劉芷含 王楨鈺

一、引言

“健康中國”戰(zhàn)略的提出和實施以及《“健康中國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:《健康中國戰(zhàn)略與中國社會政策創(chuàng)新》,《中山大學(xué)學(xué)報(社會科學(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)這樣一種在模擬時空內(nèi)對具有特定特征的主體“Agent”進行的隨機計算機模擬(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》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—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.以及計算機人工智能(分布式人工智能和機器學(xué)習(xí))技術(shù)(8)黃璜:《社會科學(xué)研究中“基于主體建?！狈椒ㄔu述》,《國外社會科學(xué)》2010年第5期。。CAS核心思想為個體適應(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)、試錯以及適應(yīng)的動態(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，主體會受到其他主體狀態(tài)、屬性、社會關(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。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進行可視化分析的文獻計量研究尚未見報道、國內(nèi)外相關(guān)研究熱點以及異同點等內(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，基于CiteSpace文獻可視化軟件回顧與總結(jié)國內(nèi)外公共健康政策領(lǐng)域的ABM應(yīng)用進展，并對既有研究不足進行反思和對未來趨勢進行展望，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Web of Science(WoS)以及中國知網(wǎng)(CNKI)數(shù)據(jù)庫分別進行檢索，不對發(fā)文時間進行限定并使用高級檢索方式(檢索時間截至2022年4月16日)。其中，為避免過多重復(fù)外文文獻以及無關(guān)的中文文獻，CNKI數(shù)據(jù)庫僅檢索中文文獻并進行人工手動篩選；于外文數(shù)據(jù)庫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(會議摘要、新聞報告、簡訊、人物訪談、報告等非學(xué)術(shù)性、非原創(chuàng)性文獻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)共182篇，得到WoS核心集文獻663篇(最早發(fā)文時間為1999年)，CNKI數(shù)據(jù)庫文獻222篇(最早發(fā)文時間為2002年)。

表1 檢索策略及替代檢索詞

(二)研究工具與方法

在文獻計量分析部分，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知識圖譜的方法論功能》,《科學(xué)學(xué)研究》2015年第2期。，對檢索到的和主題相關(guān)的文獻總量、歷年變化趨勢、關(guān)鍵詞詞頻及中心性等情況進行分析，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。首先，根據(jù)軟件要求且為避免被檢索到的文獻出現(xiàn)遺漏，需要根據(jù)不同平臺檢索到的文獻首篇發(fā)文時間設(shè)置CiteSpace軟件內(nèi)的時間跨度，WoS平臺設(shè)定為1999年1月至2022年12月，CNKI平臺則設(shè)定為2002年1月至2022年12月，時間切片均為2年；節(jié)點類型(Node Types)依次選擇研究機構(gòu)(Institution)、文獻(Reference)及高頻關(guān)鍵詞(Key Words)進行共現(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)進行制圖，取前 10%的分析數(shù)據(jù)繪制知識圖譜，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)點越大代表出現(xiàn)的頻率越高，節(jié)點間連線數(shù)量及粗細(xì)代表密切程度；中介中心性超過0.1的節(jié)點為關(guān)鍵節(jié)點；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)研究文獻基本情況

(一)基本情況以及文獻被引影響力分析

對于文獻被引及影響力方面，在WoS核心集中，排名前五的均為期刊文章且涉及疫情防控、食品營養(yǎng)與保障、個人不健康行為習(xí)慣干預(yù)等多個主題；而在CNKI檢索平臺，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 國內(nèi)外高被引文獻基本情況

(二)文獻數(shù)量年度趨勢

由圖1可知，從國內(nèi)外發(fā)文年份及數(shù)量上看，最早的相關(guān)文獻見于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。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，至 2021 年發(fā)文量達最高(136 篇)，特別是2020年至2021年之間激增了44篇；在CNKI 數(shù)據(jù)庫中，相關(guān)文獻發(fā)文量較少且研究起步相對國外較晚(2002年開始)，2011年開始年發(fā)文量平穩(wěn)波動在10—20篇左右，2021年最高但也未超過25篇。此外，國內(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，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)實需求密切相關(guān)?？傮w而言，國內(nèi)外相關(guān)文獻數(shù)量在宏觀環(huán)境的影響下呈現(xiàn)出“運動式波動上升”的年度趨勢。

