原始论文
摘要
背景:为应对COVID-19大流行,各国正在推出数字护照,允许以前感染过SARS-CoV-2(免疫护照)或接种过SARS-CoV-2(疫苗接种护照)的公民恢复正常活动。为了有效,政策决策者必须知道这些护照是否会被公众广泛接受,以及在什么条件下会被广泛接受。本研究将重点放在免疫护照上,因为这些护照可能在有或没有现有COVID-19疫苗接种计划的国家都有用;然而,我们的一般发现也延伸到疫苗接种护照。
摘要目的:我们旨在评估六个国家对引入豁免护照的态度,并确定哪些社会、个人和背景因素预测了他们的支持。
方法:我们在2020年COVID-19大流行的4月至5月期间,通过在线代表性抽样,在澳大利亚、日本、台湾、德国、西班牙和英国六个国家/地区收集了13678名参与者,并评估了对引入免疫护照的态度和支持。
结果:免疫护照支持度中低,最高的是德国(775/1507人,51.43%)和英国(759/1484人,51.15%);其次是台湾(2841/5989,47.44%)、澳大利亚(963/2086,46.16%)和西班牙(693/1491,46.48%);日本最低(241/1081,22.94%)。贝叶斯广义线性混合效应模型用于评估各国免疫护照支持的预测因素。国际结果显示,新自由主义世界观(比值比[OR] 1.17, 95% CI 1.13-1.22)、个人关注(OR 1.07, 95% CI 1.00-1.16)、感知到的病毒严重程度(OR 1.07, 95% CI 1.01-1.14)、免疫护照的公平性(OR 2.51, 95% CI 2.36-2.66)、喜欢免疫护照(OR 2.77, 95% CI 2.61-2.94)以及愿意感染以获得免疫护照(OR 1.6, 95% CI 1.51-1.68)都是免疫护照支持度的预测因素。相比之下,性别(女性;OR 0.9, 95% CI 0.82-0.98)、对免疫护照的关注(OR 0.61, 95% CI 0.57-0.65)和对社会的危害风险(OR 0.71, 95% CI 0.67-0.76)预测了对免疫护照支持度的下降。在各国之间发现了预测因素的微小差异,结果分别建模,以提供这些数据的国民账户。
结论:我们的研究表明,对豁免护照的支持是由它们带来的个人利益和社会风险来预测的。这些发现适用于六个国家,也可能为引入疫苗接种护照提供信息,帮助政策制定者在这六个国家和世界各地引入有效的COVID-19护照政策。
doi: 10.2196/32969
关键字
介绍
导致COVID-19的SARS-CoV-2病毒已在全球感染了3.6亿多人,并导致560多万人死亡[
]。随着病毒的继续传播,各国都在寻求重启经济、允许公民自由流动而不会再次引发大流行的方法。疫苗是抗击病毒的最重要工具,各国正在推出“疫苗接种护照”,允许低风险个人在较低的限制下旅行、工作和聚会[ , ]。然而,国际疫苗接种计划之间仍然存在明显的差距,许多国家(主要是较贫穷的国家)缺乏疫苗,仍在等待接种第一剂疫苗。 ]。此外,目前尚不清楚现有疫苗对新出现的病毒变体的有效性[ , ]。在疫苗有限或病毒变异速度超过疫苗效力的国家,可使用免疫护照。免疫护照通过检测SARS-CoV-2抗体来识别以前感染和现在康复的个体[
]。与接种疫苗的人一样,康复的人被认为感染、传播和出现病毒最严重症状的可能性较低[ ]。世界卫生组织最近的一份报告[ ]表明,康复后的个体在感染后4周内产生抗体,免疫反应在6-8个月内保持强劲,由于疫苗针对特定刺突蛋白的方式,自然获得的抗体可能对新出现的病毒变体更强劲(疫苗对当前关注的变体有效[例如,德尔塔病毒和欧米克隆病毒])。因此,免疫护照可能在抗击COVID-19的斗争中发挥作用,特别是与疫苗接种护照一起使用时。事实上,欧盟[ 正是通过他们的新“绿卡”提出了这一点,这是一种既可以作为疫苗接种又可以作为免疫护照的数字证书。为简单起见,我们将这些疫苗接种和免疫护照统称为“免疫护照”。免疫护照可能使经济迅速反弹,个人认为,如果其他人康复或接种疫苗,拥挤的商店和工作场所会更安全[
]。同样,商家可能要求免疫证明才能进入其处所或使用其服务[ ],而且各国可能需要免疫接种证明才能跨越其边界[ ]。例如,国际航空运输协会开发了“旅行通行证”应用程序[ 在用户的手机上存储COVID-19疫苗接种记录,以便在乘坐航班和跨越一国边境之前与政府和运输部门共享数据。这些应用程序可能会附带额外的隐私措施,就像韩国的“绿色通行证”一样。
],一种使用区块链技术使通行证既可共享又可防篡改的疫苗接种证书[ ]。澳大利亚采用另一种方法,将国际通行证作为QR码发放,并加盖可见数字印章(不受约束),只有在个人数据经澳大利亚联邦护照办公室核实后才可办理。 ]。这些免疫护照应用程序和二维码是现有疫苗接种要求的技术延伸,例如黄热病疫苗接种时附带的实物“黄卡”,进入非洲和中南美洲的许多国家是必需的[ ]。免疫护照的潜在引入带来了许多科学、法律和伦理问题,例如:康复和接种疫苗的个人是否对新的病毒变体免疫[
