Исследовательская группа из Нью-Йоркского университета (NYU) и Калифорнийского университета в Лос-Анджелесе (UCLA) объединила области политики здравоохранения с сетевой наукой и динамическими системами, чтобы помочь понять механизмы распространения политики так же, как мы понимаем распространение. из одного вещества в другое. Их выводы обсуждаются в Chaos от AIP Publishing.Это направление исследований началось, когда Маурицио Порфири, инженер из Нью-Йоркского университета, увидел документальный фильм о социальных факторах, влияющих на ожирение, и подумал, что, возможно, его работа в области сетевой науки и динамических систем может помочь понять рост ожирения в США. В поисках коллег с необходимым опытом он нашел Джеймса Макинко из Калифорнийского университета в Лос-Анджелесе и Дайану Сильвер из Нью-Йоркского университета, и так родилось сотрудничество.
Однако их исследование началось с изучения распространения политики, а не ожирения, как первоначально думал Порфири.При поддержке Национального института злоупотребления алкоголем и алкоголизма команда намеревалась продемонстрировать возможность выявления причинно-следственной связи в процессах распространения политики, заключенных в сети влияния между штатами США.«Грубо говоря, мы стремимся найти способы определить лидеров и последователей среди 50 штатов США, когда дело доходит до создания новой политики в области здравоохранения», — сказал Пофири.
В то время как реконструкция сетевых топологий в коллективных системах — горячая область исследований в рамках исследований хаоса, в области политики здравоохранения проделано не так много работы. Команда продемонстрировала два взаимодополняющих подхода, основанных на теории информации и анализе временных рядов, используя систематический анализ суррогатных наборов данных, созданных с помощью минималистичной модели распространения политики, и открывая дверь для нового понимания того, как политика передается от штата к штату.
Чтобы создать реалистичную модель распространения политики, на которой можно будет протестировать алгоритмы реконструкции сети, команда изучила исследования в области нейробиологии, в частности, модели бинарных нейронов, используемых для объяснения наблюдаемых пространственно-временных закономерностей, — опыт, предоставленный Карстеном Грабоу, другим коллегой из Нью-Йоркского университета.Команда уже с нетерпением ожидает дальнейших исследований в этой области.
С точки зрения общественного здравоохранения, они хотят изучить дополнительные наборы данных, например, касающиеся регулирования табака, чтобы изучить общность наших подходов и выявить сходства в сетевых структурах в различных областях здравоохранения. С теоретической точки зрения они надеются исследовать альтернативные, управляемые данными средства для описания процесса диффузии как низкоразмерного многообразия.
С инженерной точки зрения они надеются внедрить методы контроля, чтобы улучшить распространение эффективных политик и информировать тех, кто их принимает.Их результаты могут помочь экспертам в области общественного здравоохранения найти структуры связи в своих наборах данных и выявить конкретные факторы, влияющие на распространение политики.
«Мы предполагаем, что исследователи в этой области будут подключаться к нашей работе, чтобы объяснить роль идеологии или географии, например, в распространении конкретной политики в разных штатах», — сказал Порфири. «В конечном итоге мы надеемся, что политики будут использовать сетевые научные / динамические системные подходы для принятия решений по политике здравоохранения, которые могут принести пользу нашему обществу в целом».