主體建模在慢性非傳染性疾病及健康行為研究中的應(yīng)用*

沈月紅 郭曉君 仲亞琴△

慢性非傳染性疾病的發(fā)生發(fā)展受多種復(fù)雜因素的影響，傳統(tǒng)分析方法(如多元分析)對(duì)復(fù)雜系統(tǒng)的研究往往存在局限。主體建模(agent-based model，ABM)作為一種“自下而上”的計(jì)算機(jī)模型，可通過模擬主體行為、個(gè)體之間的相互作用以及個(gè)體與環(huán)境之間的相互作用，獲得對(duì)整體系統(tǒng)的理解，更適合描述復(fù)雜問題[1]。最早成功使用ABM研究復(fù)雜系統(tǒng)問題的是Reynolds的飛鳥群體模型[2]，后逐漸應(yīng)用于多學(xué)科。在醫(yī)療衛(wèi)生領(lǐng)域，ABM最初主要用于傳染病研究，近年來被逐漸應(yīng)用于慢性病、健康行為、社會(huì)流行病學(xué)等與人群健康相關(guān)的不涉及傳染過程問題的研究[3]，但還處于初步階段。本文對(duì)ABM的涵義，及其在慢性病防治和健康行為領(lǐng)域中的應(yīng)用現(xiàn)狀及未來方向進(jìn)行綜述，闡述ABM的優(yōu)勢(shì)與局限，為公共衛(wèi)生領(lǐng)域研究者應(yīng)用此方法開展研究提供參考。

主體建模的概念

主體建模是指一組具有指定特征的主體，根據(jù)預(yù)定義的規(guī)則[4]彼此交流互動(dòng)或與環(huán)境交流互動(dòng)的模型。它是利用計(jì)算機(jī)仿真，研究系統(tǒng)中個(gè)體的性質(zhì)、個(gè)體與環(huán)境以及個(gè)體與個(gè)體之間的相互作用，研究整體系統(tǒng)的各種復(fù)雜問題。ABM由三個(gè)關(guān)鍵要素組成[5-7]。第一個(gè)要素是組成復(fù)雜適應(yīng)系統(tǒng)(complex adaptive systems，CAS)的一組主體。CAS是由適應(yīng)性主體相互作用、共同演化并層層涌現(xiàn)出來的系統(tǒng)。主體可以是有異質(zhì)人口特征(如年齡、性別、種族)和行為(如吸煙)的人，也可以是能展現(xiàn)健康狀況內(nèi)源性演變(如高血壓、2型糖尿病)和外源性交互(如傳染病傳播、健康信息擴(kuò)散)的人，或者是生活在特定地區(qū)或參與某個(gè)虛擬社交環(huán)境(如朋友圈)的人。第二個(gè)要素是主體之間的關(guān)系及相互作用的方法(也稱為決策規(guī)則或概念模型)，概述主體之間及其與周圍環(huán)境之間如何相互作用，以及他們的內(nèi)部狀態(tài)如何隨著時(shí)間演變。第三個(gè)要素是主體周圍的環(huán)境或拓?fù)浣Y(jié)構(gòu)。

目前廣泛應(yīng)用的健康狀態(tài)轉(zhuǎn)移模型[8](如馬爾可夫模型)假設(shè)健康(或疾病)未來發(fā)展的概率分布只取決于現(xiàn)狀，不能反映出早期危險(xiǎn)因素對(duì)疾病的影響。而ABM具有自適應(yīng)、異質(zhì)、反饋、隨機(jī)的獨(dú)特特征，可用于研究受多水平以及人際交往影響的非線性關(guān)系，確定危險(xiǎn)因素與健康結(jié)局之間的因果關(guān)系，比較干預(yù)措施的有效性。其他復(fù)雜的系統(tǒng)科學(xué)方法如系統(tǒng)動(dòng)力學(xué)模型適合于對(duì)大量人群的高級(jí)系統(tǒng)行為進(jìn)行建模[4]，但不能很好地指定個(gè)體的微觀行為，包括個(gè)體之間的相互作用以及隨時(shí)間推移而出現(xiàn)的改變。因此，ABM比傳統(tǒng)分析方法更有潛力，能為人群健康問題研究提供新思路。

