瑞士数字接触者追踪应用程序在各种SARS-CoV-2大流行浪潮中的表现:重复横断面分析

简介

为了帮助缓解SARS-CoV-2的传播，开发了数字近邻追踪应用程序，并在多个国家广泛采用。这在数字公共卫生领域催生了一个新的研究领域，旨在评估此类应用程序对疾病控制的可能贡献。欧洲数字近距离追踪应用的突出例子包括英国国家卫生服务体系(NHS)的COVID-19应用、德国的corona - warn应用和瑞士的SwissCovid应用[1-3.］．在瑞士，智能手机拥有率超过90% [4]为SwissCovid应用程序的广泛采用和补充人工接触追踪工作提供了机会。人工接触追踪是以访谈的形式进行的，由于依赖于人们回忆近距离接触者的能力，人工接触追踪是劳动密集型的，而且容易出错[5］．SwissCovid应用程序承诺以更快的速度提供曝光通知，具有更广泛的覆盖范围和更强的可扩展性[6，7］．然而，暴露通知必须迅速发送，不受干扰，最终比手动追踪接触者提供时间优势[8］．

人们对进一步评估数字近距离追踪应用程序的有效性越来越感兴趣。然而，有效性分析面临多重挑战[7，9］．首先，我们关注的预防SARS-CoV-2传播的结果是无法观察到的。其次，数字接近追踪应用程序的隐私保护架构，特别是那些遵循去中心化隐私保护接近追踪(DP-3T)蓝图的应用程序[10]，仅提供有限的、不可识别的数据，用于进行有效性分析。最后，通过手动联系人追踪、信息热线和测试中心产生的其他相关数据(游戏邦注:这些数据被称为“应用程序用户的联络点”)通常分散在不同的系统中，由于隐私法规的限制，这些数据无法随时获取。11］．

数字近距离追踪应用程序有效性的实证评估仍然很少[12］．最近的评估主要产生了好坏参半的结果，包括大量的[13-15]缓和的[16，17]或令人失望的[18)发现。用于这些分析的分析方法和数据也存在很大的异质性，这使得很难对其结果进行直接比较。为促进标准化，世界卫生组织(世卫组织)和欧洲疾病预防控制中心(ECDC)最近制定了一个框架，概述了数字接触者追踪应用程序的最相关数据和监测指标(以下简称“世卫组织/ECDC框架”)[19］．然而，据我们所知，这一框架尚未应用于系统的全国范围的分析，其有效性分析的效用仍有待探索。

这项研究的目的是在世卫组织/ECDC框架的指导下，通过在全国范围内进行数字近距离追踪应用程序有效性评估来弥合这些知识差距。具体来说，我们对瑞士的数字近距离追踪应用程序进行了3个不同时期的描述性分析，其中不同的SARS-CoV-2变体(分别为Alpha、Delta和Omicron)最普遍。我们通过将WHO/ECDC框架应用于个人和公共层面的数据进行了分析，并补充了应用程序用户在收到暴露通知后采取的缓解行动的其他指标。因此，我们的分析在大流行背景下应用WHO/ECDC框架指标，为未来基于指标的应用程序监测和有效性评估工作提供信息。

方法

SwissCovid数字近距离追踪应用程序

2020年6月25日，瑞士是首批推出基于DP-3T架构的数字近邻追踪应用程序(SwissCovid)的国家之一[20.］．DP-3T架构通过向周围的其他SwissCovid应用程序用户发送带有假名的、定期更改的用户识别号码的低能耗蓝牙信标来工作。在这里，蓝牙信号强度代表了2台智能手机之间的物理距离。然后，用户自己的身份证号码副本，以及最近与其他应用程序接触的号码副本，都会存储在用户的智能手机上。

SwissCovid应用程序通过暴露通知级联系统来识别和隔离可能的SARS-CoV-2病例。当用户收到SARS-CoV-2聚合酶链反应(PCR)检测结果呈阳性时，就开始了接触通知级联。这触发了级联中的第一步(在补充中说明)图1在多媒体附件1)，其中用户会获发一个身份验证码。用户随后在应用程序中输入他们的身份验证码，导致他们自己的假名身份号码发布到中央服务器。SwissCovid应用程序会定期下载识别号码，并从附近的联系人中搜索本地注册的识别号码。如果2名或2名以上个人之间的接触暴露达到预定义的接近度和时间阈值(与感染者接近≤1.5米≥15分钟)，应用程序将触发暴露通知。该信息包括对受影响个人的进一步说明，例如SwissCovid信息栏的电话号码和风险自我评估网页表单的链接(自2020年12月起)。SwissCovid应用程序的用户被建议拨打infoline号码，并寻求免费的SARS-CoV-2检测。

在运营期间，直到2022年4月1日停用，SwissCovid应用程序拥有约190万用户，相当于所有16岁及以上瑞士居民的26.1% [20.］．总共有20.5万个阳性检测结果通过SwissCovid应用程序触发了暴露通知，完成了14.1万个infoline电话或web表单。有关数码近邻追踪应用的进一步详情[11]以及SwissCovid应用程序在瑞士缓解大流行方面有效性的现有证据已在其他地方详细介绍[17］．

数据收集

我们的研究方法以WHO/ECDC框架为指导。简而言之，该框架提供了一套关键指标，以指导数字近距离追踪应用程序的监测和评估，并衡量相应暴露通知级联在防止SARS-CoV-2进一步传播方面的性能和有效性(见附录1)多媒体附件2）.

我们使用了来自公共和非公共来源的数据。SwissCovid应用程序的公共监控数据[20.]和SARS-CoV-2大流行[21是从瑞士联邦公共卫生办公室的网站上检索到的。关于COVID-19措施严格程度的牛津测量数据检索自相关网站[22］．我们还使用了运营SwissCovid Infoline (Medgate Aktiengesellschaft)的公司提供的数据，用于生成上传验证码、Infoline呼叫和自我评估web条目的每日汇总计数。此外，我们使用了在COVID-19社会监测研究中通过调查收集的纵向个人层面的数据，以提供有关个人在收到接触通知后所采取的缓解行动的其他感兴趣指标[23］．有关指标定义和数据来源的进一步细节载于多媒体．

统计分析

sars - cov -2监测指标的纵向分析，定义于补充表1多媒体附件2，在2021年1月25日至2022年3月19日的整个研究期间进行。每日计数值平均超过7天或整个研究期间。基于3种主要的SARS-CoV-2变体，对SwissCovid应用程序有效性指标进行了分层时期的比较[21]并与COVID-19社会监测调查数据收集阶段一致:(1)Alpha变体(2021年1月25日至6月17日，调查波13-17日)，(2)Delta变体(2021年8月30日至12月16日，调查波18-20日)，以及(3)Omicron BA.1变体(2022年1月24日至3月19日，调查波21-22日);看到补充图2在多媒体附件4．

我们的分析集中在WHO/ECDC框架的3个指标上:(a) SwissCovid应用程序的采用和暴露通知的频率，(b)数字近距离追踪应用程序在检测有感染风险的接触者方面的成功，以及(c)数字近距离追踪应用程序在通知接触者方面是否比传统接触者追踪更快。具体来说，我们分析中的所有评估都与SwissCovid应用程序用户对应用程序的个人吸收和参与有关。这些指标进一步评估了SwissCovid应用程序在减少病毒传播方面的性能和有效性，基于用户对曝光通知的响应(即以缓解行动或不合规的形式)。为了进一步提供本研究评估指标的制定背景，我们检索了瑞士的牛津严格指数值，该指数值量化了SARS-CoV-2大流行期间全国封锁政策的严格程度[22］．

为了评估在遵守建议措施方面可能存在的差距，我们为SARS-CoV-2感染检测呈阳性的应用程序用户定义了理论上的上限估计值。这个上限是用测试呈阳性的人数乘以应用用户在总人口中的百分比计算出来的。根据SwissCovid应用程序用户采取的缓解行动，并使用来自COVID-19社会监测的个人层面数据计算其他指标:(1)已接受SARS-CoV-2检测，(2)SARS-CoV-2检测呈阳性，(3)已被医生隔离或隔离或人工接触追踪，以及(4)已收到接触通知(见补充)图3及补充表4多媒体）.

