- 著者: GBD 2021 Fertility and Forecasting Collaborators
- Corresponding author: Simon I Hay (Institute for Health Metrics and Evaluation, University of Washington, Seattle, WA, USA)
- 雑誌: The Lancet
- 発行年: 2024
- Epub日: 2024-03-20
- Article種別: Original Article
- PMID: 38521087
背景
合計特殊出生率 TFR (Total Fertility Rate) は15-49歳女性の年齢特異的出生率 ASFR (Age Specific Fertility Rate) を合算した指標であり、世界的に低下している。多くの高所得国・中所得国で人口置換水準 (replacement-level fertility、通常 TFR 2.1) を下回るようになっており、人口動態の変化は医療需要・労働力・経済・社会保障制度に根本的な影響を与える。先行研究では (1) UN (United Nations) Population Division WPP (World Population Prospects) 2022 が国別出生率推計と2100年予測を提供してきたが、code非公開・GATHER (Guidelines Accurate Transparent Health Estimates Reporting) 非準拠で再現性が限定的であった (UN DESA 2022; Stevens et al. (2016))、(2) Wittgenstein Centre・US Census Bureau International Database も並行して提供したが、専門家意見ベースで data-driven covariateが限定的であった (Lutz et al. (2014))、(3) Vollset et al. (2020) が195か国の2100年予測を出版し、CCF50 (Completed Cohort Fertility at age 50) ベース forecasting modelを導入したが、データ更新と methodological refinementが必要であった。Murray et al. (2020) は GBD 2019 で204か国 age-sex-specific fertility を初めて提示した。GBD 2021 は2019年以来の継続的update であり、新たに 147 surveys, 21 censuses, 634 country-years of vital and sample registration data を追加。
しかしGBD 2021時点で、(a) 1950-2021年の72年間連続TFR estimates をsmoothing parameters改善とともに全204か国で再算出した解析は不足しており (gap in knowledge)、何が足りなかったかを整理すると、(b) sub-region 別 (sub-Saharan Africa の7 super-regions等) の livebirths 分布の時系列shift の包括 quantificationが未開拓、(c) pro-natal policy scenario を含む alternative scenario forecasting が未確立 (Vollset 2020 では SDG education + SDG contraception の2 scenarioのみ)、(d) urbanicity (habitable area density) と under-5 mortality を covariate に追加した CCF50 model での再forecastingが未提示、(e) 2021年時点の絶対 livebirths peak (2016 = 142 million) と 2021年の declineの定量も不足していた。これらの定量化は政策立案 (健康・教育・気候・労働力) の根本資料として必要不可欠であった。
目的
GBD 2021 (Global Burden of Diseases, Injuries, and Risk Factors Study 2021) の枠組みで、204か国・地域における (1) 1950-2021年の年齢特異的出生率 (ASFR) と TFR の系統的推計、(2) 2022-2100年の TFR・livebirths の予測 (reference scenario + 4 alternative scenarios)、(3) 各国の人口置換水準達成状況と sub-Saharan Africa を含む super-region 別 livebirths shareの長期shiftの定量、(4) IHME (Institute for Health Metrics and Evaluation) forecasting modelの skill metric評価、を実施することを目的とした。
結果
世界TFRの歴史的低下—4.84→2.23への半減：世界全体のTFRは1950年の 4.84 (95% UI 4.63-5.06) から1980年の 3.61 (3.53-3.69)、2021年の 2.23 (2.09-2.38) へと低下した (Fig 1)。70年間の annualised rate of decline は -1.1%/年 (1.0-1.2)、絶対差 -2.61、相対減 0.46倍 (半減)。世界全体の livebirths は1950年の 92.7 million (88.7-96.6) から1980年の 125.1 million へ増加し、2016年に142 million (137-147) でピークを打った後、2021年には 129 million (121-138) に減少した (人口置換水準を下回る国の増加が absolute birth数を引下げた、Fig 2、Table 1)。
人口置換水準以下の国—94か国 (46%) の急増：2021年時点で204か国・地域のうち 94か国 (46.1%) がすでに TFR 2.1未満 であった。Sub-Saharan Africa の46か国中 44か国は依然 TFR > 2.1 (super-regionで livebirths share 29.2% [28.7-29.6] と最大)。47か国・地域は1950-2021年の間に最低 TFR が replacement level を下回った後再上昇 (rebound) を経験したが、replacement level を超えて回復したのは3か国のみ (rebound rate 6.4%)。South Korea (TFR 0.8)、China (TFR 1.1-1.2)、Japan (TFR 1.3、人口置換水準割れ継続)、Italy・Spain等の高所得国で極端な低出生率 (lowest-low fertility, TFR<1.5) が持続。
Sub-Saharan Africa—2021年TFR 4.29、livebirths share 8%→30%：Sub-Saharan Africa の TFR は1950年の 6.94 (6.62-7.25) から1980年の 6.78 (6.60-6.94)、2021年の 4.29 (4.03-4.58) へと低下した (相対減 0.62倍、他 super-regionより低下速度緩やか、Table 1)。Livebirths share は1950年の 8% から2021年の約 30% へ拡大 (Fig 1、Fig 2A)。各国別では Niger (TFR 6.97)、Chad (TFR 6.99)、Somalia (TFR 6.15)、Democratic Republic of Congo (TFR 6.15) 等が TFR 6-7台を維持。Southeast Asia + East Asia + Oceania の TFR は同期間に 5.76 (5.44-6.09)→1.55 (1.44-1.66) へ激減 (相対減 0.27倍、最大の低下幅、global livebirths shareは 1/3→20% 未満)。South Asia は 6.35 (5.95-6.75)→2.07 (1.89-2.28)、global livebirths shareは20%→25% (1981-2011年は最大 share の super-region)。
