重大传染病多渠道疫情信息发布模式的演化路径分析

doi:10.16381/j.cnki.issn1003-207x.2021.0793

摘要/Abstract

摘要：

信息公开发布和回应群众关切是重大突发疫情防控工作的关键环节。本文总结了疫情信息不确定环境下的四种信息发布模式（联动模式、延迟模式、政府垄断模式、专家披露模式），构建政府部门和医疗专家多渠道信息发布的演化博弈模型。首先，通过一次性同时博弈求解纳什均衡，分析短期内双方在各信息发布模式下的最佳努力水平和最佳收益。然后，双方在较长时期的不断调整信息发布策略，分析各疫情信息发布模式的演化路径与均衡条件。最后，结合中美两国疫情应对数据，分析相关系数对信息发布模式的演化影响。研究结果表明：政府部门对社会维稳短期收益和疫情防控长期收益的权衡是影响演化的关键因素。除联动模式外，信息发布还存在“政府垄断”“专家披露”等多条演化路径，但是，要避免陷入多重均衡或信息发布混乱导致的往复波动。通过减少抗疫投入成本、转变“内紧外松”工作方式、加强疫情信息监测预判等措施，可以有效促进政府部门与医疗专家协作，提高疫情信息发布的权威性、准确性和效率。

关键词: 传染病疫情, 演化博弈, 应急管理, 信息发布模式, 突发公共卫生事件

Abstract:

Public information release and response to public concerns are key links in the prevention and control of major infectious diseases.The release of epidemic information requires the coordination and cooperation of government departments， medical experts， and the public. Promoting the linkage between government departments and medical experts in the early stages of the epidemic to quickly obtain and share real-time information plays an important role in curbing the spread of the epidemic. However， due to the differences in national conditions and social environment there are great differences in epidemic information release systems in various countries. Government departments and medical experts should timely adjust various epidemic prevention and control strategies， including information release， according to the development trend of the epidemic situation.According to the different subjects and channels of epidemic information release， four epidemic information release modes are summarized in the environment of highly uncertain information in the early stage of epidemic， namely linkage mode， government monopoly mode， expert disclosure mode and delay mode. Then the evolutionary game model of multi-channel information release of government departments and medical experts is constructed.Firstly， the Nash equilibrium was solved by a one-time simultaneous game to analyze the optimal effort level and the optimal income of both parties under each information release mode in the short term. Then， both sides continuously adjusted their information release strategies in a long period of time and analyzed the evolution path and equilibrium conditions of each epidemic information release mode.Finally， the influence of correlation coefficient on the evolution of information release mode is analyzed through a case.The results show that the trade-off between the short-term benefits of social stability maintenance and the long-term benefits of epidemic prevention and control is the key factor affecting evolution.There are multiple evolutionary paths in the information release mode. Increasing the long-term benefits of epidemic prevention and control is conducive to the linkage mode becoming an evolutionary equilibrium.In addition， the information release model also has multiple evolution paths such as “government monopoly” and “expert disclosure”， and it is necessary to avoid the multiple equilibrium of “government monopoly” and “expert disclosure” or the reciprocating fluctuation caused by information release disorder.As the leading force in the fight against epidemic diseases， government departments have taken a series of measures to promote the formation of a joint force between government departments and medical experts in the fight against epidemic diseases by improving the construction of epidemic information release system， reducing the cost of fighting epidemic diseases， changing the working mode of “tightening inside and loosening outside”， giving professionals a higher tolerance， and strengthening the monitoring and prediction of epidemic information， so as to improve the authority， accuracy and efficiency of epidemic information release.In case selection， the epidemic response measures and relevant data of China and the United States are selected to study the impact of cost coefficient and synergistic benefit coefficient on the evolution of information release mode.Four information release modes are summarized in the context of high information uncertainty at the early stage of the epidemic， then the optimal decision-making and the long-term evolution path of different information release modes combining the short-term benefits of social stability maintenance and long-term benefits of epidemic prevention and control are analyzed. Relevant research has certain theoretical reference significance for further improving the information release of major emergencies.

