采用接触者追踪应用程序遏制COVID-19:健康信念模型方法

简介

随着科学家们努力开发潜在的疫苗，COVID-19的迅速传播导致了许多遏制大流行的努力。虽然政策制定者已经实施了几项措施，但有人建议将技术纳入各国的解除污染战略。为了降低解除封锁后传播SARS-CoV-2的风险，开发了几款应用程序。这些应用程序的核心是联系人追踪。通过接触者追踪，可以评估病毒在人群中的潜在传播途径，以隔离和帮助可能与COVID-19患者有过接触的个人[1］．通过使用一款应用程序，追踪与covid -19感染者的接触，并就如何预防感染提供建议，公民可以帮助限制病毒的传播。

然而，这个应用程序的有效性取决于人口的吸收程度[1］．因此，本研究调查了可能影响公民使用应用程序意愿的因素，该应用程序可以追踪与covid -19诊断者的接触，并通知应用程序用户这一接触，而不透露被诊断的应用程序用户的身份或这种接触发生在哪里。这种距离追踪是通过在运行该应用程序的智能手机之间交换随机识别码而实现的。智能手机会将这些代码列表保存一段时间(例如，病毒的潜伏期)。当智能手机用户被诊断感染病毒时，他们可以在用户的明确许可和卫生专业人员的批准下，将匿名数据上传到应用程序的服务器上。在病毒潜伏期曾与受感染的应用程序用户有过接触的应用程序用户将被告知，他们曾与已感染COVID-19的个人有过接触，因此可能有感染病毒的风险。这种对高危人群的通知可以进一步建议用户采取哪些步骤(例如，进行检测、自我隔离)。

一些国家已将这种追踪应用程序纳入其解除管制计划，或目前正在讨论这一选项[2，3.］．研究集中在接触者追踪和症状跟踪系统[1，4-6]以及应用程序使用与病毒流行病学传播之间的关系[7］．一些研究关注的是不同国家应用的差异。3.]，而其他人则分析了法律或道德方面的问题(例如，数据保护)[2，8，9］．影响公民使用COVID-19接触追踪应用程序的因素仍然存在问题。深入了解这些因素可以为开发者和政策制定者提供信息，让他们了解在发布应用和促进应用普及时需要考虑哪些方面。

本研究的目的是通过采用健康信念模型(HBM)来调查哪些因素影响个人使用COVID-19应用程序的意愿[10，11]的视角。HBM指出，在应对威胁时，个人的健康行为由两个认知过程决定:一个人评估威胁后果的严重程度(即威胁评估)和保护行为的有效性和可行性(即应对评估)[12］．

应用于当前的COVID-19大流行，威胁评估首先是个人的感知敏感性或感染SARS-CoV-2的感知风险。我们预计，如果某人认为自己有感染COVID-19和相关健康并发症的风险，此人将倾向于使用该应用程序来评估潜在的COVID-19感染风险。感知严重性指个体对感染对其影响的感知。因此，那些认为这种对个人健康的风险很高的人会更倾向于采用这款应用程序。

行为意图进一步由感知到的好处在这种情况下，使用COVID-19应用程序的预期积极后果。更相信应用程序的社交(例如，使用该应用程序有助于了解病毒传播)和个人(例如，被告知潜在的感染)好处的个人将更愿意使用该应用程序。然而，在当前关于追踪应用程序的辩论中，一些人对应用程序用户个人数据的保护表示担忧[3.］．这些担忧可以形成感知障碍此外，受感染的人和健康的人之间可能会出现紧张关系[13]，这也可能成为使用该应用程序的障碍。行动提示能刺激个体进行保护行为。由于媒体对COVID-19大流行的报道很高，我们评估了受访者对(数字)媒体内容的感知曝光率。我们预计，在疫情期间，使用新闻平台的人越多，他们就越倾向于使用这款应用。

