以自我为中心和以他人为中心的健康问题作为冠状病毒接触追踪应用的预测因素:实证研究

介绍

背景

2020年3月，世界卫生组织宣布新型冠状病毒SARS-CoV-2爆发为大流行[1]，世界各国政府采取了激进的措施来降低传播率[2］.几个世纪以来，大多数措施，如隔离潜在感染者、减少社会接触和戴口罩，都被用来限制传染病的传播。3.，4］.21世纪的技术进步为我们的工具箱增加了接触追踪应用程序(cta)。不出所料，许多政府对cta感兴趣，将其作为控制疫情的额外措施[5］.2020年12月，《麻省理工科技评论》的一个数据库列出了48个已经或正在开发cta的国家[6］.在绝大多数情况下，此类应用程序的使用是自愿的或计划自愿的。模拟研究表明，56%的人口必须使用该应用程序才能对病例数的整体发展产生影响[7］.要达致这个目标，重要的是要了解是什么促使市民采用社区交通工具。[8］.cta是一种新现象，到目前为止，早期的研究大多是在cta发布之前评估应用的吸收意向[9］.此外，只有少数研究关注激励应用程序使用的潜在心理因素[8，10-12］.本研究旨在通过调查对COVID-19的自我关注和他人关注作为采用两种已经启动的cta的尚未充分研究的预测因素的作用，来补充这一研究方向。

COVID-19和接触者追踪

减少COVID-19传播的一项重要措施是接触者追踪[13］.与感染者有过身体接触的人会收到卫生官员的警告，他们可能已经感染了这种疾病，即使他们(尚未)表现出任何症状，也可能是病毒的传播者。14］.受到警告的个人应该自我隔离并接受检测[15，16］.通过打破感染链，接触者追踪可以减少病毒的传播，并有助于遏制大流行[13］.

然而，人工接触追踪存在三个问题。首先，随着病例数量呈指数级增长，卫生官员很快就不堪重负。这导致通知个人的速度变慢，甚至完全失败。其次，受感染的个体可能不记得他们在关键时期遇到的所有情况。最后，在与陌生人接触的情况下，比如在公共交通工具上，他们可能只是缺乏与他们近距离接触的人的信息[5］.

cta可以缓解这些问题。自动接触者追踪缩短了从检测结果呈阳性到向感染者的接触者发出警告之间的时间[17］.这对于打破感染链至关重要，特别是因为COVID-19的症状前传播似乎很常见[14］.通过应用程序的自动跟踪也可以更容易地扩展[18]而cta不依赖于受感染个体提供的接触信息[15］.

电晕cta

cta是一种智能手机应用程序，它可以跟踪距离很近的其他智能手机，如果智能手机用户的COVID-19检测呈阳性，它们可以向其他智能手机发送警告。根据中央服务器的角色及其存储的数据类型(集中式、分散式和混合式)，cta大致可分为三种不同的类别[5］.这些不同的体系结构对隐私保护和数据安全都有影响。因此，它们可能影响利益-风险分析的结果，并可能决定采用某种技术的意愿[19-21］.

本研究的重点是政府正式启动的两个去中心化cta(德国的Corona-Warn-App;瑞士SwissCovid)。去中心化cta优先考虑隐私保护。其他用户和中央服务器都不知道用户的身份[5］.德国和瑞士的cta都依赖于谷歌/苹果API，使用蓝牙低功耗技术与其他智能手机通信，并且可以免费下载[22-24］.SwissCovid(瑞士)于2020年6月25日向公众发布，截至2021年3月，下载次数达到300万次[25］.Corona-Warn-App(德国)于2020年6月16日发布，截至2021年3月，下载量为2650万次[26］.瑞士约有680万智能手机用户[27德国约有6650万智能手机用户[28在最乐观的情况下，只有44%和40%的潜在用户可能已经采用了这些应用程序。这凸显了了解驱动因素以提高应用使用率的必要性。

应用程序对自己和他人作为潜在激励因素的好处

为自己使用cta的好处并不简单。医疗保健领域的其他应用程序，如健身或治疗应用程序，承诺解决个人健康问题或降低用户的风险。12］.然而，cta并不能保护用户免受COVID-19的侵害。这些应用程序只警告个人回顾在接触者检测呈阳性后，他们曾接触过病毒[5］.cta提供的价值导致了一种类似社会困境的局面。一方面，广泛接受cta对所有人都有利，因为这可以降低病毒在人群中的传播。另一方面，如果安装应用程序，每个人都有成本(时间，不便等)，但没有直接和明确的健康益处或风险降低[29］.

用户只能获得有关当前被感染可能性的信息。然而，虽然这不是cta的重点，但个人可能会使用这些信息来评估他们过去的行为，以保护他们未来的健康。如果出现警告，他们可以回顾在导致警告的关键时间段内所处的情况，并尝试避免这些情况。

用户的另一个直接好处是降低了在不知不觉中感染他人的风险。即使个人感觉健康，他们也可能是COVID-19的携带者，并传播病毒，可能给他人带来严重后果[14］.无论是拜访家人还是在餐馆吃饭，很多情况下不仅有被感染的风险，而且还会意外伤害他人，并不得不面对内疚。30.］.特别是对于那些希望感染COVID-19后不会出现明显症状的人来说，降低在不知不觉中感染他人的风险可能是cta的一个主要卖点。简而言之，使用应用程序的动机可能是关心他人，而不是关心自己的健康。我们的研究考察了对COVID-19的自我关注和他人关注对应用程序吸收的作用。

健康顺从行为的驱动因素

从更广泛的关于健康背景下预防行为的文献来看，很明显，风险认知会影响采取保护措施的可能性。保护动机理论[31，32]和健康信念模型[33，34]是健康行为促进领域的两个突出理论，表明风险感知可以成为个人从事预防行为的强大驱动力[35］.几项研究发现，在当前的大流行期间，风险认知与保持社交距离和洗手等符合健康的行为之间存在正相关[36，37]和以前的疾病爆发[35］.换句话说，如果个人认为他们可能会受到健康问题的影响，就更有可能采取预防行为。风险感知可以从认知或情感的角度来看待。风险感知的情感成分的特征是担心或担心威胁。在文献中，这些风险感知的情感方面被视为良好健康行为的重要预测因素[30.］.在最近的一项研究中，测试了几个理论推导的变量作为安装CTA意图的预测因素，对自己或其他COVID-19合同的焦虑感成为一个重要的预测因素[11］.然而，文献中有一些相互矛盾的结果，一些人将其解释为反映了恐惧控制而不是危险控制反应的效果。对风险过于强烈的情绪反应可能会压倒个人，特别是如果减少威胁的措施被认为只是适度有效，并导致防御反应和拒绝预防行为[38］.这种回旋效应可以通过在分析中加入曲线关联来检验[38-40］.

总的来说，可以说，在一场新的大流行期间，情况的某些特征可能会阻碍对风险的认知评估，并使情绪方面更加重要。局势正在迅速演变，由于往往是初步的或相互矛盾的信息，存在高度的不确定性，并且存在严重的威胁[30.］.在甲型H1N1流感大流行期间进行的研究表明，风险感知的情绪方面比认知方面更能预测保护行为[41并成为更有力、更一致的预测指标[42］.因此，本研究将关注作为风险感知的情感维度。

关心自己的健康和应用程序的使用

感觉处于危险之中可能会促使个人采取预防行为。然而，根据保护动机理论[31，32]和健康信念模型[33，34]，只有当某种行为被认为对减少威胁有效时，才应该是这种情况[35］.如上所述，cta不是为了降低个人用户感染COVID-19的风险而设计的。这就提出了一个问题:对自己健康的担忧是否与应用程序安装有关?

