Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

比凍齡更重要!女性最佳的凍卵年齡

afore
・2015/06/05 ・1277字 ・閱讀時間約 2 分鐘 ・SR值 527 ・七年級

-----廣告,請繼續往下閱讀-----

640px-Petefészekszövet-csíkok_fagyasztva_tárolása
圖/By Dr. Vereczkey Attila, CC BY-SA 3.0, wikimedia commons.

自從美國生殖醫學學會(American Society for Reproductive Medicine)於 2012 年宣布冷凍卵子的技術已完成試驗階段後,女性之間興起一陣凍卵潮,許多女性選擇先將自己的卵子保存起來,以待將來之用。但這又帶出一個問題 – 幾歲的女性最適合凍卵呢?近日,一個研究團隊在評估了凍卵的經濟及生物學效益,想試著找出這個問題的答案。

在決定要於幾歲凍卵時,女性必須考慮到兩個因素:卵子解凍後的品質以及凍卵的經濟效益。這兩項因素可說是相互矛盾,因為年長女性卵子的活力已明顯降低,就算進行凍卵,其冷凍卵子的品質也早已不如年輕女性;不過從另一個角度來看,年長女性進行凍卵的經濟效益又比年輕女性高出許多,因為在凍卵後的多年內,年輕女性可能都還擁有良好的生育能力。

為了計算女性的最佳凍卵年齡,研究團隊蒐集了來自國家註冊局、懷孕及生育治療調查、與自然生育率相關的研究等資料。根據這些資料,研究人員建立了一個決策模型以比較有無進行凍卵的女性的胎兒活產率。他們將女性分為兩組,一組為將卵子冷凍數年後,才進行生育的女性;另一組的女性同樣是等待相同時間後才進行生育,不過她們不是使用凍卵手術,而是直接自然懷孕或是進行試管嬰兒手術。

599px-Cryopreservation
圖/By the Agricultural Research Service, the research agency of the United States Department of Agriculture, Public Domain, wikimedia commons.

研究團隊將女性的年齡設在 25 至 40 歲之間,並假設這些女性在決定是否要凍卵後,會等個三年、五年或七年,才會將冷凍的卵子解凍,或直接採取自然懷孕。(這些時間間隔都是研究團隊自己訂的,目前沒有資料顯示卵子從冷凍到取用之間平均會隔幾年。)

-----廣告,請繼續往下閱讀-----

研究團隊在《懷孕與不孕》(Fertility and Sterility)期刊中公布,進行凍卵的女性如果等上七年才將卵子解凍,就能獲得最高的凍卵效益。雖然凍卵的技術非常昂貴,但對任何年紀的女性來說,如果等上越久才解凍,其活產率相較於沒有凍卵的女性來說也會越高。然而,對於年齡在 32 歲以下的女性來說,凍卵所能提升的活產率並不高,大概只有 10% 而已,而且也不符合經濟效益,因為 32 歲以下的女性仍有極高的生育能力。要一直等到女性 37 歲時,凍卵所能提升的活產率才會大大增加,待她們於 44 歲將卵子解凍時,其活產率已從原本的 21.9% 提升到 51.6%。

對於許多女性及醫師來說,接近 52% 的活產率仍然偏低,大多數的女性會選在 34 歲時凍卵,以達到至少 70% 的活產率。研究結果顯示,如果女性於 30 歲後凍卵,其活產率會大大提升,對此,共同研究人 Tolga Mesen 表示:「我們認為 31 至 33 歲之間是女性的最佳凍卵年齡。」Tolga Mesen 是位婦產科醫生,現在在北卡羅萊納大學教堂山分校(University of North Carolina, Chapel Hill)的生育中心執業。

卵子冷凍保存是項非常新穎的技術,凍卵確實能夠解決生育力隨著年紀增加而降低的問題,但我們現在仍然沒有足夠的資訊可以顯示其成果。不過正如羅徹斯特大學(University of Rochester)的生殖內分泌學家 Wendy Vitek 所說的:「女性現在就想知道這些資訊,而以決策模型的方式操作讓我們很快就能得到我們想知道的答案。」

資料來源:

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
afore
24 篇文章 ・ 1 位粉絲
泛科學特約編譯作者。一個很容易臉紅的女生,最想去的國家是印度。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
月經週期變短?慎防卵巢早衰!及早檢測減少不孕風險
careonline_96
・2024/03/27 ・2054字 ・閱讀時間約 4 分鐘

