关键词：流行病研究
2020伊始，COVID-19在全球范围内开始爆发。各国政府在应对COVID-19大流行时，普遍无法有效抑制病毒在本国境内的传播。无论政府是否尽早及采取何种方式向本国民众进行警示，截止2020年6月底，全球100余个主要国家均遭受到COVID-19大流行的严重冲击，其中绝大多数国家不得不采取严格的社交隔离等手段阻隔病毒传播渠道，而由此带来的经济社会损失难以估量。在这个意义上，可以说全球各国政府在应对COVID-19疫情爆发上，出现了系统性的溃败。这种系统性溃败预示着现代传染病防控体系难以应对如COVID-19这般的流行病爆发。而这种失败究竟源于何处？如何在未来改进流行病防控体系的设计？ 针对COVID-19大流行暴露出来的这些问题，来自东南大学、武汉大学与浙江大学的研究团队通过在流行病与信息流行病的协同传播动力学模型中引入政府的信息治理决策变量，分析了在COVID-19大流行初期，导致各国政府防疫失败的深层次原因，并对政府的决策困境给出了严格的博弈描述。与通常认知中，政府在面临流行病危机时应尽早向民众公布真实信息的观点不同，该项研究的主要结论主张在流行病危机初期，在政府是否应当向民众披露信息并鼓励民众间的信息传播这一点上并不存在唯一正确的做法，披露信息抑或隐藏信息依赖于特定的决策环境，而何时进行信息披露则更是依赖于一个复杂的利弊权衡过程，因此，该研究揭示了流行病危机中政府治理决策的复杂性，而深入理解这些复杂性对于未来更有效的流行病防空系统的设计至关重要。
流行病与信息的协同传播动力学模型是传播理论中的一类经典模型[1,2]，其背后的基本设定在于，流行病的传播依赖于人与人在物理空间中的彼此接触的行为，而关于流行病的信息在人际直接的传播会改变人际接触模式，从而影响流行病的传播动力学机制[3]。反之，流行病在人群中的传播本省会形成关于感染数、死亡人数等信息，这些信息的产生会通过信息传播网络扩散，并由此影响信息的人际传播模式[4]。因此，信息与传染病的传播存在着协同机制，形成了一个共演化的动力学机制。对于这一共演化机制，文献中已经进行了详尽的探讨。本研究考虑了一类信息在传播过程中存在谣言化趋势、并且谣言会引发恐慌行为从而加剧流行病传播的协同传播模型 （NLH-SI模型） 。由于关注疫情爆发早期阶段，可忽略感染康复人群的比例，因此本研究沿用经典SI模型的设定，人群被分为易感人群与感染人群。而根据人群中个体对于疫情相关的信息的掌握程度，易感人群与感染人群内部分别又被分为无信息、掌握低质量信息以及掌握高质量信息的三类子人群。在上述总计六类人群中，本研究考察了不同人群随传播过程演化彼此间的相互转化，并考察了三类转化参数，其中 表示无信息人群向低质量/高质量信息人群的转化率， 表示高低质量人群之间的转化率， 分别表示具有不同信息类别的易感人群向感染人群的转化率。本研究要求 ， 表示在非恐慌状态下的感染率，而易感人群中无信息人群和部分不陷入恐慌的低质量信息人群适用该感染率，而 表示恐慌状态下的感染率，对于部分低质量信息的易感人群，低质量信息中的谣言会令其陷入恐慌状态，从而适用感染率 。而低质量信息易感人群中的非恐慌群体像恐慌群体的转化率有参数 表示。 在上述NLH-SI模型中，本研究加入了刻画政府信息治理行为的变量，并考察政府行为对于流行病与信息流行病协同传播进程的影响。特别地，考虑到在疫情早期，政府往往也难以掌握关于流行病的全部有效信息，而在信息有限的前提下，政府即使向民众发布公告，其公信力也是有限的，对于引导民众拜托恐慌心理的作用有限。针对疫情早期的上述特征，该研究将政府的信息治理手段简化为两类：1）政府对民众发布公告，2）政府对信息传播过程进行管制。而两类治理手段对于协同传播过程的影响在于，发布公告可以缓解民众因真实信息缺失而引致的焦虑和恐慌，但公告的公信力和有效性程度依赖于时间和政府获取和加工信息的能力，距初始疫情爆发的时间越久、获取和加工信息的能力越强，政府越有可能获得关于流行病更为精确的信息，从而其公告的公信力越高；相对地，管制信息传播有助于削弱关于流行病的信息在传播过程中自发的谣言化趋势，但由于管制本身没有向民众提供具有公信力的信息，因而只能减缓而无法逆转谣言化趋势，同时还可能因为抑制信息传播而削弱政府自身获取信息的能力。 