Key words: epidemic situation of infectious diseases, evolutionary game, emergency management, information release mode, public health emergency

中图分类号:

C931

陈凤娇,刘德海. 重大传染病多渠道疫情信息发布模式的演化路径分析[J]. 中国管理科学, 2024, 32(4): 237-249.

Fengjiao Chen,Dehai Liu. Evolutionary Path Analysis of Multi-channel Epidemic Information Release of Major Infectious Diseases[J]. Chinese Journal of Management Science, 2024, 32(4): 237-249.

图/表 7

图1

表1

有关变量、参数和函数的数学符号及定义"

变量和参数	具体含义与定义	函数	具体含义与定义
$e$	政府部门和医疗专家在信息发布模式i中的努力水平分别为 $e i g > ? 0, e i d > ? 0 (i = 1,2, 3,4)$	$R l o n g$	政府部门及时发布信息为双方带来的疫情防控长期收益 $R l o n g - g$ ， $R l o n g - d$
$τ j$	政府部门及时与延缓发布信息时的努力水平对其长期或短期收益的影响系数， $τ j > 0, j = 1,2$	$R s h o r t - g$	政府部门延缓发布信息的社会维稳短期收益
$α 1$	政府部门及时发布信息时的努力水平对医疗专家的长期收益的影响系数， $α 1 > 0$	$R c$	政府部门及时发布信息，医疗专家主动发声，协同效应下双方获得协同收益 $R c - g$ 和 $R c - d$
$λ k$	医疗专家主动发声，政府部门选择不同行动策略时的协同收益系数， $λ k > 0, k = 1,2$	$R L$	政府部门延缓发布信息，医疗专家主动发声时，政府部门的社会维稳短期收益损失
$β 1$	医疗专家主动发声，政府部门及时发布信息时，医疗专家的协同收益系数， $β 1 > 0$	$R m$	政府部门及时发布信息，医疗专家保持沉默，政府部门获得潜在收益（如公信力和权威性提升，获得更多关注和认可）
$θ j$	政府部门及时发布信息和延缓发布信息的努力成本系数， $θ j (j = 1,2) > 0$	$R n$	政府部门延缓发布信息，医疗专家主动发声时，医疗专家获得潜在收益（如受到关注和认可，职业道德感提升）
$γ 1$	医疗专家主动发声的努力成本系数， $γ 1 > 0$	$C r e l e a s e - g$	政府部门的信息发布成本(包括信息收集处理成本、信息风险、问责成本等)
$m$	医疗专家保持沉默，政府部门及时发布信息的努力水平对其潜在收益的影响系数， $m > 0$	$C r e l e a s e - d$	医疗专家的疫情信息披露成本(包括信息收集处理成本、信息风险、问责成本等)
$n$	政府部门延缓发布信息，医疗专家主动发声的努力水平对其潜在收益的影响系数， $n > 0$	$C d e l a y - g$	政府部门延缓发布信息产生的成本(包括信息收集处理和管控成本、信息风险损失等)

表1

表2

政府部门-医疗专家疫情信息发布的同时博弈模型"

政府部门

医疗专家

主动发声

(y)

保持沉默

(1 - y)

及时发布

(x)

联动模式

$R l o n g - g + R c - g - C r e l e a s e - g = τ 1 e 1 g + λ 1 e 1 g e 1 d - θ 1 e 1 g 2 / 2 ?, R l o n g - d + R c - d - C r e l e a s e - d = α 1 e 1 g + β 1 e 1 g e 1 d - γ 1 e 1 d 2 / 2$

政府垄断模式

$R l o n g - g + R m - C r e l e a s e - g = τ 1 e 3 g + m e 3 g - θ 1 e 3 g 2 / 2 ?, ?? R l o n g - d = α 1 e 3 g$

