上海地铁站内中青年与老年不规范佩戴口罩情况研究

夏明康，唐文娟，丁 园，潘新锋，陈 伟，刘洁仪

为了有效降低新冠病毒传播，包括我国在内的世界众多国家都鼓励或要求居民在人流密集或中高风险的公共场所佩戴口罩[1-2]。在短距离阻隔飞沫传播方面，包括口罩在内的物理阻隔是行之有效的方式。佩戴口罩具有双向隔离保护作用，不仅能阻断病原体经飞沫对外传播，还能减少人体吸入病原体而致病的危险[3-6]。随着我国城市轨道交通线网的不断完善，地铁逐渐成为城市居民最频繁使用的公共交通之一，而地铁站拥挤的室内环境则成了传播病毒的高危场所，因此，最大限度地降低地铁站内病毒传播的隐患成为了大中型城市新冠疫情防控的关键环节。鉴于此，本研究于2021 年下半年在上海市中心城区某地铁枢纽站开展三次现场观察，以期了解市民不规范佩戴口罩的情况，探索中青年、老年两类人群不规范佩戴口罩的影响因素，从而为有关部门制定策略提升市民规范佩戴口罩率，以及为未来类似重大公共卫生事件的科学研判和精准施策提供初步的数据支持与理论模型。

1 对象与方法

1.1 研究对象

上海市中心城区某地铁三线交汇枢纽站换乘/出站的乘客。

1.2 方法

1.2.1 抽样方法

采用方便抽样的方法，分别于2021 年9 月29日、11 月9 日、12 月27 日选取上海市中心城区地铁三线交汇枢纽站开展三轮现场观察。 选定当日8:30-8:40、9:00-9:10、10:00-10:10、10:30-10:40、14:00-14:10、14:30-14:40 共六个时间段，对地铁8号线、1 号线换乘2 号线扶梯的主干换乘通道内三部下行电动扶梯处的乘客，以及该站点中心大厅出站闸机的乘客进行现场观察。

1.2.2 调查方法

观察该枢纽站的三部下行路换乘扶梯、一个中心大厅闸机出口的乘客，详细记录性别、年龄段、佩戴眼镜/墨镜情况、打电话/发语音情况、带小孩情况、口罩佩戴情况等信息。调查现场每两人一组，其中一人采集信息、一人负责质控。

1.2.3 质量控制

在现场观察前，研究团队明确统一了调查方法以及各项指标的判别标准，包括不规范佩戴口罩的各级定义、年龄段定义。不规范佩戴口罩的判别标准主要包含：露鼻（口罩上沿低于鼻尖、或口罩上缘与脸部存在明显间隙而致其无法有效起到过滤作用），露口（口罩上沿低于上嘴唇），不戴（头面部完全未佩戴口罩）。年龄段的划分主要根据被观测者的面容、衣着、身高、形体及步态等方面，评估其年龄段。估计年龄＜12 岁归为幼年，12～59 岁归为青中年，≥60 岁归为老年。

现场调查时，为了减少个人因素对采集信息质量的影响，负责采集信息和现场质控的两人需轮流互换角色。调查完成后的资料录入阶段，研究团队以集体学习讨论的方式统一录入标准和方法，遇上难以判别的样本特征进行集体讨论。对于可能存在异常和分歧的数据，经小组讨论确定后进行二次录入，以确保数据的真实可靠。

1.2.4 统计学处理

采用SPSS 27.0 进行数据分析，单因素比较采用χ2检验完成，多因素分析采用二元logistic回归结合决策树（分类树）模型完成。检验水准α=0.05。

2 结果

2.1 三轮调查的总体对比

三轮调查共观察了29 950 人。中青年和老年不规范佩戴口罩的人群在三轮观察中均以露鼻为主，两类人群露鼻比例约是露口或不带的3～4 倍，完全不戴口罩的情况极少。中青年、老年的不规范佩戴率均随着调查轮次的推进呈现下降趋势。见表1。

