近日，上海交通大學(xué)醫(yī)學(xué)院-國家熱帶病研究中心全球健康學(xué)院（以下簡稱“全球健康學(xué)院”）周曉農(nóng)課題組在國際期刊Infectious Disease Modelling在線發(fā)表了題為“Optimal decision-making in relieving global high temperature-related disease burden by data-driven simulation”的研究論文。該研究與復(fù)旦大學(xué)大數(shù)據(jù)學(xué)院傅博教授團(tuán)隊合作，通過搭建圖神經(jīng)網(wǎng)絡(luò)算法，在One Health系統(tǒng)思維框架下融合建模，逐步刻畫干預(yù)決策關(guān)鍵環(huán)節(jié)，基于全球尺度數(shù)據(jù)嘗試算法最優(yōu)決策包輸出。
隨著全球氣候變暖的加速，高溫相關(guān)疾病（High Temperature-related Diseases, 簡稱HTDs）的疾病負(fù)擔(dān)不斷增加，這突顯了迫切需要基于證據(jù)的管理策略。本研究提出了一個以“全健康”（One Health）為基礎(chǔ)的概念框架，旨在緩解全球HTDs的負(fù)擔(dān)。該框架通過建立系統(tǒng)性的影響路徑和數(shù)據(jù)驅(qū)動模型，為不同情境下的基于證據(jù)的決策提供了參考。研究收集了2010至2019年間來自權(quán)威公共數(shù)據(jù)庫的廣泛國家級數(shù)據(jù)，并選取了心血管疾病、傳染性呼吸系統(tǒng)疾病、傷害、代謝性疾病和非傳染性呼吸系統(tǒng)疾病等五類疾病負(fù)擔(dān)作為中間結(jié)果變量，五類疾病的累積負(fù)擔(dān)被稱為總HTD負(fù)擔(dān)，是最終的結(jié)果變量。
在模型選擇方面，研究評估了八種模型的預(yù)測性能，并引入了十二項干預(yù)措施，以探索最優(yōu)決策策略及其相應(yīng)的貢獻(xiàn)。研究結(jié)果表明，圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Network, 簡稱GNN）模型在多個指標(biāo)上表現(xiàn)出色。利用GNN模型驅(qū)動的模擬，研究識別了一套旨在減少疾病負(fù)擔(dān)的最優(yōu)干預(yù)策略，這些策略特別針對東亞及太平洋地區(qū)、歐洲及中亞地區(qū)、拉丁美洲及加勒比地區(qū)、中東及北非地區(qū)、北美地區(qū)、南亞地區(qū)和撒哈拉以南非洲地區(qū)七大區(qū)域。在基礎(chǔ)設(shè)施與社區(qū)、生態(tài)系統(tǒng)韌性和衛(wèi)生系統(tǒng)能力等類別中，部門減緩和適應(yīng)措施表現(xiàn)出特別強(qiáng)大的性能，適用于不同區(qū)域和疾病。
本研究嘗試了一個全球決策工具，為政策制定者提供了一種系統(tǒng)化的方法，以開發(fā)針對性的干預(yù)策略，應(yīng)對全球變暖背景下日益嚴(yán)重的HTDs挑戰(zhàn)。研究提出的七項干預(yù)措施包括提高低碳能源使用、增加能源強(qiáng)度、改善飼料、擴(kuò)大基本衛(wèi)生保健覆蓋范圍、加強(qiáng)衛(wèi)生融資、解決空氣污染問題和改善道路基礎(chǔ)設(shè)施等，這些措施被納入了每個區(qū)域的最優(yōu)干預(yù)方案中。通過這一研究，研究團(tuán)隊不僅為全球HTDs的管理提供了新的視角和工具，也為各國政策制定者在應(yīng)對氣候變化對健康影響方面提供了科學(xué)依據(jù)和實踐指導(dǎo)。
全球健康學(xué)院直博研究生李欣辰、復(fù)旦大數(shù)據(jù)學(xué)院博士研究生錢皓然、全球健康學(xué)院碩士研究生章妍妍為本文的共同第一作者，全球健康學(xué)院張曉溪副研究員、周曉農(nóng)研究員和復(fù)旦大數(shù)據(jù)學(xué)院傅博教授為本文的共同通訊作者。本研究得到國家自然科學(xué)基金項目、上海市科學(xué)技術(shù)委員會、國家衛(wèi)生健康委員會等基金支持。
醫(yī)學(xué)院主頁
