利用生态瞬时评估研究瑞典COVID-19担忧的发展:纵向研究

简介

当严重的健康威胁临近时，人们必须决定是否需要采取任何保护措施。当谈到解释或预测自我保护行为作为对传染性病毒感染威胁的反应时，与认知预测因子相关的理论化和实证结果比比皆是。最突出的表现是威胁严重程度的认知因素[1]和察觉到的个人易感性[2]在印象形成的过程中，对威胁采取措施的有效性(反应有效性[3.)，以及遵循这些措施的能力(自我效能)。手边有几个概念和理论来展示所有这些方面如何结合在一起的全面图景[4-10］．

除了这些认知预测因素外，还有自我保护行为的情感或情绪因素的因素，这些因素在某些情况下与认知因素一起处理，在其他情况下分别处理。例如，哈珀和他的同事[11作者总结说，研究已经大量关注公共传播，但很少关注性格和情感作为保护行为的因素。然而，关于流行病的情感反应的文献似乎主要关注后果，而不是担忧的预测因素。在一项关于中国人口对大流行的反应的研究中，MacKay等人[12对于“疾病收缩导致焦虑的途径”，他们也得出了类似的结论，他们称之为“未充分研究”。假设理论立场，Presti等人[13]认为恐惧是大流行病的一个组成部分，大流行病大多具有破坏性，但也可以得到控制(另见[14])。对COVID-19恐惧量表(FCV-192)的初步应用结果证明了这一事实(例如，[15])。

Asmundson和Taylor提出的行动呼吁强调了公众对COVID-19的强烈情感反应。[16，17]，他们参考了与全球COVID-19危机有关的首次调查研究。一些研究人员试图从临床角度解释COVID-19的后果，并将其描述为精神疾病[18，19)，将当前病毒相关的焦虑与几个月前测量的健康焦虑特征进行了比较，并将这种焦虑与“网络疑病症”联系起来，“网络疑病症”是一种寻求健康信息的夸大需求[20.］．行为免疫系统的概念[12]经过了测试，并在很大程度上得到了证实，这支持了这样的假设:在大流行时期，个人会采取行动，不由自主地保护自己不受感染[21］．

如果恐惧确实起了作用，这就可以解释为什么丹麦的一项研究发现，在对抗病毒的斗争中接受限制。22］．在英国的一项研究中，哈珀等人[11]评估了感染COVID-19的自我感知风险、对病毒的恐惧、道德规则以及应对大流行行为改变的政治意识形态。事实证明，对COVID-19的恐惧是采取保护措施的唯一预测因素[11］．在土耳其的一项研究中，同样的变量，对COVID-19的恐惧，被证明会影响几个心理变量[23］．这些发现提供了足够的理由来对特质和情境情绪状态，特别是对传染性病毒感染的担忧和恐惧，对保护自己的行为意图的潜在影响进行更多的研究。

担忧和恐惧不仅是行为的重要预测因素，而且与探究情绪如何发展和识别其预测因素也有关系。一项纵向设计的中国研究，研究了人们对传染性疾病——严重急性呼吸系统综合症(SARS)——的恐惧所产生的情绪反应。研究发现，与年轻人相比，老年人和中年人较少愤怒，也不太需要以情绪为中心的应对技巧。在整个研究期间，以情绪为中心的应对方式在老年人和中年人中比在年轻人中增加得更多;然而，这一趋势在SARS爆发的高峰期被逆转。在疫情结束时，总体年龄差异逆转了。这项研究的结果表明，老年人可能比年轻人更善于调节情绪:他们对危机的反应不那么愤怒，也能更好地调整自己的应对策略以适应不断变化的环境。24］．在我们目前的分析中，这种应对能力的波动性促使我们把注意力集中在担忧上，因为它是一种令人不快的、往往无法控制的状态。对大流行期间保护性行为的人口统计学和态度决定因素的审查表明，女性、受教育程度较高和年龄较大与行为改变有关。此外，个体对疾病的易感性和严重性的感知，以及对推荐的保护行为有效性的更强信念，预测了行为的变化。此外，对权威的信任和较高的焦虑水平也与遵守保护行为有关[25］．

