问题
剖腹产是一种外科医生沿着腹部和子宫切割帮助分娩的方式。另一种更为自然的分娩方式是阴道分娩，就是孩子顺着母亲的阴道腔离开子宫。
理论上说，剖腹产只会在阴道分娩会危害到孩子或母亲的生命健康时使用。相比于阴道分娩，剖腹产包含腹部外科手术，这对于母亲和孩子的健康有更大的风险。剖腹产的花销也比阴道分娩多了大约50%。
美国剖腹产的比率在过去的40年中大幅度提升，从1965年的4.5%到了2012年的32.8%。研究者认为有近50%的剖腹产是没必要的。2009年，由于分娩导致的住院治疗占据了所有住院病人费用的7.6%，总计276亿美元。
多年来，降低剖腹产比率是很多学者研究的课题。首次的研究是美国马里兰州的一个叫Alan Mills的研究员，他和他的同事为华盛顿州的医疗系统制作了仿真模型，模型考虑到利益相关者，包括医疗机构，保险公司，临床医生和立法者测试他们的假设模型，并找到合适的解决方案。
解决方案
由于每州的医疗基础设施和医疗补助等生育条件不同，研究员从每个州的角度来考虑这个问题。在这个项目中，研究员为了得到一个较为广泛的剖腹产比率，选择了华盛顿州、伊利诺伊州、纽约州、和西弗吉尼亚州这四个州来采集信息。
他们决定使用基于智能体建模的方法，因为它能够表现出多种不同智能体独立的行为。此外，当妇女和产科医生根据他们的朋友和同事的行为和以往的经验做出决定时，智能体建模可以反映出网络效应及反馈。
模型包含以下智能体：
- 产妇
- 产科医生
- 注册接生员（CNMs）
- 有执照的接生员（LMs）
- 医院
- 医疗保险公司
- 医疗补助
研究员从Excel中导入现实数据来将智能体参数化。对于一些隐私的数据，他们根据真实数据合成了相仿数据。
智能体真实的模拟是否选择剖腹产，正确模拟关键行为十分重要。受模拟的行为包括产妇选择接生员（产科医生、CNM、LM）、接生员选择联合医院、分娩方式（剖腹产、阴道分娩）、购买保险/补助过程、和最终付款。
这些所有的行为都在一个十个组件的main中呈现了出来（见图）。例如，女性根据预产期（输入数据）、动机（希望的分娩方式）、和属性（分娩地点）来选择接生员。
模型具有一个交互界面供用户更改参数（分娩方式、地点等等）、运行模型、并观察不同的方式会如何影响系统行为。结果窗口包括经济和人口上的结果，用户可以清晰的比较不同策略的效果。该模型包括了动画效果，所有的智能体都以动画的形式展示，给出了一个地理视角。
结果
通过使用AnyLogic，研究员创建了一个可供娱乐的、基于仿真、基于学习的环境，客户可以更好的调查问题并对可能的策略进行测试。使用该仿真模型，可以大幅度的提高他们对于问题的理解并找到更好的策略来降低剖腹产的比例。
研究初步结果表明，先前建议的医疗机构支付改革不会单独奏效，客户需要一个多面的策略。另外，如果重组劳动力属于策略的一部分，这将会花费很长的一段时间。
这是世界首个从地区角度处理过高的剖腹产比率问题的仿真模型
观看Alan Mills展示的关于此研究的视频