圖1 文獻數(shù)量年度發(fā)展趨勢

(三)研究機構(gòu)共現(xiàn)網(wǎng)絡(luò)分析

研究機構(gòu)時區(qū)圖譜詮釋了該領(lǐng)域研究力量隨時間變化的空間分布。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)用的研究機構(gòu)主要以高校、高校附屬研究所以及主流學(xué)會為主且形成了一定且較為成熟的合作網(wǎng)絡(luò)。美國的密歇根大學(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)等國外機構(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，美國是該方向上發(fā)表文章數(shù)量最多的國家；CNKI 數(shù)據(jù)庫圖譜中(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構(gòu)，但也涉及疾控機構(gòu)(如長沙市疾病預(yù)防控制中心傳染病防治科，n=1)。國防科學(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，但各機構(gòu)間中心性均為0，說明中國開展了公共健康政策領(lǐng)域ABM應(yīng)用研究的機構(gòu)比較分散且未形成較強且廣泛的合作網(wǎng)絡(luò)關(guān)系。其次，由時區(qū)及機構(gòu)合作變化情況觀之，在WoS數(shù)據(jù)庫中，美國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)以美國北卡羅來納大學(xué)、英國倫敦大學(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)了美國佛羅里達大學(xué)、巴西圣保羅大學(xué)以及泰國朱拉隆功大學(xué)等院校； 在 CNKI 數(shù)據(jù)庫中，國防科學(xué)技術(shù)大學(xué)系統(tǒng)工程研究所是發(fā)文最早的機構(gòu)，發(fā)文最多的

國防科學(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 國內(nèi)外文獻的研究機構(gòu)共現(xiàn)網(wǎng)絡(luò)

四、相關(guān)研究熱點及演化進程分析

(一)研究熱點及關(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內(nèi)外ABM于公共健康政策領(lǐng)域的研究熱點。WoS平臺的關(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，國內(nèi)外相關(guān)文獻產(chǎn)生的知識圖譜均具有合理聚類結(jié)果和較高可信度。

圖3 國內(nèi)外文獻的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

通過對頻次排名前10的關(guān)鍵詞進行整理，得到關(guān)鍵詞共現(xiàn)情況表3。在WoS數(shù)據(jù)庫的文獻中，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對于關(guān)鍵詞共現(xiàn)圖譜的“媒介”作用最大，其中心性值高達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)庫的文獻中，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是最主要的核心關(guān)鍵詞。與此同時，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、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)的時間節(jié)點可以發(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年更是研究熱點迸發(fā)較多的一年，出現(xiàn)了人工社會、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年我國邁出了新一輪大型醫(yī)療改革的步伐、出臺了系列《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)研究熱點演化進程分析

由圖4可知，國外有關(guān)ABM在公共健康政策的研究領(lǐng)域包含較廣且演進歷程十分連貫，并且可將其演進歸納為三個時期: 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(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)實現(xiàn)了初步萌芽，順著21 世紀(jì)進入了新的發(fā)展時期。2005年開始衍生出health policy、social network等早期研究熱點，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的研究之中；在發(fā)展應(yīng)用期，2007年開始表現(xiàn)出對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)并擴展到了2015年的public policy；在逐漸成熟期，在前兩個時期的發(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，這個階段出現(xiàn)了chronic disease及COVID-19等熱詞。雖然對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 國外研究熱點演化進程(1999—2022) 圖 5 國內(nèi)研究熱點演化進程(2002—2022)

