维系关系的纽带：俄亥俄州九个HEALing社区联盟成员之间的纽带

《Journal of Public Health Management and Practice》：The Ties That Bind: The Relationships Among Members in Nine Ohio HEALing Communities Coalitions

　　摘要
背景：在俄亥俄州9个县，社区联盟正在实施“治愈社区”（CTH）干预措施，以减少阿片类药物过量死亡案例，这是“治愈社区研究”（HCS）的一部分。
目的：通过社会网络分析评估这9个俄亥俄州HCS联盟的网络结构，考察组织在网络中的位置（如连通性、中心性、密度）、对价值和信任的感知，以及这些位置与信任和价值之间的关联。
设计：与Visual Networks Lab（VNL）合作，利用有效的调查工具和“分析、记录和追踪网络以增强关系”（PARTNER）程序，在2022年8月31日至11月8日的干预初期收集横截面数据，以测量组织间的联系和特性。
地点：这些县位于俄亥俄州各地，被随机分配到HCS的第二阶段研究中。
参与者：来自9个俄亥俄州联盟的153个成员组织。联盟规模从16个到27个成员组织不等，没有组织同时参与多个联盟。
主要结果指标：组织合作关系的数量、感知价值以及信任评分。
结果：不同县之间的联盟结构存在差异，网络图表显示了各组织之间的联系数量和类型。在联盟层面，平均联系数量在2.94到7.13之间；联盟的连通性（密度）从低（0.17）到中等（0.31）不等；平均信任评分在3.25到3.53（满分4分）之间，而平均价值观评分则在2.61到3.07（满分4分）之间；度中心性（联系最多）在0.3到0.6之间，接近中心性（联系较短）在0.2到0.5之间。在8个联盟中，信任和价值之间存在相关性；中心性、信任和价值评分之间的关联差异显著。
结论：联盟结构的差异可能反映了社区背景的不同。了解联盟结构（包括按行业分类）以及对信任和价值的感知，可以增强联盟领导力，提高合作效果和实现目标的能力。

引言
社会网络分析探讨了人际关系动态如何影响个体和群体结果，包括信息和资源的传播。该方法已广泛应用于社会科学领域，包括公共卫生研究。公共卫生中的网络分析通常关注疾病传播、物质使用和心理健康问题，以及各种个人健康行为。然而，卫生服务学者也使用该方法来研究跨系统合作，如社区联盟。联盟汇集相关社区利益相关者和专家，共同应对公共卫生问题，以提高社区的应对能力。通过这些合作，有效的联盟能够识别并解决服务提供中的差距，通过减少组织间竞争和消除重复来更高效地分配资源，并促进信息与资源共享。尽管联盟对社区有巨大潜力，但它们必须克服诸多挑战才能发挥作用。不同规模、具有不同使命的组织之间的合作常常面临困难，这可能导致决策过程繁琐、冲突以及干预效果不佳。此外，联盟的网络结构（即组织数量及其在网络中的位置）也会影响联盟的功能和效能感知。例如，Valente等人发现，联系更紧密的联盟（即合作伙伴组织之间高度互联的联盟）在物质使用预防干预方面的效果反而较差。联盟需要强有力的领导力来培养互信和合作的文化，这是参与式决策过程、资源共享和伙伴参与（以价值衡量）的基础，但相关指导有限。研究人员已识别出影响联盟运作的因素（如沟通和领导风格），但对于成员之间如何相互感知和联系了解甚少。为了设计有效的联盟，需要更多研究来解释促进组织间合作的关系动态，从而最大化社区影响。

