互联网干预28（2022）100545在2019冠状病毒病大流行的背景下，通过互动反馈：一项基于网络的随机对照试验TimKaisera，*，IngaMöglinga，MatthiasFeldmannb，AlfonsHamma，Eva-LottaBrakemeiera， ba德国格赖夫斯瓦尔德大学b德国马尔堡大学A R T I C L EI N FO保留字：COVID-19预防反馈可视化A B S T R A C T背景：为了减缓COVID-19的传播，建议遵守基本卫生措施和物理距离。初步研究结果表明，特别是物理距离可以防止COVID-19的传播。目的：探讨如何提供预防传染病传播的信息，以提高遵守预防措施的意愿方法：在一项预先注册的在线实验中，817名受试者被展示了关于COVID-19传播的交互式可控图形和信息，使他们能够识别物理距离（实验组）或基于文本的定量证据信息（对照组）减少了COVID-19的传播。据推测，接收关于预防COVID-19感染的互动信息的参与者比阅读基于文本的信息的参与者显示出更高的遵守未来遏制措施的意愿。并对是否存在其他影响依从性的因素进行了相关性分析。结果：正如预测的那样，我们发现测试干预的影响较小（d= 0.22，95% CI：0.11; 0.23，p 0.001）。<探索性分析表明，研究后期依从性下降（r= -0. 10，95% CI：-0. 15;-0. 07）。依从性变化的另一个重要预测因素是与健康有关的焦虑，但影响微不足道。结论：当以交互方式呈现时，关于自己的行为如何有助于预防传染病的信息可以导致对行为预防措施的态度发生略强于仅仅基于文本的信息的变化。鉴于这一简单的基于互联网的干预措施的可扩展性，它可以在普遍预防战略范围内的大流行期间发挥促进遵守的作用。未来的工作，自我报告的依从性和现实世界的干预效果的预测有效性是必要的。1. 介绍1.1. 科学背景于2019冠状病毒病疫情第一阶段（2020年3月╱ 4月），社交媒体上的标签#stayhome（待在家里）迅速传播，提醒人们遵守社交及身体距离规定，以减缓2019冠状病毒病的传播。物理距离和明显的卫生措施被宣布为减缓疾病传播的最重要策略（世界卫生组织，2020年）。根据世界卫生组织的建议，在本文中，我们倾向于使用“身体距离”一词，而不是“社会距离“距离”，因为它是一种防止传播的物理隔离。然而，人们仍然可以通过技术等方式保持社会联系。意大利的初步研究结果表明，特别是物理距离可以预防或减缓COVID-19的传播（Dowd等人，2020年）。因此，向民众有效传达这些措施的紧迫性和意义至关重要，以促使人们遵守这些法规。然而，缺乏关于这些信息究竟应该是什么样子的研究，以说服和激励人们尽可能有效地坚持下去。因此，这项随机、对照在线研究旨在研究如何为一般人群设计信息，以提高对这些措施的接受度和依从性。*通讯作者：UniversitéatGreifswald，InstitutfürPsychologie，Franz-Mehring-Str aße47，17489Greifswald，Germany.电子邮件地址：tim. uni-greifswald.de（T.Kaiser）。https://doi.org/10.1016/j.invent.2022.100545接收日期：2021年6月8日;接收日期：2022年4月29日;接受日期：2022年5月4日2022年5月12日在线提供2214-7829/© 2022作者。由Elsevier B. V.发布，这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表互联网干预期刊主页：www.elsevier.com/locate/inventT. Kaiser等互联网干预28（2022）1005452根据计划行为理论（TPB;Ajzen，1991），意图由三个重要因素调节：个人态度（包括所有积极和消极的结果信念和评价），主观规范（对社会规范的感知和遵守意愿），以及感知的行为控制。TPB已被应用于广泛的健康行为研究（Hagger等人， 2016; McEachan等人，2011年; C.Q. Zhang等人， 2020年）。 这三个结构被发现可以成功地预测意图和行为[参见Armitage和Conner（2000）的评论]。在健康相关行为的背景下，TPB已经成功地应用于增加动机，例如戒烟（Norman等人，1999年）。