圖5從時間維度展示了國內(nèi)公共健康政策領(lǐng)域ABM應(yīng)用研究的發(fā)展與演進過程。總體而言，該領(lǐng)域相關(guān)概念演進時間跨度長且高頻詞多集中于2002至2011年，演化進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)兩個時期：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，2004年前后出現(xiàn)了最重要的節(jié)點(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、傳染病、個體心理、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算法可分別獲得國內(nèi)外研究的關(guān)鍵詞聚類圖譜。WoS平臺的聚類模塊值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。國外研究的關(guān)鍵詞共生成了9個聚類且聚類效果十分明顯，不同類團之間存在重疊情況、相互關(guān)聯(lián)密切，涉及心理健康、老年人照護、環(huán)境保護與可持續(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平臺的關(guān)鍵詞聚類譜圖Q 值= 0.8011(>0.5)、S 值= 0.9530(>0.7)，說明國內(nèi)文獻的聚類可視化圖譜的結(jié)果也是顯著、合理且可信的。國內(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 免疫機制9 個關(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)測等密切相關(guān)，詳見圖6b及表4。

圖6 國內(nèi)外文獻的關(guān)鍵詞聚類網(wǎng)絡(luò)

表4 國內(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)合研究熱點及研究主題，可以發(fā)現(xiàn)當(dāng)前國內(nèi)外學(xué)者對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。

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估是國內(nèi)外均高度重視的領(lǐng)域，對于疫情防控而言，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，以推動政策或干預(yù)措施的設(shè)計。(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)對流行病傳播等沖擊事件的政策和行為反應(yīng)進行事前評估，并為政策建模和設(shè)計提供依據(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.。雖然我國對于傳染病防控政策的建模研究起步較國外稍晚，但2008年起，我國學(xué)者就將ABM運用到如SARS(14)瞿毅臻、李琦、甘杰夫:《基于Repast平臺的SARS傳播仿真建模研究》,《計算機科學(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:《鉆石公主號郵輪上COVID-19傳播動態(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，國外文獻以聚類塊中主要標(biāo)簽詞“psychological distress”等為信號，而國內(nèi)則是以演化進程中高頻關(guān)鍵詞“個體心理”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對人類情感和心理的研究意義與優(yōu)勢非常明顯，相比于其他研究方法，ABM作為動力學(xué)研究取向的仿真建模技術(shù)更能捕捉系統(tǒng)中復(fù)雜、動態(tài)、交互的社會或個體心理過程的關(guān)鍵元素，亦能更精確地檢驗社會心理學(xué)理論的可靠性并與理論的關(guān)注點相匹配。(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的三級系統(tǒng)建模方法(涉及社區(qū)三個不同層次)以及“模擬城市心理健康行動”(Simulating Urban Mental Health Operations, SUMHO)模型，對美國費城的衛(wèi)生系統(tǒng)建模并進行政策干預(yù)仿真，以識別政策的有效性，這種三級系統(tǒng)建模方法已被應(yīng)用于美國國防部和國務(wù)院的社會穩(wěn)定治理事務(wù)之中。

相對而言，我國學(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:《恐怖襲擊事件個體心理行為影響因素仿真分析》,《武漢理工大學(xué)學(xué)報(信息與管理工程版)》2016年第6期。以恐怖襲擊事件個體心理行為影響因素為關(guān)注點以及沈浩等人(20)沈浩、杜新秀、劉祎:《基于認(rèn)知評價的非常規(guī)突發(fā)事件個體應(yīng)激研究》,《中國安全科學(xué)學(xué)報》2015年第1期。從認(rèn)知評價的非常規(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)境保護與可持續(xù)發(fā)展研究

在環(huán)境保護與可持續(xù)發(fā)展方面，國內(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:《我國城市居民PM2.5減排行為影響因素及政策干預(yù)研究》,中國科學(xué)技術(shù)大學(xué),2017年。(22)俞學(xué)燕:《城市居民能源消費行為低碳化的政策干預(yù)路徑與仿真研究》,中國礦業(yè)大學(xué),2018年。以及“健康監(jiān)測”等關(guān)鍵詞為代表。

