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

当科学家试图理解气候变化将如何损害人类健康时，他们通常首先关注三件事：一个地方面临危险天气的程度、当地人群对该天气的敏感性，以及社区应对该天气的适应能力。这种传统观点有助于在灾难发生前识别出哪些人群处于高风险之中。然而，这种方法存在一个盲点。它将脆弱性视为一种静态的状态，就像是一份固定的测试分数，而未能充分解释一旦风暴来袭，这种风险是如何转化为疾病或死亡的。在现实世界中，当地医院的实力、医生的可用性以及疾病传播的具体方式，都会极大地改变最终的结果。一个社区在纸面上可能看起来非常脆弱，但由于其医疗系统足以吸收冲击，其死亡人数可能反而较少。相反，一个拥有较弱医疗系统的类似社区，其结果可能会糟糕得多。为了制定有效的计划，专家们需要看到的不仅是风险，而是从天气事件到最终健康影响的整个过程。

来自肯尼亚的研究人员与国际卫生组织进行的一项新研究，试图绘制出这一完整过程的图谱。他们没有依赖单一的、混合的分数，而是构建了一个分层的模型，将潜在风险与其管理系统区分开来。他们首先从标准的脆弱性指标开始，该指标结合了对危害的暴露程度、人类的敏感性以及适应能力。随后，他们增加了第二层，代表医疗系统缓冲或减轻冲击的能力。最后，他们增加了第三层，用于解释环境变化引发疾病传播的具体生物学规则。通过堆叠这些图层，研究人员创建了一个模拟脆弱性如何随时间展开的系统，即从基准状态转向受控状态，并最终实现健康结果的过程。

团队利用肯尼亚从1987年到2023年共三十七年的数据测试了这个模型。他们想看看加入这些额外的图层是否能让他们的预测与现实世界中实际发生的情况相吻合。当他们仅观察传统的脆弱性评分时，它仅能解释约一半的实际健康影响变化。这是一个不错的起点，但仍留下了许多模糊之处。当他们将医疗系统的缓冲能力引入模型后，准确性显著提升，解释了百分之八十的变化。这表明，了解医疗系统在危机期间的运作能力对于理解最终结果至关重要。当他们纳入环境与疾病之间的特定生物学关系后，模型变得更加精确，准确率达到了百分之八十六。这一进展表明，传统观点捕捉到了起点，但只有通过纳入医疗系统和疾病生物学，我们才能真正理解最终的结果。

研究人员还仔细观察了当潜在风险增加时，该系统的表现如何。他们发现，这种关系并不是一条风险越高、伤害就按比例增加的直线。相反，存在一个临界点。当基准脆弱性较低时，医疗系统能够有效地维持局面，影响保持在可控范围内。然而，一旦脆弱性超过某个阈值，系统的应对能力就开始衰减，伤害开始迅速放大。这种转变发生在特定的脆弱性区间内，即系统从被缓冲状态转变为被压倒状态。该模型捕捉到了这种转变，显示出即使风险水平相同，根据系统所处的位置，也会导致截然不同的结果。

为了确保研究结果的可靠性，团队运行了数千次计算机模拟，通过微调模型中的数字和权重，观察结果是否会崩溃。他们发现，即使输入数据存在不确定性，该模型依然保持稳定且可靠。模型的不同部分——潜在风险、医疗系统强度和疾病生物学——都为最终图景做出了贡献，且没有任何一个部分占据主导地位。这种平衡表明，该模型代表的是一个复杂且相互关联的系统，而非由单一因素驱动的简单计算。研究人员还检查了预测误差，并发现了一种模式：模型往往会高估中间风险范围的伤害，并低估极端情况下的伤害。这种模式本身也提供了宝贵的信息，证实了系统的反应会随着情势的严重程度而改变。

研究得出结论，将气候-健康脆弱性视为一个分层过程，比传统方法能提供更清晰的视角。通过将潜在风险、医疗系统能力和疾病生物学现实分开处理但又保持连接，该模型提供了一种透明的方式，可以观察干预措施在何处最为有效。如果一个地区具有高潜在风险但拥有强大的医疗系统，那么重点可能在于维持该系统；如果系统较弱，优先级则转向加强系统建设，以防止风险演变成危机。这种方法并非取代旧的风险衡量方式，而是在其基础上进行构建，增加了理解“风险如何变为现实”所需的步骤。这项工作证明，为了保护人们免受气候变化的影响，我们必须超越天气和人口敏感性，将目光投向那些能够守住底线的、极其真实的医疗系统的人类应对能力。