可以得出结论，导致更少感染的顺从行为至少部分来自对未来行为的意图。目前的研究测试在COVID-19大流行的情况下，是否可以通过基于视觉反馈的在线练习来促进参与和保持身体距离的合规性。与统计风险争论是一种主要的技术，说服人们遵守与健康有关的行为和保护措施。在当前的COVID-19大流行期间，所有因此，信息被更精细地处理，这有助于学习（Marraffino等人， 2015年）， 减少 误解 （Geiffel等人，2015年），和较少的反驳，使即使是不一致的信息可能会被整合和先前的信念相应地改变。基于这项随机在线研究的这些发现，实验组的参与者被提供了交互式可控的指数曲线和使用具体例子的信息，使他们能够认识到，物理距离减少了COVID-19的传播[来源：Dowd et al.，2020; Signer和Warshaw，2020]。更详细地说，作为在线实验的一部分，实验组的参与者创建了可视化，显示COVID-10的假设传播取决于对社交距离的行为依从程度（完整描述，请参阅多媒体摘要X1）。对照组的参与者 将 获 得 德 国 机 构 提 供 的 简 单 文 本 信 息 （ BundeszentralefürGesundheitlicheAufk laürung ，2020;Robert KochInstitut，2020 ）。我们预测，与只阅读基于文本的信息的参与者相比，收到关于预防COVID-19感染的互动信息的参与者在事后坚持遏制措施的意愿明显更高。理据 为 促进 行为 变化 和 关闭是进行了实证分析，以检查是否其他根据本国或其他国家的感染流行率和发病率以及死亡率（不超过几周）。根据这些目前的外推观测结果，预测了哪些措施最有助于减缓扩散和使曲线平坦。因此，向公众提供的信息主要是概率和统计性质的（例如，使R因子小于1）。特别是，统计证据被发现可以有效地改变人们的判断和态度（Boster等人，2000; Campo等人，2004年）-比轶事证据更有力（Hoeken和Hustinx，2009年）。然而，使用统计信息的一个主要限制是人类对概率的估计在几个方面存在偏差（Sanborn和Chater，2016）。人类很难估计指数增长函数的变量过程（Levy和Tasoff，2016）。然而，统计信息主要作为纯粹基于文本的信息（即，数字），这可能不是信息呈现的最佳形式。我们在对照组中使用了这种流行的沟通形式因此，在我们的研究中，接受这种1.2. 目标在当前的在线实验中，我们想研究如何修改媒体表示，以增加参与者遵循疾病预防指南的意图。因此，我们提供了优化的沟通策略，假设这些策略可以提高对安全措施的依从性。在第一步中，我们试图通过将结果陈述为离散的感染病例数来增加对生长函数的理解（Hoffrage和Gigerenzer，1998; Munnich等人，2007年）。此外，我们添加了图形可视化，因为它们已经被证明提供了几个好处：首先，信息图形吸引注意力（Geigraphics et al.，2015年）。其次，当与文本和信息结合时，可视化支持学习（Kim等人，第三，他们在处理过程中确实需要较少的认知努力，留下空闲的容量，可以用来整合新信息并相应地调整态度（Stenning，1995）。在当前COVID-19大流行的背景下，康斯坦茨大学COVID-19快照监测（COSMO）的研究团队反复倡导关于行为措施的视觉支持信息（Betsch et al.，2020年）。然而，单独的可视化有时不足以在推理的背景下产生益处（Boster等人，2000; Micallef等人，2012年）。人们必须更多地参与材料并激活他们的先验知识（Kim等人，2017年）。可能的因素影响遵守。我们对变量的选择是在对COVID-19预防措施依从性的类似调查的指导下进行的（Clark et al.，2020年）。除了年龄和性别等社会人口统计学变量外，还将纳入一般健康状况，以探索自认为不太健康的受试者是否表现出更高的依从性。了解感染者，甚至有朋友或家庭成员感染COVID-19也会影响依从性，因此我们将感染者、朋友和家庭成员的数量作为探索性预测因素。最后，包括心理测量变量。焦虑和抑郁的症状可能反映了一种退缩的行为倾向，可能使保持身体距离变得不那么困难。自我报告的健康相关焦虑也被列为可能的预测因素，因为通常更谨慎的健康行为更可能使依从性更高。大五人格因素可能以各种方式与顺从性相互作用。