这是一篇开放获取的文章，根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布，允许在任何媒介上无限制地使用、分发和复制，前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息，//www.mybigtv.com/上的原始出版物的链接，以及此版权和许可信息。
在全球范围内，COVID-19大流行爆发后，社交媒体流量增加。虽然一些社交媒体平台(如Twitter和Facebook)已经描述了COVID-19内容的传播，但对于此类内容是如何通过WhatsApp (WhatsApp LLC)等私人消息平台传播的知之甚少。
在这项研究中，我们记录了(1)如何使用WhatsApp传输COVID-19内容，(2)基于使用模式的WhatsApp用户特征，以及(3)使用模式如何与COVID-19担忧相关联。
我们使用经验抽样方法跟踪了COVID-19大流行期间WhatsApp的日常使用情况。在一周的时间里，参与者每天报告他们收到、转发或讨论COVID-19内容的程度。最终的数据集包括924个数据点，这些数据来自151名参与者。
在为期一周的监测过程中，大多数参与者(143/ 151,94.7%)报告至少使用过一次与covid -19相关的WhatsApp。当根据使用模式生成分类时，发现大约十分之一的参与者(21/ 151,13.9%)收到并分享了大量转发的COVID-19内容，类似于其他社交媒体平台上发现的超级传播者。最后，那些在私人聊天中谈论COVID-19内容更多的人更有可能在一天中出现与COVID-19相关的想法。
我们的发现提供了一个罕见的窗口来了解私人消息平台上的话语。这些数据可用于在大流行期间为风险沟通战略提供信息。
ClinicalTrials.gov NCT04367363;https://clinicaltrials.gov/ct2/show/NCT04367363
WhatsApp (WhatsApp LLC)是全球最常用的消息应用程序;它在180个国家拥有15亿用户[
WhatsApp已被政府机构和世界卫生组织用于传播COVID-19官方最新消息[
尽管有这些限制，印度的一项调查发现，每两个参与者中就有一个人通过WhatsApp或Facebook收到了COVID-19的错误信息[
然而，迄今为止，大部分信息流行病学研究都集中在内容可公开访问的社交媒体平台(如Twitter和Facebook) [
为了弥补文献中的这些空白，我们设计了一项研究，以(1)描述COVID-19内容传播的基本率，(2)了解WhatsApp用户，以及(3)检查使用模式的相关性。具体来说，我们使用了体验抽样方法来跟踪一周内日常生活中WhatsApp的使用情况。
从2020年3月17日至5月7日，参与者通过Facebook和WhatsApp社区群(如住宅群、工作场所群和大学群)上的广告、流行的网络论坛上的帖子以及针对新加坡用户的付费Facebook广告从普通社区招募。所有研究活动都在基于网络的调查平台Qualtrics (Qualtrics International Inc)上进行，参与者在研究完成后获得5新元(3.65美元)的补偿。该研究方案由耶鲁大学-新加坡国立大学学院伦理审查委员会批准(方案记录:2020-CERC-001)，并在ClinicalTrials.gov上进行了预注册(试验编号:NCT04367363)。
参与者是151名成年人，他们符合以下入选标准:(1)21岁或以上，(2)在新加坡居住至少2年，(3)有WhatsApp账户。
在提供知情同意后，参与者完成(1)基线问卷，(2)连续7天每天体验抽样回答，以及(3)最终问卷(
学习程序示意图。所有参与者都完成了一份基线问卷。随后进行了7天的经验抽样，在此期间，参与者回答了关于COVID-19担忧和WhatsApp每日使用情况的问题。参与者在体验抽样程序结束后1天完成最终问卷。DASS-21: 21项抑郁、焦虑和压力量表。
作为数据收集的主要形式，我们使用经验采样方法来捕捉WhatsApp上的COVID-19聊天记录。通过这种方法，我们收集了151名参与者的924个数据点(遵从率:924/ 1057,87.4%)。
