我们的Megastudy和我们的预测研究的设计得到了宾夕法尼亚大学机构审查委员会的审查和批准。由于以下原因，授予了知情同意的放弃：（1）被认为对患者构成最小风险；（2）实际上不能进行否则；（3）研究中仅包括已经同意接受SMS通信的CVS药房患者。

　　Megastudy participants were CVS Pharmacy patients who (1) were 18 years or older, (2) resided in one of 65 US metropolitan areas selected for study inclusion (see Supplementary Information, section 4 for a complete list), (3) had previously received at least their primary COVID-19 vaccine series but not the bivalent booster according to CVS Pharmacy records (only patients who had completed their primary COVID-19 vaccination series were eligible根据美国食品药品监督管理局的二动助推器），（4）已同意以书面形式接收CVS Pharmacy的短信（迫使此要求遵守《 FCC的电话消费者保护法》，该法案禁止未经个人同意通过文本发送通讯）。

　　我们大型杂志中CVS药房患者的平均年龄为47.30岁（S.D. = 17.15），男性为40.43％。有关患者种族种族的信息不可用。CVS药房使用SMS简短代码在我们的研究中与所有患者联系，对于大约60％的患者，用于与他们联系的SMS简短代码很熟悉，这意味着它已用于在过去22个月中发送同一患者一份或多个与药房相关的消息（例如，关于处方补充）。

　　我们的大型条件包括九种不同的条件：八个干预条件和保留控制条件。患者的病情确定了他们从CVS药房收到的短信（如果有的话）提醒他们获得COVID-19二价增强疫苗，这是该巨型的一部分。

　　所有干预消息包括11月3日（以下称为第1天），11月5日（以下称为第2天）或11月8日（以下称为第3天）的初始提醒文本，并在7天后发送了一系列提醒文本。所有文本提醒都向患者传达了疫苗是在过去的研究中“推荐”和“等待您”的。19,20,21。我们的关键干预措施（旨在测试疫苗接种站点的免费往返行驶的价值），包括这种标准的提醒语言，但也为患者提供了一次免费的往返往返往返于下一个月的CVS药房。自由骑行由Lyft（扩展数据图2）提供，这是一家受欢迎的乘车共享公司，支持美国所有乘车骑行的四分之一。所提供的LYFT代码是地理授予的，因此患者只能从其大都市地区（或子区域）的CVS药房往返往返往返。CVS药房没有涵盖LYFT骑行的成本，也没有为本研究中的患者提供任何动力。自由Lyft往返CVS药房的所有费用都是由社会科学研究委员会的Mercury Project资助的。

　　我们的自由骑行旨在效仿2021年白宫计划，该计划在有限的时间内为Lyft和Uber往返疫苗接种地点提供了自由游乐设施。具体而言，白宫提供的免费游乐设施从5月24日至2021年7月4日提供，要求Lyft（或Uber）的客户在其应用程序中输入索赔代码，以获得免费的往返旅程（每次乘车时价值高达15美元，或者在Uber 29,51,52时每次乘车最多可达25美元）。可以说，我们的计划使声称自由骑行比白宫计划更容易，因为它只需要单击我们的短信中的链接即可接受我们的要约代码（如果首选，该代码也直接用于手动输入），然后将我们的报价自动应用于对患者大都市地区CVS Pharmacy的下一个资格乘车的使用。

　　仅当患者试图预订超过此价格限制的乘车时，他们才遇到25美元的价格上限，此时，他们的支出超过25美元。我们估计，在进行测试的邮政编码中，中位居民居住在距CVS药房的1.70英里（2.7公里），因此往返或从药房的Lyft成本通常低于10美元。即使是与CVS药房相距估计第99个百分位数距离的患者，距CVS药房仅9.40英里（15.1公里），因此，往返或从药房的Lyft的成本通常低于25美元（请参阅补充信息，第5节，以获取5节，以获取计算细节和距离的完整分布和距离和乘车成本估算）。

　　在标准提醒信息中未提供免费的往返Lyft乘车的干预措施，而不是在标准提醒消息中分层一系列不同的策略，以鼓励在标准提醒之外进行免疫接种，从患者县的电流（高）感染率（高）以提供误解的资源（请参阅表1），请参阅表1（请参阅表1）。

　　每个符合条件的参与者的随机化是使用从CVS Pharmacy获得的数据，该数据于2022年10月18日在Stata（V.17.0）69中进行了分配样本。除了提供免费的往返Lyft游乐设施的干预措施外，患者的概率相同，均与九种兆次疾病中的一种相同，但该干预措施以50,000人限制为CVS药房，以确保学习费用不会超过我们的预算。由于技术错误，提醒消息在两个兆次条件下（表1中的干预措施7和8）未能在11月3日（第1天）成功发送，因此1周后，没有发送给这些预期的研究患者的后续提醒消息。这些预期的参与者根本没有发出消息或包含在Megastudy中。结果，在两个巨大条件下，平均包括328,556例患者（干预7和8），而在Megastudy剩下的六个疾病中，平均包括492,573例患者。有关随机化的配偶流程图，请参见图1。

