生结果与更广泛的潜在的社会漏洞相关联，但必须认识到社会脆弱性，基于人口的多方面和特定特征，动态表现出来。

未来的研究可以考虑将获得性和其他健康指标，如BMI、吸烟、县一级的总体孕产妇健康等纳入这一套社会指标，以评估一套更可靠的LBW和PTD预测指标。影响变量之间的相互作用及其如何介导妊娠结局需要在未来的研究中进行调查。

不适用

不适用

本研究中使用和/或分析的数据集可从通讯作者处获得。

作者声明他们没有竞争利益

此项研究由UCF Boardman环境科学与公共管理教授资助

HF概念化了问题，发展了背景和基本原理，完成了统计分析，是撰写手稿的主要贡献者。CE提供了所有的社会脆弱性数据，设置了分析程序，指导HF进行研究，编写了文章的结果、讨论和结论部分。

不适用

当前研究中使用的所有数据集都是公开的。数据来源包括社会脆弱性数据(低出生体重和早产)、全国平均数据和县级数据。