指南与共识儿科与产科急症消化、代谢与肾脏急症

政府干预、风险感知与公众采纳防护行为建议:来自中国新冠肺炎防控经验的证据

Government Intervention, Risk Perception, and the Adoption of Protective Action Recommendations: Evidence from the COVID-19 Prevention and Control Experience of China.
指南 / 共识 · Int J Environ Res Public Health · 2020-05-13
一句话结论政府防控与政府救援显著提高公众采纳防护行为建议的几率,风险感知在其中起部分中介作用,政府沟通无显著直接效应。

本研究基于2020年2月18–24日中国 mainland 的在线配额抽样调查,最终纳入3837名参与者,分析政府沟通、政府防控、政府救援三类干预与风险感知对公众采纳防护行为建议(PARs)的影响。Logit回归显示政府防控(OR=1.024,95%CI 1.018–1.031)和政府救援(OR=1.009,95%CI 1.006–1.013)显著提高采纳PARs的几率,政府沟通无显著效应(OR=1.004,95%CI 1.000–1.008);风险感知与采纳PARs正相关(OR=1.025,95%CI 1.023–1.028)。Bootstrap中介检验显示风险感知在政府防控与PARs间的间接效应为0.075(p<0.001,95%CI 0.061–0.095),占总效应31.88%;在政府救援与PARs间的间接效应为0.043(p<0.001,95%CI 0.030–0.055),占总效应34.68%。效应均不随地区变化。作者认为提高公众风险感知是促使公众采纳PARs的有效策略。

要点

  • 政府防控(OR=1.024,95%CI 1.018–1.031)与政府救援(OR=1.009,95%CI 1.006–1.013)显著提高公众采纳PARs的几率,政府沟通无显著效应(OR=1.004,95%CI 1.000–1.008)。
  • 风险感知与采纳PARs正相关(OR=1.025,95%CI 1.023–1.028),风险感知评分越高,采纳PARs的可能性越大。
  • 风险感知在政府防控与PARs间的间接效应为0.075(p<0.001,95%CI 0.061–0.095),占总效应31.88%。
  • 风险感知在政府救援与PARs间的间接效应为0.043(p<0.001,95%CI 0.030–0.055),占总效应34.68%。
  • 政府干预和风险感知对PARs的效应均不随地区(东部、中部、西部)变化。

适用人群与场景

  • 中国 mainland 公众,基于第六次人口普查各省人口比例和性别比进行配额抽样,最终分析3837人。
  • 排除海外受访者64人及不符合配额要求者195人。
  • 在线问卷调查,调查时间为2020年2月18–24日。

诊断标准与关键阈值

  • 采纳PARs:采用中国疾病预防控制中心《新冠病毒公众防护行为指南》的4项推荐防护行为,若受访者在过去两周内采纳全部4项推荐行为则赋值为1(良好采纳者),其他情况赋值为0。
  • 风险感知:采用Liu等的测量方法,以5点Likert量表测量,经因子分析生成3条目风险感知量表(Cronbach's alpha=0.853),应答分布线性转换为0–100分,100表示最高风险感知水平。
  • 政府干预分为政府沟通(Cronbach's alpha=0.865)、政府防控(Cronbach's alpha=0.910)、政府救援(Cronbach's alpha=0.805)。

研究设计与关键结果

  • 研究类型:基于在线配额抽样的横断面调查,样本量3837人,数据来自西南财经大学社会发展研究院2020年2月18–24日开展的大规模研究项目。
  • 政府防控与采纳PARs显著相关(OR=1.024,95%CI 1.018–1.031),政府救援与采纳PARs显著相关(OR=1.009,95%CI 1.006–1.013),政府沟通无显著效应(OR=1.004,95%CI 1.000–1.008)。
  • 风险感知与采纳PARs正相关(OR=1.025,95%CI 1.023–1.028);加入风险感知后模型伪R²从0.034升至0.166。
  • 政府沟通与风险感知显著相关(B=0.090,95%CI 0.040–0.139),政府防控与风险感知显著相关(B=0.458,95%CI 0.374–0.542),政府救援与风险感知显著相关(B=0.190,95%CI 0.138–0.243)。
  • Bootstrap中介检验:风险感知在政府防控与PARs间的间接效应为0.075(p<0.001,95%CI 0.061–0.095),占总效应31.88%;在政府救援与PARs间的间接效应为0.043(p<0.001,95%CI 0.030–0.055),占总效应34.68%;政府沟通对PARs无显著效应。
  • 政府干预和风险感知对PARs的效应均不随地区(东部、中部、西部)变化,交互项无统计学意义,伪R²无显著增加。