在差異性上，國外研究表現(xiàn)出更多的對以下三方面的關(guān)注：其一，探究特殊人群(兒童、青少年與老人等)及其具體照護服務(wù)、模式等與社會之間的復(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滿足其差異化、個性化需求的照護模式并預(yù)測不同公共健康政策實施后的成效如何，即模擬如何提高對幼兒、青少年以及老年人照護的效率、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.提出了一個基于Agent的英國社會和兒童照護服務(wù)模型，以了解社會和兒童護理之間的復(fù)雜關(guān)系，并預(yù)測英國四項社會經(jīng)濟政策干預(yù)在2020年至2050年間對兒童照護服務(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)來識別促進兒童和青少年體育鍛煉的影響因素，以推動社交網(wǎng)絡(luò)健康干預(yù)措施的實施。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理系統(tǒng)之間相互作用以及各種政策情景影響的計算機模擬。其二，是通過健康政策頒布或?qū)ΡO(jiān)管政策的效果進行仿真預(yù)測以干預(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并納入個人與食品店兩個Agent，模擬了居民個人對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。為促進紐約市水果蔬菜等健康食品的消費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)措施都會導(dǎo)致水果和蔬菜消費量的增加，但各個行政區(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對新鮮水果和蔬菜計劃 (The Fresh Fruit and Vegetable Program，F(xiàn)FVP)的實施進行仿真預(yù)測的研究。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個社區(qū)的數(shù)據(jù)，估計了紐約市飲酒稅的實施對于人群暴力和謀殺發(fā)生率的影響，驗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)閉酒類銷售點可能不是減少酗酒引發(fā)社會問題的有效策略，因為限制酒類銷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)的初級衛(wèi)生保健、慢性病相關(guān)政策干預(yù)與評估以及將ABM應(yīng)用于社會影響以及社區(qū)健康促進之中。(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)療費用控制實證與建模研究》,中國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——以一個傳染病政策仿真系統(tǒng)為例》,《西安交通大學(xué)學(xué)報(社會科學(xué)版)》2010年第1期。或安全(38)唐明圣:《基于Agent的人工社會應(yīng)急管理政策分析方法》,國防科學(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(哲學(xué)社會科學(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，國內(nèi)在老年人照護及政策干預(yù)方面進行了初步探索、但還未形成研究熱點，如楊明旭(41)楊明旭:《中國人口多屬性預(yù)測研究暨失能老人長期照護政策仿真》,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，對失能老人長期照護問題進行模式識別、建模和仿真，以此提出了老齡照護及社會保障的相關(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化養(yǎng)老形成分析》,《東北大學(xué)學(xué)報(自然科學(xué)版)》2016年第5期。則構(gòu)建了一個包含政府、養(yǎng)老機構(gòu)、家庭三大類主體的社會化養(yǎng)老仿真模型，模擬了宏觀社會經(jīng)濟現(xiàn)象中的社會化養(yǎng)老行為形成機制。然而，針對青少年與兒童照護、人群不健康行為以及基于社區(qū)的居民初級保健等政策干預(yù)方面的研究，國內(nèi)文獻尚未提及。

(四)研究前沿趨勢變遷分析

關(guān)鍵詞突現(xiàn)知識圖譜可用于表明某一階段文獻數(shù)量爆發(fā)式增長所對應(yīng)的關(guān)鍵詞，以此判斷相關(guān)研究前沿的趨勢變遷以及相關(guān)研究熱點的延續(xù)性。(43)公茂剛、李漢瑾、竇心語:《數(shù)字普惠金融研究進展、熱點探析與趨勢展望——基于Citespace文獻計量分析》,《蘭州學(xué)刊》2022年第7期。在WoS平臺的關(guān)鍵詞突現(xiàn)圖譜中(突現(xiàn)詞為54個)，agent和cancer為持續(xù)型研究前沿?zé)狳c、持續(xù)時間均為12年，隨后是complexity和health、突現(xiàn)持續(xù)時間均為10年。從突現(xiàn)強度觀之，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)增長起始和結(jié)束時間，將國外相關(guān)研究劃分為三個階段：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、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)了更多的對非傳染性疾病、相關(guān)政策評估以及干預(yù)手段等的關(guān)注，見圖7。

