这是一项横断面、观察性、全国性的研究，使用在线问卷收集调查数据。这项研究是一个更大项目的一部分，即COVID-19快照监测(COSMO)-西班牙项目[ 20.]，以世卫组织欧洲区域办事处开发的COSMO工具为基础[ 6， 21，目的是监测西班牙民众对COVID-19大流行的知识、态度、预防措施的遵守情况以及风险认知，并为COVID-19疫情应对措施(包括政策、干预措施和沟通)提供信息。更多细节可以在cosmos - spain研究的协议中找到[ 22］．

研究人员招募了1018名居住在西班牙的全国代表性样本。样本在年龄、教育程度、性别和居住地区方面进行了分层，以匹配西班牙一般人群。一家研究公司邀请了符合纳入标准的潜在参与者(男女不限，年龄在18岁以上，能够回答在线问卷)并进行了调查。这家市场研究公司拥有来自西班牙人口的157535名成员。他们通过电子邮件联系了符合纳入标准的小组成员;共发出邀请2655份，1777名会员参与调查(回复率67%)，回收完整问卷1020份。这些数据是在2020年11月24日至2020年11月27日西班牙“第二次大流行浪潮”结束时收集的。在此期间，共检测到60462例COVID-19病例，14天累计发病率为128.6例[ 23］．西班牙不同地区的商业机构存在流动性限制和容量限制。

卡洛斯三世卫生研究所伦理委员会(CEI PI 59-2020-v2)批准了该研究方案。这项调查是匿名进行的，研究公司向研究人员提供的数据中没有任何身份信息。参与者被告知研究的目的和特点，并通过点击方框提供知情同意。

变量使用描述性统计进行总结，包括集中趋势和离散度测量(平均值、中位数和SD)以及频率和百分比(取决于其格式)。

由于CPFS总分符合正态分布(Shapiro-Wilk检验， P=.26)，采用参数统计。根据CTT [ 25]，对CPFS的以下心理测量特性进行了分析:数据质量和可接受性、结构效度、假设检验(结构效度)和内部一致性。

通过观测值与理论值的平均值、中位数、标准差和范围计算数据质量和可接受性;偏度(标准:−1到+1);公积金计划项目的最低和最高限额效应(准则:≤15%);和总分[ 26］．

对于结构效度，采用了探索性(EFA)和验证性因素分析(CFA)。对于EFA，应用了带有方差旋转的主成分分析。CFA使用最大似然估计。均方根近似误差(RMSEA)≤0.06，比较拟合指数(CFI) >0.9，表明模型拟合良好[ 27］．

假设检验(构念效度)包括收敛效度和判别效度。使用Pearson相关系数分析了聚合效度，以确定大流行疲劳与相关连续变量的关联:年龄、保护行为的数量和类型，以及认知和情感风险感知。参考文献[ 4， 19]，中至高相关系数( r≥0.30和 r≥0.60)( 28CPFS和这些变量之间的差异。关于鉴别(已知组)效度，用方差分析和Student计算按相关变量分组的样本中CPFS总分的平均差异 t测试。根据文献，我们建立了以下假设[ 4， 12]:较年轻的参与者CPFS得分较高;教育程度低、风险感知、感知严重程度、自我效能感、担忧程度或信息寻求行为的;以及那些抑郁程度较高的人。

通过计算Cronbach α系数(准则≥0.70)、项目总校正相关性(标准 r≥0.40)、项目间相关性和项目同质性指数(标准>.30)[ 29］．

项目响应理论最常用的应用之一Rasch模型也被用于完成CTT提供的CPFS测量属性的信息。根据Rasch模型，某一项目的答案是一个人的能力(流行病疲劳程度)和项目的难度(由该项目表示的结构水平)之间的函数，以对数表示[ 30.］．评估了以下测量特性:对Rasch模型的拟合性、单维性、响应量表的适当性、项目局部独立性、可靠性(人-分离指数[PSI])和项目-人分布。有很好的教程和例子解释Rasch分析过程[ 31， 32］．

由于使用大样本量时，与Rasch模型的小偏差被认为具有统计学意义，导致不必要的模型修改，因此抽取了300个随机样本。无论目标是什么，这个样本量都允许稳定的估计[ 33］．当使用Bonferroni校正对项目数量进行无显著性卡方检验时，考虑拟合Rasch模型( P> .008) [ 31］．此外，拟合残差预计在-2.5到+2.5之间，项目和人员估计遵循正态分布，均值为0，标准差为1。迭代地执行修改，直到模型拟合。PSI测量可靠性，其解释与Cronbach alpha相似。阈值是两个相邻响应类别之间的应答概率相等的点。在阈值无序的情况下，相邻的响应类别被折叠。使用残差主成分分析检查单维性，然后将个人估计与二项检验进行比较;95% CI的下界应≤。05年( 34， 35］．局部项目独立性，即一个项目的响应不会导致对另一个项目的响应的程度，通过残差的相关矩阵进行分析[ 36］．差异项功能(DIF)发生在两个或两个以上的样本组在同一构式水平上以统计上不同的方式回答[ 37］．采用方差分析(ANOVA)对以下组进行DIF检验:年龄(中位数定义的组:≤46岁;>46岁)、性别、教育程度(低:14岁以下;中等:中等或专业培训;高:大学)。最后，目测人-物品阈值分布。