背景
本研究在俄亥俄州进行，是“治愈社区研究”（HCS）的一部分，该研究是一个并行的、待入选的、集群随机试验，旨在测试“治愈社区”（CTH）干预措施在4个美国州减少阿片类药物过量死亡的效果。CTH干预基于“关爱社区”（CTC）模型，社区联盟是HCS的关键参与策略。在HCS中，社区联盟利用本地数据选择基于证据的做法（EBP），目标是增加纳洛酮等药物治疗阿片类药物使用障碍的有效性。HCS联盟由代表多个行业和机构的组织和个人组成。研究协议规定了联盟运作的某些方面，例如HCS研究团队与联盟之间需要签订章程协议，并指定负责干预关键领域的负责人（如数据负责人，推动基于证据的做法选择）。不过，联盟的组建和管理细节由各州内的具体社区自行决定。在俄亥俄州，研究选取的社区是在县级层面确定的，并且地理位置相隔较长。由于地理上的分离，每个HCS联盟都是独立的，没有重叠。俄亥俄州的HCS联盟大多起源于原有的县级联盟，这些联盟通常具有广泛的使命，旨在解决多样化的社会问题。随着HCS干预的开始，联盟成员与HCS研究人员的讨论，形成了更加聚焦的“HCS联盟”。原有的联盟通过参与研究发展出副委员会结构，有些副委员会负责HCS相关的决策，并与原有联盟保持信息汇报关系。尽管HCS研究团队提供了各种资源（人员和资金支持），但决策权仍掌握在地方联盟手中。干预措施涵盖三个领域：医疗保健（如医院、急救医疗服务、门诊诊所）、行为健康（如康复服务、注射器服务项目）和刑事司法（如监狱、法院、执法部门）。联盟还与其他社区合作伙伴（包括宗教和商业组织）合作。作为成瘾领域最大的基于社区的干预研究之一，HCS为联盟研究提供了重要补充。本研究旨在探讨9个待入选的俄亥俄州HCS联盟内部的关系动态。

方法
本研究是一项探索性、描述性研究，旨在分析影响联盟运作关系的动态，特别是在实施减少阿片类药物过量死亡干预措施的过程中。我们运用社会网络分析方法，研究多个行业的联盟内部关系动态。

方法论
本研究采用社会网络分析方法，分析俄亥俄州HCS待入选联盟成员组织之间的结构、感知价值和信任情况。通过组织调查数据绘制网络图，以展示组织间的联系。评估组织连通性指标与感知价值或信任评分之间的关联，探讨在联盟中联系紧密的组织是否同时也受到高度重视和信任。

样本
样本包括9个基于俄亥俄州的待入选联盟，这些联盟参与了“治愈社区研究”（HCS）。这些联盟按县划分，地理位置相互分离，且没有相邻的县。每个联盟内的组织都是独立的。研究团队与每个联盟的领导团队合作，整理出合作伙伴名单，作为制定调查问卷的依据。这是一项有界限的横截面调查，每个联盟的样本数量不超过30个组织。虽然每个联盟都限制在30个组织以内，但实际上没有联盟超过27个成员组织。

数据分析
数据使用“分析、记录和追踪网络以增强关系”（PARTNER）工具收集。PARTNER是一个在线调查和分析工具，常用于研究社区联盟，包括测量成员组织的联系和特性。数据收集始于2022年7月1日的干预初期，联盟有3周时间完成调查。调查分阶段在各联盟中进行，数据收集时间范围为2022年8月31日至11月8日。参与组织列出了与他们有正式或非正式联系的所有组织，然后对这些组织在6个维度上进行评分：可靠性、参与度、对使命的承诺、提供的资源、开放性以及联盟内的影响力/权力。

表格1：网络结构指标的定义
表1列出了所分析的网络结构指标，包括密度、方向性、联系频率、度中心性和接近中心性。网络图展示了组织在网络中的相对位置，有助于了解每个组织对联盟成果的潜在影响。例如，某些组织（及其所在行业）可能更有利于实现特定联盟目标。根据网络位置，某些组织可能更有利于传播信息或资源分配。据我们所知，这是首次利用结构（中心性、行业）和感知（信任/价值）指标分析多个实施相同基于证据协议的联盟之间组织关系的研究。**度中心性（Degree Centrality）**：这是组织/节点在网络中的连接数量。直接与更多组织相连的组织被认为更具中心性，因为它们可能能够获取或提供更多资源。所有联系都会被计入统计。

**接近中心性（Closeness Centrality）**：接近性是通过确定成员之间的最短距离来衡量的。这对于尝试快速在群体中传播信息非常有用。

**成员组织的感知价值与信任（Perceived Value and Trust of a Member Organization）**：除了网络结构特征之外，了解同伴如何看待这些组织还能为联盟的运作提供更细致的视角。我们根据PARTNER验证的量表，在6个维度上推导出每个组织的感知价值和信任度。“价值”是一个综合评分，基于权力/影响力、资源贡献和时间投入的评级；信任则基于可靠性、对使命的支持以及开放讨论的评级。每个维度都在1-4的Likert量表上进行评分（1=完全没有，2=少量，3=相当多，4=非常多）。信任和价值的综合评分是各维度评分的平均值（未加权）。

