这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。
在全球范围内,2019冠状病毒病大流行爆发后,社交媒体流量增加。尽管已经在几个社交媒体平台(如Twitter和Facebook)上描述了COVID-19内容的传播,但人们对此类内容如何通过WhatsApp (WhatsApp LLC)等私人消息平台传播知之甚少。
在本研究中,我们记录了(1)WhatsApp如何用于传播COVID-19内容,(2)WhatsApp用户基于其使用模式的特征,以及(3)使用模式如何与COVID-19问题联系起来。
我们使用经验抽样方法跟踪了COVID-19大流行期间WhatsApp的日常使用情况。在一周的时间里,参与者每天报告他们收到、转发或讨论COVID-19内容的程度。最终的数据集包括924个数据点,来自151名参与者。
在为期一周的监测过程中,大多数参与者(143/151,94.7%)报告至少使用过1次与covid -19相关的WhatsApp。当根据使用模式生成分类时,发现大约十分之一的参与者(21/ 151,13.9%)收到并分享了大量转发的COVID-19内容,类似于其他社交媒体平台上发现的超级传播者。最后,那些在个人聊天中参与更多COVID-19内容的人更有可能报告全天都有与COVID-19相关的想法。
我们的发现提供了一个难得的窗口来研究私人信息平台上的话语。此类数据可用于为大流行期间的风险沟通战略提供信息。
ClinicalTrials.gov NCT04367363;https://clinicaltrials.gov/ct2/show/NCT04367363
WhatsApp (WhatsApp LLC)是全球最常用的即时通讯应用;它在180个国家拥有15亿用户[
WhatsApp已被政府机构和世界卫生组织采用,用于发布官方COVID-19更新[
尽管有这些限制,印度的一项调查发现,每2名参与者中就有1人通过WhatsApp或Facebook收到了有关COVID-19的错误信息[
然而,迄今为止,大部分信息流行病学研究都集中在内容可公开访问的社交媒体平台上(例如Twitter和Facebook) [
为了解决文献中的这些空白,我们设计了一项研究,以(1)描述COVID-19内容传播的基本率,(2)了解WhatsApp用户,以及(3)检查使用模式的相关性。具体来说,我们使用经验抽样方法跟踪了一周内WhatsApp在日常生活中的使用情况[
从2020年3月17日至5月7日,参与者通过Facebook和WhatsApp社区群(如住宅群、工作场所群和大学群)中的广告、热门网络论坛上的帖子以及针对新加坡用户的Facebook付费广告从普通社区中招募。所有的研究活动都是在基于网络的调查平台Qualtrics (Qualtrics International Inc)上进行的,研究完成后,参与者将获得5新元(3.65美元)的补偿。该研究方案经耶鲁-新加坡国立大学学院伦理审查委员会批准(方案记录:2020-CERC-001),并在ClinicalTrials.gov预注册(试验编号:NCT04367363)。
参与者是151名符合以下纳入标准的成年人:(1)年龄在21岁或以上,(2)在新加坡居住至少2年,(3)拥有WhatsApp帐户。
在提供知情同意后,参与者完成(1)基线问卷,(2)连续7天每天进行抽样回答,以及(3)最终问卷(
研究程序示意图。所有参与者都完成了一份基线问卷。接下来是7天的体验抽样,在此期间,参与者每天回答有关COVID-19担忧和WhatsApp使用情况的问题。参与者在体验抽样程序结束后1天完成最终问卷。DASS-21: 21项抑郁、焦虑和压力量表。
作为数据收集的主要形式,我们使用经验抽样法捕获WhatsApp上的COVID-19聊天。通过该方法,我们收集了151名参与者的924个数据点(合规率:924/1057,87.4%)。
在7天的时间里,参与者每天晚上(晚上9:30)访问一项基于网络的调查,报告他们当天使用WhatsApp的情况。参与者表示他们是否转发了与COVID-19相关的信息(“是”或“否”)。我们专注于将消息转发作为高风险内容的代理指标,因为(1)大型Twitter研究发现,错误信息比真实帖子更容易被分享[
