多状态药物使用传播中的自适应网络动力学与行为传染

成瘾行为通过社会网络传播，其机制涉及选择、同伴压力和关系变动之间的反馈，这一过程超出了标准流行病模型的范围。我们提出了一个全面的多状态网络模型，该模型整合了基于效用的行为转换与自适应网络重连，捕捉了药物使用模式与社会结构之间的协同演化动力学。我们的框架通过结合药物使用行为与成瘾状态，区分了四种不同的个体状态，同时允许个体策略性地断开与吸毒邻居的联系，并与非使用者建立新联系。蒙特卡洛模拟表明，重连重塑了传染过程，将高度数节点拉入无药物集群，并将使用者孤立在稀疏的边缘。对四维参数空间的系统探索揭示了类似于统计物理中临界现象的尖锐相变，其中恢复率或成瘾转化率的微小变化会引发群体层面结果的剧烈变化。最重要的是，重连概率成为主导控制参数，表明在决定成瘾流行率方面，自适应网络管理比生物易感性因素更具影响力。我们的发现挑战了传统的干预范式，揭示了赋予个体管理其社交环境的能力可能比单纯针对个体行为改变更有效。