ABM在公共健康政策研究中的應(yīng)用進(jìn)展與趨勢(shì)展望
——基于CiteSpace文獻(xiàn)計(jì)量分析

劉芷含 王楨鈺

一、引言

“健康中國(guó)”戰(zhàn)略的提出和實(shí)施以及《“健康中國(guó)2030”規(guī)劃綱要》等一系列相關(guān)政策文件的頒布，使政府部門逐漸意識(shí)到“健康優(yōu)先”原則以及“健康融入所有政策(Health in All Policies, HiAP)”理念的重要性。(1)岳經(jīng)綸、黃博函:《健康中國(guó)戰(zhàn)略與中國(guó)社會(huì)政策創(chuàng)新》,《中山大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)》2020年第1期。公共政策與人民福祉息息相關(guān)，而涵蓋醫(yī)療、康養(yǎng)、疾控、食品藥品等主題的公共健康政策，更是對(duì)人群健康有著重要的導(dǎo)向與干預(yù)作用，直接關(guān)系到廣大群眾特別是弱勢(shì)群體的獲得感與幸福感。

然而，過去的十多年來，許多學(xué)者發(fā)現(xiàn)，由于人群的高度異質(zhì)性與健康決策的不確定性等因素，常規(guī)的線性研究統(tǒng)計(jì)方法無法捕捉公共健康系統(tǒng)當(dāng)前的最優(yōu)解，繼而越來越不能滿足復(fù)雜公共健康系統(tǒng)研究的需要。因此，21世紀(jì)以來，基于主體建模(Agent-Based Modeling，ABM)這樣一種在模擬時(shí)空內(nèi)對(duì)具有特定特征的主體“Agent”進(jìn)行的隨機(jī)計(jì)算機(jī)模擬(2)El-Sayed AM.， Scarborough P.， Seemann L.， et al.， “Social Network Analysis and Agent-based Modeling in Social Epidemiology”, Epidemiologic Perspectives & Innovations,Vol.9,No.1,2012,p.1.逐步被引入公共政策與社會(huì)治理領(lǐng)域(3)李大宇、米加寧、徐磊:《公共政策仿真方法:原理、應(yīng)用與前景》,《公共管理學(xué)報(bào)》2011年第4期。，誕生了一系列面向公眾健康及其政策干預(yù)的創(chuàng)新性交叉研究，使復(fù)雜的基于“社會(huì)—技術(shù)系統(tǒng)”的公共健康政策仿真成為可能(4)Tracy M.， Cerdá M.， Keyes KM.“Agent-Based Modeling in Public Health: Current Applications and Future Directions”,Annual Review of Public Health,Vol.39,No.1,2018,pp.77-94.(5)Singh K.， Ahn CW.， Paik E.， et al.，“A Micro-Level Data-Calibrated Agent-Based Model: The Synergy between Microsimulation and Agent-Based Modeling”,Artificial Life,Vol.24,No.2,2018,pp.128-148.。

ABM脫胎于演化博弈論(Evolutionary Game Theory)(6)Smith J.， Price G.，“The Logic of Animal Conflict”,Nature,Vol.246,No.5427,1973,pp.15-18.、復(fù)雜適應(yīng)系統(tǒng)(Complex Adaptive System，CAS)理論(7)Holland J.，“Hidden Order: How Adaptation Builds Complexity”. New York: Addison-Wesley,1995.以及計(jì)算機(jī)人工智能(分布式人工智能和機(jī)器學(xué)習(xí))技術(shù)(8)黃璜:《社會(huì)科學(xué)研究中“基于主體建?！狈椒ㄔu(píng)述》,《國(guó)外社會(huì)科學(xué)》2010年第5期。。CAS核心思想為個(gè)體適應(yīng)性造就復(fù)雜性及涌現(xiàn)，而演化博弈論認(rèn)為主體在不斷學(xué)習(xí)、試錯(cuò)以及適應(yīng)的動(dòng)態(tài)過程中尋找更優(yōu)的策略而趨于平穩(wěn)。在復(fù)雜的健康系統(tǒng)中，主體會(huì)受到其他主體狀態(tài)、屬性、社會(huì)關(guān)系以及環(huán)境變量的影響，故ABM這種基于演化博弈論的復(fù)雜系統(tǒng)方法，比傳統(tǒng)統(tǒng)計(jì)分析方法回答的研究問題更廣泛，可為人口健康問題以及政策效果模擬提供新的線索，因而逐漸被重視且廣泛應(yīng)用于政府對(duì)公眾的健康治理以及醫(yī)療衛(wèi)生的政策干預(yù)之中。

隨著近年來自然人文環(huán)境遭到破壞且大規(guī)模流行病不斷爆發(fā)、人群健康面臨嚴(yán)峻挑戰(zhàn)，基于ABM的公共健康政策研究數(shù)量激增，業(yè)已成為新興的、具有重大潛力的研究熱點(diǎn)。然而，現(xiàn)有相關(guān)論文多集中于ABM方法及公共政策或健康政策仿真研究的介紹或應(yīng)用情況，基于CiteSpace進(jìn)行可視化分析的文獻(xiàn)計(jì)量研究尚未見報(bào)道、國(guó)內(nèi)外相關(guān)研究熱點(diǎn)以及異同點(diǎn)等內(nèi)容也尚未明晰。因此，本文通過系統(tǒng)檢索相關(guān)中英文文獻(xiàn)，基于CiteSpace文獻(xiàn)可視化軟件回顧與總結(jié)國(guó)內(nèi)外公共健康政策領(lǐng)域的ABM應(yīng)用進(jìn)展，并對(duì)既有研究不足進(jìn)行反思和對(duì)未來趨勢(shì)進(jìn)行展望，以期為未來復(fù)雜公共健康政策仿真研究發(fā)展提供依據(jù)，并促進(jìn)ABM在社科及交叉學(xué)科領(lǐng)域研究中的應(yīng)用與深化。

二、資料來源與研究方法

(一)資料來源

對(duì)Web of Science(WoS)以及中國(guó)知網(wǎng)(CNKI)數(shù)據(jù)庫(kù)分別進(jìn)行檢索，不對(duì)發(fā)文時(shí)間進(jìn)行限定并使用高級(jí)檢索方式(檢索時(shí)間截至2022年4月16日)。其中，為避免過多重復(fù)外文文獻(xiàn)以及無關(guān)的中文文獻(xiàn)，CNKI數(shù)據(jù)庫(kù)僅檢索中文文獻(xiàn)并進(jìn)行人工手動(dòng)篩選；于外文數(shù)據(jù)庫(kù)檢索的外文檢索詞是依據(jù)檢索過程不斷迭代更新并且咨詢了圖書管理員而確定的。具體檢索策略詳見表1。共檢索到相關(guān)文獻(xiàn)1067篇(外文845篇，中文222篇)，經(jīng)過CiteSpace軟件去重并剔除不符合要求的文獻(xiàn)(會(huì)議摘要、新聞報(bào)告、簡(jiǎn)訊、人物訪談、報(bào)告等非學(xué)術(shù)性、非原創(chuàng)性文獻(xiàn)以及研究主題與公共健康政策領(lǐng)域的ABM應(yīng)用研究無關(guān)的文獻(xiàn))共182篇，得到WoS核心集文獻(xiàn)663篇(最早發(fā)文時(shí)間為1999年)，CNKI數(shù)據(jù)庫(kù)文獻(xiàn)222篇(最早發(fā)文時(shí)間為2002年)。

