编辑推荐：
本文聚焦贫困与儿童肥胖的关联，阐述全球儿童肥胖现状、二者关系的研究成果与未知点，介绍因果推断研究方法，如干预研究、准实验研究等，旨在为后续研究与政策制定提供参考，助力儿童肥胖防治工作。（Childhood Obesity、Poverty、Causal Inference）
### 儿童肥胖现状
儿童肥胖已成为全球公共卫生领域的紧迫问题。世界卫生组织（WHO）对儿童超重和肥胖有明确的定义，通过儿童生长标准和生长参考来界定。5 岁以下儿童，超重是指身高别体重（2 岁以下为身长别体重）高于 2006 年 WHO 儿童生长标准中位数 2 个标准差，肥胖则高于 3 个标准差；5 - 19 岁儿童，超重和肥胖分别指高于 2007 年 WHO 生长参考中位数 1 个和 2 个标准差 ，常用体重指数（BMI）作为衡量指标。
从流行病学数据来看，全球儿童肥胖患病率持续上升，2012 - 2023 年较 2000 - 2011 年大幅增长 1.5 倍，全球超重和肥胖儿童的合并患病率分别为 14.8% 和 8.5% 。不同地区差异显著，发达地区和高收入国家肥胖患病率更高，预计到 2035 年，全球五分之二的儿童将超重或肥胖。美国幼儿园儿童肥胖发生率也在增加，且发病年龄更小、病情更严重。同时，肥胖的社会经济差距不断扩大，美国青少年肥胖患病率在不同收入家庭间差异增大，少数族裔儿童肥胖率更高，母亲教育程度也与儿童肥胖相关。
儿童肥胖会带来诸多不良后果。在健康方面，短期会增加住院儿童哮喘发作和呼吸道感染的严重程度，长期则会提高成年后患心血管疾病、呼吸系统疾病和内分泌功能障碍的风险 。心理社会方面，会增加儿童遭受歧视、欺凌的风险，还可能引发疲劳、抑郁、焦虑和饮食失调等问题。经济上，预计到 2050 年，全球儿童肥胖的直接和间接医疗成本将分别达到约 136 亿美元和 490 亿美元（以 2022 年美元计算） 。
贫困与儿童肥胖的联系
贫困对儿童健康影响深远，但不同地区贫困与儿童肥胖的关系存在差异。在高收入国家，贫困社区的儿童肥胖率反而最高。
贫困的定义方式多样，WHO 营养景观信息系统以每天生活费低于 1.90 美元（2011 年国际价格）作为国际贫困线衡量标准 ；美国则根据家庭规模设定联邦贫困水平，用于确定低成本医疗覆盖的资格 。研究贫困与儿童肥胖关系时，“贫困减少” 的定义也不统一，比如是完全消除贫困，还是通过现金转移、税收抵免等方式减轻贫困程度。
众多观察性研究表明，贫困与儿童肥胖之间存在关联。荷兰研究发现，出生贫困或幼儿期间歇性贫困的儿童，6 岁时超重和肥胖风险更高 ；美国研究显示，反复贫困的家庭，孩子患肥胖症的风险最大 ；英国研究表明，自出生就持续贫困的儿童，14 岁时肥胖风险更高 ；加拿大研究指出，持续贫困或贫困风险增加的儿童，在 8 岁、10 岁和 12 岁时超重或肥胖风险上升 。
然而，干预性和准实验研究的结果并不一致。墨西哥针对低收入家庭的现金转移计划对降低儿童 BMI 和超重风险效果有限 ；美国印第安部落土地上开设或扩大赌场，采用双重差分法研究发现，贫困减少与儿童超重和肥胖风险降低相关 ；以美国所得税抵免（EITC）政策为工具变量的研究，有的表明低收入家庭净收入增加与儿童健康改善相关 ，但也有研究指出该政策反而略微增加了儿童肥胖风险 。
贫困与儿童肥胖之间存在多种潜在机制。低收入影响食物的可获得性和可负担性，高热量、高脂肪和高糖的食物往往价格较低 。贫困还会影响居住社区环境，贫困社区通常缺乏杂货店、安全的户外活动空间以及提供营养食物和体育教育项目的学校环境 。个体的社会环境也会对肥胖风险产生影响，人际间的行为相互作用可能导致肥胖的传播 。此外，长期生活在贫困中的心理压力和不良童年经历会导致有毒压力积累，通过多种机制增加肥胖风险，如持续升高的应激负荷、表观遗传修饰以及下丘脑 - 垂体 - 肾上腺轴的慢性激活 。