] ?这些护照会成为法律要求吗?那些不能冒感染风险或不能接种疫苗的人会受到怎样的影响?如果这样做能带来额外的自由,个人会试图被感染吗?[ 这些问题中的每一个都对国家健康政策至关重要,并且一直是最近英国隐私倡导者和政治家之间争论的根源。 ],也是法国公众抗议的原因[ ]。世界各国政府和卫生政策决策者需要对两个关键问题给出科学的答案:世界各地的人们会接受和支持使用免疫护照吗?如果是,为什么?我们将调查范围缩小到世界上六个国家对免疫护照的引进和接受情况,即个人被感染并康复的情况,因为免疫护照可能与有或没有接种疫苗计划的国家有关。当然,这些发现也可能证明是有见地的,并可能延伸到疫苗接种护照接受的必要条件。当前调查的关键是了解影响免疫护照接受的社会、个人和环境因素。
社会因素可能会影响一个人对免疫护照是否有益于整个社会的态度,从而影响护照的接受程度[
]。卫生政策的接受度可能随着对公众福祉的集体(而不是个人)责任感而提高[ ]。同样,接受度可能会随着对共同的社会经历(如呆在家里的“封锁”)的认识而提高或降低[ ]和政府COVID-19政策的感知有效性(例如,COVID-19疫苗接种率随着感知到的政府有效性和对政府的信任而提高)[ ]。个人经历也可能影响一个人对使用免疫护照的态度。例如,曾经患有或认识患有COVID-19的人可能会激励人们使用免疫护照[
]。强烈的新自由主义世界观——相信自由市场是公平的,对人民的社会和金融需求敏感——以及回归正常经济活动的愿望也可能影响护照的接受。 ]。同样,高等教育可能对形成一个人对豁免护照的平等和必要性的看法很重要,就像它对接种疫苗一样。 ]。最后,接受免疫护照可能取决于与COVID-19病例、死亡和疫苗进展等大流行状况有关的背景因素,这些因素可能因国家和时间而异。在了解影响免疫护照接受度的因素时,我们可以考虑(1)在试图控制每个国家背景影响的同时接受(国际模型),以及(2)接受取决于每个国家(国家模型)。前者告诉我们各国接受豁免护照的必要条件,使我们的调查结果有可能推广到六个国家以外的国家。相比之下,后者评估每个抽样国家内的接受程度,并可能显示其如何因每个国家的个人背景和文化而变化。
总之,本研究的目的是确定哪些社会、个人和背景因素可以预测六个国家免疫护照的使用情况。国际模型用于提供可概括的发现,而国家模型用于寻找偏离国际解释的因素。贝叶斯统计用于提供支持或反对预测免疫护照摄取的因素的证据。这项工作旨在为医学和卫生研究人员以及政策制定者提供明确的科学发现。
方法
设计
我们调查了澳大利亚、德国、英国、西班牙、日本和台湾这六个在新冠肺炎大流行期间经历不同的国家对免疫护照的态度。使用贝叶斯线性混合模型,我们旨在确定与covid -19相关的社会、个人和背景问题影响免疫护照接受度的因素。我们用两种方法检查我们的数据。首先,我们试图控制每个国家对豁免护照接受的特殊影响(在我们的建模中使用随机效应),以创建一个豁免护照接受的广义框架。其次,我们评估了每个国家的接受程度,以考虑文化和背景差异。
道德的考虑
在提供知情同意之前,所有参与者都阅读了一份简单的语言声明,描述了在线调查、研究问题,以了解哪些因素有助于采用COVID-19追踪技术和免疫护照,以及研究的好处、风险和数据保护。参与者被告知,数据收集将通过有密码保护的账户进行,通过加密网络传输,并保存在有密码保护的安全服务器上;不会公布或释放任何身份信息;匿名数据将通过开放科学框架(OSF)提供。澳大利亚参与者根据与Dynata的协议获得礼品卡或积分计划,西班牙和德国参与者根据与Lucid的协议,日本参与者根据与Cross Marketing的协议,台湾参与者根据与Gosurvey的协议。英国的参与者每10分钟的调查得到0.85英镑(约1.07美元)的固定报酬。在澳大利亚和日本的数据收集获得了墨尔本大学(批准1955555)、英国布里斯托尔大学(批准103344)、德国马克斯普朗克人类发展研究所(批准L2020-4)、西班牙利兹大学(批准103402)和台湾国立成功大学(批准108-072)的伦理批准。
参与者
显示每个国家和样本的人口统计信息。我们对六个国家的13678名参与者进行了抽样调查,以确定他们对豁免护照的态度和接受程度。每个国家收集了一到四个具有全国代表性的在线样本。样本按年龄、性别分层,并根据该国最新的人口普查数据,在可能的情况下按州或省分层。参与者年龄在18岁或以上,他们完成了一项10到15分钟的在线调查,并获得了经济补偿。代表性样本是通过第三方招聘服务获得的,并在进入调查时分配了唯一标识符,以确保匿名。具体国家详情见 .作为审查移动跟踪技术可接受性以应对COVID-19大流行的更广泛国际合作的一部分,数据收集工作已完成[ , - ]。但是,以前的出版物没有涉及豁免护照的使用。