　　CVS药房提供的所有Megastudy数据均根据《联邦法规》第45条法规164.514（b）（2）否定了识别。自2020年以来，为每位患者提供的数据包括性别，年龄，所有前Covid-19的日期以及CVS药房的流感疫苗，主要保险类型和CVS药房位置的邮政编码，该地点最接近患者的家，是最受欢迎的访问量，是患者的最后一次Covid-19疫苗的现场。我们合并了几个其他变量，这些变量描述了最接近患者家居地址的CVS药房的ZIP代码或COVE县的居民组成（有关详细信息，请参见第9和10节）。

　　在本文中，我们通过报告近似贝叶斯因素来支持无效结果。对于使用使用OLS回归估算的线性概率模型得出的所有null，我们首先估计了使用最大似然的二进制数据的相应的二进制数据的通用线性模型70，然后从贝叶斯信息标准（BIC）中获得了贝叶斯的信息标准（BIC），从null（限制）和无效的模型中的null（null）和无效的序言中，并获得了null的可能性，并获得了note null的模型，并获得了整个模型，以及完整的模型，该模型，是，均为NULL（biC），是。作为贝叶斯因子≈exp（[Bicfull - 双限制]/2）71,72,73。对于涉及连续因变量的零结果，我们直接从零和非零模型的平方误差之和直接近似于贝叶斯因子73。

　　我们使用预先注册的OLS回归评估了在大巨头中测试的八种干预措施的影响，以在患者干预期（或控制期）开始后30天内预测疫苗接种。患者干预期的开始定义为（随机分配）收到第一个提醒消息（第1天，第2天或第3天）时的日期。患者控制期的开始定义为（随机分配的）控制期开始日期，以与干预条件进行比较（第1天，第2天或第3天）。我们回归中的关键预测因子是八个指标变量，用于分配到每个干预条件，并有指标分配到省略的保留控制条件。我们还包括指派患者收到其第一个提醒文本的日期（第1天或第2天；第3天）的指标。我们使用HC1鲁棒标准误差估算了这种回归，并使用BH Propedure74调整了所有P值以进行多个比较。

　　如上所述，技术错误阻止了干预措施7和8在我们研究的第1天部署（因此实际上没有患者分配给第1天的这些干预措施）。为了评估我们预先注册的OLS回归产生无偏见结果的能力，尽管发射第1天的干预措施7和8缺乏患者，我们遵循了第二次预注册中提出的一种方法（这是明显的，但在我们的研究团队收到任何结果数据之前就发布了这一方法）。具体而言，我们运行了标准OLS回归，以预测30天内的疫苗接种，并在干预措施1-6和启动第1天之间增加了相互作用项。然后，我们进行了无方向性的F检验，评估了这些相互作用项是否共同等于零。我们未能拒绝零假设（p = 0.140），这表明在发布第1天到第2天和第3天之间缺乏异质治疗效果（扩展数据表5）。此外，我们发现了对零假设的强烈支持，即1-6的干预措施的影响在第1天和第2天和第3天相同（贝叶斯因子≈4.051×1017）。因此，在我们的第二次预注册之后，我们继续分析来自所有25种可用逐日启动日组合的数据，包括八个干预条件和发布日的指标，但没有相互作用条款。

　　此外，在进行了我们的预先注册的OLS回归（上面概述）以评估我们的八种干预措施对COVID-19疫苗接种的影响之后，我们进行了稳健性检查，其中包括以下预先注册的其他控制措施：（1）年龄（截至2022年10月截至2022年10月）；（2）50岁以上的指标；（3）是男性的指标；（4）截至2022年12月的保险类型指标（Medicare，Medicaid或未知；省略了商业保险）；（5）在任何CVS药房接受的先前COVID-19疫苗接种总数（如2022年12月测量）；（6）在任何CVS药房收到的先前COVID-19-19S助推器总数（如2022年12月测量）。However, these robustness tests have the limitation that variables extracted in December 2022 were likely to be influenced patients’ condition assignment (that is, patients in megastudy conditions that produced more CVS Pharmacy visits for bivalent booster vaccinations apparently had more previous vaccinations ‘updated’, making it appear that they received more vaccinations pre-treatment than other patients; see discussion in the section ‘Megastudy to promoteCOVID-19疫苗接种’）。

　　在扩展数据表2和补充图1中提出的进一步的鲁棒性检查中，我们还重新运行了两个回归规格，不包括分配给发布第1天的患者的所有数据（因为在发布第1天未部署第7和8个干预措施）。

