新冠肺炎疫情已在全球蔓延，影响到大多数国家。新冠肺炎疫情发生以来，确诊病例和死亡人数持续上升。据约翰霍普金斯大学统计，截至2021年5月9日，全球报告的COVID-19病例超过1.579亿例，死亡人数超过320万人。 1]。在受新冠肺炎影响的国家中，美国确诊病例3270万例(占全球确诊病例的23.5%)，死亡58万例(占全球死亡人数的17.7%)。美国社交媒体上关于COVID-19的过多信息、错误信息和虚假信息助长了COVID-19信息大流行，危及旨在缓解大流行的公共卫生政策[ 2]，对公众对COVID-19健康信息的反应背后的认知过程提出了质疑。

极端的安全预防措施(如全州封锁、旅行禁令)影响了美国个人的身心健康。人们对病毒和严格的安全措施(如居家措施)经历了强烈的心理挫折和焦虑，特别是在COVID-19大流行的早期阶段[ 3.- 5]。社会、经济和精神上的不安全感甚至导致了极端和非理性的应对行为，比如2020年1月至3月的恐慌性购买[ 5]。然而，在疫情期间，公众对有关COVID-19健康威胁的报道变得不敏感，不断上升的确诊病例和死亡人数开始失去影响[ 6， 7]。因此，尽管COVID-19持续传播，但随着疫情的发展，部分公众开始违反公共安全措施[ 8- 10]。

从这些观察中，产生了两个关键的考虑。首先，引起恐惧的健康信息对引起采取行动控制威胁的动机有显著影响。然而，长时间反复接触这些信息会导致对这些刺激的脱敏。在这项工作中，我们研究了引起恐惧的新闻文章对人们在Twitter上表达焦虑的影响。此外，尽管COVID-19死亡人数稳步上升，但随着时间的推移，我们调查了人们是如何对引起恐惧的新闻文章脱敏的。

当前的大流行推动了快速变化的新闻周期并影响了公众情绪[ 11， 12]。事实证明，公共卫生专家为减轻COVID-19威胁而提出的建议，包括大范围的企业关闭和保持身体距离的指导方针，在心理和情感上都很费劲。 13]，在公众中引起强烈的心理挫折和焦虑[ 3.- 5]。先前的文献表明，当个体认为信息是相关的(即，他们感到容易受到威胁)和严重的(即，威胁是严重的)时，引起恐惧的信息会影响情绪和行为。也就是说，高度的威胁引起了恐惧和焦虑，而恐惧和焦虑反过来又促使人们采取行动。 14- 17]。

在2019冠状病毒病大流行的背景下，引发恐惧的信息对公共卫生官员行为合规的效果是至关重要的。关于COVID-19传播增加和死亡人数上升的报道可能会引发对该病毒的焦虑，从而激发旨在管理该问题的行为。例如，一项关于2020年3月美国成年人对COVID-19恐惧的心理健康后果的全国性调查发现，受访者普遍表现出中度至高度的COVID-19恐惧和焦虑(10分满分为7分)，焦虑加剧在报告COVID-19病例最多的地区最为普遍[ 3.]。随后，与covid -19相关的威胁引起的恐惧和焦虑可能导致人们寻求更多与健康相关的保护策略。例如，一项研究发现，随着COVID-19威胁的增加，人们表达了更多与恐惧相关的情绪，随后他们越来越有动力在网上搜索预防行为和信息[ 5]。

尽管基于恐惧的健康信息已被证明可以激发行为改变，但反复接触即使是高度刺激性的刺激，如covid -19死亡人数上升的消息，最终也可能导致对这些刺激的脱敏[ 6， 18]。Desensitization指对刺激的认知、情感和生理反应在长时间或反复暴露后减少或消除的过程[ 19]。它可以发挥重要的适应性作用，让个人在困难的环境中发挥作用，否则可能会导致压倒性和持续的焦虑或恐惧。例如，一项对墨西哥某地区推特信息的分析发现，当时该地区暴力事件不断增加，负面情绪的表达减少了[ 20.]。尽管不断增加的焦虑和恐惧可能会促使寻求安全的行为，但这些情绪也可能使人瘫痪;一些脱敏措施可以帮助继续进行必要的日常工作。