参与者还被问及他们的私人聊天(即他们在WhatsApp上的一对一聊天)。他们表示是否在个人聊天中转发了有关COVID-19的信息(“是”或“否”)。如果是这样,他们被问及(1)他们收到的唯一信息的数量(2)他们收到的不同人的信息的数量。此后,参与者讲述了他们是否在对话中讨论过COVID-19,其中一方或另一方生成了与COVID-19相关的信息(“是”或“否”)。如果是这样,他们会被问及有多少次单独的聊天。
最后,在群聊中,参与者被问及是否至少有一个人在他们的WhatsApp群中提到过COVID-19(不包括他们自己;“是”或“否”)。这可能是通过其他人转发消息或通过其他人生成自己的评论发生的。在肯定的回答之后,有一个问题是,有多少WhatsApp群组这样做了。
除了WhatsApp的指标,参与者还报告了他们当天对COVID-19的担忧;他们被问及(1)他们对COVID-19形势的恐惧程度(4分制:1=“完全不害怕”;4=“非常害怕”)和(2)他们是否一直在考虑COVID-19的情况(5分制:1=“根本不真实”;5 =“非常真实”)。
为了描述参与者的特征,我们包括了基线和最终问卷,其中参与者报告了人口统计数据(年龄、性别、宗教、种族、婚姻状况、教育程度、房屋类型、家庭规模、公民身份、出生国家和在新加坡的年数),他们在WhatsApp上阅读和发送COVID-19消息的时间(主要是早上、下午、晚上、深夜或全天),以及他们获得COVID-19新闻的来源(例如,印刷报纸、广播、WhatsApp和YouTube)。此外,参与者还完成了抑郁、焦虑和压力量表(DASS-21) [
首先,我们将数据总结为带有百分比的计数或带有SDs的均值,重点关注以下七个WhatsApp使用变量(
WhatsApp上与covid -19相关行为的分布。在为期一周的体验抽样过程中,参与者报告了他们在WhatsApp上参与covid -19相关行为的程度(通过转发或接收消息或对话)。水平条表示捕获的每个活动的总量(所有参与者的平均值)。水平线代表均值的95% ci。
其次,为了了解WhatsApp用户的个人资料,我们进行了潜在的个人资料分析,根据他们的WhatsApp使用情况(R包)创建了参与者的分类
最后,我们研究了是否可以根据COVID-19关注的变化来跟踪COVID-19 WhatsApp聊天的日常变化。我们量化了个人和群聊中的COVID-19聊天,因此这种聊天可以用作预测因素。对于个人聊天,对每天和每个参与者的以下变量进行求和:(1)转发COVID-19消息的个人数量,(2)收到转发消息的个人数量,以及(3)讨论COVID-19的个人对话。对于群聊,我们总结了以下变量:(1)转发新冠肺炎消息的群组参与者数量和(2)提到新冠肺炎消息的群组数量。通过从每个分数中减去不同科目的平均聊天次数和时间点(聊天次数:平均值分别为2.47和1.29),得分以大均值为中心。此外,我们还创建了每个预测器的主题间和主题内版本[
在所有分析中,1型决策错误率控制在0.05。所有统计分析均在R 3.5.0 (R Foundation for statistical Computing)和SPSS 25 (IBM Corporation)软件中进行。
如
参与者特征作为COVID-19 WhatsApp使用模式的函数。
特征 | 慢性使用者(n=21) | 接收用户(n=47) | 话语使用者(n=46) | 最小用户(n=37) | 所有参与者(N=151) | ||||||
年龄(年),平均值(SD) | 44.1 (14.5) | 41.0 (15.5) | 29.7 (10.7) | 34.4 (14.5) | 36.35 (14.70) | ||||||
|
|||||||||||
|
女 | 13 (62) | 34 (72) | 29日(63) | 28 (76) | 104 (69) | |||||
|
男性 | 8 (38) | 13 (28) | 17 (37) | 9 (24) | 47 (31) | |||||
|
|||||||||||
|