表1 檢索策略及替代檢索詞

(二)研究工具與方法

在文獻(xiàn)計(jì)量分析部分，通過陳超美教授等人研發(fā)的CiteSpace5.8.R3可視化分析軟件(9)陳悅、陳超美、劉則淵等:《CiteSpace知識(shí)圖譜的方法論功能》,《科學(xué)學(xué)研究》2015年第2期。，對(duì)檢索到的和主題相關(guān)的文獻(xiàn)總量、歷年變化趨勢(shì)、關(guān)鍵詞詞頻及中心性等情況進(jìn)行分析，以把握AMB于公共健康政策領(lǐng)域應(yīng)用及研究的總體趨勢(shì)。首先，根據(jù)軟件要求且為避免被檢索到的文獻(xiàn)出現(xiàn)遺漏，需要根據(jù)不同平臺(tái)檢索到的文獻(xiàn)首篇發(fā)文時(shí)間設(shè)置CiteSpace軟件內(nèi)的時(shí)間跨度，WoS平臺(tái)設(shè)定為1999年1月至2022年12月，CNKI平臺(tái)則設(shè)定為2002年1月至2022年12月，時(shí)間切片均為2年；節(jié)點(diǎn)類型(Node Types)依次選擇研究機(jī)構(gòu)(Institution)、文獻(xiàn)(Reference)及高頻關(guān)鍵詞(Key Words)進(jìn)行共現(xiàn)分析和可視化圖譜的繪制。調(diào)整 Top N、Top N%、Thresholds(c、cc、ccv)參數(shù)進(jìn)行制圖，取前 10%的分析數(shù)據(jù)繪制知識(shí)圖譜，并在選擇使用剪枝算法尋徑(Pathfinder)的基礎(chǔ)上添加Pruning the merged network這一剪枝方式優(yōu)化可視化圖譜。通常，節(jié)點(diǎn)越大代表出現(xiàn)的頻率越高，節(jié)點(diǎn)間連線數(shù)量及粗細(xì)代表密切程度；中介中心性超過0.1的節(jié)點(diǎn)為關(guān)鍵節(jié)點(diǎn)；聚類模塊值Q(Modularity Q)大于0.5即說明聚類結(jié)構(gòu)顯著、結(jié)果合理；平均輪廓值S(Weighted Mean Silhouette)大于0.7即表示聚類結(jié)果可信度高。

三、 相關(guān)研究文獻(xiàn)基本情況

(一)基本情況以及文獻(xiàn)被引影響力分析

對(duì)于文獻(xiàn)被引及影響力方面，在WoS核心集中，排名前五的均為期刊文章且涉及疫情防控、食品營(yíng)養(yǎng)與保障、個(gè)人不健康行為習(xí)慣干預(yù)等多個(gè)主題；而在CNKI檢索平臺(tái)，文章大多為學(xué)位論文且主要涉及ABM方法的介紹及其在公共政策研究領(lǐng)域的應(yīng)用、居民節(jié)能行為、病毒防控以及就醫(yī)選擇等主題，見表2。

表2 國(guó)內(nèi)外高被引文獻(xiàn)基本情況

(二)文獻(xiàn)數(shù)量年度趨勢(shì)

由圖1可知，從國(guó)內(nèi)外發(fā)文年份及數(shù)量上看，最早的相關(guān)文獻(xiàn)見于1999年，發(fā)文最多的年份為2021年，2022年的斷崖式下跌情況可因年限未滿而忽略不計(jì)。在WoS 核心集中，2008年及以往年發(fā)文量均在10篇以下，2009 年后開始增加至 17篇但又在2011年開始出現(xiàn)了短暫回落，不過2013年開始發(fā)文量呈穩(wěn)步上升趨勢(shì)，至 2021 年發(fā)文量達(dá)最高(136 篇)，特別是2020年至2021年之間激增了44篇；在CNKI 數(shù)據(jù)庫(kù)中，相關(guān)文獻(xiàn)發(fā)文量較少且研究起步相對(duì)國(guó)外較晚(2002年開始)，2011年開始年發(fā)文量平穩(wěn)波動(dòng)在10—20篇左右，2021年最高但也未超過25篇。此外，國(guó)內(nèi)外發(fā)文量均在2009年前后以及2020年前后出現(xiàn)了較為明顯的增長(zhǎng)，顯然，發(fā)文量的激增應(yīng)與頻頻出現(xiàn)的大規(guī)模新發(fā)傳染病疫情(如2009年的甲型H1N1流感、2019年底至今的新冠肺炎(COVID-19)所催生的復(fù)雜健康系統(tǒng)仿真研究的現(xiàn)實(shí)需求密切相關(guān)。總體而言，國(guó)內(nèi)外相關(guān)文獻(xiàn)數(shù)量在宏觀環(huán)境的影響下呈現(xiàn)出“運(yùn)動(dòng)式波動(dòng)上升”的年度趨勢(shì)。

圖1 文獻(xiàn)數(shù)量年度發(fā)展趨勢(shì)

(三)研究機(jī)構(gòu)共現(xiàn)網(wǎng)絡(luò)分析

研究機(jī)構(gòu)時(shí)區(qū)圖譜詮釋了該領(lǐng)域研究力量隨時(shí)間變化的空間分布。首先，從頻次和中心性觀之，在WoS 核心集圖譜中(N=734，E=1348，Density=0.015)，有關(guān)ABM于公共健康政策中應(yīng)用的研究機(jī)構(gòu)主要以高校、高校附屬研究所以及主流學(xué)會(huì)為主且形成了一定且較為成熟的合作網(wǎng)絡(luò)。美國(guó)的密歇根大學(xué)(n=19)、北卡羅來納大學(xué)(n=18)、亞利桑那州立大學(xué)(n=16)、哥倫比亞大學(xué)(n=14)和約翰霍普金斯大學(xué)(n=14)等國(guó)外機(jī)構(gòu)發(fā)文量較多，并且密歇根大學(xué)的中心性仍然最高(0.1)，可以說，美國(guó)是該方向上發(fā)表文章數(shù)量最多的國(guó)家；CNKI 數(shù)據(jù)庫(kù)圖譜中(N=82，E=40，Density=0.012)，高校及高校附屬研究所同樣為主要的研究機(jī)構(gòu)，但也涉及疾控機(jī)構(gòu)(如長(zhǎng)沙市疾病預(yù)防控制中心傳染病防治科，n=1)。國(guó)防科學(xué)技術(shù)大學(xué)信息系統(tǒng)與管理學(xué)院(n=6)的發(fā)文量最大，但各機(jī)構(gòu)間中心性均為0，說明中國(guó)開展了公共健康政策領(lǐng)域ABM應(yīng)用研究的機(jī)構(gòu)比較分散且未形成較強(qiáng)且廣泛的合作網(wǎng)絡(luò)關(guān)系。其次，由時(shí)區(qū)及機(jī)構(gòu)合作變化情況觀之，在WoS數(shù)據(jù)庫(kù)中，美國(guó)的約翰霍普金斯大學(xué)于1999年前后率先發(fā)表了相關(guān)文章，發(fā)表文章數(shù)量最多的密歇根大學(xué)從2008年開始出現(xiàn)，中期(2011年開始)以美國(guó)北卡羅來納大學(xué)、英國(guó)倫敦大學(xué)學(xué)院以及澳大利亞悉尼大學(xué)等為代表，近期(2019年至今)則出現(xiàn)了美國(guó)佛羅里達(dá)大學(xué)、巴西圣保羅大學(xué)以及泰國(guó)朱拉隆功大學(xué)等院校； 在 CNKI 數(shù)據(jù)庫(kù)中，國(guó)防科學(xué)技術(shù)大學(xué)系統(tǒng)工程研究所是發(fā)文最早的機(jī)構(gòu)，發(fā)文最多的

