来自美国人口最多的50个大都市区和人口最少的50个农村县的Grindr资料是随机抽样的[ 25， 26］．数据收集发生在2021年9月至12月当地时间下午3点至8点之间，以确保数据收集的标准化，并消除时间作为混杂因素。每个城市或农村县的抽样由随机数发生器确定的随机顺序。从每个城市抽样的资料数量与该市报告的女同性恋、男同性恋、双性恋或变性人的百分比成正比[ 25］．农村县用户占样本的17%，这反映了美国人口[ 27］．档案是按照它们在城市中心或农村县的地理中心出现的顺序收集的。创建一个概要文件来收集数据。该配置文件是空白的，不包含任何信息，也没有用户收到消息。根据先前的研究，我们预计18%的城市使用者报告使用了PrEP [ 14］．如果我们估计6%的差异在城市和农村用户之间具有临床显著性，我们估计需要对2100个资料进行80%幂和2尾α为0.05的抽样。

概要文件中提供的所有信息都由两位作者(TWG和JTS)独立系统地抽象到REDCap数据库中。REDCap是一个基于浏览器的电子数据采集软件和工作流，用于组织和存储临床和转化研究数据。所有地理位置都被划分为美国人口普查区域(东北部、中西部、南部和西部)，以及城市和农村地区[ 27］．可用的人口统计学特征包括年龄、种族和民族、BMI(根据身高和体重计算)、性别和关系状况。变量是根据应用程序上的显示收集的，并且都是自我报告的。种族和民族被归类为亚洲人、黑人、拉丁裔、中东人、混合人、印第安人、白人、南亚人、其他;性别为男性，顺性别男性，跨性别男性，女性，跨性别女性，非二元性，非一致性，酷儿和异装者;关系状态分为单身、约会、排他、承诺、合作、订婚、已婚和开放关系。由于人数较少，性别被分为 cisgender男性或 性别不同，关系状态也被类似地一分为二 单或 的关系．不管用户简介是展示人脸照片、身体照片、其他照片(既不是脸也不是身体)，还是无图(空白)，都被抽象出来。照片状态被认为是 乐于分享研究发现，分享脸部照片的人更有可能报告更多有关自己的数据，包括使用PrEP [ 14， 28］．

暴露PrEP和疫苗接种状况是主要的研究结果。Grindr提供了披露当前PrEP使用情况的选项(HIV阳性、HIV阴性或HIV阴性并使用PrEP)。没有报告PrEP使用情况的概要文件被假定为没有在服用PrEP。用户没有报告GSN概要文件上的PrEP状态的最常见原因是他们没有服用PrEP [ 12］．Grindr不提供报告COVID-19疫苗接种状态的选项。然而，所有的免费简介文本都被阅读了，任何提到接种COVID-19疫苗的内容都被记录了下来。没有档案明确说明他们没有接种疫苗。因此，在我们的研究中，预防接种和疫苗接种的结果都可能代表 订婚艾滋病毒或COVID-19预防，而不是实际使用PrEP或接种状态。最后一次报告的性传播感染或艾滋病毒检测的日期被记录(n=934)。因此，我们的次要结果是数据收集到最后一次STI或HIV检测之间的计算时间(以月为单位)。

其他可用的自我报告变量是抽象的，包括体型(健美、普通、大块头、肌肉发达、苗条或敦实)、性别位置(底部、多功能底部、多功能、多功能上装或上装)、应用程序使用意图(聊天、约会、朋友、网络、关系或“现在”)，以及同性恋部落，这是某些亚文化的代表(bear、干净利落、爸爸、谨慎、运动员、皮革、水族、poz、粗犷、变性、双色和清醒)。

比较城市和农村概况之间的人口特征，以了解统计相关性并描述人口。采用多变量logistic回归评估与PrEP使用和COVID-19疫苗接种相关的独立因素。统计上选取协变量( P在双变量分析的基础上<.01)。由于年龄这一变量的可用性，所有模型都包括年龄。由于年龄、BMI、种族和民族在所有档案中都不可用，我们的基础模型的稳健性用2个估算模型进行评估——这样做是为了防止排除观察到的数据，并估计选择偏差的范围[ 29］．基本模型只包含非缺失数据。

对数据集中的所有已知变量使用逐步线性回归来预测年龄和BMI。实际年龄和BMI值优先于估算值。种族和民族使用先前已知的值进行估算。这种方法假设数据是随机丢失的。中提供了模型A中估算值的分布 多媒体附件1．

数据不太可能随意丢失。例如，年龄较大的用户、超重或肥胖的用户以及少数族裔用户更有可能在互联网上的社会环境中遭受歧视，因此可能会有意省略这些信息[ 30.］．为了理解数据中的不确定性，我们使用了上述相同的归算模型，但在所有归算年龄值中添加了10岁，在所有归算BMI值中添加了+5个单位。缺少种族和民族数据的档案被归为发现档案的美国人口普查区域内最常见的少数民族[ 27］．模型B中估算值的分布在 多媒体附件1．

对于我们的次要结果，将用户最后一次性传播感染或艾滋病毒检测后的月数与收集的人口统计学和性特征进行比较。因为自上次测试以来的月数不是正态分布，曼-惠特尼 U双变量比较采用检验，名义变量采用Kruskal-Wallis检验。所有统计检验均为双侧，且 P<。05was considered statistically significant in the final multivariable models. Analyses were completed in Stata (version 17; StataCorp).