系統(tǒng)科學(xué)方法(如主體建模、系統(tǒng)動(dòng)力學(xué)模型、網(wǎng)絡(luò)分析模型、離散事件仿真模型等)從數(shù)十年前就已經(jīng)開始應(yīng)用于不同領(lǐng)域，近年來才被引入醫(yī)療衛(wèi)生領(lǐng)域[9]。ABM在公共衛(wèi)生領(lǐng)域的應(yīng)用仍處于初級(jí)階段，且?guī)缀踔挥糜谘芯總魅静?，近年來才?yīng)用于慢性病防治和健康相關(guān)行為研究。

主體建模的工具與步驟

目前已有多種基于Agent的建模與仿真平臺(tái)，具有代表性的有圣塔菲研究所的Swarm和Repast。Swam是開放源代碼的免費(fèi)軟件，可用Java語言編程[10]，但環(huán)境配置復(fù)雜，較難掌握。芝加哥大學(xué)研發(fā)的Repast具有功能強(qiáng)大、界面美觀且易于使用等特點(diǎn)，具有可視化agent編輯器，現(xiàn)已發(fā)展成為一個(gè)通用的主體仿真平臺(tái)[11]。多樣化的建模軟件為主體建模解決公共衛(wèi)生問題提供了堅(jiān)實(shí)基礎(chǔ)。

主體建模的基本步驟與傳統(tǒng)建模方法類似，但需要建立模擬主體間的交互網(wǎng)絡(luò)，提煉模型運(yùn)行規(guī)則。具體過程為：(1)明確研究目的，確定模型框架與涉及的參數(shù)；(2)采用普查、抽樣調(diào)查或查閱文獻(xiàn)等方法收集建模所需數(shù)據(jù)；(3)構(gòu)建模擬主體間的交互網(wǎng)絡(luò)；(4)總結(jié)和提煉建模規(guī)則；(5)建立初始主體模型；(6)調(diào)試和完善模型；(7)應(yīng)用主體模型評(píng)估因素的影響或干預(yù)措施。對(duì)關(guān)鍵參數(shù)還需做敏感性分析，考察關(guān)鍵參數(shù)值的變化對(duì)模擬結(jié)果的影響[12]。

主體建模在慢性非傳染性疾病防治中的應(yīng)用

慢性非傳染性疾病(non-communicable diseases，NCD)是目前世界上最主要的死亡原因，其中死于心血管疾病、癌癥、慢性呼吸道疾病和糖尿病的約占所有慢性病死亡人數(shù)的80%[13]。大多數(shù)NCD是由吸煙、缺乏運(yùn)動(dòng)、不健康飲食和酗酒[13]這四個(gè)主要的行為危險(xiǎn)因素導(dǎo)致。人們逐漸認(rèn)識(shí)到，不同因素之間的相互影響對(duì)慢性病發(fā)生發(fā)展也很重要[14]，越來越多的研究者提倡使用ABM這種系統(tǒng)科學(xué)方法來研究慢性病。

相比慢性病，ABM更常用于傳染性疾病研究。傳染病具有明確的傳播途徑，其特征為非線性、隨機(jī)以及人與環(huán)境動(dòng)態(tài)交互。傳統(tǒng)分析方式無法捕捉到這些交互復(fù)雜的特征[15]，而ABM可通過生成不同規(guī)模的虛擬人群并結(jié)合地理信息，模擬不同規(guī)模的疾病傳播，并仿真干預(yù)措施的作用。而慢性病沒有明確的傳播機(jī)制，且ABM比傳統(tǒng)仿真方法更難實(shí)施，通常需要大量個(gè)體水平的數(shù)據(jù)進(jìn)行參數(shù)化、校準(zhǔn)和驗(yàn)證，這些數(shù)據(jù)有時(shí)很難獲取，所以人們普遍認(rèn)為ABM只適用于傳染病的研究，在慢性病研究領(lǐng)域仍處于起步階段。

