Contents
- 概要
- はじめに
- 材料と方法
- 結果
- 表1 分析対象となった182カ国のベースライン特性
- 表2 仮説H1を検証するためのスピアマンの順位相関係数
- 表3 仮説H2を検証するためのスピアマンの順位相関係数
- 表4 仮説H2を母集団10万人に標準化したYGL数で検証した場合のスピアマンの順位相関係数
- 図1
- 表5 仮説H3による3つの期間のGRSIの中央値を予測するための回帰モデル
- 表6 YGLの総数を予測因子として、3つの期間のGRSIの中央値を予測するための最適な回帰モデル
- 表7 仮説H3に従って、30以上のYGLを持つ国を除いたデータセットで、3時期のGRSI中央値を予測する回帰モデル
- 表8 30以上のYGLを持つ国を除いたデータセットにおいて、YGLの総数を予測因子として3つの期間のGRSIの中央値を予測するための線形回帰モデル
- 図2
- 考察
- 結論
- 謝辞
- 備考
www.ncbi.nlm.nih.gov/pmc/articles/PMC9636891/
Is the Network of World Economic Forum Young Global Leaders Associated With COVID-19 Non-Pharmaceutical Intervention Severity?
キュアス.2022 Oct;14(10): e29990.
2022年10月6日オンライン公開doi:10.7759/cureus.29990
pmcid: pmc9636891
Rainer J Klement1およびHarald Walach2,3
概要
背景
世界経済フォーラム(WEF)は、大企業、政治、学術、メディアに大きな影響力を持つヤング・グローバル・リーダーズ(YGL)と呼ばれるエリートのグローバルネットワークを産み出してきた。本稿では、このネットワークを通じて、WEFがCOVID-19危機に対応して実施された非医薬品介入(NPI)の規模や範囲に大きな影響を与えたという考えを精査した。私たちは、国レベルのYGLの分布と、政府対応深刻度指数(GRSI)で要約される実施されたNPIの強度と期間との間の関連性を検証した。
材料と方法
国ごとのYGLの数およびカテゴリは、WEFのウェブサイトから抽出した。また、①パンデミックの第一波の始まり(2020年3月1日~2020年4月30日)、②ヨーロッパでの第二波の盛り上がり(2020年12月1日~2021年1月31日)、③おおよそ初年度(2020年3月1日~2021年1月31日)の3期間の最大・中央値のGRSIを抽出した。因果関係の前提として、各時期のYGLの総数またはカテゴリー別の数とGRSI値との関連性を、それぞれスピアマンのρ相関係数と多項式回帰を用いて評価した。
結果
パンデミックの第2波におけるYGLの総数とGRSIの中央値(ρ=0.36,p=2.5×10-7)および最大値(ρ=0.34,p=1.6×10-6)の間には極めて有意な正の相関があったが、第1波では認められなかった。また、YGLの総数は、4次多項式回帰モデルにおいて、パンデミックの第2波におけるGRSI中央値の高さの有意な予測因子であった(p<0.01)。このモデルにおけるさらなる有意かつ正の予測因子は、国がヨーロッパと南米にそれぞれ位置していることであった(p<0.01)。ビジネス、政治、市民社会におけるYGLの影響力を加味した数については、3つの期間のいずれにおいてもNPI重症度との有意な関連は見られなかった。
結論
パンデミックの第一波ではなく、第二波で有意な相関が見られたことから、WEFはCOVID-19危機の最初の数ヶ月間、あるいはそれ以前に形成・実行された特定の意見や戦略の起源ではなく、むしろ反響室あるいは増幅器であった可能性があると結論付けている。今後の質的研究によって、今回観察された相関関係の根底にある推定される因果関係のメカニズムが明らかにされるかもしれない。
キーワード 医療政策・経済、SARS-COV-2、COVID-19危機、非医薬品介入、世界経済フォーラム
はじめに
2020年3月11日、世界保健機関(WHO)によるCOVID-19のパンデミック宣言[1]は、激震が走る出来事だった。より目に見える問題は、COVID-19の原因物質であるSARS-CoV-2感染に伴う、無数の人々の死である。第二に、おそらくより重要な部分は、国境閉鎖、マスク着用義務、自宅待機命令、企業閉鎖に始まり、厳しい夜間外出禁止令に終わる、政府によるパンデミックへの対応であった。二次的な問題の多くは、通常、非薬事的介入(NPI)と呼ばれるこれらの政治的対応に起因しているということができる[2,3]。事業閉鎖は、もし国に救済プログラムがなければ、しばしば廃業した中小企業に影響を与えた。ロックダウンや自宅待機命令は、裕福な人たちよりも貧しい人たちに影響を及ぼしている。国によっては、仕事に出かけたり食べ物を買ったりすることが、栄養や生活のために重要であるからだ[2]。政府が強制したNPIの背後にある一般的な考え方は「カーブを平らにする」ことであり、それ故にCOVID-19による死亡を避けることであったが、それらに付随する損害は、悲劇的に何十万もの二次的な死亡を引き起こしたかもしれない[4]。さらに、Haleらは、NPIの厳格さと28日後に測定された死亡との間に有意なグローバルな関連を発見したが、NPIは、いくつかのモデリング研究においてCOVID-19関連の死亡の減少とは関連していなかった[5-7]。