几项研究表明，许多参与者(32%至84%)将“保护自己的健康”列为安装这种CTA的原因之一[18，43-47］.感知到的个人风险与应用程序预期使用之间的关系仅由少数研究评估，结果好坏参半。在一些研究中，风险感知的认知维度，即感染的严重程度和易感性，并不能显著预测安装CTA的意愿[8，10]，而其他研究则发现个人风险与采用CTA的意愿呈正相关[16，18，48-50］.这些不确定的结果以及缺乏评估风险感知的情感维度而不是认知维度的研究值得进一步研究。

另一个悬而未决的问题是，高度关注是否与较低而不是较高的应用使用率有关。过于强烈的担忧可能会压倒一切，可能会使个人瘫痪或引发防御反应，从而阻碍他们采取预防措施[30.］.关注与健康相关行为之间的这种曲线关系尚未在cta方面得到检验。

关心他人和应用吸收

像COVID-19这样通过密切接触传播的传染病本身就具有社会因素[30.］.作为群居动物，我们不仅关心自己的幸福，也关心他人的幸福。51］.在COVID-19背景下，研究表明，在采取预防性健康行为(如戴口罩、减少社交接触、愿意接种疫苗或不隐瞒潜在的COVID-19症状)方面，为他人着想发挥了作用[52-54］.考虑到cta旨在降低病毒传播的风险，从而保护他人，我们似乎有理由认为，担心感染他人与应用程序的使用有关。

之前的研究表明，潜在用户意识到cta会保护他人，对于大多数人(52%-68%)来说，这是安装该应用程序的重要原因[18，43，45-47］.在一项关于不同应用属性偏好的离散选择实验中，积极的社会效应对安装CTA的概率有很大影响[50］.参与者更喜欢那些承诺预防死亡和家庭长期财务问题的应用程序配置。然而，正如作者自己指出的那样，尽管存在集体框架，但在评估不同的应用程序配置时，参与者可能会考虑到自己的福祉。另一项实验研究直接比较了不同的应用安装动机[12］.参与者要么了解到，通过使用该应用程序，他们可以(1)为自己的健康做出重要贡献，(2)为人群的健康做出重要贡献，或者(3)两者兼而有之。如果广告宣传具有促进社区的效果，参与者安装CTA的意愿最高，如果广告宣传具有个人健康益处，参与者安装CTA的意愿最低。除三个利益诉求外，两个隐私设计和两个便利设计在全因子实验设计中被操纵。作者没有报告任何相互作用效应的测试。这需要谨慎的解释，因为主要的影响可以通过相互作用来限定。此外，该研究评估的是用户的使用意图，而不是应用的实际使用情况。大量研究表明，意图不一定转化为实际行为[55］.因此，两项关于cta的研究报告了应用程序的意图和实际安装之间的差距[45，56］.此外，由于实验中存在明显的亲社会框架，社会期望偏差可能是影响实验结果的重要因素。拒绝安装对自己有利的应用程序肯定比对他人的死亡和痛苦漠不关心更容易被社会接受[57］.

综上所述，关注自我和关注他人与应用安装之间的关系仍是一个悬而未决的问题。这可能是定制促销策略的相关信息，特别是考虑到cta提供的不同寻常的激励结构。

我们的研究

这项研究探讨了自我关注和他人关注与应用获取之间的关系。鉴于情况的新颖性，本研究是探索性的，并评估以下研究问题:(1)在预测安装CTA时，对自己健康的关注和对感染他人的关注是什么作用?(2)与中度水平相比，高度关注是否与使用CTA的可能性更低而不是更高相关?

为了获得可靠的结果，我们在分析中纳入了潜在的混杂因素。除了性别和年龄等人口统计数据外[18，49)，对于将新冠肺炎归类为严重健康危机的意见分歧，以及对政府大流行病政策的评价，值得关注。两者都与在大流行期间采取预防措施的可能性有关[18，48，58-60］.此外，那些认为某种传染病被夸大了的人不太关心它的影响。此外，对政府处理健康危机令人满意的感觉可能与担忧有关。对政府大流行病政策的积极评价可能令人放心，并与较低的风险认知水平有关[61］.相反，鉴于瑞士和德国政府发布的封锁等严厉措施，[62可能与更高的冠状病毒相关担忧有关。此外，新加坡的一项研究表明，对政府有能力应对疫情的信心越高，就越有可能建立CTA [63］.因此，我们将这些变量纳入研究以控制混杂效应。