中国人 | 20 (95) | 42 (89) | 42 (91) | 36 (97) | 140 (93) | |||||
|
印度 | 0 (0) | 2 (5) | 3 (7) | 0 (0) | 5 (3) | |||||
|
马来语 | 0 (0) | 2 (5) | 1 (2) | 0 (0) | 3 (2) | |||||
|
其他 | 1 (5) | 1 (1) | 0 (0) | 1 (3) | 3 (2) | |||||
|
|||||||||||
|
基督教(新教) | 8 (38) | 17 (36) | 16 (35) | 13 (35) | 54 (36) | |||||
|
没有宗教 | 3 (14) | 14 (30) | 11 (24) | 10 (27) | 38 (25) | |||||
|
佛教 | 4 (19) | 9 (19) | 8 (18) | 11 (30) | 32 (21) | |||||
|
罗马天主教 | 4 (19) | 4 (9) | 6 (13) | 2 (5) | 16 (11) | |||||
|
道教或中国传统信仰 | 1 (5) | 0 (0) | 2 (4) | 1 (3) | 4 (3) | |||||
|
伊斯兰教 | 1 (5) | 3 (6) | 1 (2) | 0 (0) | 5 (3) | |||||
|
印度教 | 0 (0) | 0 (0) | 2 (4) | 0 (0) | 2 (1) | |||||
|
|||||||||||
|
结婚了 | 13 (62) | 24 (51) | 8 (17) | 15 (41) | 60 (40) | |||||
|
单 | 6 (28) | 15 (32) | 25 (55) | 12 (32) | 58 (38) | |||||
|
约会 | 1 (5) | 7 (15) | 12 (26) | 9 (24) | 29日(19) | |||||
|
丧偶的,分居的或离婚的 | 1 (5) | 1 (2) | 0 (0) | 1 (3) | 3 (2) | |||||
|
没有回答 | 0 (0) | 0 (0) | 1 (2) | 0 (0) | 1 (1) | |||||
|
|||||||||||
|
普通水平 | 1 (5) | 4 (9) | 1 (2) | 6 (16) | 12 (8) | |||||
|
专科学校 | 2 (10) | 5 (10) | 9 (19) | 9 (24) | 25 (17) | |||||
|
技术教育学院 | 1 (5) | 1 (2) | 1 (2) | 0 (0) | 3 (2) | |||||
|
理工或文凭 | 2 (10) | 13 (28) | 7 (15) | 4 (11) | 26 (17) | |||||
|
大学(本科) | 11 (51) | 21 (45) | 21 (46) | 16 (43) | 69 (46) | |||||
|
大学(研究生) | 4 (19) | 1 (2) | 3 (7) | 2 (6) | 10 (7) | |||||
|
其他 | 0 (0) | 2 (4) | 3 (7) | 0 (0) | 5 (3) | |||||
|
没有回答 | 0 (0) | 0 (0) | 1 (2) | 0 (0) | 1 (1) | |||||
|
|||||||||||
|
HDB一个公寓(1-2间) | 0 (0) | 0 (0) | 0 (0) | 1 (3) | 1 (1) | |||||
|
组屋单位(3间) | 0 (0) | 2 (4) | 2 (4) | 2 (5) | 6 (4) | |||||
|
组屋单位(4间) | 2 (10) | 9 (19) | 10 (22) | 10 (27) | 31日(21) | |||||
|
组屋(5间) | 3 (14) | 19 (40) | 14 (31) | 11 (30) | 47 (31) | |||||
|
公寓 | 12 (57) | 12 (26) | 11 (24) | 10 (27) | 45 (30) | |||||
|
地产 | 4 (19) | 4 (9) | 7 (15) | 2 (5) | 17 (11) | |||||
