Multi-level upstream prediction analysis of excessive drinking in the U.S. using machine learning and the American Nations cultural framework

在美国，一个社区的健康状况很少由单一的选择或单一的因素决定。相反，它产生于一个复杂的网络，其中文化、经济、物理环境和个人习惯交织在一起。公共卫生研究人员早已意识到，像饮酒这样的行为并非孤立的行为，而是深受人们生活环境的影响。一些地区培养了鼓励聚会和庆祝的社交习惯，而另一些地区则面临着限制资源获取的经济压力。当科学家试图理解为什么有些地方过度饮酒率高，而有些地方则不高时，他们必须超越简单的因果关系。他们需要观察数十种不同的力量——从当地食品店的质量到该地区的历史定居模式——是如何相互推动和拉扯，从而塑造数百万人的日常生活。

一项新的研究为这一挑战带来了一套强大的数字工具，旨在理清驱动全美过度饮酒的具体因素组合。研究人员将重点放在县级层面，分析了近三千个县的数据，以构建一幅关于预测重度饮酒的详细图景。他们使用了一种被称为“机器学习”的高级计算机学习方法，这种方法允许计算机在海量数据中发现传统方法可能会错过的隐藏模式。通过向计算机输入有关健康、经济、文化和行为的信息，该团队创建了一个模型，能够解释一个县与另一个县之间饮酒率差异的百分之七十二。这种高水平的准确性表明，该模型成功捕捉到了这一问题的现实世界复杂性，为理解这一重大公共卫生问题的驱动因素提供了更清晰的视角。

这项分析中最令人惊讶的发现涉及慢性病与饮酒之间的关系。计算机模型识别出糖尿病的患病率是过度饮酒的最强预测因子，但其关联性却与许多人预期的相反。在成年人患有糖尿病比例较高的县，过度饮酒率实际上较低。研究人员认为，这可能是因为被诊断出患有糖尿病这类严重疾病的人通常会收到改变习惯的医疗建议，包括减少饮酒。同样，其他常被视为挣扎迹象的因素，如粮食不安全、缺乏体育锻炼和睡眠不足，也与较低的重度饮酒率相关联。这指向了一种经济约束机制：当人们在负担基本需求方面感到困难，或者因过度疲劳而无法参与社交活动时，他们自然就没钱也没精力去消费酒精。这些结果挑战了普遍的假设，即贫困和健康状况不佳总是会导致更高的风险行为；在这种情况下，它们似乎起到了阻碍饮酒的结构性屏障作用。

相反，研究发现与社交联系和更好资源相关的因素与较高的过度饮酒率有关。吸烟率较高、心理痛苦天数较多以及社会网络较强的县，往往有较高的重度饮酒率。这符合酒精和尼古丁在脑部奖励系统中相互强化的观点，同时也说明人们可能会利用酒精来应对心理压力。或许最值得注意的是，研究证实了一个地区的文化身份发挥着巨大的作用。通过使用一种将美国划分为基于原始定居者的不同文化民族的框架，研究人员发现，以强大的社区纽带和社会基础设施著称的地区（如扬基地区和中部地区），其过度饮酒率最高。这创造了一个悖论：这些地区在几乎所有其他健康指标上表现都更好，却在酒精问题上更为挣扎。研究人员提出，正是使这些社区健康的因素——密集的社交网络、步行友好的社区和易于到达的聚集场所——也创造了更多饮酒的机会和社交压力。

为了确保这些模式不仅仅是巧合，团队使用了一种严谨的统计方法来测试因果关系。他们检查了改变特定环境因素是否会直接改变饮酒率。分析确认，增加粮食不安全感或体力活动不足与过度饮酒的减少相关，强化了经济困难限制酒精消费的观点。相比之下，改善当地食品环境或增加锻炼机会与饮酒上升有关，这很可能是因为这些改善标志着一个更具活力、社交更活跃的社区，同时也意味着酒精在其中更加容易获得且更加常态化。研究还发现，吸烟率和心理健康负担是重要的驱动因素，这表明干预措施需要共同解决这些相互关联的问题，而不是孤立地处理。

这项研究强调，解决过度饮酒问题需要对当地背景有细致入微的理解。“一刀切”的方法是行不通的，因为人们饮酒的原因因居住地及社区价值观的不同而大相径庭。在某些地方，饮酒的障碍是缺乏资金或存在要求改变生活方式的慢性疾病。而在其他地方，驱动力则是社区本身的强度，即社交生活和文化规范使酒精成为日常互动的重要组成部分。通过使用先进的计算机模型来绘制这些复杂的联系，公共卫生官员现在可以设计出针对特定县的定制化干预措施。目标是超越宽泛的假设，制定出既尊重每个社区独特结构，又能解决该特定地点驱动过度饮酒的具体因素的策略。