假设情绪影响行为，确定对情绪的因果影响是一个突出的问题。西班牙进行的一项研究以三种严重的精神疾病(抑郁症、焦虑症和创伤后应激障碍)为因变量，发现老年人、富裕人群和充分了解COVID-19的人较少出现这些精神疾病，而女性、有精神病史的人、目前有COVID-19症状的人，以及那些有身边人感染COVID-19经历的人，他们的心理健康症状有所增加。精神健康是避免心理健康症状的最佳预测因素，而孤独是最高的风险因素[18］．为防止大流行病蔓延而采取的措施也应被视为造成不良精神状态的另一个原因[26］．

关于COVID-19大流行的研究很少采用纵向视角。德国的一项调查研究显示，参与者报告称，在调查前几个月，与病毒相关的焦虑显著增加。由于这几个月的调查已结束，有关趋势发展的信息必须回顾性收集。大流行中的网络疑病症与当前的病毒焦虑相关，这种关联被特质健康焦虑所缓和。在主观上，充分的病毒信息降低了当前的病毒焦虑[27］．

在武汉出现病毒后不久，一项关于隔离的心理健康和情感后果的中国研究也采用了纵向视角，重复了从隔离前到隔离2周的措施。这种方法可能足以用于研究禁闭对那些不得不忍受禁闭的人的后果，但作为评估对大流行病的宏观社会反应的时间序列的主要步骤是不够的[28］．顺便说一句，这类研究表明，该领域的其他专家也认为[13，只有在权衡了利益与风险之后，人们才应该被隔离。

基于这些考虑，本研究的目的是描述瑞典人对COVID-19病毒(SARS-CoV-2)传播的反应发展，主要衡量为与大流行相关的普遍担忧。上文强调的先前研究的观察结果为我们的研究提供了一些结论。到目前为止，自我保护行为的认知预测因子比情感预测因子被研究得更广泛，我们对后者更感兴趣，最终选择了一个包含两种类型预测因子的设计。情感反应和恐惧的动态性质需要纵向设计的研究;然而，在这一课题的研究中，这种设计几乎从未被采用过。为了填补这一空白，我们使用了纵向设计，数据范围适用于描述COVID-19大流行早期阶段随时间的变化。我们还采用了新开发的数据收集和数据分析方法。在1天高频测量的纵向设计中，我们采用生态瞬时评估(EMA)设计进行数据收集。EMA已被讨论并成功应用于各种主题[29-32］．对于数据分析，采用多级建模方法。

在COVID-19大流行的早期阶段，各国政府的评估、沟通和采取的行动存在很大差异。尽管许多政府决定封锁社会的大部分地区，以遏制病毒的传播，但相比之下，瑞典社会并没有关闭，而是推出了保障措施，并敦促民众自愿遵守类似于封锁的建议。依靠自愿的建议，使人民对这一大流行病造成的威胁的看法和意见具有特别的重要性。与此同时，政府和其他当局对个人表现出团结、承担责任并遵循建议和法规的期望在瑞典非常强烈[33］．还实施了一些正式的限制，如禁止探访养老院和餐馆保持距离的规定。在此期间，死亡人数急剧增加，与周边北欧国家相比，死亡人数达到了相当高的水平。瑞典政府的政策受到了广泛的争论和强烈的质疑。例如，在国内和国际媒体上，人们被认为是在进行一场“实验”。然而，到2020年4月底，瑞典的政策也被世界卫生组织支持为“榜样”[34］．

本研究的目的是评估对COVID-19的担忧、这些担忧的预测因素，以及个人对瑞典封锁措施的评估。此外，由于到目前为止在这一研究领域的纵向研究很少，其目的是在比以往研究更长的范围内研究发展。特别注意情感反应，其中较强的是潜在有害的，如恐慌或恐惧，较弱的可能支持行政措施，在一段时间内限制自由。

方法

EMA设计

这项研究的目的主要是描述性的，因为它旨在记录瑞典COVID-19大流行早期个人层面的担忧水平和变化。分析的第二个目的是，证明智能手机使用EMA工具收集的日常节奏数据可以成为对新冠疫情等现象的情绪形成和变化进行有意义分析的基础。EMA是为了研究情绪管理而开发的，在智能手机普及之前，它通常是用纸和笔来应用的。35-38］．EMA会与受访者联系，联系人可以作为问卷到期的提醒，也可以作为将访谈时间安排在一天中的特定时间，或与特定事件并列的一种手段。一项元分析转向了对一个人幸福的积极看法，并记录了一些研究，这些研究每天向参与者提出多达12次问题，要求他们在手机上回答。36］．生理变量的客观测量与该方法相容，但迄今为止还没有经常使用。