许多研究已经证明了对媒体内容的脱敏。研究通常集中在对暴力的虚构描述上[ 21， 22];然而，反复接触暴力新闻报道也证明了脱敏[ 23]，仇恨言论[ 24]，以及网上色情内容[ 25]，尽管最后的发现得到了褒贬不一的支持[ 26]。

研究社交媒体数据的研究人员探索了新闻信息可能导致脱敏的可能性。李及其同事[ 27分析了大量Twitter数据样本，研究了与枪支和枪击有关的帖子，寻找情感语言。他们观察到，在美国三年的大规模枪击和校园枪击事件中，与枪击有关的推文中使用负面情绪词汇的频率有所下降;他们认为，这反映了人们对枪支暴力的不敏感。

在COVID-19大流行的背景下，新闻受众一再接触到与COVID-19相关的死亡相关的高度激动的信息，这些信息本质上向读者传达了严重疾病和死亡的显性和隐性威胁。从根本上说，对通过文本传播的威胁的生物反应与以其他方式传播的威胁相似[ 28]。随着时间的推移，随着死亡人数的增加，对COVID-19威胁性新闻的认知、情感和生理反应可能已经减弱。个人可能已经对COVID-19的威胁性信息变得不敏感，并且随着时间的推移，即使面对日益增加的威胁，焦虑也会减少。

公众严重依赖通过社交媒体传播的新闻来获取有关病毒传播的信息[ 29]。尤其是Twitter，它是一个很受欢迎的新闻分享渠道[ 30.]并已成为个人交流他们对COVID-19感受的论坛[ 11]。社交媒体文本分析已经成为评估围绕公共卫生危机的情绪动态的一种特别有效的方法;比如，寨卡病毒的爆发[ 31]。这项研究使用社交媒体文本分析来检查11个月内新闻文章和相关推文中的焦虑水平，然后在分享帖子当日COVID-19死亡的背景下考虑这些水平[ 32]。

指导这项研究的一般假设是，在大流行期间，受众将对COVID-19死亡变得不敏感，从而降低了新闻中可怕的COVID-19健康信息所引起的焦虑程度。据我们所知，我们的研究是第一个调查随着COVID-19的客观威胁和危害增加，个人是否对警告性COVID-19健康信息的新闻报道变得不敏感的研究。

这项研究调查了新闻文章中的焦虑水平如何预测用户在11个月内的推特焦虑水平，然后将这些信息与帖子分享当天向疾病控制与预防中心(CDC)报告的美国COVID-19总死亡人数相关联[ 32]。使用语义分析程序来分析完整新闻文章及其相应的用户推文中的焦虑，使我们能够研究COVID-19健康新闻引发的恐惧如何表现为个人对COVID-19相关死亡的新闻变得不敏感。

样本包括在Twitter上分享的内容，Twitter是一个用于分享新闻的流行社交媒体平台[ 30.]。在2020年1月1日至12月2日期间，从包含“COVID-19”、“COVID”、“pandemic”和“coronavirus”字样的推文中收集1465篇新闻文章和用户相应的帖子。数据收集过程概述请参见 图1．

使用Python编程语言提取分享COVID-19健康信息新闻报道的帖子。从2020年1月1日至12月2日，我们每周收集32000条美国推文的配额样本，其中包含四个关键术语(即COVID, COVID-19，冠状病毒，大流行)中的一个。GetOldTweets3 Python3库用于抓取2020年1月至7月的推文[ 33]。使用Twitter的应用程序编程接口(版本2)收集2020年8月至12月的推文[ 34]。

然后，人类编码人员对1410901条推文的样本进行筛选，从每周分享有关COVID-19的新闻报道的每个关键词中随机抽取8条原创推文。数据收集导致每周有数千条包含链接的推文。为了提高新闻文章的代表性，每周从包含超链接的推文列表中抽取32条推文。由于我们的目的是评估用户对他们阅读的文章文本的反应，没有混淆其他人对一篇文章评论的文本框架，所以转发被排除在分析之外。如果没有达到每周32条tweet(每个关键词8条)的配额，则该周将对其他tweet进行采样。值得注意的是，在1月初，这种疾病和大流行通常不被称为COVID-19;因此，每周有“COVID”和“COVID-19”字样的推文不到8条。