针对两类信息治理手段的特性，政府的决策变量可以被抽象化为：1）对于信息披露，信息披露的公信力和有效性依赖于时间，意味着政府的决策变量在于选择披露的时间点，记为 ，其中 表示疫情爆发并且政府开始意识到疫情爆发的初始时刻， 表示政府的决策期限，即政府将以截至 的疫情影响程度（如感染人数或死亡人数）为衡量治理措施有效性的评价标准。2）对于信息管制，政府的决策变量在于在初始时刻 选择的管制强度，记为 ， 意味着政府将对信息传播进行一定的控制，反之这意味政府不控制甚至通过一定手段促进信息的传播。通过设定政府决策变量对于模型中转化参数的影响的具体数学形式，可以对前述政策调整的trade-off机制加以量化。 特别的，在上述设定下，政府的信息治理决策本质上可以看作一个两阶段的二人博弈，其中第一个博弈玩家为在初始时刻 进行信息管制强度 选择的政府，而这也代表了博弈的第一阶段。博弈的第二个玩家由在疫情爆发后选择信息披露时点 的政府充当，而对 选择也代表了博弈的第二阶段。通过设定不同的转化参数的初始取值，并在此基础上对NLH-SI模型在不同的政府决策变量取值下进行数值模拟，可以得到政府采用不同决策的防疫效果，即得到上述两阶段政府博弈模型的pay-off矩阵。利用该矩阵，可以分析政府在不同传播动力学背景下的均衡决策，以及在这样的均衡决策所蕴含者的政府决策困境。为了使本文的结论更加贴近现实，除考虑模拟场景下的转化参数外，本研究还采用现实世界中2020年新冠疫情爆发初期的实际感染数据对模型参数进行了校准，并利用校准结果对于分析了反事实场景下政府所面临的决策困境。
图 1展示了在仿真参数设定下，对应于不同初始时刻 、决策期限 的政府决策博弈的pay-off矩阵以及在政府的不同风险偏好下的均衡决策。通过对比分析，本研究发现：1）政府进行信息披露的最优时刻几乎总是严格大于疫情爆发的初始时刻，并且也总是严格大于政府进行信息披露可以产生正面防疫效果的最早时刻；换言之，政府不应选择在掌握部分疫情相关信息后即刻进行信息披露，而是应当进行必要的等候，在当信息可靠性达到一定标准后才进行信息披露。2）在第一决策阶段 （即选择信息管制强度的初始阶段） 的政府严格厌恶风险的条件下，政府总会选择过度的信息管制，这将延缓第二阶段的政府信息披露，并导致更高的最终感染率；而在社会最优意义下的防疫决策则要求第一决策阶段的政府必须以承担更高的疫情传播风险的代价，选择较低的信息管制；由此引致政府最优与社会最优之间的对立。3）当政府在疫情真正爆发一段时间后才意识到疫情的爆发、并开启第一阶段决策时，前述政府最优与社会最优之间的决策冲突会被大大缓解，因此政府存在忽视疫情的早期爆发和延迟应对决策的内在动机，而这种延迟会引发额外的冲突，即会引致最终的感染人数相较于政府及时响应场景下的最终感染人数大幅上升。4）其他条件不变时，如果缩短政府的决策期限，及政府具有短视倾向，则社会最优与政府最优决策间的冲突将得以缓解，但这种缓解同样将以增大较长时期后的最终感染仍为其代价。 将比完全不对信息实施管制并及时进行权威发布的情景下的感染占比，高出60%以上。 图2进一步地基于2020年新冠疫情爆发初期的数据校准的NLH-SI模型，进行反事实地政策决策博弈分析，结果表明在最初的疫情爆发过程中，政府最优决策与社会最有决策之间的潜在冲突并不显著，但不同决策期限 对于信息治理政策的选择起到了重大影响，不同 下的最优决策之间存在显著差异，从而引发了政策的跨期不一致性。具体而言，当决策期限较短（ 约为一个月，即30天）时，以 时刻的终期感染率刻画政府决策效果，则最优的信息治理方案时在疫情爆发伊始（ ）即对疫情相关信息的传递实施彻底管制。然而，如果拉长决策期限至6个月（即 天），政府的最优信息治理方案则是在疫情爆发伊始允许信息的充分传递，并且尽早向社会公众进行权威的信息披露。