这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR公共卫生和监测上的原创作品。必须包括完整的书目信息,https://publichealth.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
为了应对COVID-19大流行,各国正在推出数字护照,允许此前感染过(免疫护照)或接种过SARS-CoV-2疫苗(疫苗护照)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,以及在什么条件下被公众广泛接受。这项研究的重点是免疫护照,因为这些护照在现有的COVID-19疫苗接种计划和没有疫苗接种计划的国家都可能有用;然而,我们的一般发现也延伸到接种护照。
我们旨在评估六个国家对引进豁免护照的态度,并确定哪些社会、个人和环境因素预测了他们的支持。
在2020年2019冠状病毒病大流行期间的4月至5月,我们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收集了13678名参与者,并评估了对引进豁免护照的态度和支持。
豁免护照的支持程度从中等到较低,最高的是德国(775/1507名参与者,51.43%)和英国(759/1484名参与者,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%)。采用贝叶斯广义线性混合效应模型评估各国护照豁免支持的预测因素。国际调查结果显示,新自由主义世界观(优势比[OR] 1.17, 95% CI 1.13-1.22)、个人关注(OR 1.07, 95% CI 1.00-1.16)、感知病毒严重程度(OR 1.07, 95% CI 1.01-1.14)、免疫护照的公公性(OR 2.51, 95% CI 2.36-2.66)、喜欢免疫护照(OR 2.77, 95% CI 2.61-2.94)、愿意被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)、对豁免护照的担忧(OR 0.61, 95% CI 0.57-0.65)以及对社会的危害风险(OR 0.71, 95% CI 0.67-0.76)预测了对豁免护照的支持减少。预测因素在国家之间存在微小差异,结果分别建模,以提供这些数据的国民账户。
我们的研究表明,对豁免护照的支持是由它们所带来的个人利益和社会风险所预测的。这些发现在六个国家中推广,也可能为推出疫苗接种护照提供信息,帮助决策者在这六个国家和世界各地推出有效的COVID-19护照政策。
导致COVID-19的SARS-CoV-2病毒已感染全球3.6亿多人,导致560多万人死亡[
免疫护照通过检测SARS-CoV-2抗体来识别先前感染和现已康复的个人[
免疫护照可使经济迅速反弹,如果其他人康复或接种疫苗,个人会认为拥挤的商店和工作场所更安全[
这些应用程序可能会附带额外的隐私保护措施,就像韩国的“绿色通行证”一样。
可能引入免疫护照带来了一系列科学、法律和伦理问题,例如:康复后接种疫苗的人是否对新病毒变异免疫[
我们将调查范围缩小到全球六个国家引进和接受免疫护照的情况(个人感染并康复的情况),因为免疫护照可能与有或没有疫苗接种计划的国家都有关系。当然,这些发现也可能是有见地的,并可能扩展到接受接种护照的必要条件。目前调查的关键是了解哪些社会、个人和背景因素影响免疫护照的接受。
社会因素可能会影响人们对免疫护照是否有益于整个社区的态度,从而影响护照的接受程度[
个人经历也可能影响一个人对使用免疫护照的态度。例如,有过或认识过COVID-19患者的人可能会倾向于使用豁免护照[
最后,豁免护照的接受程度可能取决于与大流行状况有关的背景因素,如COVID-19病例、死亡人数和疫苗进展,这些因素可能因国而异,且随时间而异。在了解影响免疫护照接受的因素时,我们可以考虑(1)在试图控制每个国家的背景影响时接受(国际模式),以及(2)依赖于每个国家的接受(国家模式)。前者告诉我们各国接受豁免护照的必要条件,使我们的研究结果有可能推广到六个国家样本之外。相比之下,后者评估每个抽样国家的接受程度,并可能显示接受程度如何随每个国家的个别背景和文化而变化。
总之,这项研究的目的是确定哪些社会、个人和背景因素预测了六个国家对豁免护照的采用。国际模型用于提供可推广的结果,而国家模型用于寻找偏离国际解释的因素。贝叶斯统计数据用于提供支持或反对预测豁免护照使用的因素的证据。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。
我们调查了在新冠肺炎大流行期间经历不同的六个国家对豁免护照的态度:澳大利亚、德国、英国、西班牙、日本和台湾。使用贝叶斯线性混合模型,我们的目标是确定哪些因素(与covid -19相关的社会、个人和背景问题)影响豁免护照的接受。我们用两种方法检查了数据。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),以创建一个通用的豁免护照接受框架。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。
在提供知情同意之前,所有参与者都阅读了一份描述在线调查、研究问题(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、风险和数据保护的简单语言声明。参与者被告知,数据收集将通过受密码保护的账户进行,通过加密网络传输,并保存在安全的受密码保护的服务器上;不会公布或发布任何身份信息;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的补偿,西班牙和德国参与者根据与Lucid的协议获得补偿,日本参与者根据与Cross Marketing的协议获得补偿,台湾参与者根据与Gosurvey的协议获得补偿。英国参与者得到了每10分钟调查0.85英镑(约合1.07美元)的统一补偿。澳大利亚和日本的墨尔本大学(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)的数据收集获得了伦理批准。
与每个国家内每个样本有关的人口统计资料。
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(年),平均值(SD) | 48 (17) | 48 (17) | 47 (16) | 46 (17) | 48 (16) | 40 (12) | 40 (12) | 40 (12) | 41 (12) | 46 (16) | ||