國(guó)防科學(xué)技術(shù)大學(xué)信息系統(tǒng)與管理學(xué)院從2009年開始關(guān)注到ABM及公共健康政策相關(guān)研究，2021年以來出現(xiàn)了南通大學(xué)公共衛(wèi)生學(xué)院、四川大學(xué)經(jīng)濟(jì)學(xué)院以及華中科技大學(xué)管理學(xué)院等非工科院校，說明ABM方法在交叉學(xué)科中的普及程度越來越廣泛，見圖2。

圖2 國(guó)內(nèi)外文獻(xiàn)的研究機(jī)構(gòu)共現(xiàn)網(wǎng)絡(luò)

四、相關(guān)研究熱點(diǎn)及演化進(jìn)程分析

(一)研究熱點(diǎn)及關(guān)鍵詞共現(xiàn)情況

通過關(guān)鍵詞出現(xiàn)的頻次和中心性大小可以了解國(guó)內(nèi)外ABM于公共健康政策領(lǐng)域的研究熱點(diǎn)。WoS平臺(tái)的關(guān)鍵詞共現(xiàn)圖譜(圖3a)的網(wǎng)絡(luò)密度為0.0168(N=387，E=506)，聚類模塊值Q為0.5508，平均輪廓值S為0.7571；CNKI平臺(tái)的關(guān)鍵詞共現(xiàn)圖譜(圖3b)網(wǎng)絡(luò)密度為0.0124(N=233，E=335)，聚類模塊值Q為0.8748，平均輪廓值S為0.9798，國(guó)內(nèi)外相關(guān)文獻(xiàn)產(chǎn)生的知識(shí)圖譜均具有合理聚類結(jié)果和較高可信度。

圖3 國(guó)內(nèi)外文獻(xiàn)的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

通過對(duì)頻次排名前10的關(guān)鍵詞進(jìn)行整理，得到關(guān)鍵詞共現(xiàn)情況表3。在WoS數(shù)據(jù)庫(kù)的文獻(xiàn)中，從頻次觀之，除去檢索詞agent-based modeling、health policy以及public policy，顯示covid-19、simulation、health、complex system、epidemiology、alcohol等是最主要的核心關(guān)鍵詞；從中心性觀之，simulation對(duì)于關(guān)鍵詞共現(xiàn)圖譜的“媒介”作用最大，其中心性值高達(dá)0.77。一些關(guān)鍵詞表現(xiàn)出“頻次不高，中心性高”的現(xiàn)象，如public policy(n=10，中心性為0.23且順位第8)、aging(n=4，中心性為0.16且順位第9)、children(n=3，中心性為0.1且順位第11)，說明也有很多有關(guān)ABM的研究圍繞公共政策、老年人和兒童照護(hù)展開。從關(guān)鍵詞的首次出現(xiàn)年份來看，agent-based modeling早在2000年就顯現(xiàn)，國(guó)外的學(xué)者更是早在2005年就關(guān)注到了health policy相關(guān)建模仿真研究，隨之是涉及人們基本生活的food security、alcohol以及傳染病防控相關(guān)的epidemiology以及covid-19主題詞開始出現(xiàn)；在CNKI數(shù)據(jù)庫(kù)的文獻(xiàn)中，從頻次觀之，除去檢索詞基于主體建模外，顯示出復(fù)雜適應(yīng)系統(tǒng)、agent、公共政策以及人工社會(huì)是最主要的核心關(guān)鍵詞。與此同時(shí)，與公共健康政策相關(guān)的醫(yī)療資源、應(yīng)急管理以及醫(yī)療政策分析等詞匯的頻次也位于前置位。從中心性看，agent為最重要的關(guān)鍵詞，其中心性值高達(dá)0.71。除基于主體仿真的相關(guān)表述外，其余中心性較高的依次為復(fù)雜適應(yīng)系統(tǒng)、醫(yī)療資源、人工社會(huì)、公共政策等，“頻次不高，中心性高”的詞有甲型h1n1流感(n=2，中心性為0.18且順位第8)、hiv流行病(n=1，中心性為0.08且順位第21)等，說明這類詞與ABM的相關(guān)研究連接較為緊密。同樣的，觀察關(guān)鍵詞最早出現(xiàn)的時(shí)間節(jié)點(diǎn)可以發(fā)現(xiàn)，agent、復(fù)雜適應(yīng)系統(tǒng)以及公共政策等關(guān)鍵詞早在2005年前就開始受到重視，2008年更是研究熱點(diǎn)迸發(fā)較多的一年，出現(xiàn)了人工社會(huì)、多agent系統(tǒng)、醫(yī)療資源等關(guān)鍵詞，此后學(xué)術(shù)界更是關(guān)注到了醫(yī)療政策相關(guān)的仿真建模，原因或在于2008年我國(guó)邁出了新一輪大型醫(yī)療改革的步伐、出臺(tái)了系列《醫(yī)療改革方案》，“醫(yī)療改革”也成了2008年前后的研究熱點(diǎn)詞(10)都率、毛阿燕、孟月莉等:《基于CiteSpace公共衛(wèi)生體系研究可視化分析》,《中國(guó)公共衛(wèi)生》2020年第12期。，2013年則開始將ABM應(yīng)用于公共衛(wèi)生的應(yīng)急管理范疇之中。

表3 關(guān)鍵詞共現(xiàn)頻次排名前10位的具體情況

(二)研究熱點(diǎn)演化進(jìn)程分析

由圖4可知，國(guó)外有關(guān)ABM在公共健康政策的研究領(lǐng)域包含較廣且演進(jìn)歷程十分連貫，并且可將其演進(jìn)歸納為三個(gè)時(shí)期: 積累萌芽期(1999至2006年)、發(fā)展應(yīng)用期(2007至2016年)以及逐漸成熟期(2017年至今)，具體分析如下：首先，在積累萌芽期，最重要的節(jié)點(diǎn)(agent-based modeling)出現(xiàn)在1999 年前后，說明在90 年代相關(guān)研究已經(jīng)實(shí)現(xiàn)了初步萌芽，順著21 世紀(jì)進(jìn)入了新的發(fā)展時(shí)期。2005年開始衍生出health policy、social network等早期研究熱點(diǎn)，相關(guān)學(xué)者開始探索將ABM方法應(yīng)用于健康政策以及人工社會(huì)的研究之中；在發(fā)展應(yīng)用期，2007年開始表現(xiàn)出對(duì)ABM方法模擬傳染病(infectious disease)以及預(yù)防政策效果的關(guān)注，2011年至2014年的研究關(guān)注點(diǎn)更是具體到了食品保障(food security)及不健康習(xí)慣的政策干預(yù)(如alcohol和smoking)并擴(kuò)展到了2015年的public policy；在逐漸成熟期，在前兩個(gè)時(shí)期的發(fā)展基礎(chǔ)下，伴隨著疫情常態(tài)化以及全球患慢性病率上升的態(tài)勢(shì)，這個(gè)階段出現(xiàn)了chronic disease及COVID-19等熱詞。雖然對(duì)于傳染病防控的相關(guān)研究(如infectious disease、pandemic)迸發(fā)于2007年左右，但一直延續(xù)至2017年出現(xiàn)的epidemiology、vaccination以及2019年至今的COVID-19，ABM方法的應(yīng)用愈加廣泛和具體，影響健康的衛(wèi)生或非衛(wèi)生、傳染或非傳染因素均得到兼顧。

圖4 國(guó)外研究熱點(diǎn)演化進(jìn)程(1999—2022) 圖 5 國(guó)內(nèi)研究熱點(diǎn)演化進(jìn)程(2002—2022)