这些新闻文章是从Twitter用户分享的链接中收集而来的，而不管是谁发布了这条推文。我们只包括分享有关美国COVID-19新闻文章链接的用户;所有其他内容都被排除在外(例如，关于摇滚乐队Pandemic Fever的新闻)。如果排除了该周的所有帖子，则抽取该周的另一个样本。如果一条推文链接到一篇已被撤下的新闻文章，就会在同一周内抽样替换一条推文。然后，我们从新闻文章及其相应的推文中提取文本。最后的样本由n=1465条新闻分享推文组成。

一旦最终样本被收集(n=1465)，我们使用语言调查和单词计数(LIWC)程序分析文章和推文[ 35]。分析新闻文章的正文来衡量文章焦虑，分析推文来衡量推文焦虑。LIWC是一个自然语言处理文本分析程序，它通过计算给定文本中属于预先指定类别的单词的百分比来对文本进行分类，例如语言类别(例如介词)或心理过程(例如焦虑，悲伤)。在这项研究中，我们关注的是新闻文章和推特中LIWC焦虑词汇的百分比，因为这种心理过程与基于恐惧的新闻消息传递的效果密切相关[ 14， 36]。LIWC计算焦虑词相对于文本中包含的所有单词的百分比，以说明长文本和短文本分类。例如，我们可能会发现在给定的文章中有15/745(2.04%)的单词是焦虑词汇。然后，LIWC的输出将给这篇特定的文章分配一个2.04的焦虑分数(见 图2举个例子)。

我们将最终样本与疾控中心发布推特当天的总死亡人数进行了比对。将这些文章和推文置于背景中，使我们能够研究COVID-19健康新闻引发的恐惧是如何表现出来的，因为个人对COVID-19相关死亡的新闻变得不敏感。

兴趣的结果是推特焦虑。请注意，计数数据结果变量的分布(在本例中为LIWC tweet焦虑)通常包含多余的零;这个结果被称为零通货膨胀。正值是偏斜的，并且在相当大的“零处聚集”之后是一个代表正值的凸起[ 38]。在我们的具体分布中，“零聚集”表示文本包含零焦虑词汇术语。广义线性模型不适用于零膨胀数据。由于所有观察到的零都是明确的，因此最好将它们与非零分开分析。

两种截然不同的分布通常表征了零通胀数据;因此，将零计数和非零计数分开的零膨胀模型是合适的[ 39， 40]。在零膨胀模型中，正计数值的分布取决于越过障碍并达到正数值分布的概率。换句话说，它考虑了推文中有焦虑和没有焦虑的可能性。对于清除了障碍的推文，它会考虑在连续分发的推文中有多少焦虑。

我们采用了一个零膨胀模型，使用带有日志链接的伽马分布来检验文章焦虑和死亡人数之间的任何关联，以及它们与后续推文焦虑之间的相互作用，所有推文焦虑值都大于零。我们将其与一个模型配对，该模型使用带有logit链接的二项分布来确定tweet中的零焦虑与非零焦虑。我们将死亡人数重新编入类别，以反映总死亡人数中第二、第三和第四个四分位数相对于第一个四分位数的死亡人数(见 图3用于故障分析)。这是由于分布的倾斜和对数特征所必需的。然后用这些值代替连续变量对交互进行建模。我们使用R统计软件进行数据分析(版本3.6.2;统计计算的R基础)。

这项研究只使用了公共领域的信息。本研究不包含个人身份信息。本研究不需要伦理审查和批准，因为机构审查委员会认识到，对公开可用数据的分析不构成人类受试者研究。

本研究报告了在大流行期间引起恐惧的新闻信息的影响的探索性发现。最重要的是，我们证明了新闻文章中表达的焦虑与那些在Twitter上分享文章的人表达焦虑的几率之间存在联系。这可能反映了与流行病相关的新闻信息在读者中引起某种程度的恐惧的能力，这与公共卫生目标是一致的。然而，可能是随着时间的推移，COVID-19威胁不断上升(如LIWC新闻文章焦虑所示)，以及人们认为防止病毒快速传播的能力较低，焦虑并没有随着死亡人数的上升而增加。相反，在疫情早期，推特上的焦虑情绪急剧增加，以应对文章焦虑情绪，但随着死亡人数的攀升，焦虑情绪趋于平缓，新闻文章似乎失去了在读者中引发焦虑的能力。

