《PLOS Computational Biology》：A comparison of contact patterns derived from the population structure in agent-based models and empirical contact survey data
编辑推荐：
摘要
智能体模型（Agent-based models, ABMs）是模拟疾病传播的有力工具，其依赖于个体层面的交互规则，从而涌现出宏观动力学。ABM中的一个重要组成部分是接触行为。为降低计算复杂度，ABM中的接触行为通常被假设为在按结构定义的场所（如工作
摘要
智能体模型（Agent-based models, ABMs）是模拟疾病传播的有力工具，其依赖于个体层面的交互规则，从而涌现出宏观动力学。ABM中的一个重要组成部分是接触行为。为降低计算复杂度，ABM中的接触行为通常被假设为在按结构定义的场所（如工作场所）内进行随机混合，而场所的构成通常基于人口普查信息等经验数据。然而，这种代表接触的方法的有效性仍不清楚。为弥补这一空白，研究人员将一个大规模ABM中通过该方法推导出的接触结构与经验性接触调查数据进行了比较，比较内容涉及家庭、学校、工作场所、所有剩余接触场所以及所有接触合并后的年龄接触矩阵（基于差异矩阵和平方误差和（sum of squared errors, SSE））。研究结果表明，在已知年龄构成的场所（如家庭（SSE: 0.7, 95% CI: 0.4–0.9）、学校（SSE: 0.7, 95% CI: 0.3–1.1）和工作场所（SSE: 0.5, 95% CI: 0.2–0.7））中进行随机混合，能够捕捉到基本的交互模式，但无法解释接触数量中与年龄相关的变化。差异最大的出现在这些场所之外的接触（SSE: 3.8, 95% CI: 1.2–6.5），因为ABM通常使用随机的区域接触，未能捕捉到接触调查中观察到的年龄结构化行为。将两种方法得到的接触矩阵应用于一个年龄结构的分隔模型（compartmental model）中，会导致模拟的流行病结果在基本再生数（reproduction number）和不同年龄组的传播动态方面出现显著差异。研究结果表明，在ABM中基于人群结构来表示接触行为的简单方法，在具有明确年龄结构的场所中可能是有效的，而对于先验结构较低的场所，则需要更高级的方法来代表接触调查中观察到的接触行为。
作者总结
基于智能体的传染病模型是理解疾病传播和评估潜在应对措施的工具。这些模型基于简单规则模拟个体行为，并允许对疾病传播进行详细描述。其中一个基本规则是个体的接触行为，因为它决定了哪些病原体传播是可能的。智能体模型通常假设个体在其所在场所（如家庭或工作场所）内随机混合，而这些场所是基于整体人群结构进行模拟的。研究人员通过比较一个反映德国人群的智能体模型所模拟的接触结构与一项德国接触调查所收集的接触数据，来探究这种方法是否能真实呈现接触模式。研究人员发现，随机混合可以作为家庭、学校和工作场所等场所的近似方法，因为这些场所的接触结构与在场个体的年龄结构相似。对于预先定义的人群结构之外的接触，基于人群信息推导出的接触模式与经验性调查数据存在偏差。通过使用一个简单的分隔模型，研究人员得出结论，观察到的差异可能导致模拟的病原体传播出现流行病学上相关的差异。然而，需要进一步研究来评估智能体模型内不同接触结构的影响。
论文解读文章
**研究背景**
理解疾病传播的复杂动态需要能够捕捉个体层面行为和交互的工具。智能体模型（Agent-based models, ABMs）提供了这种能力，能够在真实人群中进行流行病模拟。ABM模拟疾病传播的准确性依赖于个体行为的精确设定，尤其是接触行为。根据不同病原体类型，模型需要代表的接触类型各不相同，例如对于COVID-19等呼吸道感染，面对面接触（如交谈或坐邻座）是关键。真实世界个体的接触行为已在不同人群规模上得到广泛研究，其中最著名的是POLYMOD调查，该调查评估了多个欧洲国家个体的接触行为，并被用于参数化传染病模型多年。然而，接触行为可能随时间变化，因此需要纳入新研究，例如COVIMOD研究，该研究评估了德国个体在COVID-19大流行期间及之后的接触行为。尽管ABM理论上可以任意复杂度地建模接触行为，但计算限制迫使研究者采用简单方法以确保高效模拟，尤其是在模拟大规模人群时。德国流行病微观模拟系统（GEMS）框架允许模拟整个德国人群的疾病动态，其最有效的方法假设个体在场所内随机混合。这种假设在多种大规模ABM中被采用，以减少计算复杂度。在本分析的基础参数化中，预设场所对应个体的家庭、工作场所、学校和居住地（municipality）。基于人群结构，模拟的接触结构并非整个群体的随机混合，而是同一场所内个体的随机混合，从而将该场所的年龄结构强加为接触结构。这种年龄结构是在合成人群创建过程中形成的，使用了人口普查和工作场所数据。然而，使用场所内随机混合虽然能产生计算高效的模型，但可能无法代表真实世界观察到的细微接触结构，这引出了核心问题：场所内随机混合的假设能否再现经验性接触调查所观察到的接触行为？这一假设在构建接触网络和接触矩阵时也普遍应用，因此评估其有效性对传染病建模实践具有广泛意义。为评估该假设，研究人员将GEMS中使用随机混合接触采样方法模拟的接触结构与COVIMOD调查的经验接触数据进行了比较。比较分为三步：首先从ABM和接触调查中提取接触矩阵；其次，通过最小化模拟矩阵与调查矩阵在各场所的差异来校准ABM中的接触采样方法；最后，研究剩余的结构性差异并识别其来源。此外，研究人员还评估了接触矩阵差异在年龄分层的易感-感染-康复（SIR）分隔模型中对流行病学结果的影响。