CTT分析使用SPSS 27.0 (IBM Corp, Armonk, NY)， Rasch分析使用RUMM2030统计软件。

表2为CPFS的数据质量和可接受性分析。平均总CPFS评分为17.06(中位数17.0,SD 5.04，范围6-30)。CPFS总分的偏度为。13。所有题目都达到了预期的得分范围(1-5)，其中大部分题目都表现出了地板效应，尤其是第6和第4题。项目1和3标明了上限效应。总PFS评分没有出现下限或上限效应。

关于结构效度，EFA确定了2个相关系数为0.70的因素，解释了62.6%的方差。 图1显示了使用CFA的CPFS的路径图。单因素模型的RMSEA为0.02,CFI为0.99 (χ²₅= 8.06, P=酒精含量)。

CPFS的结构效度结果出现在 表3．女性、年轻参与者、从不寻求COVID-19信息的参与者、认为自己在感染后会感染轻微疾病的参与者、对冠状病毒/COVID-19担忧程度较低的参与者、感觉抑郁的参与者或感觉冠状病毒/COVID-19传播缓慢的参与者的CPFS得分明显较高。CPFS与年龄相关( r= -0.20; P<.001)，预防措施数目( r= -0.16; P<.001)，使用口罩和保持身体距离( r= -0.12; P<.001)，卫生行为( r= -0.13; P<.001)和情感性风险感知( r= 0.07; P= 03)。

显示内部一致性统计信息 表4．Cronbach α为0.74，项目同质性为0.33，项目-总校正相关性范围为 r=0.42(项目1)到 r=0.56(第3项) r=0.17(第1项与第4项和第6项) r=0.51(第1项与第3、5项)。

Rasch分析显示，所有项目都显示出无序阈值。在将响应选项减少到2至4点的量表后，根据项目，数据显示出与Rasch模型的良好拟合(χ²₂₄= 42.025; P= . 01;ψ= .642; 表5)，单维性(二项式95% CI: -005至.045)，以及项目局部独立性。

表6呈现项目级别的契合度。第1项(“我厌倦了电视节目、报纸和广播节目等中关于COVID-19的所有讨论”)按年龄显示DIF，老年人高估了大流行疲劳( 图2)．未观察到性别或教育程度的DIF。人-物品阈值分布接近正态分布，没有下限或上限效应，物品阈值位置在-2到2 logit之间。缺乏代表大流行病疲劳程度较低和较高人员的项目( 图3)．

结果表明，西班牙人口在第二次大流行浪潮中报告了中等至高度的大流行疲劳(在24分制量表中平均17.06分)。我们的数据与另一项西班牙研究的数据一致，该研究在同一时期报告了中等程度的大流行疲劳(在1-4级范围内约为3级)，使用了不同的量表[ 38］．

CPFS显示出中等的可靠性和内部一致性，允许进行组比较。CFA和Rasch分析均支持该量表测量单个结构，表明各项目可以相加以提供有意义的总分。此外，Rasch分析允许将原始分数转换为真实的区间尺度，支持变化分数的计算和参数统计的使用。Rasch分析结果还表明，受访者无法区分5点反应量表的所有水平。如果这些结果在进一步的研究中得到证实，反应范围可能会被简化。然而，不需要改变管理量表的方式，只需改变它的编码方式。

第1项(电视、报纸、广播等节目中关于新冠肺炎的讨论让我感到厌烦)和第3项(听到关于新冠肺炎的讨论我感到厌烦)出现了“天花板效应”，反映出较高比例的应答者得分最高。这与Rasch分析的结果一致，在Rasch分析中，这些项目的位置最低，这意味着对大流行疲劳程度较低的人更容易支持项目1和3。相反，第4项和第6项更受大流行疲劳程度较高的人支持。项目层次结构表明，当人们开始感到一定程度的大流行疲劳时，他们首先会对媒体上关于COVID-19的讨论感到厌倦(项目1)。只有大流行疲劳程度非常高的受访者才会承认他们厌倦了约束自己去拯救那些最容易受到COVID-19感染的人(项目6)。这些结果支持了量表的内容效度。

