美國阿片類藥物危機的研究

齊明慧 李文超 姚淳 任翠環(huán)

摘 要：阿片類藥物的泛濫成為美國當今社會面臨的嚴重問題，為醫(yī)療體系帶來沉重負擔。本文利用有限的數(shù)據(jù)，進行統(tǒng)計和分析，建立阿片類藥物案例數(shù)量模型，得到合成阿片類藥物傳播范圍廣、案例數(shù)量大、涉及藥品種類多。其中OH和VA具有明顯的擴張趨勢。建立阿片類藥品數(shù)量模型，預測出出令美國政府擔憂的危險狀態(tài)的時間大概發(fā)生在2028年，同時結合其藥品案例數(shù)量可確定出發(fā)生地為OH 州的MAHONING。通過相關性檢驗構建了藥品發(fā)展與社會經(jīng)濟因素的關系性模型。利用協(xié)方差和相關性系數(shù)的計算，確定出藥品案例增長率與社會經(jīng)濟因素相關，同時其與教育、家庭 、處方藥和人口數(shù)量增長率的相關性較強，并依據(jù)所得結修正藥品案例數(shù)的增長率以及模型。最后，提出針對性策略，為提出的阿片類藥品泛濫控制策略的有效性提供了有力依據(jù)和指導。

關鍵詞：阿片類藥品危機;熵權法;策略

引 言

2017年10月，美國總統(tǒng)特朗普宣布美國進入緊急狀態(tài)。這是美國政府首次因長期的公共衛(wèi)生危機而宣布進入緊急狀態(tài)，足以見得阿片類藥物的濫用對美國造成的負面影響之大。美國疾病控制中心等聯(lián)邦機構正努力防止阿片類藥物使用障礙等疾病對健康造成的負面影響，但是，聯(lián)邦調查局、美國藥品管理局和執(zhí)法局等在執(zhí)行現(xiàn)行法律方面都面臨很大的難題。因此，解決阿片類藥物危機已經(jīng)迫在眉睫。本文對阿片類藥物現(xiàn)狀進行了合理性分析，確定了發(fā)源地，并作出了再次泛濫的預測，提出了適當?shù)牟呗浴?/p>

1 數(shù)據(jù)分析

將數(shù)據(jù)按州進行分類處理，分析俄亥俄州（OH）、肯塔基州（KY）、西弗吉尼亞州（WV）、弗吉尼亞州（VA）和賓夕法尼亞州（PA）在2010-2017年的藥物案例數(shù)量總體情況。五個州八年合成阿片類藥物總數(shù)。

俄亥俄州（OH）藥物案例總數(shù)隨著時間一直以平7.85%的速度增長;肯塔基州（KY）藥品案例總數(shù)隨時間相對穩(wěn)定，最終呈增長趨勢;西弗吉尼亞州（WV）藥品案例總數(shù)以平均0.25%的速度緩慢降低;弗吉尼亞州（VA）藥品案例總數(shù)呈波浪式變化，且增長率正負、大小變化顯;賓夕法尼亞州（PA）藥品總案例數(shù)整體呈下降趨勢，速度減少。截止2017年，案例總數(shù)由多到少的排序為OH、PA、VA、KY、WV。

五個州的藥品種類數(shù)均自2015年起以較大的增長率增加，具有明顯的上升趨勢，藥品種類最少也在十個左右，由此可見案件涉及的藥品類數(shù)之多。截止2017年，藥品種類數(shù)量由多到少的排名依次為OH、PA、KY、VA、WV。