「醫師,我有卵巢早衰的現象,所以打算凍卵,但是聽說每天都要打排卵針,讓我好猶豫……」李小姐說。

「打排卵針是為了促使卵泡發育,才有辦法取得較多的卵子。」醫師說,「現在也有一針抵多針的友善排卵針,施打一次效果可以持續一週,便利性較高,也可大幅減少打針的次數。」

在台灣,每十對夫妻中大約有兩對會遭遇不孕的困擾。大新婦產科診所生殖中心陳志宏院長指出,「如果沒有避孕超過一年都沒有懷孕,就算是不孕症。至於 35 歲以上的婦女,如果超過半年還沒有受孕,便要盡快尋求專業的協助。」

有許多因素會導致不孕症,卵巢早衰是個常見的原因。陳志宏院長說,卵巢早衰通常沒有明顯症狀,患者往往是在接受檢驗後,才驚覺有卵巢早衰的狀況。

卵巢早衰的原因可分成先天因素和後天因素,大部分是先天因素,例如在出生之後,卵巢的細胞存量就比較少。陳志宏院長說,後天因素包括卵巢發炎、卵巢手術、壓力過大、作息不正常、吸菸等。

-----廣告,請繼續往下閱讀-----

年輕女性發生卵巢早衰時,大多沒有明顯症狀,還是有規則的月經。陳志宏院長說,部分女性可能會發現月經週期縮短,本來是 28 天來月經,當卵巢功能衰退時,可能變成 26 天、24 天、甚至 21 天就來月經。月經週期縮短可能是卵巢早衰的徵兆,但是有些人的月經本來就不規則,所以也不會發現月經週期縮短的狀況。

卵巢早衰對生殖能力有顯著的影響,陳志宏院長說,除了卵巢存量過少,卵子品質也會下降,導致患者懷孕機率降低,而受精後的胚胎也可能無法順利發育。

有生育規劃的女性一定要留意卵巢早衰的問題,陳志宏院長說,抽血檢測抗穆勒氏管荷爾蒙(AMH)可以評估卵巢功能,抗穆勒氏管荷爾蒙(AMH)由卵巢中的小卵泡分泌。抗穆勒氏管荷爾蒙(AMH)的正常範圍在 2 ng/ml 至 5 ng/ml,當抗穆勒氏管荷爾蒙(AMH)小於 2 ng/ml 就代表卵巢功能衰退。

另一個評估方式是由陰道超音波檢查大於 2mm 的小卵泡數量,陳志宏院長說,若小卵泡數量減少,代表卵巢庫存下降。

-----廣告,請繼續往下閱讀-----

及早了解卵巢功能,積極把握卵實力

「隨著年紀增長,卵巢功能將持續衰退。」陳志宏院長說,「女性可以透過抗穆勒氏管荷爾蒙(AMH)或超音波評估卵巢功能,預作生育規劃。如果打算晚一點生育,或已經發現有卵巢早衰的現象,可以考慮凍卵,保存卵實力。」

在較年輕的時候取卵,能夠一次取到較多卵子,而且卵子的品質比較好。陳志宏院長解釋,舉例來說,在 30 歲時,也許凍 8 至 12 顆卵,未來就有機會成功生下一個活產寶寶;到了 40 歲,可能要凍 20 至 40 顆卵,才有機會成功生下一個活產寶寶。而在 30 歲時,可能只要取一、兩次卵就足夠,但在 40 歲時,便需要多次取卵。

陳志宏院長提醒,「建議育齡年齡的女性要了解自己的卵巢功能,及早做好生育規劃。」

無論是要凍卵或是做人工生殖都需要從卵巢中取出卵子,而得先施打排卵針。陳志宏院長說,傳統的作法是使用短效型排卵針,每天一劑,連續施打 7 至 10 次。患者可以在家自行施打,或者回醫療院所施打。

-----廣告,請繼續往下閱讀-----

如果很怕打針、不敢自己打針、或時間無法配合的患者可以考慮使用可以一針抵多針的友善排卵針。陳志宏院長說,施打後,醫師可依患者個情況追加短效型排卵針,對患者而言方便性較高,也比較友善。

根據臨床試驗,可以一針抵多針的友善排卵針的懷孕率、活產率皆與短效型排卵針無顯著差異。患者可以和醫師討論,選擇合適的方式。

從月經來潮到取卵大約是兩個禮拜,陳志宏院長說,如果要凍卵,就是直接把卵子凍起來,等到適當的時間再解凍、受精;如果要作人工生殖,大概會在取卵後 3 至 5 天植入。

