《Alcohol, Clinical and Experimental Research》：Linking Reductions in Alcohol and Birth Control Use Risk Behavior to Prevention of Alcohol-Exposed Pregnancy: A Population-Level Simulation of Preconceptual Prevention Programs
编辑推荐：
**背景**
最流行的酒精暴露妊娠（AEP）预防项目（AEP-P）是一种简短干预，同时促进减少酒精使用和增加避孕措施使用。用于评估AEP-P的主要结局变量将行为改变汇总为一个二元变量，尽管AEP-P对每种行为的影响存在差异。本研究检验了所有三种可能的AEP
**背景**
最流行的酒精暴露妊娠（AEP）预防项目（AEP-P）是一种简短干预，同时促进减少酒精使用和增加避孕措施使用。用于评估AEP-P的主要结局变量将行为改变汇总为一个二元变量，尽管AEP-P对每种行为的影响存在差异。本研究检验了所有三种可能的AEP-P行为改变结局（仅饮酒改变（AO）、仅避孕措施改变（BCO）或两种行为都改变（BB））在预防后续AEP本身方面是否同样有效。
**方法**
研究人员模拟了在美国一个小型都市区实施AEP-P，在252种不同情景（政策测试）下，改变：（1）改变AEP风险行为的合格人群百分比；（2）AEP-P参与者中AO、BCO和BB组的比例；（3）将饮酒改变为非风险饮酒或戒酒的参与者比例。与“未实施”基线相比，研究人员计算了每种政策测试下次年总AEP、高风险AEP和低风险AEP新病例的百分比差异。
**结果**
具有较高BB比例的政策在减少总AEP和高风险AEP方面效果更大，其中100% BB政策提供了最高的减少（总AEP减少5.58%–17.13%，高风险AEP减少16.27%–42.43%）。除100% BCO政策外，所有政策都增加了低风险AEP。具有较高BCO比例的政策在低风险AEP方面的增加较小，但对高风险AEP的减少也较小。低风险AEP的政策增加由转变为戒酒的人群比例与转变为非风险饮酒的人群比例驱动。
**结论**
研究结果表明，在AEP-P期间进行的不同行为改变结构对预防AEP本身具有不同的效果。使用二元AEP风险汇总变量可能会偏倚研究人员对AEP-P预防效力的理解，并阻碍进一步理解如何改进AEP-P。
**论文解读文章**
**研究背景**
孕期饮酒（酒精暴露妊娠，AEP）与出生结局和后代长期健康的不良后果密切相关。在美国，约14%的孕妇报告任何饮酒，5%报告 binge 饮酒，非孕育龄女性的AEP风险估计约为1.2%–3.4%。由于AEP最常见于孕早期（通常在意识到怀孕之前），孕前预防尤为重要。最流行的孕前AEP预防项目（AEP-P）是一种简短干预，同时针对酒精使用和避孕措施使用风险行为。最初的Project CHOICES项目采用跨理论模型框架，引导参与者选择他们有意愿改变的行为。后续基于CHOICES的项目研究了不同剂量、方式、场景和人群。尽管存在这些变异，大多数AEP-P共享一种测量AEP风险的策略，该策略确定参与者资格并评估项目效力。该测量是一个二元变量，汇总了酒精（例如，过去90天 binge 或重度饮酒史）和避孕措施（例如，过去90天阴茎-阴道性交但避孕措施不一致、无效或未使用）的风险阈值。有生育能力的育龄女性如果同时满足这两个风险阈值，则有资格参与AEP-P。项目效力（降低AEP风险）被定义为将酒精和/或避孕措施使用行为改变到低于风险阈值。
**现有问题与开展本研究的原因**
目前存在明确证据表明AEP-P能有效降低AEP风险行为，尤其是当使用汇总的AEP风险变量作为结局时。然而，许多研究报告这种AEP风险降低是由参与者改变避孕措施而非酒精使用风险行为驱动的。改变酒精使用风险行为与改变避孕措施使用的参与者百分比差异从小于10%到超过30%不等。这些差异取决于AEP-P参与者中仅改变饮酒（AO）、仅改变避孕措施（BCO）或两者都改变（BB）的比例（即“行为改变组”）。尽管AEP-P能降低AEP风险行为，但证据很大程度上基于汇总的AEP风险变量，该变量假设所有风险降低变化（AO、BCO或BB）同等预防AEP。鉴于风险行为改变存在差异，检验这一假设对于评估AEP-P的预防效力至关重要。