相对地，如果采用 天情景下的最优决策应对疫情，即彻底管制信息传播，则半年后，感染人群的占比，将比完全不对信息实施管制并及时进行权威发布的情景下的感染占比，高出60%以上。 而在政策效果差异背后，核心原因在于不同期限内疫情扩散的主要驱动因素的差异。 在取值较小是，引发引擎快速扩散的核心因素是信息传递的谣言化趋势和由此引发的恐慌群体的高感染率，因此控制信息的谣言化趋势是短期内控制疫情扩散的重要手段。 但随着的增大，疫情扩散的主要动因则变为由感染基数扩到导致的、缺乏高质量信息从而缺乏自我保护意识的人群的感染，因此权威发布高质量信息以增强社会公众对疫情的认知是控制疫情扩散的重要手段。
图2：基于真实疫情数据校准参数的反事实政府决策博弈分析
通过在流行病与信息流行病的协同传播动力学模型中引入政府的信息治理决策博弈，本研究深入考察了导致全球各主要国家在新冠疫情防控问题上的系统性失败，其核心原因在于面对未知疫情时，政府对于风险的厌恶会引致政府最优决策与社会最优决策的偏离，从而引发政府决策困境。该困境会随着政府延迟决策时点和缩短决策期限而有所缓解，但长期来看，政府的决策困境并未因此得到解决，而是转化为另一种决策困境，即政府最优决策的跨期不一致。以上的决策困境分析为我们理解现实世界的疫情防控失败提供了理论洞察力，同时也为未来设计更为有效的流行病防控机制提供了有益的理论参考。
[1] Clara Granell, Sergio G´omez, and Alex Arenas. Dynamical interplay between awareness and epidemic spreading in multiplex networks. Physical review letters, 111(12):128701, 2013.
[2] Zhen Wang, Michael A Andrews, Zhi-Xi Wu, Lin Wang, and Chris T Bauch. Coupled disease–behavior dynamics on complex networks: A review. Physics of life reviews, 15:1–29, 2015.
[3] Xiu-Xiu Zhan, Kaiyue Zhang, Lun Ge, Junming Huang, Zinan Zhang, Lu Wei, Gui-Quan Sun, Chuang Liu, and Zi-Ke Zhang. Exploring the effect of social media and spatial characteristics during the covid-19 pandemic in china. IEEE Transactions on Network Science and Engineering, 10(1):553–564, 2023.
[4] Xiaoqi Zhang, Zi-Ke Zhang, Wenbo Wang, Donglin Hou, Jiajing Xu, Xinyue Ye, and Shengwen Li. Multiplex network reconstruction for the coupled spatial diffusion of infodemic and pandemic of covid-19. International Journal of Digital Earth, 14(4):401–423, 2021.
论文网址：
https://link.springer.com/article/10.1007/s11071-023-08427-5
集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science 等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「我的集智」推送论文信息。扫描下方二维码即可一键订阅：
推荐阅读
