新型コロナウイルス感染症検査の利用可能性が隔離と社会的距離を置く選択に及ぼす影響

人々が社会的距離を置く方法について選択するとき、医師や他の医療提供者から情報を得た場合と、検査結果から情報を得た場合では異なる選択をする可能性があります。 人々のライフスタイルの決定や、社会的距離を置くか隔離するかの選択は、健康状態に関する情報の伝え方によって影響を受けますか? 検査の存在は人々のライフスタイルの決定を変えるのでしょうか? 私たちは横断的なオンライン調査を通じてこれらの質問を調査し、回答しようとしています。

本調査を開始する前に、2 つのパイロット調査が実行されます。 これら 2 つの調査の予備結果は、主調査の下位尺度、効果の大きさ、および適切なサンプル サイズを決定するために、EFA (探索的因子分析) と検出力分析を通じて分析されます。 さらに、調査の妥当な完了時間を評価するために、約 15 人の大学教育を受けた個人で構成されるフォーカス グループに主要な調査を受けるよう依頼されます。 この調査完了期間の下限は、妥当な調査完了時間を確立するために利用され、調査完了までの時間に基づいて除外基準を作成します。

調査参加者はまず、Amazon の Mechanical Turk に関する 9 つの質問の事前テスト アンケートに回答するよう求められます。 プレテスト内の 4 つの注意力チェック質問に合格した回答者は、本アンケートに参加するよう招待されます。

主要な調査に回答するために、Amazon の Mechanical Turk を使用して推定 1,400 人の参加者が募集されます。 このうち、1194 人の参加者がすべての対象基準を満たし、主要な研究分析に含まれると予想されます。 参加者は、英語の同意書を読んで同意し、（郵便番号データに基づく）米国居住者であり、プレテストと本調査の両方で注意力チェックの質問に正しく回答し、完了した場合に本調査の分析に含まれます。妥当な時間内（120秒以上とみなされる）で本調査を行うこと。

参加者はまず、Amazon の Mechanical Turk に関する 9 つの質問の事前テスト アンケートに回答するよう求められます。 プレテスト内の 4 つの注意力チェック質問に合格した回答者は、本アンケートに参加するよう招待されます。 参加に同意した後、参加者は、それぞれ異なるシナリオを説明する 3 つの調査のうち 1 つを受けるよう無作為に割り当てられます。1 つは、新型コロナウイルス感染症に感染している可能性があるが検査が受けられない場合、もう 1 つは、新型コロナウイルスに感染している可能性があり、検査結果が陽性である場合です。 、そして、新型コロナウイルス感染症に感染している可能性が高く、検査結果が陰性の結果を示している人。 次に、参加者は自分の活動や行動の意図について質問されます (例: 家の特定の部屋に滞在し、他のすべての人やペットから離れる、友人や家族を直接訪問する)。 参加者には、一連の人口統計上の質問とともに、計画行動理論/理由行動アプローチ (テスト前アンケートに記載) に基づいて質問を構成することも求められます。

調査の回答はサンプル全体について要約され、テスト シナリオごとに層別化されます。 定量的応答は平均、標準偏差、四分位数を使用して要約され、カテゴリおよび順序応答は頻度分布を使用して要約されます。 シナリオ間の比較は、量的変数には一元配置分散分析 (ANOVA)、順序変数にはクラスカル-ウォリス検定、カテゴリ変数には必要に応じてカイ二乗検定またはフィッシャーの正確確率検定を使用して実行されます。

主な結果は、2 つのサブスケールで構成される 11 項目を使用して構築された行動合計スコアの差です。 副次的結果には、それぞれ「個人の決定」と「社会の期待」の下位尺度が含まれます。 「個人的な決定」の下位尺度は、マスク、自己隔離、友人訪問、必需品の購入、身体活動、レストランでの食事、友人との自宅での夕食に関する項目で構成されます。 「社会的期待」の下位スケールは、散髪、結婚式、葬式、誕生日パーティーへの出席に関する項目で構成されます。 投票の可能性、抗議活動/政治集会、公共交通機関に関する 1 項目の質問など、その他の副次的結果も、3 つの異なる部門にわたって同様の方法で分析されます。

主な仮説は、新型コロナウイルス検査の結果に基づいて、危険な行動に従事する意欲に統計的に有意な差が生じるというものです。 これは、11 項目の合計スコアの線形回帰モデルを使用して評価されます。 主なモデル用語はシナリオであり、共変量には年齢、性別、人種/民族、所属政党、教育レベル、場所、居住の種類が含まれます。 3 つのシナリオのペアごとの比較を実行し、0.017 の有意水準 (全体のアルファ 0.05 に対する 3 倍のボンフェローニ補正) を使用します。 二次分析では、同様のアプローチを使用してサブスケールを個別に評価します。 また、同様の仕様を持つ順序ロジスティック回帰モデルを使用して、個々の項目の応答を評価する探索的分析も実行します。 すべての二次仮説検定および探索的仮説検定には 5% の有意水準が使用されます。 すべての分析は R v. 3.6.2 を使用して実行されます。 (http://www.r-project.org)。