Helmet Use Among E-Bike, Pedal Bike, and E-Scooter Riders in Canberra: Observational and Quasi-Experimental Signage Intervention Study (Phases 1 and 2)

这是一份关于堪培拉电动自行车、普通自行车及电动滑板车骑行者头盔使用情况的观察性与准实验性研究方案（Protocol）的技术总结。该文档详细阐述了研究背景、设计、伦理考量及预期目标，旨在为制定基于证据的公共交通安全政策提供依据。

以下是该研究方案的详细技术总结：

1. 研究背景与问题 (Problem)

• 核心问题：尽管澳大利亚法律强制要求自行车和电动自行车骑行者佩戴头盔，但合规率（尤其是电动交通工具用户）仍存在显著差异。随着电动滑板车（e-scooters）和电动自行车（e-bikes）在城市中的普及，头部受伤风险增加，但关于头盔佩戴行为的影响因素及干预措施有效性的数据仍然有限。
• 现状挑战：
  • 现有观察数据显示，许多电动滑板车骑行者即使在被强制要求的情况下也不佩戴头盔。
  • 澳大利亚各州/领地的罚款金额和执法力度差异巨大（例如，堪培拉罚款为 121 澳元，而新南威尔士州为 344 澳元），这种差异可能影响合规行为。
  • 缺乏针对澳大利亚城市环境、结合健康效益宣传与法律惩罚提醒的干预效果评估。
• 研究缺口：需要结合观察数据、医院临床数据（头部受伤情况）和公众态度调查，以全面理解头盔佩戴行为并设计有效的干预策略。

2. 研究方法 (Methodology)

本研究采用多阶段、准实验性观察设计，分为两个主要阶段，并在堪培拉的三条城市自行车道上进行。

A. 研究设计

• Phase 1 (基线观察)：
  • 方法：使用隐蔽视频监控系统记录骑行者行为。
  • 变量：记录头盔佩戴情况（是/否）、车辆类型（电动自行车、普通自行车、电动滑板车、脚踏滑板车）、估算年龄组、性别表现、天气状况。
  • 目的：建立不同车辆类型和人群的头盔佩戴基线数据。
• Phase 2 (干预实验)：
  • 设计：三个站点分别接受不同的干预措施（准实验设计）：
    1. 控制组：无额外 signage（仅基线数据）。
    2. 健康效益组：设置 3 个强调头盔安全与健康益处的标志（如“戴头盔的鸡蛋 vs 破碎的鸡蛋”等视觉隐喻）。
    3. 法律惩罚组：设置 3 个强调法律后果的标志（如“未戴头盔罚款 121 澳元”、“扣分”等）。
  • 实施：标志间距约 50 米，符合当地《公共未出租土地法》。
  • 评估：干预后再次进行观察，对比合规率变化。

B. 数据收集与管理

• 样本量：预计每组需收集 400-500 名骑行者数据（总计约 1200-1500 人），以达到 80% 的统计效力（$\alpha = 0.05$）。
• 数据编码：由受过培训的研究人员使用结构化清单对视频进行编码，确保非侵入性，减少霍桑效应（Hawthorne effect）。
• 伦理与隐私：
  • 采用**有限披露（Limited Disclosure）**原则，因在公共场所观察且无直接互动，无需个体知情同意，但会在现场设置通知标志。
  • 所有视频数据去标识化，存储在加密服务器上，保留至少 5 年。
  • 已获得塔斯马尼亚大学人类研究伦理委员会（HREC）批准。

C. 统计分析

• 工具：使用 R 语言进行分析。
• 方法：
  • 描述性统计汇总头盔佩戴率。
  • 卡方检验（Chi-square）比较不同站点和亚组间的差异。
  • 逻辑回归（Logistic regression）模型评估头盔合规性的预测因素（年龄、性别、车辆类型、天气、干预类型）。
  • 多重插补处理缺失数据，并进行敏感性分析。

3. 关键贡献 (Key Contributions)

• 多源数据整合：该方案是更大规模研究的一部分，将观察性数据（行为）、回顾性临床数据（堪培拉医院的头部受伤记录）和横断面调查（公众态度）相结合，提供三角验证的证据。
• 干预机制对比：首次在澳大利亚城市环境中，系统性地对比“健康效益宣传”与“法律惩罚提醒”两种不同信息框架对头盔佩戴合规率的影响。
• 细分人群分析：不仅关注总体合规率，还深入分析不同车辆类型（特别是新兴的电动滑板车）、年龄组和性别表现之间的行为差异。
• 政策导向：研究结果将直接指导地方政府如何优化标志设计、调整罚款策略以及制定更有效的城市交通安全规划。

4. 预期结果 (Expected Results)

• 基线差异：预计普通自行车骑行者的头盔佩戴率将高于电动自行车和电动滑板车骑行者。
• 干预效果：
  • 预期两种类型的标志（健康效益或法律惩罚）均能提高合规率。
  • 研究将探索哪种信息框架（健康 vs. 法律）对特定人群（如年轻人、电动滑板车用户）更有效。
  • 预计合规率会因车辆类型、年龄和性别表现的不同而呈现显著差异。
• 关联分析：预期能发现头盔佩戴率低与医院头部受伤就诊率之间的关联。

5. 研究意义 (Significance)

• 公共卫生影响：通过提高头盔佩戴率，有望显著降低头部受伤的发生率和严重程度，减少医疗系统的负担。
• 政策制定依据：为堪培拉及澳大利亚其他城市提供实证数据，帮助决策者决定是应加强教育宣传还是加大执法力度，以及如何设计更有效的警示标志。
• 模型推广：该研究方案可作为其他快速演变的城市交通环境（如共享微出行工具）中安全合规行为研究的模型。
• 社会文化：有助于培养城市出行的安全文化，平衡个人自由与公共安全。

6. 局限性 (Limitations)

• 观察时间：主要覆盖通勤高峰时段，可能低估了休闲骑行或夜间（可能涉及酒精影响）的骑行行为。
• 夜间监控：出于安全和可行性考虑，未包含夜间监控。
• 自我报告偏差：虽然主要依赖观察，但辅助的公众态度调查可能存在自我报告偏差。

总结：该研究方案是一项严谨的公共卫生干预研究，旨在通过准实验设计解决城市微出行工具头盔佩戴率低的问题。其核心价值在于通过科学对比不同信息策略的效果，为制定精准、有效的交通安全政策提供坚实的数据支持。