虽然我们怀疑神经质和焦虑程度较高的人表现出更高的顺从性，但外向的人和对经验更开放的人可能会发现社会交往的长期减少更难以维持。根据TPB，对未来行为的感知控制是未来行为的预测因子。一个人能够自己控制未来行为的信心是最好的捕捉自我效能感（Bandura，1977）。因此，在本发明中，我们包括了一个自我效能量表来测量TPB的这一特定组成部分。2. 方法该研究由大学心理学系的机构审查委员会审查和批准。 的 马尔堡(Ref. 2020-27k）。它已在AsPredicted（ID #37823）预注册，并通过在线 调 查 平 台 “SoSciSurvey“ （ Leiner ， 2019 ） 实 施 。 用 户 可 通 过www.example.com查阅该调查https://www.soscisurvey。de/CorDis将于2020年3月27日至5月14日举行。使用的代码和数据分析结果可在https://osf.io/fnvmy/上查阅。2.1. 干预措施这是一项随机对照的实验研究，分为两组：交互信息（实验组）和文本信息（控制组）。使用随机数发生器实施随机化，该随机数发生器为两种条件（对照组和实验组）创建了平均分布的参与者数量。为此，只有在完成调查时才计算参与率，否则，下一名参与者输入与先前中止的试验相同的条件（抽签选项标签：相等T. Kaiser等互联网干预28（2022）1005453分发填写好的调查表（抽出而不放回）。2.1.1. 对照组“基于文本的信息”小组收到了基于罗伯特·科赫研究所和联邦健康教育中心（Bundes- zentrale für Gesundheitliche Aufk l aürung）的建议（定量证据）的信息文本。 为了确保参与者已经阅读并理解了这些信息，他们必须在之后回答三个理解问题。参与者被要求指出以下陈述是真是假：“隔离和社交距离只会保护你免受COVID-19的伤害。"，“如果可能的话，打喷嚏和咳嗽到一个一次性的handker-chief或你的手臂弯曲，并转身远离其他人”，“社会距离意味着，除其他外，尽可能呆在家里”。虽然第一个陈述应被评为“假”，但其余两个问题是“真”。未提供任何这些问题的正确答案的受试者被排除。2.1.2. 实验组The ‘interactive information在第一部分中，讨论了物理距离对病例总数的影响：一张图表显示了意大利两个城市（贝加莫和洛迪）的COVID-19感染发展情况，其中只有一个城市实施了接触限制（Dowd等人，2020年）。第二个重点是个人的影响，比较三种强度的遵守与物理距离行为（无论是没有，50%少接触，或75%少接触）。这些预测是基于钻石公主号游轮上的病毒传播（Signer和Warshaw，2020; S。Zhang等人，2020年）。实验条件的逐步图示在Multimedia ExhibitionX 1中给出可能的参与者在研究的URL之后会收到一个包含一般信息的介绍页面。仅当受试者确认其年龄至少为18岁且已阅读知情同意书页时，方可参与研究。接下来，受试者回答心理测量量表，然后是实验或控制任务。完成任务后，受试者填写试验后依从性量表。此外，他们还可以提供关于研究的自由文本评论。也可以选择输入电子邮件地址参加30€亚马逊代金券的抽奖活动。2.2. 问卷2.2.1. 社会人口数据在第一个调查页面上收集了社会人口变量。这包括年龄、性别、教育、职业和目前的居住地。还提出了关于职业情况的其他问题，如该人是否从事系统重要的职业，他或她是否可以在家工作，以及该人是否可以至少1.5我在工作中与其他人保持距离。具有系统重要性的职业包括警察、消防队、医疗和护理人员、粮食生产和分配、基础设施（电力、天然气、水、电信）、垃圾收集、农业、葬礼、广播和新闻。2.2.2. 健康信息评估受试者的健康状况。总体主观健康状况按1 - 5 Likert量表进行评定，范围从“非常差“到“非常好”。评估了可能表明COVID-19感染的当前症状。此外，受试者可以表明他们是否认识朋友、家人或熟人中的COVID-19感染者。2.2.3. 焦虑抑郁症状使用患者健康问卷-9（PHQ-9，Kroenke和Spitzer，2002）测量抑郁症状。PHQ-9是一种简要自我报告量表测量DSM-5标准的重性抑郁症。焦虑症状用广泛性焦虑症-7（GAD-7，Spitzer等人，2006年，由7个项目组成。GAD-7最初被构建用于筛查广泛性焦虑症，但此后已被证明是一般人群中焦虑的可靠且有效的测量（Plummer et al.