证据类型、等级与局限

  • 证据类型:基于在线配额抽样的横断面调查研究。
  • 局限:原文报告因在线调查,部分老年人因互联网使用率较低可能被遗漏;因配额抽样非随机过程,样本偏向年轻人群过度代表;采用bootstrap统计推断以处理抽样问题。
  • 局限:原文报告政府干预和风险感知对PARs的效应不随地区变化,与作者预期不符,可能因中国政府自疫情暴发以来采取非常严格的干预措施,以及受访者对SARS的个人经历可能使其容易感知COVID-19的严重性。
  • 局限:原文报告进一步评估不同类型风险感知对公众采纳PARs的相对效应将是有意义的。

对床旁实践的改变

  • 作者认为,在突发公共卫生事件中,公众可能因信息不畅而未意识到潜在危险,并会根据政府响应决定是否采取防护措施,这要求政府能够科学评估疫情的危机级别并引导公众采取正确防护措施。
  • 作者认为,提高公众的风险感知是促使公众在COVID-19大流行期间采纳PARs的有效策略。
  • 作者认为,提高公众采纳PARs的可能性需要超越仅仅告诉人们如何做的一系列策略。
  • 原文未据此给出针对急诊或ICU床旁实践的具体推荐。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Int J Environ Res Public Health. 2020 May 13;17(10):3387. doi: 10.3390/ijerph17103387

1. 引言

世界卫生组织已宣布COVID-19为大流行病,此前该疾病于2019年12月在中国首次被发现,并迅速传播至150多个国家。大流行及其影响的控制已成为世界各国政府的焦点。病毒学家致力于研究COVID-19的病理学,并开发医疗干预措施。社会干预在大流行控制中也发挥着重要作用。以中国为例,2020年3月24日的统计数据显示,全国活跃病例数为5166例,仅比前一天新增147例。这些数字表明,疫情在中国已得到有效控制。遗憾的是,很少有研究关注政府干预在流行病和大流行病预防与控制中的作用,大多数以往研究集中于公众对其健康相关行为的调整。政府干预是指政府采取行动,建议或强制公共和私营部门采取某些措施,以限制大流行影响的严重程度或传播。此外,以往研究缺乏对政府干预影响公众采纳防护行动建议(PARs)机制的讨论[1],也缺乏对政府干预影响公众采纳PARs是否存在地区差异的分析。本研究旨在通过调查政府干预、风险感知与公众采纳PARs之间的关系来填补这些空白。

以往研究表明,在缺乏对病毒的了解和有效药物干预的情况下,有必要依靠隔离、行动限制和其他需要合作的行为措施来控制流行病早期的传播[2]。由于政府在应对公共危机中的有效性是评估其是否为负责任政府的重要标准[1],中国的疫情管理已从单纯的医疗管理转向公共危机管理。为阻止COVID-19的传播,中央、省级和市级政府相继启动了这一重大突发公共卫生事件的一级响应,并实施了强有力的干预措施,如强制居家自我隔离。最近一项使用数学模型演示COVID-19传播的研究证实,政府干预在预防和控制疾病传播中发挥着非常重要的作用[3]。然而,一些研究强调,政府干预与流行病预防和控制之间的正相关关系基于公众对政府干预的积极配合[4,5]。因此,揭示政府干预如何影响公众采纳PARs至关重要。

