Die ersten Jahre weg von zu Hause: Loslassen und verbunden bleiben (FYAH:LGSC)

Dies ist eine randomisierte kontrollierte Studie (RCT) mit zwei experimentellen Bedingungen (Handbook und Handbook+) und einer Kontrolle. Jede Bedingung besteht aus 450 Schüler/Eltern-Dyaden, etwa die Hälfte in Kohorte 1 und die Hälfte in Kohorte 2. Die Teilnehmer werden aus den Studienanfängerklassen an der Washington State University in den Jahren 2017 und 2018 von der Social Development Research Group (SDRG) rekrutiert Universität von Washington. Eltern in beiden Versuchsbedingungen erhalten im Sommer vor Schulbeginn ein Handbuch. Das Handbuch enthält Vorschläge für Gesprächseinstiege, Checklisten und Aktivitäten, die von der Eltern-Schüler-Dyade durchgeführt werden sollten. Die Aktivitäten basieren auf der Theorie der sozialen und emotionalen Entwicklung und sind darauf ausgelegt, Risiko- und Schutzfaktoren für diese Altersgruppe beim Übergang zu einem von den Eltern unabhängigen Leben anzusprechen. Handbuch plus Eltern erhalten im Herbst- und Frühjahrssemester zusätzlich periodische SMS-Nachrichten, die sie teilweise über wichtige universitäre Veranstaltungen (z. B. Fußball-Heimspiele) informieren sollen, die als Risikozeiten bekannt sind. Jede Kohorte wird zwei Jahre lang beobachtet. Eltern füllen Umfragen zu Studienbeginn (Frühjahr vor Studienbeginn) und im Herbstsemester aus. Die Schüler füllen in den ersten beiden Schuljahren zu Studienbeginn und jedes Semester Umfragen aus.

Spezifische Ziele des Projekts sind wie folgt:

Ziel 1: Testen Sie die Wirksamkeit von „Loslassen und Verbunden bleiben“, einer theoretisch geleiteten, entwicklungsorientierten und empirisch gestützten Handbuchintervention für Eltern von Schülern, die ins College wechseln. Die Ermittler gehen davon aus, dass Schüler unter den Bedingungen des Handbuchs weniger Risikoverhalten zeigen, einschließlich der Initiierung, Verwendung und des Missbrauchs von Substanzen (Alkohol, Marihuana, Opiate und verschreibungspflichtige Stimulanzien) und HIV/Sex-Risikoverhalten. Infolgedessen werden die Handbook-Studenten auch weniger körperliche, emotionale, soziale und akademische Schäden melden. Die Ermittler werden eine Kontrollbedingung im Vergleich zu einer „Nur-Handbuch“- und einer „Handbuch-Plus“-Bedingung testen (eine verbesserte Version der Intervention, die einen strategisch zeitgesteuerten Short Message Service und/oder E-Mails hinzufügt, um die Nutzung der Intervention zu erhöhen).

Ziel 2: Testen theoretisch spezifizierter Vermittlungswege zwischen der Handbuchnutzung und den erwarteten Interventionsänderungen im Risikoverhalten/assoziierten Schäden. Die Ermittler erwarten, dass die Wirkung des Handbuchs auf die Ergebnisse der Schüler durch das Verhalten von Eltern und Schülern vermittelt wird, wie im folgenden Pfad beschrieben: 1) Elternbeteiligung an und Nutzung der Intervention 2) Elternpraktiken in Familienmanagement, Autonomieunterstützung, und emotionale Unterstützung 3) Von den Schülern wahrgenommene Belohnungen für gesundes Verhalten 4) Gesunde Verbindungen zu Eltern und Gleichaltrigen 5) Gesunde Überzeugungen und klare Standards, die zu 6) Reduziertem Substanzkonsum und sexuellem Risikoverhalten führen; erhöhte schulische Leistung.

Ziel 3: Identifizieren Sie spezifische Merkmale der Eltern-Schüler-Kommunikation, die den Drogenkonsum und das HIV/Sex-Risikoverhalten der Schüler vorhersagen und damit korrelieren. Zu Beginn ihres ersten Semesters werden die Ermittler die Schüler über 2 Zeiträume von 7 Tagen intensiv befragen, um mehr über ihre tägliche Kommunikation mit den Eltern und ihr tägliches Risikoverhalten zu erfahren. Da in diesem Entwicklungsstadium wenig über die Kommunikation zwischen Eltern und Schülern bekannt ist, werden die Ermittler deskriptive und explorative Analysen zu Inhalt, emotionalem Ton, Zeitpunkt, Dauer, Art und Häufigkeit der Kommunikation der Eltern mit ihren Schülern durchführen und untersuchen, wie diese Aspekte Kommunikation beziehen sich auf das Risikoverhalten von Schülern und die damit verbundenen Schäden sowohl auf zwischenmenschlicher als auch auf innermenschlicher Ebene.