|
||||||||||||
|
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 | |
|
||||||||||||
|
不到高中 | 9 | 11 | 14 | 3. | 10 | 1 | 1 | 1 | 1 | 16 | |
|
高中毕业生 | 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 |
随着大流行的演变,每个样本都更新了调查设计;然而,本研究评估的主要设计元素保持不变(见图A1)
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,参与者阅读描述不同类型的手机COVID-19接触追踪系统、电信跟踪系统、政府应用程序或Apple/谷歌暴露通知系统的三个假设场景中的一个,然后完成理解检查并回答有关这些场景的问题(按国家划分的这些项目的方法和结果,请参见[
在回答豁免护照项目之前,每位与会者阅读了以下说明:
“免疫护照”表明你曾患过某种疾病[或接种过疫苗],并且你有引起这种疾病的病毒的抗体。有抗体意味着你现在已经免疫了,因此无法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,你可以获得一张“免疫护照”,随后可以自由行动。豁免护照被提议作为在COVID-19大流行期间取消流动限制的潜在步骤。
调查完成后,数据添加了特定国家的信息。数据包括国家指数,如世界银行的政府效能感知量表(0-100级,数值越高,效能越高)[
COVID-19感知风险和影响、豁免护照和世界观项目。IP:豁免护照;WV:世界观。
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 | 你有多担心自己会感染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 | 你曾被检测出COVID-19呈阳性吗? | 积极的自我 |
影响2 | 你认识的人有COVID-19检测呈阳性的吗? | 积极的其他 |
影响3 | 你是否因COVID-19大流行而暂时或永久失业? | 失业 |
护照1 | 你支持政府针对新型冠状病毒(COVID-19)推出“免疫护照”的提议吗? | IP支持1 |
护照2 | 你对推出COVID-19“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 | 你认为针对COVID-19的“免疫护照”会在多大程度上损害贵国的社会结构? | IP的伤害 |
护照5 | 你在多大程度上认为持有“豁免护照”的人重返工作岗位是公平的,而没有护照的人则不能? | IP公平 |
护照6 | 你会在多大程度上考虑故意让自己感染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推出“免疫护照”的建议? | IP支持2 |
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,自然而然地最能满足人们的需求 | 西弗吉尼亚州经济 |
世界观2 | 自由市场体系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[反向得分项目] | 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其公民的生活 | WV小型政府 |
本研究的匿名数据和分析代码可通过OSF [
贝叶斯序数probit回归被用来比较李克特量表反应使用
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能预测对豁免护照的支持。2019冠状病毒病的人口统计、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;并将豁免护照项作为豁免护照支持度的加性和独立预测变量。随机拦截效应被包括在内,以解释每个国家在数据中引入的依赖关系。Likert评级被视为数值数据,非分类变量在每个国家内进行缩放,其平均值为0,SD为1。
利用Stan中R包实现的哈密顿马尔可夫链蒙特卡罗无u型转弯抽样估计模型参数的后验分布
正文中报告的模型在回答豁免护照问题后评估护照支持情况。结果变量被简化为一个二元响应集:“支持”(“中等”、“很多”或“极端”李克特量表项)和“不支持”(“不支持”、“一点”或“一些”)。样本顺序(仅在两个县存在)和性别“其他”或“宁愿不说”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。其中包括在回答关于豁免护照的问题之前预测护照支持的模型,以及使用所有顺序回答选项的国际态度模型
国家模式复制了上述模式程序;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。每个国家的建模分别在
有序回归均值后验分布(左轴;垂直误差条)和潜在李克特量表评分(右轴;横线虚线)用于澳大利亚、台湾、英国、日本、德国和西班牙对护照豁免的看法。误差条显示95%最高后验密度区间。虚线表示李克特量表类别,国家之间的非重叠区间(即效果)由每个项目内的黑色水平线表示。
各国护照豁免支持的贝叶斯广义线性混合效应模型(护照豁免后问题)。阳性参数表示豁免护照支持;负值表示支持率下降。条形表示以参数平均值为中心的参数分布的50%,尾部显示95%的最高密度区间。不透明变量表示后验区间不重叠于零的实例。IP:豁免护照。
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的担忧增加、个人对病毒严重程度的感知、世界观(相信自由市场运作最好,支持社会正义的能力有限)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,优势比为2.8;也就是说,“喜欢”豁免护照的几率增加1个标准差,对应的是支持引进豁免护照的几率增加2.8个标准差。这似乎有些重复,但表明对豁免护照的积极态度是接受它们的最强预测因素。
反对采用豁免护照的预测变量包括性别(认为自己是女性)、世界观(支持尽量减少政府干预)和豁免护照风险项目(对社会的关切和危害风险)。豁免护照关切是反对接受豁免护照的最具预测性的项目,其中1-SD增加对应于支持引进豁免护照的几率增加0.61倍(相当于不支持引进豁免护照的几率增加1.65倍)。
支持/不支持豁免护照接受的国际和国家模型参数的优势比。一个
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乘数增加。显示的参数是那些具有可信间隔且不跨越零的参数。
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。
除日本外,六个抽样国家对引进豁免护照持温和支持态度。国际模型显示,接受豁免护照的主要因素是感知到的个人风险(对COVID-19的担忧和严重程度,自我感染的意愿)和好处(喜欢豁免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)。接受度不受COVID-19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。国家模型与国际结果差异不大,这表明我们的国际发现可能对全球社会具有推论意义。
国际建模确定了护照支持的几个预测因素,包括世界观、对自己的COVID-19关注以及对病毒对自己的严重程度的感知;然而,关键变量是那些直接评估人们对豁免护照态度的变量。渴望护照、认为护照是公平的、愿意感染自己以获得豁免护照都与支持豁免护照呈正相关。尽管对免疫护照的看法显示出对他人的关注多于对自己的关注,但对他人的关注和对病毒严重程度的感知并不能预测对护照的支持。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[
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,如果不受政府干预的限制,它会发挥最好的作用。相比之下,限制政府干预对豁免护照的支持、性别、对豁免护照的关注和对社会危害的感知风险都具有负向预测作用。这些参数编码了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。[
COVID-19政策决定(如佩戴口罩、居家封锁和引入移动跟踪技术)和特定国家指数(如COVID-19病例和死亡人数、个人主义、政府效率)等背景因素不能预测免疫护照的支持程度。这加强了我们的理论,即对使用豁免护照的态度主要是由个人风险和利益驱动的,在较小程度上是由社会因素驱动的。
国家模式显示出与国际模式的微小差异。有些国家强调对他人的关心(如日本)或对自己的关心(如台湾),或与国际模型相比缺乏预测变量。例如,在除联合王国以外的每个国家,随着自我感染的可能性增加,豁免护照的支持也在增加。相比之下,有些因素在各国之间始终具有预测性(例如,认为豁免护照是“公平的”)。理解国际和国家差异是本研究的关键;没有一个国家是可以用来推断理解或预测的庞然大物。在各国建立的态度模型提供了见解(例如,性别的预测性质和COVID-19对个人的严重程度),否则在国家层面就会丢失。相比之下,国民核算提供了一种细致入微的态度,使政策制定者能够考虑相对于国际社会,一国内部如何看待豁免护照。
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,他们可能偏向于大规模问题的技术解决方案。此外,样本在教育方面不具有代表性,每个国家的受访者都倾向于受教育程度高于各自的人口。
在调查期间,我们也受到了公众看法的严重限制。2020年4月至5月,国际疫苗尚未开始推广,重点是抑制病毒的非药物方法。此后,随着媒体开始报道政府寻求引进疫苗接种和/或豁免护照,以及这些文件带来的风险和好处,态度可能发生了转变。随着航空公司等公司开始根据个人是否接种过疫苗或最近是否康复来限制服务,以及COVID-19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“完全接种疫苗”需要什么(例如,一针、两针或几针加强疫苗)以及哪些疫苗被认为适合进入一个国家,讨论也将不断发展。此外,随着人们体验免疫护照技术的可用性,公共话语将发生变化,这是移动卫生技术采用的一个关键障碍[
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[
各国政府和企业目前正在推出免疫和疫苗护照,以迅速使社会和经济恢复正常,同时鼓励公众接种疫苗,保护自己和亲人。然而,只有在公众支持的情况下,这些护照的推出才会奏效。政策制定者可以从我们的发现中得出一些关于如何有效引入免疫护照的明确结论。护照的接受将受益于强调这些护照所带来的社会效益(封锁时间缩短、恢复正常工作和活动、社区健康状况改善)和个人健康效益,以及解决和最大限度地减少引进这些护照所带来的社会风险(例如,创建“接种疫苗”和“未接种疫苗”的社会阶层)和个人风险(隐私和匿名)。在较小程度上,通过将免疫护照框定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,妇女较少接受免疫护照;但是,在个别国家内并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考虑这些因素,政府和企业可以避免公众在被提示:“请出示证件?”
国家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。
豁免护照数据的交替序数和二项式建模帐户。
为每个国家分别完成豁免护照模型。
开放科学架构
澳大利亚的数据收集是由Peter Doherty SD感染和免疫研究所的匿名慈善基金支持的。德国的数据收集由大众汽车基金会向RH、SL和SH(倡议“人工智能和未来社会”)提供的规划赠款资助。SL在进行这项研究时得到了德国洪堡基金会的研究奖的支持。SL还根据资助协议964728 (JITSUVAX)从欧盟的地平线2020研究和创新计划获得了资金。台湾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。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向YO提供资金支持,YO部分得到了英国癌症研究中心颁发的人口研究奖学金(C57775/A22182)的支持。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。
整个项目由SD和SL领导,并与所有指定作者的输入进行协调。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TK;在英国由SL;和YO在西班牙。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。手稿的撰写和修改由PMG领导,并由所有作者贡献。
没有宣布。