**分析目标 #1**：使用关键的网络结构指标描述并比较俄亥俄-HCS第二波联盟中的关系动态（见表1中的指标和定义）：为了比较联盟网络结构并评估组织/部门的定位，我们确定了每个联盟的组织总数、总连接数、每个组织的平均连接数以及密度分数（整体网络连通性的度量）。然后为每个联盟构建了社交网络图（代表组织关系的数学模型）。对于每个联盟，我们识别了每个组织连接的频率和方向。我们使用Python的Network X库，根据shell布局从图结构创建了联盟网络图。shell布局使用从连接最多的组织到连接最少的组织递增的同心圆来表示这些关系。我们确定了联盟内一个组织的总连接数，对这些连接进行了排序，并将联盟内的范围分成了百分位数。利用这些百分位数，我们使用3个同心圆绘制了每个联盟的结构：内圈显示连接最多的组织（包括66%及以上的所有连接），中圈显示连接适中的组织（高于第33百分位数但不包括第66百分位数），外圈显示连接最少的组织（低于第33百分位数）。为了在网络图中标识部门，每个部门都被分配了一个独特的形状和颜色（例如，行为健康组织用蓝色圆圈表示，医疗保健组织用黄色正方形表示）。然后根据每个组织相对于其他组织的百分位排名来绘制其网络位置。节点的大小（例如蓝色圆圈）与其入度得分成正比（较大的节点表示接收到的连接数量较多）。每个节点周围的空心边框表示其出度得分（较大的空心节点表示发出的连接数量较多）。为了保持匿名性，组织名称被替换为数字和部门缩写。最后，根据接触频率绘制了节点之间的有向边（线条表示），虚线表示每月或每季度的沟通，实线表示每周或每日的沟通。

**分析目标 #2**：描述并比较联盟组织成员的感知可信度和价值：价值和可信度是根据验证量表的调查项目详细计算得出的。

**分析目标 #3**：研究组织连通性与组织感知价值和信任得分之间的关联：使用Spearman相关系数以及无偏调整后的Fisher z转换95%置信区间，计算了中心性指标（度中心性和接近中心性）与综合信任和价值得分之间的关联。估计了每个联盟的中心性指标的汇总统计量（均值、标准差和范围）。还计算了每个联盟的调查响应率以及所有联盟的平均响应率。所有估计都使用SAS 9.4进行。

**结果**：共有204个组织参与了9个联盟。联盟规模从16个到27个成员组织不等，平均每个联盟有23个成员组织。各联盟的调查响应率在54%到91%之间，平均响应率为68%。虽然并非所有成员组织都参与了调查，但那些参与的组织（n=153）共同提供了关于9个联盟中所有204个成员组织的信息。表2详细列出了每个联盟的汇总指标。每个联盟的组织间总联系数在47到164之间。在每个联盟内，平均联系数在2.94到7.13之间。密度分数在0-1的范围内，分数为1表示每个组织都与其他所有组织相连。密度值在0.17到0.31之间，表明连通性较低（低于0.20）到中等（高于0.20）。联盟的平均信任得分在3.25到3.53之间（满分4分）；平均价值得分在2.61到3.07之间（满分4分）。对于这两个指标，得分超过3表示“相当多”或“非常多”；得分低于3表示“完全没有”或“少量”。

