基于自主行动者建模(ABM)在公共健康中的应用与未来方向|Annual Review of Public Health

文摘   2024-11-09 21:50   浙江  


基于自主行动者建模(ABM)在公共健康中的应用与未来方向

摘要:

基于自主行动者建模(Agent-based modeling,ABM)是一种计算方法,具有特定特征的主体根据其预定义的规则相互作用,并与其环境互动。本文回顾了ABM在公共健康中的关键应用领域,包括传染性和非传染性疾病、健康行为以及社会流行病学,同时阐述了这一方法在公共健康相关问题中的优势与局限。最后,本文讨论了ABM在方法论和实质性方面的未来方向,这些发展将提高ABM在公共健康中的应用价值,特别是在模型验证、因果模型对比,以及模型扩展中更系统地考虑共病(comorbidity)和联合影响,这些改进将增强ABM在公共健康研究、实践和政策中的作用。


作者简介:

Melissa Tracy,纽约州立大学奥尔巴尼分校,公共健康学院

Magdalena Cerdá ,加州大学戴维斯分校,急诊医学系

Katherine M. Keyes,哥伦比亚大学,梅尔曼公共卫生学院


文献来源:

Tracy, M., Cerdá, M., & Keyes, K. M. (2018). Agent-Based Modeling in Public Health: current applications and future directions. Annual Review of Public Health, 39(1), 77–94. https://doi.org/10.1146/annurev-publhealth-040617-014317. 


译者

Lilfish


本文第一作者:Melissa Tracy


基于自主行动者建模(Agent-based modeling,ABM)在公共健康领域正逐渐成为一种可视化、分析和指导复杂动态系统的流行方法。尽管基于自主行动者模型(agent-based models,ABMs)可以加深我们对群体健康结果和干预措施的理解,但要实现其全部潜力,必须慎重考虑其局限性和面临的挑战。本文概述了:(1)公共健康中的ABM,包括模型的核心特征和假设,以及它们如何与其他复杂系统方法互补;(2)公共健康中ABM的应用领域;(3)ABM在解决与公共健康相关问题的优势、局限和未来方向。


ABM的属性


ABM是一种计算方法,其中,具有特定特征集的自主行动者(agent)根据预定义的规则彼此互动并与环境互动。自主行动者可以代表个人、家庭、政府或任何其他相关实体。它们可以根据自己的经验、与其他自主行动者的互动以及与环境的互动来调整自己的行为。ABM的一个显著特点是,它可以涌现群体层面的现象,这些现象大于或不同于仅基于个体行为的总体预期。因此,ABM被称为一种自下而上的方法(bottom-up approach),微观层面的行为将会涌现出宏观层面的动态。如图1所示,ABMs可能包括各种个人层面的特征(从遗传因素到社会经济地位)、社区层面的特征和其他社会影响因素,这些因素共同作用,塑造了个人健康行为、健康结果和医疗服务使用情况。ABMs还可以明确纳入老龄化和社区间流动等持续过程的影响。这些相互作用以及生物、行为和社会过程共同构成了人口健康的系统。


ABMs的其他独特属性包括自主性(autonomy)、异质性(heterogeneity)、反馈性(feedback)和随机性(stochasticity)。自主性意味着自主行动者根据其当前情况和设定的行为规则决定如何行动。异质性体现在自主行动者之间以及环境各部分之间的差异,在ABMs中,环境可能具有多种静态特征和随时间变化的动态特征。随着时间的推移,自主行动者和环境特征的变化可能会通过反馈以意想不到的方式放大,即过去的经验会改变未来的反应。随机性允许模型以概率(而非确定性)的方式展开,随机性会影响模型中的行为和变化。由于这些特性,ABMs可用来考虑受多层次和人际互动影响的非线性关系,其方式往往比其他方法更加灵活。因此,与传统的分析方法相比,ABM(以及更普遍的复杂系统方法)可以回答更广泛的研究问题,并有可能为人口健康问题带来新的启示。