特征 | 澳大利亚 | 德国 | 日本 | 西班牙 | 台湾 | 联合王国 | ||||||
示例1 | 示例2 | 示例1 | 示例2 | 示例3 | 示例4 | |||||||
参与者,n | 1514 | 578 | 1514 | 1081 | 1505 | 1500 | 1500 | 1500 | 1500 | 1486 | ||
年龄(岁),平均(SD) | 48 (17) | 48 (17) | 47 (16) | 46 (17) | 48 (16) | 40 (12) | 40 (12) | 40 (12) | 41 (12) | 46 (16) | ||
性别、% | ||||||||||||
男人。 | 50 | 48 | 49 | 49 | 48 | 48 | 47 | 48 | 50 | 48 | ||
女人 | 49 | 51 | 50 | 51 | 52 | 52 | 53 | 52 | 50 | 51 | ||
其他 | <1 | <1 | <1 | 0 | <1 | 0 | < 1 | <1 | 0 | <1 | ||
宁愿不说 | <1 | 0 | 0 | 0 | 0 | 0 | 0 | <1 | <1 | <1 | ||
教育,% | ||||||||||||
高中以下 | 9 | 11 | 14 | 3. | 10 | 1 | 1 | 1 | 1 | 16 | ||
高中毕业 | 37 | 40 | 63 | 39 | 42 | 12 | 14 | 13 | 13 | 17 | ||
大学毕业生 | 54 | 49 | 23 | 58 | 47 | 87 | 86 | 86 | 86 | 67 |
过程
随着大流行的演变,调查设计随着每个样本的更新而更新;然而,本研究评估的关键设计元素保持不变(见图A1)
)。调查问题旨在解决健康信念模型的主要因素:疾病严重程度(危害)和敏感性(关注)、政策利益和障碍、自我效能和行动呼吁[ , ]。每位参与者都提供了知情同意和人口统计信息,然后使用李克特量表报告他们对COVID-19大流行的看法和影响。然后,参与者阅读三种假设场景中的一种,这些场景描述了不同类型的手机COVID-19接触者追踪系统——电信跟踪、政府应用程序或Apple/谷歌暴露通知系统——如果用户与感染者接触过,就会发出警报,然后完成理解检查并回答有关这些场景的问题(按国家分列的这些项目的方法和结果,请参见[
, - ];请注意,这些研究没有模拟豁免护照项目)。最后,参与者在回答关于他们对豁免护照的态度和新自由主义世界观的问题之前,先阅读了一份对豁免护照的描述。调查以研究汇报结束( )。在对豁免护照项目作出答复之前,每位与会者阅读以下说明:
“免疫护照”表明你曾患过疾病(或接种过疫苗),并且你有导致该疾病的病毒的抗体。有抗体意味着你现在是免疫的,因此不能将病毒传播给其他人。因此,如果抗体测试表明你患有这种疾病,你可能会获得一张“免疫护照”,随后你就可以自由活动了。有人提议,在2019冠状病毒病大流行期间,发放免疫护照可能是解除行动限制的一个步骤。
调查完成后,数据中加入了具体国家的信息。数据包括国家指数,如世界银行的“政府效能感知量表”(0-100分,数值越高表示效能越高)[
],以及Hofstede集体主义指数(Hofstede Index of Collectivism)的个性子量表(0-100分,数值越高表明个人主义越强,集体主义文化越少)[ ]。数据还包括COVID-19累计病例数和死亡人数[ ],掩码使用(二进制变量:true或false) [ ],呆在家里的“锁定”用法(二进制:真或假)[ ],以及移动跟踪技术的使用(例如,澳大利亚的covid - safe或德国的CORONA-WARN-App) [ , - , ]。用于确定国家政策指标(例如,口罩使用和封锁)的新闻文章可通过OSF获得[ ]。项 | 问题 | 标签 |
感觉1 | 你认为新型冠状病毒(COVID-19)对普通人群会有多严重? | 一般伤害 |
知觉2 | 如果你感染了COVID-19,对你的健康有多大危害? | 个人伤害 |
感觉3 | 你有多担心自己可能感染COVID-19? | 关注自我 |
感觉4 | 你有多担心你认识的人可能感染COVID-19? | 关心他人 |
影响1 | 你是否曾检测出COVID-19呈阳性? | 积极的自我 |
影响2 | 你认识的人是否检测出COVID-19呈阳性? | 积极的其他 |
影响3 | 您是否因COVID-19大流行而暂时或永久失业? | 失业 |
护照1 | 你是否支持政府提出的针对新型冠状病毒(COVID-19)推出“免疫护照”的建议? | IP支持 |
护照2 | 你对新冠肺炎引入“免疫护照”的想法有多担心? | 知识产权问题 |
护照3 | 你有多想获得COVID-19的“免疫护照”? | IP像 |
