据外媒报道，事实证明，超级传播事件是导致COVID-19大流行的主要感染模式，其导致了对风险的错误认识。虽然在过去一年里，美国有50多万人死于COVID-19，但公众对感染和死亡率的看法仍存在差异。在大流行早期进行的一项调查发现，当地的风险认知往往跟感染率无关，这导致人们采取了不适当的行动。
这一研究结果发表在8月16日的《Decision》上。
来自卡内基梅隆大学社会与决策科学系副教授、该研究的论文第一作者Stephen Broomell指出：“疫情刚开始时，从理论上看，事情似乎很可怕，对许多美国人来说，最糟糕的情况并不是发生在他们自己的后院。很难完全理解不可见的东西的风险，由于许多人没有立即体验到疫情的影响，当地的经历影响了他们对问题的严重性的看法，甚至影响了他们愿意采取什么样的行动。”
Broomell在他的职业生涯中一直在研究人们如何在他们想象不到的问题上应对风险，如龙卷风、气候变化及现在的疫情。他的研究探讨了为什么让群体做出集体决定以降低风险是如此具有挑战性。当大流行来的时候，Broomell和他的同事Patrick Bodilly Kane应用了认知生态学方法来预测人群对大流行风险的判断准确性。
Kane说道：“关于流行病的辩论不是一场，而是很多场。人们很难将自己在当地的经历跟一个全球现象联系起来。”
该研究团队通过建立一个超级扩散进程模型来检验个体风险体验的可变性。当地感染率被用来近似个人在地理上对大流行的局部感知。全球风险由国家感染率界定，这代表了大流行病的严重程度。他们还对2020年4月24日至5月11日期间获得的近4000份调查结果进行了全国调查。
Broomell表示：“这并不是说人们完全不知道国内和国际的感染率，但由于这种特殊的疾病在集群中传播的方式，有一个真正的机会，一个人可能没有遇到任何他们知道被感染的人。每个社区都有相同的概率经历集群，但对于任何给定的社区，尤其是在开始时，这种概率很低。”
在这项研究中，全球趋势是所有当地趋势的结合。如果局部趋势是不可靠的，那么它们就无法跟全球数据相关联。由于这个原因，研究小组使用可靠性来衡量基于调查结果的本地观察结果的判断的有效性。
他们发现，在大流行早期，决策者没有将超级传播事件作为感染机制考虑进去。虽然人们依赖高层机构获取信息，但社区级别的组织缺乏帮助人们了解风险的支持。他们的结果发现，县级每日感染率是判断全国感染率的一个重要预测器，对整个疫情的风险感知的极端极化亦是如此。
Broomell说道：“了解人们所看到的和疾病如何真正传播之间的相互作用将有助于我们为未来类似的情况做好准备。”
据悉，这项研究是基于疫情开始时进行的一项为期18天的调查。研究人员预计，随着大流行的发展，这项调查的结果并不适用于对风险的认知。
Kane表示：“我们的工作是关于COVID-19，但它远不止于此。造成这场灾难的因素在不同时间影响着我们所有人。这种动态出现在许多你可能意想不到的地方。人们看不到更大的趋势，因为他们已经赶上了眼前的东西。”
Broomell指出，这项研究举例说明了一个预测公民将如何应对全球风险的总体框架。清楚地了解集体判断错误的根源可以帮助后代更有效地应对全球威胁。
“我们很长时间以来就知道，人们个人会以截然不同的方式经历气候变化，这很像COVID，会影响他们采取行动的紧迫感。尽管人们对全球气候变化的心理反应需要几十年才能完全了解，但这场大流行的发展速度要快得多，它向世界表明，让人们就最终影响所有人的风险达成一致是多么困难，”Broomell说道。
更多阅读：