ABM与其他复杂系统方法(如系统动力学和网络分析)有着共同的目标和能力。系统动力学的建模使用一系列微分方程来反映库存变量(stock variables,如人口子群体)以及输入和输出库存的流量,包括双向关系。这种模型特别适合于模拟大型种群的高层次系统行为。然而,典型的系统动力学模型并不能精细地描述个体的微观行为,包括个体之间的相互作用和随时间变化的适应性。相比之下,网络模型可以容纳复杂的网络结构,包括信息、行为和疾病在链接间的传递。网络分析可用于研究网络随时间的变化原因,并验证其结构和社会影响对健康行为和结果的作用。然而,网络分析不适合考虑更高层次的系统特性。ABMs通过引入网络动力学,同时兼顾多层次的相互作用和双向反馈回路,从而补充并扩展了这些方法。

公共健康以外的领域一直在使用ABM等系统科学方法。ABM起源于二十世纪计算机科学、数学、物理学、博弈论和进化科学在计算和信息处理方面的进步,包括冯·诺依曼的元胞自动机、康威的“生命游戏”,以及霍兰德的遗传算法。随着越来越多的证据表明,群体健康结果反映的不仅仅是个体风险的总和,而是随着时间推移的个体之间相互作用的结果,ABMs也开始被视为解决公共健康问题的有效工具。ABMs在生态学、商业、政治学和社会科学中的应用对其在公共健康中的发展具有重要影响,也推动了这种方法在各学科中的形式化和标准化。


ABMs在公共健康中的应用


在公共健康领域,ABM大多用于模拟传染病在人群中的传播和控制。个体之间的相互作用以及个体与局部环境的相互作用,往往会导致传染病的发病率和持续性的群体模式,因此ABMs适用于建立传染病模型。然而,在过去15年中,这些方法越来越多地应用于非传染性疾病、健康行为、社会流行病学以及与人口健康相关的其他问题,而这些问题并不涉及传统的传染过程。这些ABMs的应用范围很广,既有对简化系统的抽象描述,也有对定义明确的人群的现实模拟。

(一)ABM在传染病流行病学中的应用

许多基于ABMs的传染病模型借鉴了20世纪20年代Kermack和McKendrick提出的SIR框架(the susceptible-infected-recovered,易感、感染和康复),三种状态之间的流动由微分方程控制。基于SIR的ABM扩展模型已被用于将个体异质性和更复杂的网络交互作用引入这些传统的聚合、分区模型,从而进一步深入了解真实世界环境中的传染过程。传染病的ABMs也被广泛用于评估感染控制政策,并因此为疾病控制和预防中心及其他政府机构制定遏制策略提供信息。传染病流行病学中值得注意的ABMs包括结核病控制策略、预防H5N1禽流感大流行的靶向抗病毒预防和社交隔离措施、减少麻疹传播的接触追踪和隔离措施、空气污染情况下的疏散计划,以及对抗流感大流行的疫苗接种策略,包括对医护人员的影响等等。其中,传染病主体模型研究(Models of Infectious Disease Agent Study,MIDAS)汇集了合作研究网络,以指导国家应对现有和新兴传染病的爆发。最近的ABMs还考虑了减少HIV发病率的干预措施,包括同时应对HIV传播风险和相关药物使用行为的综合策略。因此,传染病的ABMs已经进化到包括更复杂的社会网络参数化和环境影响,从而更好地为公共健康政策和规划提供信息。此外,通过MIDAS等感染相关的ABM项目开发、扩展和优化的建模能力也可以应用于传染病外的公共健康问题。