用户可能会对自己可能掌握的应用程序有不同的期望。自我效能感被添加到原始HBM中[14]，简而言之，就是一个人相信自己已经掌握了必要的保护行为的表现[15］．因此，我们预计，个人对应用程序的采用将受到他们对自己使用应用程序能力的信心的影响。HBM通常由与所调查的特定行为相关的因素来补充[16］．我们将感染病毒时增加受访者风险的健康状况作为可能影响行为意图的另一个因素。最后，我们调查了性别、年龄和教育的潜在差异。

方法

步骤和样本

我们的研究是在比利时进行的，比利时是COVID-19累计确诊病例数量最多的15个国家之一(2020年1月至4月)[17］．在进行这项研究时，比利时尚未实施接触者追踪技术。

研究人员对年龄在18岁至64岁之间的受访者进行了在线调查。这项研究得到了根特大学伦理委员会的批准。数据收集时间为2020年4月17日至19日。受访者的招募由专业研究机构组织。

利用统计程序G*Power，计算了一个先天的样本量为0.1，期望功率值至少为0.80,alpha评分不大于0.05，建议的最小样本量为614名受访者。

根据以下资格标准招募了1500名受访者样本:(A)比利时居民，(b)年龄在18-64岁，(c)会说荷兰语。为了获得非均匀的样本，我们遵循分层抽样程序。根据比利时联邦统计数据，我们进行了分层先天的从性别(男性50.42%，女性49.58%)、年龄(18-34岁33.28%，35-49岁32.15%，50-64岁34.57%)、教育程度(初中教育22.50%，高中教育40.65%，高等教育36.85%)等方面考虑，使样本的阶层比例能反映佛兰芒人口。总共有8000名小组成员通过电子邮件收到了参与邀请，其中包括对这项研究的简短描述。当招募1500名受访者时，根据地层，数据收集被截断。受访者的参与没有报酬，但他们参加了由该机构组织的比赛，以赢得价值最高50欧元的代金券。

受访者被告知研究目标并获得知情同意。然后向他们简要介绍了一款潜在的COVID-19应用程序的主要功能——使用蓝牙或GPS信号来检测距离，向附近的其他用户匿名披露用户的COVID-19阳性状态，获取补充信息，以及应对COVID-19的建议。这一信息是基于已开发应用程序的可用解释[18，19]因为在研究期间，比利时还没有COVID-19应用程序。该介绍和问卷由3名受访者进行评估，以检查其清晰度。

措施

我们根据Champion的建议来衡量HBM结构[20.］．所有的答案都采用李克特5分制，范围从不同意来同意．感知敏感性用3个项目来评估受访者对COVID-19感染对他们影响的可能性的看法。感知严重性通过3个项目评估了受访者对COVID-19感染对其健康影响的严重程度。总共有6个项目测量感知到的好处受访者在使用COVID-19应用程序中的发现(个人和社会效益)。根据目前关于COVID-19应用程序的争论，有两个项目被衡量感知障碍．这个结构关注的是该应用程序引发的隐私问题，以及它如何导致具有不同COVID-19状态的公民之间的紧张关系。行动提示这将刺激人们在COVID-19危机期间使用专注于(在线)新闻消费的应用程序。这种新闻消费量是通过询问受访者来衡量的:“当你想到你在冠状病毒期间(这是自比利时政府于2020年3月13日星期五宣布严格措施以来的一段时间)咨询的新闻时，你多久通过以下渠道咨询一次新闻?”与之前的研究一致[21，22)，受访者对在线资源进行了评级。答案由5分制记录，从从来没有来一天多次．最后，设计了3个项目来捕捉自我效能感，这是受访者对他们使用这款应用的容易程度的自我评估。此外，受访者的性别、年龄和教育水平也被问及。最后，通过询问他们感染SARS-CoV-2时是否患有一种或几种可能成为危险因素的健康状况(即心脏或肺部疾病、肾脏疾病、糖尿病、癌症、免疫系统减弱、高血压)，评估个人的COVID-19个人健康风险。