作为另一个稳健性检查，我们测试了应用摄取和关注点之间的关联是否取决于度量关注点的时间。两个相反的过程可能会影响关注点和应用摄取之间的并发关联。首先，参与推荐的健康行为可能会减少感知到的健康威胁[64］.因此，仅在同一时间点评估关注点和应用摄取可能会发现负面关联或没有关联，即使关注点确实推动了安装。其次，一些参与者并没有感受到应用程序的保护，反而认为使用应用程序会增加焦虑感[18，47］.应用程序用户可能会收到警告，提醒他们已经接近COVID-19携带者，智能手机上的应用程序图标可能会提醒他们有威胁。因此，在横断面研究中，关注和应用摄取之间的关联可能反映了相反的时间顺序，即应用使用先于高度关注。因此，我们采用了纵向分析方法来预测应用在发行前的使用情况。

到目前为止，对cta采用的驱动因素的研究还很少。探索动机景观可能会增强沟通策略，并为应用程序的功能创造想法。本研究在考虑潜在混杂因素、考虑时间因素和测试曲线关联的同时，研究了自我关注和他人关注之间的相互作用，以预测应用程序的吸收。与之前的大多数研究相反，我们专注于风险感知的情感方面，不仅评估了安装CTA的意图，还预测了两个已经发布的应用在现实生活中的实际安装情况(自我报告)。

方法

样本及程序

数据通过调查平台qualics在线收集[65]分两波(T1: 2020年4月16日至6月27日;T2: 2020年7月1日至9月18日)，作为研究COVID-19如何影响我们日常生活的多国倡议的一部分(Ashokkumar和Pennebaker，大流行项目:探索COVID-19的社会动态，未发表，2020年)。本研究的子样本包括来自瑞士和德国的讲德语的参与者，这两个国家在第二波数据收集开始前不久启动了CTA。在引入CTA和开始收集数据直至结束之后，两国报告的COVID-19病例数和死亡人数仍然很低。同样，两国控制COVID-19的措施和政策具有可比性，在此期间基本保持不变[66-68］.该研究的链接由所有作者通过社交媒体、邮件列表、通讯、苏黎世老年公民大学研究参与者库、大学网站以及大众科学杂志《心理学》的网站发布。通过参与者招募平台多产招募了15名参与者。如果德语是他们的第一语言，他们住在德国或瑞士，并且他们至少50岁，那么多产的参与者就有资格。这里的目标是通过招募更多的中老年参与者来使样本多样化。

在他们的允许下，第一波的参与者收到了第二波的邀请，其中包括一个连接两波数据的ID。此外，通过上述招聘渠道招募了第二批新参与者。与应用程序相关的问题在cta启动后才被纳入第二波。主要分析的最终样本(N=346)由在第二波中回答这些问题的所有参与者组成。额外纵向分析的样本包括一个子样本(N=270)，这些参与者也参加了第一波。在数据分析之前，所有数据都是匿名的。

表1提供相关人口统计变量的概述。与瑞士和德国的普通人群相比，样本中有更多的参与者认为自己是女性，受过高等教育，并表示自己的政治倾向是左派。69-74］.

打开该研究的链接后，提供了有关该研究主题的一般信息。与会者了解到，他们的参与是自愿的，并收到了有关数据保护及其权利的信息。在给予知情同意后，参与者提供了人口统计信息。接下来，参与者被要求写下他们对冠状病毒爆发的想法和感受。然后，参与者继续回答与COVID-19和他们在大流行期间的日常生活相关的问题(第1和第2波)，以及关于安装CTA的问题(第2波)。在最后一步，参与者收到反馈(例如，他们对大流行的关注程度)以及基于心理学研究的如何应对这种情况的建议。多产的参与者获得2.5英镑(1.4美元)的补偿，如果符合条件，心理学专业的学生可以获得课程学分。