圖5從時(shí)間維度展示了國(guó)內(nèi)公共健康政策領(lǐng)域ABM應(yīng)用研究的發(fā)展與演進(jìn)過程。總體而言，該領(lǐng)域相關(guān)概念演進(jìn)時(shí)間跨度長(zhǎng)且高頻詞多集中于2002至2011年，演化進(jìn)程中不同的概念與關(guān)鍵詞被一些研究相繼提出，可被歸納為探索期(2002至2015年)和推廣期(2016年至今)兩個(gè)時(shí)期：首先，在探索期階段，基于2002年提出的復(fù)雜適應(yīng)系統(tǒng)等觀點(diǎn)，2004年前后出現(xiàn)了最重要的節(jié)點(diǎn)(基于主體建模)，相近年份的公共政策、醫(yī)療資源、醫(yī)療政策分析等關(guān)鍵詞的出現(xiàn)可以看出國(guó)內(nèi)學(xué)者于這些領(lǐng)域應(yīng)用ABM方法的蹤跡，而2010年至2015年的醫(yī)療保險(xiǎn)、傳染病、個(gè)體心理、突發(fā)事件、公共衛(wèi)生等詞匯可看出相關(guān)研究從一般機(jī)理以及宏觀醫(yī)療領(lǐng)域逐漸向具體政策領(lǐng)域延伸的軌跡；其次，在推廣期，2016年開始普及如Netlogo此類建模軟件以及免疫算法、多agent模型等，而近期(2018年以來)的傳染病傳播模型以及COVID-19等提示了ABM于防疫政策中發(fā)揮的重要作用。

(三)研究關(guān)鍵詞聚類分析

通過LLR算法可分別獲得國(guó)內(nèi)外研究的關(guān)鍵詞聚類圖譜。WoS平臺(tái)的聚類模塊值Q=0.8748(>0.5)，說明聚類結(jié)構(gòu)顯著、結(jié)果合理；平均輪廓值S=0.9798(>0.7)，聚類結(jié)果可信度高。國(guó)外研究的關(guān)鍵詞共生成了9個(gè)聚類且聚類效果十分明顯，不同類團(tuán)之間存在重疊情況、相互關(guān)聯(lián)密切，涉及心理健康、老年人照護(hù)、環(huán)境保護(hù)與可持續(xù)發(fā)展、傳染病防控、人群不健康行為干預(yù)、社區(qū)初級(jí)衛(wèi)生保健等具體領(lǐng)域：#0 agent-based modeling、#1 testing、#2 adaptation、#3 sustainable development、#4 computational modeling、#5 COVID-19、#6 autonoetic consciousness、#7 alcohol、#8 complexity economics、#9 social influence，詳見圖6a及表4。

CNKI平臺(tái)的關(guān)鍵詞聚類譜圖Q 值= 0.8011(>0.5)、S 值= 0.9530(>0.7)，說明國(guó)內(nèi)文獻(xiàn)的聚類可視化圖譜的結(jié)果也是顯著、合理且可信的。國(guó)內(nèi)研究形成了#0 多主體建模、#1 模型變換、#2 多agent系統(tǒng)、#3 agent、#4 復(fù)雜系統(tǒng)、#5 gis、#6 信息傳播、#7 地理信息系統(tǒng)、#8 傳染病以及#9 免疫機(jī)制9 個(gè)關(guān)鍵詞聚類群，這些聚類群亦存在不同程度的交叉重疊，并且與醫(yī)療服務(wù)及臨床路徑管理、應(yīng)急管理、醫(yī)療資源配置、基于地理信息系統(tǒng)的醫(yī)療合作、傳染病防控、農(nóng)業(yè)環(huán)境以及居民健康監(jiān)測(cè)等密切相關(guān)，詳見圖6b及表4。

圖6 國(guó)內(nèi)外文獻(xiàn)的關(guān)鍵詞聚類網(wǎng)絡(luò)

表4 國(guó)內(nèi)外研究關(guān)鍵詞聚類模塊信息

(續(xù)表)

基于圖譜聚類并結(jié)合研究熱點(diǎn)及研究主題，可以發(fā)現(xiàn)當(dāng)前國(guó)內(nèi)外學(xué)者對(duì)ABM于公共健康政策的相關(guān)研究既有趨同性亦有差異性，在趨同性上主要體現(xiàn)在如下幾點(diǎn)。

1. 基于ABM的傳染病防控及其政策干預(yù)

傳染病防控的政策建模與效果評(píng)估是國(guó)內(nèi)外均高度重視的領(lǐng)域，對(duì)于疫情防控而言，ABM是極為有效的工具，可考慮大規(guī)模人口的異質(zhì)性并解釋疾病傳播的過程，以推動(dòng)政策或干預(yù)措施的設(shè)計(jì)。(11)Bedson J.， Skrip LA.， Pedi D.， et al.， “A Review and Agenda for Integrated Disease Models Including Social and Behavioural Factors”, Nat Hum Behavior,Vol.5,No.7,2021,pp.834-846.基于ABM的動(dòng)態(tài)傳播模擬決策分析，不僅可為政策制定者和公共衛(wèi)生相關(guān)政府部門在疫苗接種計(jì)劃的后續(xù)階段提供持續(xù)性指導(dǎo)證據(jù)(12)Jahn B.，Sroczynski G.， Bicher M.， et al.， “Targeted COVID-19 Vaccination (TAV-COVID) Considering Limited 7 Vaccination Capacities—An Agent-Based Modeling Evaluation”, Vaccines,Vol.9,No.5,2021,p.434.，還能為應(yīng)對(duì)流行病傳播等沖擊事件的政策和行為反應(yīng)進(jìn)行事前評(píng)估，并為政策建模和設(shè)計(jì)提供依據(jù)(13)Shastry V.， Reeves DC.， Willems N.， et al.， “Policy and Behavioral Response to Shock Events: An Agent-Based Model of the Effectiveness and Equity of Policy Design Features”, PLoS ONE,Vol.17,No.1,2022,p.e0262172.。雖然我國(guó)對(duì)于傳染病防控政策的建模研究起步較國(guó)外稍晚，但2008年起，我國(guó)學(xué)者就將ABM運(yùn)用到如SARS(14)瞿毅臻、李琦、甘杰夫:《基于Repast平臺(tái)的SARS傳播仿真建模研究》,《計(jì)算機(jī)科學(xué)》2008年第2期。、甲型H1N1流感(15)朱悅:《甲型H1N1流感病毒的主體建模防控仿真研究》, 首都經(jīng)濟(jì)貿(mào)易大學(xué),2010年。以及近年來困擾全球衛(wèi)生政策治理者的新型冠狀病毒肺炎(COVID-19)(16)席周慧、孟德霖、趙繼軍:《鉆石公主號(hào)郵輪上COVID-19傳播動(dòng)態(tài)的研究》,《復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)》2022年第1期。等流行性疾病的防控等研究之中。

