为了确定接受COVID-19症状识别和监测移动应用程序(以下简称:症状应用程序)和接触者追踪移动应用程序(以下简称:追踪应用程序)的先决条件，我们在荷兰公民中开发、测试并分发了一项在线调查。这项研究不需要正式的伦理批准(由CMO Oost Nederland裁定，文件号:2020-6628)。在调查开始时，参与者被要求同意将他们的数据用于研究目的。

该调查(通过QualtricsXM)于2020年4月15日开始分发。年满18岁的参与者才有资格参加。我们通过社交媒体(LinkedIn, Twitter和Facebook)和个人关系上的帖子进行雪球抽样。除此之外，我们通过荷兰老年人小组招募参与者，他们表示对参与电子健康主题的研究感兴趣。该调查于2020年4月30日结束。由于招聘方法的原因，无法计算回复率。

数据分析采用SPSS (version 19;IBM)。对所有结果进行描述性统计。计算Cronbach α值以评估对技术的态度、感知健康、对COVID-19的恐惧和使用意图的内部一致性。接下来，调查分数被解释为这些因素为负(得分1或2)，中性(得分3)或正(得分4或5)。 t测试中，测试了两款手机应用的使用意愿得分差异。为了确定接受(1)症状应用程序和(2)追踪应用程序的前因，我们进行了多元线性回归分析(反向模型分析)。使用每个应用程序的意图被用作因变量。根据Pearson相关系数选择自变量。人口统计学特征与(临界)显著相关的因素(Pearson相关截止水平) P≤.10)，因变量“使用意向”纳入多元线性回归分析。对于配对者 t检验和回归分析，显著性水平设为 P< . 05。对于最终的模型r²计算，这表明在因变量方差的百分比，自变量集体解释。为了支持定量结果，第一作者对两个开放性问题的回答进行了排序和统计，并采用归纳的方法与第二作者进行了讨论。讨论分歧，直到达成一致意见。

总共有238名荷兰公民完成了这项调查。15名回应者只完成了使用追踪应用程序的调查意向，因为该应用程序是首先出现的，这些回应者在这些问题之后停止了调查;应答者中女性占59.2%(141/238)，平均年龄45.6岁(SD 17.4岁)。只有2.1%(5/238)的受访者没有智能手机，74.8%(178/238)的受访者称他们大部分时间都带着智能手机。我们样本的平均年龄高于荷兰人口的平均年龄。此外，女性和受教育程度较高的受访者比例也过高[ 12]。与2018年的统计数据相比，在当前的样本中，拥有智能手机的参与者比例过高，而与2020年的统计数据相比，失业的参与者比例偏低。 12]。技术态度量表的内部一致性较好(Cronbach α= 0.85)。大多数应答者(176/238,73.9%)对技术持中等态度。只有3/238的应答者(1.3%)声称感染了COVID-19。所有人口统计特征均列于 表1。

量表4个条目的内部一致性可接受至良好(Cronbach α= 0.78)。该主题的平均得分为3.3 (SD 0.68)。大多数应答者对这一话题的看法是中立的(192/238,80.7%)，16%(38/238)的应答者害怕COVID-19感染。只有少数应答者(8/238,3.4%)不害怕( 表2)。

在评估应答者感知健康的3个项目中，内部一致性是可接受的(Cronbach α=.69)。该量表的平均得分为3.8 (SD 0.68)。大多数受访者对自己的健康状况持积极态度(139/238,58.4%)。

对症状应用程序和追踪应用程序的使用意图进行了评估。两种量表的内部一致性都很好(症状应用程序的Cronbach α =)。追踪应用程序的Cronbach α =.96)。对于这两个应用程序，大多数人的使用意图是中立的( 表2)。然而，另外一对 t测试显示，两组在使用症状应用程序的意向得分上存在显著差异(mean 3.38 [SD 1.07];n=223)和追踪应用程序(mean 3.27 [SD 1.13];n = 223; t₂₂₂= -2.598, P= 0.01)，表明应答者更愿意使用移动应用程序进行COVID-19症状识别和监测，而不是使用移动应用程序进行接触者追踪。