|
没有回答 | 0 (0) | 1 (2) | 2 (4) | 1 (3) | 4 (3) | |||||
|
|||||||||||
|
1 | 2 (10) | 1 (2) | 3 (7) | 0 (0) | 6 (4) | |||||
|
2 | 0 (0) | 5 (11) | 3 (7) | 3 (8) | 11 (7) | |||||
|
3. | 7 (33) | 8 (17) | 5 (11) | 8 (22) | 28日(19) | |||||
|
4 | 7 (33) | 18 (38) | 21 (45) | 15 (40) | 61 (40) | |||||
|
≥5 | 5 (24) | 15 (32) | 13 (28) | 11 (30) | 44 (29) | |||||
|
没有回答 | 0 (0) | 0 (0) | 1 (2) | 0 (0) | 1 (1) | |||||
|
|||||||||||
|
新加坡 | 18 (86) | 46 (98) | 42 (91) | 36 (97) | 142 (94) | |||||
|
其他 | 3 (14) | 1 (2) | 4 (9) | 1 (3) | 9 (6) | |||||
|
|||||||||||
|
新加坡 | 17 (81) | 45 (96) | 38 (83) | 33 (89) | 133 (88) | |||||
|
其他 | 4 (19) | 2 (4) | 8 (17) | 4 (11) | 18 (12) | |||||
在新加坡的平均年数(SD) |
39.67 (15.22) | 39.60 (16.69) | 26.43 (10.83) | 31.65 (14.47) | 33.65 (15.32) | ||||||
|
|||||||||||
|
压力 | 9.52 (7.12) | 8.61 (7.08) | 9.56 (10.13) | 10.81 (8.72) | 9.57 (8.47) | |||||
|
焦虑 | 4.38 (5.28) | 5.13 (5.44) | 5.33 (6.59) | 5.89 (7.71) | 5.28 (6.36) | |||||
|
抑郁症 | 8.10 (6.52) | 7.22 (6.86) | 9.47 (9.73) | 10.76 (9.54) | 8.90 (8.50) | |||||
|
|||||||||||
|
对新冠疫情的恐惧 | 2.29 (0.46) | 2.53 (0.65) | 2.22 (0.74) | 2.27 (0.69) | 2.34 (0.67) | |||||
|
对政府的信心 | 3.33 (0.58) | 3.23 (0.63) | 3.29 (0.66) | 3.24 (0.72) | 3.27 (0.65) | |||||
|
感知感染COVID-19的可能性 | 2.71 (0.64) | 2.74 (0.53) | 2.78 (0.56) | 2.76 (0.60) | 2.75 (0.57) |
一个HDB:住房和发展。
参与者的自我报告显示,WhatsApp是仅次于新闻网站或应用程序的第二大COVID-19新闻来源(
COVID-19新闻来源。在一份调查问卷中,参与者自我报告了他们获得COVID-19新闻的来源。
尽管大多数参与者(143/151,94.7%)在WhatsApp上接收和分享COVID-19内容,但使用模式存在个体差异(
与covid -19相关的WhatsApp使用分类。通过使用潜在特征分析,我们根据参与者在一周的监测期间使用WhatsApp参与COVID-19内容的方式对他们进行了分类。该图描绘了长期用户(左上)、接收用户(右上)、话语用户(左下)和最小用户(右下)的WhatsApp使用活动。水平线代表均值的95% ci。
4个聚类的解决方案产生最低的绝对贝叶斯信息准则值(
作为一项探索性分析,我们进行了分类树分析,根据人口统计学、COVID-19担忧、抑郁和焦虑评分(DASS-21)以及参与者使用WhatsApp的时间来预测WhatsApp用户类型。我们执行递归分区(