此外，BCO参与者的AEP风险降低可能可持续性较差，因为较重的饮酒会降低避孕措施的有效使用并损害性决策。AEP-P参与者通常选择需要更多努力控制的避孕措施类型（如避孕套、激素避孕药或性 abstinence），避孕失败率对BCO组尤为重要。AEP-P的酒精风险阈值将低风险饮酒（低于阈值）和戒酒合并，因为CHOICES采用控制性饮酒方法（参与者可选择戒酒或低风险饮酒）。然而，与戒酒相关的目标/改变与随后3年内 risky 饮酒发作次数较低相关，而低风险饮酒与负面妊娠和后代结局有关。由于AEP-P参与者更可能将酒精使用行为改变为低于阈值的饮酒水平而非戒酒，低风险饮酒改变的风险降低可能不稳定。尽管少数研究直接检验AEP-P对AEP的影响（因随访时间有限和失访），但使用基于计算机的数学模拟建模方法可以克服这些挑战。先前的模拟模型表明，增加有效避孕措施使用可降低AEP几率51%，戒酒降低71%，两种行为均降低80%，但该研究未专门考虑AEP-P操作化的行为改变和风险。
**研究内容与结论**
本研究旨在检验AEP-P开发和评估所依据的一个假设：即通过AO、BCO或BB降低风险是否导致同等水平的AEP预防。研究人员使用系统动力学模拟（ster2018）来检验在新一轮AEP-P“实施”后，年度AEP病例数量如何随行为改变组比例变化而变化。模拟比较了基线（未实施AEP-P）与84种不同实施情景（政策测试）之间次年新AEP病例的差异。AEP-P政策测试变化了：（1）改变AEP风险行为的参与者总体百分比；（2）行为改变组比例；（3）将饮酒改变为非风险饮酒或戒酒的人群比例。模型基于先前开发的模拟模型，作为一项更大的基于社区的系统动力学项目的一部分，聚焦于美国北部平原一个小型都市区的妊娠期酒精和物质使用。
**结论与意义**
研究结果表明，所有AEP-P政策测试情景均导致次年总AEP病例减少，但不同行为改变组比例的效果差异显著。BB改变与总AEP和高风险AEP的最大减少相关，而BCO组与高风险AEP的最小减少相关。相反，BCO组与低风险AEP的最小增加相关。大多数政策增加了低风险AEP，但这可被视为高风险妊娠向低风险妊娠的转移，可能减少但未必消除AEP的负面效应。综合来看，BB改变（尤其是结合戒酒相关的饮酒改变）在高风险和低风险AEP的减少方面似乎提供了“最佳”效果。本研究结果提示，汇总的二元AEP风险行为变量可能偏倚对实际风险降低和高风险AEP预防的项目效果估计，具体而言，可能高估预防效果。基于之前AEP-P研究结局，政策测试的效果可能被高估了。论文发表在《Alcohol, Clinical and Experimental Research》。
**关键方法**
本研究采用系统动力学建模方法，这是一种基于模拟的计算方法，用于检验复杂公共卫生问题如饮酒行为及相关后果。模型通过关键反馈回路和变量相互作用检查系统行为的宏观非线性动态变化。模型不关注个体层面效应，而是基于社区成员参与并成功改变行为的比例来模拟社区层面变化。定量模型由一系列普通微分方程组成，通过存量和流量结构表示随时间变化的动态过程。模型参数化基于2016-2019年来自美国北部平原一个小型都市区（项目社区地点）的15-44岁育龄女性的人群水平数据，包括人口统计、行为监测和流行病学数据。历史数据来源于国家/州级数据集（如行为风险因素监测系统、全国药物使用与健康调查）。流量参数化通过饮酒研究文献或数据校准实现。校准使用高斯伪对数似然方法，最大化伪对数似然函数以匹配模型均值轨迹与目标数据（32个时间序列，对应各饮酒阶段、妊娠和避孕措施使用行为）。政策测试模拟了2020年单年AEP-P实施，通过向高风险存量（ risky 饮酒或酒精使用障碍且未使用避孕措施）添加额外流出分数，代表因AEP-P参与而转移到低风险状态的人群。共计算84种政策测试，条件包括总人群改变行为百分比（20%、40%、60%、80%）和行为改变组比例（AO、BCO、BB的21种组合）。此外，固定了戒酒/非风险饮酒比例（ risky 饮酒者75%非风险/25%戒酒，AUD者80%非风险/20%戒酒），并测试了两种替代比例（50/50和反向比例）作为敏感性分析，总计252种政策测试。
**研究结果**
**3.1 模拟社区人口数据**
模拟社区在2016-2019年间约有12,500-14,000名15-44岁女性。模拟输出显示，2016-2019年总妊娠中68%为AEP病例（1102例妊娠中749例），其中56%来自非风险饮酒存量。估计约30%的妊娠来自 risky 饮酒者或AUD患者。模拟模型估计，2020年非孕15-44岁女性中，26%和34%分别达到酒精和避孕措施使用风险阈值，总计6%（约763人）有资格参与AEP-P。