延缓发布

(1 - x)

专家披露模式

$R s h o r t - g - R L - C k 1 = τ 2 e 4 g - λ 2 e 4 g e 4 d - θ 2 e 4 g 2 / 2 ?, ?? R n - C r e l e a s e - d = n e 4 d - γ 1 e 4 d 2 / 2$

延迟模式

$R s h o r t - g - C d e l a y - g = τ 2 e 2 g - θ 2 e 2 g 2 / 2 ?, ?? 0$

表2

表3

政府部门-医疗专家短期最优决策的要素博弈收益矩阵"

政府部门

医疗专家

主动发声

(y)

保持沉默

(1 - y)

及时发布

(x)

联动模式

$θ 1 γ 1 2 τ 1 2 2 (γ 1 θ 1 - β 1 λ 1) 2, ?? 2 α 1 γ 1 τ 1 (γ 1 θ 1 - β 1 λ 1) + γ 1 β 1 2 τ 1 2 2 (γ 1 θ 1 - β 1 λ 1) 2$

政府垄断模式

$(τ 1 + m) 2 2 θ 1, ?? α 1 (τ 1 + m) θ 1$

延缓发布

(1 - x)

专家披露模式

$(γ 1 τ 2 - n λ 2) 2 2 γ 1 2 θ 2, ?? n 2 2 γ 1$

延迟模式

$τ 2 2 2 θ 2, ?? 0$

表3

图2

图3

图4

参考文献 29

1	Savoia E， Lin L， Viswanath K. Communications in public health emergency preparedness： a systematic review of the literature［J］.Biosecurity and Bioterrorism-Biodefense Strategy Practice and Science， 2013， 11（3）： 170-184.
2	Please Kaufman E.， Shooting Stop. We Need the Beds［EB/OL］. （2020-04-01）［2020-04-02］. .
3	Heymann D L. Data sharing and outbreaks： best practice exemplified［J］.The Lancet，2020，395（10223）：469-470.
4	Yasnoff W A， O’Carroll P W， Koo D， et al. Public health informatics： improving and transforming public health in the information age［J］. Journal of Public Health Management and Practice， 2000， 6（6）： 67-75.
5	Li L， Xu L， Jeng H A， et al. Creation of environmental health information system for public health service： a pilot study［J］. Information Systems Frontiers， 2008， 10（5）： 531-542.
6	Vance K， Howe W， DellavalleR P. Social internet sites as a source of public health information［J］. Dermatologic Clinics， 2009， 27（2）： 133-136.
7	Boerma T， Abouzahr C. Health information systems： the foundations of public health［J］. Bulletin of the World Health Organization， 2005， 83（8）： 578-83.
8	何林，李幼平，徐娟，等. 从SARS防治看突发公共卫生事件的信息管制与成效［J］. 中国循证医学杂志， 2004（2）： 122-128.
	He L， Li Y P， Xu J， et al. Information management of public health emergencies in SARS crisis［J］.Chinese Journal of Evidence-Based Medicine， 2004（2）： 122-128.
9	叶育登. 信息的透明度政府的公信力社会的凝聚力——从政府对禽流感信息发布工作说起［J］. 中国行政管理， 2004（4）： 56-58.
	Ye Y D. Information transparency， government credibility and social cohesion——starting from the government's release of avian influenza information［J］. Chinese Public Administration， 2004（4）： 56-58.
10	Bialek S R， Allen D， Alvarado-Ramy F， et al. First confirmed cases of Middle East respiratory syndrome coronavirus （MERS-CoV） infection in the United States， updated information on the epidemiology of MERS-CoV infection， and guidance for the public， clinicians， and public health authorities-May 2014［J］. American Journal of Transplantation， 2014， 14（7）： 1693-1699.
11	Jang K， Baek Y M. When information from public health officials is untrustworthy： the use of online news， interpersonal networks， and social media during the MERS outbreak in south korea［J］. Health Communication， 2019， 34（9）： 991-998.
12	Avery E J. Public information officers’ social media monitoring during the Zika virus crisis， a global health threat surrounded by public uncertainty［J］. Public Relations Review， 2017， 43（3）： 468-476.
13	牛金玉，郝艳华，宁良文，等. 辽吉两省传染性疾病与感染信息动态变化趋势比较分析［J］. 中国公共卫生管理， 2020， 36（1）： 7-10.
	Niu J Y， Hao Y H， Ning L W， et al. Comparative analysis of the information dynamics trends of infectious diseases and infections in Liaoning and Jilin［J］. Chinese Journal of Public Health Management， 2020， 36（1）： 7-10.