哈金斯等人[38借此机会，他们利用智能手机EMA技术，在一项正在进行的学生心理健康研究中增加了另一波访谈，以评估2020年春季对大流行的反应。他们发现，学生们比大流行前的一个比较时期更加抑郁和焦虑。我们的目的是证明基于智能手机的EMA技术在情绪研究之外的适用性。

招聘及样本

最初，瑞典Umeå大学心理学系的学生通过电子邮件得知了这项研究。当地报纸Umeå上的一篇描述这项研究的文章也吸引了参与者。我们还联系了Umeå上的一个退休人员组织PRO。2020年3月25日至5月17日提供在线邀请函。邀请函的网站链接在瑞典各地的社交媒体上分发，参与者来自全国各地。这些程序表明，我们从未以具有代表性的样本为目标，因此我们不主张具有代表性。

邀请函详细说明了研究的目的，使用智能手机生态瞬间评估(SEMA)^3.) app [39发放问卷、需要回答的问卷量(数量、频率、时长)，以及告知参与者的自愿合作和权利;遵循了通用数据保护条例(GDPR)立法。参与者会收到一封下载应用程序的电子邮件。参与者首先收到一份涵盖社会人口变量的介绍性调查，然后是带有主题问题的每日调查。

由于进入和退出研究的日期不同，参与研究的时间长短不同，以及调查之间的间隔不同，我们的样本呈现出不平衡的面板数据[40］．总共有328名成年人参与了调查;考虑到三个测量波被认为是进行多层分析的最小值[41]，我们剔除了所有只完成了第一次介绍性调查和一两次额外调查的参与者(n=68)。31%(21/68)只完成了一项调查，31.5%(22/68)完成了两项调查，37%(25/68)完成了三项调查，包括介绍调查。参与研究的参与者必须(1)成年(18岁或以上)，(2)流利的瑞典语，(3)能够使用智能手机(或平板电脑)。

分析样本的平均年龄为49.6岁(SD 15.75岁)，76.7%(201/262)为女性，80.9%(212/262)在调查时接受过学术教育或在此类机构就读。

在辍学者和剩余参与者之间没有发现性别、年龄和教育程度的差异，后者被纳入最终样本(N=262)。最终样本的参与者提交了4到28份调查，包括介绍调查。平均每位参与者进行12.3次调查(SD 5.46)。表1概述有多少参与者回答了多少调查。我们从受访者样本中收到的调查总数为3226份。下面报告的分析是基于这些案例。

数据收集

我们使用了SEMA^3.工具(39)，这是一款可以免费下载的应用程序，只要参与者拥有Android或iOS操作系统的智能手机。该工具由墨尔本心理科学学院的一组研究人员开发，适用于进行密集的纵向调查研究[42］．该工具允许在固定的时间点或固定的时间间隔内进行调查。在近8周的数据收集期间，添加了新的问题，以密切监测发展，为参与者提出相关问题，并评估与经验接近的反应，与EMA方法一致。

我们的因变量(对COVID-19的普遍担忧)和主要自变量(严重程度、易感性和保障措施的有效性)每天都被问到。其他问题按不同的时间间隔安排，包括行为改变倾向、个人反应效能以及因疫情而导致的孤独感等社会因素。每天上午10点，研究人员会发布一项调查，参与者有12个小时的时间来完成调查。第一次专题调查可与导论调查在同一天进行。并不是所有参与者每天都有回应。

大约14天后，无论参与者提交了多少份调查问卷，他们都得到了感谢。他们还被问及参与研究的经历，并被邀请以较低的速度继续进行，每周两次。然而，每一份问卷都包含了因变量和主自变量。对政府行为的评价是在2020年4月1日首次出现在调查中。自2020年4月16日起，有关担忧具体方面的问题被添加到调查中。

没有收集个人数据，因为每个参与者都被分配了一个代码，没有任何链接到参与者的身份证号码或邮政地址。此外，没有收集敏感信息。与Umeå大学信息技术服务部合作进行了风险和漏洞分析，根据标准化协议记录信息类型，并基于机密性、准确性和可访问性等安全方面对信息进行评估。随后进行风险分析。