Day等人利用ABM闡明了糖尿病視網(wǎng)膜病變的進(jìn)展以及篩查對(duì)糖尿病患者視力喪失的影響[16]。開發(fā)了一個(gè)基于agent的糖尿病視網(wǎng)膜病變模型，模型中的agents是具有一系列屬性的異質(zhì)患者，這些屬性包括年齡、性別、吸煙狀況、體質(zhì)指數(shù)、糖化血紅蛋白、病程、高血壓、高膽固醇、糖尿病腎病等，使用退伍軍人管理局圣路易斯眼科診所提取的縱向患者數(shù)據(jù)進(jìn)行模型的參數(shù)校準(zhǔn)和驗(yàn)證。使用agent建模評(píng)估不同的篩查間隔對(duì)退伍軍人視力損失的影響，發(fā)現(xiàn)兩年的篩查間隔最為合理[16]。ABM也被用于研究糖尿病患者與醫(yī)務(wù)人員的相互作用對(duì)連續(xù)血糖監(jiān)測(cè)的影響[17]。在心血管疾病研究方面，為克服馬爾可夫模型和系統(tǒng)動(dòng)力學(xué)模型的局限性，Li等人使用ABM評(píng)估了幾種生活方式干預(yù)措施(戒煙、增加體育活動(dòng)、促進(jìn)健康飲食和減肥)對(duì)患病率的影響，并評(píng)估了不同年齡組或地區(qū)人群心肌梗死和中風(fēng)的發(fā)病率[18]。Zhang應(yīng)用ABM檢驗(yàn)了社會(huì)因素對(duì)青少年超重和肥胖的影響，發(fā)現(xiàn)加強(qiáng)同伴影響有利于減少青少年肥胖發(fā)生[19]。El-Sayed等人針對(duì)肥胖建立了一個(gè)ABM模型，發(fā)現(xiàn)針對(duì)隨機(jī)人群的干預(yù)措施比針對(duì)個(gè)人的干預(yù)措施更能有效降低肥胖患病率[20]。

主體建模在健康行為中的應(yīng)用

復(fù)雜系統(tǒng)中的行為及其變化受多水平多因素影響，是非線性的，變化大且難以預(yù)測(cè)[21]。ABM能夠在個(gè)體層面上表現(xiàn)行為，解釋個(gè)體與環(huán)境之間的動(dòng)態(tài)影響。它可以明確描述社會(huì)和環(huán)境暴露影響個(gè)體態(tài)度與行為的方式，以及個(gè)體行為影響其周圍環(huán)境及其他個(gè)體行為的方式。同時(shí)，使用ABM可以追蹤特定的個(gè)體或觀察特定時(shí)空群體水平的分布。它可以通過一系列“what-if”模擬來檢驗(yàn)干預(yù)措施的效果。

目前ABM已被用于在個(gè)體、人際和社區(qū)環(huán)境三個(gè)水平進(jìn)行行為干預(yù)[22]。其中，在個(gè)體水平可通過提供知識(shí)或改變?nèi)藗儗?duì)某些行為的態(tài)度，鼓勵(lì)人們采用健康的行為方式。在人際水平可通過改變社會(huì)規(guī)范相應(yīng)地影響群體的健康行為。在社區(qū)水平，改善社區(qū)環(huán)境可促進(jìn)多種健康行為和結(jié)果，其效益是可持續(xù)的，并惠及整個(gè)人群。

與傳統(tǒng)分析方法相比，ABM能夠識(shí)別出煙草替代品的潛在不良影響，有學(xué)者利用ABM探討了電子煙過度使用對(duì)人群吸煙率的影響以及社會(huì)經(jīng)濟(jì)地位和社會(huì)影響對(duì)吸煙行為的作用[23-24]。Gorman等使用ABM探索社會(huì)和環(huán)境對(duì)飲酒的影響[25]，證實(shí)了Gruenewald[26]關(guān)于“分類飲酒”的理論研究，即具有相似偏好和行為的人聚集在特定的飲酒場所，會(huì)增強(qiáng)潛在的酗酒行為。Auchincloss等使用ABM探索飲食方面收入不平等的影響因素[27]，結(jié)果顯示改變低收入家庭的食品偏好，同時(shí)降低健康食品的價(jià)格，可以消除飲食的收入差異。此外，針對(duì)健康行為的干預(yù)措施要注重權(quán)衡成本效益，如改善兒童久坐的最佳途徑是增加他們的體力活動(dòng)水平[28]。

主體建模的優(yōu)勢(shì)

主體建模時(shí)會(huì)建立一個(gè)概念框架，將各主體聚集在一起，對(duì)主體的各個(gè)方面及其如何協(xié)同影響人群健康結(jié)果進(jìn)行粗略的假設(shè)，這一過程是ABM的主要優(yōu)勢(shì)。ABM有助于深入了解引起健康行為和結(jié)果(以及這些行為和結(jié)果的不平等)的潛在機(jī)制，并驗(yàn)證干預(yù)措施。