(二)非传染性疾病控制中的ABM应用


随着人们逐渐意识到个体间相互依赖性和随时间的反馈机制在非传染性疾病中的重要性,ABM在该领域的应用也日益增加。鉴于肥胖作为公共健康问题的紧迫性,以及生物、行为、社会和环境因素对生命历程中肥胖风险的复杂影响,肥胖及其相关因素一直是这些研究的主题。肥胖的ABMs强调了考虑肥胖在社会网络和社区中聚集的重要性,包括模拟社会网络对体重的影响,以及邻里和个人对黑人/白人体重指数差异的共同影响。此外,ABMs也被用于研究糖尿病,揭示糖尿病视网膜病变的进展以及筛查对糖尿病患者视力丧失的影响,以及患者与医生之间的互动对持续血糖监测采用的影响。这些模型有助于理解非传染性疾病的发展、进展和治疗过程,包括社区、同伴和医护提供者的作用。


(三)健康行为中的ABM应用


除了评估人群中的疾病,ABMs还用于了解增加疾病风险的健康行为以及减少健康风险行为(如吸烟、饮酒、缺乏运动和不健康饮食)的潜在干预措施。

ABMs强调了社会影响在烟草控制政策和吸烟行为中的作用。吸烟的ABMs研究探讨了电子烟对人群吸烟率的影响,以及社会经济地位和社会影响在吸烟行为中的作用。通过明确地包含个体间的互动,这一研究扩展了以往系统动力学模型关于吸烟的结论。一份最近的医学研究所报告总结了ABMs在研究吸烟行为的复杂、动态影响(包括开始、戒断和复吸)方面的实用性,并提出了开发和评估烟草控制ABMs的建议。与更传统的分析方法相比,这些方法的优势之一是能够识别替代性烟草控制策略的潜在意外后果。这一点尤为重要,因为烟草行业在面对提高税收和广告限制等控制政策时,成功地调整了其营销和游说策略,从而削弱了减少吸烟人群的努力。

ABMs还探讨了旨在控制酒精消费及相关危害的政策的意外后果。SimDrink ABM模拟了年轻人(18-25岁)外出夜间聚会的行为,包括朋友群体访问的场所类型(如私人和公共场所)以及他们何时回家的决策。该模型比较了不同政策下的酒精相关危害(如言语攻击和因醉酒被赶出场所)的人群体验,包括延长公共交通时间和设置“封锁”时间(如在场所关门前两小时后不再允许入场)。作者明确讨论了这些政策可能通过延长饮酒者外出时间而增加酒精相关危害,或只是将危害从公共场所转移至私人场所的可能性。Gorman等人使用了一个更抽象的ABM来探讨社会和环境对饮酒行为的影响。模型中的主体可以在一维格子上向左或向右移动,主体间的饮酒状态(如不饮酒者、当前饮酒者、戒酒者)会受到他们在格子上遇到的其他主体饮酒行为的影响。作者还在格子上引入了一个吸引当前饮酒者的场所(如酒吧)。ABM结果显示,不饮酒者与饮酒者之间的接触最终会使不饮酒者从人群中消失,尽管所需时间取决于主体移动频率、主体间接触频率以及是否存在饮酒者聚集的酒吧。研究结果强调了个体之间以及个体与酒精场所之间的接触对群体饮酒行为水平的影响。这支持了Gruenewald关于“选择性饮酒”的观点,即具有相似偏好和行为的个体倾向于在特定的饮酒场所聚集,从而加强了潜在的危险饮酒规范。

ABMs也被用来证明环境影响身体活动的重要性,其不受个人和同龄人偏好的影响。例如,研究虚拟城市中模拟个人步行行为的ABM、影响儿童上学活跃出行的因素等ABM、研究交通基础设施的变化对步行行为的影响等。

在饮食方面,ABM也突显了个体与环境之间反馈的影响。例如,Auchincloss等人使用ABM探索饮食收入不平等的决定因素,Blok等人开发了一个类似模型,模拟了荷兰某城市的家庭食品消费和食品商店分布与变化等等。