Die SDRG verfügt über umfangreiche Erfahrung in den Bereichen Rekrutierung, Datenerfassung, Datenmanagement und Datensicherheit. Der detaillierte Datensicherheits-Überwachungsplan der Ermittler enthält Informationen über spezifische Verfahren, die zum Schutz der Teilnehmerinformationen verwendet werden. Die Ermittler werden unterrepräsentierte Studenten im Verhältnis zu den Studentenprozentsätzen der Washington State University (WSU) rekrutieren. SDRG verfügt auch über umfangreiche Erfahrung in der Bindung von Studienteilnehmern, in einigen Studien über mehr als 20 Jahre.

Datenreinigung. Die Ermittler führen Tests auf Werte außerhalb des Bereichs, Konsistenz über Messpunkte hinweg, Normalität und einflussreiche Ausreißer durch. Die Ermittler werden alle Probleme der Voreingenommenheit im Zusammenhang mit Ausreißern mit anerkannten Techniken (z. Analysen, die robust gegenüber der Verletzung von Annahmen sind). Die Zählungen dichotomer Substanzkonsumvariablen sind häufig verzerrt; Die Ermittler verwenden Log-Transformationen von Variablen und geeignete Analysen (z. Überlebensanalyse oder Poisson-Regressionen) nach Bedarf.

Auswahl und Attrition. Die randomisierte Auswahl von Studenten für die Einladung zur Studie sollte eine repräsentative Stichprobe der Studentenpopulation sicherstellen, und zahlreiche Studien haben die Fähigkeit der Survey Research Division der SDRG gezeigt, über 90 % der Befragten über mehr als 10 Jahre zu halten. Die Ermittler testen jedoch auf unterschiedliche Teilnahme und Abnutzung sowie auf die Wahrscheinlichkeit von voreingenommenen Ergebnisschätzungen; Falls erforderlich, modellieren die Ermittler diese Effekte und wenden Korrekturtechniken an.

Variabilität in der Implementierung und Dosierung. Insbesondere bei einer selbst durchgeführten Intervention sind Durchführung und Dosierung nicht zufällig verteilt – beispielsweise können Eltern in der Interventionsbedingung, die besonders motiviert oder konform sind, alle Aktivitäten ausführen, während andere auswählen und auswählen können. Die nicht-zufällige Verteilung von Interventionskomponenten über Interventionsteilnehmer verwirrt die Fähigkeit, kausale Rückschlüsse auf Programmeffekte zu ziehen, und verschleiert die Mechanismen von Programmeffekten, indem die Implementierung als ein binäres Ereignis behandelt wird. Zusätzlich zu Intent-to-treat-Analysen werden die Ermittler neuere methodische Fortschritte anwenden, die eine Schätzung, Modellierung und Kontrolle von Auswahleffekten bei der Implementierung durch Verwendung von Neigungsbewertung und inverser Wahrscheinlichkeitsgewichtung ermöglichen.

Fehlende Daten. Wenn Befragte Elemente überspringen oder einen oder mehrere Datenerhebungspunkte auslassen, können fehlende Daten zu Verzerrungen führen und die Wahrscheinlichkeit von Fehlern erster Art erhöhen. Die primären Analyseansätze der Ermittler verwenden Full Information Maximum Likelihood (FIML)(38), um fehlende Daten zu verwalten. Bei übermäßigem Fehlen verwenden die Ermittler Mehrfachimputationen.

Familienfehler. Die Ermittler werden zusammenfassende Variablen von Risikoverhalten/Schäden verwenden, aber die Ermittler werden auch separate Analysen für jedes Risikoergebnis durchführen, um einen genaueren Blick auf einzelne Substanzen zu erhalten, was die Wahrscheinlichkeit eines Typ-1-Fehlers erhöht. Auch die Reaktionen auf Substanzkonsum-Items sind wahrscheinlich stark korreliert; In solchen Fällen neigen Bonferroni-Standardkorrekturen dazu, übermäßig konservativ zu sein, mit einer höheren Wahrscheinlichkeit eines Typ-2-Fehlers. Resampling-Verfahren (z. Statistical Analysis Software (SAS) Procedure MULTTEST) sind leistungsstärker als der Bonferroni-Test und können auf kategoriale, kontinuierliche und zensierte Datentests, Mixed-Method-Analysen von Between-Subjects-Effekten und longitudinale Within-Subject-Tests angewendet werden(15,148). Gegebenenfalls wird eine globale Teststatistik verwendet.