2 阿片類藥物數(shù)量

2.1建立阿片類藥物數(shù)量模型

以JEFFERSON為例，設JEFFERSON的醉性鎮(zhèn)痛藥（合成阿片類藥物）和海洛因的藥物總計數(shù)為Q，

為每類新藥品增加的數(shù)量，y1為新增加藥品類數(shù);λ2為每類減少的藥品的數(shù)量，y2 為減少藥品類數(shù)。從某種藥品出現(xiàn)開始計時，α（t） 為該種藥品的增長率[1]，是一個關于時間t的函數(shù)，而且會受到新增藥品案例或者減少藥品案例的影響。當它的值為正時，對應藥品的數(shù)量會一般增加;當它的值為0時，數(shù)量基本保持不變;當它的值為負時，數(shù)量一般會減少。

綜上，阿爾類藥品數(shù)量模型為

該縣的藥品案例總數(shù)達到最大值時，即Qi值達到最大值時，情況最為嚴重，也最容易導致阿片類藥品更大范圍地擴散，對美國造成更大的影響，這也是最值得美國政府擔憂的問題。

將JEFFERSON的2010-2017年中總數(shù)、種類、新增種類和減少種類進行統(tǒng)計

取λ1的平均值為2，取λ2的平均值為1;取y1 為2，取y2 的值為1，代入模型。得到當Qi值達到下一個極大值時，Heroin的α（t） 的值為0，由于α（t） 是關于時間的函數(shù)，可以確定距Heroin開始在JEFFERSON泛濫的時間為20年，與所給數(shù)據(jù)基本符合。

利用此模型計算現(xiàn)有所有藥品的案例極大值，取時間最短能使Qi達到下一個極大值的藥品為依據(jù)，計算它離現(xiàn)在還有多長時間，并根據(jù)此種藥品在已知年份中的數(shù)量，確定該地的具體位置。預測大概在2028年OH州的MAHONING出現(xiàn)阿片類藥品泛濫的最嚴重情況。

2.2建立阿片類藥物改進模型

以KY州為例，根據(jù)表ACS_10_5YR_DP02_metadata得到23大類，但是其中三類的數(shù)據(jù)有缺失，不能代表這幾年的增長率所以舍棄，只分析剩下的20個因素。通過EXCEL篩選功能得到KY州JEFFERSON的2010-2016年里以上因素的Estimate值。

3阿片類藥物泛濫的主要影響因素確立

現(xiàn)研究模型中HC01-VC03、HC01-VC85、HC01-VC105、HC01-VC130的年增長率與模型因變量參數(shù)縣的藥品案例總數(shù)的年增長率的聯(lián)動性關系[5]。

假設本模型的自變量參數(shù)HC01-VC03為基準方案M[6]，在此方案的基礎上進行-10%、-5%和10%幅度的波動，畫出阿片類藥品案例總數(shù)Q隨主要因素HC01-VC03的解曲線，如圖4所示。隨著HC01-VC03的年增長率的變化，阿片類藥品案例總數(shù)Q變化顯著，說明它對HC01-VC03的年增長率的變化使敏感的。而且當HC01-VC03的年增長率進行-10%、-5%和10%時，縣的藥品案例數(shù)的增長0.042%、0.063%、減少0.037%，其相應的靈敏度[7]變化為38.61%、18.99%和46.76%

4結語

面對美國的阿片類藥物危機，本文對五個州現(xiàn)狀進行了分析、并對未來阿片類藥品泛濫趨勢進行了預測。結合美國當前的社會經(jīng)濟因素，表達了自己的對于控制阿片類藥品泛濫的有效政策，希望對控制阿片類藥物泛濫有所幫助。

參考文獻：

[1]孟憲偉. （2012）. microRNA與人類疾病關聯(lián)的預測方法研究與實現(xiàn). （Doctoral dissertation， 哈爾濱工業(yè)大學）.

[2]李煥哲， 吳志健， 汪慎文， & 郭肇祿. （2017）. 協(xié)方差矩陣自適應演化策略學習機制綜述. 電子學報， 45（01）， 241-248.

[3]李國俊， 朱光耀， 李宗春， 李偉， & 孫元超. （2018）. 利用voronoi協(xié)方差矩陣重建隱式曲面. 中國圖象圖形學報， 21（3）， 323-330.