护照4 | 你认为COVID-19的“豁免护照”会在多大程度上损害贵国的社会结构? | IP的伤害 |
护照5 | 你认为持有"豁免护照"的人重返工作岗位在多大程度上是公平的,而没有护照的人则不能? | IP公平 |
护照6 | 你会考虑在多大程度上故意感染COVID-19以获得“免疫护照”? | IP Self-infect |
护照7 | 你是否支持政府提出的针对COVID-19引入“豁免护照”的建议? | IP支持 |
世界观1 | 建立在不受政府干预的自由市场基础上的经济体系,自然能最好地满足人类的需求 | 西弗吉尼亚州经济 |
世界观2 | 自由市场制度在资源配置方面可能是有效的,但它在促进社会公正方面的能力有限。 | 西弗吉尼亚州自由市场 |
世界观3 | 政府应该尽可能少地干涉公民的生活 | WV小政府 |
数据分析和报告
概述
本研究的匿名数据和分析代码可通过OSF [
]。未答复豁免护照支持项目或未完成调查的参与者被排除在分析之外(剔除n=790;细节 )。报告的分析是基于贝叶斯方法和可信区间来确定数据的影响。贝叶斯方法通过权衡给定观测值的可能性与其在样本中出现的先验概率,对可信值的后验分布(给定我们的数据,真实总体均值为“x”的概率)进行抽样。在参数假设下,后验分布的作用是约束采样数据尾部异常值的影响,允许数据密度最高的区域——数据分布的可信区域——为我们的决策提供信息。实际上,这意味着不是测试显著性阈值(即,P值或贝叶斯因子),我们可以比较数据分布的95%可信区域,确定它们是否重叠。豁免护照认知
使用贝叶斯有序概率回归来比较李克特量表的反应MCMCoprobit和HPDinterval函数在R包中MCMCpack[
),Coda[ ),分别。这种方法通过假设有潜在的正态分布的连续变量在有序响应的基础上比较李克特项目。然后将这些潜在变量通过响应选项的数量减去1作为阈值分割成有序的李克特响应。为了设置潜在变量的位置,将最低阈值参数固定为零[ ]和所有其他阈值的估计值。国家层面的数据一起建模[ ],国家内部的个别样本也没有建模。这种方法使我们能够直接比较各国对豁免护照项目的态度,并提出比直接比较李克特量表的平均值或原始分布更合理的假设[ ]。针对正文中所述的豁免护照项目以及COVID-19认知和世界观项目( )。国际建模
使用贝叶斯广义线性混合效应模型来评估哪些因素可以或不可以预测对免疫护照的支持。COVID-19的人口统计、认知和影响;按国家分列的COVID-19病例和死亡人数;新自由主义世界观;并将免疫护照条目作为免疫护照支持度的加性预测变量和独立预测变量。随机截距效应包括在内,以解释每个国家在数据中引入的依赖关系。李克特评分被视为数值数据,非分类变量在每个国家内进行缩放,平均值为0,标准差为1。
模型参数的后验分布是通过R包在Stan中实现的哈密顿马尔可夫链蒙特卡罗无u转弯采样来估计的brms[
, ]。使用了四个链,每个链有2000次迭代和1000次老化。截距和随机效应SD参数(柯西分布均以0为中心,尺度参数为2.5)设置非信息先验,从拉普拉斯分布以0为中心,尺度参数为1的弱信息先验估计固定效应。实际上,这意味着能够克服这种强烈的先验偏向于零(即没有影响)的因素是有意义的。正文中报告的模型在回答豁免护照问题后评估护照支助。结果变量被简化为一个二元反应集:“支持是”(“中等”、“很多”或“极端”李克特量表项目)和“不支持”(“没有”、“一点”或“一些”)。样本顺序(仅存在于两个国家)和性别“其他”或“不喜欢说”被删除,因为小样本导致模型拟合不稳定。其余因素对稳定的模型拟合有足够的响应。包括在回答有关豁免护照的问题之前预测护照支持的模型,以及使用各种顺序反应选项的国际态度模型
.所有相关结果与正文中提出的模型具有可比性。国家建模
国家模型复制了上述模型程序;然而,只评估了每个国家内部的因素。这允许在国家层面上观察文化和背景差异,这可能为这些国家的读者、研究人员和政策制定者提供信息。每个国家的模型分别报告于
,并在文中概述了与国际模式的主要区别。结果
豁免护照认知
显示了六个国家免疫护照感知的平均有序回归后验分布和相关的李克特式反应。基于二元分类(支持:是=[“中等”,“很多”或“极端”],否=[“没有”,“一点”或“一些”])的平均免疫护照支持得分显示,支持率最高的是德国(775/1507,51.43%)和英国(759/1484,51.15%);其次是台湾(2841/5989,47.44%)、澳大利亚(963/2086,46.16%)和西班牙(693/1491,46.79%);日本最低(241/1081,22.29%)。所有国家都几乎没有倾向于通过感染自己来获得豁免护照,尽管大多数国家对引入豁免护照只有“一点”关注,但它们通常被认为对社会构成中等危害风险。由于这些是本文主要重点之外的次要分析,因此我们在文章中包含了对COVID-19影响变量和世界观项目的完整描述 .