其他研究主张,疫情防控需要更多民主措施,并将重点放在公众防护行为的调整上。关于健康行为调整的研究主要基于健康信念模型[5]和保护行为决策模型[6]。健康信念模型强调风险感知在实施防护行动和决定采取防护行为中的重要性,而保护行为决策模型则强调信息源通过风险感知、利益相关者感知和保护行为感知影响个体防护行为实施的作用。许多基于这两种模型的实证研究评估了公众对公共卫生组织所倡导的防护行为的认知、反应、期望和实施情况[7,8]。这些研究强调了主观性和风险感知在防护行为实施中的重要性,但忽视了社会情境、制度、文化类型等其他影响风险感知的因素的交互作用。

本研究试图将政府干预、风险感知和公众对防护行为的采纳纳入一个研究框架。我们做出以下四点贡献:第一,我们将政府干预分为三类:政府沟通、政府防控和政府救援,并分析这三类政府干预和风险感知如何影响防护行为的采纳。第二,我们分析政府干预与风险感知之间的关系。第三,我们使用多元回归和bootstrap中介效应检验来研究政府干预对公众采纳防护行为的作用机制。现有研究很少考虑政府干预与公众采纳防护行为之间的中介效应。第四,我们分析政府干预和风险感知对公众采纳防护行为影响的地区差异。

2. 文献综述

2.1. 社会干预视角下的流行病管理

中国学者的一些实证研究密切关注政府在突发公共卫生事件应急管理中的作用,因为政府在这些情况下承担治理的主要责任。事实上,自COVID-19出现以来,危机的预警、监测和应对都离不开政府的行动[9]。相关研究可分为两个主要主题:第一,从疫情防控的角度评估政府干预与疫情传播之间的关系;第二,从政府公共危机治理的角度反思政府在流行病管理中的经验。

一些研究发现政府干预在预防和控制疫情的社会传播方面是有效的[3,4,10]。Svoboda、Henry、Shulman等人在SARS疫情期间评估了多伦多不同环境中SARS的传播情况,发现采取公共卫生控制措施后,非控制、非居住环境和社区中的传播程度显著降低[10]。中国研究者利用大数据追溯了COVID-19在全国范围内的传播及其感染系数,证明了中国政府控制疫情传播的强大能力以及其对防止疫情在国内外传播的积极贡献[3]。这表明中国现有的控制措施是有效的。同样,关于疫情扩散的预测研究也表明政府干预是有效的[11,12]。

尽管如此,有证据表明政府干预并不总是有效的。研究2013年H7N9疫情期间政府防控实践有效性的研究者将政府干预分为三类:政府治疗、防控以及政府宣传教育。他们发现一些政府控制措施对疫情传播产生了负面影响:例如,发布“中医药防治H7N9防控方案”以及“启动疫情信息每日报告系统”产生了负面社会效应,如公众恐慌,并导致政府与公众合作的成本增加。因此,政府防控措施的有效性在一定程度上取决于公众的合作[4]。公众参与和遵守政府防控措施的意愿,以及增强对疫情的认知并主动调整自身行为,是政府旨在阻断疫情的防控措施成功的关键。这些实证研究显示了公众与政府协作的必要性,但并未揭示政府干预如何影响公众以产生合作行为。

政府对流行病的应对和预防有着悠久的历史,例如英国政府对牛瘟的干预、北京政府对流行病的防控,以及中国山东省地方政府对霍乱疫情的防控[11,12]。Zhang发现,在危机情境下,如2003年SARS疫情,公民行为比平时受到更直接的约束和限制[1]。在这种情况下,公民必须对其行为做出必要且紧迫的调整,改变许多原有习惯,并配合政府的防控和干预措施。这需要政府与公众之间形成良性互动,强调政府的责任以及政府应急管理能力的提升。同样,应急管理领域的研究者认为,在中国的政治和社会语境下,公众参与遵循一种“外部压力模式”来推动政策议程设置,这是促进从应急管理向公共危机治理转型的关键变量[12,13]。为维持政府与公众之间的合作关系,并使公众更好地执行政府的防控措施,公众对疫情危机真相的需求以及政府切实应对危机的责任必须得到满足。中国关于疫情管理的社会干预研究主要强调政府的责任和管理能力,而非关注公众参与。