2.ABM與心理健康及精神衛(wèi)生保障政策

在心理健康與精神衛(wèi)生方面，國(guó)外文獻(xiàn)以聚類塊中主要標(biāo)簽詞“psychological distress”等為信號(hào)，而國(guó)內(nèi)則是以演化進(jìn)程中高頻關(guān)鍵詞“個(gè)體心理”為代表，說明越來越多研究開始將ABM方法應(yīng)用于人群心理與精神健康保障領(lǐng)域。ABM對(duì)人類情感和心理的研究意義與優(yōu)勢(shì)非常明顯，相比于其他研究方法，ABM作為動(dòng)力學(xué)研究取向的仿真建模技術(shù)更能捕捉系統(tǒng)中復(fù)雜、動(dòng)態(tài)、交互的社會(huì)或個(gè)體心理過程的關(guān)鍵元素，亦能更精確地檢驗(yàn)社會(huì)心理學(xué)理論的可靠性并與理論的關(guān)注點(diǎn)相匹配。(17)Smith ER.， Conrey FR.， “Agent-Based Modeling: A New Approach for Theory Building in Social Psychology”, Personality and Social Psychology Review,Vol.11,No.1,2007,pp.87-104.Barry等(18)Silverman BG.， Hanrahan N.， Bharathy G.， et al.， “A Systems Approach to Healthcare: Agent-based Modeling, Community Mental Health, and Population Well-being”, Artificial Intelligence in Medicine,Vol.63,No.2,2015,pp.61-71.認(rèn)為，為患有嚴(yán)重精神病且伴有身體疾病的人群提供醫(yī)療與健康服務(wù)是一個(gè)復(fù)雜的系統(tǒng)問題，涉及生物及文化的方方面面。因此，他們通過基于Agent的三級(jí)系統(tǒng)建模方法(涉及社區(qū)三個(gè)不同層次)以及“模擬城市心理健康行動(dòng)”(Simulating Urban Mental Health Operations, SUMHO)模型，對(duì)美國(guó)費(fèi)城的衛(wèi)生系統(tǒng)建模并進(jìn)行政策干預(yù)仿真，以識(shí)別政策的有效性，這種三級(jí)系統(tǒng)建模方法已被應(yīng)用于美國(guó)國(guó)防部和國(guó)務(wù)院的社會(huì)穩(wěn)定治理事務(wù)之中。

相對(duì)而言，我國(guó)學(xué)者在該領(lǐng)域的研究主題更集中于宏觀層面突發(fā)事件的群眾心理應(yīng)激反應(yīng)與演化。例如，王一伊(19)王一伊:《恐怖襲擊事件個(gè)體心理行為影響因素仿真分析》,《武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版)》2016年第6期。以恐怖襲擊事件個(gè)體心理行為影響因素為關(guān)注點(diǎn)以及沈浩等人(20)沈浩、杜新秀、劉祎:《基于認(rèn)知評(píng)價(jià)的非常規(guī)突發(fā)事件個(gè)體應(yīng)激研究》,《中國(guó)安全科學(xué)學(xué)報(bào)》2015年第1期。從認(rèn)知評(píng)價(jià)的非常規(guī)突發(fā)事件出發(fā)，均展開了一系列基于Agent的仿真建模研究。雖然研究的突發(fā)事件類型不同，但這些仿真建模結(jié)果均為政府明確公眾心理救治范疇、建立公眾心理應(yīng)激預(yù)警及管理體系提供了可行性建議。

3.基于ABM的環(huán)境保護(hù)與可持續(xù)發(fā)展研究

在環(huán)境保護(hù)與可持續(xù)發(fā)展方面，國(guó)內(nèi)外均關(guān)注到了農(nóng)業(yè)環(huán)境政策給人類健康帶來的影響以及“健康寓于萬策”的重要意義，主要以WoS核心集提取的“agriculture ”與“climate change”以及CNKI數(shù)據(jù)集提取的“農(nóng)業(yè)環(huán)境政策”“城市居民”(21)史海霞:《我國(guó)城市居民PM2.5減排行為影響因素及政策干預(yù)研究》,中國(guó)科學(xué)技術(shù)大學(xué),2017年。(22)俞學(xué)燕:《城市居民能源消費(fèi)行為低碳化的政策干預(yù)路徑與仿真研究》,中國(guó)礦業(yè)大學(xué),2018年。以及“健康監(jiān)測(cè)”等關(guān)鍵詞為代表。

