基于依赖网络模拟的老年共病分布复杂性及关键路径识别研究

本研究针对老年人群慢性病共病形成的复杂性问题，创新性地采用CHARLS追踪数据构建依赖网络模型，通过多中心性指标分析揭示了共病形成的动态路径。研究发现共病类型呈现稳定的幂律分布特征，识别出健康状态、单纯哮喘等关键过渡节点，并通过仿真实验证明单一节点干预难以改变最终共病分布。该研究为理解老年共病形成的系统复杂性提供了新视角，对制定系统性防控策略具有重要指导价值。

　　

随着中国老龄化进程加速，约1.8亿老年人患有多种慢性疾病，共病率高达65.14%，这对公共卫生体系构成严峻挑战。现有研究多聚焦于慢性疾病的静态关联，却忽视了共病形成的动态过程——就像只观察交通枢纽的车辆密度，而不分析道路网络的连接规律。这种认知局限使得预防措施往往事倍功半，亟需建立能揭示疾病状态转移规律的动态模型。

北京师范大学系统科学学院的研究团队在《Scientific Reports》发表创新研究，通过构建依赖网络模型破解这一难题。他们利用CHARLS 2015-2018年追踪数据（样本量15，299），将1031种疾病状态转化为网络节点，3145条转移路径构成加权有向边，就像绘制了慢性疾病演化的"地铁线路图"。研究发现共病网络具有显著的幂律分布特征（度分布指数α=2.194），揭示出少数关键节点主导着疾病演化进程。通过多中心性分析识别出健康状态、单纯关节炎等"换乘枢纽"，仿真实验却意外发现：即便阻断这些关键节点，最终共病分布仍保持稳定——这如同试图通过关闭单个地铁站来改变整个城市的通勤模式。

关键技术方法包括：1）基于CHARLS追踪数据构建依赖网络，量化3145条状态转移路径；2）应用多中心性指标（度中心性、接近中心性、介数中心性等）分析节点重要性；3）采用蒙特卡洛模拟（样本量40，920，迭代500次）验证网络稳定性；4）通过节点删除实验评估关键状态的控制效果。

网络构建与特征分析显示，慢性病共病网络呈现典型的无标度特性，度分布和加权度分布均符合幂律规律（p<0.05）。这种结构特性使得网络对随机故障具有鲁棒性，但对关键节点的攻击异常脆弱——就像互联网的运作机制。节点中心性测量发现，完全健康状态（加权度4，422.54）、单纯哮喘等节点同时具有高入度（吸收共病）和高出度（传播风险）特性，成为疾病演化的"十字路口"。

网络模拟结果揭示，初始分布中高发的单纯关节炎（占比约23%）最终演变为心脑血管共病主导的稳定格局，其中"心脏病-卒中"组合成为最普遍终点状态（标准差从225.87增至335.95）。这种演化规律不受初始状态影响，呈现出强烈的路径依赖性。节点干预实验的数据更具启发性：即使同时删除6个关键节点（如"单纯哮喘"、"高血压伴关节炎"等），最终分布仍保持幂律特征（拟合系数b=-0.83→-0.81），证明共病形成存在多重冗余路径。

这项研究突破了传统共病研究的静态视角，首次系统揭示了慢性病演化的网络动力学规律。其重要意义在于：1）理论层面，证实共病分布具有内在稳定性，为建立预测模型奠定基础；2）方法层面，开发的依赖网络框架可推广至其他复杂疾病系统研究；3）实践层面，指出单一疾病防控策略的局限性，强调需要针对整个共病形成路径实施系统干预。正如作者指出："疾病风险通过多路径传播的特性，要求我们重新审视现有的慢性病管理模式"。该成果为制定老年健康政策提供了重要的科学依据，也为复杂系统理论在医学领域的应用开辟了新途径。