措施

预测

表2和表3提供关于作为非人口统计预测指标的措施的信息。所有的构念都是用李克特5分量表上的一个单项来测量的，范围从“一点也不”(得分1)到“非常”(得分5)。“关心自我”和“关心他人”在波1 (T1)和波2 (T2)中都被测量。

结果

结果是在瑞士和德国的cta发布后的第二波中测量的。参与者被问及他们是否安装了像“SwissCovid”或“Corona-Warn-App”这样的CTA，回答选项如下:“是”、“是，但已经卸载了”、“没有”和“没有，但我可能会这么做”。大多数参与者(202/346,58.4%)安装了CTA。其余的参与者表示他们没有安装应用程序(111/346,32.1%)，尚未安装但可能会安装(25/346,7.2%)，或者已经卸载了它(8/346,2.3%)。

分析策略

我们将应用程序安装的答案重新编码为二进制变量。如果参与者回答“是”，他们的答案将被重新编码为“当前安装的应用程序”，而所有其他答案(“否”、“尚未安装但可能会安装”和“是，但已经卸载”)将被重新编码为“当前未安装的应用程序”。使用R包“stats”[75，我们运行逻辑回归模型来预测应用安装情况。首先，计算了两个独立的预测因子“关注自我(T2)”和“关注他人(T2)”模型，以显示它们的单变量效应(模型M1a和M1b)。接下来，将这两个变量同时纳入同一模型，以评估它们的独特贡献(模型M2)。最后，我们探讨了在控制“对政府的满意度”和“不认为COVID-19是严重的健康危机”时，结果是如何变化的。此外，我们增加了国籍、年龄、性别、最高教育程度和政治倾向作为控制变量(模型M3)。为了便于解释，我们将逻辑回归系数转换为比值比(or)，即在分类变量的情况下，如果预测器增加一个单位或从参考类别更改为另一个类别，则安装应用程序的几率的预期变化[76］.

在每一步，似然比检验表明，与之前的预测因子较少的模型相比，具有更多预测因子的模型的模型拟合效果显著提高[77］.从具有控制变量的模型开始，然后添加“关注自我”和“关注他人”也会导致模型拟合得到改进。由于本文的重点，我们从两个关注变量开始。排除任何变量值缺失的参与者，这导致这些分析的样本量为340。为了获得无偏回归系数，建议使用1:10或更高的事件/变量比率进行逻辑回归[78，79］.140名参与者的答案较少(“应用程序目前未安装”)，最终模型中每个变量的事件比例为1:10。

模型评价

按照逻辑回归模型的建议，我们比较了观测值和预测值来评估模型的拟合[80］.我们计算了接收者工作特征曲线下的面积(AUC，也称为c统计量)。AUC是随机抽取的具有不同观察结果的参与者对的比例，模型正确地预测了拥有应用程序的参与者比没有应用程序的参与者更有可能使用应用程序。取值范围是0.5 ~ 1。0.5表示模型并不比完全随机分配好，1表示性能很好[77］.

纵向分析

在德国和瑞士发布cta之前，人们在T1时也进行了关注。这让我们能够测试应用获取和关注点之间的关联是否取决于度量关注点的时机。我们用T1测量的相关变量(模型M4a-M6)重复所有分析。并非所有的参与者都在T1完成了问卷调查，分析只能在270个样本中进行。在这个样本中，应用程序用户的比例保持不变。此外，我们还评估了关注点的变化是否与应用的吸收有关。在控制“关注自我(T1)”和我们的控制变量的同时，我们运行线性回归模型，预测“关注自我(T2)”与应用程序的摄取。我们在“关心他人(T2)”中重复了这个分析。

曲线协会

为了测试过度关注是否会导致防御性反应，我们测试了关注与应用程序摄取之间的曲线关系。我们的意思是以“关注自我(T2)”为中心，计算“关注自我(T2)”的平方项，并将其添加到最终模型中。我们对“关心他人(T2)”(型号M7和M8)重复了相同的步骤。