14	Tabano D C， Cole E， Holve E， et al. Distributed data networks that support public health information needs［J］. Journal of Public Health Management and Practice， 2017， 23（6）： 674-683.
15	韩玮，陈樱花，陈安. 基于KANO模型的突发公共卫生事件信息公开的公众需求研究［J］. 情报理论与实践， 2020， 43（5）： 9-16.
	Han W， Chen Y H， Chen A. Research on public’s demands for information disclosure of public health emergencies based on KANO model［J］. Information Studies： Theory & Application， 2020， 43（5）： 9-16.
16	Mitchell L， Ross J V. A data-driven model for influenza transmission incorporating media effects［J］. Royal Society Open Science， 2016，3（10）.
17	朱晓峰，程琳，陆敬筠，等. 微政务信息公开信号博弈研究——基于转移支付的视角［J］. 情报理论与实践， 2017， 40（12）： 107-111.
	Zhu X F， Cheng L， Lu J Y， et al. Research on signaling game of micro government affairs information disclosure from the perspective of transfer payment［J］. Information Studies： Theory & Application， 2017， 40（12）： 107-111.
18	刘德海. 信息交流在群体性突发事件处理中作用的博弈分析［J］. 中国管理科学， 2005（3）： 95-102.
	Liu D H. The role of communication in the mass unexpected incident management［J］. Chinese Journal of Management Science， 2005（3）： 95-102.
19	徐寅峰，马丽娟，刘德海. 信息交流在公共卫生突发事件处理中作用的博弈分析［J］. 系统工程， 2005 （1）： 21-27.
	Xu Y F， Ma L J， Liu D H. The role of communication in the mass unexpected incident management［J］. Systems Engineering， 2005（1）： 21-27.
20	李燕凌，丁莹. 网络舆情公共危机治理中社会信任修复研究——基于动物疫情危机演化博弈的实证分析［J］. 公共管理学报， 2017， 14（4）： 91-101+157.
	Li Y L， Ding Y. Research on social trust repair of public crisis governance under network public opinion——based on an empirical analysis of evolutionary game of animal epidemic public crisis［J］. Journal of Public Management， 2017， 14（4）： 91-101+157.
21	Vijaykumar S， Meurzec R W， Jayasundar K， et al. What's buzzing on your feed？ Health authorities' use of facebook to combat zika in singapore［J］. Journal of the American Medical Informatics Association， 2017， 24（6）： 1155-1159.
22	Salathé M， Freifeld C C， Mekaru S R， et al. Influenza A （H7N9） and the importance of digital epidemiology［J］. New England Journal of Medicine， 2013， 369（5）： 401-404.
23	Lus B， Muriel A. Measuring the impact of increased product substitution on pricing and capacity decisions under linear demand models［J］. Production & Operations Management， 2009， 18（1）：95-113.
24	Guan P Q， Zhang J， Payyappalli V M， et al. Modeling and validating public-private partnerships in disaster management［J］. Decision Analysis， 2018， 15（2）： 55-71.
25	Yang M， Jacob V， Raghunathan S. Cloud service model's role in provider and user security investment incentives［J］. Production and Operations Management，2021， 30（2）： 419-437.
26	赵黎明，宋瑶，殷建立. 战略性新兴产业、传统产业与政府合作策略研究［J］. 系统工程理论与实践， 2017， 37（3）： 642-663.
	Zhao L M， Song Y， Ying J L. Cooperation among strategic emerging industry， traditional industry and the government based on differential game［J］.Systems Engineering-Theory & Practice， 2017， 37（3）： 642-663.
27	Lai S J， Ruktanonchai N W， Zhou L C， et al. Effect of non-pharmaceutical interventions to contain COVID-19 in China［J/OL］.Nature： 585，410-413［2020-05-04］..
28	Our world in data. Overview of the Coronavirus Pandemic （COVID-19）［EB/OL］. ［2020-05-25］. .
29	于安. 论国家应急基本法的结构调整——以《突发事件应对法》的修订为起点［J］. 行政法学研究， 2020（3）： 3-10.
	Yu A. On the structural adjustment of the national emergencies basic act： starting with the revision of the emergency response law［J］. Administrative Law Review， 2020（3）： 3-10.