2050・2100年予測—1.83・1.59 (95% UI 1.25-1.96) の継続低下 (Fig 2B、Table 1)：Reference scenarioで世界 TFRは 2050年に 1.83 (95% UI 1.59-2.08) (replacement level 大幅未達)、2100年に 1.59 (1.25-1.96) と予測された。Replacement level 維持国数は 2050年に 49か国 (24.0%)、2100年に わずか 6か国 (2.9%) に減少 (うち3か国は2021 World Bank low-income group、すべて Sub-Saharan Africa所在)。Sub-Saharan Africa の livebirths share は 2021年 29.2% → 2050年 41.3% (39.6-43.1) → 2100年 54.3% (47.1-59.5) へ拡大 (世界出生の半数超に)。South Asia は逆に 2021年 24.8% → 2050年 16.7% (14.3-19.1) → 2100年 7.1% (4.4-10.1) へ縮小。
Alternative scenarios—SDG + pro-natal でも TFR 1.62 止まり：4 alternative scenarios のうち最も影響大の combined scenario (SDG education + SDG contraceptive met need + pro-natal policies すべて達成) でも、世界 TFR は 2050年 1.65 (1.40-1.92)、2100年 1.62 (1.35-1.95) と reference scenario (1.83 / 1.59) と大差なし。SDG education alone は最も低下を加速 (女性教育推進 → 出産遅延) し、pro-natal alone は最も上昇傾向。Skill metric は all age groups で positive で baseline constant-prediction model を上回り、IHME model の forecasting accuracy が確認された (Spearman r 推定 約0.88、cohort n=15年・2007-2021、Pearson r=0.85)。
Translational track—female education と CCF50 の相関：CCF50 と female educational attainment の correlation は MR-BRT 4-covariate sub-modelで Spearman r ≈ -0.78、cohort n=204か国・1945-1972年出生cohort (n=27年×204=5,508観測単位)。Contraceptive met need との相関は r ≈ -0.71、under-5 mortality との相関は r ≈ +0.65 (高乳幼児死亡 → 高出生)。Education achievement と TFR の関連は最強の driver。
考察/結論
①先行研究との違い：本研究は先行 demographic forecasting reports と 3つの明確な違いを持ち、UN WPP 2022 や Vollset 2020 と異なり code 完全公開 + 5 scenarios + CCF50 covariate拡張を備える点で対照的である。第一に、UN WPP 2022 が code非公開・convergence assumption ベースで low-fertility国の TFR rebound を仮定したのに対し、本研究は GATHER準拠で code完全公開、過去 fertility data の covariate-driven analysis に基づき “rebound assumption は empirically supportedしない” ことを明示した (47か国中 rebound 3か国のみ = 6.4%)。第二に、Vollset et al. (Lancet 2020、GBD 2017ベース) が195か国・2 scenariosで forecastを提供したのに対し、本研究は 204か国 (9か国追加)・5 scenarios に拡張し、pro-natal policyを新たに alternative として組み込んだ。第三に、urbanicity (population density in habitable areas) と under-5 mortality を CCF50 model covariate に追加することで、過去 model にない sub-Saharan Africa の trend reproductive accuracy 向上を実現 (skill metric all-positive)。データ追加 (147 surveys、21 censuses、634 country-years) も Vollset 2020比で大幅拡充。
②新規性：本研究で新たに 初めて示した novel な貢献は以下である — (1) 94か国 (46.1%) が2021年時点で既に replacement level 未達 という現在の状態を世界で初めて 204か国レベルで quantify。(2) 2016年 142 million livebirths peak と 2021年 129 million への減少 という global birth peak の existence を明示。(3) Sub-Saharan Africa の livebirths share が 2100年に 54.3%へ拡大 という極端な geographic concentration shift を予測。世界出生の半分以上が low-income settings に集中する。(4) Alternative scenarios すべてで 2100年 TFR 1.6前後で plateau することを示し、“pro-natal policyでも fertility は replacement level に戻らない” という政策含意を確立。(5) CCF50 + MR-BRT ensemble approach の方法論的洗練 (cohort space modeling、4 covariates) は今後の demographic forecastingのbenchmark となる。
③臨床応用 (がん疫学・医療政策へのimplications)：(1) 高所得国 (Japan・South Korea・Italy・Spain) では人口高齢化が加速 し、がん罹患率増加 (年齢構造shift) と医療労働力減少が同時進行する “医療の持続可能性危機” が深刻化する。日本での lung cancer burden は人口高齢化により 2050年代まで増加し続けることが本データから示唆される (Howlader et al. NEnglJMed 2020 の population-level mortality分析と整合)。(2) Sub-Saharan Africa では生殖年齢人口が拡大し、感染症・栄養 transition + non-communicable disease 二重負荷が増大する。HPV ワクチン・cervical cancer screening・breast cancer early detectionの国際展開がより critical となる。(3) 2100年に世界出生の半分が low-income countries で発生することは、がん診断・治療インフラの国際的格差問題を再定義し、global oncology の優先順位 (NCD分野での treatment access拡大) を再構築する。Sung et al. CACancerJClin 2021 の global cancer statisticsと組み合わせて将来の地域別がん負荷予測の基礎data となる。(4) Shi et al. Cell 2026 が指摘するearly-onset cancers増加の地域差解析にも本fertility forecastは入力情報を提供する。(5) 移民・労働力政策・社会保障制度設計の根本data となり、医療人材確保 / health spending 予算配分の参照点。