この非常に複雑な状況は、政府がなぜNPIに固執するのかについて様々な考えや理論を生み出したが、これらの多くはかなり早い段階で効果がない、または無関係であることが判明している。この状況の背後に不吉な動機を見出し、金持ちのエリートが大企業の利益を促進するために国と民主主義を静かに買収しようとしているという考えを持つ人々もいる[9]。世界経済フォーラム(WEF)はしばしばその想定される勢力の一つとして言及されている。WEFはビジネス、政治、学術、メディアの分野の間に位置するシンクタンクとして概念化することができ、グローバル資本主義者や技術者エリートの形成のためのトランスナショナルな空間としても認識されている[10-12]。それゆえ、WEFは「グローバルに重要な問題についての政策設計と実施に不釣り合いな影響力」を及ぼす「トランスナショナルな政策ネットワーク」の中に数えられるかもしれない[13]。このことは、創設者であるKlaus Schwab教授への2017年のインタビューが例証しており、彼はそれに対応して次のように述べている。「私たちが非常に誇りに思っているのは、世界経済フォーラムのヤング・グローバル・リーダーズで各国のグローバル・キャビネットに浸透していることだ」[14]。シュワブはまた、2020年に『グレート・リセット』と題するCOVID-19関連書籍を出版している[15]。一見すると、この本は、不吉な計画ではなく、潜在的な機会についての記述と見ることができ、経済成長を生態学的・社会的持続可能性と結びつけることによって生活や労働条件を改善し、「世界をより良い場所にする」ために、前向きな展望を持って、世界に利益をもたらすWEFの一般的傾向に沿っている[12,16,17]。しかし、深く分析すると、その本質において「グレート・リセット」は規範的な考えも含んでおり、その実行は、個人、経済、政治、そして地球に対して構想された「健康」という新しい規範的優位性を絶対価値として、自由民主主義をトップダウンの管理社会へと変容させるものであることがわかる[18]。さらに、ビル&メリンダ・ゲイツ財団とともに、WEFはCOVID-19のパンデミック開始の数か月前の2019年10月18日に「イベント201」という大規模なパンデミックシミュレーション演習を開催しているので、シュワブもCOVID-19のパンデミックを予想できたはずである[19]。
しかし、deHaven-Smithは、「高官による政治的陰謀は実際に起こる」([21]、p.6)と指摘しており、WEFに関する上記の理論を客観的に定義し、検証することは可能であるはずである。ここでは、この問題に実証的にアプローチすることを試みる。たとえWEFがグローバルな言説の風景における重要なハブであったとしても、科学界における大多数と重要なオピニオンリーダーがNPIの有効性を信じているため、NPIの推進における活発な役割は、善意の意図から生じたものかもしれない[22]。
私たちの研究は、もしWEFが役割を果たすとすれば、知名度の高い組織とその代表者の世界的なネットワークという一般的かつユニークな位置づけによって行われるだろうという仮定から出発している。影響力の経路はさまざまである。一つは、WEFのメンバーであり、資金を提供している1,000社の大企業を通じてである[16]。もう一つは、2016年以降、YGLの研修を受け、それによってWEFの価値観や考え方の大使として活動することが想定されている約1,250人のヤング・グローバル・リーダー(YGLs)を通じてである。これらのYGLは各国に分布しており、行政・政治的なものから経済・公共サービス的なものまで、さまざまな役割を担っている。例えば、ドイツでは、アンゲラ・メルケル前首相、イェンス・シュパーン前保健長官、アンナレナ・バーボック現外相がWEFのYGL研修を受け[23]、フランスのマクロン大統領も同様である。もしWEFが何らかの役割を果たすのであれば、YGLの影響力レベルやその数とNPI回答との間に関連性があるはずである。したがって、本研究では、リサーチクエスチョンに取り組む。2020年のパンデミックの第一段階において、ある国のYGLの数および影響力は、その国のNPIと関連するのか?パンデミックの初期段階は様々な動機が混在する可能性があるため、意図的に初期段階に焦点を当てる。
材料と方法
研究デザイン
本研究のプロトコルは、データの定義と分析手順を記載し、事前にオープンサイエンス財団のプラットフォーム(https://osf.io/reqn3/)で公開された。つまり、COVID-19の流行に対する政策対応にYGLが因果関係を持つとすれば、YGLの数または別の指標とNPIの重症度との間に相関関係があると仮定し、事前に設定した仮説の検証を行う定量分析であった。
この分析結果を含むプレプリントは、2022年9月12日にSocial Science Research Networkのプラットフォームに掲載された[24]。
データ
WEFのウェブサイトから国ごとのYGLの数と種類を抽出した。研修が新しいほどWEFとの関わりが深いと想定したため、2016年を切り口とした。YGLのタイプ定義としては、①アカデミア、②芸術・メディア、③ビジネス(企業)、④市民社会(NGO、提言団体、類似の市民団体)、⑤政党員、⑥政治(行政、政府、議会、公職)、⑦宗教、⑧スポーツの8カテゴリーに総当たり分類をした。分類は、WEFのページで紹介されているものをそのまま使用した。明らかに間違っているところは修正した。
また、YGLの影響力を判断するために、品質評価を導入した。一般的な影響力を持つYGL(会社員、政治家)には 0.33、より強い影響力を持つYGL(国務長官、役員)には 0.66、最高の影響力を持つYGL(国家主席、企業トップ)には 1の重み付けをした。