措施

调查设计

大多数调查问题改编自以前小型试点研究中使用的测量方法，从英语翻译成瑞典语，并根据研究环境进行定制。关于具体担忧和对政府信任的问题最初是用瑞典语制定的。除非另有说明，以下措施采用李克特7分制，从1(“不同意”)到7(“同意”)进行评估。

担心

担忧程度由一个单项问题来衡量，“你在多大程度上担心冠状病毒?”，其中0代表“完全不担心”，10代表“非常担心”(平均值6.67，标准差2.54)。这个问题是每个调查的一部分，包括介绍调查。使用单一项目是合理的，因为需要使每日问卷尽可能简短，以减少可能的退出人数。

截至4月16日，每周对5个问题进行一次具体担忧评估:“你担心自己被冠状病毒感染吗?”“你担心你亲近的人被冠状病毒感染吗?”“您是否担心您的个人财务状况已经或将受到冠状病毒传播的影响?”“您是否担心瑞典经济已经或将受到冠状病毒传播的影响?”以及“您是否担心世界经济已经或将受到冠状病毒传播的影响?”(具体担忧综合起来:平均值3.98，标准差1.84 (1-7);α=点)。一般担忧项与五个特定担忧项的组合表现出良好的内在一致性(Cronbach α=.76)。这表明单项测量产生的质量结果与缩放的5项测量相当，并支持单项测量的有效性。

感知到的COVID-19严重程度

疾病的严重程度由三个直接问题衡量:“冠状病毒对每个人都是威胁”;“抗击新冠病毒不是疾病或健康的问题，而是生死攸关的问题”;“目前没有比冠状病毒更大的健康威胁了。”对这三个项目进行平均，得出复合得分(平均值5.29,SD 1.55;α=点)。

对COVID-19的感知易感性

易感性是通过三个关于感染疾病风险的问题来衡量的:“与同龄人相比，我不太可能被感染”;“我不认为我的家人会被感染”;“即使冠状病毒靠近了，我也不认为我会感染它。”对这些陈述的同意最初被编码为高，但由于同意意味着低易感性，三个问题被颠倒，1=低易感性，7=高易感性。所有三个项目的平均值得到一个复合分数(平均值2.51,SD 1.44;α=点)。

保障措施的效力

将“目前采取的行动可以减缓冠状病毒的传播”、“适用于日常行为的建议将起作用，并将减少冠状病毒的传播”和“负责公共卫生的政治家将能够控制冠状病毒的传播”这三项与保障措施有关的项目结合起来，并创建了一个复合评分(平均值2.51，标准差1.44;α=点)。

政府评估

研究人员用一个单项问题来衡量人们如何评估政府在管理COVID-19大流行方面的表现:“您如何评估政府处理COVID-19的方式?”这是一个10分制的量表，从1“政府做出正确的决定”到10“政府做出错误的决定”(平均值4.16，标准差2.97)。这个问题出现在主要调查中，也出现在后续调查中。

数据分析

本研究采用多层建模方法，对焦虑及其他相关因素的纵向数据进行分析[41］．变化的多层模型允许研究个体内部和个体之间的变化。个人内部变化(第1级)的分析涉及每个受试者随时间经历的个人发展，可归因于不同影响因素的个人组合，而受试者之间的变化(第2级)与给定样本中受试者群体共同的影响因素有关。在这项研究中，我们特别感兴趣的问题是，根据不同的感知严重程度、感知易感性、保障措施的有效性和政府评估，受试者的担忧变化是如何不同的。在SPSS Statistics 25中使用最大似然方法估计两级层次结构模型。分析的第一步涉及到对无条件平均模型的估计，然后依次是无条件增长模型和其他模型，每个模型都添加了一个新的预测因子。这个过程能够确定每个新变量在早期模型中已经考虑的因素之上的相对贡献。更具体地说，在测试了无条件平均(模型A)和无条件增长(模型B)模型后，我们在模型中添加了感知严重性(模型C)、感知易感性(模型D)、保护有效性(模型E)以及最终与政府达成一致(模型F)。所有这些变量都作为初始状态和变化的可能影响因素进行了测试:截距代表了每个受试者的平均担忧水平，而时间系数表示了基于参与者参与的每一个额外波的增加。

