系统思维视角下非洲食源性疾病监测系统的效能评估与优化策略

本刊推荐：非洲地区食源性疾病(FBD)监测面临基础设施薄弱、监管体系不完善及跨部门协作不足等挑战。研究团队采用系统思维方法，通过利益相关方研讨会、因果循环图建模和杠杆点分析，识别出公众信任、食品安全实践合规性和数据共享三大关键干预靶点。 Scenario 5（高信任度、高合规性、高数据共享）被证明是最优策略，为改善非洲食品安全和公共卫生 outcomes 提供了可操作的政策见解。

　　

食源性疾病(Foodborne Diseases, FBD)是全球公共卫生的重大挑战，尤其在低收入和中等收入国家(Low- and Middle-Income Countries, LMICs)，每年导致数百万人患病和死亡。非洲地区由于基础设施有限、监管框架薄弱以及跨部门协作不足，食源性疾病的监测和预防面临显著困难。传统的干预措施多聚焦于风险识别和管理培训，但往往忽视了风险因素、传播途径和系统障碍之间的相互关联性，导致干预效果有限。因此，急需一种系统思维方法，从生物、社会和经济复杂性的角度全面评估和优化食源性疾病监测系统。

为了解决这一问题，研究人员在《Communications Medicine》上发表了一项研究，采用“系统思维与建模五阶段过程”(Five Phase Process of Systems Thinking and Modelling)方法，深入分析了非洲食源性疾病监测系统的关键挑战，并通过杠杆点分析识别出能够显著增强系统效能的干预策略。该研究不仅揭示了系统内33个关键元素和行为之间的动态交互，还通过情景规划提出了最优实施方案，为政策制定者提供了科学依据，以推动更有效、可持续且文化适宜的干预措施。

研究团队采用了多种关键方法开展本项研究。首先，他们组织了跨学科利益相关方研讨会，应用冰山模型(Iceberg Model)从事件、模式/趋势、底层结构和心智模型四个层面识别影响监测系统的关键因素。研讨会参与者包括来自非洲多个国家的研究人员、 healthcare workers、立法者和相关领域专业人士，确保了数据的全面性和代表性。其次，通过文献范围审查(scoping review)验证了研讨会发现的元素，并与现有研究进行三角验证，增强结果的可信度。随后，利用因果循环图(Causal Loop Diagrams, CLDs)可视化系统内元素的相互作用，识别增强环路(reinforcing loops)和调节环路(balancing loops)，并通过系统原型分析(archetype analysis)揭示系统内的常见问题模式，如“修复性措施失败”(Fixes that Fail)和“目标漂移”(Drifting Goals)。最后，基于杠杆点分析(Leverage Point Analysis)和情景规划(Scenario Planning)，评估了不同干预策略在10年时间范围内的效能、适应性和韧性。

问题结构化与冰山模型应用

通过利益相关方研讨会，研究团队识别了33个关键元素，这些元素分布在食源性疾病监测系统的不同层面：事件层（如食源性疾病感染、住院治疗和食物资源可及性）、模式/趋势层（如食物需求增长、非正式部门监测不足、诊断设施不完善、数据共享有限、气候变化和食品欺诈）、底层结构层（如教育资源有限、人畜互动、抗菌药物耐药性(Antimicrobial Resistance, AMR)、治疗成本、卫生条件差以及农业废弃物处理不当）以及心智模型层（如污名化、政治承诺不足和文化信仰）。这些元素通过社会动态、 healthcare 系统和食品农业实践三个主要领域相互影响，构成了系统的复杂性基础。范围审查结果进一步验证了这些元素，并强调了诸如食品欺诈、购物习惯等较少研究的驱动因素，为系统建模提供了扎实依据。

因果循环图与系统原型分析

基于冰山模型的元素，研究团队开发了多个因果循环图，以揭示系统内元素的交互关系和反馈机制。关键变量包括疾病报告不足、有限的教育与意识、资源分配、对公共卫生系统的不信任以及抗菌药物耐药性。这些变量通过增强环路和调节环路相互作用，例如：

• •
  公众信任与监测合规性环路（调节环路）：食源性疾病增加会导致对卫生系统的不信任，降低合规性和报告率，进而加剧疾病报告不足，隐藏疾病真实负担，形成恶性循环。
• •
  诊断能力与疾病报告环路（调节环路）：诊断设施资金不足导致报告不足，降低疾病意识，减少资源分配，进一步削弱诊断能力。
• •
  教育与食品安全成本效益认知环路（增强环路）：有限的教育降低了食品安全理解，使疾病正常化，减少对安全措施的需求，从而削弱监测投资。
  此外，系统原型分析揭示了“修复性措施失败”、“升级”(Escalation)、“目标漂移”和“公地悲剧”(Tragedy of the Commons)等常见模式，这些原型突出了系统内结构性问题的持久性，例如短期应对措施无法可持续提升诊断能力，以及资源分配偏向应急响应而非预防性教育。

杠杆点分析

研究团队根据 Meadows 的杠杆点分类，识别了浅层和深层杠杆点。深层杠杆点包括公众信任、食品安全实践合规性和跨部门数据共享，这些点具有潜力引发系统结构和行为模式的根本性变革。公众信任影响合作与报告意愿；合规性直接影响病原体传播和食品安全；数据共享促进跨部门协作，优化系统响应。浅层杠杆点包括诊断能力、资源分配、抗菌药物耐药性控制和公共卫生物流，这些点虽易于调整，但需与深层杠杆点结合以实现可持续改进。分析强调，转变食品安全知识的心智模型（如整合本地知识文化实践）是推动范式转变的关键。

情景规划与实施

基于杠杆点分析，研究团队设计了五种情景，评估其在10年时间范围内对食源性疾病发生率、系统效能和公众参与的影响。情景变量包括公众信任、合规性和数据共享的水平。评估标准包括效能（减少疾病发生率）、适应性（应对变化能力）和韧性（维持改进能力）。Scenario 5（高公众信任、高合规性、高数据共享）被确定为最优策略，其在所有标准上表现卓越。尽管该情景在非洲资源有限背景下面临挑战（如信息技术基础设施不足），但通过针对性投资和能力建设，可实现长期影响。短期措施建议包括合规培训和数据共享倡议，而长期策略需聚焦制度框架强化、数字基础设施建设和社区参与。

结论与讨论

本研究通过系统思维方法全面解析了非洲食源性疾病监测系统的复杂性和挑战，揭示了深层杠杆点作为干预的关键靶点。研究结论表明，提升公众信任、加强合规性和促进数据共享是优化系统效能的 core strategy。实现这一目标需要政策制定者投资于基础设施、监管支持和公众参与，同时整合本地知识和文化实践，以推动范式转变。

该研究的重要意义在于其为资源有限 settings 提供了 actionable insights，通过系统方法填补了传统干预的不足，有助于实现联合国可持续发展目标（SDG 2 零饥饿和 SDG 3 良好健康与福祉）。此外，研究强调了跨部门合作和社区参与的重要性，为全球其他地区应对类似“棘手问题”(wicked problems)提供了可借鉴的框架。

然而，研究也存在一定局限性，例如元素的泛化可能忽略了非洲不同地区的文化差异，且某些驱动因素（如食品欺诈）的研究尚不充分。未来研究需进一步收集区域特异性数据，以制定更精准的干预措施。总体而言，这项研究为改善食源性疾病监测和公共卫生 outcomes 提供了科学基础，具有重要的理论和实践价值。