圖7 國外研究關(guān)鍵詞突現(xiàn)圖

在CNKI平臺的關(guān)鍵詞突現(xiàn)圖譜中(突現(xiàn)詞為31個)，健康政策的突現(xiàn)時間長達8年，成為持續(xù)型的研究前沿?zé)狳c，而分布式系統(tǒng)、就醫(yī)選擇、醫(yī)療保險、應(yīng)急管理、人工社會等多個詞的突現(xiàn)時間緊隨其后，均為6年。從突現(xiàn)強度觀之，人工社會的突現(xiàn)強度表現(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。進一步觀察發(fā)現(xiàn)，國內(nèi)相關(guān)研究在發(fā)展趨勢上大體可分為三個階段：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、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)、健康政策評估等有望成為國際社會未來1—2年的研究前沿問題；而從CNKI平臺的結(jié)果觀之，未來國內(nèi)1—2年的研究不僅會關(guān)注ABM在健康政策領(lǐng)域的應(yīng)用，還會繼續(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?？傊?，不同時期的研究熱點與全球性公共衛(wèi)生應(yīng)急事件以及政策方針有著較高的關(guān)聯(lián)度，但國外研究范式已經(jīng)逐漸轉(zhuǎn)變、研究熱點及重點也更為細(xì)化，而國內(nèi)研究相較國外的時間跨度較短且持續(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，從文獻歷年發(fā)表及被引情況、機構(gòu)合作及其隨時間變化情況、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)量增長明顯但國內(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：其一，數(shù)量上具有“運動式波動上升”的年度總趨勢，內(nèi)容上與現(xiàn)實需求密切相關(guān)；其二，國外高被引文獻基本上發(fā)表在頂級或高水平權(quán)威期刊上，國內(nèi)高被引文獻亦多為博士學(xué)位論文，文獻價值均較高、影響力較大；其三，從國內(nèi)外機構(gòu)發(fā)文情況也可看出，排名較前的機構(gòu)大多為國際上知名度較高且認(rèn)可度較高的高?；蚩蒲袡C構(gòu)，國內(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，相較于國外，我國政策仿真研究不僅起步較晚，增長數(shù)量及受關(guān)注程度均明顯不足(至今還未有年產(chǎn)25篇文獻以上的年份出現(xiàn))，且國內(nèi)高被引文獻多為學(xué)位論文，鮮見權(quán)威期刊論文，一定程度上說明國內(nèi)權(quán)威期刊對于該交叉研究范式的認(rèn)知和重視程度不足。一方面，這或許與國內(nèi)學(xué)界特別是社科領(lǐng)域存在依賴數(shù)據(jù)統(tǒng)計、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(社會科學(xué)版)》2016年第6期。；另一方面，也與決策層的支持和推動相對缺乏不無關(guān)聯(lián)。發(fā)達國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。反觀國內(nèi)，政策仿真研究的意義與潛能被低估，除因為欠缺宏觀政策的激勵與推廣之外，也緣于缺乏基金項目、學(xué)術(shù)出版物乃至系統(tǒng)性培訓(xùn)、會議和大學(xué)課程等的規(guī)劃與支持。