(四)社会流行病学中的ABM应用


正如探索社会网络和地点影响健康的ABMs所示,ABM特别适合于研究社会流行病学中人们感兴趣的问题,这些问题通常涉及集体行为、资源分配以及作为疾病根本原因的其他社会条件。我们团队最近的一个ABM研究探索了暴力的社会产生与传播,并测试了减少暴力及其后果的替代策略。具体来说,我们在模型中构建了一个纽约市成年人口的虚拟主体,将其分布在各社区。模型中个体的暴力经历由与其他主体的互动、社会人口特征、心理健康症状、过去的暴力历史、社区特征、警察的行动,以及某些模型设定中的“暴力干预者”(即接受训练以减少暴力事件和报复的社区成员)共同影响。该模型比较了增加社区集体效能的普遍性和目标性实验以减少暴力。在普遍实验中,整个城市的集体效能小幅提高,而在目标实验中,则仅在高暴力社区中强化集体效能的提升。这些实验条件在不同的假设情境下进行了对比,包括完全的种族和经济隔离与完全随机混合。结果表明,普遍实验在所有群体中均减少了暴力受害事件,但在种族和经济隔离的情境下,种族/族裔之间的暴力不平等仍然存在。只有通过在整个环境中通过随机混合来减少隔离,才能通过提升社区集体效能消除暴力中的种族不平等。在模型的后续迭代中,我们还研究了是否群体层面的暴力预防干预(如热点警务)与个体层面的治疗干预(如增加认知行为疗法的获取)能够更有效地减少人群中的暴力相关创伤后应激障碍(PTSD)。结果显示,各方法均仅带来了适度的暴力受害和暴力相关PTSD的减少,但两种方法的联合实施在较短时间内带来了类似的减少。之后,我们比较了热点警务与“治愈暴力”(Cure Violence),一种基于社区的暴力预防方法,利用暴力干预者和外展工作者与社区内高风险个体接触以减少暴力风险。研究发现,将热点警务的刑事司法方法与治愈暴力的公共健康方法相结合,比单独实施任一方法更显著地降低了暴力水平,再次强调了应用多种协同策略的优势。此外,学者们还开发了ABMs模型来指导医疗服务的提供,包括灾后初级医疗服务的获取、严重心理健康问题患者的护理协调,以及社区口腔健康项目的参与。总体而言,这些研究展示了ABM在复杂非线性影响下测试竞争性理论并评估干预措施的能力。

ABMs在公共健康问题中的优势


ABMs在公共健康中的两个主要目标是解释和预测群体健康结果,并考虑到群体健康所处的复杂系统的各个方面。这些目标也体现了ABMs在公共健康研究、实践和政策中的主要优势:这些模型提供了对导致健康行为和结果(以及这些行为和结果中的不平等)的潜在机制的深入理解,还可以用于对干预和政策进行虚拟实验,以减少疾病的群体负担。

(一)洞察因果机制

鉴于ABM的自下而上性质,它有助于理解群体模式如何产生机制,例如经典的谢林模型。ABM特别适合于因果机制的探索,因为它们能够整合多种相互作用的原因,并测试关于因果关系的竞争性理论,从而进一步阐明我们对某一结果产生机制的了解。然而,ABMs在识别因果机制时面临的挑战在于,多种模型配置可能成功地生成预期的群体模式,因此学者无法始终确信找到的是正确的解释。但只要适当关注模型假设的合理性,ABMs在提供因果洞见方面具有巨大潜力,而这在其他方法中难以实现。

(二)干预公共健康政策

除了提供因果机制的线索外,ABMs还可以用于实施现实世界中难以实现的反事实模拟,允许“如果”场景和虚拟政策实验,特别是可以多次运行模型,观察不同处理条件下的群体结果,从而实现反事实对比。ABM不仅可以比较多项政策或干预措施,还可以用于确定干预的最小“剂量”或实现预期效果的最佳干预组合。

除了便于在不同干预或政策情景下比较群体健康结果外,ABMs还允许探索在何种条件下这些干预可达到最佳效果以及潜在的意外后果,ABMs还可以提供对干预措施净效应的见解。