Analysen: Ziel 1: Um den Einfluss der Intervention auf Veränderungen im Laufe der Zeit zu messen, modellieren die Ermittler latente Wachstumskurven (LGC) für jedes der hypothetischen Ergebnisse. Zunächst werden bedingungslose Modelle geschätzt, um die erwartete Eskalation über 5 Datenwellen hinweg zu bestätigen. Die Ermittler erwarten ein Zwei-Faktoren-Modell: einen Intercept-Faktor, der auf Pre-Test-Niveaus eingestellt ist, und einen linearen Neigungsfaktor, der mit Faktorladungen geschätzt wird, um den Pre-Test als Intercept und ungleiche Intervalle zwischen den Erhebungen anzuzeigen. Eine nichtlineare Steigung wird unter Verwendung quadratischer Formen für Belastungen geschätzt, jedoch erwarten die Untersucher hauptsächlich lineare Anstiege über alle 5 Zeitpunkte. Typischerweise wird eine Kovarianz zwischen dem Achsenabschnitt und den Steigungsfaktoren geschätzt, um die Vortestniveaus des Ergebnisses zu kontrollieren. Steuervariablen werden im nächsten Schritt hinzugefügt. Schließlich wird eine Interventionsgruppenzuordnung (in Form von 2 Dummy-Variablen) als Prädiktoren für den Mittelwert und die Varianz des Steigungsfaktors hinzugefügt (eine zufällige Zuordnung sollte Gruppeneffekte auf den Schnittpunktsatz beim Vortest ausschließen). Die Ermittler erwarten, dass diese Parameter signifikante Mittelwerte mit positiver Steigung und Varianzen im unbedingten Modell und im minimal bedingten Modell widerspiegeln. In den endgültigen Modellen wird angenommen, dass Interventions-Dummy-Variablen im Vergleich zur Kontrollbedingung signifikant negative Auswirkungen auf den Steigungsmittelwert und die Varianz haben, was darauf hinweist, dass beide Interventionsbedingungen die Eskalationsrate des Risikoverhaltens und der Folgen und auch die Variabilität dieser Ergebnisse verringert haben. Durch Manipulation der Codierung von Dummy-Variablen können die Untersucher dann den Vergleich zwischen H und H+ mit der Erwartung testen, dass die H+-Parameter deutlich stärker negativ ausfallen als die für H.

Ziel 2: Vorläufige Intent-to-Treat-Analysen (ANCOVA) werden bei Mediatoren bei jeder Nachuntersuchung durchgeführt, wie oben für die Ergebnisse beschrieben. Anschließend werden die oben beschriebenen LGC-Analysen um vermittelnde Variablen erweitert. Vor der Schätzung der Mediation wird jedoch jeder Mediator im Laufe der Zeit in einem LGC-Modell modelliert, um seine Form (Achsenabschnitt, lineare Steigung und quadratische Steigung) zu bestimmen, die von Kontrollvariablen abhängig ist, wie für die Ergebnisse in Ziel 1 beschrieben. Im Fall von Mediatoren sind die Steigungsfaktoren weniger vorhersagbar, obwohl im Allgemeinen erwartet wird, dass diese positiven Elternschafts- und Eltern-Schüler-Beziehungsfaktoren im Laufe der Zeit abnehmen. Sobald geeignete Veränderungsmodelle bestimmt wurden, werden gleichzeitige/parallele Wachstumsprozesse bei Mediatoren und Ergebnissen geschätzt. Parallelprozess-Längswachstumsmodellierung (LGM) ist eine Technik, die verwendet wurde, um die Wechselbeziehungen zwischen verschiedenen Entwicklungsergebnissen, einschließlich gleichzeitig auftretendem Drogenkonsum und Kriminalität, bei Jugendlichen und jungen Erwachsenen zu untersuchen und die Mechanismen präventiver Interventionseffekte zu testen. Im letzten Schritt werden die parallelen Prozessmodelle um die Interventionsgruppenstatus-Dummy-Variablen ergänzt.

Ziel 3: Angesichts des explorativen Charakters dieses Ziels gibt es keine Hypothesen. Beachten Sie, dass Änderungen in der Kommunikation nicht postuliert werden, um Interventionseffekte zu vermitteln. Wenn jedoch signifikante Beziehungen zwischen Interventionsstatus und Kommunikationsmaßnahmen gefunden werden, können explorative Analysen nur an der Kontrollgruppe durchgeführt werden, um ätiologische Beziehungen besser widerzuspiegeln, die nicht durch mögliche Interventionseinflüsse verfälscht werden. Vorläufige Analysen konzentrieren sich auf die Beschreibung von Ebenen und Variabilität in Inhalt, emotionalem Ton, Timing, Dauer, Modus und Häufigkeit und auf die Entwicklung geeigneter zusammenfassender Bewertungen, um diese Faktoren auf der Grundlage von Berichten aus den Time Line Follow Back-Umfragen am besten widerzuspiegeln. Latente Klassenanalysen (LCA) mit Maximum-Likelihood-Schätzung und robusten Standardfehlern werden verwendet, um die Kommunikationsmuster zwischen Eltern und Schülern unter Verwendung dieser zusammenfassenden Ergebnisse zu untersuchen. Die Ermittler werden empirisch basierte Klassen von Teilnehmern basierend auf Inhalt, emotionalem Ton, Timing, Dauer, Modus und Häufigkeit ableiten. Dies beinhaltet die Schätzung einer Reihe von Modellen, um die Anzahl der eindeutigen Klassen zu bestimmen, die am besten zu den Daten passen, indem das Bayes'sche Informationskriterium, der nach Lo-Mendell-Rubin angepasste Likelihood-Ratio-Test und der parametrische Bootstrapped-Likelihood-Ratio-Test modellübergreifend verglichen und die meisten ausgewählt werden Sparsames Modell mit bester Passform.