在差異性上，國(guó)外研究表現(xiàn)出更多的對(duì)以下三方面的關(guān)注：其一，探究特殊人群(兒童、青少年與老人等)及其具體照護(hù)服務(wù)、模式等與社會(huì)之間的復(fù)雜關(guān)系以及相關(guān)健康政策帶來的影響等，以期摸索出更適合不同類型人群且同時(shí)滿足其差異化、個(gè)性化需求的照護(hù)模式并預(yù)測(cè)不同公共健康政策實(shí)施后的成效如何，即模擬如何提高對(duì)幼兒、青少年以及老年人照護(hù)的效率、有效性和公平性。例如，Gostoli和Silverman(23)Gostoli U.， Silverman E.， “Social and Child Care Provision in Kinship Networks: An Agent-based Model”, PLoS ONE,Vol.15,No.12,2020,p.e0242779.提出了一個(gè)基于Agent的英國(guó)社會(huì)和兒童照護(hù)服務(wù)模型，以了解社會(huì)和兒童護(hù)理之間的復(fù)雜關(guān)系，并預(yù)測(cè)英國(guó)四項(xiàng)社會(huì)經(jīng)濟(jì)政策干預(yù)在2020年至2050年間對(duì)兒童照護(hù)服務(wù)發(fā)展的影響。Van Woudenberg等人(24)Van Woudenberg TJ.， Simoski B.， Fernandes de Mello Araújo E.， et al.,“Identifying Influence Agents That Promote Physical Activity through the Simulation of Social Network Interventions: Agent-Based Modeling Study”, Journal of Medical Internet Research,Vol.21,No.8,2019,p.e12914.則通過模擬社交網(wǎng)絡(luò)來識(shí)別促進(jìn)兒童和青少年體育鍛煉的影響因素，以推動(dòng)社交網(wǎng)絡(luò)健康干預(yù)措施的實(shí)施。Gray等人(25)Gray LC.，Broe GA.，Duckett SJ.，et al.， “Developing a Policy Simulator at the Acute-Aged Care Interface”, Australian Health Review,Vol.30,No.4,2006,pp.450-457．基于澳大利亞本土跨區(qū)域以及ABM技術(shù)，開發(fā)了未來10年急診和老年日常護(hù)理系統(tǒng)之間相互作用以及各種政策情景影響的計(jì)算機(jī)模擬。其二，是通過健康政策頒布或?qū)ΡO(jiān)管政策的效果進(jìn)行仿真預(yù)測(cè)以干預(yù)人群不健康行為習(xí)慣。一方面，不規(guī)律飲食帶來的營(yíng)養(yǎng)不良等問題可通過政策干預(yù)緩解，Zhang等(26)Zhang DL.， Giabbanelli PJ.， Arah OA.， et al.， “Impact of Different Policies on Unhealthy Dietary Behaviors in an Urban Adult Population: An Agent-Based Simulation Model”, American Journal of Public Health, Vol.104, No.7,2014,pp.1217-1222.通過ABM并納入個(gè)人與食品店兩個(gè)Agent，模擬了居民個(gè)人對(duì)政府不同食品政策所作出的反應(yīng)與決策，發(fā)現(xiàn)制定健康飲食規(guī)范比控制食品價(jià)格或監(jiān)管當(dāng)?shù)厥称返旮苡行Ц淖兙用竦牟唤】瞪攀沉?xí)慣。為促進(jìn)紐約市水果蔬菜等健康食品的消費(fèi)以及人群的健康飲食，Li等人(27)Li Y.， Zhang D.， Thapa JR.， et al.， “Assessing the Role of Access and Price on the Consumption of Fruits and Vegetables Across New York City Using Agent-based Modeling”, Preventive Medicine,Vol.106,2018,pp.73-78.模擬了六種假設(shè)的干預(yù)措施，結(jié)果證明所有干預(yù)措施都會(huì)導(dǎo)致水果和蔬菜消費(fèi)量的增加，但各個(gè)行政區(qū)和社區(qū)之間差異很大，在空間上有著不確定性。類似的還有Schauder等(28)Schauder S.， Thomsen MR.， Nayga RM Jr.， “Agent-Based Modeling Insights into the Optimal Distribution of the Fresh Fruit and Vegetable Program”, Preventive Medicine Reports,Vol.20,2020.通過ABM對(duì)新鮮水果和蔬菜計(jì)劃 (The Fresh Fruit and Vegetable Program，F(xiàn)FVP)的實(shí)施進(jìn)行仿真預(yù)測(cè)的研究。另一方面，ABM也被應(yīng)用于物質(zhì)依賴與成癮行為的干預(yù)研究，如Keyes等(29)Keyes KM.， Shev A.， Tracy M.， et al.， “Assessing the Impact of Alcohol Taxation on Rates of Violent Victimization in a Large Urban Area: An Agent-based Modeling Approach”, Addiction,Vol.114,No.2,2019,pp.236-247.通過構(gòu)建主體模型以及紐約市59個(gè)社區(qū)的數(shù)據(jù)，估計(jì)了紐約市飲酒稅的實(shí)施對(duì)于人群暴力和謀殺發(fā)生率的影響，驗(yàn)證了飲酒稅政策干預(yù)人群暴力行為的有效性。同樣，Castillo-Carniglia等(30)Castillo-Carniglia A.， Pear VA.， Tracy M.，“Limiting Alcohol Outlet Density to Prevent Alcohol Use and Violence? Estimating Policy Interventions Through Agent-Based Modeling”, American Journal of Epidemiology,Vol.188,No.4,2018,pp.694-702.也發(fā)現(xiàn)僅關(guān)閉酒類銷售點(diǎn)可能不是減少酗酒引發(fā)社會(huì)問題的有效策略，因?yàn)橄拗凭祁愪N售與人群暴力行為在ABM仿真中被證明沒有關(guān)系。還有一些研究將ABM引入了水煙(Waterpipe Tobacco Smoking, WTS)吸食(31)Yang Y.， Ward KD.， Salloum RG.， et al.， “Agent-based Modeling in Tobacco Regulatory Science: Exploring ’What if’ in Waterpipe Smoking”, Tobacco Regulatory Science,Vol.6,No.3,2020,pp.171-178.以及藥物濫用(Drug Abuse)(32)Yang Y.， “A Narrative Review of the Use of Agent-Based Modeling in Health Behavior and Behavior Intervention”, Translational Behavioral Medicine,Vol.9,No.6,2019,pp.1065-1075.等其他涉及人群健康相關(guān)行為干預(yù)的研究中。其三，是基于社區(qū)的初級(jí)衛(wèi)生保健、慢性病相關(guān)政策干預(yù)與評(píng)估以及將ABM應(yīng)用于社會(huì)影響以及社區(qū)健康促進(jìn)之中。(33)Garney WR.， Panjwani S.， Garcia K.， et al.， “Evaluating Community-driven Cardiovascular Health Policy Changes in the United States Using Agent-Based Modeling”,Journal of Public Health Policy,Vol.43,No.1,2022,pp.40-53.國(guó)內(nèi)則更多地在探討有關(guān)醫(yī)療政策的醫(yī)療資源配置與醫(yī)療服務(wù)供給(34)歐崇陽:《我國(guó)宏觀醫(yī)療衛(wèi)生系統(tǒng)模型構(gòu)建研究》,第二軍醫(yī)大學(xué),2007年。(35)俞文雅:《上海市15家公立醫(yī)院公益性與醫(yī)療費(fèi)用控制實(shí)證與建模研究》,中國(guó)人民解放軍海軍軍醫(yī)大學(xué),2019年。(36)宋莉莉、王超、謝峻等:《基于多Agent仿真和臨床路徑的醫(yī)療資源調(diào)度方法研究》,《中國(guó)數(shù)字醫(yī)學(xué)》2015年第11期。、涉及公眾健康(37)李璐、宣慧玉:《多主體仿真在公共衛(wèi)生事件應(yīng)急管理中的應(yīng)用——以一個(gè)傳染病政策仿真系統(tǒng)為例》,《西安交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)》2010年第1期?；虬踩?38)唐明圣:《基于Agent的人工社會(huì)應(yīng)急管理政策分析方法》,國(guó)防科學(xué)技術(shù)大學(xué),2015年。的應(yīng)急與突發(fā)事件處置或管理、以及利用地理信息系統(tǒng)(Geographic Information System，GIS)集成輔助健康或公共政策的主體建模(39)楊昆、李江榮、崔慶雄等:《艾滋病傳播的智能體與GIS的集成模型研究》,《云南師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)》2008年第4期。(40)張永亮:《流域水污染物排污交易政策設(shè)計(jì)及其水環(huán)境質(zhì)量影響研究》,南京大學(xué),2012年。三大方面。不過，國(guó)內(nèi)在老年人照護(hù)及政策干預(yù)方面進(jìn)行了初步探索、但還未形成研究熱點(diǎn)，如楊明旭(41)楊明旭:《中國(guó)人口多屬性預(yù)測(cè)研究暨失能老人長(zhǎng)期照護(hù)政策仿真》,浙江大學(xué),2016年。借鑒了多主體仿真方法的思想，通過公共政策仿真方法以及多種數(shù)據(jù)開發(fā)了自主模型，對(duì)失能老人長(zhǎng)期照護(hù)問題進(jìn)行模式識(shí)別、建模和仿真，以此提出了老齡照護(hù)及社會(huì)保障的相關(guān)政策建議；趙娜和陳凱(42)趙娜、陳凱:《基于多主體建模的社會(huì)化養(yǎng)老形成分析》,《東北大學(xué)學(xué)報(bào)(自然科學(xué)版)》2016年第5期。則構(gòu)建了一個(gè)包含政府、養(yǎng)老機(jī)構(gòu)、家庭三大類主體的社會(huì)化養(yǎng)老仿真模型，模擬了宏觀社會(huì)經(jīng)濟(jì)現(xiàn)象中的社會(huì)化養(yǎng)老行為形成機(jī)制。然而，針對(duì)青少年與兒童照護(hù)、人群不健康行為以及基于社區(qū)的居民初級(jí)保健等政策干預(yù)方面的研究，國(guó)內(nèi)文獻(xiàn)尚未提及。

(四)研究前沿趨勢(shì)變遷分析

關(guān)鍵詞突現(xiàn)知識(shí)圖譜可用于表明某一階段文獻(xiàn)數(shù)量爆發(fā)式增長(zhǎng)所對(duì)應(yīng)的關(guān)鍵詞，以此判斷相關(guān)研究前沿的趨勢(shì)變遷以及相關(guān)研究熱點(diǎn)的延續(xù)性。(43)公茂剛、李漢瑾、竇心語:《數(shù)字普惠金融研究進(jìn)展、熱點(diǎn)探析與趨勢(shì)展望——基于Citespace文獻(xiàn)計(jì)量分析》,《蘭州學(xué)刊》2022年第7期。在WoS平臺(tái)的關(guān)鍵詞突現(xiàn)圖譜中(突現(xiàn)詞為54個(gè))，agent和cancer為持續(xù)型研究前沿?zé)狳c(diǎn)、持續(xù)時(shí)間均為12年，隨后是complexity和health、突現(xiàn)持續(xù)時(shí)間均為10年。從突現(xiàn)強(qiáng)度觀之，受到研究前沿關(guān)注度較高的研究主題包括health(4.31)、decision making(2.75)以及public policy(2.68)。根據(jù)突現(xiàn)增長(zhǎng)起始和結(jié)束時(shí)間，將國(guó)外相關(guān)研究劃分為三個(gè)階段：1999至2010年探索將ABM作為一種新方法應(yīng)用于公共健康與人群照護(hù)及其政策干預(yù)研究；2011至2018年將探索領(lǐng)域細(xì)化到人群不良行為干預(yù)、環(huán)境保護(hù)、食品安全保障以及疫情防控等領(lǐng)域；2019年至今除了延續(xù)上一階段具體領(lǐng)域的研究以外，還表現(xiàn)了更多的對(duì)非傳染性疾病、相關(guān)政策評(píng)估以及干預(yù)手段等的關(guān)注，見圖7。

