交通运输等新冠抗疫政策的有效性:六个发达国家的比较(1)

本研究采用9种关于感染情况和移动行为的指标评价六个发达国家的防疫政策的有效性。每个评价指标均考虑三个时间维度，即政策实施前后的一周、两周和一个月。进而基于PASS方法论⁽²⁾，对各项政策进行分类：

PASS方法论是由第一作者于2020年首次提出的为了系统地防控包括COVID-19在内的大流行病的政策决策理论框架。为了更科学地比较各种影响和政策效果，本研究构建动态贝叶斯多层级广义结构方程模型（dynamic Bayesian multilevel generalized structural equation model）。

图源：

https://gimg2.baidu.com/image_search/src=

http%3A%2F%2Fthecsspoint.com%2Fwp-content%2Fuploads%2F2020%2F03%2F01-45.jpg&refer=http%3A%2F%2Fthecsspoint.

com&app=2002&size=f9999,10000&q=a80&n=

0&g=0n&fmt=jpeg?sec=1635643033&t=

a2075e68099f6fcb7d0be41d725b8688）

移动行为指标包括：

（1）日本（政策案例：2020年3月6日-

7月22日）的特征说明

美国的88条政策措施于2020年2月29日至12月12日之间实施。主要为“准备-保护-提供(Prepare-protect-provide)”政策（50条）。总体而言，相比于日本，美国政策对日新增确诊病例数的影响有效性很低（10.2%–26.1%），PASS四类政策对日新增确诊病例的有效性比率分别为14.0%–28.0%、0.0%–16.7%、0.0%–66.7%和5.0%–15.0%，但是对人移动行为的影响有效性比率几乎都超过70%。四类政策都可以减少户外移动行为和增加户内活动。“避免-调整(Avoid-adjust)”类政策和“替代-停止(Substitute-stop)”类政策的影响最大，“转换-分享(Shift-share)”影响最小，“准备-保护-提供(Prepare-protect-provide)”政策影响程度居中。

美国日新增确诊数

(2020年2月29日–12月16日)

美国实施政策前后的当地

移动行为指标变化

加拿大政策对日新增确诊病例数的影响有效比率为19.6%–25.5%，对移动行为的影响有效比率为43.1%–65.2%。“转换-分享(Shift-share)”政策对对日新增确诊病例数的有效影响比率则为28.6%–57.1。“替代-停止(Substitute-stop)”政策的有效率则只有10.0%。“替代-停止(Substitute-stop)”政策对移动行为改变的影响最为明显（80.0%–90.0%），“准备-保护-提供(Prepare-protect-provide)”政策次之。“转换-分享(Shift-share)”政策对面部防护等行为起到了负相关的作用。“避免-调整(Avoid-adjust)”政策更容易导致到访公园行为的增加。

加拿大日新增确诊数

(2020年3月2日– 9月16日)

加拿大实施政策前后的当地

移动行为指标变化

英国的政策对日新增确诊病例数的影响有效比率为65.0%–70.0%，对移动行为的影响有效比率为15.0%-55.0%。大部分的“准备-保护-提供(Prepare-protect-provide)”政策在控制病毒传播方面都是有效的，但是其他类型的政策效果并不明显，甚至促使了更多的人到访公园等地点。

英国日新增确诊数

(2020年3月16日–11月26日)

英国实施政策前后的当地

移动行为指标变化

418例公共健康卫生和交通领域的新冠抗疫政策中没有一项与累计死亡病例数和累计感染病例数存在显著的负相关关系。2020年全年恶化的全球感染情况也从侧面验证了这一点。

418例防疫政策中大约有40%的政策对控制日新增确诊病例起到了有效的积极作用。在研究案例国家中，英国的政策有效性最好，日本和澳大利亚次之，这可能和这三个国家普遍在2020年8月之前采取防疫措施有关。

在管控移动行为方面，评价指标显示美国的政策有效的比率最高（大部分70%–80%），新西兰（大部分60%–77%）和日本（大部分54%–76%）次之。英国采取的政策的有效性的比率最低，大部分只有15%–40%。

在PASS防疫政策理论体系中，“准备-保护-提供（prepare-protect-provide）”类政策的实践意义最为成功，四类防疫政策的有效性在各个研究国家之间差异较大。首先，在日本，日新增确诊病例主要受到“避免-调整（avoid-adjust）”政策的影响（63%–74%），其次受到“转换-分享（shift-share）”政策的影响（59%–68%），受到另外两类政策的有效影响的比率分别为44%和58%。美国的情况比较特殊，美国政策的有效比率都低于30%，但“准备-保护-提供（prepare-protect-provide）”政策的比率略高于其他政策。在加拿大的情况中，“转换-分享（shift-share）”政策和“避免-调整（avoid-adjust）”政策相比于其他政策有效比例更高（大部分为29%–43%）。“准备-保护-提供（prepare-protect-provide）”类政策在澳大利亚、加拿大、新西兰和英国四个国家的有效比率分别为29%–53%、15%–22%、13%–25%和59%–65%。在新西兰，“转换-分享（shift-share）”政策和“避免-调整（avoid-adjust）”政策有效的比率在30%左右。此外，移动行为指标的结果则是另一幅光景，不同的评价指标在不同的时间节点会显现不同政策有效性。并且有效性比率会在15%到90%之间波动。

移动行为水平的改变表明在澳大利亚，日本和美国，“避免-调整（avoid-adjust）”类政策和“替代-停止（substitute-stop）”类政策要比其他类型的政策更有效。在加拿大和新西兰“替代-停止（substitute-stop）”政策较为有效。在英国比较有效的政策类型为“准备-保护-提供（prepare-protect-provide）”。另外，在新西兰除了“转换-分享（shift-share）”外其余三种类型的政策表现出了一定的相似性。

模型分析的结果显示政策实施前的感染情况的评定指标并不能影响PASS框架下的政策措施的效果。但是PASS框架下的政策措施如预期的一样可以影响政策实施后的人的移动行为。不过值得注意的是，在政策实施后，移动行为的改变对感染情况的改变施加影响的过程中糅合了诸多可预料或不可预料的因素。

[1] 本推文源于以下论文：Zhang J., Zhang R., Ding H., Li S., Liu R., Ma S., Zhai, B., Kashima S., Hayashi Y. (2021) Effects of transport-related COVID-19 policy measures: A case study of six developed countries. Transport Policy, 110, 37-57.

[2] Zhang J. (2020) Transport policymaking that accounts for COVID-19 and future public health threats: A PASS approach. Transport Policy, 99, 405–418.