个体化数据与相变模型：年轻驾驶员碰撞预防的新范式

《Journal of Adolescent Health》：Taking Complexity Seriously: Overcoming Barriers to Precision Intervention for Young Drivers

　　患者特异性数据的收集和使用的改进推动了儿科患者医疗的创新，但尚未应用于伤害预防领域，更具体地说，尚未应用于预防年轻驾驶员的机动车碰撞事故。例如，将连续血糖监测与胰岛素泵结合，创造自动化胰岛素输注系统，以支持1型糖尿病青少年患者的血糖控制¹，可以成为全面一体化照护方法的重要补充²。将类似的干预措施开发并应用于年轻驾驶员，需要更清晰地概念化特定年轻驾驶员的碰撞风险在何时以及为何会随时间发生变化，需要能够准确捕捉和有意义地分析个体水平数据的工具，以及需要对这些数据如何使用的知情理解。为此，Hu等人（2026）³指出，相变模型^4,5为开发个体化定制干预措施提供了独特潜力，并强调随着机动车碰撞事故仍然是全球青少年死亡和致残的主要原因^6,7，更有效的干预方案至关重要。相变模型是一个个体层面的解释性模型，阐述驾驶员碰撞风险如何变化，包括年轻驾驶员如何学习安全驾驶，其理论基础是复杂系统原理。该模型的初始构想基于以下观点：对于年轻新手驾驶员而言，其碰撞风险的变化是突变的，且变化的时间因人而异；人与环境的交互作用可以增加突发变化的概率，或立即引发突变；而且，任何特定年轻驾驶员为何转变为较低风险状态存在相当大的异质性⁴。这些观点与此前对年轻驾驶员碰撞风险变化模式的概念化存在差异，后者主要依赖于基于暴露量的人群层面碰撞数据的渐进式变化模式，并隐含地假设这些模式会在个体层面得到镜像反映。此外，研究人员一直侧重于使用涉及数据汇总和平均化的方法，这些方法不允许精确干预手段的实施，因为它们会掩盖重要的个体层面变化模式和过程，最终呈现出一个可能并不存在的"平均"年轻驾驶员形象。这些汇总问题此前已被发现在学习、发展和绩效等其他领域同样存在问题⁸。对个体年轻驾驶员如何学习安全驾驶缺乏充分且完整的理解，将会误导个体层面干预措施和安全评估的开发方向。Hu等人正确地指出，相变模型需要严格的经验数据检验。这种检验将取决于对相关集体变量的清晰定义。这是因为相变模型认为，学习安全驾驶是一个自组织和涌现的过程。尽管驾驶在科学实践和实际应用领域（如培训、教育和政策）中常被称为"复杂"行为，但它仍然被当作仅仅是"繁杂"行为来对待——即它存在可以预测地相互作用的子组件（如车辆操控、视觉搜索、驾驶员风险偏好等），而关于这些组件如何在特定驾驶员的成长过程中动态交互的研究重视程度极低。多参数监测技术和方法的应用可以支持对相关集体变量进行更好的定义和测量，而不是每次只关注系统的某一个组件。Hu等人建议，遥测数据、神经生理数据和行为数据的组合可能最有用于此目的，尤其是在结合社会剥夺等情境信息时。作者深思熟虑地指出，在相变框架下，现实世界的驾驶最好被理解为一个演化过程。这一类比非常有用，因为在该框架下，我们试图理解持续的驾驶员-车辆-环境交互如何随着时间推移产生稳定的安全驾驶状态。在此基础上，我们可以更加审慎地思考以系统控制的形式创建一系列干预措施。回到1型糖尿病，众所周知，青少年发育期可能因激素、睡眠、大脑发育和社会行为的变化而扰乱稳定的胰岛素管理系统，需要调整干预措施⁹。儿科医生仍然侧重于向年轻人教授糖尿病管理的基础知识，如指尖采血、碳水化合物计数、手动调整胰岛素和患病日给药，以确保年轻人对自己的慢性疾病以及如何管理它有良好的理解，以防设备故障。但随着年轻人的自我管理知识、技能和信心不断提升，引入混合闭环等自动化胰岛素输注系统减少了频繁指尖采血的需求。基于连续监测处理胰岛素的微量调整，减少了年轻人及其家庭成员的情感和认知疲劳，并显著改善了血糖控制。连续血糖监测仪还为年轻人、其家庭及医疗团队提供了更精细的详细信息，使他们能够基于患者数据趋势的回顾，采取更有针对性的方法来改善血糖控制。将上述思路应用于年轻青少年驾驶员，对个人差异因素如何影响学习驾驶进行更细致的理解，例如神经多样性¹⁰、心理健康¹¹和身体健康¹²状况，结合相变模型和方法所提供的对安全驾驶行为究竟是什么以及它如何发展的更加细致的理解，能够催生一波新的干预方法浪潮，更好地支持年轻驾驶员朝着安全独立驾驶的目标迈进。当与经过验证的、面向年轻驾驶员的实用驾驶考试¹³以及经过充分测试的车辆安全和监测技术相结合时，我们或许最终能更接近实现安全系统的理想目标¹⁴。Jessica Hafetz英国苏格兰爱丁堡大学临床与应用心理学系