Government Response Severity Index(GRSI)と各国の人口規模は、Our World in Data(OWID)のウェブサイトからダウンロードしたスプレッドシート(https://ourworldindata.org/covid-vaccinations、2022年4月12日にアクセス)から取得した。パンデミックの第一波の始まり(2020年3月1日から2020年4月30日)、ヨーロッパでの第二波の最盛期(2020年12月1日から2021年1月31日)[25]、および2020年3月1日から2021年1月31日の全期間におけるNPIの強さの最大値と中央値を抽出した。GRSIは入手できたがYGLが見つからなかった国については、その国のYGLの数およびグラビティはゼロとした。この分析に国を含める基準は、2020年3月から2021年1月までの期間内に少なくとも1つのオックスフォードGRSIが利用可能であることであった。GRSIは毎日更新され、0から100のスケールでその国のNPIの強さを測定する[26]。
感度分析のためのYGLの人口標準化数の算出には、分析に含まれるすべての国の人口数を使用した。
分析手順と仮説
もし、YGLがある国のNPIの重症度に因果関係を持つとすれば、その前提としてYGLの数あるいは影響力の強さとGRSIとの関連性が予想される。そこで、そのような関連性を検証するために、いくつかの簡単な仮説を立てた。
最も一般的な仮説(H1)は、WEFが「彼の主人の声」[12]のための大規模な増幅器ネットワークとして機能するというもので、主人が誰であろうと(主人が少数のグローバルなパワーエリート、金融企業、NGOのネットワークであるという証拠についてはPhillips[27]とRöper[28]参照)、この仮説を検証した。このことは、ある国のYGLの数と、検討した3つの時間軸のそれぞれにおけるNPIの強さの最大値と中央値との単純な相関関係によって検証された。GRSIの中央値と最大値の確率分布を仮定することなく、ノンパラメトリックなスピアマンの順位相関係数(ρ)を用いて、相関の強さを測定することができた。
第二に、より具体的な仮説(H2)として、「YGLの影響力が強いほど、その国のNPIも強い(影響力がある場合)」というものがある。この仮説は、上記のように国ごとにYGLの人数を重み付けし、影響力の強さに応じて0.33,0.66,1としてカウントして検証した。仮説H1の検証で用いたのと同じ相関分析を、国ごとのYGLの総数ではなく、加重した数を用いて行った。
第三の仮説は、より具体的に、ビジネスと政治の利害が乖離している場合を想定したものである(H3)。この場合、ビジネスリーダーの影響力と政治・市民社会リーダーの影響力は異なることが予想される。この仮説は、政治、経済、市民社会の各カテゴリーに属するYGLの加重数を用いて、国ごとのNPIの強さの最大値と中央値を予測する線形回帰アプローチによって検証された。大陸は、アフリカを基準として、アジア、ヨーロッパ、北米、オセアニア、南米の5つのカテゴリー変数とし、COVID-19のフェーズが異なると、大陸ごとに異なる影響を与える可能性を考慮した。
すべての分析は、仮説に基づいた関連性についての妥当性の仮定を支持または反証するものとみなされた。仮説は正の相関を仮定しているので、純粋な相関分析の帰無仮説は、負の相関または相関なし(Spearmanのρ≦0)であった。正の相関は、Spearmanのρ>0.3、関連するp値≤0.005と定義された[29]。回帰分析では、予測因子の統計的有意性はp<0.01と定義し、モデルはバイアス補正した赤池情報量規準(AICc)[30]によって比較された。すべての解析は R version 4.0.2で行った。
結果
対象国の特徴
OWIDデータベースでは、182カ国のGRSIデータが得られた。NPIの強さに関する情報は、パンデミックの第2波(2020年12月から2021年1月)ではこれらすべての国で入手できたが、第1波(2020年3月から4月)では4カ国で不明であった。これら182カ国のうち、WEFのウェブページの情報によると、109カ国が少なくとも1つのYGLを開催していた。
表1に、国ごとのYGLの数、種類、GRSIの中央値、最大値、母集団の大きさを示す。NPIの深刻度は、パンデミックの第1波と第2波を比較すると有意に大きく、これはペアのWilcoxon順位和検定でp<2.2×10-16と確認された。YGLの種類は、企業や法人などの事業者が最も多く、次いで学術、市民社会と続く。YGLの数は1カ国あたり平均7人であったが、1人もいない国(N=73)や1人しかいない国(N=25)が半数以上を占めた。
表1 分析対象となった182カ国のベースライン特性
GRSI,Government Response Severity Index、YGL,Young Global Leader。
バリアブル | 中央値(範囲) | 平均値(標準偏差) |
YGLの総数 | 1(0-313) | 6.8(25.6) |
YGLの加重数 | 0.75(0-179) | 4.0(14.6) |
YGLタイプ | ||
アカデミア | 0(0-32) | 0.5(2.5) |
芸術とメディア | 0(0-11) | 0.3(1.3) |
事業内容 | 2(0-247) | 5.7(19.7) |
市民社会 | 1(0-14) | 0.9(1.7) |
政党 | 0(0-1) | 0.03(0.18) |
政治 | 2(0-8) | 1.4(1.3) |
宗教 | 0(0-1) | 0.01(0.10) |
スポーツ | 0(0-1) | 0.005(0.07) |
GRSIの中央値 | ||
2020年3月1日~2020年4月30日 | 80.09(8.33-100) | 77.02(16.25) |