使用症状应用程序的意愿与收入水平相关(r=0.132)， P= 0.05)，对技术的态度(r=0.220， P<.001)，对COVID-19的恐惧(r= -0.291， P<措施)。使用追踪应用程序的意愿与年龄相关(r=0.135)， P= 0.04)，对技术的态度(r=0.223); P< 0.001)，对COVID-19的恐惧(r= -0.303， P<措施)。基于这些结果，线性回归分析中的自变量为年龄、收入水平、对技术的态度、对COVID-19的恐惧和感知健康。 表3概述了所有人口统计数据和因素之间的相关性，以及使用意图。

根据年龄、收入水平、对技术的态度、对COVID-19的恐惧和感知健康状况，进行多元线性回归分析，预测使用症状应用程序的意愿。最终的模型包括对技术的态度、对COVID-19的恐惧和年龄( F_3，3= 12.012; P<措施)。模型有一个r²0.141。它包含3个影响使用意愿的因素，但其中只有2个是显著的预测因素:

另一项基于年龄、收入水平、对技术的态度、对COVID-19的恐惧和感知健康的多元线性回归分析来预测使用追踪应用程序的意愿。最终的模型包括对技术的态度、对COVID-19的恐惧和年龄( F_3，3= 14.333; P<措施)。模型有一个r²0.155。使用意向通过以下方式预测:

对使用这两个移动应用程序的所有原因的概述在 表4和 5。应答者使用症状应用程序的主要原因(33/116,28.4)是为了控制COVID-19病毒的传播。此外，受访者愿意使用该移动应用程序来监测自己的投诉(22/116,19.0%)，并更深入地了解COVID-19病毒的传播和症状(19/116,16.4%)。

使用追踪app的主要原因也是为了控制新冠病毒的传播(45/147,30.6%)。除此之外，受访者愿意使用这款移动应用程序来更多地了解COVID-19病毒的传播和症状(34/147,23.1%)，并为自己的健康(19/147,12.9%)。

不使用移动应用程序的原因概述在 表6和 7。在这两款手机应用中，隐私被认为是不使用手机应用的主要原因(症状应用=56.6%[64/113]，追踪应用=64.8%[92/142])。不使用手机应用的其他原因是对应用的预期有用性(症状应用=23.9%[27/113]，追踪应用=13.4%[19/142])，以及担心过度了解情况及其潜在后果，导致不必要的压力(症状应用=8.0%[9/113]，追踪应用=11.3%[16/142])。

我们的主要发现是，对于移动应用程序来说，年龄、对技术的态度和对COVID-19的恐惧都是接受的先决条件。很大一部分荷兰公民(101/223,45.3%)愿意使用移动应用程序进行COVID-19症状识别和监测。使用该移动应用程序的主要原因是:(1)控制COVID-19的传播;(2)监测自己的投诉情况;(3)深入了解新冠病毒的传播和症状。对于追踪COVID-19接触者的移动应用程序，41.2%(98/238)的荷兰成年人似乎愿意使用该移动应用程序。使用该移动应用程序的主要原因是(1)控制COVID-19病毒的传播，(2)更深入地了解COVID-19病毒的传播和症状，(3)为了自身健康。隐私、怀疑手机应用的有用性，以及担心过度了解情况及其潜在后果，从而导致不必要的压力，是不使用手机应用的主要原因。总体而言，与追踪接触者的移动应用程序相比，荷兰公民更愿意使用移动应用程序进行COVID-19症状识别和监测。