尽管一些学者已经注意到公众合作的重要性,但他们集中于政府的引导以及加强政府基层组织机构的社会动员能力,以增强公众在突发公共卫生事件中对政府防控工作的参与[1]。公众参与和合作的主体性作用较少被强调。总之,疫情治理研究在考察如何最大化公众自愿参与和采纳保护性行为(PARs)时,往往忽视了对公众主观意愿的实证评价。

2.2. 公众的健康行为调整

学术界已达成共识,即公众对政府推荐的保护性行为的遵守对于控制疫情传播至关重要[14,15,16]。因此,在疫情暴发期间,公众健康行为的调整是一个重要的研究课题。

健康信念模型解释了突发疫情期间公众调整健康行为的相关因素,主要考虑对疾病的易感性、疫情的严重性、防护措施的有效性以及采取防护措施的成本[5,17]。Gallagher等人对皮肤癌防护行为的研究发现,公众健康行为的调整基于较高的受影响发生率以及个体对自身行为危险因素的认知[18]。其他基于健康信念模型的实证研究考察了SARS和H1N1疫情期间健康行为的调整。这些研究发现,当个体对疫情易感性有较高水平的感知、确信疫情的严重性、确信防护行为非常有效,并且感知到采取防护行为的成本较低时,他们更有可能自愿采取各种形式的防护行为[19,20,21,22,23]。

健康信念模型强调个体防护行为背后的心理决策过程,将健康信念的形成视为采取防护行为的关键,但未考虑公众如何接受疫情期间提供的、促进个体健康信念形成的风险信息。Lindell和Perry在提出保护行动决策模型时解释,公众对社会和环境中披露的风险信息的关注和理解,在个体心理层面影响风险感知、利益相关者感知和防护行为感知,最终基于这些感知和行为决策影响防护行为的采取[24]。风险感知是指个体对风险的主观评价[25]。防护行为感知是个体对降低风险的有效行为的评价[26]。利益相关者感知是个体对保护风险信息来源的专业性、可信度和责任感的评价[24]。

相关研究表明,健康信念模型强调风险感知等心理因素对防护行为的重要性,而保护行动决策模型解释了外部信息如何影响风险感知并最终影响个体健康行为的调整。一些研究已将风险感知确定为主要促成因素[23,27,28],而其他研究则检验了风险感知在防护行为感知和利益相关者感知与接受公共卫生部门推荐防护措施之间的调节作用。例如,Lindell和Hwang将风险感知作为中间变量进行了研究[29]。随后,Wang基于这两个模型研究了H7N9疫情期间公众如何遵从政府推荐的防护行为,发现风险感知、利益相关者感知和防护行为感知显著影响公众对防护行为建议(PARs)的遵从;以风险感知为中介,Wang进一步表明政府倡导的防控措施对个体采取防护行为的影响部分受到风险感知的调节[30]。

然而,这些研究在很大程度上依赖于信息来源对个体风险感知的影响,而忽视了信息来源与社会环境特征(如社会情境、制度和文化类型)的交互作用对风险感知的影响。卡斯珀森(Kasperson)及其同事提出了风险的社会放大框架,用以解释危机事件与个体心理、社会情境、制度和文化之间的交互作用对公众风险感知的影响[31]。在COVID-19暴发期间,疾病传播的地理空间分布与中国政府的干预政策交织在一起,这为公众对疾病风险的感知提供了社会情境。

从社会学家贝克(Beck)的视角来看,全球社会目前呈现为风险社会的形态[32]。在中国社会情境下,全球风险与COVID-19紧急危机相结合的社会背景下,政府履行疫情治理职责并承担社会干预责任。所制定的干预政策和所实施的干预措施,如政府救援工作、政府宣传、不同地区的政府防控等,涉及与公众的直接关系,并对社会环境产生重大改变。根据风险的社会放大框架,这些措施将影响人们的风险感知,进而影响他们是否采取防护行为的决策。基于上述观点,我们提出以下假设:

政府干预将显著影响公众防护行为。

风险感知将显著影响公众防护行为。

风险感知将是政府干预与公众采取防护行为(PARs)之间的中介因素。

3. 方法

3.1. 参与者与程序

本研究数据来源于西南财经大学社会发展研究院于2020年2月18日至24日开展的一项大规模研究项目,该项目调查了COVID-19在中国的心理社会影响。该项目通过互联网发放问卷并匿名收集数据。首先,基于数据代表性和研究经费限制,我们计划开展一项样本量为4000的全国性调查。然后,根据第六次人口普查报告的各省人口和性别比,采用配额设计计算为各省设定样本量(表A1)。最后,我们通过问卷星(Wenjuanxing)在线调查系统发放和收集问卷。最初,共有4096人完成了问卷。由于本研究的目的是调查影响中国大陆公众采取防护行为(PARs)的因素,因此有64名来自海外的受访者的回答被从分析中剔除。另有195名不符合配额要求的受访者也被剔除,最终留下3837名参与者进行分析。

3.2. 测量

采取防护行为的采用情况:采用中国疾病预防控制中心[33]编制的《新型冠状病毒肺炎公众防护行为指南》中的4个条目来测量受访者采取的防护行为(表1)。对于每一种推荐的防护行为形式,受访者在遵守和不遵守之间做出选择。如果受访者在过去两周内采取了全部4种推荐的防护行为形式,则被视为推荐防护行为的良好采用者,赋值为1。其他情况赋值为0。

风险感知:公众对风险的认识是复杂的,并受定性因素的影响[34],包括特定风险被视为致命、不可控和未知的程度。我们采用Liu等[35]的测量方法,使用5点李克特量表评定的变量来测量这些因素(表1)。我们对这些变量进行因子分析,生成包含3个条目的风险感知量表。该量表3个条目的Cronbach's alpha系数为0.853,提示内部一致性较高。反应分布经线性变换至0~100范围,100表示最高水平的风险感知。

政府干预:政府干预分为政府沟通、政府防控和政府救援(表1)。政府沟通指地方政府为促进公众对COVID-19疫情的理解而采取的传播行动,如悬挂横幅和广播。政府防控指地方政府动员社会力量保护公众健康,如动员医务人员筛查潜在患者、动员社区工作者限制人口流动。政府救援指地方政府对COVID-19患者、疑似患者及其他人员的援助和心理支持。政府沟通、政府防控和政府救援的Cronbach's alpha值分别为0.865、0.910和0.805,提示信度良好。

地区:我们将中国各省份划分为三个地区:东部地区、中部地区和西部地区。中部地区由湖北、河南、湖南、安徽、江西和山西省份组成,东部地区由河北、北京、天津、山东、江苏、上海、浙江、福建、广东和海南省份组成。其他省份归入西部地区。为促进区域经济发展,中国政府于1986年将中国各省份划分为这三个地区。由于其他五个中部省份与湖北相邻,也是受COVID-19影响最严重的地区,我们在研究中采用了这一划分。

我们还控制了性别、年龄、户籍、受教育年限、婚姻状况和家庭成员数等人口学特征。各变量的描述性统计结果见表2。

3.3. 研究方法

为了检验政府干预与采取保护性行动建议(PARs)之间的关系由风险感知中介的假设,我们采用MacKinnon等[36]的四步程序进行了中介分析。一般而言,当自变量显著影响中介变量、自变量在没有中介变量时显著影响因变量、中介变量对因变量具有显著的独特效应,以及在模型中加入中介变量后自变量对因变量的效应缩小,则可认为存在中介效应。因此,我们按照这些步骤依次检验各模型的回归系数。

由于我们关注公众是否完全遵守推荐的保护行为,且因变量为虚拟变量,我们使用Logit回归模型检验政府干预对遵守推荐保护行为的影响、风险感知对遵守推荐保护行为的影响,以及政府干预和风险感知对遵守推荐保护行为的影响。为使结果更易于理解,我们报告了各自变量对因变量的比值比(OR),而非系数。对于政府干预对风险感知的影响,由于风险感知为连续变量,我们使用多重线性回归和普通最小二乘法(OLS)进行估计。

由于我们使用的是在线调查,部分老年人群可能因其互联网使用率较低而被遗漏,且由于配额抽样并非随机过程,我们的样本存在偏向年轻人群过度代表的偏倚。为解决这些抽样问题,我们使用了自助法(bootstrap)统计推断。自助法允许在抽样分布未知的情况下进行推断,以产生可靠的置信区间[37]。

风险感知在政府干预与采取PARs之间的中介效应采用STATA 16(Stata,College Station,TX,USA)中的自助法估计程序进行检验。Mackinnon等[36]建议自助法可产生间接效应最准确的置信区间。采用自助法的原因是间接效应的标准误估计和置信区间通常不精确,因为间接效应估计一般不服从未正态分布[36]。假定服从正态分布的间接效应统计检验的效能值得怀疑。因此,自助法可以是分析间接效应的良好选择[36,38]。本文中的置信区间均基于1000次迭代的自助法。

4. 结果

4.1. 政府干预、风险感知与采取保护性行动建议

表3中的相关分析显示,政府沟通、政府防控和政府救援与风险感知及公众对预防性行为(PARs)的采纳呈正相关。风险感知与公众对PARs的采纳呈正相关。此外,研究发现风险感知还分别与政府沟通、政府防控和政府救援呈正相关。尽管中国政府的社会干预措施——从政府沟通到政府防控再到政府救援——一直非常严格,但政府干预的强度因地区而异(表A2)。因此,除了考察政府干预、风险感知与公众对PARs采纳之间的关系外,我们还考察了政府干预和风险干预对公众采纳PARs影响的地区差异。

为评估风险感知对公众采纳PARs的影响以及该效应在不同地区间的变化,我们对表4中的每个结果变量使用了同一组logit回归模型。如模型1的结果所示,性别、年龄、婚姻状况、家庭成员数量和地区与公众对PARs的采纳相关。然而,模型2显示,当我们加入风险感知变量后,只有户籍、受教育年限和地区仍具有统计学显著性。模型2还显示,风险感知与公众对PARs的采纳呈正相关(OR = 1.025,95% CI:1.023至1.028)。在控制个人、家庭和地区特征后,受访者的风险感知得分越高,采纳PARs的可能性越大。我们可以看到,回归的伪R2从0.034增加到0.166,这表明风险感知是公众遵守PARs的重要预测因素。

表4中的模型3显示,当加入风险感知与地区的交互项后,风险感知仍与公众对PARs的采纳呈正相关(OR = 1.024,95% CI:1.020至1.028),而地区对公众采纳PARs无显著影响。同时,交互项不具有统计学显著性,伪R2也没有增加。这些结果表明,我们的假设2得到了数据的支持,风险感知对公众采纳PARs的影响不因地区而异。

为评估政府干预对公众采纳PARs的影响以及该效应在不同地区间的变化,我们同样对表5中的每个结果变量使用了同一组logit回归模型。模型1的结果显示,政府干预与公众对PARs的采纳相关。具体而言,在控制个人、家庭和地区特征后,政府防控与公众对PARs的采纳显著相关(OR = 1.024,95% CI:1.018至1.031),政府救援也与公众对PARs的采纳显著相关(OR = 1.009,95% CI:1.006至1.013),但政府沟通对公众采纳PARs无显著影响(OR = 1.004,95% CI:1.000至1.008)。这些结果表明,政府干预是公众遵守PARs的重要预测因素。

表5中的模型2–4显示,当加入政府干预与地区的交互项后,政府沟通对公众采纳PARs无显著影响,政府防控和政府救援仍与公众采纳PARs呈显著关联,而地区对公众采纳PARs无显著影响。同时,交互项在统计上不显著,且我们发现伪R2无显著增加。这些结果表明,我们的假设1得到了数据的支持,政府干预对公众遵守推荐保护行为的影响不因地区而异。

