Die Auswirkung von mobilen Geräten auf die Entwicklung und Gesundheit kleiner Kinder (iKids)

Qualitätssicherungsforscher, die die Messungen durchführen, sind in den Verfahren und der Analyse sehr erfahren. Die Ermittler verwenden nur validierte Tools, die in der Literatur gut etabliert sind. Die Exposition und Verwendung interaktiver elektronischer Geräte (z. B. Tablets und Smartphones) werden mit einer App gemessen, die über die Geräte des Teilnehmers (Android oder iOS) direkt auf Informationen zugreift, um die Bildschirmzeit und die App -Verwendung zu erfassen (Lind et al. . 2023). Die App wurde erfolgreich verwendet, um die Smartphone -Verwendung bei Kindern zu messen (Bagot et al., 2022; Wade et al., 2021).

Die Messung der aufkommenden Fähigkeiten, unser primäres Ergebnismaß, wurde in der Literatur validiert und weit verbreitet (Howard et al. 2017). Die Ermittler werden vor Beginn der Datenerfassung eine Checkliste für die Treueverwaltung verwenden, um die Praxis zwischen Forschern zu bewerten. Eine Reihe von sekundären Ergebnissen wird aufgezeichnet (d. H. BMI (kalibrierte Skalen und wiederholte Messungen), Bewegungsverhalten (Accelerometry Cliff et al. 2024), motorische Entwicklung (NIH Toolbox, Reuben et al., 2013), Eltern- und Kinderwechselwirkung (Stimq2, Cates et al. 2023). Diese Messungen wurden in der Sunrise-Studie verwendet, in der Daten in diesem Alter in 63 Ländern auf der ganzen Welt Daten zu Kindern sammelt (https://sunrise-study.com/) und in einem Protokoll (Okely et al., 2021) veröffentlicht werden (OKELY et al., 2021) .

Das Sunrise -Team wurden Schulungsvideos und -unterstützung zur Verfügung gestellt und wurden verwendet, um unser Studienprotokoll zu informieren. Da die Kinderentwicklung durch eine Reihe von Kovariaten beeinflusst wird, haben die Ermittler die am häufigsten gemeldeten in der Literatur ausgewählt und von unserer PPI -Gruppe vorgeschlagen (d. H. Geschlecht, Alter, ethnische Zugehörigkeit, mütterliche Bildung, Erziehungsstil (PSDQ-SV. Robinson et al. 2001), Teilnahme an Kinderbetreuung, elterliche Sucht von Smartphones (SAS-SV, Kwon et al., 2013) und Bildschirm anzeigen.

Datenverarbeitungsdatenerfassungsformulare wurden für anwendbare Maßnahmen erstellt, um die Dateneingabe und die Dateneingabe zu unterstützen. In Bezug auf die Datenverarbeitung und -analyse. Die Ermittler werden vorläufige Datenreinigung durchführen und untersuchen, ob die Werte kontinuierlicher Variablen innerhalb des Bereichs, Plausibilität von Mitteln und Standardabweichungen und Gültigkeit codierter Kategorien liegen. Die Ermittler bewerten Datenverteilungen und identifizieren alle univariaten Ausreißer aus grafischen Methoden und aus Fällen mit sehr großen, standardisierten Werten, die von anderen Bewertungen und multivariaten Ausreißern durch grafische Methoden und die Inspektion von Hebelwirkung/Mahalanobis -Entfernungen, Diskrepanz und Einflussstatistiken untersucht werden. Mögliche Fehler werden individuell untersucht. Die Ermittler werden auch das Ausmaß, das Muster und die Art fehlender Daten untersuchen. Wenn der Anteil der fehlenden Daten gering ist (unter 5%), berücksichtigen sie vollständige Fallanalysen. Wenn die Menge oder das Muster fehlender Daten eine vollständige Fallanalyse ausschließt, berücksichtigen die Ermittler die Datenimputation. Aufgrund ihrer Robustheit für die Art der Datenmangel werden mehrere Imputationen verwendet. Wenn die Imputation durchgeführt wird, werden Sensitivitätsstudien durchgeführt, indem die Ergebnisse aus Daten mit und ohne Imputation verglichen werden.