加州大学洛杉矶分校的机构审查委员会免除了这项研究的审查，因为没有收集参与者受保护的健康信息，也没有通过他们的个人资料与用户进行联系。

这项研究提供了在COVID-19大流行期间，在一个GSN应用程序上，在美国全国范围内的大量个人样本(主要是男性与男性发生性行为的男性)中参与预防性健康的比较估计。这项研究强调了城市和农村应用程序用户在感染预防行为方面的几个重要差异。调整后，城市用户披露使用PrEP的可能性约为3倍(aOR 3.2)，报告接种COVID-19疫苗的可能性约为2.5倍(aOR 2.5)。PrEP使用和疫苗接种通常是共同报告的。此外，与城市用户相比，农村用户上一次自我报告的性传播感染或艾滋病毒检测大约推迟了4个月。种族和民族似乎与PrEP的披露高度相关，而地理(而非种族或民族)似乎与COVID-19疫苗接种状况的报告相关。

与男性发生性行为的农村男性遭受了严重的耻辱，缺乏获得艾滋病毒预防护理的有力途径[ 31- 34］．我们的研究结果证实了在现实世界中使用GSN应用程序的用户对男男性行为者的体验，并证明了将预防性健康服务扩展到这些人群的必要性——事实上，这些用户在利用基于GSN的应用程序进行性伙伴关系方面的数字流畅性表明，此类平台可能是部署干预措施以支持农村男男性行为者预防性保健的理想平台。通过互联网向农村男男性行为者传递艾滋病毒预防信息已被证明是可接受和有效的[ 35］．这类项目缺乏大规模的实施。GSN应用程序不仅可以为了解农村男男性行为者的空间分布提供途径，而且还提供了提供护理的私人场所，据报道，这是一个可接受的提供健康信息和服务的平台[ 36- 38］．

农村用户更有可能不在个人资料上显示自己的脸，并表示自己很“谨慎”。谨慎的男性主要在互联网上寻找性伴侣，因为它被认为在社会上更安全，而且可以匿名。 39］．谨慎的潜在原因包括耻辱、内在的同性恋恐惧症或正在恋爱中[ 39］．与艾滋病毒相关的污名化可能会增加危险性行为和精神健康或物质使用障碍的可能性[ 40］．在我们的研究中，只有8%的农村用户报告使用了PrEP，而且农村用户中自最后一次性传播感染或艾滋病毒检测以来的中位时间为8个月。这可能反映了大流行期间对性传播感染艾滋病毒检测的障碍，以及这些地区对艾滋病毒预防服务的更持久的限制。大流行期间远程医疗服务的增加可能有助于使历来服务不足的农村男男性行为者获得选举权，他们可能受益于改进的基于网络的性传播感染和艾滋病毒预防服务[ 33］．为应对这一大流行病，许多性少数群体诊所已开发了远程医疗基础设施，以便继续提供性传播感染或艾滋病毒预防服务[ 41， 42］．消除获取和隐私问题等障碍可能会改善筛查，并增加农村男男性行为者对PrEP的接受[ 43］．

尽管控制了年龄、地区、生活在城市与农村中心、BMI、照片状态和谨慎性，黑人和拉丁裔使用者不太可能报告使用PrEP。在美国疾病控制与预防中心分析的国家艾滋病毒行为监测数据中，只有30%的与男性发生性关系的西班牙裔男性和26%的与男性发生性关系的黑人男性报告在过去一年中服用了PrEP，而与之相比，42%的与男性发生性关系的白人男性服用了PrEP。 44］．与其他独立于种族和民族的地区相比，美国南部也观察到类似的差异[ 44］．PrEP只能通过处方获得，除非在允许药剂师提供这项服务的州[ 45］．与男性发生性关系的黑人或拉丁裔男性进行PrEP的障碍包括种族主义、提供者偏见、保险范围和边缘化[ 46， 47］．美国南部作为一个地区，在PrEP的普及方面面临着独特的挑战，包括地理上广阔的农村人口、商业保险覆盖率低、缺乏医疗补助扩大、社会耻辱、卫生知识普及程度低以及艾滋病毒风险认知低[ 48］．