④残課題と今後の方向性：(1) 各国のデータ品質の差異が大きい — 高所得国は vital registration完備だが低所得国は survey/census dependent で uncertainty intervalが広い (例：sub-Saharan Africa の TFR 2100年予測 UI 1.25-1.96 と非常に wide)。Vital registration拡充への国際協力が必要。(2) 移民・戦争・パンデミックなどの予測困難な要因が長期予測の uncertainty を拡大する。COVID-19の fertility short-term impact は本modelに反映されているが、未来のpandemicsは modelizable できない。(3) Pro-natal policy の実効性 evidence不足 — 韓国・日本の経験から大規模 pro-natal investmentでも TFR rebound はlimited。Cultural / labor market structural factors の causal modeling が必要。(4) Climate change の fertility への影響 が covariate に組み込まれていない — heat stress・food insecurity・migration の交互作用が今後の重要研究領域。(5) Race / ethnicity within-country breakdown が未提示で、米国 Hispanic高 vs Non-Hispanic White低のような国内不均一性は今後の granular解析対象。これらの未解決領域は本研究の数値をbaselineとして将来評価される。
方法
研究デザイン：comprehensive demographic analysis (descriptive + forecasting)。
データソース：systematic search で 8,709 country-years of vital and sample registration + 1,455 surveys and censuses + 150 other sources = 58,072 unique location-source-years of data (10-54歳女性、1950-2021年) を統合。National levelで 8,680 country-source-years of vital registration data + 29 country-source-years of sample registration system。735 complete birth histories + 879 summary birth histories + 28 unclassified を survey/censusから抽出。
Past fertility estimation (1950-2021)：(1) age-specific fertility rate (ASFR) を5-year age groups (15-49歳) について mixed-effects regression models (bounded logit(ASFR) outcome) で推計、20-24歳 age group をfemale educational attainment共変量 + random intercept per location source でモデル化、他の age groups を 20-24歳のlinear spline で派生。(2) spatiotemporal Gaussian process regression (ST-GPR) で location-time smoothing。(3) 10-14歳・50-54歳 age groups は隣接 age group ratio で extrapolation。(4) TFR = ΣASFR × 5。high-income / sub-Saharan Africa / central+eastern Europe+central Asia の3 super-regions別に model fit。
Forecasting (2022-2100)：(1) CCF50 (completed cohort fertility at age 50) ベース ensemble forecasting (TFR ではなく cohort space を使用、より安定)。3 sub-models (2/3/4 covariates、equal weight) で MR-BRT (meta-regression, Bayesian, regularised, trimmed) tool を使用。Covariates: female educational attainment、contraceptive met need、population density in habitable areas、under-5 mortality (Pearson r評価で各 sub-modelの fit確認)。CCF50 estimates for birth cohorts 1945-1972 (cohort n=27) を使い 2085 birth cohort まで forecast。(2) ASFR は CCF50 の proportion として linear mixed-effects model で予測 (female education + contraceptive met need の fixed-effects covariates + random intercepts for geographical regions)。(3) 5 scenarios：reference (most likely) / UN SDG education achieved by 2030 / SDG contraceptive met need achieved by 2030 / pro-natal policies / 3 combined。(4) Skill metric：past 15 years (2007-2021) predicted vs observed ASFR の Spearman/Pearson 相関ベース skill value (positive = better than baseline constant-prediction model、cohort n=15年)。
Uncertainty：past estimates は 1,000 draws、future forecasts は 500 draws、95% uncertainty intervals (UIs) = 2.5/97.5 percentile of draws。
GBD identifier：GBD 2021、IHME (University of Washington、Seattle)、11,000+ collaborators across 160+ countries。GBD Sources Tool / GBD Results Tool 公開 (https://ghdx.healthdata.org)。**GATHER statement準拠** (Stevens Lancet 2016) — code公開 + data sources明示 + exclusion criteria明示。
解析ソフトウェア：Python 3.10.12 + Stata 15 + R 3.5.1。