表1 所见中青年、老年口罩不规范佩戴情况对比/ （%）

2.2 两类人群不规范佩戴口罩的情况

本研究第一轮全天共观察中青年8 329 人，老年1 127 人；第二轮全天共观察中青年9 429 人，老年1 202 人；第三轮全天共观察中青年8 750 人，老年1 052 人。中青年不规范佩戴率（4.22%）显著低于老年（7.34%）；中青年三轮调查的表现均显著好于老年人。两类人群均表现为男性不规范率略高于女性，而中青年群体的男女比例差距更大。在是否于高峰乘坐地铁方面，中青年与老年表现出显著性差异，中青年在高峰坐地铁出行的比例更高；无论是否处于高峰时段，两者不规范佩戴口罩率均有显著性差异。在扶梯或闸机的出现频率方面，老年人出现在电动扶梯的比例略低于中青年；中青年在电动扶梯上不规范佩戴口罩率显著低于老年；在闸机处，两者不规范佩戴率的差异无统计学意义。在是否佩戴眼镜或墨镜的频数方面，中青年戴眼镜或墨镜的比例略高于老年；无论是否佩戴墨镜或眼镜，中青年不规范佩戴口罩率均显著低于老年。在是否打电话的频数方面，中青年略高于老年人；不打电话的中青年不规范佩戴口罩率均显著低于老年，然而在打电话的中青年和老年之间不规范佩戴口罩率没有显著性差异。在是否携同小孩出行方面，未带小孩的中青年不规范佩戴口罩率均显著低于未带小孩的老年，而在带小孩的中青年和老年之间的比较则没有显著性差异。见表2。

表2 不同特征所见中青年、老年不规范佩戴口罩情况

2.3 不规范佩戴口罩率的多因素回归分析

为了进一步探究两类人群不规范佩戴口罩的因素，本研究分别对中青年和老年两类人群进行了二分类logistic 回归分析。以中青年和老年的不规范佩戴口罩情况作为因变量，将轮次（1=第一轮，2=第二轮，3=第三轮）、地点（0=扶梯，1=闸机）、性别（0=男，1=女）、戴眼镜或墨镜（0=未佩戴，1=佩戴）、是否高峰（0=否，1=是）、是否带小孩（0=不带小孩，1=带小孩）、电话/语音（0=不打电话/语音，1=打电话/语音）等变量作为自变量纳入到模型中。结果显示，打电话、带小孩是促进变量，轮次、高峰出行、通过闸机是抑制变量。见表3。

表3 所见老年不规范佩戴口罩率的logistic回归分析

对于中青年而言，打电话、带小孩是促进变量；性别为女、戴眼镜/墨镜、高峰出行是抑制变量。见表4。

表4 所见中青年不规范佩戴口罩率的logistic回归分析

2.4 不规范佩戴口罩率的决策树分析

为了进一步探索老年人不规范佩戴口罩发生率高于年轻人的原因，考虑到不同变量之间存在一定的交叉作用与影响，故采用决策树法对两类人群以节点化的方式实行进一步分析。通过决策树模型可分析父节点与子节点产生交互项，从而得出变量之间的交互作用。

老年不规范佩戴口罩决策树分析发现，树的第一层按照高峰出行与否进行分类，说明影响老年人不规范戴口罩的最大影响因素是出行时间。对于高峰时间出行的老人而言，筛选出的第二层影响因素是地点，闸机处的比例显著低于扶梯，这里决策树提示出行时间与地点存在交互作用；对于非高峰时间出行的老人而言，筛选出的第二层影响因素是轮次，非高峰时间第三轮调查不规范戴口罩的比例显著低于第一、第二轮。由此可见，对于老年人而言，轮次、地点这两个变量与高峰时间之间存在交互关系。

中青年不规范佩戴口罩决策树结果显示，树的第一层按照高峰出行与否进行分类，说明影响中青年不规范戴口罩的最大影响因素也是出行时间。对于高峰时间出行的中青年而言，筛选出的第二层影响因素是电话/语音，高峰时间段打电话/语音的人群显著高于不打的人群；对于高峰时间不打电话/语音的年轻人而言，筛选出的第三层影响因素是性别，这一层中女性的不规范戴口罩比例显著低于男性。对于非高峰时间出行的中青年而言，筛选出的第二层影响因素是电话/语音，非高峰时间段打电话/语音的人群显著高于不打的人群。对于非高峰时间不打电话/语音的年轻人而言，筛选出的第三层影响因素是戴眼镜/墨镜，这一层中戴眼镜/墨镜的中青年显著低于未戴眼镜/墨镜者。由此可见，对于中青年而言，戴眼镜/墨镜、性别与电话/语音和出行时间之间存在交互关系。