在Stata版本16.1 (StataCorp LLC)中进行分析。所有数据均以计数和百分比进行描述性分析。选择的指标使用3个局部雷达图进行可视化。报告依据加强流行病学观察性研究报告(STROBE)检查表(多媒体附件6) [24］．

道德的考虑

对于COVID-19社会监测研究，苏黎世州伦理委员会得出结论，我们的研究不属于人类研究法(BASEC-Nr)的范围。申请- 2020 - 00323)。所有其他数据都不需要伦理批准。

结果

官方公共卫生来源监测指标的纵向分析

图1描述了在令人关注的SARS-CoV-2变种的3次大流行浪潮中测量指标的演变。蓝线代表瑞士SARS-CoV-2检测阳性的计数。这里的趋势表明，2021年1月和2022年1月出现了几个发病率高峰，这是由于Alpha变种，这标志着优势从Delta变种转变为Omicron变种。在研究期间，平均每天的病例为每10万居民20例(Alpha)， 54例(Delta)和350例(Omicron)。灰色线表示COVID-19措施严格程度的牛津测量值，范围从0(最低严格程度)到100(最高严格程度)。在我们的观察期内，措施的严格程度在2021年1月至4月期间最高。这与Alpha变体阶段相吻合，瑞士联邦公共卫生办公室在该阶段授权采取居家办公和禁止集会等措施。在Delta变体阶段的最后阶段和Omicron变体阶段的开始阶段，严格措施也很高。2022年2月，几乎所有缓解措施都被取消了。

红色和绿色线分别表示sars - cov -2阳性SwissCovid应用程序用户输入认证代码的数量，以及在收到暴露通知后调用infoline或完成自我评估表的数量。在评估期间，这些用户驱动的行为的数量密切遵循发生率曲线。此外，它们以几乎稳定的1:1的比例出现，在研究期间的大部分时间里，每个共享的阳性测试结果都有一个infoline电话或填写的web表单。然而，在Omicron变体阶段，这一比例发生了变化，暴露的接触者采取的用户操作更少。

‎ 查看此图

大流行阶段指标比较

曝光通知级联性能指标

来自世卫组织/ECDC框架的指标和来自COVID-19社会监测数据的选定补充指标在雷达图中说明(图2-4，数据见附表1和附表2多媒体附件2）.图2说明与公开通知级联的性能相关的指标(即，事件的完整性和速度)。从最上面的指标开始，顺时针移动，指标1显示了SARS-CoV-2的日平均每周发病率(按发病率峰值的百分比重新缩放)。在Omicron变异阶段达到每日病例数的最大值，在Alpha变异阶段达到每日病例数的最低值。指标2显示，在Alpha变异阶段，大约四分之一(1,779,546/7,280,501,24.4%)的16岁及以上的瑞士人是活跃的SwissCovid应用程序用户，而在Delta(1,624,946/7,280,501, 22.3%)和Omicron(1,568,104/7,280,501, 21.5%)变异阶段，SwissCovid应用程序用户的百分比略有下降。

指标3表示与SwissCovid应用程序共享的认证代码数量占SARS-CoV-2检测呈阳性的个人总数的百分比。在Alpha变异阶段，这一比例为9.9%(20,273/204,741)，然后在Delta和Omicron变异阶段分别下降到3.9%(14,372/365,846)和4.6%(72,324/1,581,506)。指标4反映了输入到SwissCovid应用程序的认证码与发出的认证码的比例。在这里，我们观察到阿尔法变异阶段(20,273/ 31,658,64%)的输入代码比例几乎是Delta(14,372/44,455, 32.3%)和Omicron变异阶段(72,324/269,700,26.8%)的两倍。指标5表示将认证代码上载到Swisscovid应用程序的时间，从出现症状开始，或者如果应用程序用户在测试时无症状，则为阳性测试日期。这一指标表明，在所有输入的代码中，有50%至56%是在症状出现后48小时内上传的，在以下2个变异阶段观察到的比例较低。

最后，指标6表示SwissCovid应用程序用户在完成所提供的web表单并在收到曝光通知后调用infoline的比例。在这里，我们观察到23%到28%的曝光通知应用用户在曝光日期(曝光通知消息中提供的日期)后48小时内联系了infoline或填写了网页表单。