，2016年）。此外，宾夕法尼亚州立大学的担忧问卷（Meyer et al.，1990）被用来捕捉过度的担忧。2.2.4. 人格十项人格调查表（TIPI，Gosling，Gosling等人， 2003）被用来作为大五人格特质（开放性E X经验，尽责性，E Xtraversion，可接受性，神经质）的简要测量。尽管TIPI很简短，但它与更长、更广泛使用的大五指标收敛得很好。这10个项目采用7分制的李克特量表进行评分，范围从1（“强烈不同意”）到7（“强烈同意”）。通过对每个维度的两项求平均值来获得比例值。2.2.5. 自我效能一般自我效能感量表（GSE，Schwarzer和Jerusalem，1995）被用来测量一般自我效能感。GSE经过验证并标准化，可用于33种不同的语言。这些项目是以这样一种方式制定的，即它们评估只要付出足够的努力就能实现目标和解决问题的主观信念。GSE的10个项目在4点Likert量表上评级，范围从1（“完全不正确”）到4（“E x不正确”）。2.2.6. 健康问题我们使用了来自弗莱堡人格调查表的“健康问题“量表（FPI，Faiberberg等人，1994年）。FPI是德语国家的一个普通人格量表。它主要用于临床和健康相关环境。该量表调查了非常谨慎的健康行为的各个方面，例如卫生行为，营养或经常与医生协商。该量表有12个项目，使用二元量表（“真”或“不真”）进行评分。2.2.7. 试验前和试验后的依从性：社交距离依从性量表主要结果是使用自我构建的量表测量的，该量表捕获了显示一系列疾病预防行为的意图。在显示两个不同的实验变化信息之前，通过以下问题文本询问受试者他们当前（试验前）对这些行为的依从性：“您在多大程度上遵守联邦政府控制COVID-19的以下措施？”。在展示实验信息后，使用以下问题文本来评估试验后的依从性：“您将来是否会遵循以下措施来遏制COVID-19？"。这些问题中的每一个都有九种与预防有关的行为。COVID-19的传播与人保持至少1.5米的距离与其他人保持至少2米的距离呆在家里不再与朋友和家人见面不要与50岁以上的人见面（与住户同住的人除外）不要与65岁及以上的老年人见面（与住户同住的老年人除外）不再与长期病患者见面（与住户同住者除外）• 遵守卫生规则• 别碰你的脸这些项目使用7分制的李克特量表进行评级，范围从1（·······T. Kaiser等互联网干预28（2022）1005454==2.3. 参与者2.3.1. 招聘程序受试者通过媒体分发问卷链接和附带信息招募。这项研究在德国报纸和社交媒体的报道中做了广告。作为奖励，有机会参加亚马逊代金券抽奖。600名受试者使用了该机会。由于这是一项在线调查，没有与参与者进行个人接触，因此制定了若干标准，以确保数据的质量。这些问题包括关于所提供信息内容的控制问题， 以及处理问卷的时间。排除了在短得令人难以置信的时间内完成研究的受试者（即，按照建议，比平均应答者快两倍以上（Leiner，2013））2.3.2. 样本量计划进行模拟以确定样本量。在模拟中，我们假设试验前的依从性受到自我效能、健康问题、焦虑和抑郁症状以及人格变量的影响。我们还预测了实验条件的小影响：实验组的受试者在试验后依从性量表上的得分预计高出0.2个标准差。为了检测这种效应，模拟显示需要N800的样本量才能检测到80%功效的小效应。补充材料中提供了模拟程序的详细信息，包括重现结果的代码。调查共开启4069次，1367人开始调查。908例受试者完成了研究。排除符合预定排除标准的受试者后，分析了817例受试者2.4. 统计分析对于主要假设，我们使用线性回归从试验前的依从性评分（试验前依从性）和表示组成员资格的二进制编码变量预测完成试验后的依从性量表值。对于探索性分析，我们纳入了其他预测因素，以确定其对依从意图的影响。变量包括PHQ-9、GAD-7、PSWQ、FPI-R、GSE总分以及TIPI因子分、年龄、性别、主观一般健康状况、家庭感染人数、近亲和远亲。此外，本发明还 纳入了计算自试验开始以来天数的变量。这样做是为了探索随着大流行的发展，是否可以观察到遵守情况的变化。最后，进行自举向后逐步回归，以确定最有影响力的其他变量。在此过程中，预测因子从初始完整模型中删除，直到Akaike信息准则（AIC）最小化。用自举法研究了预测因子选择的变异性.我们进行了10，000次自举运行，并仅保留在至少95%的运行中选择的预测因子。所有统计分析均使用R统计亲进行。