**3.2 AEP-P政策测试对总AEP病例的影响**
所有84种政策测试均导致次年总AEP病例减少。平均减少幅度随项目-人群影响水平增加而增大：20%影响时平均减少3.65%（SD=1.05），40%影响时减少6.7%（SD=1.84），60%影响时减少9.27%（SD=2.49），80%影响时减少11.45%（SD=3.03）。政策表现差异在高影响水平下更大（绝对差异从4%到12.08%）。高BB比例政策表现最佳，100% BB政策减少最多（5.58%-17.13%），所有至少60% BB的政策均高于平均减少。高AO比例政策表现最差，100% AO政策减少最少。100% BCO政策高于平均减少，但高BCO政策的表现取决于剩余参与者分布。总体而言，使80%-100%参与者改变避孕措施的政策几乎总是导致高于平均的减少，即使总饮酒改变比例较低；但使80%-100%参与者改变饮酒的政策只有在避孕措施改变比例也高（至少60%）时才高于平均。不同影响水平下高低表现政策存在重叠，例如，在40%影响水平下最好的政策（100% BB）才能达到10%的AEP减少，但在60%或80%影响水平下，分别有9或15种政策可达到同样效果。
**3.3 按风险阈值分层的AEP病例**
**3.3.1 高风险AEP： risky 饮酒或AUD人群怀孕**
所有政策测试均减少高风险AEP病例。平均减少幅度为20%影响时11.36%（SD=2.28），40%时20.37%（SD=3.63），60%时29.53%（SD=4.36），80%时33.27%（SD=4.68）。与总AEP类似，高BB政策表现最佳，100% BB政策减少最多（16.27%-42.43%）。但关键差异在于，BCO组与高风险AEP的最小减少相关（100% BCO政策减少最少），而高AO和高BCO政策均表现较差。所有AO或BCO比例高于BB的政策均低于平均减少。仅当政策包含至少40% BB组时，才对高风险AEP产生高于平均的减少。此外，高于平均减少仅当总行为改变总和达到140%或以上时（即至少60%的一种行为和80%的另一行为）才可能。
**3.3.2 低风险AEP：非风险饮酒者怀孕**
除100% BCO政策外，所有政策均导致次年低风险AEP病例增加。100% AO政策增加最多。平均增加幅度为20%影响时2.26%（SD=1.18），40%时3.76%（SD=2.08），60%时4.71%（SD=2.84），80%时5.25%（SD=3.56）。政策表现更好（增加更小）当参与者进行饮酒相关行为改变更少时。导致最高增加的政策是那些80%参与者改变饮酒或饮酒改变比例高于避孕措施改变的政策，即使避孕措施改变比例也高。项目-人群影响水平对低风险AEP的影响非线性，例如100% BB政策在40%影响时增加高于60%或80%影响时。
**3.4 替代戒酒/非风险饮酒比例**
当提高戒酒比例时（50/50或反向比例），低风险AEP的新病例减少（但高风险AEP无变化），且高饮酒改变政策（尤其是AO）的后续低风险AEP增加大幅降低。但大多数政策（21种中19种）仍导致低风险AEP增加。高避孕措施改变政策在三种比例下结果更相似。
**讨论与结论**
讨论部分指出，本研究结果表明AEP-P的三种行为改变结局（AO、BCO、BB）并不同等预防AEP，二元汇总变量可能偏倚对项目预防效力的理解。BB改变（尤其是结合戒酒）提供最佳的高风险和低风险AEP减少，而BCO改变与高风险AEP的最小减少相关，但低风险AEP增加最小。之前AEP-P研究可能因高BCO比例而低估实际预防效果。局限性包括：模拟基于特定社区，结果可能不具普遍性；未考虑避孕措施类型；历史数据截止2020年；未保留验证数据，可能过拟合。未来方向包括：将行为改变组作为额外结局变量以加强评估；研究改进策略如提高BB比例；开发更详细的行为改变测量（如避孕措施类型、饮酒行为细节）；探索调节因素（如伴侣影响、共病因素、基线严重程度）。结论部分翻译：研究结果表明，在AEP-P期间进行的不同行为改变结构对预防AEP本身具有不同的效果。使用二元AEP风险汇总变量可能会偏倚研究人员对AEP-P预防效力的理解，并阻碍进一步理解如何改进AEP-P。