‎ 查看此图

‎ 查看此图

‎ 查看此图

暴露通知后反映测试阳性的指标

在收到接触通知后的检测阳性被认为是评估接触检测通知受影响个人的准确性的代理。图3总结了这一背景下的关键指标，尽管在更精确的范围内，范围从0(0%)到0.5(50%)。指标7说明了一般人群的检测阳性率，在前2个变异阶段接近10%(分别为228,103/3,755,205,6.1%和413,685/3,443,364,12%)，在Omicron变异阶段增加到约41.7%(1,784,951/4,285,549)。7、8对应in中的2、3图2．指标8表示应用程序活跃用户的百分比，指标9表示测试呈阳性的个人中应用程序用户的百分比，基于生成的上传认证代码。指标10表示在所有测试呈阳性的个人中，收到暴露通知的应用程序用户的百分比。该值在Alpha变异阶段约为11%(7/65)，在后面的两个变异阶段约为5%(分别为2/44和11/228)。指标11表示在所有测试呈阳性的应用程序用户中，收到曝光通知的应用程序用户的百分比(根据指标10计算)。其中，Alpha变异期为19% (7/36)，Delta变异期为13% (2/15)，Omicron变异期为8.3%(11/132)。最后，指标12说明了收到曝光通知的应用程序用户的测试阳性。该值在Alpha变异阶段为19%(7/37)，在Delta变异阶段为29%(2/7)，在Omicron变异阶段为41%(11/27)，而在一般人群中分别为6.1%(228,103/3,755,205)，12%(413,685/3,443,364)和41.7%(1,784,951/4,285,549)。

反映曝光通知后用户操作的指标

第三组指标说明了SwissCovid应用程序用户在收到暴露通知后采取的缓解行动的程度。图4在此背景下，以从0到1的分数范围总结关键指标。指标13说明了输入SwissCovid应用程序的授权代码的比例，根据上限估计，Alpha变体为40.5% (20,273/50,044)，Delta变体为17.6% (14,372/81,654)，Omicron变体为21.2%(72,324/340,631)。

指标14表示每共享阳性测试结果的用户通过infoline寻求联系或填写网页表单的比例。这一值在大流行期间不断下降，从Alpha变种阶段的每个代码1.08个用户接触到Delta变种阶段的1.00个，到Omicron变种阶段的0.50个。指标15说明了在接触说明书后或通过网络表格进行的接触风险评估，以及在收到接触通知后提出的自愿隔离建议。在Alpha变异阶段，每个用户接触者的隔离建议比例为7.4%(1622/21,976)，在Delta变异阶段增加到18.5%，在Omicron变异阶段增加到19.1%(分别为2652/14,313和6931/36,279)。

指标16按共享阳性检测结果数量说明了标准化自愿隔离建议。这里，在Alpha变体阶段，每100次测试大约有8个建议，在Delta变体阶段，每100次测试有18个建议，在Omicron变体阶段，每100次测试有10个建议。指标17说明了来自COVID-19社会监测的数据，并表明在Alpha、Delta和Omicron变体阶段，分别有58%(37/64)、44%(7/16)和73%(27/37)应用程序用户在收到暴露通知后寻求测试或进行自测。最后，指标18显示，在收到接触通知的个人中，31% (20/64,Alpha)、19% (3/16,Delta)和30% (11/37,Omicron)还报告通过人工接触追踪或通过卫生保健专业人员的建议收到了强制隔离令。

讨论

主要研究结果

我们的研究展示了瑞士各种数字接近追踪应用程序的性能指标。这些评估以世卫组织/ECDC评估数字接近追踪应用程序在减轻SARS-CoV-2进一步传播方面的公共卫生有效性的框架为指导和基础。我们的分析通过比较以不同的SARS-CoV-2变种为特征的各个大流行时期，以及公众对大流行和公共卫生应对措施的看法变化，扩展了数字接近追踪领域的现有知识。我们的研究通过从小组调查数据中引入更多感兴趣的指标，进一步有助于在方法学层面上进行有效性评估，这些指标评估个人在收到暴露通知后所采取的缓解策略。据我们所知，这是首次在全国范围内应用世卫组织/ECDC绩效评估框架。