语法语言（R Core Team，2020）。使用bootStepAIC软件包进行逐步回归（Rizopoulos，2022）。3. 结果3.1. 描述性统计量817名受试者（612名女性，201名男性，4名第三性别）被纳入分析（图1）。平均年龄为34.47岁（SD 13.99）。 107名（13.1%）受试者表示他们至少有一所中学Fig. 1. CorDis试验的CONSORT图。T. Kaiser等互联网干预28（2022）1005455==---毕业证书，318人（38.92%）有高中文凭，302人（36.96%）有大学或学院学位。47人（5.75%）具有博士学位。“其 他 “ 类 别 包 括 89 名（10.1% ）未受过正规教育、完成了学徒或职业毕业文凭的受试者。37.21%的调查对象仍在培训或学习中，50.80%的调查对象为在职或公务员。其余的参与者是自营职业者（4.28%）、失业者（2.10%）、退休者（4.28%）或纯粹的家庭主妇/家庭丈夫（1.35%）。如表1所示，在实验组和对照组之间观察到这些变量的显著差异。在对照组中，完成任务的中位时间（即，阅读信息）为69 s（MAD47.44）。实验组被试阅读课文并进行交互操作的时间为302.50 s（MAD= 151.97）.3.2. 与健康有关的数据和心理测量学大多数受试者认为他们的健康状况良好。5分项目的平均值为4.22（SD = 0.77，中位数=4）。只有14.44%的受试者选择“3“及以下。所有心理测量量表值的总结见表2。抑郁量表（PHQ- 9）的平均得分高于在代表性样本中观察到的值。德国人群（Hinz等人，2016年）。这相当于标准化平均差（Cohend）为0.68（95%置信区间：0.6; 0.76）。同样，该样本中的GAD-7高于德国标准样本的平均得分（Lowe et al.， 2008），对应于d= 0.61（95% CI：0.56; 0.66）。3.3. 试验后依从性结果总结见表3。很大一部分的结果差异（65.85%）是由试验前的依从性。正如预测的那样，我们还发现了交互信息条件的小影响的证据。平均而言，在互动信息条件下的受试者在试验后依从性量表上得分高出0.17分。组变量解释了1.17%的结果方差，相当于一个小的效应（r=0.11，d= 0.22）。3.3.1. 探索性分析自试验开始以来的天数解释了额外的1.06%表1实验组与对照组的人口学特征及差异性检验。表2研究中使用的所有心理测量量表的描述性统计是说SD中值MinMaxPHQ-96.355.135.000.0027.00Gad-75.274.474.000.0021.00PSWQ45.4912.3344.0019.0080.00TIPI开放性5.221.105.501.007.00TIPI责任心5.501.095.502.007.00TIPIEX平移4.321.384.501.007.00TIPI可接受性5.191.005.502.007.00TIPI神经质3.161.403.001.007.00GSE自我效能29.554.4830.0012.0040.00FPI-R健康问题5.702.396.000.0012.00注. SD：标准差，Min：观察到的最小值，Max：观察到的最大值。TIPI量表为平均评分，所有其他评分均为总分。表3检验主要假设的线性回归模型的结果预测器B95% CI中文（简体）P拦截1.54[1.32，1.77]13.39<0.001审前依从性0.77[0.74，0.81]40.18<0.001EX实验组0.17[0.11，0.23]5.36<0.001注.所有估计数都是非标准化的。通过分析计算的方差，这对应于一个小的影响（r0.10，d0.21），表明参与者谁加入研究后，在遵守略有下降。FPI健康问题量表对试验后依从性的影响显著但很小。 它解释了额外的0.16%的方差，这对应于微不足道的影响（r0.04，d 0.08）。互动信息组的效果在加入额外变量后保持稳定。模型的结果总结在表4的第二列中。自举逐步回归程序选择了三个预测因子：试验前依从性（100%的运行）、组变量（99.99%）和试验开始后的天数（99.93%）。其余的预测因子仅在82.08%的运行（FPI健康问题）或更少的运行中被选择。3.4. 可靠地更改合规值为了说明效果，我们根据试验前和试验后的依从性评分估计了所有受试者的可靠变化指数。