一項基於智慧數據模型的新研究揭示，增加對弱勢社群的疫苗接種投入，是實現為社會最大健康利益的有效途徑。
要想同時提升有限疫苗資源的社會效用和公平性，政府應將更多的疫苗優先分配給最弱勢的社群——即使這類人士對疫苗表現出更強烈的猶豫。由香港科技大學（科大）和科大(廣州)的許彬教授、芝加哥大學的James EVANS教授和清華大學的李勇教授共同領導的國際研究團隊，設計了能準確預測美國都會區新型冠狀病毒案例曲線的傳染病模型，並基於該模型揭示了在複雜的流行病環境中平衡多種倫理價值的關鍵。
傳統流行病模型往往對人群混合模式做出了很強的假設，認為一個地理區域內的所有人均勻混合，從而有相同的機率感染病毒並傳給他人。這與新型冠狀病毒疫情中的情形顯然不相符。有見及此，研究團隊設計了一個會考慮出行行為和人口屬性差異的流行病模型，以捕捉不同社區面臨不同疫情風險的程度。出行數據和人口結構在社區層面的整合，使團隊能夠更真實地描述不同人群的混合方式。例如，在新型冠狀病毒疫情中，低收入家庭的情況會更糟，因為他們為了生計必須維持原來的社區流動水平，這使他們面臨更大的風險。因此，與許多可以在家工作的白領相比，他們有更大的機率感染和傳播病毒，這也使他們成為接種疫苗、阻斷疫情傳播的關鍵群體。
研究得到兩個關鍵結果：首先，它強調在設計疫苗分配政策時，應將出行行為和人口屬性同時納入考慮。大多數現有的疫苗接種計畫僅基於年齡或年齡與職業的組合來設計；美國部分地區採用一個社會脆弱性指數來指導疫苗的分配先後次序。儘管如此，它仍無法捕獲出行行為導致的傳播和暴露於新型冠狀病毒的不同可能性。相比之下，該研究提出的模型顯著提高了疫苗分配策略的針對性，透過分配疫苗給最弱勢的群體，有限的疫苗資源便能被充分利用，實現社會的最大福祉。研究團隊還指出，他們的智慧模型僅使用粗細微性的聚合出行數據，從而消除了個人私隱洩露的擔憂。事實上，許多優秀的聚合資料來源可被用於構建流行病模型，而不必擔心私隱或其他問題。
第二個主要結論是：應大幅增加弱勢社群的疫苗接種預算。這不僅用於增加疫苗在社區中的可及性，也應充分考慮疫苗可能浪費的風險，因為在那些由於歷史原因而對疫苗懷有較大不信任的人群中，接種疫苗的速度可能不會那麼快。儘管如此，在這些人群中提供更多的疫苗接種支援，對保護社會中其他人的健康仍然大有幫助。研究證明，即使最弱勢社群對疫苗的猶豫是富裕社群的五倍，溢出的保護效應仍然存在。
科大新興跨學科領域講座教授兼科大（廣州）計算媒體與藝術講座教授許彬說：「流行病不僅威脅著整個社會，而且加劇了可能撕裂社會的不平等，因為弱勢社群在減少高風險接觸和尋求醫療服務方面面臨更多障礙。在醫療資源稀缺的情況下，如何明智地分配資源至關重要，以最大程度提升全社會的福祉。我們的研究提出了一種利用智慧數據改進疫苗分發決策的可行方法。希望從新型冠狀病毒 大流行中積累的資料和經驗教訓可以令我們更好地為未來的挑戰做好準備。」
是項研究最近已於學術期刊《自然·人類行為》發表。