数据分析

我们使用Mplus 8.4 (Muthén & Muthén)对收集的数据应用结构方程建模，以检查HBM构造之间的关系[23］．首先，我们建立了一个测量模型，以测试观察到的变量是否可靠地反映了假设的潜在变量(即意图、感知易感性、感知严重性、感知益处、感知障碍、行动线索、自我效能)。随后，我们检查了研究变量与协变量(即性别、年龄、教育程度、COVID-19个人健康风险)之间的关系。最后，我们估计了一个结构模型，意图使用COVID-19应用程序作为结果。

根据几种拟合指标对测量模型和路径模型的模型拟合进行了评价。已知x²几乎总是显著的，而不是模型拟合的充分测试[24，25]，我们还报告了比较拟合指数(CFI)、均方根近似误差(RMSEA)和标准化均方根残差(SRMR)。CFI的范围为0至1.00，截断值为0.95或更高，表明模型拟合良好[24，26］．RMSEA值低于.05表示模型拟合良好[27］．SRMR是平均协方差残差的标准化汇总[25］．当SRMR小于.08[时，表明模型拟合相对较好[26］．

结果

描述性的结果

变量的描述性统计，以及结构的Cronbach alpha值，在表1．文中给出了潜在变量的相关矩阵表2．所有项目都包含在荷兰调查中，并为本文翻译。表3提供样本的描述性统计数据，包括年龄、性别和最高教育水平。

总的来说，48.70% (n=730)的受访者认为，当应用程序启动时，他们打算使用该应用程序;20.40%(306)表示不同意，10.40%(156)表示略不同意，20.50%(308)表示既不同意也不同意，27.90%(418)表示略同意，20.80%(312)表示同意。女性(356,47.80%)和男性(374,49.50%)使用意向差异无统计学意义(χ)²₁= 0.395,P= 53)。比较三个年龄段的受访者，18-34岁(n=234, 46.90%)、35-49岁(n=247, 51.10%)和50-65岁(n=249, 48.10%)的应用程序采用意愿没有显著差异(χ)²₂= 1.883,P=点)。在受教育程度方面，受高等教育程度的受访者与受教育程度最多为中等教育程度的受访者(n=469, 49.4%)对app的使用意愿差异不显著(χ =469, 49.4%)²₁= 0.588,P=无误)。与没有健康问题的受访者(n=487, 48.00%)相比，患有健康状况使他们更容易受到COVID-19并发症的影响的人在使用应用程序的意愿上没有差异(n=243, 50.10%) (χ =487, 48.00%)²₁= 0.592,P=无误)。

度量模型

测量模型提供了良好的拟合数据(χ²₂₅₄= 750.87,P<措施;CFI =。976，RMSEA=.036, 90% CI .033-.039, SRMR=.034). All factor loadings were significant and above .44. We subsequently included age, gender, education, and COVID-19 personal health risk as covariates in the analyses and examined the relationships between the covariates and the study variables.

性别和教育程度与任何研究变量均无显著相关性。年龄与感知的严重程度显著相关(β= .20,P<.001)，易感性(β= . 21,P<.001)，收益(β=。08P=.003)、自我效能(β=。P<措施)。感染COVID-19时可能成为风险因素的健康状况与模型结构没有显著相关。我们的结构模型已经根据这些变量的影响进行了调整。

结构模型

结构模型的计算结果载于图1．拟合统计结果表明，模型拟合良好(χ²₃₅₀= 1070.46,P<措施;CFI =。966，RMSEA=.037, 90% CI .035-.040, SRMR=.042).