表6中的模型1呈现了以风险感知为因变量的OLS模型结果。结果显示,政府干预与风险感知呈显著关联。具体而言,在控制个人、家庭和地区特征后,政府沟通与风险感知呈显著关联(B = 0.090,95% CI:0.040至0.139),政府防控与风险感知呈显著关联(B = 0.458,95% CI:0.374至0.542),政府救援与风险感知呈显著关联(B = 0.190,95% CI:0.138至0.243)。这些结果表明,政府干预是风险感知的重要预测因素。

表6中的模型2呈现了以公众采纳PARs为因变量的logit模型结果。结果显示,当纳入风险感知后,政府防控和政府救援仍对公众采纳PARs有显著影响,这与表5中的模型1一致。与表5中的模型1相比,政府沟通对公众采纳PARs的影响(OR = 1.014,95% CI:1.007至0.022)以及政府防控对公众采纳PARs的影响(OR = 1.008,95% CI:1.004至1.014)均变得显著更小。该结果表明,政府干预通过风险感知影响对推荐保护行为的遵守,且风险感知是政府干预与公众采纳PARs之间的中介变量。

4.2. 中介效应的Bootstrap估计

为进一步检验风险感知在政府干预与公众采纳PARs之间的中介效应,我们使用bootstrapping分析中介效应(表7)。结果显示,首先,政府沟通对公众采纳PARs无显著影响。其次,结果显示风险感知在政府防控与公众采纳PARs之间起中介作用,风险感知的中介效应显著,间接效应值为0.075(p < 0.001,95% CI:0.061至0.095)。中介效应占总效应的31.88%。最后,结果显示风险感知在政府救援与公众采纳PARs之间起中介作用,风险感知的中介效应显著,间接效应值为0.043(p < 0.001,95% CI:0.030至0.055)。中介效应占总效应的34.68%。因此,我们的假设3得到了数据的支持。

5. 讨论

本研究分析了一个大型研究项目的数据,该项目调查了COVID-19在中国大陆的社会心理影响,以考察政府干预、风险感知与公众采取防护性行为(PARs)之间的关系。健康信念模型和保护性行为决策模型强调风险感知对公众采取PARs的重要性[5,17],而社会干预视角则强调政府干预对人们调整健康行为的重要性[3,4,10]。在此背景下,本研究对文献作出了两项重要贡献。第一,我们分析了政府干预与风险感知之间的关系,发现政府干预与公众的风险感知相关。第二,我们系统分析了风险感知和政府干预对公众采取PARs的影响。多元回归和bootstrap中介效应检验显示,政府干预与公众采取PARs显著相关,而风险感知是政府干预与公众采取PARs之间的重要中介因素。这些发现有助于我们更全面地了解公众采取PARs的决定因素。

结果引出了四个主要讨论要点。第一,研究结果表明,虽然政府干预提高了公众采取PARs的可能性,但并非所有三类政府干预都与公众采取PARs显著相关。具体而言,政府防控和政府救援这两种干预形式显著提高了公众采取PARs的可能性,但政府沟通对公众采取PARs没有显著影响。这些结果与既往研究一致[3,10]。它们意味着,政府对突发公共卫生事件的快速反应不仅能够实现对患者的直接和及时治疗,还能提高公众采取PARs的可能性,从而减少病毒的社会传播。这些结果还具有重要的实践意义。当突发公共卫生事件发生时,公众可能因信息不畅而未意识到潜在危险,并会根据政府的反应来决定是否采取防护措施。这要求政府能够科学评估疫情的危机等级[32],并引导公众采取正确的防护措施。