在7天的时间里，参与者每天晚上(晚上9:30)通过网络调查报告他们当天的WhatsApp使用情况。参与者指出他们是否转发了与COVID-19有关的邮件(“是”或“否”)。我们专注于将消息转发作为高风险内容的代理指标，因为(1)大型Twitter研究发现，错误信息比真实帖子更有可能被分享。
参与者还被问及他们的私人聊天(即他们在WhatsApp上的一对一聊天)。他们在私人聊天中指出COVID-19信息是否被转发给他们(“是”或“否”)。如果是的话，他们会被问及(1)他们收到的独特信息的数量，(2)他们收到的信息来自不同的人的数量。随后，参与者叙述他们是否在谈话中讨论了COVID-19，他们或另一方是否产生了与COVID-19相关的信息(“是”或“否”)。如果是这样，他们被问及有多少独特的聊天。
最后，在群聊中，参与者被问及他们的WhatsApp群中是否至少有一人(不包括他们自己)提到了COVID-19;“是”或“不是”)。这可能是通过其他人转发消息或其他人生成自己的评论发生的。回答是肯定的，随后有人问有多少WhatsApp群组这么做了。
除了WhatsApp的指标外，参与者还报告了他们当天对COVID-19的担忧;他们被问及(1)他们对COVID-19形势的恐惧程度(4分制:1=“一点都不害怕”;4=“非常害怕”)和(2)他们是否一直在考虑COVID-19的情况(5分制:1=“完全不是这样”;5 =“非常真实”)。
为了确定参与者的特征，我们纳入了基线和最终问卷，参与者在问卷中报告了人口统计数据(年龄、性别、宗教、种族、婚姻状况、教育程度、房屋类型、家庭规模、公民身份、出生国和在新加坡的年数)，他们在WhatsApp上阅读和发送COVID-19消息的时间(主要是上午、下午、晚上或深夜或全天)，以及他们获得COVID-19新闻的来源(例如，印刷报纸、广播、WhatsApp和YouTube)。此外，参与者完成了21项抑郁、焦虑和压力量表(DASS-21) [
首先，我们将数据汇总为百分比计数或SDs平均值，重点关注以下七个WhatsApp使用定量变量(
在WhatsApp上传播与covid -19相关的行为。在为期一周的体验抽样过程中，参与者报告了他们在WhatsApp上从事与covid -19相关行为的程度(通过转发或接收消息或对话)。水平条表示捕获的每个活动的总量(所有参与者的平均值)。水平线代表均值的95% ci。
其次，为了了解WhatsApp用户档案，我们进行了潜在档案分析，以根据他们的WhatsApp使用情况(R包
最后，我们研究了是否可以根据对COVID-19担忧的变化来跟踪WhatsApp聊天的日常变化。我们量化了个人和群聊中的COVID-19聊天，以便这些聊天可以用作预测指标。对于个人聊天，我们对每天和每个参与者的以下变量进行了汇总:(1)转发COVID-19消息的人数，(2)收到转发消息的人数，以及(3)讨论COVID-19的个人对话的人数。对于群聊，我们将以下变量相加:(1)转发了COVID-19消息的组参与者数量，(2)提到了COVID-19消息的组参与者数量。通过从每个分数中减去各个科目和时间点的平均聊天次数(聊天次数:分别为平均2.47和平均1.29)，得分以大均值为中心。此外，我们还创建了每个预测器的主题间和主题内版本[
在所有分析中，1型决策错误率控制在0.05的α。所有统计分析均采用R 3.5.0 (R基础统计计算)和SPSS 25 (IBM公司)进行。
如
参与者特征作为COVID-19 WhatsApp使用模式的函数。
| 特征 | 长期服用者(n=21) | 接收用户(n=47) | 话语用户(n=46) | 最小用户(n=37) | 所有参加者(N=151) | ||||||
| 年龄(年)，平均值(SD) | 44.1 (14.5) | 41.0 (15.5) | 29.7 (10.7) | 34.4 (14.5) | 36.35 (14.70) | ||||||
|
|
|||||||||||
|
|
女 | 13 (62) | 34 (72) | 29日(63) | 28 (76) | 104 (69) | |||||
|
|
男性 | 8 (38) | 13 (28) | 17 (37) | 9 (24) | 47 (31) | |||||
|
|