2020年12月1日~2021年1月31日 | 58.56(6.48-89.81) | 56.16(18.30) |
2020年3月1日~2021年1月31日 | 61.57(13.89-89.81) | 59.94(16.43) |
最大GRSI | ||
2020年3月1日~2020年4月30日 | 85.42(13.89-100) | 82.33(14.19) |
2020年12月1日~2021年1月31日 | 65.28(8.33-90.74) | 61.81(18.54) |
2020年3月1日~2021年1月31日 | 87.04(18.06-100) | 83.32(14.46) |
母集団の大きさ | 1.0×107(3.4×104-1.4×109) | 4.3×107(1.5×108) |
コンチネント | ||
アフリカ | 50 | |
アジア | 46 | |
ヨーロッパ | 44 | |
北アメリカ | 23 | |
オセアニア | 7 | |
南米 | 12 |
YGLとNPIとの関連性
仮説H1を検証した結果を表2.2に示す。パンデミックの第2波では、1国のYGL数とGRSIの中央値および最大値の間に高い有意な正の相関が見られたが、第1波では見られなかった。2020年3月から2021年1月までの全期間に関しても、YGL数とGRIS中央値の相関は有意であったが、あまり強くはなかった(ρ=0.26)。国ごとに加重した数を用いてYGLの影響の可能性を考慮した仮説H2の検証でも、非常によく似た結果が得られた(表(Table3)。3).一方、YGLの総数を国の人口10万人あたりで標準化したものを用いると、関連性はやや弱くなった(表(Table4)。4).第1波では相関は無視できるが、第2波では非常に有意であったので、パンデミックの最初の1年間に相関係数がどのように変化したかを調べた。図1,1に示すように、相関が有意になったのは2020年9月・10月以降であり、その後の数ヶ月間でその数値は0.3超に達した。
表2 仮説H1を検証するためのスピアマンの順位相関係数
P値は、検定された帰無仮説が否定的または関連なし、対立仮説が肯定的な関連(ρ>0)を示す片側値である。
*p<0.005(統計的に有意)。
GRSI、政府対応深刻度指数
期間 | GRSIの中央値 | 最大GRSI | ||
スピアマンのρ | p値 | スピアマンのρ | p値 | |
2020年3月1日~2020年4月30日 | 0.045 | 0.274 | 0.031 | 0.337 |
2020年12月1日~2021年1月31日 | 0.362 | 2.5×10-7* | 0.335 | 1.9×10-6* |
2020年3月1日~2021年1月31日 | 0.257 | 0.00023* | 0.043 | 0.283 |
表3 仮説H2を検証するためのスピアマンの順位相関係数
P値は、検定された帰無仮説が否定的または関連なしを示し、対立仮説が正の関連(ρ>0)を示す片側である。
*p<0.005(統計的に有意)。
GRSI、政府対応深刻度指数
期間 | GRSIの中央値 | 最大GRSI | ||
スピアマンのρ | p値 | スピアマンのρ | p値 | |
2020年3月1日~2020年4月30日 | 0.036 | 0.317 | 0.030 | 0.343 |
2020年12月1日~2021年1月31日 | 0.362 | 2.5×10-7* | 0.338 | 1.6×10-6* |
2020年3月1日~2021年1月31日 | 0.256 | 0.00025* | 0.045 | 0.275 |
表4 仮説H2を母集団10万人に標準化したYGL数で検証した場合のスピアマンの順位相関係数
P値は、検定された帰無仮説が否定的または関連なし、対立仮説が正の関連(ρ>0)である片側である。
*p<0.005(統計的に有意)。
GRSI、政府対応深刻度指数
期間 | GRSIの中央値 | 最大GRSI | ||
スピアマンのρ | p値 | スピアマンのρ | p値 | |
2020年3月1日~2020年4月30日 | 0.045 | 0.271 | 0.019 | 0.401 |
2020年12月1日~2021年1月31日 | 0.314 | 8.1×10-6* | 0.291 | 3.4×10-5* |
2020年3月1日~2021年1月31日 | 0.198 | 0.0037* | 0.039 | 0.299 |
図1
パンデミック初年度の2カ月間隔6回における、ある国のYGLの総数とGRSIの中央値の相関の強さの変化。
GRSI,Government Response Severity Index、YGLs,Young Global Leaders。
最後に、回帰モデルについて、NPIの重症度を予測する能力を評価した。表55は仮説H3を検証するために用いた回帰モデルの結果である。調査した3種類のYGLは、どの期間においてもGRSIの中央値に有意な影響を与えなかった。3つのタイプのうち、市民社会におけるYGLの人数の重み付けが、回帰係数の大きさから判断して最も大きな影響を与えたが、この推定値には大きな不確実性がある。パンデミックの第一波では、大陸は予測因子としての役割を果たさないように見えた。実際、大陸の変数を除いたモデルは、表5.5に示したモデルよりAICc値が6.25小さく、有利であった。一方、パンデミックの第2波では、大陸の位置が大きな役割を果たすようで、ヨーロッパはアフリカよりもはるかに厳しい制限を予測し、南米とアジアがそれに続いた。2020年3月から2021年1月までの全体的な時間枠を考慮すると、南米だけがGRSI中央値を大きくする非常に有意な予測因子として浮かび上がった。