圖7 國(guó)外研究關(guān)鍵詞突現(xiàn)圖

在CNKI平臺(tái)的關(guān)鍵詞突現(xiàn)圖譜中(突現(xiàn)詞為31個(gè))，健康政策的突現(xiàn)時(shí)間長(zhǎng)達(dá)8年，成為持續(xù)型的研究前沿?zé)狳c(diǎn)，而分布式系統(tǒng)、就醫(yī)選擇、醫(yī)療保險(xiǎn)、應(yīng)急管理、人工社會(huì)等多個(gè)詞的突現(xiàn)時(shí)間緊隨其后，均為6年。從突現(xiàn)強(qiáng)度觀之，人工社會(huì)的突現(xiàn)強(qiáng)度表現(xiàn)最佳(4.45)，緊接著為應(yīng)急管理(3.57)、agent-based modeling(2.46)，這些關(guān)鍵詞均是受到研究前沿關(guān)注度較高的研究主題。進(jìn)一步觀察發(fā)現(xiàn)，國(guó)內(nèi)相關(guān)研究在發(fā)展趨勢(shì)上大體可分為三個(gè)階段：2002年至2009年主要在普及相關(guān)ABM的模擬仿真理論知識(shí)或技術(shù)；2010年至2019年研究前沿關(guān)注以健康政策為核心的健康監(jiān)測(cè)、醫(yī)療以及應(yīng)急等多方面仿真建模方法的應(yīng)用；2020年至今，受到疫情常態(tài)化影響，研究重點(diǎn)開始轉(zhuǎn)向COVID-19疫情防控政策的效果模擬等方面，見圖8。

圖8 國(guó)內(nèi)研究關(guān)鍵詞突現(xiàn)圖

從WoS核心集的情況來看，傳染病或非傳染性慢性病防控、人群的不健康行為習(xí)慣干預(yù)、健康政策評(píng)估等有望成為國(guó)際社會(huì)未來1—2年的研究前沿問題；而從CNKI平臺(tái)的結(jié)果觀之，未來國(guó)內(nèi)1—2年的研究不僅會(huì)關(guān)注ABM在健康政策領(lǐng)域的應(yīng)用，還會(huì)繼續(xù)探究疫情常態(tài)化下的新冠病毒或其他傳染病防控問題。總之，不同時(shí)期的研究熱點(diǎn)與全球性公共衛(wèi)生應(yīng)急事件以及政策方針有著較高的關(guān)聯(lián)度，但國(guó)外研究范式已經(jīng)逐漸轉(zhuǎn)變、研究熱點(diǎn)及重點(diǎn)也更為細(xì)化，而國(guó)內(nèi)研究相較國(guó)外的時(shí)間跨度較短且持續(xù)影響力不足。

五、研究結(jié)論及討論

本研究基于CiteSpace可視化軟件，分析了Web of Science及中國(guó)知網(wǎng)收錄的共885篇有關(guān)ABM于健康政策領(lǐng)域應(yīng)用的文獻(xiàn)，從文獻(xiàn)歷年發(fā)表及被引情況、機(jī)構(gòu)合作及其隨時(shí)間變化情況、關(guān)鍵詞共現(xiàn)、關(guān)鍵詞聚類和關(guān)鍵詞突現(xiàn)的角度展開分析，總結(jié)了該領(lǐng)域的研究發(fā)展脈絡(luò)并得出了以下結(jié)論。

(一)ABM在公共健康政策中的應(yīng)用研究數(shù)量、質(zhì)量增長(zhǎng)明顯但國(guó)內(nèi)外發(fā)展速度尚未能同步

從上述分析結(jié)果可知，ABM在公共健康政策領(lǐng)域的應(yīng)用研究總體上呈現(xiàn)出如下特點(diǎn)：其一，數(shù)量上具有“運(yùn)動(dòng)式波動(dòng)上升”的年度總趨勢(shì)，內(nèi)容上與現(xiàn)實(shí)需求密切相關(guān)；其二，國(guó)外高被引文獻(xiàn)基本上發(fā)表在頂級(jí)或高水平權(quán)威期刊上，國(guó)內(nèi)高被引文獻(xiàn)亦多為博士學(xué)位論文，文獻(xiàn)價(jià)值均較高、影響力較大；其三，從國(guó)內(nèi)外機(jī)構(gòu)發(fā)文情況也可看出，排名較前的機(jī)構(gòu)大多為國(guó)際上知名度較高且認(rèn)可度較高的高?；蚩蒲袡C(jī)構(gòu)，國(guó)內(nèi)也主要以“985 工程”“211工程”以及“雙一流”高校為主。

目前問題在于，相較于國(guó)外，我國(guó)政策仿真研究不僅起步較晚，增長(zhǎng)數(shù)量及受關(guān)注程度均明顯不足(至今還未有年產(chǎn)25篇文獻(xiàn)以上的年份出現(xiàn))，且國(guó)內(nèi)高被引文獻(xiàn)多為學(xué)位論文，鮮見權(quán)威期刊論文，一定程度上說明國(guó)內(nèi)權(quán)威期刊對(duì)于該交叉研究范式的認(rèn)知和重視程度不足。一方面，這或許與國(guó)內(nèi)學(xué)界特別是社科領(lǐng)域存在依賴數(shù)據(jù)統(tǒng)計(jì)、排斥方法創(chuàng)新、不愿更新范式的守舊心態(tài)和追求最佳線性無偏估計(jì)量的科研慣性有關(guān)(44)呂鵬：《ABM仿真模擬方法漫談》,《貴州師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)》2016年第6期。；另一方面，也與決策層的支持和推動(dòng)相對(duì)缺乏不無關(guān)聯(lián)。發(fā)達(dá)國(guó)家政府及科研院所多年前即已將ABM等仿真建模方法引入公共健康政策研究領(lǐng)域，以保障人群健康或?qū)で笞顑?yōu)政策等。反觀國(guó)內(nèi)，政策仿真研究的意義與潛能被低估，除因?yàn)榍啡焙暧^政策的激勵(lì)與推廣之外，也緣于缺乏基金項(xiàng)目、學(xué)術(shù)出版物乃至系統(tǒng)性培訓(xùn)、會(huì)議和大學(xué)課程等的規(guī)劃與支持。

(二)目前國(guó)外相關(guān)研究較國(guó)內(nèi)表現(xiàn)出更佳的機(jī)構(gòu)間合作關(guān)系及融合性研究態(tài)勢(shì)