Datenanalyse Deskriptive Analyse Die Probe wird deskriptiv zusammengefasst. Die Ermittler melden die Anzahl der Kinder in jeder Bildungseinheit sowie die primären und sekundären Ergebnisse nach Zeitpunkt (Basislinie und Follow-up). Für kontinuierliche Ergebnisse werden zusammenfassende Informationen als Mittelwerte (Standardabweichungen (SD); Bereiche) dargestellt. Bei kategorialen Ergebnissen werden zusammenfassende Informationen als Frequenzen (Prozentsätze) dargestellt. Die Notwendigkeit variabler Transformationen zur Stabilisierung der Varianz oder zur Normalität wird bewertet.

Inferenzanalyse Die folgenden Testvariablen werden für die Analyse berücksichtigt: 1) IED -Dauer; 2a) IED -Modus -Bildung; 2b) IED-Modus altersgerecht.

1. Multilevel-Regressionsmodellierung des primären Ergebnisses Die Forscher konzipierten ein 2-stelliges zufälliges Multilevel-Modell, wobei Kinder innerhalb von Bildungseinheiten zusammengefasst sind. Dieses Modell wird EA bei der Follow-up als die Ergebnismaßnahme betrachten -Angemessene) zu Studienbeginn, kontrollieren Kovariaten auf Kinderebene (einschließlich EA-Basiswerte) und Kovariaten auf Bildungsebene, die mit EA bei Follow-up in einem Mehrebenenmodell verbunden sind, in dem Kinder innerhalb von Bildungseinheiten zusammengefasst sind? Der Varianz -Partitionskoeffizient (VPC; der Anteil der mit jeder Ebene des Modells verbundenen Restvarianz) wird über ein Nullmodell bewertet, bevor er zu einem Kovariatenmodell geht. Die Ermittler werden in Betracht ziehen, die Werte im Modell zu verschmelzen, wenn die VPC -Statistiken vernachlässigbare Clustering -Effekte (vernachlässigbare Restvarianz auf der Ebene der Bildungseinheit) ergeben. Eine nichtlineare multiple Regressionsmodellierung wird durchgeführt, wenn es nach Belegen für eine nichtlineare Beziehung zwischen dem Niveau der IED zu Studienbeginn und EA bei der Nachuntersuchung gibt, was ein einzelnes Maximum ermöglicht (entsprechend optimaler Ausgangsniveaus der Basis-IED)) oder Plateau; Andernfalls werden lineare Regressionsmodelle durchgeführt. Wenn Daten ein optimales IED-Nutzungsniveau angeben, das mit einem spezifischen Maximalwert des EA-Score bei der Nachuntersuchung verbunden ist, werden alternative nichtlineare funktionelle Formen mit Maxima- oder Plateauing-Merkmalen berücksichtigt, einschließlich Polynom (z. quadratische) und logarithmische Formen sowie stückweise Funktionen. Die Ermittler vergleichen die Anpassung mehrerer Verteilungen in der Nähe eines jeden Wendepunkts und wählen das am besten passende Modell in dieser Region aus, um die Genauigkeit zu maximieren, mit der der Maximalwert von EA erhalten werden kann. Konfidenzintervalle werden um die Funktion geeignet, um einen Wertebereich für den Maximalwert abzuleiten.

   Die Ermittler führen sowohl nicht ordnungsgemäß angepasste als auch einstellte Modelle durch, wobei angepasste Modelle für alle Kovariaten auf jeder Ebene des Modells angepasst sind. Nicht angepasste Modelle umfassen (i) die einzige Determinante des Niveaus der IED-Nutzung (Dauer) zu Studienbeginn, (ii) die Determinanten des vorherrschenden Modus zu Studienbeginn (wie oben definiert) und (iii) Determinanten der Dauer und der IED-Dauer und der IED Modus. Diese Determinanten werden auf der Kinderebene des Modells hinzugefügt. Interaktionen erster Ordnung werden in nicht angepasste Modelle einbezogen, um unterschiedliche Effekte bei der Beurteilung von IED-Nutzungsniveaus mit unterschiedlichen vorherrschenden Verwendungsmodi zu erfassen. Jede Wechselwirkung, die sich als wesentlicher Bedeutung ergibt, wird neben allen Haupteffekten in einem RE-Cast-Modell beibehalten. Angepasste Modelle basieren auf den eingeschlossenen Variablen sowohl der IED -Dauer als auch der vorherrschenden Modus von IEDs, jeglichen Wechselwirkungen von materieller Bedeutung und allen kontrollierenden Kovariaten auf der geeigneten Ebene des Modells. Die Ermittler verwenden keine automatisierten Modellierungsstrategien für die variable Auswahl und behalten alle Haupteffekte im angepassten Modell bei. Die Kollinearität wird jedoch in angepassten Modellen bewertet und die Deletion der Kontrolle von Kovariaten in Betracht ziehen, wenn eine übermäßige Kollinearität ersichtlich ist (Varianzinflationsfaktor> = 5 für eine Variable).