|||||||||||
|
|
中国人 | 20 (95) | 42 (89) | 42 (91) | 36 (97) | 140 (93) | |||||
|
|
印度 | 0 (0) | 2 (5) | 3 (7) | 0 (0) | 5 (3) | |||||
|
|
马来语 | 0 (0) | 2 (5) | 1 (2) | 0 (0) | 3 (2) | |||||
|
|
其他 | 1 (5) | 1 (1) | 0 (0) | 1 (3) | 3 (2) | |||||
|
|
|||||||||||
|
|
基督教(新教) | 8 (38) | 17 (36) | 16 (35) | 13 (35) | 54 (36) | |||||
|
|
没有宗教 | 3 (14) | 14 (30) | 11 (24) | 10 (27) | 38 (25) | |||||
|
|
佛教 | 4 (19) | 9 (19) | 8 (18) | 11 (30) | 32 (21) | |||||
|
|
罗马天主教 | 4 (19) | 4 (9) | 6 (13) | 2 (5) | 16 (11) | |||||
|
|
道教或中国传统信仰 | 1 (5) | 0 (0) | 2 (4) | 1 (3) | 4 (3) | |||||
|
|
伊斯兰教 | 1 (5) | 3 (6) | 1 (2) | 0 (0) | 5 (3) | |||||
|
|
印度教 | 0 (0) | 0 (0) | 2 (4) | 0 (0) | 2 (1) | |||||
|
|
|||||||||||
|
|
结婚了 | 13 (62) | 24 (51) | 8 (17) | 15 (41) | 60 (40) | |||||
|
|
单 | 6 (28) | 15 (32) | 25 (55) | 12 (32) | 58 (38) | |||||
|
|
约会 | 1 (5) | 7 (15) | 12 (26) | 9 (24) | 29日(19) | |||||
|
|
丧偶的，分居的或离婚的 | 1 (5) | 1 (2) | 0 (0) | 1 (3) | 3 (2) | |||||
|
|
没有回答 | 0 (0) | 0 (0) | 1 (2) | 0 (0) | 1 (1) | |||||
|
|
|||||||||||
|
|
普通水平 | 1 (5) | 4 (9) | 1 (2) | 6 (16) | 12 (8) | |||||
|
|
专科学校 | 2 (10) | 5 (10) | 9 (19) | 9 (24) | 25 (17) | |||||
|
|
技术教育学院 | 1 (5) | 1 (2) | 1 (2) | 0 (0) | 3 (2) | |||||
|
|
理工学院或文凭 | 2 (10) | 13 (28) | 7 (15) | 4 (11) | 26 (17) | |||||
|
|
大学(本科) | 11 (51) | 21 (45) | 21 (46) | 16 (43) | 69 (46) | |||||
|
|
大学(研究生) | 4 (19) | 1 (2) | 3 (7) | 2 (6) | 10 (7) | |||||
|
|
其他 | 0 (0) | 2 (4) | 3 (7) | 0 (0) | 5 (3) | |||||
|
|
没有回答 | 0 (0) | 0 (0) | 1 (2) | 0 (0) | 1 (1) | |||||
|
|
|||||||||||
|
|
HDB一个单位(1-2间) | 0 (0) | 0 (0) | 0 (0) | 1 (3) | 1 (1) | |||||
|
|
组屋(3间房) | 0 (0) | 2 (4) | 2 (4) | 2 (5) | 6 (4) | |||||
|
|
组屋(4间) | 2 (10) | 9 (19) | 10 (22) | 10 (27) | 31日(21) | |||||
|
|
组屋(5间房) | 3 (14) | 19 (40) | 14 (31) | 11 (30) | 47 (31) | |||||
|
|