结果

预测应用使用率

所有结果显示在表4．“关注自我(T2)”和“关注他人(T2)”与应用摄取均表现出显著的单变量关联。也就是说，关注度越高，当前使用CTA的可能性就越高(模型M1a和M1b)。然而，如果将这两个关注点都作为预测因素，则只有“关注自我(T2)”能够显著预测应用安装，OR为1.73。“关心他人(T2)”对app摄取的预测作用不显著，高于担心自己的健康(模型M2)。

在控制了人口变量和对政府和疫情的态度后，“关心自我(T2)”的影响略有降低(模型M3)。保持所有其他变量不变，“关注自我(T2)”增加一个单位，当前安装应用程序的几率是1.64倍。正如预期的那样，人们越不认为COVID-19是严重的健康危机，安装应用程序的可能性就越低。“对政府的满意度”越高，应用程序的使用率就越高。三个人口统计变量成为重要的预测因素。首先，在其他条件相同的情况下，瑞士子样本的参与者比德国子样本的参与者更有可能安装该应用程序。值得注意的是，由于瑞士和德国的子样本并不代表各自的人群，因此我们研究中子样本的显著影响不应被解释为两国之间应用程序使用的差异。此外，瑞士和德国的作者对研究人群的获取和可用的招募策略略有不同。该变量被纳入模型以评估独立于这些差异的关注点的影响。其次，随着年龄的增长，使用应用的可能性降低。 Finally, in comparison with the reference category of individuals with a degree in higher education, individuals with a “Higher education entrance qualification” were less likely to have a CTA installed.

模型评价

对于包含所有变量的最终模型，AUC为0.74。因此，该模型正确地预测了74%的非应用用户/应用用户对，即参与者确实安装了应用程序的可能性更高。

纵向分析

在应用发行前的T1阶段重复分析，结果的模式保持不变(多媒体附录1）.“关注自我(T1)”以类似的OR (OR)显著预测更高的应用程序使用率_T11.81点,跌幅_T21.64)，而“关心他人(T1)”无显著影响。AUC为0.79。因此，预测关注变化的线性回归模型显示应用程序摄取对“关注自我”的变化没有显著影响(b= 0.14,t₂₅₅= 1.44,P=.15)或“关心他人”(b=−0.00,t₂₅₅=−0.00,P> 0) (多媒体附录2和多媒体附录3）.

曲线协会

在最后一步(型号M7和M8;多媒体附录4和多媒体附录5)，我们测试了关注和应用获取之间的曲线关系。对于二次项“关注自我(T2)”，没有显著的影响(b=−0.09 SE = 0.12,P=。44，95%可信区间−0.32 to 0.15, OR 0.91). Similarly, the quadratic term in the model for “Concern others (T2)” was also nonsignificant (b=−0.08 SE = 0.08,P=。32，95%可信区间−0.25 to 0.08, OR 0.92). The likelihood ratio test confirmed that including curvilinear effects of concerns did not significantly improve model fit.

讨论

调查结果的总结和讨论

作为首批评估已发布cta安装情况的研究之一，该研究有助于我们理解应用获取的不同动机。结果表明，对自身健康的关注预示着分散式CTA的安装(OR为1.64，P= .002)。与此同时，对感染他人的担忧对应用摄取的影响并不显著高于对自我关注的担忧(OR 1.01;P= .92)。换句话说，那些更担心自己感染COVID-19的人下载CTA的可能性更高，而或多或少担心在不知不觉中感染他人的人并没有什么不同。在控制了人口统计和对政府和疫情的态度后，这种模式仍然成立。纵向分析重复了这些结果，从而支持了它们的稳健性，并表明应用的吸收与关注的变化无关。没有证据表明“过度”担忧会导致防御性反应，并降低应用的使用率。