表5 仮説H3による3つの期間のGRSIの中央値を予測するための回帰モデル
なお、2020年3月1日~2020年4月30日の期間では、4カ国がGRSI値を欠いていた。
*p<0.01(統計的に有意)。
AICc:バイアス補正した赤池情報量規準、GRSI:政府対応深刻度指数、#YGLs:ヤンググローバルリーダーの数
期間 | 2020年3月1日~2020年4月30日 | 2020年12月1日~2021年1月31日 | 2020年3月1日~2021年1月31日 | |||
変数 | 係数 | p値 | 係数 | p値 | 係数 | p値 |
インターセプト | 74.6±2.3 | <2×10-16 | 46.4±2.4 | <2×10-16 | 58.0±2.2 | <2×10-16 |
ビジネスにおける加重#YGL | -0.23±0.20 | 0.247 | 0.033±0.20 | 0.873 | -0.05±0.19 | 0.812 |
政治における加重#YGL | 1.2±2.2 | 0.588 | 0.86±2.3 | 0.704 | 0.18±2.1 | 0.932 |
市民社会における#YGLの重み付け | 1.8±2.2 | 0.419 | 1.7±2.2 | 0.440 | 2.1±2.1 | 0.321 |
コンチネント | ||||||
アジアvs. アフリカ | 1.8±3.4 | 0.609 | 10.8±3.5 | 0.0027* | 2.9±3.3 | 0.380 |
ヨーロッパvs. アフリカ | 2.1±3.4 | 0.550 | 16.4±3.5 | 7.3×10-6* | -2.7±3.3 | 0.409 |
北米vs. アフリカ | 6.3±4.2 | 0.140 | 9.4±4.3 | 0.032 | 4.4±4.0 | 0.275 |
オセアニアvs. アフリカ | 0.13±6.6 | 0.984 | -5.2±6.9 | 0.446 | -12.1±6.3 | 0.057 |
南米vs. アフリカ | 9.2±5.3 | 0.085 | 18.9±5.5 | 0.00069* | 18.6±5.1 | 0.00033* |
モデルフィット | ||||||
R2 | 0.0317 | 0.181 | 0.130 | |||
アジュバントR2 | -0.013 | 0.143 | 0.090 | |||
p値(F-検定) | 0.683 | 2.6×10-5* | 0.00183* | |||
AICc | 1547.2 | 1554.3 | 1530.2 |
YGLの総数はパンデミックの第2波と初年度のGRSI中央値と有意に関連していたため(表(Table2),2)、この変数を予測変数とする回帰モデルも適用した。YGLの総数と大陸の間の一般化分散インフレーション係数は小さく(1.0296)、したがって、これらの変数の間の共線性は無視できる程度であることが示された。また、YGLとNPIの厳格さの相関が直線関係にあることを想定せず、直線モデルに加え、最大4次までの多項式モデルを3つあてはめ、最もAICcの低いモデルを最適なモデルとして同定した。AICcの値から、2020年12月から2021年1月、2020年3月から2021年1月の時間軸では、それぞれ4次、2次の多項式が最適なモデル適合となった(表(Table6)。6).YGLの数は、4次多項式モデルにおいて、2020年12月と2021年1月の間のGRSIの中央値の有意な予測因子であった。図Figure22は、欧州の例について、線形モデルと比較した4次多項式を示したものである。この図からわかるように、1国あたり30YGLを超える領域では、モデル適合の挙動に影響を与えたと思われるデータポイントが乏しいことがわかる。実際、182カ国中、30本以上のYGLを持つ国は8カ国(4.3%)に過ぎない(中国、ドイツ、インド、日本、シンガポール、スイス、イギリス、アメリカ)。そこで、この8カ国を除いたデータセットで線形回帰モデルを再適用することにした。このデータセットで仮説H3を検証した結果と、YGLの総数で回帰した結果をそれぞれ表77と表8,8に示す。
表6 YGLの総数を予測因子として、3つの期間のGRSIの中央値を予測するための最適な回帰モデル
各期間ごとに、次数の高い(線形から4次まで)4つの多項式モデルのセットから最適なモデルを表示する。
*p<0.01(統計的に有意)。
AICc:バイアス補正した赤池情報量規準、GRSI:政府対応深刻度指数、#YGLs:ヤンググローバルリーダーの数
期間 | 2020年3月1日~2020年4月30日 | 2020年12月1日~2021年1月31日 | 2020年3月1日~2021年1月31日 | |||
変数 | 係数 | p値 | 係数 | p値 | 係数 | p値 |
インターセプト | 74.9±2.3 | <2×10-16 | 44.8±2.4 | <2×10-16 | 57.9±2.2 | <2×10-16 |
合計#YGL | -0.03±0.05 | 0.574 | 1.49±0.51 | 0.0036* | 0.27±0.13 | 0.042 |
(YGL合計)2 | – | – | -0.047±0.021 | 0.026 | -0.0008±0.00046 | 0.085 |
(YGL合計)3 | – | – | 0.0004±0.0002 | 0.041 | – | – |
(YGL合計)4 | – | – | -9.0×107±4.5×10-7 | 0.048 | – | – |
コンチネント | ||||||
アジアvs. アフリカ | 1.7±3.4 | 0.607 | 8.2±3.5 | 0.022 | 1.3±3.3 | 0.685 |
