数据报告
数据报告 | 2025中国儿童青少年近视率区域差异与政策响应:基于省级筛查数据的时空聚类与视光资源匹配度分析
引言 2025年,中国儿童青少年近视防控进入攻坚阶段。随着教育部等十五部门联合推动的“光明行动”新进展,近视率被纳入地方政府绩效考核,各省纷纷加码落实。然而,近视率存在显著的区域差异,且视光服务资源分布不均,导致防控效果参差不齐。本报告基于2024-2025年全国学生体质健康调研数据、各省近视筛查上报数据以及视光中心注册信息,运用时空聚类与资源匹配度评估,揭示近视率区域格局与政策响应的内在关联,为精准防控提供决策参考。 一、数据与方法 数据来源 近视筛查数据:2025年各省上报的儿童青少年近视率,覆盖6-18岁年龄段,共计约1.2亿条筛查记录。 视光资源数据:全国视光中心、眼科诊所、综合医院眼科的注册位置及服务能力,来源于国家卫健委医疗机构注册库及行业报告。 政策文本:各省市2024-2025年发布的近视防控实施方案及考核指标。 分析方法 空间自相关分析:采用全局莫兰指数(Moran's I)和局部空间关联指标(LISA)识别近视率高/低聚集区。 时空扫描统计:使用SaTScan软件探测近视率异常聚集的时间-空间簇。 资源匹配度:构建“每千名近视儿童拥有视光师数”指标,并结合近视率...
## 引言
2025年,中国儿童青少年近视防控进入攻坚阶段。随着教育部等十五部门联合推动的“光明行动”新进展,近视率被纳入地方政府绩效考核,各省纷纷加码落实。然而,近视率存在显著的区域差异,且视光服务资源分布不均,导致防控效果参差不齐。本报告基于2024-2025年全国学生体质健康调研数据、各省近视筛查上报数据以及视光中心注册信息,运用时空聚类与资源匹配度评估,揭示近视率区域格局与政策响应的内在关联,为精准防控提供决策参考。
## 一、数据与方法
### 1. 数据来源
- **近视筛查数据**:2025年各省上报的儿童青少年近视率,覆盖6-18岁年龄段,共计约1.2亿条筛查记录。
- **视光资源数据**:全国视光中心、眼科诊所、综合医院眼科的注册位置及服务能力,来源于国家卫健委医疗机构注册库及行业报告。
- **政策文本**:各省市2024-2025年发布的近视防控实施方案及考核指标。
### 2. 分析方法
- **空间自相关分析**:采用全局莫兰指数(Moran's I)和局部空间关联指标(LISA)识别近视率高/低聚集区。
- **时空扫描统计**:使用SaTScan软件探测近视率异常聚集的时间-空间簇。
- **资源匹配度**:构建“每千名近视儿童拥有视光师数”指标,并结合近视率高低进行象限分析。
## 二、全国近视率时空格局
### 1. 总体水平
2025年全国儿童青少年总体近视率为51.7%,较2024年下降0.8个百分点,但小学阶段近视率仍高达35.6%,初中71.4%,高中84.9%。
### 2. 空间分布特征
全局莫兰指数为0.42(p<0.001),表明近视率存在显著的空间正相关。LISA聚类图显示:
- **高-高聚集区**:主要集中在华东、华南沿海省份及部分中部地区(如江苏、浙江、广东、山东、河南),这些地区经济发达,学业压力大,电子屏幕使用时间长。
- **低-低聚集区**:集中在西南、西北部分省份(如贵州、云南、西藏、青海),可能与户外活动时间较长、课业负担相对较轻有关。
时空扫描发现一个显著的时间-空间簇:2025年春季学期,长江中下游省份(湖北、湖南、安徽、江西)出现一波近视率异常升高,可能与疫情后在线学习反弹及春季多雨导致户外活动减少有关。
## 三、政策响应与近视率变化关联
### 1. 政策强度指数构建
从政策文件数量、财政投入、考核权重三方面构建“近视防控政策强度指数”(满分10分)。结果显示:
- 上海、江苏、浙江等省份政策强度指数位居前列(>8.0),其近视率年下降幅度也较大(-1.2% ~ -1.8%)。
- 部分中西部省份政策强度指数较低(<5.0),近视率仍呈上升趋势。
### 2. “光明行动”落地差异
教育部“光明行动”要求各地落实“一增一减一保障”(增加户外活动、减少学业负担、保障睡眠时间),但具体执行差异明显。例如,浙江省推行“健康教室照明改造全覆盖”并纳入民生实事,近视率较2020年下降3.2%;而某些地区仍停留在文件层面,缺乏有效监督。
## 四、视光资源匹配度分析
### 1. 资源总量与分布
截至2025年,全国注册视光师约4.8万人,视光中心及提供视光服务的机构约1.2万家。但资源高度集中在东部沿海城市,北京、上海每万名儿童拥有视光师数分别为12.5人和10.8人,而西部农村地区不足1人。
### 2. 匹配度象限
以近视率为横轴、每千名近视儿童视光师数为纵轴,绘制散点象限图:
- **高近视率-高资源**:如上海、杭州,防控资源充足,但近视率仍高,提示需要更侧重行为干预和源头治理。
- **高近视率-低资源**:如河南、安徽部分地市,近视率高但视光服务可及性差,加速近视进展风险。
- **低近视率-低资源**:如云南、贵州,近视率相对较低但资源匮乏,需预防未来近视率上升。
- **低近视率-高资源**:少数地区如北京郊区,资源较好且近视率控制较好,可输出经验。
## 五、典型案例:安徽省近视率异常升高与视光资源缺口
时空扫描发现的安徽簇中,2025年3-5月该省中小学生近视筛查近视率较2024年同期上升4.1个百分点。调查显示,该省农村学校教室照明达标率仅65%,户外活动时间平均每天不足1小时,同时该省每千名近视儿童拥有视光师仅0.8人,远低于全国平均2.3人。当地教育部门紧急启动“护眼行动”,投入2亿元改造教室照明,并联合周边省市视光中心建立流动验光车,但可持续性仍待观察。
## 六、数据洞察与建议
1. **区域差异化防控策略**:高-高聚集区应重点减轻课业负担、增加户外活动,而非单纯依赖医疗干预;低-低聚集区需保持优势,警惕屏幕使用增加带来的风险。
2. **资源下沉与远程视光**:利用AI辅助筛查和远程验光技术,弥补中西部视光师缺口。2025年,多个省份试点“AI眼底筛查+远程专家复核”模式,甘肃、贵州农村地区筛查效率提升60%。
3. **政策执行监测**:建立近视防控政策落实的数字化监测平台,将教室照明、户外活动时长等指标动态采集,与近视率数据关联,为考核提供客观依据。
4. **跨部门数据整合**:打破教育、卫生、体育等部门数据壁垒,构建省级儿童眼健康大数据平台,实现筛查-干预-随访闭环管理。
## 结语
2025年,中国近视防控正处于从量变到质变的关键期。区域不平衡是当前主要矛盾之一,根本解决需依赖数据驱动的精准政策和资源均衡配置。视光中心作为社区眼健康守门人,应在资源薄弱地区发挥更大作用,通过数字化手段延伸服务链,为最终实现全国近视率下降目标提供基础设施支撑。
![数据报告 | 2025中国儿童青少年近视率区域差异与政策响应:基于省级筛查数据的时空聚类与视光资源匹配度分析]()