(二)目前國外相關(guān)研究較國內(nèi)表現(xiàn)出更佳的機構(gòu)間合作關(guān)系及融合性研究態(tài)勢

當(dāng)前在國際上，ABM與公共健康政策研究相結(jié)合已成為新興科研增長點，研究熱度不斷升溫、方興未艾，跨學(xué)科、跨機構(gòu)乃至跨國家的交流與合作十分活躍。相反，國內(nèi)關(guān)于該主題的研究仍大多處于“單打獨斗”的狀態(tài)(各機構(gòu)間中心性均為0)，不僅跨機構(gòu)、不同領(lǐng)域間合作極少，跨國家交流更是缺乏，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)團隊支持，那么在應(yīng)用ABM方面無疑需要花費大量時間與精力“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研究者本人的建模知識與計算機編程能力提出了極高要求。因此，無論是從科研時間成本、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，亟須加強多學(xué)科交叉合作，著力開發(fā)更簡便易用的自主仿真建模軟件平臺，以提升交叉學(xué)科科研工作者的可操作性；在推動具有普適性、易操作性的ABM方法論指導(dǎo)文獻出版的同時，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，為ABM等仿真技術(shù)的推廣與發(fā)展夯實人才基礎(chǔ)。此外，未來還可進一步通過加強校準(zhǔn)、驗證、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告等，使建模程序得以驗證與復(fù)制，方便非建模方向?qū)W者開展相關(guān)研究。

(三)國內(nèi)外相關(guān)研究熱點趨同性、差異性并存且涉及多個領(lǐng)域，國內(nèi)相關(guān)研究及具體應(yīng)用方向較國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，顯示出國外既有對傳染病防控、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、老年人和兒童照護政策效果中的應(yīng)用。而CNKI數(shù)據(jù)庫除去檢索詞后，關(guān)注的重點相較國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)鍵詞時區(qū)圖譜顯示，國外相關(guān)研究已經(jīng)進化到“逐漸成熟期”，而國內(nèi)研究還處于“推廣期”、尚未有范式的轉(zhuǎn)變。其次，進一步從前期基于不同平臺可視化分析的發(fā)展態(tài)勢以及聚類模塊分析等可以看出國內(nèi)外相關(guān)ABM應(yīng)用于公共健康政策仿真研究熱點的主題趨同性、差異性并存。雖然國內(nèi)外學(xué)者均同時關(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)境保護與可持續(xù)發(fā)展研究三大方面，但國內(nèi)相關(guān)研究相較于國外還未在特殊人群照護、不健康行為干預(yù)以及社區(qū)衛(wèi)生保障與健康促進等方面形成熱點。最后，通過關(guān)鍵詞突現(xiàn)情況可以看出，國內(nèi)外不同時期的研究熱點均與全球性公共衛(wèi)生應(yīng)急事件以及政策方針有著較高的關(guān)聯(lián)度，但國外研究范式已經(jīng)逐漸轉(zhuǎn)變、研究熱點及關(guān)注重點更加細(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”；而國內(nèi)研究不僅相較國外的時間跨度較短且持續(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。故國內(nèi)在繼續(xù)推動老年照護研究與ABM的結(jié)合以應(yīng)對人口急速老齡化的同時，還應(yīng)重視未成年人照護政策模擬、人群健康素養(yǎng)提升的政策動力學(xué)以及初級衛(wèi)生保健及居民慢病管理的動態(tài)建模等方面，助力“健康中國”目標(biāo)的實現(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估的有力工具且已深入人群健康與照護的多個子領(lǐng)域。雖然ABM的優(yōu)勢十分明顯，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)，特別是國內(nèi)在挖掘健康政策仿真建模潛能以及促進公共管理理論與實踐的創(chuàng)新等方面，仍需要來自國家層面的重視、科研平臺的支持、自然科學(xué)與社會科學(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?？傊磥響?yīng)繼續(xù)拓寬ABM方法應(yīng)用的深度與廣度，推動學(xué)科交叉融合并借鑒西方有益經(jīng)驗以及新視角，促進ABM在公共健康政策領(lǐng)域更深層次、更廣泛的運用并充分挖掘其價值與潛能，以解決公眾健康這一復(fù)雜系統(tǒng)中的管理實際問題。