　　我们招募了216名来自多产的18岁以上的美国居民（男性为48.15％；平均年龄= 35.69岁，S.D。= 13.39岁），并向他们支付了1.40美元，以完成7分钟的预测调查。所有参与者都必须在台式计算机或平板电脑上进行调查，而不是移动设备，以确保图像正确显示。所有参与者都被告知：“我们将要求您审查九组不同的短信，这些短信鼓励药房患者于2022年11月获得二价COVID-19-COVID-19，我们会要求您预测每种消息对二价增强疫苗接种吸收的影响。”然后，他们所有人都了解了我们疫苗接种中患者的纳入标准，并被告知，在我们的保留控制状况中，在我们发射大量的30天内，我们的保留控制状况中的患者中有多少部分接种了疫苗。因为我们尚未确定在2022年11月3日之前对患者疫苗接种的数据不可靠（因为可能受到患者病情分配的差异影响），所以我们告诉调查预报员，有5.31％的患者在我们对照状态下接种了疫苗。在这一点上，预报员必须在继续进行之前通过理解检查 - 17个外行没有这样做，留下了完成我们调查的199个预报员，因此被包括在所有分析中（男性为52.26％；平均年龄= 35.69，S.D. = 13.39）。

　　接下来，分别显示了预报员在我们的研究中可以从药房中获得的每种不同的文本消息干预措施。这些消息显示在手机屏幕上覆盖（就像收件人一样）。在查看了每一条消息并被提醒我们保留对照组中的哪一部分患者在我们的研究发布后的30天内收到了助推疫苗，询问了预报员：“对于那些确实从药房那里收到上述短信的患者，您的药房中有什么百分比 - 您认为您认为在第一个消息的30天之内获得了二次助推器，请在您的第一个消息中获得备份。xx.xx％）”。对于完整的研究刺激，这些刺激是对过去预测研究中使用的刺激进行了密切建模的21,46,75，请参见补充信息，第12节。

　　尽管我们的大型征服中只有八个干预条件，但我们的一种干预措施（干预4：感染率）向生活在美国县生活的患者显示了不同的信息每个版本的干预措施4）估计干预措施4对疫苗接种率的影响的预测。

　　描绘自由骑行干预时，我们没有向预测者展示Lyft应用程序屏幕，如果他们在Megastudy中，他们会看到他们会看到的，并单击其干预消息中的链接，可以免费乘车前往CVS Pharmacy（请参阅第12节，第7节，第7节）。因为我们的大型人中很少有人单击链接以声称免费乘车（请参阅补充信息，第4节），因此预测者向这一小亚种群显示的信息可以为他们提供我们刺激的非代表性体验。

　　这些预测程序遵循文献中的标准实践21,46,75。尽管有时会为预测准确性提供激励措施，但通常不为21,46,75,76,77。

　　为了分析预测者估计值的准确性，我们计算了他们预测的疫苗接种率的绝对变化。我们描述的所有结果都是可靠的，而是分析预测的疫苗接种率的百分比变化（补充信息，第11节）。

　　扩展数据表6列出了外行预报员提供的每种干预措施的预测有效性的中位数，平均值和标准偏差。扩展数据表7列出了基于Laypeople的干预效果的预测以及预测每种干预措施的外行者的比例，这将是最佳绩效者。

　　我们招募了215名志愿者参与者，他们在社会科学领域拥有心理学，经济学，商业或相关领域的博士学位（男性为37.21％；平均年龄= 41.86岁，S.D。= 10.73岁），以完成我们的第二个预测调查。参与者是通过向具有上述资格的任何人发布有关判断力和决策协会的邀请以及经济科学协会的列表服务来招募的，以预测“一项研究测试八组不同的文本消息的效力，鼓励人们获得双重性的COVID-19助推器”。参与预测研究的邀请也由该研究的主要研究人员在2023年初发布在社交媒体（Twitter和linkedIn）上，并提供了这样的信息：“您能否预测哪些文本消息最能提高Covid-coverent-19 booster-19，这是在过去的秋天造成的，这是在过去的秋天的biverent-booster-19

　　我们调查中的第一个问题要求受访者确认他们拥有必要的博士学位。其余的研究程序与上述预测者所描述的程序相同。在进行调查之前，有52个人未能通过我们的注意力检查或退出调查，使163名参与者完成了我们的调查，因此包括在所有分析中（男性为49.07％；平均年龄= 41.86岁，S.D。= 10.73岁）。有关完整的研究刺激，请参见补充信息，第12节。

　　扩展数据表6列出了专家预报员提供的每种干预措施预测有效性的中位数，平均值和标准偏差。扩展数据表8列出了干预效能专家的预测以及预测每种干预措施的专家的比例，这将是表现最佳的人。

　　有关研究设计的更多信息可在与本文有关的自然投资组合报告摘要中获得。