其次,研究结果表明,风险感知与公众采取预防性行为(PARs)存在显著关联。具体而言,受访者的风险感知得分越高,采取预防性行为的可能性越大。这一结果与既往研究[5,6,30]一致,表明提高公众的风险感知是促使其遵守推荐防护行为形式的关键因素。与既往研究不同,本研究中的风险感知是一个综合性概念,涵盖公众面临风险的三个方面:感知到COVID-19的严重程度、COVID-19的死亡率以及COVID-19对其生活的影响程度。基于健康信念模型的既往研究表明,对流行病的易感性和严重性感知水平较高的个体,以及更确信防护行为非常有效的个体,在SARS和H1N1疫情期间更有可能自愿采取防护行为[18,19,20,21,22]。进一步评估不同类型风险感知对公众采取预防性行为的相对影响将是有意义的研究方向。

第三,结果表明,政府干预对公众采取预防性行为的影响不存在地区差异,风险感知对公众采取预防性行为的影响也不存在地区差异。这表明,在同等强度的政府干预下,不同地区公众采取预防性行为的可能性没有显著差异。这些发现与我们的预期不符,可能归因于两个因素。第一,自COVID-19暴发以来,中国政府采取了非常严格的干预措施,极大地提高了公众采取预防性行为的可能性。第二,COVID-19与SARS有许多相似之处,受访者个人对SARS疫情的经历可能使其更容易感知到COVID-19的严重性,从而提高其风险感知,进而提高采取预防性行为的可能性。

最后,结果表明,风险感知是政府干预与公众采取预防性行为之间的重要中介因素。在既往研究中,政府干预与公众采取预防性行为之间的关系以及风险感知与公众采取预防性行为之间的关系代表了两种不同的研究路径。近期一项研究表明,政府防控措施对个体采取预防性行为的影响部分受风险感知的调节[28]。在本研究中,我们进一步考察了政府干预、风险感知与公众采取预防性行为之间的关系,发现尽管三种类型的政府干预均与风险感知存在显著关联,但只有政府防控和政府救助通过风险感知影响了公众采取预防性行为的可能性。这些结果意味着,提高公众采取预防性行为的可能性需要一系列策略,而不仅仅是告诉人们该做什么。

本研究存在若干局限性。第一,由于该项目启动时中国正处于疫情防控的关键时期,我们无法随机选取受访者,这导致我们采用了配额抽样策略而非随机抽样策略。使用配额抽样策略意味着我们无法使用传统的统计推断方法来推断一般人群中的实际模式。第二,由于我们采用了在线调查方法,老年人群因互联网使用率较低而代表性不足。为解决这一问题,我们使用了自助法(bootstrapping)进行统计推断。第三,政府干预和风险感知均基于自我报告测量,受访者可能在政府干预和风险感知方面提供了社会期望性回答。第四,面对突发事件时,中国人民以强烈的集体主义精神和合作意愿著称。政府干预、风险感知与公众采纳预防性行为(PARs)之间的关系需要在其他文化背景中进行研究。尽管存在这些局限性,本研究仍提供了重要的洞见,有助于促进我们对政府干预如何影响公众采纳PARs的理解。

6. 结论

三类政府干预措施——政府沟通、政府防控和政府救援——对公众采纳PARs表现出不同的效应。具体而言,政府防控和政府救援两种干预形式被发现显著提高了公众采纳PARs的可能性。风险感知与公众采纳PARs相关。政府干预的效应和风险感知的效应对公众采纳PARs的影响均不因地区而异。风险感知被确定为政府干预与公众采纳PARs之间的重要中介因素。政府防控通过风险感知对公众采纳PARs的间接效应占总效应的31.88%。政府救援通过风险感知对公众采纳PARs的间接效应占总效应的34.68%。这些发现表明,提高公众的风险感知是政府在COVID-19大流行期间鼓励公众采纳PARs的有效策略。

参考来源

  1. Duan T, Jiang H, Deng X, et al. Government Intervention, Risk Perception, and the Adoption of Protective Action Recommendations: Evidence from the COVID-19 Prevention and Control Experience of China. Int J Environ Res Public Health. 2020. PMID: 32414013. doi:10.3390/ijerph17103387
  2. 全文:PMC7277925(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7277925/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。