国际建模
显示了免疫护照支持的贝叶斯广义线性混合效应模型的后验估计,该模型使用人口统计数据、COVID-19认知和影响、特定国家指数(例如,口罩使用情况、政府有效性)、世界观和对免疫护照的态度作为附加因素,每个国家都有随机截距。误差条显示95%的最高密度区间。全球截距平均值为-1.67 (95% CI为-3.14至0.32)。国家拦截手段从低到高依次为日本、西班牙、澳大利亚、英国、德国和台湾;日本的可信区间最低(平均-0.66,95% CI -2.10至0.57),台湾的可信区间最高(平均0.61,95% CI -0.79至2.31);所有国家的间隔都超过了零中点,表明没有影响。由于后验均值估计相当不透明,我们根据其比值比提供了国际模型变量的解释。
免疫护照接受度的预测变量(95%最高密度区间不超过零的预测变量)包括对COVID-19的担忧程度增加、认为病毒对自己的严重程度、世界观(认为自由市场最有效,但它在支持社会正义方面的能力有限)和免疫护照项目(喜欢并认为免疫护照是公平的,愿意自我感染以获得免疫护照)。个人喜欢豁免护照的想法是最强的预测变量,比值比为2.8;也就是说,“喜欢”免疫护照的人每增加1个标准差,支持引进免疫护照的几率就增加2.8个标准差。这可能看起来相当重复,但表明对豁免护照的积极态度是他们被接受的最有力的预测因素。
反对采用豁免护照的预测变量包括性别(认定为女性)、世界观(支持政府尽量减少干预)和豁免护照风险项目(对社会的关注和危害风险)。对豁免护照的关注是反对采用豁免护照的最具预测性的项目,其中每增加1个标准差,支持采用豁免护照的几率就增加0.61个因子(相当于不支持采用豁免护照的几率增加1.65个因子)。
国家建模
总结了在国际和国内模型中符合我们的效应标准的因素——可信区间不重叠为零。参数显示为几率比,即每个参数增加支持免疫护照的几率的程度,并指示它们是增加还是减少支持免疫护照的可能性。比值比为1表示无影响,小于1表示负相关,比值比大于1表示正相关。在国内和国际参数之间观察到三个显著差异:性别和COVID-19严重程度自我仅在国际模型中被识别,而COVID-19对他人的关注仅在日本的国家模型中被识别。
模型 | 性别 | COVID-19看法 | 世界观的物品 | 豁免护照项目 | ||||||||
女人b | 关注自我c | 严重的自我c | 关心他人c | 小政府b | 自由市场c | 经济c | 关注b | 伤害b | 感染的自我c | 公平c | 就像c | |
国际模型 | 0.9 | 1.07 | 1.07 | - - - - - -d | 0.98 | 1.17 | 1.17 | 0.61 | 0.71 | 1.6 | 2.51 | 2.77 |
澳大利亚 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 0.88 | - - - - - - | 1.31 | 0.64 | - - - - - - | 2.03 | 3.42 | 3.71 |
德国 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 0.9 | 1.14 | 1.23 > | 0.76 | 0.73 | 1.58 | 2.36 | 3.67 |
日本 | - - - - - - | - - - - - - | - - - - - - | 1.48 | - - - - - - | 1.25 | - - - - - - | 0.63 | - - - - - - | 2.01 | 1.82 | 2.56 |
西班牙 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 0.85 | 1.28 | 1.12 | 0.54 | - - - - - - | 1.9 | 3.19 | 3.29 |
台湾 | - - - - - - | 1.14c | - - - - - - | - - - - - - | - - - - - - | 1.16 | 1.17 | 0.61 | 0.63 | 1.38 | 2.27 | 2.05 |
联合王国 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 0.57 | 0.53 | - - - - - - | 3.16 | 5.47 |
一个比率表示每个系数赋予豁免护照支持的倍数增加。显示的参数是可信区间未超过零的参数。
b降低豁免护照支持可能性的列变量。
c增加豁免护照支持可能性的列变量。
d不适用。
讨论
主要研究结果
除日本外,六个抽样国家对引入豁免护照的支持程度一般。国际模型显示,接受免疫护照主要是由感知到的个人风险(对COVID-19的关注和严重程度,自我感染的意愿)和利益(喜欢免疫护照并相信它们是公平的)以及社会因素(新自由主义世界观)驱动的。接受度不受新冠肺炎病例和死亡人数、口罩、封锁或追踪技术使用等背景因素的影响。国家模型显示与国际结果几乎没有差异,这表明我们的国际研究结果可以证明对全球社会的推论。
国际建模
国际模型确定了护照支持的几个预测因素,包括世界观、对自己COVID-19的关注以及对自己的病毒严重程度的感知;然而,关键变量是那些直接评估对豁免护照态度的变量。渴望获得护照、认为护照是公平的、愿意感染自己以获得豁免护照都与豁免护照支持呈正相关。尽管对免疫护照的感知表现出对他人的关注大于对自己的关注,但对他人的关注和感知到的病毒严重程度并不能预测护照支持。这些发现突出表明,豁免护照的支持取决于个人利益。在疫苗摄取方面也观察到类似的结果[
以及强调患者自我效能的移动医疗技术[ ]。新自由主义世界观也改善了对豁免护照的支持,特别是认为自由市场是公平的,如果不受政府干预,就会发挥最大作用。相比之下,限制政府干预与性别、对豁免护照的关注以及对社会危害的感知风险呈负向预测关系。这些参数编码影响一个人对豁免护照接受的判断的社会因素。此外,我们假设这些世界观项目可以作为相关态度(如政治世界观)的代理。这在倾向于政治部落主义的国家(如美国)可能很重要。[
在推广豁免护照时需要两党支持,而不是从立法的角度,而是从获得公众支持和"社会经营许可证"的角度[ , ]。COVID-19政策决定(即戴口罩、居家封锁和引入移动跟踪技术)和国家特定指数(即COVID-19病例和死亡、个人主义、政府有效性)等背景因素不能预测免疫护照支持。这加强了我们的理论,即对获得免疫护照的态度主要是由个人风险和利益驱动的,其次是社会因素。
国家建模