尽管发生了COVID-19大流行，但自2018年以来，城市使用者使用PrEP的总体流行率有所上升(18%至23%)[ 14］．全球调查证据表明，在大流行期间，许多男男性行为者减少或完全停止服用PrEP [ 16， 49- 51］．在性不活跃期停止PrEP，在增加艾滋病毒暴露风险的活动期间恢复PrEP，被称为“有效预防”坚持[ 52］．因此，一些与使用这种策略的男性发生性关系的男性可能仍然会在他们的GSN档案中报告PrEP的使用情况。在酒吧和俱乐部等社交场所关闭后，新冠肺炎疫情让更多使用prep的男男性行为者通过GSN应用程序与伴侣见面，这是有可能的。另一种解释是，在大流行期间停止PrEP的应用程序用户没有更改个人资料上的PrEP状态。越来越多的证据表明，PrEP状态可以被视为渴望无避孕套肛交的替代品，一些使用者在互联网上没有提供准确的信息[ 53， 54］．

GSN应用中健康相关信息的真实性是否需要验证，值得进一步探讨。2011年，成人电影行业创建了“演员可用性筛查服务”(PASS)项目，这是一个通过记录性传播感染和艾滋病毒状况来显示“工作许可”的数据库。PASS计划现在包括COVID-19疫苗接种状况的验证。像PASS计划这样的系统的广泛实施需要公共卫生和行业合作以及用户的支持。

在整个样本中，COVID-19疫苗接种报告的患病率很低(333/2273,14.65%)。总体低流行率的主要原因可能是，与HIV或PrEP状态相比，疫苗接种状态是从免费文本中抽象出来的，因此是被动报告的。性少数群体的实际疫苗接种率高于异性恋成人(男同性恋和女同性恋成人的疫苗接种率为85.4%，异性恋成人为76.3%)[ 55］．有趣的是，我们的研究结果表明，疫苗接种报告与地理地位的关系更密切，而不是与种族或民族的关系。农村地区疫苗接种率较低与疾病控制与预防中心的数据一致[ 56］．接种疫苗的意愿也与政治倾向有关，而政治倾向在地理上也有相似的关联[ 57］．尽管黑人与较低的疫苗接受度有关，但我们的数据并不支持这一点[ 58］．然而，我们的研究可能不足以检测这些差异。如果在这一人群中确实可以证实疫苗的高接受率或吸纳率，它可能为倡导基于疫苗的性传播感染预防战略提供支持性数据，例如正在进行的MAGI试验，利用血清组B脑膜炎球菌疫苗作为一种潜力 淋病奈瑟氏菌疫苗(ClinicalTrials.gov NCT04350138) [ 59， 60］．我们的数据进一步证明，一旦结构性障碍减少，公共卫生干预可能会受到GSN应用程序用户的欢迎。

我们的研究有一定的局限性。GSN应用程序的用户，特别是在大流行期间，可能并不适用于所有与男性发生性关系的男性。我们故意没有对郊区环境中的用户进行抽样，以对比城市和农村用户之间的明显地理影响。由于疫情已经改变了性行为，并非所有用户都性活跃。重要的混淆变量，如教育和收入，对医疗保健的获得和接受有很大影响，在数据集中没有，实际上，这些可能是所观察到的结果的核心驱动因素。所有变量都是自我报告的，可能有社会期望偏差的倾向。我们感兴趣的主要结果可能是参与健康预防，而不是实际使用PrEP或COVID-19疫苗接种。我们比较了披露使用PrEP或COVID-19疫苗状况的用户和未披露使用PrEP或COVID-19疫苗状况的用户。美国南部与男性发生性关系的年轻黑人男性报告称，他们经常使用GSN应用程序来结识性伴侣，但Grindr是最不常用的应用程序[ 61］．在与使用其他应用程序的男性发生性关系的黑人或拉丁裔男性中，暴露PrEP的比例仍有待研究。Imputation分析依赖于缺失数据的原因，可以显著影响测量误差，限制功率。总体而言，建模精度足够，但灵敏度极差。建模的统计目的是评估与我们感兴趣的结果的关联，而不是生成一个预测模型。

我们证明有必要为美国农村的性少数群体扩大健康预防服务。在GSN应用程序概要中披露PrEP使用和COVID-19疫苗接种状态反映了CDC调查数据评估的趋势。PrEP信息披露的差异在很大程度上受种族影响，而COVID-19疫苗接种信息披露则受地理区域影响;然而，农村GSN用户不太可能报告PrEP使用情况和COVID-19疫苗接种状况。GSN平台可能是部署预防干预措施的理想选择，以改善这一难以接触到的人群的可及性。