为了比较交互项的探索效果，本研究对两类人群所采用的两类模型计算得出的预测概率做ROC曲线图，以曲线下面积（AUC）作为评估指标，得出相应结果。中青年的结果：logistic 回归为0.62、决策树为0.61，经检验两者尚无显著性差异；老年的结果：logistic 回归为0.60、决策树为0.59，经检验两者无显著性差异。见图1、图2。

图1 中青年不同模型ROC拟合曲线

图2 老年不同模型ROC拟合曲线

3 讨论

本文是探索性的基于真实世界的现场观察研究。调查员选取隐秘的地点，在不干预观察人群的前提下，以录视频的方式获取资料。在资料录入阶段，以集体学习讨论的方式，研究团队统一录入标准和方法，遇上难以判别的样本特征诉诸集体讨论，尽可能真实地揭示了时间、地点以及不同人口学特征对地铁站内中青年及老年人不规范佩戴口罩的直接和间接影响。调查员选取的地点是在来往行人的视线之外进行观察，致力于解决面对面问卷或访谈调查难以避免的刻意隐瞒或回忆偏倚问题，消除各种因素的影响而获得中立客观的数据。现场观察研究相对于问卷和访谈研究，其调查成本更低，且不用记录个体的手机号住址等身份信息，伦理上更能保护调查对象的隐私。但是，现场观察研究由于无法面对面直接接触调查对象，难以获得更加深入的信息，因此，只能选取其外在特征作为研究变量进行数据分析。

本项调查的三轮调查时点均在新冠疫情防控常态化阶段，国内各地无明显突发疫情事件发生。三轮调查中老年和中青年人不规范佩戴率都呈下降态势，但老人群体的不规范佩戴口罩情况显著严重于中青年人。

对于多因素分析而言，logistic 回归与决策树各有其特点。Logistic 回归的优势在于体现率与各自变量的依存关系，限制了其他变量来分析某变量的效应，主要表现某变量的主效应[7]，因此在自变量对因变量变化关系方面的信息比决策树模型充分，但难以处理多个自变量之间存在多种或高阶交互作用[8]。相较于注重变量依存关系的前者，决策树模型是一种非参数方法，其重要特点是对预测变量的数据类型无任何要求[9]，不受回归模型常见的共线性影响[10]，更注重于变量之间的交互以及关系[11]。其找出最能将人群分成不同亚群的指标， 并逐步将最重要的指标依次进行分类，从而挖掘出分类指标最适合的分界点[12]，以树型图的方式，每一种可能的组合都在模型建立过程开始时进行了全面对比，以阐释水平变量之间的复杂影响。

Logistic 回归的结果显示，无论是老年还是中青年人，打电话/语音以及非高峰时段出行都会显著提高其不规范佩戴口罩的发生率，于闸机口出行的会显著影响老年人不规范佩戴口罩的发生率；而女性以及戴眼镜/墨镜这两个因素对于中青年人是抑制因素，而对于老年人则不是。

决策树的模型显示，无论是老年还是中青年人，是否高峰时段出行都是影响不规范佩戴口罩的最首要因素，次要影响因素则各有不同。高峰时段老年人的表现受地点的影响较大，而轮次成为非高峰期时段老年人的次要影响因素则体现了城市防疫政策影响了老年人不规范佩戴口罩的行为。对于年轻人而言，影响第二大的因素则是打电话/语音，可见打电话/语音会分散一定注意力，容易忽视对自身口罩佩戴的规范与否；此外性别与戴眼镜/墨镜也是影响中青年人的影响因素。男性不规范佩戴口罩的比例高于女性，应予以重视。对于戴眼镜/墨镜的中青年人而言，佩戴口罩可能会出现起雾的现象，容易使个人对戴口罩出现厌烦情绪，但结果却完全相反。考虑到戴眼镜者大多是近视引起，而新加坡和欧洲均有研究表明，在控制了年龄和性别因素后，教育程度高、住房条件较好、月收入水平高及长期近距离工作的人群的近视患病率较高[13-14]，初步推测是文化、经济水平影响了观察结果。然而，由于行为观察研究的自身局限性，此结论值得进一步确证。对于本研究结果，决策树模型与logistic 回归的结果可互为参考和补充，可从多角度为各项防疫措施与政策的制定提供依据和参考。