ヨーロッパvs. アフリカ | 2.5±3.4 | 0.465 | 14.8±3.5 | 3.8×10-5* | -3.3±3.3 | 0.306 |
北米vs. アフリカ | 6.1±4.2 | 0.150 | 9.4±4.2 | 0.027 | 4.4±4.0 | 0.273 |
オセアニアvs. アフリカ | 0.05±6.6 | 0.993 | -6.1±6.7 | 0.423 | -12.8±6.3 | 0.043 |
南米vs. アフリカ | 9.3±5.3 | 0.079 | 15.9±5.4 | 0.0037* | 17.8±5.0 | 0.00049* |
モデルフィット | ||||||
R2 | 0.0259 | 0.223 | 0.142 | |||
アジュバントR2 | -0.0075 | 0.183 | 0.108 | |||
p値(F-検定) | 0.591 | 1.2×10-6* | 0.00033* | |||
AICc | 1543.9 | 1551.1 | 1525.5 |
表7 仮説H3に従って、30以上のYGLを持つ国を除いたデータセットで、3時期のGRSI中央値を予測する回帰モデル
*p<0.01(統計的に有意)。
AICc:バイアス補正した赤池情報量規準、GRSI:政府対応深刻度指数、#YGLs:ヤンググローバルリーダーの数
期間 | 2020年3月1日~2020年4月30日 | 2020年12月1日~2021年1月31日 | 2020年3月1日~2021年1月31日 | |||
変数 | 係数 | p値 | 係数 | p値 | 係数 | p値 |
インターセプト | 74.6±2.4 | <2×10-16 | 45.6±2.4 | <2×10-16 | 58.0±2.2 | <2×10-16 |
ビジネスにおける加重#YGL | 0.37±0.81 | 0.646 | 2.05±0.84 | 0.016 | 1.53±0.78 | 0.052 |
政治における加重#YGL | 1.2±2.6 | 0.660 | -2.7±2.7 | 0.317 | -2.3±2.5 | 0.932 |
市民社会における#YGLの重み付け | -0.66±3.8 | 0.864 | -1.2±4.0 | 0.764 | -0.16±3.7 | 0.964 |
コンチネント | ||||||
アジアvs. アフリカ | 2.1±3.5 | 0.545 | 8.9±3.7 | 0.016 | 1.4±3.4 | 0.684 |
ヨーロッパvs. アフリカ | 1.9±3.5 | 0.580 | 15.3±3.6 | 3.3×10-5* | -3.4±3.3 | 0.311 |
北米vs. アフリカ | 5.7±4.2 | 0.172 | 9.8±4.3 | 0.025 | 4.6±4.0 | 0.249 |
オセアニアvs. アフリカ | -0.4±6.6 | 0.951 | -5.7±6.8 | 0.407 | -12.6±6.3 | 0.049 |
南米vs. アフリカ | 8.5±5.3 | 0.111 | 17.5±5.4 | 0.0017* | 17.4±5.1 | 0.00078* |
モデルフィット | ||||||
R2 | 0.0313 | 0.181 | 0.155 | |||
アジュバントR2 | -0.016 | 0.143 | 0.114 | |||
p値(F-検定) | 0.721 | 2.6×10-5* | 0.00414* | |||
AICc | 1475.9 | 1488.7 | 1460.8 |
表8 30以上のYGLを持つ国を除いたデータセットにおいて、YGLの総数を予測因子として3つの期間のGRSIの中央値を予測するための線形回帰モデル
AICc:バイアス補正した赤池情報量規準、GRSI:政府対応深刻度指数、#YGLs:ヤンググローバルリーダーの数
*p<0.01(統計的に有意)。
期間 | 2020年3月1日~2020年4月30日 | 2020年12月1日~2021年1月31日 | 2020年3月1日~2021年1月31日 | |||
変数 | 係数 | p値 | 係数 | p値 | 係数 | p値 |
インターセプト | 74.9±2.3 | <2×10-16 | 45.5±2.4 | <2×10-16 | 57.4±2.2 | <2×10-16 |
合計#YGL | -0.03±0.05 | 0.574 | 0.66±0.24 | 0.0063* | 0.51±0.22 | 0.021 |
コンチネント | ||||||
アジアvs. アフリカ | 1.7±3.4 | 0.607 | 9.0±3.6 | 0.013 | 1.3±3.3 | 0.699 |
ヨーロッパvs. アフリカ | 2.5±3.4 | 0.465 | 15.3±3.6 | 2.9×10-5* | -3.5±3.3 | 0.291 |
北米vs. アフリカ | 6.1±4.2 | 0.150 | 9.3±4.3 | 0.032 | 4.1±4.0 | 0.297 |
オセアニアvs. アフリカ | 0.05±6.6 | 0.993 | -6.3±6.8 | 0.353 | -13.2±6.3 | 0.036 |
南米vs. アフリカ | 9.3±5.3 | 0.079 | 17.3±5.4 | 0.0018* | 17.0±5.0 | 0.00085* |
モデルフィット | ||||||
R2 | 0.0259 | 0.194 | 0.153 | |||
アジュバントR2 | -0.0075 | 0.165 | 0.122 | |||