**表2 - 各联盟的网络指标汇总**
（请向左或向右滚动查看完整表格）

| 指标/联盟 | A | B | C | D | E | F | G | H | I |
|------------------|------|------|------|------|------|------|------|------|------|
| 组织总数 | 26 | 20 | 26 | 18 | 23 | 24 | 27 | 24 | 16 |
| 总连接数 | 131 | 105 | 112 | 66 | 164 | 130 | 121 | 47 |
| 每联盟平均连接数 | 5.040 | 5.250 | 4.310 | 3.670 | 7.130 | 5.830 | 4.810 | 2.940 |
| 密度 | 0.202 | 0.276 | 0.172 | 0.216 | 0.324 | 0.254 | 0.185 | 0.219 | 0.196 |
| 平均价值得分（均值±标准差） | 2.9 (0.54) | 3.0 (0.64) | 3.1 (0.53) | 2.8 (0.69) | 3.0 (0.62) | 2.7 (0.92) | 2.6 (1.07) | 2.6 (0.52) | 3.0 (0.63) |
| 平均信任得分（均值±标准差） | 3.3 (0.42) | 3.5 (0.30) | 3.5 (0.33) | 3.5 (0.41) | 3.5 (0.42) | 3.0 (0.97) | 3.0 (1.15) | 3.5 (0.33) | 3.5 (0.44) |
| 平均中心性指标 | | | | | | | | | |
| 度中心性 | 0.4 (0.31) | 0.6 (0.31) | 0.3 (0.27) | 0.4 (0.36) | 0.6 (0.32) | 0.5 (0.29) | 0.4 (0.27) | 0.4 (0.29) |
| 接近中心性 | 0.3 (0.05) | 0.4 (0.06) | 0.3 (0.05) | 0.2 (0.07) | 0.5 (0.09) | 0.4 (0.14) | 0.3 (0.14) | 0.4 (0.07) | 0.3 (0.10) |

中心性指标表示一个组织在联盟中的位置，其评分范围在0-1之间。具有最多连接的组织（度中心性）可能更具影响力，而那些在网络中与其他组织之间的中间步骤最少（接近中心性）的组织可能更能够快速传播信息或协调资源交换。各联盟在两个中心性维度上表现出显著差异。度中心性范围在0.3到0.6之间，接近中心性范围在0.2到0.5之间。图1A和B展示了9个联盟的社交网络图，说明了每个联盟内的关系动态。比较各联盟的网络图可以得出关于这些联盟结构的几个关键发现：位于9个联盟内圈的组织代表了多种不同的部门。行为健康和医疗保健组织在所有9个联盟的内圈中都很突出；刑事司法组织属于3个联盟的内圈，其他组织属于2个联盟的内圈。位于外圈的组织代表了所有部门的存在。值得注意的是刑事司法组织的位置：在8个联盟中的7个里，它们都位于这个外圈；第九个联盟没有任何刑事司法组织成员。

