正如COVID-19大流行所表明的那样，系统建模可以提供强大的决策支持能力，帮助政府成功应对复杂和不断演变的公共卫生危机。
在像澳大利亚和新西兰这样的国家，政府在国家而且状态Levels与科学家密切合作，使用系统模型作为虚拟试验场，对在不同时间、不同持续时间、不同地理区域和疾病传播阶段实施的不同公共卫生措施组合进行测试。
这有助于减少现实世界的试验和错误，并为及时、果断和有效地应对大流行提供了信息，拯救了成千上万的生命在澳大利亚。
许多国家和国际机构现在认识到COVID-19和随之而来的全球衰退将对心理健康产生重大影响关键的精神健康服务中断心理压力的增加，酗酒和滥用药物，家庭暴力，还有自杀的行为．
迫在眉睫的危机被称为“影子传染病，其中年轻人、妇女和社会经济弱势群体受到的影响最大。
我们已经看到，如果通过建模和模拟得到激励和信息，政府就能积极有效地应对身体健康威胁。精神健康威胁是否会以同样严格和有力的方式得到解决仍有待观察。
即使在澳大利亚，人们普遍知道系统建模在为COVID-19的有效应对提供信息方面发挥了关键作用，而且在澳大利亚，精神卫生挑战很早就发出了信号，但令人失望的是，政府对精神卫生威胁的应对措施没有采用传统方法类似于盲目飞行．
所做的投资是反应性的，而非战略性的，是“在运行中”制定的，主要是基于似乎是健全的基于证据的决策，但缺乏对这些行动可能产生的影响的估计。
复杂系统科学复杂系统的科学揭示了单纯依赖基于高度对照试验或个别项目评估的影响估计所产生的缺陷。最近系统建模在精神卫生服务规划和自杀预防中的应用揭示了为什么基于证据的项目和举措在引入复杂系统时可能无效，甚至适得其反。
例如，经过验证和同行评审系统模型为澳大利亚新南威尔士州西部农村人口集水区开发的一项研究表明，引入全科医生培训(有效的提高全科医生对自杀意念的认识，并将其转介到适当的服务机构)，与心理健康教育计划(有效的自相矛盾的是，在提高心理健康素养和寻求帮助方面)，可能导致该地区自杀死亡人数的增加。
这一出人意料的发现是由于缺乏服务能力来满足基于证据的举措组合所产生的服务需求的增加，导致服务脱离，心理困扰持续时间增加，自杀风险增加。虽然出乎意料，但这些发现反映了许多寻求心理健康问题帮助的人的生活经历。
系统建模应用程序解决酒精相关的危害研究发现，一些基于证据的干预措施组合预计将产生协同效应(其中，提前关闭持牌场所与“关闭”和扩大对重度饮酒者的治疗服务相结合的影响预计将大于它们各自影响的总和)。
最后,一个自杀预防模型为大都市集水区开发的研究强调了精神病床位可用性与自杀率之间关系的重要阈值效应(一个动态的“临界点”)，这取决于社区专家精神卫生服务的能力。
这些例子强调，有效减轻大流行和衰退对心理健康和自杀结果的影响的规划，将取决于对实施新项目和服务组合的关键平衡和时机的理解，以及在特定背景下加强现有服务能力的理解。
为了有效应对迫在眉睫的危机，研究人员和决策者将需要超越简单地依赖于对个别项目和举措有效性的研究，并理解复杂的现实世界系统的行为，这些系统不一定会对看似合理的、基于证据的解决方案做出预期的反应。
系统建模利用广泛的现有数据和研究证据，但重要的是捕捉系统的复杂性;考虑人口统计学、行为因素、卫生服务能力和供需动态、惯性和延迟的真实来源、反馈循环以及干预相互作用和限制因素等方面随时间的变化。
BMC医学美国目前关注的焦点是心理健康研究的复杂性是及时和受欢迎的。系列特色系统建模青年心理健康和自杀的社会决定因素的研究，这项工作是为洛克菲勒基金会-波士顿大学做贡献的3 d委员会它展示了利用研究证据和数据来支持决策的最佳方法。
在捕捉社会决定因素时，系统模型能够迅速适应模拟与covid相关的失业和社会混乱，预测了澳大利亚未来5年的心理健康轨迹和服务需求，并测试了拟议的经济、健康和社会措施来避免这一轨迹。
能够利用这一现有的建模基础设施来应对新出现的卫生危机是各国政府应为未来的服务规划谋求发展的一项优势。
的BMC医学复杂性系列和3-D委员会正在为促进系统建模的更常规应用提供一个重要的跳板，并帮助实现精神卫生研究、政策和规划的范式转变。
在各国考虑如何最好地应对这种“影子大流行”之际，利用复杂系统科学的先进分析工具从未像现在这样重要。
评论