国家模型显示出与国际模型的微小差异。一些国家强调关心他人(如日本)或关心自己(如台湾),或者与国际模式相比,他们缺乏预测变量。例如,在除联合王国以外的每个国家,免疫护照支持随着自我感染的可能性的增加而增加。相比之下,有些因素在各国之间具有一致的预测性(例如,认为豁免护照是"公平的")。了解国际和国家差异是本研究的关键;没有任何一个国家是一块巨石,可以据此推断出理解或预测。各国的态度模型提供了见解(例如,性别的预测能力和COVID-19对个人的严重程度),否则在国家层面上就会丢失。相比之下,国民核算提供了一种细致入微的态度观点,使政策制定者能够考虑相对于国际社会,在一个国家内如何看待豁免护照。
限制
目前的调查主要受限于我们的抽样选择。在所有国家进行了有代表性的在线抽样;然而,作为在线样本,它们可能偏向于大规模问题的技术解决方案。此外,样本不具有教育代表性,每个国家的受访者都倾向于比各自的人口受教育程度更高。
我们在调查时也受到公众看法的严重限制。2020年4月至5月,国际疫苗推广尚未开始,重点是抑制病毒的非药物方法。随着媒体开始报道政府寻求引入疫苗接种和/或免疫护照,以及这些文件带来的风险和益处,态度可能已经发生了转变。随着航空公司等企业开始根据个人是否接种疫苗或最近是否康复来限制服务,以及新冠肺炎的长期副作用变得明显,这种讨论只会变得更加激烈。随着各国重新考虑什么是“完全接种”(例如,一次、两次或几次加强注射)以及哪些疫苗被认为适合进入一个国家,讨论也将展开。此外,随着人们体验到免疫护照技术的可用性,作为移动卫生技术采用的主要障碍,公共话语将不断发展[
]。最后,我们研究的一个关键限制是我们无法直接评估对特定安全和隐私保护数字护照技术的态度,如韩国采用的区块链技术[
, ]或澳大利亚采用的视觉数字印章(QR码)技术[ ]。这一遗漏是由于调查是在使用这些技术之前进行的。无论如何,对免疫护照的担忧仍然是我们建模中的一个关键因素,并且可能包括隐私和安全问题,因为这些问题是采用其他非药物COVID-19干预措施(例如COVID-19接触者追踪应用程序)的现有障碍。[ , , ]。决策者应解决并尽量减少潜在用户的这些关切。结论
政府和企业目前正在推出免疫和疫苗接种护照,以迅速使社会和经济恢复正常,同时鼓励公众接种疫苗,以保护自己和亲人。然而,只有在公众支持使用的情况下,这些护照才会生效。政策制定者可以从我们的研究结果中得出一些关于如何有效引入免疫护照的明确结论。通过强调这些护照所带来的社会效益(缩短封锁时间、恢复正常工作和活动、改善社区卫生)和个人健康效益,以及解决和尽量减少引入护照所带来的社会风险(例如,创建“接种疫苗”与“未接种疫苗”的社会阶层)和个人风险(隐私和匿名),接受护照将受益。在较小程度上,通过将免疫护照定义为有利于经济和劳动力(即新自由主义世界观),接受也会受益。最后,我们注意到,在国际上,妇女对免疫护照的接受程度较低;但是,在个别国家内没有观察到这种趋势。希望通过在有关豁免护照的政策决策中成功地考虑到这些因素,政府和企业可能会在公众被提示:“请出示文件?”时避免公众的强烈反对。
致谢
澳大利亚的数据收集由彼得·多尔蒂感染和SD免疫研究所的匿名慈善基金提供支持。德国的数据收集由大众汽车基金会对RH, SL和SH(倡议“人工智能和未来社会”)的规划拨款资助。在进行这项研究期间,SL得到了德国洪堡基金会的研究奖的支持。SL还根据拨款协议964728 (JITSUVAX)获得了欧盟地平线2020研究与创新计划的资助。台湾地区的数据收集由国立成功大学和科技部(MOST 110-2321-B-006-004和MOST 108-2321-B-006-022-MY2)支持CTY。英国的数据收集由布里斯托尔大学伊丽莎白布莱克威尔研究所提供支持,资金来自该大学的校友和朋友基金。西班牙的数据收集由利兹大学商学院、利兹大学到YO的资助,其中一部分由英国癌症研究中心颁发的人口研究奖学金(C57775/A22182)支持。日本的数据收集由墨尔本大学心理科学学院资助,并提供给YK。
作者的贡献
总体项目由SD和SL领导,并与所有指定作者的输入协调。澳大利亚的数据收集由PMG、JPW和SD负责;台湾CTY;德国的AK和PLS;日本的TK;英国的SL;以及西班牙的YO。德国的调查翻译由AK和PLS负责,西班牙的调查翻译由YO负责,台湾的调查翻译由CTY负责,日本的调查翻译由TK负责。数据整理和分析由PMG完成。手稿写作和修订由PMG领导,并由所有作者贡献。
利益冲突
没有宣布。
各国之间的方法差异,以及在哪里可以找到每个国家的其他方法细节、代码和数据。
DOCX文件,178 KB
豁免护照数据的备选序号和二项建模帐户。
DOCX文件,179 KB
每个国家的豁免护照模型分别完成。
DOCX文件,47kb参考文献
- 世卫组织冠状病毒(COVID-19)仪表板。世界卫生组织,2021。URL:https://covid19.who.int[2022-01-28]访问
- 凯莱赫欧洲更新:这12个国家现在正在使用欧盟的数字新冠证书,另有16个国家正在使用。福布斯》2021。URL:https://www.forbes.com/sites/suzannerowankelleher/2021/06/13/europe-digital-covid-certificate-vaccine-passport/?sh=79f5600c2251[2021-07-10]访问
- 韩国将发行区块链保护的数字“疫苗护照”。路透社,2021年4月https://www.reuters.com/article/us-health-coronavirus-southkorea-idUSKBN2BO43W[2021-07-10]访问
- 独家报道:世卫组织疫苗计划面临失败的风险,贫穷国家直到2024年才能接种COVID疫苗。路透2020年12月16日。URL:https://www.reuters.com/business/healthcare-pharmaceuticals/exclusive-who-vaccine-scheme-risks-failure-leaving-poor-countries-no-covid-shots-2020-12-16[2021-08-12]访问
- 关于牛津-阿斯利康新冠疫苗,科学家们知道什么,不知道什么。Nature 2021 Apr;592(7852):15-17。[CrossRef] [Medline]
- Kim JH, Marks F, Clemens JD。超越COVID-19疫苗3期试验。中华医学杂志,2011;27(2):205-211。[CrossRef] [Medline]
