齐明慧 李文超 姚淳 任翠环
摘 要：阿片类药物的泛滥成为美国当今社会面临的严重问题，为医疗体系带来沉重负担。本文利用有限的数据，进行统计和分析，建立阿片类药物案例数量模型，得到合成阿片类药物传播范围广、案例数量大、涉及药品种类多。其中OH和VA具有明显的扩张趋势。建立阿片类药品数量模型，预测出出令美国政府担忧的危险状态的时间大概发生在2028年，同时结合其药品案例数量可确定出发生地为OH 州的MAHONING。通过相关性检验构建了药品发展与社会经济因素的关系性模型。利用协方差和相关性系数的计算，确定出药品案例增长率与社会经济因素相关，同时其与教育、家庭 、处方药和人口数量增长率的相关性较强，并依据所得结修正药品案例数的增长率以及模型。最后，提出针对性策略，为提出的阿片类药品泛滥控制策略的有效性提供了有力依据和指导。
关键词：阿片类药品危机;熵权法;策略
引 言
2017年10月，美国总统特朗普宣布美国进入紧急状态。这是美国政府首次因长期的公共卫生危机而宣布进入紧急状态，足以见得阿片类药物的滥用对美国造成的负面影响之大。美国疾病控制中心等联邦机构正努力防止阿片类药物使用障碍等疾病对健康造成的负面影响，但是，联邦调查局、美国药品管理局和执法局等在执行现行法律方面都面临很大的难题。因此，解决阿片类药物危机已经迫在眉睫。本文对阿片类药物现状进行了合理性分析，确定了发源地，并作出了再次泛滥的预测，提出了适当的策略。
1 数据分析
将数据按州进行分类处理，分析俄亥俄州（OH）、肯塔基州（KY）、西弗吉尼亚州（WV）、弗吉尼亚州（VA）和宾夕法尼亚州（PA）在2010-2017年的药物案例数量总体情况。五个州八年合成阿片类药物总数。
俄亥俄州（OH）药物案例总数随着时间一直以平7.85%的速度增长;肯塔基州（KY）药品案例总数随时间相对稳定，最终呈增长趋势;西弗吉尼亚州（WV）药品案例总数以平均0.25%的速度缓慢降低;弗吉尼亚州（VA）药品案例总数呈波浪式变化，且增长率正负、大小变化显;宾夕法尼亚州（PA）药品总案例数整体呈下降趋势，速度减少。截止2017年，案例总数由多到少的排序为OH、PA、VA、KY、WV。
五个州的药品种类数均自2015年起以较大的增长率增加，具有明显的上升趋势，药品种类最少也在十个左右，由此可见案件涉及的药品类数之多。截止2017年，药品种类数量由多到少的排名依次为OH、PA、KY、VA、WV。
2 阿片类药物数量
2.1建立阿片类药物数量模型
以JEFFERSON为例，设JEFFERSON的醉性镇痛药（合成阿片类药物）和海洛因的药物总计数为Q，
为每类新药品增加的数量，y1为新增加药品类数;λ2为每类减少的药品的数量，y2 为减少药品类数。从某种药品出现开始计时，α（t） 为该种药品的增长率[1]，是一个关于时间t的函数，而且会受到新增药品案例或者减少药品案例的影响。当它的值为正时，对应药品的数量会一般增加;当它的值为0时，数量基本保持不变;当它的值为负时，数量一般会减少。
综上，阿尔类药品数量模型为
该县的药品案例总数达到最大值时，即Qi值达到最大值时，情况最为严重，也最容易导致阿片类药品更大范围地扩散，对美国造成更大的影响，这也是最值得美国政府担忧的问题。
将JEFFERSON的2010-2017年中总数、种类、新增种类和减少种类进行统计
取λ1的平均值为2，取λ2的平均值为1;取y1 为2，取y2 的值为1，代入模型。得到当Qi值达到下一个极大值时，Heroin的α（t） 的值为0，由于α（t） 是关于时间的函数，可以确定距Heroin开始在JEFFERSON泛滥的时间为20年，与所给数据基本符合。
利用此模型计算现有所有药品的案例极大值，取时间最短能使Qi达到下一个极大值的药品为依据，计算它离现在还有多长时间，并根据此种药品在已知年份中的数量，确定该地的具体位置。预测大概在2028年OH州的MAHONING出现阿片类药品泛滥的最严重情况。
2.2建立阿片类药物改进模型
以KY州为例，根据表ACS_10_5YR_DP02_metadata得到23大类，但是其中三类的数据有缺失，不能代表这几年的增长率所以舍弃，只分析剩下的20个因素。通过EXCEL筛选功能得到KY州JEFFERSON的2010-2016年里以上因素的Estimate值。
3阿片类药物泛滥的主要影响因素确立
现研究模型中HC01-VC03、HC01-VC85、HC01-VC105、HC01-VC130的年增长率与模型因变量参数县的药品案例总数的年增长率的联动性关系[5]。
假设本模型的自变量参数HC01-VC03为基准方案M[6]，在此方案的基础上进行-10%、-5%和10%幅度的波动，画出阿片类药品案例总数Q随主要因素HC01-VC03的解曲线，如图4所示。随着HC01-VC03的年增长率的变化，阿片类药品案例总数Q变化显着，说明它对HC01-VC03的年增长率的变化使敏感的。而且当HC01-VC03的年增长率进行-10%、-5%和10%时，县的药品案例数的增长0.042%、0.063%、减少0.037%，其相应的灵敏度[7]变化为38.61%、18.99%和46.76%
4结语
面对美国的阿片类药物危机，本文对五个州现状进行了分析、并对未来阿片类药品泛滥趋势进行了预测。结合美国当前的社会经济因素，表达了自己的对于控制阿片类药品泛滥的有效政策，希望对控制阿片类药物泛滥有所帮助。
参考文献：
[1]孟宪伟. （2012）. microRNA与人类疾病关联的预测方法研究与实现. （Doctoral dissertation， 哈尔滨工业大学）.
[2]李焕哲， 吴志健， 汪慎文， & 郭肇禄. （2017）. 协方差矩阵自适应演化策略学习机制综述. 电子学报， 45（01）， 241-248.
[3]李国俊， 朱光耀， 李宗春， 李伟， & 孙元超. （2018）. 利用voronoi协方差矩阵重建隐式曲面. 中国图象图形学报， 21（3）， 323-330.