很难将我们的发现与现有文献联系起来，因为有限的技术接受研究主要集中在大流行期间使用的移动应用程序上，并且缺乏对决定接受与covid -19相关的移动应用程序的因素的见解[ 7]。一般来说，年龄和对技术的态度被广泛认为是接受技术的先决条件。就年龄而言，有证据显示，年龄越大，对移动应用程序的接受程度越低[ 13]。先前的结果也表明，对技术的态度是接受移动应用程序的重要先决条件[ 13， 14]。一个人愿意尝试任何新的移动应用程序的程度，与使用[ 13]。自这项研究以来，荷兰政府于2020年4月宣布的移动应用程序已经开发和实施。在Bente等人最近的一项研究中[ 15]，接触追踪应用程序(CoronaMelder)进行了可用性测试，发现易于使用。Blom等人在德国进行了一项类似的研究[ 16]。他们分析了大规模采用在德国推出的官方接触者追踪应用程序的潜在障碍。使用接触追踪应用程序的最大障碍是缺乏正确使用该应用程序的意愿。此外，与年轻群体(18-59岁)相比，老年群体(60-77岁)不太可能使用兼容的智能手机。因此，在本研究中，通路也被作为障碍被提及[ 16]。另一项跨国调查研究(参与国:法国、德国、意大利、英国和美国)对接触者追踪应用的接受度更为乐观[ 17，因为在所有5个国家和人口的所有子群体中，安装该应用的意愿都很高。此外，本研究得出结论，流行病学证据表明，如果使用应用程序的人群比例足够高，基于应用程序的接触者追踪可以抑制COVID-19的传播[ 17]。

我们的研究结果表明，对COVID-19的恐惧是预测移动应用程序接受度以应对COVID-19大流行的最重要的COVID-19相关因素。由于很难将这种恐惧转化为技术设计，因此需要从更大的角度来看待这一发现。COVID-19流行期间的公共卫生运动需要教育公民(个人和整个社会)了解COVID-19的危险，然后应该提供下载COVID-19移动应用程序作为个人应对这种恐惧的策略。其次，在使用这些创新时，应考虑到在决定下载COVID-19应用程序之前对技术的积极态度。终端用户群体可能倾向于对技术感兴趣的人(传统上这些人是受过高等教育的年轻男性)。 18])，这会在社会上造成使用鸿沟，从而造成健康鸿沟。应当采取措施，支持社会上那些在技术上不感兴趣的群体，例如在社区设立宣传摊位和各种用户支助渠道。

本研究应考虑以下4个限制。首先，由于我们的招聘方法(通过社交媒体进行雪球抽样)，我们的样本可能会受到选择偏差的影响。我们的样本主要由受教育程度高、对技术态度温和的参与者组成。因此，我们的结果是基于荷兰人口样本的观点，这可能会降低我们研究结果的普遍性。其次，对于我们的分析，我们的样本的力量是足够的。然而，更大的样本将提高我们结果的普遍性，因为主要是来自荷兰东部的荷兰公民(我们样本的87.0%[207/238])完成了我们的调查。第三，在我们的调查中，通过对其总体目标的简短描述来介绍这两个移动应用程序。目前尚不清楚这种描述是否足以让响应者理解这两个移动应用程序的目的。我们的调查是在荷兰CoronaMelder应用开发之前发布的。Bente等人的研究[ 15]指出，在此期间，荷兰人对追踪接触者有许多误解。很可能这两款手机应用的简短描述不足以消除人们的误解。第四，我们两个模型的解释方差都相对较低。通常，在诸如此类的研究中，通过包括预测因子感知易用性和感知有用性，这个数字会得到提高。然而，包括这两个因素导致很少的实际结果，即得出应用程序应该易于使用的结论。相比之下，新冠肺炎相关因素识别仍然是现有技术接受模型的重要延伸。

年龄、对技术的态度和对COVID-19的恐惧是COVID-19移动应用程序用于症状识别和监测以及接触者追踪的接受程度的重要预测因素。在这些移动应用程序的开发和实施过程中，应该考虑到这些预测因素，以确保被接受。