‎ 查看此图

我们的分析显示，感知严重程度、感知易感性、感知益处、感知障碍、行动线索和自我效能，连同协变量，解释了32.30%的意图方差。最重要的意图预测因素是感知利益(β= .41点,P<.001)，其次是自我效能(β=升至P<.001)和感知障碍(β= . 21,P<措施)。行为线索与意图显著相关(β= 13,P<措施)。然而，感知到的严重程度(β= . 01P=.95)和感知易感性(β= 0。P=.38)与意图无显著相关性。

讨论

主要结果

最近几个月，一些国家已实施或正在讨论将COVID-19应用程序纳入其解除管制计划[28］．不过，关于市民使用这款应用的动机仍然存在疑问。流行病学家表示，超过一半的人口应该使用接触追踪应用才能发挥作用。29];在我们的研究样本中，几乎一半的人打算使用它。

就HBM结构而言，我们发现感知益处、自我效能、感知障碍和行动线索与受访者采用应用程序的意图相关。然而，感知严重程度和感知易感性并不相关。最后一个发现与使用HBM或相关保护动机理论的研究的元分析是一致的。这些研究表明，一般来说，威胁评估(脆弱性和严重性)与意图的相关性最小，而应对评估(感知利益和自我效能)则被证明与健康相关的意图和行为的相关性更强[30.-32］．这表明，未来刺激COVID-19应用程序使用的研究和举措应该研究提高感知效益和自我效能的最佳方法。Bandura提出的最优策略[33就是通过角色扮演等方式，为个体提供目标行为的具体体验。向潜在用户提供一个清晰的应用使用体验，数据处理的限制，以及应用反馈的清晰度，可以使优势更加具体。特别是因为目前的研究表明，年龄和自我效能之间存在负相关关系，因此开发适合所有年龄组的应用程序可用性信息非常重要。此外，年龄较大的潜在用户需要更相信应用程序的好处，因为年龄和感知的好处之间存在负相关。

根据我们的研究结果，个人对COVID-19危机严重性的信念和个人脆弱性并不能预测应用程序的使用意愿。当威胁被评估为严重威胁，而预防行为复杂或不为人所知时，感知脆弱性的作用可能会被稀释[32］．一款新型COVID-19应用程序可能就是这种情况，一些受访者可能认为这是一种过于复杂的数字工具，无法使用。与应用使用相关的其他变量也可能涉及其中。因此，进一步的研究可以评估受访者如何看待应用程序的易用性，以及应用程序的使用如何迅速融入他们的日常生活。

就收养意愿而言，威胁评估不重要的另一个可能原因可能是政府的居家令可能会导致人们认为他们不太容易受到病毒的影响。然而，在调查时，比利时政府的限制措施仍然允许公民外出散步，参加个人运动和购物(在杂货店、超市和药店)。在家工作是强制性的(特定的部门和职位除外)。人际交往仅限于住在同一屋檐下的人。虽然建议保持身体距离和戴口罩(但不是强制性的)，但人们可能彼此近距离接触，从而感染病毒;因此，在危机的那个阶段，这个应用程序可能是有用的。与他人近距离接触的场合是可能的，但有限。这种与他人的有限接触可能会影响个人的威胁评估及其与应用程序使用意图的关系。

此外，感知障碍和线索与应用程序吸收意图显著相关。对于一些潜在用户来说，一个显而易见的障碍是他们对隐私的担忧。特别是在医疗保健环境中，可能会增加对数据安全性和保密性的担忧。隐私提倡者对与联系人追踪应用相关的数据保护问题表示担忧。34，35］．这就是为什么有人提出了一些不使用位置数据的联系人追踪方法[1］．通过使用数据最小化解决方案，不仅用户的隐私权得到保护，而且随着越来越多的人信任并安装它，应用程序的影响将会增加。2］．因此，在开发和发布应用程序时，应该进一步向潜在用户阐明个人隐私如何得到保护。在这方面，应该进一步调查公民的隐私和其他问题，以深入了解可能减缓应用程序普及的因素。