- 刘超,费海提。新冠肺炎大流行期间旅行的免疫护照:争议和公共卫生风险。中华卫生杂志,2009;43(1):563 - 568 [J]免费全文] [CrossRef] [Medline]
- COVID-19自然免疫。2021年5月10日。URL:https://www.who.int/publications/i/item/WHO-2019-nCoV-Sci_Brief-Natural_immunity-2021.1[2021-06-02]访问
- 冠状病毒:委员会提出数字绿色证书。欧盟委员会,2021。URL:https://ec.europa.eu/commission/presscorner/detail/en/ip_21_1181[2021-06-06]访问
- 刘建军,刘建军,刘建军。自由的通行证?COVID-19免疫护照。中华医学杂志,2010;46(10):652-659 [J]免费全文] [CrossRef] [Medline]
- Dye C, Mills MC. COVID-19疫苗接种护照。Science 2021 march 19;371(6535):1184。[CrossRef] [Medline]
- 国际航空运输协会旅行通行证倡议。国际航空运输协会。URL:https://www.iata.org/en/programs/passenger/travel-pass[2021-07-10]访问
- 蔡国强,宋建军,李慧云,姚国良,冯宏,黄世生。COVID-19疫苗接种后的前进道路:接种区块链疫苗护照,以保护个人隐私。中国生物医学工程学报(英文版);2011;7(2):337-341。[CrossRef]
- 国际COVID-19疫苗接种证书如何运作。澳大利亚政府外交和贸易部。2022。URL:https://www.passports.gov.au/how-international-covid-19-vaccination-certificate-works[2022-01-25]访问
- Gelb A, Mukherjee A.基于数字黄牌的数字id教训的COVID疫苗证书构建。全球发展中心,2021。URL:https://www.cgdev.org/publication/covid-vaccine-certificate-building-lessons-digital-id-digital-yellow-card[2022-01-25]访问
- 吴志强,张志强,张志强。新型冠状病毒病疫情期间免疫护照的伦理实施。中华传染病杂志,2008;22 (5):715-718 [J]免费全文] [CrossRef] [Medline]
- 英国正在试验疫苗护照:为什么它们如此有争议?ABC新闻,2021年4月12日。URL:https://abcnews.go.com/International/vaccine-passports-trialed-uk-controversial/story?id=76976981[2021-06-12]访问
- 法国暴徒破坏马克龙的肖像,抗议疫苗护照。《纽约时报》,2021年。URL:https://www.thetimes.co.uk/article/french-mob-destroys-portrait-of-macron-in-protest-against-vaccine-passports-q9tl9x88d[2021-06-12]访问
- 蔡翀。新冠疫情下的个人风险与社会责任。中国医学杂志2020年4月28日;323(16):1555-1556。[CrossRef] [Medline]
- 李建军,李建军,李建军,等。“我因我们而存在”:在埃塞俄比亚应对COVID-19期间,屏蔽是维持社会联系的一种公共伦理。中华医学杂志,2010;5(7):391 - 391 [j]免费全文] [CrossRef] [Medline]
- 周健,杨松,肖超,陈峰。新冠肺炎疫情下社区情绪动态研究——以澳大利亚某州为例。[j] .计算机工程学报;2011;22 (3):201 [j]免费全文] [CrossRef] [Medline]
- 拉撒路JV, Ratzan SC, Palayew A, Gostin LO, Larson HJ, Rabin K,等。对COVID-19疫苗潜在接受度的全球调查。中华医学杂志(英文版);2009;27(2):225-228 [j]免费全文] [CrossRef] [Medline]
- Lewandowsky S, Dennis S, Perfors A, Kashima Y, White JP, Garrett P,等。公众接受侵犯隐私的政策以应对英国的COVID-19大流行。PLoS One 2021;16(1):e0245740 [j]免费全文] [CrossRef] [Medline]
- 张建军,张建军,张建军,张建军,张建军。美国COVID-19疫苗接种犹豫不决:一项快速的国家评估[J]中华社区卫生杂志;2009;26 (2):369 - 369 [J]免费全文] [CrossRef] [Medline]
- Garrett PM, White JP, Lewandowsky S, Kashima Y, Perfors A, Little DR,等。智能手机追踪COVID-19在澳大利亚的可接受性和接受程度PLoS One 2021;16(1):e0244827 [j]免费全文] [CrossRef] [Medline]
- 加勒特P,王玉文,怀特JP, Kashima Y, Dennis S,杨春林。台湾地区对新冠肺炎追踪技术的高接受度:具有全国代表性的调查分析。国际环境与卫生杂志,2010;19(6):3323 [J]免费全文] [CrossRef] [Medline]
- Kozyreva A, Lorenz-Spreen P, Lewandowsky S, Garrett PM, Herzog SM, Pachur T,等。影响德国公众对COVID-19数字接触者追踪技术反应的心理因素Sci Rep 2021 Sep 21;11(1):18716。[CrossRef] [Medline]
- 王勇,李勇,王勇,李勇,等。年轻人认为智能手机追踪新冠病毒技术是可以接受的:以台湾为例。国际环境与公共卫生杂志[J]; 2017,02;18(3):1332 [免费全文] [CrossRef] [Medline]
- 公众参与医疗筛查项目:一项社会心理学研究。华盛顿特区:公共卫生服务;1958.