當(dāng)前在國(guó)際上，ABM與公共健康政策研究相結(jié)合已成為新興科研增長(zhǎng)點(diǎn)，研究熱度不斷升溫、方興未艾，跨學(xué)科、跨機(jī)構(gòu)乃至跨國(guó)家的交流與合作十分活躍。相反，國(guó)內(nèi)關(guān)于該主題的研究仍大多處于“單打獨(dú)斗”的狀態(tài)(各機(jī)構(gòu)間中心性均為0)，不僅跨機(jī)構(gòu)、不同領(lǐng)域間合作極少，跨國(guó)家交流更是缺乏，尚未形成密切的合作交流網(wǎng)絡(luò)。盡管近年來ABM開始在醫(yī)學(xué)或人文社科與工科等交叉學(xué)科的研究中嶄露頭角，出現(xiàn)了南通大學(xué)公共衛(wèi)生學(xué)院、四川大學(xué)經(jīng)濟(jì)學(xué)院以及華中科技大學(xué)管理學(xué)院等非工科院校，但這些院校之間還未形成合作關(guān)系，更缺乏與專業(yè)建模方向院校的交流。對(duì)于非工科或管理科學(xué)與工程專業(yè)出身的研究者而言，如果缺乏研究合作伙伴和專業(yè)的仿真建模技術(shù)團(tuán)隊(duì)支持，那么在應(yīng)用ABM方面無疑需要花費(fèi)大量時(shí)間與精力“摸著石頭過河”，并且，將ABM引入公共健康政策領(lǐng)域開展仿真研究也對(duì)研究者本人的建模知識(shí)與計(jì)算機(jī)編程能力提出了極高要求。因此，無論是從科研時(shí)間成本、仿真數(shù)據(jù)與結(jié)果的準(zhǔn)確性，抑或科研成果發(fā)布的時(shí)效性等考慮，若缺乏有效的跨學(xué)科協(xié)作，都將影響ABM在公共健康政策等社科領(lǐng)域的推廣應(yīng)用?？梢哉f，這是導(dǎo)致ABM在國(guó)內(nèi)公共健康政策領(lǐng)域發(fā)展緩慢的又一重大原因。

故此，亟須加強(qiáng)多學(xué)科交叉合作，著力開發(fā)更簡(jiǎn)便易用的自主仿真建模軟件平臺(tái)，以提升交叉學(xué)科科研工作者的可操作性；在推動(dòng)具有普適性、易操作性的ABM方法論指導(dǎo)文獻(xiàn)出版的同時(shí)，嘗試在高校的社科專業(yè)中開發(fā)和推廣ABM 的教學(xué)科研平臺(tái)，為ABM等仿真技術(shù)的推廣與發(fā)展夯實(shí)人才基礎(chǔ)。此外，未來還可進(jìn)一步通過加強(qiáng)校準(zhǔn)、驗(yàn)證、確認(rèn)三位一體(Verification, Validation and Accreditation, VV&A)方法的研究力度和公開建模報(bào)告等，使建模程序得以驗(yàn)證與復(fù)制，方便非建模方向?qū)W者開展相關(guān)研究。

(三)國(guó)內(nèi)外相關(guān)研究熱點(diǎn)趨同性、差異性并存且涉及多個(gè)領(lǐng)域，國(guó)內(nèi)相關(guān)研究及具體應(yīng)用方向較國(guó)外仍有較大拓展空間

首先，從關(guān)鍵詞共現(xiàn)情況可以看出，WoS核心集中除去檢索詞，顯示出國(guó)外既有對(duì)傳染病防控、人群不健康行為習(xí)慣干預(yù)等方面的關(guān)注，還日漸重視ABM在公共政策、老年人和兒童照護(hù)政策效果中的應(yīng)用。而CNKI數(shù)據(jù)庫(kù)除去檢索詞后，關(guān)注的重點(diǎn)相較國(guó)外來說更加宏觀和單一，主要偏向醫(yī)療體系、衛(wèi)生應(yīng)急管理以及傳染病防控方面的研究。此外，關(guān)鍵詞時(shí)區(qū)圖譜顯示，國(guó)外相關(guān)研究已經(jīng)進(jìn)化到“逐漸成熟期”，而國(guó)內(nèi)研究還處于“推廣期”、尚未有范式的轉(zhuǎn)變。其次，進(jìn)一步從前期基于不同平臺(tái)可視化分析的發(fā)展態(tài)勢(shì)以及聚類模塊分析等可以看出國(guó)內(nèi)外相關(guān)ABM應(yīng)用于公共健康政策仿真研究熱點(diǎn)的主題趨同性、差異性并存。雖然國(guó)內(nèi)外學(xué)者均同時(shí)關(guān)注到了ABM于傳染病防控、人群心理及精神衛(wèi)生保障以及環(huán)境保護(hù)與可持續(xù)發(fā)展研究三大方面，但國(guó)內(nèi)相關(guān)研究相較于國(guó)外還未在特殊人群照護(hù)、不健康行為干預(yù)以及社區(qū)衛(wèi)生保障與健康促進(jìn)等方面形成熱點(diǎn)。最后，通過關(guān)鍵詞突現(xiàn)情況可以看出，國(guó)內(nèi)外不同時(shí)期的研究熱點(diǎn)均與全球性公共衛(wèi)生應(yīng)急事件以及政策方針有著較高的關(guān)聯(lián)度，但國(guó)外研究范式已經(jīng)逐漸轉(zhuǎn)變、研究熱點(diǎn)及關(guān)注重點(diǎn)更加細(xì)化且全面，既有常態(tài)化的非傳染性慢病防控以及人群不健康行為干預(yù)等政策研究，又有非常態(tài)化應(yīng)急性的傳染病防控政策研究，體現(xiàn)了“大衛(wèi)生觀”及“整合觀”；而國(guó)內(nèi)研究不僅相較國(guó)外的時(shí)間跨度較短且持續(xù)影響力不足，也還未關(guān)切到人群的慢性病防控等方面的研究，可以說，目前還尚處于ABM方法在公共健康政策研領(lǐng)域應(yīng)用的普及與宣傳階段。故國(guó)內(nèi)在繼續(xù)推動(dòng)老年照護(hù)研究與ABM的結(jié)合以應(yīng)對(duì)人口急速老齡化的同時(shí)，還應(yīng)重視未成年人照護(hù)政策模擬、人群健康素養(yǎng)提升的政策動(dòng)力學(xué)以及初級(jí)衛(wèi)生保健及居民慢病管理的動(dòng)態(tài)建模等方面，助力“健康中國(guó)”目標(biāo)的實(shí)現(xiàn)。

綜上，ABM因其能精準(zhǔn)模擬出復(fù)雜環(huán)境中主體間、主體與環(huán)境間的復(fù)雜互動(dòng)并尋求當(dāng)前條件下的最優(yōu)解，日趨成為公共健康政策制定和評(píng)估的有力工具且已深入人群健康與照護(hù)的多個(gè)子領(lǐng)域。雖然ABM的優(yōu)勢(shì)十分明顯，但在發(fā)展與應(yīng)用過程中仍面臨一些無法忽視的挑戰(zhàn)，特別是國(guó)內(nèi)在挖掘健康政策仿真建模潛能以及促進(jìn)公共管理理論與實(shí)踐的創(chuàng)新等方面，仍需要來自國(guó)家層面的重視、科研平臺(tái)的支持、自然科學(xué)與社會(huì)科學(xué)以及臨床醫(yī)學(xué)學(xué)者之間的更廣泛的交流合作等合力推動(dòng)。總之，未來應(yīng)繼續(xù)拓寬ABM方法應(yīng)用的深度與廣度，推動(dòng)學(xué)科交叉融合并借鑒西方有益經(jīng)驗(yàn)以及新視角，促進(jìn)ABM在公共健康政策領(lǐng)域更深層次、更廣泛的運(yùn)用并充分挖掘其價(jià)值與潛能，以解決公眾健康這一復(fù)雜系統(tǒng)中的管理實(shí)際問題。