cta为每个用户提供了以下突出和直接的好处:关于他们目前感染COVID-19的可能性的更多信息。如果采取自我隔离等适当措施，应用程序的警告可以防止个人感染他人。因此，令人惊讶的是，与关心自己的健康相比，担心在不知不觉中感染他人并不能显著预测应用程序的使用情况，特别是我们样本中的参与者报告说，他们平均更关心他人而不是自己，而且这个变量的可变性更高。先前的研究表明，人们意识到这款应用保护他人的潜力[18，43，45-47］.然而，也许对他人的关心不足以激励个人克服安装应用程序的麻烦和潜在缺点。在减轻传播行为的背景下，评估自我关注和他人关注的研究很少。吉隆和柯格[48在他们的研究中发现了类似的模式。预期个人健康后果高的参与者在未来更有可能愿意使用CTA。然而，COVID-19对其居住国健康的预期影响并不能预测他们使用这款应用的意图。

我们的研究结果表明，自我关注与应用获取有关，这与评估个人威胁在预测安装CTA意图方面的作用的研究一致。16，18，49，50以及其他与covid - 19相关的健康行为[36，37］.考虑到cta不是为了降低个人用户感染COVID-19的风险而设计的，这些结果仍然是出乎意料的。个人可能没有意识到共同发展协定在这方面的局限性。也许他们错误地认为使用该应用程序可以保护他们免受感染。在澳大利亚CTA的一项研究中，大多数参与者认为该应用程序可以检测到COVID-19携带者何时在他们附近[81］.在国别发展评估发布前，在德国和瑞士进行的一项定性研究显示，一些参与者也表达了同样的误解[82］.关于评估的国别贸易协定的一些官方沟通可能会助长这种误解。例如，在德国CTA的宣传视频中，该应用承诺“Ich besch tze Dich und sage Bescheid, wenn es Ernst wird”(我会保护你，当事态严重时我会让你知道)[83］.

即使人们知道cta是如何工作的，他们也可能认为这些应用至少在某种程度上有效地减少了威胁。正如在介绍部分已经概述的那样，个人可能会使用应用程序提供的信息来评估他们过去的行为，并避免未来的某些情况。

还有一种可能是，关注自我和使用应用程序之间的联系不是由于预期的健康益处，而是由于对减少不确定性的更高需求，这与更高的焦虑有关[84］.也许获得更多关于目前被感染可能性的信息，尽管这些信息可能不完善，但可能被认为是积极的。人们可能希望，通过监测应用程序的潜在警告，与许多其他人接触的情况(如杂货店购物)引起的担忧水平升高会得到缓解。另一种解释是，对个人健康高度关注的人通常更有动力遵循任何有望控制危机的措施，尽管没有直接的个人健康益处。

开始做CTA可能会引发情绪反应。然而，我们的纵向分析并不支持应用摄取与关注程度变化有关的可能性。我们没有发现任何证据表明，由于使用应用程序提高了对威胁的认识，人们的担忧会增加，或者由于采用了推荐的措施而减少。至少，这种影响在参与者身上表现得并不均匀。这与之前的研究结果一致，之前的研究也没有发现用户对应用的关注会随着应用的普及而发生显著变化。56，85］.在COVID-19病例数量较高的时期，应用程序发出的警告也较高，这种情况可能会发生变化。

实际意义

虽然需要更多的研究来巩固、解释和测试我们的结果的普遍性，但它们提出了一些实际意义。首先，由于以自我为中心的关注可能是安装CTA的潜在动机，因此实施向用户提供更多有关COVID-19暴露时间的信息的功能可能会增加应用程序的使用率。这些信息可能被认为有助于个人风险管理。有了更多关于暴露时间的详细信息，应用程序用户就可以了解哪些情况下暴露的风险很高，从而在未来尽量避免这种情况(例如，周六购物与工作日购物)。此外，他们可能会记住具体情况的更多细节(例如，是在室外还是在室内，或者是否每个人都戴着口罩)，从而能够更好地评估感染的实际风险。去中心化的cta已经存储了时间戳。这些数据对于计算接触时间是否长到足以构成重大风险以及在应用程序用户的潜在感染期结束之前需要显示多长时间的警告是必要的[5］.当然，在数据保护与收集和共享更多数据所带来的好处之间总是存在权衡[21］.如果警告中包含与COVID-19携带者接触时间的详细信息，则可能会暴露感染者的身份。如果时间信息的粒度以某种方式进行调整，例如，在同一时间窗口内至少发生了五次与未感染用户的接触，则可以减轻这种情况。

