Drivers of Acceptance of COVID-19 Proximity Tracing Apps in Switzerland: Panel Survey Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Digital proximity tracing apps have been released to mitigate the transmission of SARS-CoV-2, the virus known to cause COVID-19. However, it remains unclear how the acceptance and uptake of these apps can be improved. OBJECTIVE: This study aimed to investigate the coverage of the SwissCovid app and the reasons for its nonuse in Switzerland during a period of increasing incidence of COVID-19 cases. METHODS: We collected data between September 28 and October 8, 2020, via a nationwide online panel survey (COVID-19 Social Monitor, N=1511). We examined sociodemographic and behavioral factors associated with app use by using multivariable logistic regression, whereas reasons for app nonuse were analyzed descriptively. RESULTS: Overall, 46.5% (703/1511) of the survey participants reported they used the SwissCovid app, which was an increase from 43.9% (662/1508) reported in the previous study wave conducted in July 2020. A higher monthly household income (ie, income >CHF 10,000 or >US $11,000 vs income ≤CHF 6000 or <US $6600 [reference]: odds ratio [OR] 1.92, 95% CI 1.40-2.64), more frequent internet use (ie, daily [reference] vs less than weekly: OR 0.37, 95% CI 0.16-0.85), better adherence to recommendations for wearing masks (ie, always or most of the time [reference] vs rarely or never: OR 0.28, 95% CI 0.15-0.52), and nonsmoker status (OR 1.32, 95% CI 1.01-1.71) were associated with an increased likelihood for app uptake. Citizenship status (ie, non-Swiss citizenship vs. Swiss [reference]: OR 0.61, 95% CI 0.43-0.87), and language region (French vs Swiss German [reference]: OR 0.61, 95% CI 0.46-0.80) were associated with a lower likelihood for app uptake. Further analysis in a randomly selected subsample (n=712) with more detailed information showed that higher levels of trust in government and health authorities were also associated with a higher likelihood for app uptake (ie, high vs low [reference] trust: OR 3.13, 95% CI 1.58-6.22). The most frequent reasons for app nonuse were lack of perceived benefit of using the app (297/808, 36.8%), followed by the lack of a compatible phone (184/808, 22.8%), and privacy concerns (181/808, 22.4%). CONCLUSIONS: Eliminating technical hurdles and communicating the benefits of digital proximity tracing apps are crucial to promote further uptake and adherence of such apps and, ultimately, enhance their effectiveness to aid pandemic mitigation strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle