據外媒報導,事實證明,超級傳播事件是導致COVID-19大流行的主要感染模式,其導致了對風險的錯誤認識。雖然在過去一年裡,美國有50多萬人死於COVID-19,但公眾對感染和死亡率的看法仍存在差異。在大流行早期進行的一項調查發現,當地的風險認知往往跟感染率無關,這導致人們採取了不適當的行動。

這一研究結果發表在8月16日的《Decision》上。

來自卡內基梅隆大學社會與決策科學系副教授、該研究的論文第一作者Stephen Broomell指出:“疫情剛開始時,從理論上看,事情似乎很可怕,對許多美國人來說,最糟糕的情況並不是發生在他們自己的後院。很難完全理解不可見的東西的風險,由於許多人沒有立即體驗到疫情的影響,當地的經歷影響了他們對問題的嚴重性的看法,甚至影響了他們願意採取什麼樣的行動。”

Broomell在他的職業生涯中一直在研究人們如何在他們想象不到的問題上應對風險,如龍捲風、氣候變化及現在的疫情。他的研究探討了為什麼讓群體做出集體決定以降低風險是如此具有挑戰性。當大流行來的時候,Broomell和他的同事Patrick Bodilly Kane應用了認知生態學方法來預測人群對大流行風險的判斷準確性。

Kane說道:“關於流行病的辯論不是一場,而是很多場。人們很難將自己在當地的經歷跟一個全球現象聯絡起來。”

該研究團隊通過建立一個超級擴散程式模型來檢驗個體風險體驗的可變性。當地感染率被用來近似個人在地理上對大流行的區域性感知。全球風險由國家感染率界定,這代表了大流行病的嚴重程度。他們還對2020年4月24日至5月11日期間獲得的近4000份調查結果進行了全國調查。

Broomell表示:“這並不是說人們完全不知道國內和國際的感染率,但由於這種特殊的疾病在叢集中傳播的方式,有一個真正的機會,一個人可能沒有遇到任何他們知道被感染的人。每個社群都有相同的概率經歷叢集,但對於任何給定的社群,尤其是在開始時,這種概率很低。”

在這項研究中,全球趨勢是所有當地趨勢的結合。如果區域性趨勢是不可靠的,那麼它們就無法跟全球資料相關聯。由於這個原因,研究小組使用可靠性來衡量基於調查結果的本地觀察結果的判斷的有效性。

他們發現,在大流行早期,決策者沒有將超級傳播事件作為感染機制考慮進去。雖然人們依賴高層機構獲取資訊,但社群級別的組織缺乏幫助人們瞭解風險的支援。他們的結果發現,縣級每日感染率是判斷全國感染率的一個重要預測器,對整個疫情的風險感知的極端極化亦是如此。

Broomell說道:“瞭解人們所看到的和疾病如何真正傳播之間的相互作用將有助於我們為未來類似的情況做好準備。”

據悉,這項研究是基於疫情開始時進行的一項為期18天的調查。研究人員預計,隨著大流行的發展,這項調查的結果並不適用於對風險的認知。

Kane表示:“我們的工作是關於COVID-19,但它遠不止於此。造成這場災難的因素在不同時間影響著我們所有人。這種動態出現在許多你可能意想不到的地方。人們看不到更大的趨勢,因為他們已經趕上了眼前的東西。”

Broomell指出,這項研究舉例說明了一個預測公民將如何應對全球風險的總體框架。清楚地瞭解集體判斷錯誤的根源可以幫助後代更有效地應對全球威脅。

“我們很長時間以來就知道,人們個人會以截然不同的方式經歷氣候變化,這很像COVID,會影響他們採取行動的緊迫感。儘管人們對全球氣候變化的心理反應需要幾十年才能完全瞭解,但這場大流行的發展速度要快得多,它向世界表明,讓人們就最終影響所有人的風險達成一致是多麼困難,”Broomell說道。