p値(F-検定) | 0.591 | 2.2×10-6* | 9.4×10-5* | |||
AICc | 1543.9 | 1484.8 | 1456.9 |
図2
2020年12月から2021年1月までのGRSI中央値を予測するベストフィットモデルを、欧州各国のYGLの総数(青)と線形モデルの適合度(赤)で比較した。
GRSI,Government Response Severity Index、YGLs,Young Global Leaders。
考察
概要
この相関研究では、2016年以降にWEFによって訓練されたYGLの絶対数が、COVID-19パンデミックの第2波の間、実施されたNPIの国の中央値と最大強度とスピアマンのρ>0.30で有意に相関し、第1波の間には相関しないことが分かった。この相関は、事前に指定した閾値ρ=0.30より大きく、p<2×10-6と明らかに有意であった(表(表22、表表3)。3).この関連は非線形であり、大陸間の差分効果とともに、4次多項式モデルがこの非線形関係を最もよく表していた(表(Table6)。6).このモデルは非常に有意であり(p<2×10-6)、分散のおよそ18%を説明する。私たちの差分仮説、すなわち、より影響力のあるリーダーや異なるタイプのリーダーは異なる効果を持つだろうという仮説は支持されなかった(表(Table55、Table77)。
インタープリテーション
相関は因果関係ではないが、相関は因果関係の前提条件である。したがって、このデータは次のように解釈されるかもしれない。WEFは世界中、つまりほとんどの国、特に経済的に重要な国でYGLを育成しているため、大規模な増幅器ネットワークであると言える。NPIのデータがある182カ国のうち、102カ国が少なくとも1人のグローバルリーダーを擁しており、世界の約60%の国が少なくとも1人のYGLを擁しており、8カ国は30人以上のYGLを擁している。もしWEFが危機とそれに対応する緩和策について一貫した意見を形成しているならば、その意見はYGLのネットワークによって共有され、増幅された可能性がある。実際、今回のデータでは、第一波の後、このようなことが起こっていることが示唆されている。このように、ネットワークは政治的に望ましい意見を共有するための選別器や反響室として機能し、それがネットワークを通じて増幅され伝播したのかもしれない。
しかし、注目すべきは、国ごとのYGLの数とパンデミックの第一波におけるNPIの強さとの間に関連性がないことである。このことは、パンデミックの初期段階で実施されたNPIの規模や範囲を決定する上で、WEFが役割を果たせなかったことを示唆している。したがって、この段階は、WHOによる勧告や各国間の模倣など、他の要因によって推進されたように思われる[31]。しかし、NPIが潜在的なパンデミック緩和策として確立されるにつれ、WEFは選択的かつ強化的な要因となったようである。実際、WEFは特定のNPI-後に「COVID-19健康パスポート」と呼ばれるデジタルCOVID証明書の初期プロトタイプ、着メロによる大規模な健康プロパガンダ、感染者や隔離者のための電子ブレスレット-を実行可能な緩和策として取り上げ、提唱しており[15]、この意味でYGLsは同様に支持的だったようだ[18]-。興味深いことに、観察された効果は比較的弱いが、ヤング・グローバル・ビジネス・リーダーがいくらか異なる役割を果たしたようである。しかし、ビジネス界に属するYGLの回帰係数は第1波でも全期間でも小さく負の値であり(表5)、政治と市民社会は大きく正の回帰係数を示している。このことは、WEFのメッセージが一様でないことを裏付けている。
この非線型性は、少数の異常値国の影響であると言う人もいるかもしれない。そこで、異常値を持つ国を除外した限定線形モデルで検証したところ(表8)、線形関係が認められ、分散の約17%を説明する有意な結果が得られた。さらに、大陸も重要な役割を果たしている。ヨーロッパと南米では、より強くNPIが実施されていた。
逆因果は考えにくい説明である。YGLはパンデミックの前に訓練を受け、パンデミックはYGLの国別分布に影響を与えなかった。少なくとも、YGLの選考プロセスはWEFの管理下にあるため[16,17]。
もちろん、本研究では考慮しなかったが、YGLの数とNPIの数の相関の要因となる変数が他にも多数存在する可能性がある。例えば、YGLの数が多い国ほど外交関係が緊密で、NPIの実施に関連する問題についても同じような見通しをもっている可能性がある。しかし、アフガニスタン(5 YGL)、スウェーデン(3 YGL)、スリランカ(3 YGL)、ウクライナ(3 YGL)のような多様な国が、直接外交上のコンタクトを通じてNPIを調整することは考えにくい。むしろ、WEFが期待するような影響力をYGLが研修中や研修後に発揮し、非公式に、あるいは公式に自国の政策や世論に影響を与えている可能性がある。
このことを裏付けるようなビネットがある。ウルグアイ(1つのYGL)とアルゼンチン(11のYGL)は、人口密度は同程度(アルゼンチン16人/km2、ウルグアイ20人/km2)の隣国であるが、その総人口は大きく異なっている。アルゼンチンは最も厳しいロックダウンの1つを課したが、ウルグアイは課さず、理由はどうであれ、はるかに良い結果を残した[32]。