ABM可以用于研究各種影響因素和結(jié)果之間的復(fù)雜途徑，從而更好地設(shè)計(jì)干預(yù)措施。上游影響因素(如社會(huì)經(jīng)濟(jì)狀況、教育、住房、鄰里條件等)間接影響健康行為和結(jié)局，而ABM是一種獨(dú)特的驗(yàn)證上游干預(yù)措施的方法。利用ABM還可發(fā)現(xiàn)干預(yù)措施的其他效益，如步行校車計(jì)劃的實(shí)施與步行態(tài)度的改善之間存在協(xié)同效應(yīng)[29]。鑒于其自下而上的性質(zhì)，ABM可用于進(jìn)一步了解人群健康狀況分布形成的機(jī)制。在模型假設(shè)合理的前提下，ABM可以整合多種相互作用并驗(yàn)證因果關(guān)系，對(duì)干預(yù)措施及干預(yù)效果進(jìn)行微觀模擬。

此外，ABM還可實(shí)施在現(xiàn)實(shí)中不可行的反事實(shí)模擬，進(jìn)行情景假設(shè)和虛擬政策實(shí)驗(yàn)?？梢詫?duì)模型進(jìn)行多次模擬，在其他條件都保持不變的情況下觀察不同治療條件下的健康結(jié)局，從而實(shí)現(xiàn)反事實(shí)的對(duì)比[30]。特定的干預(yù)可能會(huì)對(duì)一種結(jié)果產(chǎn)生積極影響，對(duì)另一種結(jié)果產(chǎn)生消極影響(如利用主動(dòng)運(yùn)動(dòng)減少肥胖，同時(shí)也增加了受傷風(fēng)險(xiǎn))[31]，而利用ABM可以深入了解干預(yù)的凈效果。

主體建模的局限性

首先，簡單模型與復(fù)雜現(xiàn)實(shí)之間存在矛盾，建模過程中需反復(fù)試驗(yàn)，在簡化現(xiàn)實(shí)的同時(shí)包含足夠復(fù)雜的元素，即遵循由Robert Axelrod[32]倡導(dǎo)的保持簡單原則(keep it simple and stupid，KISS)的同時(shí)，利用ABM最大限度地探索特定人群的關(guān)鍵要素，使設(shè)計(jì)的干預(yù)措施和公共衛(wèi)生規(guī)劃產(chǎn)生有意義的結(jié)果。

其次，ABM所依賴的數(shù)據(jù)往往不能探索因果機(jī)制和反事實(shí)對(duì)比[33]。ABM最大的優(yōu)勢(shì)是研究社會(huì)網(wǎng)絡(luò)影響和個(gè)體之間的互動(dòng)，但常常因缺乏相關(guān)數(shù)據(jù)，在進(jìn)行模型參數(shù)化時(shí)易加劇模型的不確定性，難以驗(yàn)證。即便有相關(guān)數(shù)據(jù)，也往往來自對(duì)特定人群的觀察性研究，這些特定人群與預(yù)期目標(biāo)人群的分布可能不同[34]。因此，在ABM未來的發(fā)展中，要注重模型的創(chuàng)新性，模型假設(shè)和意義之間的一致性，以及結(jié)果的驗(yàn)證性[32，35]。

第三，模型復(fù)雜時(shí)，往往會(huì)限制ABM的價(jià)值。因此，應(yīng)在必要時(shí)逐漸增加模型復(fù)雜性，加上不同的利益相關(guān)者，確保模型有用、可信[36]。在建模時(shí)還需考慮隨機(jī)效應(yīng)，以捕獲其他未知因素的影響。

結(jié) 論

ABM作為新興的建模方法，其應(yīng)用于慢性病防治及健康行為研究的獨(dú)特優(yōu)勢(shì)逐漸被認(rèn)可，研究者也正努力創(chuàng)建相對(duì)簡單但包含復(fù)雜現(xiàn)象的ABM。但目前公共衛(wèi)生領(lǐng)域的多數(shù)研究還停留在單因素、短期、個(gè)體和線性的水平，ABM的應(yīng)用還處于早期階段，其優(yōu)勢(shì)未得到充分展現(xiàn)。因此，應(yīng)加強(qiáng)對(duì)公共衛(wèi)生領(lǐng)域中ABM應(yīng)用項(xiàng)目的支持。研究者也應(yīng)從其他領(lǐng)域中深入學(xué)習(xí)，結(jié)合社會(huì)實(shí)際探索ABM方法學(xué)的最佳實(shí)踐，讓更多研究者意識(shí)到該方法的獨(dú)特優(yōu)勢(shì)，促進(jìn)ABM在公共衛(wèi)生領(lǐng)域的應(yīng)用。