Auswirkung der Verfügbarkeit von COVID-19-Tests auf die Wahl zur Isolation und zur sozialen Distanzierung

Wenn Menschen Entscheidungen darüber treffen, wie sie sich sozial distanzieren möchten, treffen sie möglicherweise andere Entscheidungen, wenn sie Informationen von einem Arzt oder einem anderen medizinischen Dienstleister erhalten, als wenn sie Informationen aus einem Testergebnis haben. Werden die Lebensstilentscheidungen und die Entscheidungen der Menschen, sich sozial zu distanzieren oder zu isolieren, davon beeinflusst, wie Informationen über ihren Gesundheitszustand kommuniziert werden? Verändert das Vorhandensein von Tests die Lebensstilentscheidungen der Menschen? Wir untersuchen und versuchen, diese Fragen durch eine querschnittliche Online-Umfrage zu beantworten.

Vor Beginn der Haupterhebung werden zwei Pilotstudien durchgeführt. Die vorläufigen Ergebnisse dieser beiden Umfragen werden durch EFA (explorative Faktorenanalyse) und Leistungsanalyse analysiert, um Subskalen, Effektgröße und geeignete Stichprobengröße für die Hauptstudie zu bestimmen. Darüber hinaus wird eine Fokusgruppe bestehend aus etwa 15 Personen mit Hochschulabschluss gebeten, an der Hauptumfrage teilzunehmen, um einen angemessenen Zeitpunkt für den Abschluss der Umfrage zu ermitteln. Die untere Grenze dieser Studienabschlussdauer wird dann verwendet, um eine angemessene Zeit für den Abschluss der Umfrage festzulegen und somit ein Ausschlusskriterium zu schaffen, das auf der Zeit bis zum Abschluss der Umfrage basiert.

Die Studienteilnehmer werden zunächst dazu eingeladen, an einer Pre-Test-Umfrage mit neun Fragen zu Amazons Mechanical Turk teilzunehmen. Befragte, die die 4 Fragen zur Aufmerksamkeitsprüfung im Vortest bestehen, werden dann zur Teilnahme an der Hauptumfrage eingeladen.

Schätzungsweise 1400 Teilnehmer werden mithilfe von Amazon Mechanical Turk rekrutiert, um an der Hauptumfrage teilzunehmen. Wir gehen davon aus, dass 1194 Teilnehmer alle Einschlusskriterien erfüllen und dann in die Hauptstudienanalyse einbezogen werden. Teilnehmer werden in die Analyse der Hauptumfrage einbezogen, wenn sie das englischsprachige Einverständnisformular gelesen und ihm zugestimmt haben, in den USA ansässig sind (basierend auf Postleitzahlendaten), die Fragen zur Aufmerksamkeitsprüfung sowohl im Vortest als auch in der Hauptumfrage richtig beantworten und ausfüllen die Hauptbefragung innerhalb einer angemessenen Zeitspanne (mindestens 120 Sekunden) durchzuführen.

Die Teilnehmer werden zunächst dazu eingeladen, an einer Pre-Test-Umfrage mit neun Fragen zu Amazon Mechanical Turk teilzunehmen. Befragte, die die 4 Fragen zur Aufmerksamkeitsprüfung im Vortest bestehen, werden dann zur Teilnahme an der Hauptumfrage eingeladen. Nachdem sie der Teilnahme zugestimmt haben, werden die Teilnehmer randomisiert und nehmen an einer von drei Umfragen teil, die jeweils ein anderes Szenario beschreiben: eine, bei der sie wahrscheinlich an COVID-19 erkrankt sind, Tests aber nicht verfügbar sind, und eine, bei der sie wahrscheinlich an COVID-19 erkrankt sind und die Testergebnisse ein positives Ergebnis zeigen und eines, bei dem sie wahrscheinlich an COVID-19 erkrankt sind und die Testergebnisse ein negatives Ergebnis zeigen. Anschließend werden den Teilnehmern Fragen zu ihren Aktivitäts- und Verhaltensabsichten gestellt (z. B. in einem bestimmten Raum in meinem Haus bleiben und sich von allen anderen Menschen und Haustieren fernhalten, einen Freund oder ein Familienmitglied persönlich besuchen). Den Teilnehmern werden außerdem Fragen gestellt, die auf dem Ansatz „Theory of Planned Behavior/Reason Action Approach“ (zu finden in der Vortest-Umfrage) basieren, zusammen mit einer Reihe demografischer Fragen.

Die Umfrageantworten werden für die gesamte Stichprobe zusammengefasst und nach Testszenarien geschichtet. Quantitative Antworten werden anhand von Mittelwerten, Standardabweichungen und Quartilen zusammengefasst, und kategoriale und ordinale Antworten werden anhand von Häufigkeitsverteilungen zusammengefasst. Vergleiche zwischen Szenarien werden mithilfe einer einfaktoriellen Varianzanalyse (ANOVA) für quantitative Variablen, Kruskal-Wallis-Tests für ordinale Variablen und Chi-Quadrat-Tests oder exakten Fisher-Tests je nach Bedarf für kategoriale Variablen durchgeführt.

Das primäre Ergebnis ist ein Unterschied in der Verhaltenssummenbewertung, die aus 11 Elementen erstellt wurde, die aus zwei Unterskalen bestehen. Zu den sekundären Ergebnissen zählen die Subskalen „persönliche Entscheidungen“ und „soziale Erwartungen“. Die Unterskala „Persönliche Entscheidungen“ besteht aus den Elementen, die sich auf Maskierung, Selbstisolation, Freundesbesuche, Einkauf von Vorräten, körperliche Aktivität, Essen in einem Restaurant und Abendessen zu Hause mit Freunden beziehen. Die Unterskala „Soziale Erwartungen“ besteht aus den Elementen, die sich auf einen Haarschnitt, die Teilnahme an Hochzeiten, Beerdigungen und Geburtstagsfeiern beziehen. Andere sekundäre Ergebnisse, einschließlich der Wahrscheinlichkeit, zu wählen, zu protestieren/politische Versammlungen abzuhalten und 1-Item-Fragen zu öffentlichen Verkehrsmitteln, werden ebenfalls auf ähnliche Weise in den drei verschiedenen Zweigen analysiert.

Die primäre Hypothese ist, dass es auf der Grundlage der COVID-Testergebnisse einen statistisch signifikanten Unterschied in der Bereitschaft zu riskantem Verhalten geben wird. Dies wird anhand eines linearen Regressionsmodells der 11-Punkte-Gesamtpunktzahl bewertet. Der primäre Modellbegriff wird Szenario sein, und zu den Kovariaten gehören Alter, Geschlecht, Rasse/ethnische Zugehörigkeit, politische Zugehörigkeit, Bildungsniveau, Standort und Art des Wohnsitzes. Wir werden paarweise Vergleiche der drei Szenarien durchführen und ein Signifikanzniveau von 0,017 verwenden (dreifache Bonferroni-Korrektur für ein Gesamt-Alpha von 0,05). Sekundäranalysen werden die Subskalen separat anhand eines ähnlichen Ansatzes bewerten. Wir werden auch explorative Analysen durchführen, bei denen wir die Antworten einzelner Items mithilfe ordinaler logistischer Regressionsmodelle mit ähnlichen Spezifikationen bewerten. Für alle sekundären und explorativen Hypothesentests wird ein Signifikanzniveau von 5 % verwendet. Alle Analysen werden mit R v. 3.6.2 durchgeführt (http://www.r-project.org).