このデータは、パンデミックの第一波の間、YGLとNPIの相関が存在しなかったことから、WEFが危機を計画し、あるいは演出したという考え方に反論するものである。これは、WEFがイベント201[19]のような主要なパンデミック対策演習に参加し、COVID-19危機の「計画」に関与したとされる他のNGOや製薬会社と関係を持っている[28]という事実があるにもかかわらずである。相関の強さはパンデミックの最初の1年間に大きくなり、2020年10月以降はρ=0.30程度の大きさで有意な強さとなった。私たちはパンデミックの最初のフェーズにしか興味がなかったので、その後の展開については、興味深いかもしれないが、検証していない。当初は、他のプロセスがNPIの実施と深刻化を推進したようだ。YGLのコミュニティは相互交流があり、それ故に意見や政治的展望を調整し、主流としているのだろう。最初の波の後、事実上間違った研究が発表され、ロックダウンが有効であることが示唆されたことは興味深い。支持モデルの初期パラメータの感度を警告する批判的な声は、しばしば聞かれなかった[34]。これは、多くの国で主流の意見がすでに確立されており、政治的に正しく、皆の健康に良いとされるものを定義していたために起こったようである。これは、矛盾する証拠がないにもかかわらず、あるいはそれに直面しているにもかかわらず、世論を形成する典型的な領域である。そしてこれは、他の多くの要因の中の1つの影響力として、ある国におけるYGLの影響力と確かに関連しているのかもしれない。私たちのような研究は、WEFとその世界的ネットワークが市民社会と公衆衛生の問題に不当に干渉し、民主的権利の統制された破壊のように見えるという問題の表面をかすめることしかできない[4,9]。WEFは1971年から存在しているので[12]、今後の研究では、WEFが数十年の間にどのように政府、企業、メディアに対する支配力を得ることができたのかを縦断的に分析することができるだろう。
私たちのデータは意図的に粗い粒度になっている。本当に強固な効果だけを考慮する価値があると考えたからだ。Haleら[8]のように、国ごとに個別の波を定義し、それに応じて相関を調整することで、解像度を向上させることもできたかもしれない。このような細かい解像度は、私たちの発見を弱めるどころか、むしろ強化することになると思われる。
私たちは、人口規模や大陸などの潜在的な追加要因をいくつか検討したが、明らかにすべてではない。しかし、その結果、事態は大きくは変化しなかった。死亡率、医療システムの整備状況、人口1,000人あたりの集中治療室ベッド数など、他の変数も加えて、ある国のYGLとNPIの相関が他の要因で説明可能かどうかを確認することは興味深いことであろう。
私たちの結果は、探検的な漁夫の利によるものではない。このようなオープンなプロジェクトでは、可能な限り、事前に手順と分析を定義している。例えば、様々な時間帯を調査し、有意な結果が得られた時間帯のみを報告することはしなかった。私たちは、報告された3つの相関関係を計算し、モデリングアプローチでそれらを検討した。私たちは、解析を開始する前に、プロトコルで「有意な相関」と呼ぶものを定義した。それゆえ、私たちの結果は頑健であり、偶然の相関である可能性はない。実際、その可能性は私たちの有意水準で与えられ、2×10-6より小さい。これは5シグマ以上であり、医学や社会の文脈ではまれな効果レベルであり、物理学のコミュニティでは「効果」と呼ばれるであろう[35]。私たちの解析は分散の18%を説明している。これはかなりの大きさであるが、他の多くの要因を考慮する余地がある。
制限事項
過去に訓練されたYGLは、直近のYGLほど関連性がない可能性があると考えたため、過去5年間のYGLのデータのみを考慮した。これは事実ではないかもしれない。これは二次研究であり、私たちの結果は元データと同じでしかない。因果関係を証明するためには、メカニズムを深く研究する必要がある。これは非常に複雑で、人類学的、質的なアプローチでなければできないことですが、私たちのリソースでは無理だろう。ひとつは、批判的言説分析(Critical Discourse Analysis)[36]を用いて、YGL間の共謀を示唆する公的言説の主要な修辞装置を研究することであろう。
結論
「2020年のパンデミックの第一段階において、ある国のYGLの数とその国のNPIは関連しているか」という私たちの研究課題を再確認すると、パンデミックの第二段階において、ある国のYGLの数とその国のNPIの強さの間には関連があったが、第一段階においては関連がなかったと結論付けた。このことは、WEFが、ネットワークに提示される、あるいはネットワーク内で発生し、ネットワークを通じて伝達される可能性のある特定の意見の増幅ネットワークあるいは反響室として機能しているという仮説を支持するものである。観察された相関関係の根底にある推定される因果関係のメカニズムを明らかにするために、より質的な研究を行う必要がある。
謝辞
WEFのウェブサイトからYGLのデータを抽出してくださったIT専門家(匿名希望)に感謝する。このプロセスでは、専門的なクローラーソフトウェアを使用し、私たちはデータのクロスチェックを行った。また、この論文の初期の草稿に有益なコメントをいただいたSteffen Roth教授・博士に感謝する。最後に、原稿の改善に役立つ建設的なコメントを下さった3名の匿名査読者の方々に感謝の意を表したい。
備考
Cureusに掲載されているコンテンツは、独立した個人または組織による臨床経験および/または研究の結果である。キュアスは、ここに掲載されたデータまたは結論の科学的正確性または信頼性について責任を負うものではない。Cureusに掲載されたすべてのコンテンツは、教育、研究および参考の目的でのみ使用されるものである。また、Cureusに掲載された記事は、資格を有する医療専門家のアドバイスに代わる適切なものとみなされるべきではない。Cureusに掲載されているコンテンツにより、専門家の医療アドバイスを無視したり、避けたりしないでほしい。
著者らは、競合する利害関係が存在しないことを宣言している。