构建ABMs的过程本身常被视为这种方法的一个主要优势。ABM在构建概念框架时能将不同的利益相关者聚集在一起,揭示关于特定系统各方面及其如何协作产生群体健康结果的假设。模型开发和校准揭示了对基础系统的知识和实证数据的差距。总体而言,这一过程产生了新的假设,并使得可以考虑更广泛的研究问题。


ABMs在公共健康问题中的局限性


尽管ABM方法提供了许多有益的见解,但ABMs也有一些重要的局限性和挑战,这些局限性源于ABM的开发和参数设定的特性,在解读模型结果时应谨慎考虑。


设计和实施ABM的首要挑战之一是模型简化和模型真实性之间的显著张力。建模者反复被告诫要遵循“保持简单”(KISS)的原则,但也被鼓励利用ABM允许的复杂性,以捕捉特定群体系统中的关键要素,从而为潜在干预和公共健康规划生成有意义的结果。既希望简化现实的表述,又需要包含足够的复杂因素以提供新的见解,因此,在这两者之间找到平衡点就成了一门真正的艺术,而这门艺术是通过不断尝试和犯错,并在面对错误时勇于调整而发展起来的。我们必须采取合理的方法构建模型,在必要时逐步增加复杂性,并与多方利益相关者合作,确定模型可信且有用所需的基本要素。我们还可以考虑在模型中包含随机效应,以捕捉其他未指定的影响,同时,模型参数设定在缺乏实证数据时也面临挑战,以及许多现实因素的挑战,如公共健康领域的学生、研究人员和专业人士在建模技术方面的培训不足,以及开发、运行和验证这些模型所需的大量时间和计算资源。


ABM在公共健康中的未来方向


尽管存在这些局限性和挑战,ABMs仍然是支持公共健康研究、实践和政策的有前景的工具。下面将探讨一些我们认为能够推动该领域前进并解决上述部分挑战的方法论和实质性方向。


(一)改进公共健康中ABMs的方法论

随着ABM在公共健康中应用的日益普及,基于主体的建模需要可重复性的保障,因此我们呼吁广泛采用系统化的校准、验证、确认和模型报告协议。许多公共健康中的ABM研究遵循ODD协议(overview, design concepts, and details,概览、设计概念和细节)来描述所用方法,我们认为这种方法有助于理解特定模拟中的工作内容及其如何被复制或扩展。此外,公共健康领域也在为ABM提供独特的方法学贡献,包括将这些模型在因果推断中的作用形式化。特别是,将ABM与其他因果模型方法(如边缘结构模型和Parametric g-formula)进行比较,将突出每种方法所需的假设以及ABM所能提供的独特见解。

(二)拓宽ABMs在公共健康中的实质性应用

除了方法改进外,当前ABMs应用的实质性重点也需要关注。我们建议公共健康中的ABM不应仅关注某一种健康状况或行为,而应更广泛地考虑相互关联的健康状况和行为。这将有助于探索特定政策对群体健康的总体影响,并增进对共病(comorbidity)和健康行为与结果之间适应性关系的理解。我们认为在ABMs中构建生命周期视角(例如,评估不同发育阶段的经历和干预对疾病轨迹的影响)将特别有助于理解健康差异的起源和延续。

此外,我们鼓励研究人员在模型中纳入多种风险因素,以识别跨层次的联系,包括遗传学、生物学、行为、环境和网络因素。尽管可能没有足够的实证数据来参数化这些多层次影响的联合作用并模拟它们之间的相互关系,但建模过程本身可以为这些因素如何共同作用以导致疾病提供洞见。


编译|Lilfish

审核|李蕤伶

终审|王海成

©Sociology理论志



前沿追踪/理论方法/专家评论
ID: SociologicalReview

点点“在看”给我一朵小黄花

Sociology理论志
搜索“理论志”,发现新学术:六万余读者关注的理论志社会学平台。目前,我们主力追踪国内外社会学、人类学和区域研究新动态。
 最新文章