结果

描述性统计数据表明，在我们的瑞典样本中，成年人在参与研究之初的平均焦虑水平为6.20，随着时间的推移，平均每天增加0.07。值得注意的是，大的标准偏差与两个平均值相关，这表明人们在最初的焦虑状态和变化速度方面存在很大差异。初始状态与变化率之间的负相关系数表明，与最初不那么担心的人相比，一开始担心程度较高的人增加担心水平的速度较慢。

表2展示所有测试过的模型的概述。模型A为无条件平均模型，它提供了结果担忧的变化信息。这个模型既不包括时间变量，也不包括任何预测因子。所有场合和个人的焦虑平均值为6.54(从0到10)，表明研究参与者在某种程度上处于两个极端值之间。估计人与人之间的方差为0.77，这表明人们确实在一定程度上改变了他们的担忧水平;人与人之间的方差为5.38，这表明这项研究的个体参与者在担忧方面存在很大的差异。截距以及两个方差分量在P<。001level, meaning that adding additional variables may reduce the magnitude of the two variance components.

模型B，也叫无条件增长模型[41]，包括个体参与研究的时间作为一个额外的预测因子，从而能够量化参与者之间关于他们的担忧变化率的差异。根据模型B，参与者的平均变化轨迹截距为6.29 (P<.001)，斜率为.045，在P<。001level, indicating that the level of worry increased between the end of March and the beginning of May. The within-person variance component (0.56,P模型B的<.001)总结了数据围绕个人线性变化轨迹(而不是围绕个人特异性平均值)变化的程度，而第2级上的两个方差分量，初始状态和变化率，估计了初始状态下人与人之间的变异性(5.25，P<.001)和变化率(0.015，P<措施)。添加其他因素，减少这些组件中的可变性，将有助于提高模型的拟合。的值所示，模型B比模型a拟合得更好，这一事实可以从直接比较中推导出来R²_e而且R²₀．前者代表模型A和模型B中的人内残差:比较两个值均下降27%(0.77-0.56/0.77 =0.27)，即27%的方差可以通过引入时间变量来解释。第二个值，R²₀，表示开始时的方差分量。比较两个模型表明，模型B相对于该成分提高了2%(5.38-5.25/5.38 =0.02)。因此，在模型中加入时间变量尤其能改善一开始对担忧的估计。

协方差分量量化了焦虑的初始状态与其随时间发展之间的关联。因此，这一组成部分有助于回答一个问题，即一开始更担心的人是否会随着时间的推移变得更(或更少)担心。将协方差重新表示为相关系数[41]时，两者的关系为-0.16，这意味着那些一开始更担心的人，随着时间的推移会变得稍微不那么担心。总体而言，模型B表明，一些个人内部的变化与时间有关，大多数担忧的变化在开始时存在于参与者之间，随着时间的变化，只有少量的变化，尽管很重要。

模型C和模型D引入了威胁评估方面。为了便于解释，我们将感知严重程度集中在样本均值(5.044)上;为了避免在模型中给予参与波越多的个体更大的权重，对个人层面的数据进行均值居中。因此，初始状态的截距(6.43)和变化率的截距(0.03)代表了平均拟合值，这两个截距在P <. 01水平。感知严重程度平均值的参与者的初始状态值高出0.03分。对于一名感知到COVID-19严重程度平均水平的参与者，估计的担忧变化率为0.01。虽然这是一个相当小的增长水平，但它是显著的P<。01level, suggesting that during the study period, participants, on average, increased their level of worries about COVID-19.

考虑模型C的方差分量，我们发现个人内部方差从0.56下降到0.52，对应于0.7%的小幅下降。初始状态方差的减少更为显著，为14%，从5.25降至4.52，通过添加严重程度作为预测因素，解释参与者轨迹开始时的担忧水平。假设此值与0 (P<.001)，可以在模型中加入其他因素来解释模型c中存在的方差。此外，变化率的方差分量，R²₁，通过引入感知严重程度的预测因子，降低了13%(从0.15到0.13)。考虑到R²₁仍然显著不同于0，其他预测因子仍然可以减少模型C的这个分量的方差量。