**备注**：
A. 联盟A至F的社交网络图
B. 联盟F至I的社交网络图
组织间的沟通方向性是管理联盟的另一个关键结构特征。具有高外向沟通能力的组织对于传播新信息（或发现错误信息来源）非常重要。例如，在联盟A中，BH_1和BH_2的组织具有高外向沟通能力（通过空心圆的大小表示），其边缘线表明它们的沟通频率很高（每周或每月）。具有高内向连接的组织对于评估来自实地的信息非常重要。在联盟F中，BH_4通过内向连接显得突出，但外向连接很少。这个组织可能提供来自实地的关键数据，但不太有助于传播新信息。在单独的联盟层面，了解组织的连通性及其连接的方向可能至关重要。这些信息有助于利用组织在其联盟中的优势及其已建立的关系。表3显示了各联盟的相关系数，表明了度中心性、接近中心性与感知价值和信任之间的关联。在8个联盟中，信任和价值呈显著正相关（联盟I是个例外）。度中心性与价值和信任在3个联盟（B、D、G）中相关，在1个联盟（F）中仅与价值相关，在1个联盟（A）中仅与信任相关。在4个联盟（C、E、H、I）中，没有发现价值、信任和度中心性之间的关联。这些结果表明，受到信任的组织也受到重视。关于中心性与感知价值和信任之间关联的发现结果并不一致，表明中心性并不总是转化为在联盟中的信任或重视。表3 – 不同联盟之间的斯皮尔曼相关系数、（95%置信区间）和P值
| 关系程度 | 亲密度 | 总价值 | 信任 | A（n=26） | | 1 | 0.46 (0.08, 0.72) | P = .02 | 0.25 (?0.15, 0.58) | P = .21 | 0.47 (0.10, 0.73) | P = .02 |
| | | | | | 亲密度 | ?0.08 (?0.45, 0.32) | P = .70 | 0.03 (?0.36, 0.41) | P = .90 | |
| | | | | 总价值 | 0.66 (0.36, 0.83) | P < .001 | | | |
| | | | | 信任 | 1 | | | | | |
| B（n=20） | 1 | 0.41 (?0.04, 0.72) | P = .07 | 0.50 (0.07, 0.77) | P = .03 | 0.67 (0.32, 0.86) | P = .001 | | 1 |
| | | | | 亲密度 | 0.31 (?0.15, 0.66) | P = .18 | 0.44 (?0.01, 0.74) | P = .06 | | 1 |
| | | | | 总价值 | 0.74 (0.44, 0.89) | P < .001 | | | |
| | | | | 信任 | 1 | | | | |
| C（n=26） | 1 | 0.47 (0.10, 0.72) | P = .02 | 0.32 (?0.08, 0.63) | P = .12 | 0.33 (?0.06, 0.64) | P = .10 | | 1 |
| | | | | 亲密度 | 0.05 (?0.43, 0.35) | P = .82 | 0.06 (?0.34, 0.43) | P = .79 | | 1 |
| | | | | 总价值 | 0.47 (0.10, 0.72) | P = .02 | | | 1 |
| D（n=18） | 1 | 0.02 (?0.45, 0.48) | P = .94 | 0.55 (0.11, 0.81) | P = .02 | 0.53 (0.08, 0.80) | P = .03 | | 1 |
| | | | | 亲密度 | 0.20 (?0.29, 0.61) | P = .42 | 0.14 (?0.35, 0.57) | P = .57 | | 1 |
| | | | | 总价值 | 0.81 (0.55, 0.93) | P < .001 | | | 1 |
| E（n=23） | 1 | 0.62 (0.28, 0.82) | P = < .01 | ?0.16 (?0.53, 0.27) | P = .47 | ?0.04 (?0.44, 0.38) | P = .87 | | 1 |
| | | | | 亲密度 | ?0.05 (?0.45, 0.37) | P = .84 | ?0.08 (?0.47, 0.35) | P = .73 | | 1 |
| | | | | 总价值 | 0.66 (0.33, 0.84) | P = .001 | | | 1 |
| F（n=24） | 1 | 0.55 (0.19, 0.78) | P = .01 | 0.64 (0.32, 0.83) | P = .001 | 0.20 (?0.22, 0.56) | P = .35 | | 1 |
| | | | | 亲密度 | 0.63 (0.30, 0.82) | P = .001 | 0.32 (?0.10, 0.64) | P = .13 | | 1 |
| | | | | 总价值 | 0.62 (0.29, 0.82) | P = .001 | | 1 |
| G（n=27） | 1 | 0.55 (0.22, 0.77) | P = <. 01 | 0.53 (0.19, 0.76) | P = <. 01 | 0.47 (0.11, 0.72) | P = .01 | | 1 |
| | | | | 亲密度 | 0.51 (0.16, 0.74) | P = .01 | 0.23 (?0.17, 0.56) | P = .25 | | 1 |
| | | | | 总价值 | 0.66 (0.37, 0.83) | P < .001 | | | 1 |
| H（n=24） | 1 | 0.63 (0.30, 0.82) | P = .001 | 0.27 (?0.15, 0.61) | P = .20 | 0.29 (?0.13, 0.62) | P = .17 | | 1 |
| | | | | 亲密度 | 0.37 (?0.04, 0.67) | P = .08 | 0.09 (?0.33, 0.48) | P = .68 | | 1 |
| | | | | 总价值 | 0.57 (0.22, 0.79) | P = < .01 | | 1 |
| I（n=16） | 1 | 0.38 (?0.15, 0.74) | P = .15 | ?0.11 (?0.57, 0.41) | P = .69 | 0.08 (?0.43, 0.55) | P = .78 | | 1 |
| | | | | 亲密度 | 0.03 (?0.47, 0.52) | P = .90 | ?0.11 (?0.57, 0.41) | P = .69 | | 1 |
| | | | | 总价值 | 0.25 (0.341) | | | | 1 |
| | | | | 讨论 | 本研究的目的是描述俄亥俄州9个HCS等待名单社区中联盟成员之间的关系动态。通过利用HCS，我们能够收集和分析在俄亥俄州城市、阿巴拉契亚地区和农村社区实施相同干预措施的9个联盟的可比数据。使用全国公认且经过验证的工具收集了详细的联盟数据，这使我们能够绘制联盟合作伙伴之间的关系，并在联盟和组织层面使用社会网络分析来评估关键因素。与现有研究一致，我们的发现突出了社会网络工具在促进地方公共卫生目标方面的价值。我们的发现还强调了社会网络分析作为一种评估解决任何公共卫生问题的社区合作工具的价值。例如，在对应用于HIV预防计划的集体影响模型（CI）进行的定性评估中，参与者描述了领导层变化（网络结构）如何影响合作目标和运作方式，包括合作伙伴的奉献度、沟通、信任和参与度（即信任和价值）。网络分析是这些合作组织可以使用的另一种工具，以识别和监测联盟结构和运作的额外维度，尤其是在合作组织通过不同实施阶段时，每个阶段都会对合作组织提出独特的要求，并不同地影响合作伙伴。网络分析还有助于合作组织更有效地识别内部和外部条件的变化如何影响合作伙伴组织及其与合作组织的关系，从而使领导层能够更有效地指导联盟工作以实现目标。与以往的研究一致，我们发现9个县的联盟网络结构在所有关键社会网络指标上都存在差异。最集中的部门可能拥有最多的社会资本来应对社区中的阿片类药物危机，并更强烈地塑造联盟运作和公共卫生结果。联系最紧密的部门可能更有利于快速交换资源和信息。重要的是，组织和部门的网位置可能根据参与者和具体情况产生积极或消极的结果。最后，观察到的网络结构差异可能反映了社区背景的差异。利用同行评估的数据，我们发现受到重视的组织也受到信任。受信任的组织被认为具有良好的意图，并会为他人谋最大利益，而受到重视的组织则贡献了关键的时间、资源和影响力。信任与创新和绩效结果的提高有关，持续的协作对于实现公共卫生目标至关重要。价值得分通常低于信任得分，这表明尽管组织可能被认为对使命充满热情和忠诚，但在推动联盟目标方面可能存在局限性。了解组织之间的相互看法可以帮助联盟利用社区优势，发现未开发的潜力，解决冲突和挑战，并提高社区能力。我们发现，中心性与感知价值和信任之间的关联并不简单，因为中心组织虽然被认为值得信赖或受到重视，但两者并不总是同时具备。中心性与更高的影响力相关，并可能在决策、资源分配和信息传播中发挥关键作用。一项研究发现，最受信任的组织在社区中的物理存在感最强。这些发现强调了在评估联盟结构时需要考虑每个维度。