第一组指标探讨了暴露通知在3个不同阶段的级联性能。在Omicron变体阶段观察到SARS-CoV-2发病率显著升高，而在Alpha和Omicron变体阶段之间，活跃的SwissCovid应用程序的使用稳步下降。与2021年初SwissCovid应用程序的使用高峰(近200万活跃用户)相比，2022年3月的用户数量减少了约60万。此外，2022年最初几个月不仅是瑞士SARS-CoV-2发病率最高的几个月，而且在整个大流行期间共享阳性检测结果的绝对数量也是最高的。这导致瑞士出现了能力问题，因为可用的SARS-CoV-2检测数量不足，无法满足如此高的需求。再加上公众认为欧米克隆的疾病严重程度较低，这两个因素可能导致大流行后期共享检测结果的比例较低。3个变异阶段之间的另一个显著区别是，在大流行后期出现的令人担忧的变异中，输入已颁发的认证代码的比例相对较低。这可能是由于在整个大流行阶段认证代码发布实践发生了变化(例如，越来越依赖自动化交付流程)，也可能是由于SwissCovid应用程序的接受度下降[25］．

第二组指标侧重于瑞士的一般检测阳性，以及从SwissCovid应用程序收到接触通知后检测出SARS-CoV-2阳性的个人比例。这些指标表明，在大流行的不同阶段，检测阳性与瑞士SARS-CoV-2总体发病率之间存在密切联系。具体而言，SARS-CoV-2病例数和检测阳性率在Alpha变异阶段相对较低，但在Omicron变异阶段有所增加。我们的个体水平分析表明，在Alpha和Delta变异阶段，收到暴露通知后的检测阳性率比一般人群高2-3倍，在Omicron变异阶段，检测阳性率相似(尽管处于非常高的水平)。尽管这一评估基于相对较小的样本量，但观察到的高测试阳性率在更广泛的背景下是合理的，因为与其他国家的应用程序相比，SwissCovid应用程序运行在更保守的蓝牙衰减信号阈值上。

第三组指标表明，应用程序用户在收到SwissCovid应用程序的暴露通知后采取的缓解行动可能在大流行期间发生了变化。在Omicron变异阶段，与Alpha和Delta变异阶段相比，接触infoline或完成web表单的人更少。这种接触尝试的减少也导致自愿隔离建议相对较少。在Alpha和Omicron变体阶段，收到接触通知后进入强制隔离的报告比例相似。相比之下，较高比例的曝光通知应用用户报告在早期的变体阶段进行了测试。这可能是由于随着时间的推移，公众对SARS-CoV-2疾病严重程度的看法发生了变化。此外，这可能是对欧米克隆变种阶段公共卫生战略变化的回应，例如2022年2月17日在瑞士取消了对暴露接触者的强制隔离。从Omicron变异期40%的高总检测阳性率可以看出，许多有症状或暴露的人也不太依赖SARS-CoV-2 PCR检测，而是自我检测或呆在家里。由于未在官方检测中心进行检测的sars - cov -2感染者不会收到上传的认证码，因此他们无法通过SwissCovid应用程序与近距离接触者分享检测结果。

这些指标还为诸如SwissCovid等数字近距离追踪应用程序在减缓病毒传播方面的可能贡献提供了见解。例如，应用程序用户中共享阳性测试结果与阳性测试上限估计的比例表明，60% (Alpha变异阶段)和80% (Delta和Omicron变异阶段)的测试呈阳性的估计应用程序用户没有或无法共享他们的测试结果。造成这种情况的原因可能包括输入SwissCovid应用程序的认证码数量较低，或者认证码的发布出现延迟。如果通过其他手段更快地通知暴露的接触者(例如，如果潜在接触者的数量很少或众所周知，可以通过手动接触者追踪有效地联系到)，则后者可能对数字接近追踪的潜力产生负面影响。尽管如此，在最近的研究中，SwissCovid应用程序已被证明在用户采取缓解措施的及时性和有效性方面优于人工接触追踪。例如，一项研究显示，收到SwissCovid应用程序暴露通知的应用程序用户比未收到暴露通知的接触者平均早1天进入隔离[16］．在另一项研究中进行的模拟也发现，在接受人工接触追踪强制隔离的人中，有5%的人在收到接触通知的自愿隔离建议后进入隔离状态[8］．然而，不完整的用户操作会削弱这两种策略在有效联系人跟踪方面的作用。在我们的研究中没有观察到这一点，我们发现相对较少的应用程序用户在收到暴露通知时忽略了暴露警告。这些应用程序的大多数用户至少采取了一项建议的缓解措施来回应通知，如拨打infoline或填写网页表格，这与瑞士的其他研究一致[26，27］．