**研究内容与结论**
研究人员利用GEMS（德国流行病微观模拟系统）这一ABM，模拟了德国全人群的接触行为，并将其与COVIMOD调查（一项纵向队列研究，包含36波调查，本文使用2022年11月至2023年3月的最后三波，共计7,481名参与者，报告23,146个接触）进行了比较。接触矩阵按家庭、学校、工作场所、其他场所及所有接触合并进行分类，采用五岁年龄组（最后一组80+）构建。校准过程通过最小化平方误差和（SSE）来调整ABM中每个场所的平均每日接触数，并对具有子结构的学校和工作场所使用数值优化。随后，将两种接触矩阵代入年龄结构SIR模型，比较基本再生数和传播动态。研究发现：在家庭、学校和工作场所等具有明确年龄结构的场所，随机混合假设能捕捉基本交互模式（SSE分别为0.7、0.7和0.5），但无法解释与年龄相关的接触数变异（如儿童和年轻人接触数被低估，老年人接触数被高估）。在其他场所（即家庭、学校和工作场所之外的接触），随机区域接触导致SSE高达3.8，完全无法模仿调查中观察到的年龄同配性和异质性社交活动。将所有接触合并后SSE为7.6。流行病影响分析显示，基于COVIMOD接触矩阵的SIR模型的基本再生数为3.82，而基于ABM模拟矩阵的为2.79，比值约为0.73，导致模拟的传播速度、峰值感染数和年龄组间传播动态存在显著差异。即使调整传播率使再生数相等，基于ABM矩阵的模拟仍表现出更宽的年龄组传播谱和更高的峰值感染数。论文发表在《PLOS Computational Biology》。
**主要关键技术方法**
- **数据来源**：COVIMOD调查（德国人群接触调查，2022年11月至2023年3月三波数据，7,481名参与者，23,146个接触）与GEMS（德国流行病微观模拟系统）中基于合成人群Gesyland的ABM模拟（合成人群使用德国2011年人口普查、2019年微观人口普查、GEDA健康调查数据及通勤表构建）。
- **接触矩阵构建**：利用socialmixr包从调查数据生成五岁年龄组接触矩阵，对ABM模拟的个体接触直接按年龄分组计算。校准通过最小化SSE，对具有子结构的场所使用Nelder-Mead算法优化子结构平均接触数。
- **流行病影响分析**：将两种接触矩阵代入年龄结构SIR模型，使用下一代矩阵方法（next generation approach）计算再生数比，并通过数值模拟比较传播动态（设定恢复率γ=1，传播率β=0.1或根据再生数调整）。
- **不确定性评估**：对COVIMOD参与者进行自助法（bootstrapping）计算95%置信区间，ABM模拟由于样本量庞大不确定性可忽略。
**研究结果**
1. **家庭接触**：ABM校准后的接触矩阵（平均家庭接触数2.38）与调查矩阵相比，捕捉到了年龄同配性（对角线）和代际接触（副对角线），但低估了25岁以下人群（尤其是5-10岁组）的同龄及邻龄接触，高估了80+年龄组的同龄接触，原因是随机混合假设所有个体每日接触数相同，未能反映儿童的高社交活跃度和老年人的低社交活动。
2. **学校接触**：COVIMOD调查矩阵显示强年龄同配性（源于学校按年龄分班）以及少量的教师-学生接触副对角线。ABM通过校准子结构（学校年级平均接触数13.52，学校班级为0）发现，仅使用学校年级的随机混合最佳（全局最小值占88%），但校准后的ABM矩阵显著低估了10-15岁年龄组的同龄接触，高估了最年轻年龄组的同龄接触，且无法捕捉教师-学生接触（因为教师被分配到工作场所而非学校场所）。
3. **工作场所接触**：调查矩阵显示工作年龄人群的接触（15-70岁）具有波动性，并存在与儿童和老年人的不对称接触（如保育员、教师）。ABM校准后（工作场所子结构：工作场所地点的平均接触数为0，工作场所为0.17，部门为0.88，办公室为0），所有子结构年龄构成相似导致接触结构相似，但ABM显著低估15-20岁年龄组的工作接触，且无法表示工人与工作年龄以外人群的不对称接触（因为仅将工作年龄个体纳入工作场所）。
4. **其他场所接触**：COVIMOD调查矩阵显示所有年龄组的年龄同配性，尤其是年轻人，且中年人具有更高的接触多样性。ABM中的其他接触被实施为市内随机混合，导致接触结构与市人群年龄构成一致（呈现水平带），完全无法再现调查中的年龄同配性和活跃度异质性，校准后平均接触数为