本研究结果为今后的研究提供了一些启示和方向。我们的研究结果表明，对COVID-19新闻的反应以及不断上升的死亡人数越来越平淡。面对具有威胁性的大流行信息，人们越来越麻木，这阻碍了公共卫生专家缓解COVID-19危机的努力[ 41]。因此，未来的研究应探讨如何“重新敏感”公众，并激励他们在与covid -19相关的应对中发挥积极作用(例如，戴口罩，洗手，接种疫苗)。在此，行为理论方面的文献可能有助于实施有效的再敏化策略。例如，跨理论模型[ 42， 43]，它通过改变的阶段解释了行为的改变，表明要开始并保持健康的行为，重要的是要有支持的关系，并激励彼此分享与参与某些行为有关的成功和经验。此外，强化管理——如从行为参与中获得奖励——可能是有效的。在COVID-19背景下，卫生保健提供者可以采用这些策略(即社会支持、奖励)来激励人们坚持接种疫苗等公共卫生措施。

第二，由于现有的研究表明，统计数据(如死亡百分比)和认知失调都可能导致脱敏[ 44， 45]，学者们应该研究额外的心理过程在对COVID-19威胁脱敏中的作用。第三，由于自我披露因平台而异[ 46]，需要做更多的工作来探索焦虑在其他讨论COVID-19新闻的平台上的表现。最后，我们的研究结果表明，卫生保健从业者应该为公众对未来全球大流行情景的脱敏做好准备。更具体地说，重要的是仔细监测公众对健康新闻的不敏感程度，并根据大流行的不同阶段实施适当的不敏感战略。

我们的研究结果阐明了在大流行期间对引起恐惧的新闻信息的脱敏;然而，这项研究并非没有局限性。通过关注Twitter，我们忽略了探索焦虑在其他新闻分享平台(例如，数字新闻网站的评论区)上的表现。因为不同的平台有不同的社区规范[ 46，焦虑的表现因平台而异是合理的。此外，Twitter用户比普通美国人更年轻、更民主、更富有。 47]。承认与使用社交媒体计算数据相关的偏见[ 48，我们的研究结果应该被解释为代表美国人口的一部分(即Twitter用户)，而不是所有的美国居民。其次，在收集到的140万条推文中，本研究仅对少量推文进行了采样。因此，我们的研究可能缺乏普遍性。此外，LIWC计算机化编码工具不允许使用人类编码人员可以实现的细微编码。尽管我们已经尝试使用经过良好验证的情感分析程序来最小化这种潜在的偏见，但LIWC [ 35]，本研究在使用文本中的焦虑作为用户焦虑的测量方面是有限的。

这项工作调查了个人对COVID-19大流行新闻的情绪反应如何随着死亡人数的增加而表现出来。个人对日益增加的健康威胁变得不敏感，他们的情绪反应随着时间的推移变得迟钝。我们的研究结果表明，公众对COVID-19威胁新闻的反应不敏感，这可能会影响个人采取推荐健康行为的倾向。

公共卫生机构提出了减缓大流行传播的建议，包括在适当情况下与他人保持身体距离，戴口罩，经常洗手，并对经常接触的表面进行消毒。忽视这些指导方针的后果最初引发了人们对感染病毒或让家人和朋友感染病毒并生病的广泛恐惧和焦虑。社会科学家试图为旨在促进遵守公共卫生专家意见的干预措施提供信息[ 49]。这项研究的结果表明，尽管与COVID-19相关的死亡人数有所增加，但COVID-19新闻中传达的威胁增加却减轻了公众的焦虑。脱敏提供了一种方法来解释为什么增加的威胁没有引起公共卫生官员广泛遵守指导。这项工作揭示了大流行期间基于恐惧的卫生信息的有效性和缺点，以及利用自然语言处理来了解公众对新出现的卫生危机的反应。