我们使用了表4线性回归模型测试其他解释变量的结果EX差异的实验对照编号411 406预测因子b95% CIt（794）P年龄（岁），平均值（SD）34.5（14.1）34.4（13.9）t（814.98）= -0.16，p=.88截距1.16 [0.82，1.88] 4.30 0.001审前依从性0.76 [0.70，0.78] 38.01 0.001性别，女性，n（%）311（75.7%）301(74.1%）教育，n（%）χ2（1）=0.30，p=0.582EX实验组0.17 [0.11，0.23] 5.34 0.001PHQ-9-0.01 [-0.01，0.01]-1.17 0.242GAD-7 0.00 [ -0.01，0.01] 0.36 0.716中学62（15.1%）45（11.1%）x（1）=2.53，p=.11PSWQ 0.00 [0.00，0.01] 0.78 0.436高中142（34.5%）145(35.7%）大学学位148（36.0%）154χ2（1）=0.25，p=0.62χ2（1）=0.25，p=0.62FPI健康问题0.01 [0.00，0.03] 1.99 0.047开放度0.01 [ -0.010.02] 0.87 0.386责任心0.00 [ -0.01，0.02] 0.14 0.885(37.9%）2EX平移0.02 [ -0.01，0.02] 1.15 0.251博士5（1.2%）6（1.5%）×（1）=0.74，p=0.39其他41（10%）48（11.8%）χ2（1）=0.54，p=0.46可调范围0.00 [ -0.02，0.02]-0.15 0.883神经质0.01 [ -0.01，0.02] 0.63 0.531职业，n（%）培训/学习(37.7%）就业209（50.9%）206(50.7%）χ2（1）=0.04，p=0.84χ2（1）=0，p=12自我效能0.01 [-0.04，0.15] 1.20 0.231年龄（岁）0.00 [0.00，0.00]-0.94 0.346性别：男性-0.02 [-0.11，0.05]-0.58 0.561一般健康0.01 [ -0.03，0.05] 0.25 0.800家庭成员感染0.14 [ -0.03，0.39] 1.28 0.201失业10人（2.4%）7人（1.7%）x（1）=0.22，p=0.64T. Kaiser等互联网干预28（2022）1005456自营职业者12（2.9%）16（3.9%）χ2（1）=0.10，p=0.76退休17人（4.1%）18人（4.4%）χ2（1）=0.00，p=0.97家庭主妇/丈夫5（1.2%）6（1.5%）χ2（1）=0.00，p=0.98感染，密切关系-0.03 [-0.14，0.10]-0.46 0.645感染，远亲-0.03 [ -0.08，0.07]-0.67 0.505试验开始后的天数-0.01 [-0.01，-0.00]-5.18 0.001注.所有估计数都是非标准化的。T. Kaiser等互联网干预28（2022）1005457=对照组中前后评分之间的相关性（r0.78）作为可靠性测量。根据Jacobson和Truax（1992）提出的公式，1.05点的变化可以被认为是“可靠的”。 在交互信息组中，26名受试者（6.33%）的依从性得到了可靠的改善，而1名受试者在实验后的得分降低。384例受试者无可靠变化。对照组改善15例（3.69%），恶化7例，无变化384例。总体而言，实验组实现依从性显著改善的机会因此增加了2.63%。换句话说，38个人必须通过实验条件，才能有一个人表现出依从性的改善。4. 讨论在大流行期间，一个人的个体行为可以潜在地预防或引起新的感染（Islam等人，2020年）。这种行为的一个重要决定因素是行为意图。这种意图反过来又受到关于行为后果的现有信息的影响。在这项研究中，我们已经表明，这些信息的呈现方式可以在其中发挥作用。正如预测的那样，我们发现了一个小的干预效果。可靠的变化分析表明，一小部分参与者的态度发生了显著变化。然而，考虑到我们在实验条件下使用的信息呈现方法的高可扩展性，小的影响不一定是微不足道的。 如果像这项研究中使用的任务被放置在频繁访问的互联网网站上，成千上万的人可能会经历这样的干预，可能会导致更高的依从率。因此，带有反馈的交互式信息是建立对预防措施的遵守的灵活、成本效益高和快速适用的方式。 