在模型D中，我们添加了易感性，这是威胁评估的另一个组成部分，它应该进一步解释为什么人们会随着时间的推移而增加他们的担忧。与前面的分析一样，我们使用了均数为中心的易感性值(5.401)。这一增加产生了以下结论。首先，控制易感性对初始状态和变化率的影响，严重程度对初始状态和变化率对参与者担忧的影响达到。21 (P<.001)和.01 (P分别< . 05)。其次，在保持严重性值不变的情况下，易感性对初始状态和变化率对参与者焦虑的影响为。14 (P<.001)和-.01（P<.01)，这意味着在初始状态下感知易感性差1点的参与者表现出更高的担忧水平。14。即使他们在一开始更担心，他们的平均变化率也低了0.01，这表明那些在一开始就认为自己更容易受到影响的参与者，与那些在一开始就不那么担心的人相比，随着时间的推移，他们担心的增加速度更慢;换句话说，易感性与忧虑的变化率呈负相关。

当我们将易感性作为担忧初始状态和变化率的预测因子时，方差也在一定程度上缩小了。人内方差从0.52降低到0.51 (P<.001)时，初始状态方差从4.52下降到4.48 (P<.001)，方差变化率保持不变。

为了进一步改进模型，我们添加了perceived e保障措施的效力措施。再次，我们以均值为中心的变量(感知效能的均值为5.3)，以方便系数的解释。考虑到在模型E中增加保障的感知效能，表明在保持感知严重程度和易感性不变的情况下，对预期方向的担忧水平有影响，对保障是否有效的观点相差1点的两个人在担忧水平上的差异为- 0.15。换句话说，人们越不相信保障措施是有效的，他们就越担心COVID-19。尽管这种影响在P <.001，在变化率方面没有发现任何影响(.479)，这意味着人们对保障措施的想法没有改变。因此，在下面的模型中，我们放弃了将保障措施的感知效力作为轨迹的预测因子，但不将其作为初始状态的预测因子。考虑到保障措施的归因效力对担忧初始状态的影响，模型E中相应的方差分量从4.48缩小到4.40，减少了近2%。

最后一个模型F增加了一个新的预测指标，即人们认为政府在多大程度上妥善处理了瑞典的COVID-19危机。对政府的评估预测了担忧的初始状态，但不能预测随着时间的推移担忧的变化:在保持所有其他变量(感知的严重程度、易感性和保护措施的有效性)不变的情况下，对政府措施的认同程度较低(用1-10量表的低端表示)表明对病毒的担忧程度较高(β=.13，P= .008)。鉴于对政府绩效的评估并没有改变担忧的轨迹，我们最终排除了这个变量作为变化率的预测变量。

偏差统计量包括贝叶斯信息准则和赤池信息准则，表明了模型在添加单变量后如何改进。此外，根据辛格和威利特的建议[41]，对人内方差、初始状态以及变化率方差分量进行伪r统计量计算，以显示不同模型间方差分量是如何减小的，这表明模型的质量是不断增长的。

讨论

主要研究结果

最重要的是，这种分析证明了这种类型的统计模型构建的适用性，甚至是必要性。此外，根据我们制定的关于EMA方法的目标，本研究还表明，通过使用EMA和使用智能手机收集数据，可以实现有意义的数据收集。在解释模型构建结果时，有几个方面需要考虑。

迄今为止的研究告诉我们，对成为威胁受害者的自我感知的易感性、对风险严重性的感知(即风险可能造成的损害)、对所采取的制度保障措施的有效性的信念以及对政府或其他负责公共卫生的机构的信任，都是风险评估和相关变量的因果因素。我们研究的第一个值得注意的总体结果是，COVID-19大流行的特定案例证实了以前的结果，这些结果具有非常特殊的背景、不同的研究设计(即纵向视角)以及作为关键方法创新的新型数据分析。上述预测因素具有很强的认知成分。相比之下，担忧及其随时间的发展属于具有强烈情感成分的因素。两者之间的联系尚不清楚，需要在未来的研究中加以解决。

这一创新具有扩大分析视角的潜力。当我们也考虑到时间发展的数据时，我们发现了与以前的横断面研究中出现的变量或多或少相同的影响。当研究开始时预测焦虑的分布时，实际上发现了对所有因果变量的影响。这种相似性是第二个一般结果。