- Walrave M, Waeterloos C, Ponnet K.采用接触者追踪应用程序控制COVID-19:健康信念模型方法。JMIR公共卫生监测2020 Sep 01;6(3):e20572 [j]免费全文] [CrossRef] [Medline]
- 全球治理指标。世界银行,2020。URL:http://info.worldbank.org/governance/wgi[2021-06-08]访问
- 国家比较。霍夫斯泰德的见解。URL:https://www.hofstede-insights.com/country-comparison[2021-06-08]访问
- 国家和国际COVID-19免疫和疫苗接种护照的预测因素。开放科学基金会,2021年8月7日。URL:https://osf.io/pwb9x[2022-01-02]访问
- Martin AD, Quinn KM, Park JH。马尔可夫链蒙特卡洛。统计软件学报;2011;42(9):1-21。[CrossRef]
- 李建军,李建军,李建军,等。结论:收敛诊断与MCMC输出分析。科学通报,2006;6(1):7-11。
- Albert JH, Chib S.二元和多聚响应数据的贝叶斯分析。[J]统计学报,1993年6月;88(4):669。[CrossRef]
- [rkner P, Vuorre M.心理学中的序数回归模型。]中华心理医学杂志2019年2月25日;2(1):77-101。[CrossRef]
- rkner P. brms:一个使用Stan的贝叶斯多层模型的R包。[J] .计算机工程学报,2017;30(1):1-28。[CrossRef]
- [4] [rkner P.]基于R包brms的高级贝叶斯多层建模。中国生物医学工程学报,2018;10(1):395。[CrossRef]
- Ashworth M, Thunström L, Cherry TL, Newbold SC, Finnoff DC。强调个人健康益处,提高COVID-19疫苗接种率。中国科学:自然科学通报,2011;33 (5):391 - 391 [j]免费全文] [CrossRef] [Medline]
- Salgado T, Tavares J, Oliveira T.患者视角下移动医疗接受和使用的驱动因素:调查研究和定量模型开发。JMIR Mhealth Uhealth 2020七月09;8(7):e17588 [j]免费全文] [CrossRef] [Medline]
- Helmuth B, Gouhier TC, Scyphers S, Mocarski J.信任,部落主义和推特:政治两极分化是否使科学成为“楔子问题”?Clim Chang回应2016年5月30日;3(1):11895。[CrossRef] [Medline]
- 李建军,张建军,李建军,等。社会经营许可的实证研究。林业2015年11月22日;89(5):477-488。[CrossRef]
- 张建军,张建军,张建军,张建军。高校研究与服务中数据跟踪分析的社会许可路径。科学通报,2011;16(5):564 - 564 [j]免费全文] [CrossRef] [Medline]
- Jacob C, Sanchez-Vazquez A, Ivory C.了解临床医生对移动卫生工具的采用:对最常用框架的定性审查。[j] Mhealth Uhealth 2020七月06;8(7):e18072 [j]免费全文] [CrossRef] [Medline]
- Thomas R, michaeleff ZA, Greenwood H, Abukmail E, Glasziou P.对澳大利亚政府covid - safe应用程序的担忧和误解:横断面调查研究。中华医学会公共卫生监测2020年11月04日;6(4):e23081 [j]免费全文] [CrossRef] [Medline]
- Jonker M, de Bekker-Grob E, Veldwijk J, Goossens L, Bour S, Rutten-Van Mölken M.基于离散选择实验的COVID-19接触者追踪应用程序预测荷兰的使用情况。JMIR移动医疗Uhealth 2020 Oct 09;8(10):e20741 [j]免费全文] [CrossRef] [Medline]
缩写
OSF:开放科学框架 |
编辑:T·桑切斯,A·马夫拉加尼;提交17.08.21;由C雅各布,P威廉姆斯同行评审;对作者23.01.22的评论;收到修改版本28.01.22;接受01.04.22;发表15.07.22
版权©Paul M Garrett, Joshua P White, Simon Dennis, Stephan Lewandowsky, Cheng-Ta Yang, Yasmina Okan, Andrew Perfors, Daniel R Little, Anastasia Kozyreva, Philipp Lorenz-Spreen, Takashi Kusumi, Yoshihisa Kashima。最初发表于JMIR公共卫生与监测(https://publichealth.www.mybigtv.com), 2022年7月15日。
这是一篇根据知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在JMIR公共卫生与监测上,并适当引用。必须包括完整的书目信息,到https://publichealth.www.mybigtv.com上原始出版物的链接,以及版权和许可信息。