其次，应用推广可以建立在这样一个事实的基础上:如果个人担心COVID-19感染，那么他们周围的每个人，如家人、朋友或同事，都使用CTA符合他们自己的最大利益。在官方活动中强调这一点，并以直接鼓励个人要求亲密联系人安装应用程序的方式构建信息，可能是提高应用使用率的有效方法。毕竟，比起无视奶奶、朋友或同事的唠叨、乞求或要求我们为他们做点什么，我们可能更容易忽视亲社会行为的官方广告宣传。此外，互惠规范可能会确保参与对话的双方最终都安装了CTA。与戴口罩等其他符合健康的行为不同，应用程序的使用情况并不直接可见。鼓励关于应用使用的讨论可能会加强规范的社会影响，从而增加社会期望的CTA安装[8，11，30.］.

限制

在得出结论时需要考虑我们研究的几个局限性。首先，我们使用非概率抽样。然而，正如在本案例中所建议的那样，我们的目标是广泛的样本，使用不同的招聘选项和不同的参与激励(金钱、课程学分、个人反馈和自我反思的可能性)。此外，我们的研究问题既不是问卷的主要焦点，也不是在招募过程中提到的，这降低了自我选择与目标结果之间关联的风险[86］.然而，值得注意的是，我们使用了网络调查，因此，参与者可能对技术使用有更高的亲和力，并且就人口统计学而言，我们的样本并不代表瑞士和德国的一般人群。因此，我们在回归模型中加入了人口统计变量，以评估与应用摄取的关系，而不受人口统计群体之间潜在差异的影响。考虑到我们样品的特殊性质，应该仔细解释结果。我们的研究仅评估了在大流行的特定阶段(在第一波COVID-19之后但在第二波之前)在两个西方工业化国家自愿安装的两个分散的cta，这一事实也限制了普遍性[67，68]以及在适度应对covid -19相关政策的背景下，[66］.目前还不清楚这一结果是否适用于不同的应用类型和不同的环境。9］.

其次，由于我们数据的非实验性质，它不能为因果关系提供证据。然而，在持续的大流行期间实验性地操纵健康问题至少在伦理上是有问题的。此外，我们数据收集的非实验性质有助于评估应用安装情况，而不是应用使用意图，从而避免了潜在的误导性结论。我们通过控制可能是混杂因素的相关变量来加强我们的结果。我们的分析表明，以自我为中心的关注与应用程序使用的关联并不是由对COVID-19或政府的态度驱动的。在进行反向时间顺序测试时，我们发现用户对自我关注的增加先于应用的接受，因此可能成为应用安装的驱动因素。然而，应用程序摄取预测因子的结果只允许最谨慎的因果解释，应被视为这种关系的暗示[87］.

第三，我们用单个项目来衡量我们的预测变量。特别是我们的项目询问参与者是否担心在不知不觉中感染他人，这使我们无法区分感染亲密关系(如伴侣或朋友)和感染工作同事甚至完全陌生的人的担忧。虽然大量的研究表明，尽管受到广泛的批评，单项测量法在其心理测量特性方面并不一定有问题[88，89]，未来的研究肯定会受益于使用多项目测量方法，从而获得更多不同的见解。

结论

这项研究增加了对cta的早期研究。希望一旦世界上大多数人口接种了疫苗，COVID-19的大流行将结束，cta的使用将不再是必要的。然而，在人群中迅速传播的疾病一直是一种威胁，而且很可能继续是一种威胁。90］.如果有的话，就是增加了流动性[91]和人为对环境造成的压力[92将更有可能引发新的流行病。如果发生类似的疫情，重新启动保护隐私的cta可能有助于我们更好地迅速控制新的疾病，同时减少对正常生活的干扰。因此，更深入地了解用户安装cta的动机不仅在现在很重要，在未来也很重要。