如
分类树分析。递归划分用于预测四种WhatsApp使用概况(长期,接收,话语或最少)参与者属于基于基线问卷测量(人口统计学;COVID-19担忧;21项抑郁、焦虑和压力量表的得分;以及使用WhatsApp的时间)。最后的树形模型以流程图的形式呈现;在每个级别上选择因子来对最大参与者数量进行分类。婚姻状况、使用WhatsApp的时间和年龄成为主要预测因素(模型分类准确率:64.2%;高于25%的概率水平)。
话语型用户更有可能是单身或约会对象,并且(1)对covid -19相关的恐惧程度极高(无论是高水平的恐惧还是低水平的恐惧),或(2)对基督教或道教信仰的恐惧程度适中。与慢性使用者一样,话语使用者的一个亚组已婚或离婚,并有中等程度的与covid -19相关的恐惧。然而,他们与长期使用者的区别在于他们对政府的信任度较高(长期使用者对政府的信任度较低)。
最后,接收用户和最小用户具有相似的配置文件。如果他们是单身或正在约会,这两组用户往往都有中等程度的与covid -19相关的恐惧,具有广泛的宗教背景,并且根据他们收到covid -19相关信息的时间来区分(接收用户:早上,晚上和全天;最少用户:在下午和晚上)。如果他们已婚或离婚,两组用户倾向于只在一天中的1个时间(早上,晚上或晚上)发送消息,并根据年龄进行区分(接收用户:年龄≥51岁;最小用户:年龄<51岁)。
最后,我们进行了线性混合效应模型,以检验WhatsApp的使用是否与COVID-19担忧有关(
关于COVID-19的想法(模型1)和对COVID-19的恐惧(模型2)的多层次模型的参数估计,作为参与者日常使用WhatsApp(个人聊天和群聊)的函数。
模型和效果 | 估计值,β (SE;95%置信区间) |
|
|
|||||
|
||||||||
|
|
|||||||
|
|
拦截 | 2.18 (0.07;2.05至2.31) | 32.81 (135.68) | <措施 | |||
|
|
时间(居中) | −03(. 01;−。05to 0) | −2.36 (297.02) | 02 | |||
|
|
日常个人聊天使用情况(科目之间) | .04点(02;0 ~ 0.07) | 2.36 (164.48) | 02 | |||
|
|
日常个人聊天使用情况(主题内) | 0 . 01;−。01to .02) | 0.42 (17.63) | .68点 | |||
|
|
每日群聊使用情况(主题之间) | . 05 (06;−。06至0.17) | 0.89 (141.17) | .37点 | |||
|
|
每日群聊使用情况(主题内) | 0 (03;−。(06至0.05) | −0.08 (14.09) | 公布 | |||
|
|
|||||||
|
|
截距(受试者之间) | 56(。08;0.42 ~ 0.75) | 6.89 | <措施 | |||
|
|
残差(受试者内) | .37点(02;0.33到0.43) | 14.90 | <措施 | |||
|
|
自相关(主题内) | .24 (. 05;0.14 ~ 0.33) | 4.97 | <措施 | |||
|
||||||||
|
|
|||||||
|
|
拦截 | 2.10 (0.06;1.98 - 2.21) | 36.37 (144.90) | <措施 | |||
|
|
时间(居中) | −03(. 01;−。05to −.02) | −3.72 (249.13) | <措施 | |||
|
|
日常个人聊天使用情况(科目之间) | . 01 (. 01;−。02to .04) | 0.85 (155.44) | 点 | |||
|
|
日常个人聊天使用情况(主题内) | . 01 (. 01;−。01to .02) | 1.22 (24.97) | 。 | |||
|
|
每日群聊使用情况(主题之间) | 02 (. 05;−。07to .12) | 0.49 (128.59) | .62 | |||
|
|
每日群聊使用情况(主题内) | −03(02;−。06 - 0.01) | −1.42 (28.88) | 。 | |||
|