其中一项显示出年龄的偏差，老年人在相同的构造水平上高估了流行病疲劳得分。如果进一步的研究证实了这些结果，可以为每个年龄组计算单独的项目1位置。与此同时，应谨慎解释年龄差异。

已知群体效度结果显示，年轻人报告了更高水平的大流行疲劳。这可能是因为新产品引进对他们的社会生活有更高的影响，在西班牙，这些生活主要发生在家庭之外。此外，年轻人感染后会出现无症状或轻微疾病;他们不太可能坚持采取预防措施。 8]并降低风险意识[ 39］．因此，它们在一些国家的发病率上升中发挥了至关重要的作用，例如在2021年夏天的西班牙[ 40］．研究还发现，年龄越小，对COVID-19新闻兴趣下降或减少的风险就越大[ 41］．因此，为了克服这些困难，有必要专门针对这一人口群体开展运动和宣传战略。

按性别划分的DIF的缺失表明所观察到的显著性别差异不是由于项目偏见。我们发现，女性的大流行疲劳评分高于男性，这与一项研究报告一致，该研究报告称，女性不太可能长期坐月子[ 42］．然而，另一项研究表明，西班牙男性的流行病疲劳程度高于女性[ 38］．这些差异可能是由于大流行疲劳在不同的研究中是如何测量的。

总的来说，我们关于收敛效度和区分效度的假设得到了结果的支持。如前几段所述，妇女和年轻人表现出较高程度的大流行病疲劳。与大流行疲劳相关的其他变量是预防行为的数量和类型，尽管相关系数较低。尽管如世界卫生组织定义所述，大流行疲劳会影响对保护行为的坚持[ 4]，在西班牙，遵守主要防护措施(使用口罩、洗手和保持社交距离)的程度非常高[ 13]，并且在收集数据时强制使用口罩。这些结果与其他国家的结果相似[ 2]，这可能解释了CPFS与预防措施的低相关性。

寻求信息行为的减少是大流行疲劳的另一个后果，正如我们的研究结果所表明的那样，从不或几乎从不寻找COVID-19信息的人在CPFS上的得分明显更高。与此相关，CPFS中询问“信息疲劳”的第1项和第3项的平均分最高。但是，很难判断是否是大流行疲劳导致了信息寻求行为的减少。根据假设，报告流感大流行疲劳程度较高的人是那些担忧程度较低的人，他们认为自己不太可能被感染，他们认为疾病传播缓慢，他们认为如果被感染，他们会经历轻微的疾病，或者患有抑郁症。虽然这里无法推断出因果关系，但其他研究发现，对COVID-19的恐惧程度越低，对COVID-19新闻的兴趣或回避程度就越低[ 41]，这是大流行疲劳定义的一部分。此外，信息回避预示着中国不愿参与COVID-19预防行为[ 43］．研究发现，信息回避与信息搜索的消极态度、对风险的消极情感反应和感知信息过载有关[ 44］．

本研究有一定的局限性。首先，我们采用了横断面设计，它提供了大流行演变的特定时间的数据。其次，数据是通过在线调查收集的，这可能无法覆盖到少数族裔，难以覆盖到人口群体。然而，具有代表性的样本为研究的外部效度提供了力量。

本研究提供了CPFS测量特性的信息，以有效和可靠的方式测量大流行疲劳。研究的优势包括使用具有代表性的总体样本以及CTT和Rasch模型方法。结果表明，CPFS可以从个体角度监测人群大流行疲劳水平。该问卷仅由6个项目组成，适用速度快，同时为群体比较提供了优质的测量数据。使用CPFS可以帮助确定有较高大流行疲劳风险的人群，并针对这些人群设计适当的干预方案和信息运动。

总之，西班牙版本的CPFS是一个很有前途的问卷，可以在人口水平上测量大流行疲劳，这是一个重要的公共卫生含义。它的优点包括，它是一个简短的、单一维度的量表，其可靠性水平允许进行群体比较，没有性别或教育水平的偏见，以及令人满意的效度。由于CPFS的可靠性存在不足和改进空间，因此不适合在个人层面进行比较;1项表现为年龄偏倚，与某些行为方面的关联低于预期。

需要进一步研究以按国家测试DIF。考虑到有30多个国家参与的世卫组织行为洞察调查正在使用CPFS，这一点非常重要。此外，关于该量表对变化敏感性的信息对于监测大流行进展和公共卫生干预措施造成的变化非常有用。此外，通过CPFS量表对西班牙和其他国家大流行疲劳的相关因素进行研究，对于设计预防和缓解大流行疲劳的公共卫生干预措施非常有用。尽管如此，我们的研究表明，年轻人、女性和风险感知较低的人更容易表现出更高程度的疲劳。针对这些群体的传播战略可能会对降低大流行疲劳产生积极影响[ 18，从而加强对保护措施的遵守。