针对 COVID-19 的优化隔离、检疫和隔离研究（优化）

使用基线数据和后续问卷调查，研究人员将计算单个变量和复合变量以评估以下意外后果，包括：

• COVID-19 期间失业
• COVID-19期间收入下降
• COVID-19 期间上学或教育中断
• COVID-19 期间工作效率下降
• 改变照顾他人的责任
• COVID-19 期间医疗保健利用率下降
• COVID-19 期间酒精（频率或数量）和其他药物消耗量增加
• COVID-19 期间心理健康或个人健康的变化
• COVID-19 期间社会联系的增加响应选项已经到位。
• 焦虑（使用 GAD 量表：https://patient.info/doctor/generalised-anxiety-disorderassessment-gad-7）是问卷中的回答部分。

参与者将被要求完成的问卷调查包括指定每天的联系人数量以及允许整理社交网络数据的时间。

使用每日日记中的数据（回顾性和前瞻性），研究人员将计算：

• 每天的联系人数量
• 按活动类型划分的联系人数量
• 每天进行每种活动所花费的时间
• 从症状发作到自我隔离的时间
• 从症状出现到进行诊断测试的时间
• 从访问测试到收到结果（诊断）的时间
• 从收到结果（诊断）到联系追踪小组联系的时间 未使用量表。

参与者对问卷的回答、焦点小组讨论将用作二元测量器；研究人员不会使用量表，报告将采用以下格式：

• 报告正确了解有关隔离、检疫和身体距离要求的政府指南的参与者的数量和百分比——计算为二元结果（是/否）以及综合知识得分
• 报告使用政府建议的 COVID-19 预防措施的参与者人数和百分比。 例如：
• 560/700 (80%) 参与者报告定期使用洗手液和/或洗手
• 680/700 (97%) 的参与者报告说我尽可能多地应用身体距离规则（即 与他人保持 1.5 米距离，不握手）
• 报告 COVID-19 相关症状并接受 SARS-CoV-2 感染检测的参与者人数和百分比，以及这些检测的结果

研究人员将把来自日记和提问者的依从性结果、社会接触和传播结果的数据整合到关键分析中；横截面社交网络模型、结构方程建模和社交网络分析。

研究人员将使用有关 COVID19 病例的传播动态、社会接触和混合模式、接触者和主要弱势群体的经验数据来开发和完善数学模型，以提高动态传播估计的准确性和及时性。

研究人员将使用社会接触和传播结果来更新确定性区室流行病模型，以估计检测和监测对 COVID-19 在澳大利亚传播的影响。

包括但不限于准确了解政府建议的参与者人数/比例，以及按照建议采取 COVID-19 预防措施的参与者人数/比例。 研究人员将使用连续横截面方法分析依从性结果，以估计 a) 隔离、b) 隔离和 c) 物理距离参与者组的依从性水平。

研究人员将使用比例卡方检验评估参与者组 a) 隔离 b) 隔离中依从性随时间的变化。 研究人员将使用事件时间分析（例如比例风险测试或 Cox 回归）来评估参与者组 c) 随着时间的推移物理距离的遵守情况的变化。

研究人员没有使用个人评估进行分析。