Effect van beschikbaarheid van COVID-19-testen op keuze om te isoleren en sociale afstand

Wanneer mensen keuzes maken over hoe ze sociaal afstand kunnen nemen, kunnen ze andere keuzes maken wanneer ze informatie hebben van een arts of andere medische zorgverlener dan wanneer ze informatie hebben van een testresultaat. Worden de levensstijlbeslissingen en keuzes van mensen om sociale afstand te nemen of te isoleren beïnvloed door de manier waarop informatie over hun gezondheidsstatus wordt gecommuniceerd? Verandert de aanwezigheid van testen de levensstijlbeslissingen die mensen nemen? We bestuderen en proberen deze vragen te beantwoorden door middel van een cross-sectionele, online enquête.

Voorafgaand aan de start van het hoofdonderzoek zullen twee pilotstudies worden uitgevoerd. De voorlopige resultaten van deze twee enquêtes zullen worden geanalyseerd door middel van EFA (verkennende factoranalyse) en poweranalyse om subschalen, effectgrootte en geschikte steekproefomvang voor het hoofdonderzoek te bepalen. Daarnaast zal een focusgroep bestaande uit ongeveer 15 personen met een universitaire opleiding worden gevraagd om de hoofdenquête in te vullen om een ​​redelijke tijd voor het invullen van de enquête te evalueren. De ondergrens van deze voltooiingsduur van het onderzoek zal dan worden gebruikt om een ​​redelijke voltooiingstijd voor de enquête vast te stellen en zo een uitsluitingscriterium te creëren op basis van de tijd tot voltooiing van de enquête.

Studiedeelnemers worden eerst uitgenodigd om een ​​pre-testenquête van 9 vragen over Amazon's Mechanical Turk in te vullen. Respondenten die tijdens de pre-test slagen voor de 4 aandachtsvragen, worden vervolgens uitgenodigd om de hoofdenquête in te vullen.

Er zullen naar schatting 1400 deelnemers worden geworven met behulp van Amazon's Mechanical Turk om de hoofdenquête in te vullen. Van hen verwachten we dat 1194 deelnemers aan alle inclusiecriteria zullen voldoen, die vervolgens zullen worden opgenomen in de analyse van het hoofdonderzoek. Deelnemers worden opgenomen in de analyse van de hoofdenquête als ze het Engelstalige toestemmingsformulier lezen en ermee akkoord gaan, ingezetenen van de VS zijn (gebaseerd op postcodegegevens), de aandachtsvragen in zowel de pre-test als de hoofdenquête correct beantwoorden en invullen de hoofdenquête binnen een redelijke tijd (aangenomen 120 seconden of meer).

Deelnemers worden eerst uitgenodigd om een ​​pre-testenquête van 9 vragen over Amazon's Mechanical Turk in te vullen. Respondenten die tijdens de pre-test slagen voor de 4 aandachtsvragen, worden vervolgens uitgenodigd om de hoofdenquête in te vullen. Nadat ze hebben ingestemd met deelname, worden de deelnemers gerandomiseerd om een ​​van de drie enquêtes in te vullen die elk een ander scenario beschrijven: een waarin ze waarschijnlijk COVID-19 hebben maar testen niet beschikbaar is, een waarbij ze waarschijnlijk COVID-19 hebben en de testresultaten een positief resultaat laten zien , en een waar ze waarschijnlijk COVID-19 hebben en de testresultaten een negatief resultaat laten zien. Vervolgens worden de deelnemers vragen gesteld over hun activiteiten en gedragsintenties (b.v. blijf in een specifieke kamer in mijn huis en blijf uit de buurt van alle andere mensen en huisdieren, bezoek persoonlijk een vriend of familielid). Deelnemers zullen ook constructievragen worden gesteld op basis van Theory of Planned Behavior / Reason Action Approach (te vinden in de pre-testenquête), samen met een reeks demografische vragen.

Enquêteantwoorden worden samengevat voor de volledige steekproef en gestratificeerd per testscenario. Kwantitatieve antwoorden zullen worden samengevat met behulp van gemiddelden, standaarddeviaties en kwartielen, en categorische en ordinale antwoorden zullen worden samengevat met behulp van frequentieverdelingen. Vergelijkingen tussen scenario's zullen worden uitgevoerd met behulp van one-way variantieanalyse (ANOVA) voor kwantitatieve variabelen, Kruskal-Wallis-tests voor ordinale variabelen, en chikwadraat- of Fisher's exact-tests, al naargelang van toepassing voor categorische variabelen.

De primaire uitkomstmaat is een verschil in de gedragssomscore die is opgebouwd uit 11 items, bestaande uit twee subschalen. Secundaire uitkomsten zijn respectievelijk de subschalen 'persoonlijke beslissingen' en 'sociale verwachtingen'. De subschaal 'persoonlijke beslissingen' zal bestaan ​​uit de items die betrekking hebben op maskeren, zelfisolatie, vrienden bezoeken, voorraden kopen, lichamelijke activiteit ondernemen, eten in een restaurant en thuis dineren met vrienden. De subschaal 'sociale verwachtingen' zal bestaan ​​uit items die betrekking hebben op de kapper, het bijwonen van bruiloften, begrafenissen en verjaardagsfeestjes. Andere secundaire uitkomsten, waaronder waarschijnlijkheid van stemmen, protesteren/politieke bijeenkomsten en vragen over het openbaar vervoer, 1 item, zullen ook op een vergelijkbare manier worden geanalyseerd in de drie verschillende takken.

De primaire hypothese is dat er een statistisch significant verschil zal zijn in de bereidheid om risicovol gedrag te vertonen op basis van COVID-testresultaten. Dit wordt geëvalueerd met behulp van een lineair regressiemodel van de totale score van 11 items. De primaire modelterm is scenario en covariabelen omvatten leeftijd, geslacht, ras/etniciteit, politieke overtuiging, opleidingsniveau, locatie en type woonplaats. We zullen paarsgewijze vergelijkingen van de 3 scenario's uitvoeren en een significantieniveau van 0,017 gebruiken (3-voudige Bonferroni-correctie voor een algehele alfa van 0,05). Secundaire analyses zullen de subschalen afzonderlijk evalueren met een vergelijkbare aanpak. We zullen ook verkennende analyses uitvoeren om individuele itemresponsen te evalueren met behulp van ordinale logistische regressiemodellen met vergelijkbare specificaties. Voor alle secundaire en verkennende hypothesetoetsen wordt een significantieniveau van 5% gebruikt. Alle analyses worden uitgevoerd met behulp van R v. 3.6.2 (http://www.r-project.org).