公寓 | 12 (57) | 12 (26) | 11 (24) | 10 (27) | 45 (30) | |||||
|
|
地产 | 4 (19) | 4 (9) | 7 (15) | 2 (5) | 17 (11) | |||||
|
|
没有回答 | 0 (0) | 1 (2) | 2 (4) | 1 (3) | 4 (3) | |||||
|
|
|||||||||||
|
|
1 | 2 (10) | 1 (2) | 3 (7) | 0 (0) | 6 (4) | |||||
|
|
2 | 0 (0) | 5 (11) | 3 (7) | 3 (8) | 11 (7) | |||||
|
|
3. | 7 (33) | 8 (17) | 5 (11) | 8 (22) | 28日(19) | |||||
|
|
4 | 7 (33) | 18 (38) | 21 (45) | 15 (40) | 61 (40) | |||||
|
|
≥5 | 5 (24) | 15 (32) | 13 (28) | 11 (30) | 44 (29) | |||||
|
|
没有回答 | 0 (0) | 0 (0) | 1 (2) | 0 (0) | 1 (1) | |||||
|
|
|||||||||||
|
|
新加坡 | 18 (86) | 46 (98) | 42 (91) | 36 (97) | 142 (94) | |||||
|
|
其他 | 3 (14) | 1 (2) | 4 (9) | 1 (3) | 9 (6) | |||||
|
|
|||||||||||
|
|
新加坡 | 17 (81) | 45 (96) | 38 (83) | 33 (89) | 133 (88) | |||||
|
|
其他 | 4 (19) | 2 (4) | 8 (17) | 4 (11) | 18 (12) | |||||
| 在新加坡居住的年数，平均值(SD) |
39.67 (15.22) | 39.60 (16.69) | 26.43 (10.83) | 31.65 (14.47) | 33.65 (15.32) | ||||||
|
|
|||||||||||
|
|
压力 | 9.52 (7.12) | 8.61 (7.08) | 9.56 (10.13) | 10.81 (8.72) | 9.57 (8.47) | |||||
|
|
焦虑 | 4.38 (5.28) | 5.13 (5.44) | 5.33 (6.59) | 5.89 (7.71) | 5.28 (6.36) | |||||
|
|
抑郁症 | 8.10 (6.52) | 7.22 (6.86) | 9.47 (9.73) | 10.76 (9.54) | 8.90 (8.50) | |||||
|
|
|||||||||||
|
|
对COVID-19形势的恐惧 | 2.29 (0.46) | 2.53 (0.65) | 2.22 (0.74) | 2.27 (0.69) | 2.34 (0.67) | |||||
|
|
对政府的信心 | 3.33 (0.58) | 3.23 (0.63) | 3.29 (0.66) | 3.24 (0.72) | 3.27 (0.65) | |||||
|
|
感知感染COVID-19的可能性 | 2.71 (0.64) | 2.74 (0.53) | 2.78 (0.56) | 2.76 (0.60) | 2.75 (0.57) | |||||
一个HDB:住房和发展。
参与者的自我报告显示，WhatsApp是第二大最常见的COVID-19新闻来源，仅次于新闻网站或应用程序(
COVID-19新闻来源。在一份问卷中，参与者自我报告了他们获得COVID-19新闻的来源。
尽管大多数参与者(143/ 151,94.7%)在WhatsApp上接收和分享COVID-19内容，但使用模式存在个体差异(
与covid -19相关的WhatsApp使用分类。通过使用潜在档案分析，我们根据参与者在一周的监测期间使用WhatsApp接触COVID-19内容的情况对他们进行了分类。该图描述了长期用户(左上)、接收用户(右上)、散漫用户(左下)和最小用户(右下)的WhatsApp使用活动。水平线代表均值的95% ci。