然而，受影响的不仅是最初的忧虑，而且对忧虑的发展趋势也有影响。这些影响代表了第三个重要的一般结果，这清楚地表明，横断面分析设计可能会错过人们对COVID-19的现实思考和预测因素的动态性质的一个重要部分。并非所有预测因子都产生线性趋势，这一事实表明需要区分，这是我们强调的第四个主要发现。在我们的案例中，保障措施的感知效能和对政府的支持对担忧的轨迹没有影响，对担忧初始状态的影响必须被认为是适度的。鉴于瑞典的新冠肺炎死亡率迅速上升，以及围绕瑞典政策的激烈辩论，这可能令人惊讶。然而，这可能与瑞典在研究期间基本不变的政策有关，以及瑞典人对公共卫生机构、卫生保健系统、其他社会当局和机构以及政府的普遍较高和稳定的信任有关。43］．对焦虑趋势影响较小的另一个原因是，在大约8周的整个研究期间，很少有参与者留在飞机上并提交信息。平均提交的调查问卷数为12.3份。因此，即使显示出重大影响，证明趋势发生较大变化的可能性也很小。

如上所述，对初始状态的影响似乎比对变化率的影响更强、更稳定。对初始状态的影响是一个人开始意识到大流行和进入研究之间发生的所有事情的总和。大众传播效应长期以来一直被认为在一个问题的早期阶段特别强烈。我们的分析中不包括最早的阶段。然而，早期阶段的影响可能掩盖了后期的影响。

人们的担忧显然受到了对威胁的感知的影响，而这种威胁是由科学观察决定的。召集防御力量来决定如何保护人们免受健康威胁，可能会留下比形势所需更多的担忧。与政府达成一致是最弱的预测因素，这一发现可能也与瑞典人对当局和政府的高度信任有关，尤其是在本研究的数据收集期间[43］．

在这项研究中，有趣的观察是担忧测量的高度传播。作为一种推测，这可以被认为是几乎在整个数据收集期间参与者被连续引入研究的结果。那些早期招募的人在该国COVID-19病例仍然很少的情况下做出了回应。此外，由于一些法规的改变，政府评估问题在不同时期有不同的参考点。随着时间的推移，相对较小的变化可能是由于相当大比例的参与者只在相当短的时间内参加。然而，每天的问题可能减轻了担心的程度。在我们的研究中，我们不能排除参与者的一些自动反应行为。在每天有限的时间内，用一种容易处理的方式来反思我们的问题，可能会减少参与者在一天剩余时间里的担忧。

我们研究中考虑的保护动机、严重程度和易感性等经典因素可能被其他变量所掩盖，如人口统计学和态度变量[25]和反应效能(即相信自己和政府的措施的益处)[44，45］．

瑞典政治稳定和信任政府的悠久传统，以及各政党之间的广泛共识，至少在大流行早期，可能造成了一种抗击病毒的斗争得到了很好的控制的印象。

限制

有这么多测量点的研究必须依赖现代数字技术，这对控制采样带来了一定的挑战。出于实际目的，最好不要试图控制对问卷的访问和对回答的归档。这意味着这种研究的样本可以采取小组的形式，对同样的人重复使用问卷;然而，这将导致不稳定的参与时间表和一个人提交答案的天数的巨大差异。

由于三个访谈通常被认为是多层分析的最低限度，而这三个访谈在某些情况下是在2天内收集的，因此没有太多时间来见证变化。事实上，这并不是一个不利因素，因为变化的速度是一个开放的研究问题，考虑到个人报告的时间较长，可以利用本研究中收集的数据在大流行威胁期间推进这一问题。此外，我们的分析样本不能被认为是源总体的代表，这是一个限制。出于匿名的原因，我们不能询问居住权，这也是一个限制。这意味着，我们不能将对看法的反应与地方或区域情况联系起来，特别是与感染人数联系起来。在解释结果时应该考虑到这一点。

其他限制是SEMA应用程序的技术问题，例如下载应用程序困难，参与者在某些情况下没有收到任何调查，或者如果参与者同时接到电话，应答就会消失。结果是许多人感兴趣，但不能参与，一些信息可能会丢失。我们没有关于参与者COVID-19感染状况的信息，因此无法得出感染对担忧水平的影响的结论。

局限性还来自于数据不完全符合适用于调查研究的标准，当用于对一个有争议的问题做出最终决定时，最好避免对研究意义的所有不安全感。具有代表性的样本和经过验证的措施产生的结果比我们的研究设计得到的结果更容易信任。然而，我们的研究问题没有达到适合更多最终研究的标准。