在我们的探索性分析中，我们将试验开始后的时间作为预测因素。这样做是为了考虑到随着大流行病的发展，人口水平可能发生的变化。后来参加的患者报告依从性较差。对此我们有两种可能的解释。第一，遵守情况可能会下降，因为一般很难在较长时间内维持保护措施。对这些措施可能已经产生了某种“疲劳“，在人口中。 第二，放宽内地与香港的接触限制，德国可能是造成这种影响的原因。学校从2020年5月3日开始逐步开放，商店、诊所和养老院从5月6日开始开放。这将与来自智能手机监视研究的证据一致（Jang等人，2021年）。在这里，从3月初到4月下旬，发现物理距离增加，后来慢慢地逐渐减少。 同样，可穿戴跟踪研究发现，活动跟踪记录的步数急剧下降，后来又发生了逆转（P'epin等人， 2020年）。FPI量表对健康相关焦虑量表的统计学显著性影响极小，难以解释。此外，它只包括在82%的自助模型选择运行，表明有限的可复制性。一个明显的解释是，在量表上获得高分的人表现出更多的“健康动机“，因此 更 有 可 能 更 快 地 适 应 他 们 的 行 为 ， 以 应 对 新 的 健 康 相 关 信息（Moorman和Matulich，1993）。然而，仅仅是项目内容的相似性也可能导致这种效果，因为我们的结果测量和FPI量表都询问了健康行为。值得注意的是，即使在考虑了许多其他变量之后，干预措施的效果仍然稳定。必须承认这项研究的一些局限性。首先，实验条件和对照条件的强度显著不同。在实验条件下，受试者在任务上花费的时间是其他人的五倍。因此，我们不能排除该影响纯粹基于对COVID-19传播相关信息的暴露增加。其次，我们的样本偏向于相对年轻，健康和受过高等教育的受试者。试验前依从性已经相当高，依从性低的受试者代表性不足。因此，仍然不清楚干预是否对所有级别都同样有效遵守。第三，干预只是基于早期针对COVID-19采取的法规，即，社交距离行为（感谢匿名评论者的评论）。我们没有研究其他措施，如戴口罩，是否也会从不积极的干预中受益。由于本研究关注的是健康信息的呈现形式，因此，我们认为互动干预所诱导的积极承诺转变也适用于其他措施。 但是，当然，这需要在未来的研究中加以研究。因此，本文反映了一块拼图，表明互动信息可能是一种有效的方式来呈现健康相关的信息。最后，目前还不清楚依从性量表的变化是否与疾病预防行为的变化有关。只有当干预的效果随着时间的推移而稳定，并且所使用的量表与相应的行为相关时，才会出现这种情况。未来的研究可以追求这种低门槛，互联网-基于反馈的干预，以测试其在其他健康行为领域的潜力。在疾病预防领域，进一步的研究可以回答本研究的开放问题。特别是，拟议的遵守比额表的预测价值将引起极大兴趣。另一个重要的方面是包括遵守额外的预防措施，这里没有包括。例如，戴口罩在很长一段时间内都不是世界卫生组织推荐的，因此这项研究的重点是身体距离。然而，目前，口罩在许多国家被认为是逐步放松封锁和接触禁令的重要组成部分（Chu等人，2020年）。在我们进行这项研究后，专家认为第二波COVID-19感染迫在眉睫（Xu和Li，2020）。现在，即使COVID-19第三波传播，普通民众也可以获得疫苗，但社交距离和戴口罩的措施仍然是减少感染的非常重要的措施。此外，未来未知病原体的爆发可能需要重新保持社交距离。由于研究表明，坚持安全措施的动机随着时间的推移而下降，因此探索促进坚持的动机的最后，互动信息和反馈具有优势，在基础广泛、内容和方法多样的一揽子措施的框架内，可能对减少传染病的传播作出微小的贡献。遵守道德标准所有实验均由马尔堡大学心理学系的机构审查委员会批准（参考文献2020- 27 k），并根据1964年赫尔辛基宣言竞合利益作者声明，他们没有已知的可能影响本文所报告工作附录A. 补充数据本 文 的 补 充 数 据 可 在 https ： //doi 网 站 上 找 到 。org/10.1016/j.invent.2022.100545。引用阿曾岛1991.计划行为理论。器官.行为举止。Hum.德西斯过程50，179-211.https://doi.org/10.15288/jsad.2011.72.322网站。阿米蒂奇，C.J.，Conner，M.，2000.社会认知模式与健康行为：结构性综述。心理学。Health 15（2），173-189. https://doi.org/10.1080/08870440008400299。班杜拉，A.，一九七七年自我效能：走向行为改变的统一理论心理学。