針對不孕,目前的生殖科技有幾種方式可以輔助,例如吃排卵藥、人工受孕、試管嬰兒,各種方式的適用族群與成功率各不相同,需要經過專業的評估。陳志宏院長說,以大新婦產科診所生殖中心為例,每位患者都有個案管理師,醫師也會根據每個人的狀況提供個人化的療程,增加懷孕成功的機率!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

0
1

文字

分享

0
0
1
COVID-19 會造成嬰兒潮嗎?很可能不會
寒波_96
・2020/08/17 ・1737字 ・閱讀時間約 3 分鐘 ・SR值 557 ・八年級

高度傳染性的 COVID-19(武漢肺炎、新冠肺炎)席捲全球,為了防疫,全世界許多人被迫減少外出,增加待在家裡的時間。有種說法是,大家關在家裡沒事做,生小孩的機率會上升,真的嗎?

瘟疫與出生率的關係複雜,不過由經驗推論,事態的發展方向很可能恰恰相反。

圖/pikrepo

過往經驗:西班牙流感等浩劫以後……

歷史記錄指出,在戰爭、饑荒、瘟疫之類的災難增加死亡率以後,生育率短期內會下降,一段時間後才會恢復。以影響遍及全球的「西班牙流感」來看(照現在的流行,可稱之為「1918 年新型流感」),它短期內導致不少人死亡,也改變人口組成,減少生殖力,幾年後才恢復。

-----廣告,請繼續往下閱讀-----

如美國在 1918 到 1919 年的出生率降低了 13%。然而,西班牙流感在第一次世界大戰末爆發,隨後大戰結束。1920 年以後出生率的增加,也可能與大戰結束有關,不單純是傳染病的影響。

西班牙大流感後的嬰兒潮可能也和第一次世界大戰有關,而不單是傳染病的影響。圖/wikimedia

有些研究發現,嚴重地震、颶風過後的 1 到 5 年生育會增加。經歷出乎意料的死亡以後,父母有意願把去世的人生回來,而死亡後的新生命也有某些象徵意義。

不過不同傳染病的性質不同。西班牙流感主要傷殺對象是處於繁殖年齡的年輕人,不難預期會影響生育。但是武漢肺炎主要攻擊老人,多半對年輕人的健康影響有限,未成年人的死亡數更是很少。如此狀況下,父母和寶寶都少有損失,父母不需要把小孩「生回來」,因此這部分對生育率的影響應該有限。

-----廣告,請繼續往下閱讀-----

在21世紀初影響生育率的關鍵是?

時代背景、社會狀況、經濟,是影響生育的關鍵因素。

瘟疫過後生育率的增減要和原本的狀況比較,然而如今的「現狀」和從前差異很大。目前經濟比較發達,帳面教育程度高的國家或地區,生育率本來就已經不高,平均 1 位女生生 2.1 個小孩,還有地區低於 1.3 個小孩。

圖/pikrepo

經濟相對發達的地區更加重視生活品質。大家都被關在家裡,使得媽媽(與爸爸)在家的負擔明顯加重,顧小孩就很耗精力,或許會影響生殖的意願。

社經較有優勢的家庭,生寶寶會考慮比較多事。瘟疫重創經濟後,未來的不確定性上升,會令人減少長期計劃,肯定也會減低生小孩的意願。不久前 2008 年的經濟蕭條,就曾經導致生育率降低。

-----廣告,請繼續往下閱讀-----

中低收入的國家或地區,處境不同。這些地方傳統上有兩大因素促進生寶寶:第一,生出來的小孩能作為不用付錢的勞動力;第二,小孩長大後可以成為父母年老後的依靠。

然而隨著時代變遷,最近這些地方的生育率多半也有下降,不過經濟假如恢復,生育率也有機會回升。但是時代力量畢竟和以前不同,大時代整體趨勢是,大量人口由鄉村移動到城市,使得家庭觀念轉變,以及避孕增加,都會減少生育。

影響生育的各種可能因素。圖/取自參考資料

綜合推測,瘟疫以後的嬰兒潮極不可能發生,至少在高收入國家,短期內的生育率只會萎靡。而中低收入國家的出生率,近幾十年來持續下跌的趨勢,也不太可能在疫情結束後從根本上逆轉。

-----廣告,請繼續往下閱讀-----

撒哈拉以南的非洲國家比較難預期。它們生育率的整體趨勢也是下降,不過經濟與人口結構相比之下轉變較小。這些地區的經濟仰賴出口導向,更容易受到國際合作或保護主義的政策影響。它們也將影響未來幾年,全世界的人口組成。

本文轉載自新公民議會〈武漢肺炎會造成嬰兒潮嗎?很可能不會〉

延伸閱讀

參考資料

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。