此外，预防传播的相关行动也经常被报告，因为近四分之三的暴露通知SwissCovid应用程序用户报告在Omicron变体阶段进行了检测或进入隔离。这些估计与其他使用相同[28]或不同的瑞士调查数据库[29］．然而，他们可能倾向于报告偏见，如社会可取性偏见，其特征是调查对象倾向于以别人认为有利的方式回答问题。此外，暴露通知明显缺乏响应也可能是由于通知的时间或暴露应用程序用户对可能的暴露设置和传播风险严重程度的不同评估。例如，瑞士一项研究的详细报告表明，延迟通知、家庭内部暴露或在暴露时采取预防措施可能是对暴露通知不作出反应的原因(苏黎世冠状病毒队列[ZSAC]) [8］．

总的来说，我们的研究有助于积累证据，通过在既定的公共卫生指标框架内的定量证据，证明数字接近追踪应用程序对缓解大流行可能做出的贡献。然而，我们的研究也指出了数字近距离追踪应用程序的各种缺陷，这些缺陷会干扰它们发挥全部潜力的能力。在SwissCovid应用程序的案例中，沿着暴露通知级联的信息流受到各种瓶颈的限制，例如测试结果共享的延迟代码交付，复杂的用户界面，或后续缓解措施的激励不一致。尽管最近的SARS-CoV-2变种流行率上升，但随着时间的推移，SwissCovid应用程序的使用明显减少。最近的一项研究说明了可能导致SwissCovid应用程序使用减少的瓶颈，其中病例-接触对满足了启用暴露通知的所有必要条件(即，使用SwissCovid应用程序，共享测试结果)，但10个暴露接触者中只有6个最终收到了暴露通知[26］．为了在未来大规模实现数字接近追踪应用程序，在更高容量要求下进一步测试此类应用程序，以及应用程序开发中的协同设计流程，可能是有益的。

限制

我们的研究存在一些局限性。本分析中使用的数据和评估方法无法为数字接近追踪应用程序的使用与传播预防之间的因果关系提供证据。由于缺乏临床结果数据，我们的研究结果也不适用于推断数字近距离追踪应用程序对人群水平的影响，例如由于缺乏临床结果数据而避免住院或死亡。此外，尽管利用了一个广泛的数据库，其中包括近2700名个人和23500份评估报告，但记录的相关事件(即接触通知、SARS-CoV-2检测呈阳性、隔离规定)的数量仍然相对较低。这是基于人口的调查的一个常见问题，在任何时间点发生的概率仍然很小，因此在这类研究中代表了一般方法上的挑战。最后，调查驱动的研究可能倾向于不同的报告偏差，包括过度或过少报告缓解性行为，如不遵守规则和社会规范。然而，由于我们的数据收集的纵向性质以及对SwissCovid应用程序使用和结果的重复调查，这在一定程度上缓解了这一问题，这允许进行各种质量检查，并且没有揭示系统性报告偏差的迹象。

结论

我们的研究基于世卫组织/ECDC框架，对SwissCovid数字近距离追踪应用程序的关键指标进行了全面的全国评估，并强调了在评估此类应用程序的性能和有效性时考虑大流行总体背景的重要性。例如，从SwissCovid应用程序收到暴露通知后的测试阳性至少与(Omicron变异阶段)相同或高于(Alpha和Delta变异阶段)一般测试阳性，在收到暴露通知后，应用程序用户采取缓解措施的比例很高。此外，在大流行期间，有20多万人与该应用程序分享了阳性检测结果。尽管如此，我们的指标评估也显示了改进的空间，包括提高暴露通知级联的速度和完整性，或为应用程序使用和测试结果共享建立更强的激励机制。未来实施的数字近距离追踪应用程序应更加强调暴露通知级联的社会、心理和组织方面，以提高其在减缓大流行传播方面的有效性。在不同大流行浪潮中需求不断变化的背景下，应定期审查和修订数字接近追踪应用程序的实施情况。