Rev. 84（2），191-215. https://doi.org/10.1037/0033-295X.84.2.191网站。T. Kaiser等互联网干预28（2022）1005458=Betsch，C.，科恩湖Felgendreff，L.，Eitze，S.，施密德，P.，Sprengholz，P.，维勒湖，Schmich，P.，Stollorz，V.，拉姆哈特，M.，Bosnjak，M.，Omer，S.B.，Thaiss，H.，DeBock，F.，Von Rüden，U.，伊姆霍夫河，2020. 2019冠状病毒病快照监测（COSMO）-Welle 10（05.05.2020）. 心理档案 5月8日[2020年9月28日引用];[doi：10/gjw 3 zw]。博斯特，F.J.，卡梅隆，又名，Campo，S.，Liu，W.Y.，莉莉，J.K.，贝克，E.M.，Yun，K.A.，两千在有范例的情况下统计证据的说服力Commun. Stud.51（3），296-306. https://doi.org/10.1080/10510970009388525。BundeszentralefürGesundheitlicheAufklaürung，2020. BZgA：Verhaltensempfehlungenzum Schutz vor dem Coronavirus im Alltag [Internet]. 牛津大学出版社. https://www.bzga.de/aktuelles/2020-03-17-verhaltensempfehlungen-zum-schutz-v或-dem-coronavirus-im-alltag/[doi：10/fqvj34].Campo，S.，卡梅隆，又名，Brossard，D.，Frazer，M.S.，2004.社会规范和违反期望理论：评估健康传播活动的有效性。Commun. Monogr. 71（4），448-470。https://doi.org/10.1080/0363452042000307498。Chu，D.K.，Akl，E.A.，Duda，S.，Solo，K.，Yaacoub，S.，Schünemann，H.J.，Chu，D.K.，Akl，E.一、El-harakeh，A.，Bognanni，A.，Lotfi，T.，Loeb，M.，Hajizadeh，A.，Bak，A.，Izcovich，A.，Cuello-Garcia，CA，陈春，哈里斯，DJ，Borowiack，E.，Chamseddine，F.，Schünemann，F.，摩根诺，GP，MutiSchünemann，G.E.U.，陈，G.，赵，H.，诺伊曼岛，Chan，J.，Khabsa，J.，赫内尼湖 哈里森湖，史密斯，M.，Rizk，N.，Giorgi Rossi，P.，AbiHanna，P.，埃尔胡里河，Stalteri河，Baldeh，T.，皮戈特，T.，张玉，Saad，Z.，哈米斯，A.，Reinap，M.，Duda，S.，Solo，K.，Yaacoub，S.，Schünemann，H.J.，2020.物理距离，口罩和眼睛保护，以防止SARS-CoV-2和COVID-19的人际传播：系统回顾和荟萃分析。 柳叶刀395（10242），1973 -1987，10/ggx 83。克拉克角，Davila，A.，Regis，M.，Kraus，S.，2020. COVID-19自愿合规行为的预测因素：国际调查。球。Trans. 1（2），76-82，10/ ghz7zg.Dowd，J.B.，安德里亚诺湖Brazel，D.M.，Rotondi，V.，Block，P.，丁某，Liu，Y.，米尔斯，M。C.的方法，2020年。 人口科学有助于了解COVID-19的传播和死亡率。Proc. Natl. Acad. Sci.联合S. A. 117（18），9696-9698。Fauberberg，J.，汉佩尔河，Selg，H.，一九九四年 弗莱堡人发明了FPI。 RevidierteFASSUNFPI-RundteilweisegeüanderteFASSUNFPI-A1. Handanweisung，第6版。哥廷根的霍格雷费。Geiglit，N.，皮耶西瓦茨岛伊姆雷岛科曼岛，Yuran，D.，2015.互动图形在减少选民误解中的作用。目视Commun.
我的内容管理
展开