四聚类解决方案产生了最低的绝对贝叶斯信息判据值(
作为探索性分析，我们进行了分类树分析，根据人口统计数据、对COVID-19的担忧、抑郁和焦虑评分(DASS-21)以及参与者使用WhatsApp的时间来预测WhatsApp的用户类型。我们执行递归分区(
如
分类树分析。基于基线问卷测量(人口统计数据;COVID-19担忧;21项抑郁、焦虑和压力量表的得分;以及使用WhatsApp的时间)。最后的树模型是一个流程图;在每个层次上选择因素来分类参与者的最大数量。婚姻状况、使用WhatsApp的时间和年龄是主要预测因素(模型分类准确率:64.2%;高于25%的概率水平)。
话语使用者更有可能是单身或正在约会，并且(1)对covid -19有极端程度的恐惧(或高或低程度的恐惧)，或(2)对基督教或道教信仰有中度恐惧。一组散漫用户和慢性用户一样，已婚或离异，对covid -19有中度的恐惧。然而，根据他们对政府的高信心，他们与慢性用户区别开来(慢性用户对政府的信心较低)。
最后，接收用户和最小用户具有相似的配置文件。如果他们是单身或正在约会，这两组用户往往有中等程度的covid -19相关恐惧，有广泛的宗教背景，并根据他们收到covid -19相关信息的时间来区分(接收用户:早上、晚上和全天;最小使用时间:下午和晚上)。如果他们是已婚或离婚，两组用户倾向于只在一天中的一个时间(早上、晚上或晚上)发送消息，并根据年龄进行区分(接收用户:年龄≥51岁;最小使用者:年龄<51岁)。
最后，我们进行了线性混合效应模型，以检验WhatsApp的使用是否与对COVID-19的担忧有关(
对COVID-19的想法(模型1)和对COVID-19的恐惧(模型2)的多层次模型作为参与者日常使用WhatsApp(个人聊天和群聊)的函数的参数估计。
| 模型和效果 | 估计，β (SE;95%置信区间) |
|
|
|||||
|
|
||||||||
|
|
|
|||||||
|
|
|
拦截 | 2.18 (0.07;2.05至2.31) | 32.81 (135.68) | <措施 | |||
|
|
|
时间(居中) | −03(. 01;−。05to 0) | −2.36 (297.02) | 02 | |||
|
|
|
每日个人聊天使用情况(主题之间) | .04点(02;0至0.07) | 2.36 (164.48) | 02 | |||
|
|
|
每日个人聊天使用情况(主题内) | 0 . 01;−。01to .02) | 0.42 (17.63) | .68点 | |||
|
|
|
每日群聊使用情况(科目间) | . 05 (06;−。06至17) | 0.89 (141.17) | .37点 | |||
|
|
|
每日群聊使用情况(主题内) | 0 (03;−。06至.05) | −0.08 (14.09) | 公布 | |||
|
|
|
|||||||
|
|
|
截距(受试者之间) | 56(。08;.42至.75) | 6.89 | <措施 | |||
|
|
|
剩余(科目内) | .37点(02;.33至.43) | 14.90 | <措施 | |||
|
|
|
自相关性(学科内部) | .24 (. 05;.14至.33) | 4.97 | <措施 | |||
|
|
||||||||
|
|
|
|||||||
|
|
|
拦截 | 2.10 (0.06;1.98至2.21) | 36.37 (144.90) | <措施 | |||
|
|
|
时间(居中) | −03(. 01;−。05to −.02) | −3.72 (249.13) | <措施 | |||
|
|
|
每日个人聊天使用情况(主题之间) | . 01 (. 01;−。02to .04) | 0.85 (155.44) | 点 | |||
|
|
|
每日个人聊天使用情况(主题内) | . 01 (. 01;−。01to .02) | 1.22 (24.97) | 。 | |||
|
|
|
每日群聊使用情况(科目间) | 02 (. 05;−。07to .12) | 0.49 (128.59) | .62 | |||
|
|
|
每日群聊使用情况(主题内) | −03(02;−。06至.01) | −1.42 (28.88) | 。 | |||