行动提示与应用程序使用意图正相关。近几个月来，媒体广泛报道了大流行和已采取的应对措施[36］．此外，联系人追踪应用程序也经常被讨论。虽然开展这项研究的国家没有实施COVID-19应用程序，但在大众媒体和社交媒体上讨论了使用传统的接触者追踪(通过呼叫中心)或接触者追踪应用程序等几种策略。我们的研究发现，接触(在线)信息与采用应用程序的意愿之间存在正相关关系。由于其有效性取决于应用程序的吸收程度，因此需要进一步深入了解媒体对应用程序功能和有效性的报道。与此同时，分析媒体报道和在线对话也很重要，以深入了解有关该应用程序的道德和法律挑战以及如何解决这些挑战的问题。关于媒体如何报道COVID-19危机的研究之后[37),具体框架分析可以用于检查有关联系人追踪应用程序的新闻项目和在线评论。结果可能会启发政府和公司的应用程序开发和传播策略。此外，可以调查公民的媒体消费(特别是危机期间媒体消费的潜在变化)如何影响公民对该应用程序的态度和行为意图。

由于感知收益是影响应用程序使用意愿的最重要因素，因此应该明确应用程序在控制COVID-19方面的功能和功效。因此，在启动COVID-19跟踪应用程序时，需要解释和可视化跟踪接触者和报告可能接触病毒的重要性。已经创建了几个演示文稿，以具体化病毒通过呼吸雾化的情况，并可以介绍如何使用COVID-19应用程序绘制具有高感染倾向的密切个人接触。为了保持长期的预期效益，可以整合补充选项，向用户提供信息和帮助(例如，包括关于预防covid -19相关感染的建议、补充资源和专业援助)。总而言之，该应用程序可以进一步开发为一个中心枢纽，包括检测、建议和帮助，以避免感染，并在自我隔离期间为用户提供建议[38］．

尽管联系人追踪应用程序很有价值，但这项技术只是一种潜在的工具。即使大量吸收，一些病毒的传播(如通过物体)也可能无法捕捉到[1］．因此，接触者追踪需要纳入更广泛的公共卫生干预措施，包括提高对预防行为和检测的认识[38］．此外，联系人追踪应用程序的有效性取决于公众的接受程度。要收集足够的数据，需要大量人口的吸收。因此，需要进一步了解联系人追踪应用程序采用的预测因素，以影响用户的使用和持续使用。

限制

尽管有这样的结果，这项研究也有一些局限性。首先，尽管我们的样本在佛兰德斯(即比利时讲荷兰语的地区)的年龄、性别和教育水平方面是异质的，但使用便利样本限制了我们研究结果的普遍性。此外，由于我们的抽样程序，我们可能特别漏掉了那些由于收入水平、健康状况、社会地位或移民背景而已经处于不利地位和在社会中不太显眼的人。有代表性的数据以及来自弱势群体的数据证实了我们的发现，这将使我们的发现更具可信度。

其次，由于与covid -19相关的应用程序尚未在比利时部署(在进行这项研究时)，未来的研究可能会调查应用程序启动时个人的使用情况。此外，在已经发布类似应用程序的国家，应该调查使用的决定因素，更重要的是，继续使用的决定因素。未来的研究可以纵向调查应用程序的使用(意图)，以评估公民使用应用程序的意愿，以及在COVID-19爆发的不同程度上，威胁和应对评估是否发生变化，并影响意图和行为。

第三，由于我们根据应用程序的一般描述来衡量使用应用程序的意愿，未来的研究人员可以使用小插图来描述几个具体的选项及其组合，以评估受访者是否愿意采用应用程序，这取决于具体的特征。

结论

许多政府都将接触追踪应用程序视为COVID-19大流行期间封锁退出战略的重要组成部分。高使用率对于这些应用程序有效地缓解病毒至关重要。然而，目前尚不清楚我们如何激励市民使用这些应用程序。我们的研究结果表明，有必要根据公民的自我效能感采取行动，并增加COVID-19应用程序的感知益处。与此同时，必须克服诸如隐私问题等感知障碍。最后，媒体可以通过告知公民应用程序的功能、好处和用例，从而提高自我效能感和感知益处，在刺激应用程序接受方面发挥重要作用。