**局限性**
本研究存在几个在解释结果时需要考虑的局限性。尽管联盟调查的回应率很高（68%），但有48个组织没有参与，这种未回应可能会影响结果。此外，不同联盟的回应率有所不同，这也影响了斯皮尔曼相关系的准确性。值得注意的是，我们通过将样本减少到参与调查的156个组织进行了敏感性分析，结果仍然相似。此外，用于此分析的数据是横断面的，考虑到联盟合作伙伴之间的关系会随时间演变，未来的工作应该对这些关系进行纵向评估。

**结论**
在联盟层面，拥有关于组织地位、方向性和连接频率的信息，以及对该组织的信任和价值的感知，可以为管理联盟过程提供不同的关键数据；可视化地图上的连接方式可以是一种“看到”联盟关系的有力方式。未来的研究应该结合实施的活动和取得的成果来检查这些联盟关系。

**对政策与实践的启示**
- 网络分析是公共卫生社区联盟可视化群体结构和合作伙伴关系态度的有用工具。
- 显示组织及其所属部门位置的网络图可以为联盟策略提供信息，使其能够更好地应对联盟和社区条件的变化。
- 组织合作伙伴对价值和信任的感知对于建立强大的联盟成员关系至关重要。
- 位置对信任和价值以及谁与谁相连有影响。这包括合作伙伴组织之间联系的方向，即谁向他人寻求信息和资源，以及谁是信息和资源的接收者。
- 在跨部门的社区联盟中，能够促进有效跨部门、跨机构合作的组织可能会对联盟结果产生不同的影响，与最中心化的组织相比。