[1]	杨志. 公众参与交互型跨界污染治理补偿的四方博弈[J]. 中国管理科学, 2024, 32(8): 261-273.
[2]	孙向彦,曲薪池. 药占比管制下过度医疗行为多阶段动态演化研究[J]. 中国管理科学, 2024, 32(8): 308-321.
[3]	刘钻扩,李宇,李守伟,邸凯旋,刘长玉,刘荣坤. 基于融资模式视角的第三方市场合作稳定策略研究[J]. 中国管理科学, 2024, 32(8): 36-49.
[4]	姚旭生,马寿峰,叶顺强,凌帅. 驻足观望还是捷足先登？行人和无人驾驶车冲突演化博弈分析[J]. 中国管理科学, 2024, 32(7): 138-149.
[5]	邵志国,李梦笛,韩传峰,孟令鹏,吴启迪. 基于演化博弈的建筑垃圾处理协同机制及仿真[J]. 中国管理科学, 2024, 32(7): 324-334.
[6]	梁雁茹,徐建中. 企业生态创新驱动系统激励政策优化研究[J]. 中国管理科学, 2024, 32(6): 281-289.
[7]	丁黎黎,张凯旋,王垒. 公众情绪如何影响工业共生链企业减排？[J]. 中国管理科学, 2024, 32(6): 312-322.
[8]	石松,石平. 疫情背景下考虑社会学习的竞争防疫产品供应中断研究[J]. 中国管理科学, 2024, 32(5): 171-178.
[9]	方国昌,何宇,田立新. 碳交易驱动下的政企碳减排演化博弈分析[J]. 中国管理科学, 2024, 32(5): 196-206.
[10]	丁黎黎,郭志蒙,白雨,王萍. 公平偏好对碳捕捉与封存项目产业化发展的影响分析[J]. 中国管理科学, 2024, 32(4): 187-197.
[11]	赵丹,严啸宸,汪和平,李艳. 双积分政策下汽车企业合作创新演化博弈分析[J]. 中国管理科学, 2024, 32(4): 279-292.
[12]	景熠,曹柳,张闻秋. 考虑多元行为策略的地方政府大气治理四维演化博弈分析[J]. 中国管理科学, 2024, 32(4): 306-314.
[13]	李波,张春燕,张俊飚. 食品企业质量安全意识提升的演化博弈逻辑[J]. 中国管理科学, 2024, 32(4): 315-324.
[14]	杨松,张言彩,王爱峰. 多主体参与下食品安全社会共治演化博弈稳定性[J]. 中国管理科学, 2024, 32(4): 325-334.
[15]	张佩,白冰,赵紫威. 世界级竞争力集群内多方主体协同行为的演化博弈研究[J]. 中国管理科学, 2024, 32(4): 66-75.