2. Multilevel -Regressionsmodellierung von Sekundärergebnissen Die Forscher führen eine multiple lineare Regressionsmodellierung für alle numerischen Sekundärergebnisse und mehrere logistische Regressionsmodellierung für das Binär -Sekundärergebnis -Maß durch die gleiche Modellstruktur wie für die Hauptanalyse des primären Ergebniss durch. Wenn für die Nichtlinearität zwischen dem Niveau der IED-Dauer und den sekundären Ergebnissen Beweise enthüllt werden, werden die Ermittler eine nichtlineare Modellierung für die Analyse des primären Ergebniss in Betracht ziehen. Andernfalls werden sie eine lineare Modellierung in Betracht ziehen. In beiden Fällen wird der gleiche Satz von Kovariaten und Wechselwirkungen für das primäre Ergebnis angepasst. Es werden keine Anpassungen für mehrere Analysen durchgeführt. Bei schwebenden Analysen werden alle Analysen a priori geplant und vollständig gemeldet.

3. Multilevel-Regressionsmodellierung: Nebenanalyse zur Untersuchung der sozioökologischen Korrelate der IED-Dauer im Einzelnen (Geschlecht, Alter und ethnischer Zugehörigkeit), zwischenmenschliche (mütterliche Bildung, Erziehungsstil und Smartphone-Sucht) sowie organisatorische (Kinderbetreuungspolitik und Teilnahme) Ebenen, Willen als Nebenanalyse unter Berücksichtigung der oben genannten Variablen als Determinanten von IED unter Verwendung der Variablen durchgeführt werden, die als Kontrollvariablen angegeben werden.

   Zufällige Abschnitte und multiple lineare Regressionsmodellierung zum Ergebnis der IED -Dauer werden zu Studienbeginn durchgeführt. Eine hierarchische Struktur von 2 Ebenen wird verwendet, wobei Variablen, die als individuell oder zwischenmenschlich auf der unteren Ebene (Kinder-) und Variablen angeschlossen sind, als organisatorisch angeschlossen sind, auf der oberen Ebene (Bildungseinheit) bezeichnet.

   Alle während dieses Prozesses aufgedeckten Beziehungen werden in zukünftigen Modellierung verwendet, um Hypothesen innerhalb eines breiteren Modellierungsrahmens für strukturelle Gleichung zu erzeugen.

4. Sensitivitätsanalyse und Datenberichterstattung für das primäre Ergebnis, besteht der Plan darin, Sensitivitätsanalysen durchzuführen, um die Sensitivität des Modells gegenüber bestimmten Annahmen zu bewerten, wie oben erwähnt. Die Ermittler vergleichen Parameterschätzungen von getesteten Variablen in nicht angepassten und angepassten Modellen. Für die mehrstufige Modellierung der Beziehung zwischen IED-Dauer und EA werden sowohl zufällige Steigungen als auch zufällige Intercepts-Modelle verwendet, um die Variation in Hängen zwischen Einheiten auf höherer Ebene zu bewerten. Wenn die Datenimputation praktikabel ist, werden Modelle mit und ohne unterstellte Daten ausgeführt (siehe "Datenreinigung und Bewertung fehlender Daten").

Für lineare und nichtlineare Regressionsmodelle kontinuierlicher numerischer Ergebnisse werden die Forscher in den Haupt- und Nebenanalysen alle nicht standardisierten Parameterschätzungen mit zugehörigen 95% -Konfidenzintervallen und P-Werten melden. Für logistische Regressionsmodelle werden alle Quotenverhältnisse mit zugehörigen 95% -Konfidenzintervallen und P-Werten gemeldet. Wenn ein nichtlinearer Trend nachweisen, melden die Ermittler die funktionelle Form der am besten passenden Kurve und identifizieren den Ort maximal oder beginnend mit Plateau-Effekten. Alle Regressionsmodellierungsannahmen werden überprüft, einschließlich der Homogenität der Varianz und der Normalität der Ergebnisvariablen für jeden Wert einer unabhängigen Variablen unter Verwendung der Restanalyse. Statistische Analysen werden unter Verwendung von MLWIN Version 3.06 (Charlton et al., 2022) und Stata Version 17 (Stata Corp 2021) durchgeführt.