|
|||||||
|
|
截距(受试者之间) | 无误(06;0.34 - 0.58) | 7.47 | <措施 | |||
|
|
残差(受试者内) | . 21 (. 01;0.18 - 0.23) | 13.83 | <措施 | |||
|
|
自相关(主题内) | 点(. 05;从0.16到0.35) | 5.16 | <措施 |
一个的
1周内与covid -19相关的想法和恐惧。随着WhatsApp用户资料的变化,与covid -19相关的想法(上)和恐惧程度(下)的日常变化。灰色阴影区域代表95%的ci。
对于COVID-19的思考,WhatsApp个人聊天使用在主题间水平(t)上有显着影响164.48= 2.36;
对于与covid -19相关的恐惧,我们发现WhatsApp的任何使用变量都没有显著影响(最小)
持续的大流行引起了人们对社交媒体在公共卫生中的作用的关注。在此背景下,我们提出了第一项信息流行病学研究,记录了通过WhatsApp传播的COVID-19内容。通过对WhatsApp每日使用情况进行为期一周的跟踪,我们发现(1)几乎所有参与者都参与了COVID-19聊天;(2)参与者更有可能分享或接收转发的消息,而不是参与有关COVID-19的对话。
我们观察到的转发消息的数量引起了关注。在其他社交媒体平台上,转发行为与错误信息的传播有关。例如,一项对450万条推特帖子的研究发现,虚假信息被分享的可能性比真实信息高70%;相应地,任何一条转发都有更高的可能性包含假新闻而不是真实新闻[
就转发的讯息载有错误信息的程度而言[
除了长期用户外,我们的研究还发现,大约三分之一(47/151,31.1%)的参与者接收的用户高度暴露于转发的COVID-19内容。接收用户往往年龄较大(与Facebook上的错误信息研究一致)[
最后,我们还发现,在个人聊天中讨论COVID-19的WhatsApp用户更有可能整天都在想COVID-19。类似形式的反刍(包括频繁和持续的思考)与临床抑郁症有关[
综上所述,我们关于WhatsApp消息传播的研究结果对危机期间的公共卫生反应有几个影响。首先,我们的用户概要分类为有针对性的风险沟通提供了基础。我们的研究结果表明,公共卫生机构可能需要主动接触长期用户和接收用户,这些用户在WhatsApp上处理大量转发的COVID-19内容。一种可能的干预措施是鼓励这些用户订阅WhatsApp官方频道以获取最新消息(例如,世界卫生组织的最新消息)[
追踪WhatsApp上的聊天记录也可能为检测疾病爆发带来新的机会。新兴的数字流行病学领域试图通过监测数字数据源(例如,通过谷歌搜索数据和Twitter帖子)来模拟疾病如何传播[
在报告这些发现时,我们注意到一些局限性。首先,我们选择了使用最广泛的即时通讯应用whatsapp作为研究对象。目前尚不清楚我们的研究结果是否适用于其他即时通讯应用(如Facebook Messenger和Telegram)。
第二,我们的招聘战略受到大流行性质的限制。由于传染病协议和与危机有关的通信量很高的短时间[
最后,尽管体验抽样法捕获了参与者在自然环境下使用WhatsApp的情况,但该方法仍然需要自我报告。通过扩展我们的发现,未来的研究将受益于WhatsApp使用的客观指标。
总之,我们首次使用经验抽样方法捕获了WhatsApp上的COVID-19聊天。我们总共追踪了924天的现场聊天
WhatsApp七个定量使用变量的相关矩阵。
潜在剖面分析的模型拟合指标。绝对值越低表明模型拟合越好。
模型参数估计(组成员)。关于COVID-19的想法(模型1)和对COVID-19的恐惧(模型2)的多层次模型的参数估计作为参与者群体成员的函数。
21项抑郁、焦虑和压力量表
新加坡国立大学
本研究由新加坡国立大学可信互联网和社区中心(授予cti - rp -20-09)授予JCJL的赠款资助。第一作者(EYQT)的参与是由睡眠与认知中心的一项中心拨款资助的。
RREW、KJQH和JWEC参与了研究设计并收集了数据。EYQT和YES对数据进行了分析,并撰写了论文初稿。JCJL和EMWT构思了这项研究,监督了整个项目,并监督了数据分析和手稿准备。所有作者都对手稿的最终版本提供了反馈。
没有宣布。