System dynamics modelling of layered climate–health vulnerability: structure, calibration and empirical validation

科学者が気候変動がいかに人間の健康を損なうかを理解しようとする際、彼らは多くの場合、まず3つの要素に注目することから始めます。それは、ある場所がどれほど危険な天候に直面しているか、そこに住む人々がその天候に対してどれほど敏感であるか、そしてコミュニティがそれに対してどれほど適応できるか、という点です。この伝統的な見方は、災害が襲来する前に、どの集団が最もリスクにさらされているかを特定するのに役立ちます。しかし、このアプローチには盲点があります。それは、脆弱性をあたかもテストの固定されたスコアのような、静的な状態として扱っており、嵐が襲った後に、そのリスクが実際にどのように病気や死へとつながるのかを完全には説明していない点です。現実の世界では、地元の病院の強靭さ、医師の確保状況、そして疾患が広がる具体的な仕組みが、結果を劇的に変えることがあります。あるコミュニティは、書類の上では非常に脆弱に見えても、その保健システムが衝撃を吸収できるほど強固であれば、死者数を少なく抑えられるかもしれません。逆に、似たようなコミュニティであっても、保健システムが脆弱であれば、はるかに悲惨な結果を招く可能性があります。効果的なプログラムを計画するためには、専門家は単なる「リスク」だけでなく、天候事象から最終的な健康への影響に至るまでの「プロセス全体」を見る必要があるのです。

ケニアの研究者と国際的な保健機関による新しい研究は、このプロセス全体をマッピングしようと試みています。彼らは、単一の混合されたスコアに頼るのではなく、潜在的なリスクとそれを管理するシステムを切り離した、層状のモデルを構築しました。まず、彼らはハザードへの曝露、人間の感受性、および適応能力を組み合わせた、標準的な脆弱性の指標から着手しました。次に、衝撃を和らげたり緩衝したりする保健システムの能力を表す第2の層を加えました。最後に、環境の変化に応じて疾患がどのように広がるかという、特定の生物学的な規則を考慮した第3の層を加えました。これらの層を積み重ねることで、研究者たちは、ベースラインの状態から管理された状態へ、そして最終的な健康への影響へと、脆弱性が実際にどのように展開していくかを模倣するシステムを作り上げました。

研究チームはこのモデルを、1987年から2023年までのケニアの37年間のデータを用いてテストしました。彼らは、これらの追加の層を導入することで、予測が現実世界で実際に起きたことと一致するかどうかを確認したいと考えました。従来の脆弱性スコアのみを見た場合、それは実際の健康への影響の変動の約半分を説明していました。それはまずまずの出発点ではありましたが、全体像の多くを不明瞭なまま残していました。モデルに保健システムの緩衝能力を導入すると、精度は大幅に跳ね上がり、変動の80パーセントを説明できるようになりました。これは、危機に際して保健システムがどれほど機能できるかを知ることが、最終的な結果を理解する上で極めて重要であることを示しています。さらに、環境と疾患の間の具体的な生物学的関係を含めることで、モデルの精度はさらに高まり、86パーセントの精度に達しました。この進展は、伝統的な見方が出発点を捉えることはできるものの、保健システムと疾患の生物学を含めて初めて、最終的な結果を真に理解できることを示唆しています。

研究者たちはまた、潜在的なリスクが増大するにつれて、システムがどのように振る舞うかを詳細に調査しました。彼らは、リスクが増えれば比例して被害も増えるという単純な直線的な関係ではないことを発見しました。代わりに、「ティッピング・ポイント（転換点）」が存在します。ベースラインの脆弱性が低いときは、保健システムが事態を維持するのに効果的に機能し、影響は管理可能な範囲に留まります。しかし、一度脆弱性が一定の閾値を超えると、システムの対処能力が衰え始め、被害が急速に増幅し始めます。この移行は、システムが「緩衝状態」から「圧倒された状態」へと変化する、特定の脆弱性の範囲で起こります。モデルはこの変化を捉えており、同じレベルのリスクであっても、システムがその転換点に対してどの位置にあるかによって、全く異なる結果をもたらし得ることを示しています。

知見の堅牢性を確保するため、チームは数千回のコンピュータ・シミュレーションを実行し、モデル内の数値や重みをわずかに変化させて、結果が崩壊しないかを確認しました。その結果、入力値に不確実性がある場合でも、モデルは安定しており信頼できることが分かりました。モデルの異なる構成要素、すなわち潜在的なリスク、保健システムの強さ、そして疾患の生物学は、どれか一つの要素が他を支配することなく、最終的な全体像に寄与していました。このバランスは、モデルが単一の要因によって駆動される単純な計算ではなく、複雑に相互接続されたシステムを表現していることを示唆しています。また、研究者たちは予測の誤差についても調査し、一つのパターンを見出しました。モデルは、中程度の範囲のリスクでは被害を過大評価し、極端な状況では過小評価する傾向がありました。このパターン自体が貴重な情報となり、システムの反応が状況の深刻度によって変化することを裏付けました。

本研究は、気候と健康の脆弱性を層状のプロセスとして扱うことが、従来の方法よりもはるかに明確な視点を提供すると結論付けています。潜在的なリスク、保健システムの能力、そして疾患の生物学的現実を、切り離しながらも関連付けられたものとして保持することで、このモデルはどこに介入すべきかを明らかにする透明な方法を提供します。もしある地域が、高い潜在的リスクを持ちつつも強力な保健システムを備えているならば、焦点はそのシステムの維持に置かれるでしょう。もしシステムが脆弱であれば、優先事項は、リスクが危機へと発展するのを防ぐために、そのシステムを強化することへとシフトします。このアプローチは、従来の測定法を置き換えるものではなく、それらを基盤とし、リスクがいかにして現実の事態へと変わるのかを理解するための必要なステップを加えるものです。この研究は、気候変動から人々を守るためには、天候や人々の感受性だけでなく、私たちの保健システムが「防衛線を維持する」という、極めて現実的で人間的な能力についても目を向けなければならないことを示しています。