目前仍有许多未知之处。贫困减少政策可能存在意想不到的后果，抵消对儿童肥胖预防的有益影响 。虽然提出了多种连接贫困和儿童肥胖的途径，但每种机制对儿童肥胖风险的影响程度尚未明确 。贫困还会通过营养不足和营养过剩的双重负担影响儿童营养状况，既可能因食物总体缺乏导致营养不足、降低肥胖风险，也可能因选择不健康的高热量食物而增加肥胖风险 。而且，现有研究大多来自高收入国家，低收入和中等收入国家贫困与儿童肥胖的关系仍有待探索。
研究贫困与儿童肥胖的方法
为应对研究贫困与儿童肥胖关系的挑战，可采用传统和现代因果推断方法，同时也不能忽视描述性研究的重要性。
描述性研究旨在监测人群健康状态的分布，识别相关暴露因素，有助于生成假设和确定潜在因果机制，在疾病监测和提高公众健康意识方面发挥重要作用。这类研究可以是横断面研究，如在特定时间点对人群进行调查 ；也可以是纵向研究，如长期跟踪特定人群 。但大规模、长时间的调查成本高、工作量大，此时可利用数据链接创建观察性数据集，丹麦研究人员通过链接学校健康检查结果和全国儿童出生登记数据，研究物质匮乏（包括贫困）与 BMI z 评分的关系 ；美国的一些研究则将电子健康记录与政府人口普查数据相结合，研究地区贫困程度与儿童肥胖的关联 。
因果研究试图回答给予或不给予某种治疗、暴露或政策时，结果是否会有所不同，可通过干预性或准实验研究设计来回答。干预性研究包括随机对照试验和非随机实验研究，通过将治疗分配给治疗组并与对照组比较结果来评估干预效果 。但研究贫困减少对儿童肥胖的影响时，干预性研究可能存在伦理和操作上的困难，此时准实验研究方法更具价值。准实验研究方法包括工具变量法、双重差分法、中断时间序列分析和回归断点设计。
工具变量（IV）分析利用与治疗相关、仅通过暴露影响结果且与结果无共同原因的变量来估计暴露对结果的因果效应 。例如，以税收抵免政策为工具变量评估税后收入与儿童肥胖风险的关联 。双重差分法（DiD）通过比较治疗前后治疗组和对照组的纵向结果来推断因果关系，关键假设是在没有治疗的情况下，两组差异随时间保持恒定 。如研究美国印第安部落土地上赌场开设或扩张对儿童肥胖结果的影响 。中断时间序列（ITS）分析则是观察单一人群在干预前后的结果趋势，在假设趋势在无干预时保持不变的情况下，通过测量趋势差异来估计因果效应 。回归断点设计（RDD）利用连续变量决定治疗分配的特点，比较刚好高于和低于治疗阈值的个体结果差异来估计因果效应 ，分为尖锐回归断点设计和模糊回归断点设计 。
除了因果研究，许多研究人员和决策者还希望了解暴露与结果之间的因果机制。中介分析可用于剖析暴露对结果的直接和间接效应，可应用于干预性或观察性数据 。在贫困与儿童肥胖的研究中，通过中介分析可区分贫困对儿童肥胖的直接影响和通过缺乏健康食物获取渠道、快餐暴露和体育活动环境减少等因素的间接影响 。现代因果中介分析在反事实框架下更灵活，能考虑非线性关系和暴露 - 中介变量的相互作用 。
异质性治疗效应（HTE）研究关注干预或暴露对不同亚人群健康结果的差异影响 。传统上通过亚组分析进行研究，随着计算机科学和数据的发展，统计和机器学习工具，如因果森林算法，可用于研究复杂的异质性治疗效应，帮助精准定位对干预最敏感的亚人群，或监测最易受特定暴露影响的人群 。虽然目前尚未有针对儿童肥胖异质性治疗效应的研究，但这对于深入理解贫困与儿童肥胖的关系、制定减轻儿童健康负担和社会差距的政策至关重要。
结论
儿童肥胖是一个日益严峻的全球健康挑战，对健康和经济产生重大影响。虽然贫困减少可能降低儿童肥胖风险，但目前证据并不统一，这可能是由于儿童肥胖病因复杂，以及社会政策研究存在挑战。除了随机对照试验，本文所述的因果推断方法有助于为贫困减少对儿童肥胖风险降低的程度提供新证据。未来的研究和干预措施应明确针对贫困的哪些方面，以更好地促进儿童健康和未来发展。