|
|
|
|||||||
|
|
|
截距(受试者之间) | 无误(06;.34至.58) | 7.47 | <措施 | |||
|
|
|
剩余(科目内) | . 21 (. 01;.18到.23) | 13.83 | <措施 | |||
|
|
|
自相关性(学科内部) | 点(. 05;到。16到。35) | 5.16 | <措施 | |||
一个的
超过一周的与covid -19相关的想法和恐惧。随着WhatsApp用户档案的变化，与covid -19相关的想法(上)和恐惧水平(下)的日常变化。灰色阴影区域代表95%的ci。
关于COVID-19的想法，在受试者之间的水平上，WhatsApp个人聊天的使用有显著影响(t164.48= 2.36;
对于与covid -19相关的恐惧，我们发现WhatsApp的任何使用变量都没有显著影响(最小
持续的大流行引起了人们对社交媒体在公共卫生中的作用的关注。在这种背景下，我们提出了第一个信息流行病学研究，以记录COVID-19内容通过WhatsApp的传播。通过跟踪一周的WhatsApp每日使用情况，我们发现(1)几乎每个参与者都参与了COVID-19聊天;(2)参与者更有可能分享或接收转发的消息，而不是参与有关COVID-19的对话。
我们观察到的转发邮件量引起了关注。在其他社交媒体平台上，转发行为与虚假信息的传播有关。例如，一项对450万条推特帖子的研究发现，虚假信息被分享的可能性比真实信息高出70%;相应地，任何单独的转发都有更高的概率包含虚假新闻而不是真实新闻。
关于转发的邮件携带虚假信息的程度[
除慢性用户外，我们的研究还发现，约三分之一(47/ 151,31.1%)的参与者接收了大量接触转发的COVID-19内容的用户。接收用户往往年龄较大(这与Facebook上的错误信息研究一致]
最后，我们还发现，在私人聊天中讨论COVID-19的WhatsApp用户全天更有可能想到COVID-19。由于类似形式的反刍(包括频繁和持续的思考)与临床抑郁症有关[
综上所述，我们在WhatsApp消息传输方面的发现对危机期间的公共卫生应对有几点影响。首先，我们对用户档案的分类为有针对性的风险沟通提供了基础。我们的研究结果表明，公共卫生机构可能需要主动联系长期用户和接收用户，他们处理了WhatsApp上转发的大量COVID-19内容。一种可能的干预措施可能是鼓励这些用户订阅WhatsApp官方频道以获取最新消息(例如世界卫生组织的最新消息)[
追踪WhatsApp聊天记录也可能为检测疾病爆发提供新的机会。数字流行病学这一新兴领域试图通过监测数字数据源(例如，通过谷歌搜索数据和Twitter帖子)来模拟疾病如何传播[
在报道这些发现时，我们注意到了一些局限性。首先，我们选择了应用最广泛的即时通讯应用whatsapp作为研究对象。目前还不清楚我们的研究结果是否适用于其他即时通讯应用(如Facebook Messenger和Telegram)。
第二，我们的征聘战略受到这一大流行病性质的限制。由于传染病方案和与危机有关的交流数量较多的时间较短[
最后，尽管体验抽样方法捕获了参与者在自然环境下使用WhatsApp的情况，但该方法仍然需要自我报告。通过扩展我们的发现，未来的研究将受益于WhatsApp使用的客观指标。
总之，我们首次使用经验抽样方法来捕捉WhatsApp上的COVID-19聊天记录。我们总共追踪了924天的聊天记录
七个定量的WhatsApp使用变量的相关矩阵。
潜在剖面分析的模型拟合指标。绝对值越小，模型拟合越好。
模型参数估计(组成员)。对COVID-19的想法(模型1)和对COVID-19的恐惧(模型2)的多层次模型的参数估计是参与者组成员的函数。
21项抑郁，焦虑和压力量表
新加坡国立大学
本研究由新加坡国立大学可信互联网和社区中心(CTIC-RP-20-09)授予JCJL的资助。第一作者(EYQT)的参与是由授予睡眠和认知中心的中心拨款资助的。
RREW、KJQH和JWEC参与了研究设计并收集了数据。EYQT和YES对数据进行了分析，并撰写了初稿。JCJL和EMWT构思了这项研究，监督了整个项目，并监督了数据分析和手稿准备。所有作者都对最终版本的手稿提供了反馈。
没有宣布。