Primeros años lejos de casa: dejarse ir y mantenerse conectado (FYAH:LGSC)

Este es un ensayo controlado aleatorizado (RCT) con dos condiciones experimentales (Handbook y Handbook+) y un control. Cada condición estará compuesta por 450 díadas de estudiantes/padres, aproximadamente la mitad en la Cohorte 1 y la mitad en la Cohorte 2. Los participantes serán reclutados de las clases de primer año entrantes en la Universidad Estatal de Washington en 2017 y 2018 por Social Development Research Group (SDRG) en Universidad de Washington. Los padres en ambas condiciones experimentales recibirán un manual en el verano antes de que comiencen las clases. El manual contiene temas de conversación sugeridos, listas de verificación y actividades para ser completadas por la díada padre/estudiante. Las actividades se basan en la teoría del desarrollo social y emocional y están diseñadas para abordar los factores de riesgo y protección para este grupo de edad a medida que pasan a vivir independientemente de los padres. Además, los padres de Handbook plus recibirán mensajes de texto periódicamente durante los semestres de otoño y primavera, algunos de los cuales están diseñados para informarles sobre los principales eventos universitarios (por ejemplo, partidos de fútbol en casa) que se sabe que son períodos de alto riesgo. Cada cohorte será seguida durante dos años. Los padres completan las encuestas al inicio (primavera antes de que comiencen los estudiantes) y en el semestre de otoño. Los estudiantes completan encuestas al inicio y cada semestre durante sus primeros dos años en la escuela.

Los objetivos específicos del proyecto son los siguientes:

Objetivo 1: Probar la eficacia de Letting Go and Staying Connected, un manual de intervención teóricamente guiado, enfocado en el desarrollo y respaldado empíricamente para padres de estudiantes en transición a la universidad. Los investigadores plantean la hipótesis de que los estudiantes en las condiciones del Manual participarán en menos conductas de riesgo, incluida la iniciación, el uso y el abuso de sustancias (alcohol, marihuana, opiáceos y estimulantes recetados) y conductas de riesgo relacionadas con el VIH/sexo. Como resultado, los estudiantes del Manual también reportarán menos daños físicos, emocionales, sociales y académicos. Los investigadores probarán una condición de control frente a una condición "Solo manual" y "Manual adicional" (una versión mejorada de la intervención que agrega un servicio de mensajes cortos programados estratégicamente y/o correos electrónicos diseñados para aumentar la utilización de la intervención).

Objetivo 2: Probar vías de mediación teóricamente especificadas entre la utilización del Manual y los cambios de intervención esperados en comportamientos de riesgo/daños asociados. Los investigadores esperan que el efecto del Manual en los resultados de los estudiantes esté mediado por los comportamientos de los padres y los estudiantes, como se describe en el siguiente camino: 1) Participación de los padres y uso de la intervención 2) Prácticas de los padres en la gestión familiar, apoyo a la autonomía, y apoyo emocional 3) Recompensas percibidas por los estudiantes por comportamientos saludables 4) Conexiones saludables con padres y compañeros 5) Creencias saludables y estándares claros que conducen a 6) Reducción del uso de sustancias y comportamientos sexuales de riesgo; mayor rendimiento académico.

Objetivo 3: Identificar atributos específicos de la comunicación entre padres y alumnos que predicen y covarían con el uso de sustancias de los alumnos y los comportamientos sexuales/de riesgo relacionados con el VIH. A principios de su primer semestre, los investigadores encuestarán a los estudiantes de forma intensiva durante 2 períodos de 7 días para conocer su comunicación diaria con los padres y sus conductas de riesgo diarias. Debido a que se sabe poco sobre la comunicación entre padres y alumnos en esta etapa de desarrollo, los investigadores realizarán análisis descriptivos y exploratorios sobre el contenido, el tono emocional, el momento, la duración, el modo y la frecuencia de la comunicación de los padres con sus alumnos y examinarán cómo esos aspectos de la comunicación. la comunicación se relacionan con los comportamientos de riesgo de los estudiantes y los daños asociados tanto a nivel entre personas como dentro de la persona.

El SDRG tiene una amplia experiencia en contratación, recopilación de datos, gestión de datos y seguridad de datos. El Plan de Monitoreo de Seguridad de Datos detallado de los investigadores contiene información sobre procedimientos específicos utilizados para salvaguardar la información de los participantes. Los investigadores reclutarán estudiantes subrepresentados en proporción a los porcentajes de estudiantes de la Universidad Estatal de Washington (WSU). SDRG también tiene una amplia experiencia en la retención de participantes en estudios, en algunos estudios durante más de 20 años.

Limpieza de datos. Los investigadores realizarán pruebas para valores fuera de rango, consistencia entre puntos de medición, normalidad y valores atípicos influyentes. Los investigadores abordarán cualquier problema de sesgo relacionado con valores atípicos utilizando técnicas aceptadas (p. análisis robustos a la violación de supuestos). Los recuentos de las variables dicotómicas de consumo de sustancias suelen estar sesgados; los investigadores utilizarán transformaciones logarítmicas de variables y análisis apropiados (p. análisis de supervivencia o regresiones de Poisson) según sea necesario.

Selección y desgaste. La selección aleatoria de estudiantes para invitarlos al estudio debe garantizar una muestra representativa de la población estudiantil, y numerosos estudios han demostrado la capacidad de la División de Investigación de Encuestas del SDRG para retener a más del 90 % de los encuestados durante más de 10 años. Sin embargo, los investigadores evaluarán la participación y el abandono diferenciales y la probabilidad de estimaciones de resultados sesgadas; si es necesario, los investigadores modelarán esos efectos y emplearán técnicas de corrección.

Variabilidad en la aplicación y dosis. Particularmente en el caso de una intervención autoadministrada, la implementación y la dosis no se distribuyen al azar; por ejemplo, los padres en la condición de intervención que están particularmente motivados o cumplen pueden realizar todas las actividades, mientras que otros pueden elegir. La distribución no aleatoria de los componentes de la intervención entre los participantes de la intervención confunde la capacidad de sacar inferencias causales sobre los efectos del programa y oscurece los mecanismos de los efectos del programa al tratar la implementación como un evento binario. Además de los análisis por intención de tratar, los investigadores emplearán avances metodológicos recientes que permiten la estimación, el modelado y el control de los efectos de selección en la implementación mediante el uso de puntuación de propensión y ponderación de probabilidad inversa.

Datos perdidos. Cuando los encuestados se saltan elementos o pasan por alto uno o más puntos de recopilación de datos, los datos faltantes pueden introducir sesgos y aumentar la probabilidad de errores de tipo I. Los enfoques analíticos primarios de los investigadores utilizan la probabilidad máxima de información completa (FIML) (38) para administrar los datos faltantes. En caso de faltas excesivas, los investigadores utilizarán la imputación múltiple.

Error familiar. Los investigadores utilizarán variables resumidas de comportamientos/daños de riesgo, pero también realizarán análisis separados para cada resultado de riesgo para proporcionar una visión más detallada de las sustancias individuales, lo que aumenta la probabilidad de un error de tipo 1. También es probable que las respuestas a los ítems de uso de sustancias estén altamente correlacionadas; en tales casos, las correcciones estándar de Bonferroni tienden a ser demasiado conservadoras con una mayor probabilidad de error de tipo 2. Procedimientos de remuestreo (por ej. El procedimiento de software de análisis estadístico (SAS) MULTTEST) son más potentes que la prueba de Bonferroni y se pueden aplicar a pruebas de datos categóricos, continuos y censurados, análisis de métodos mixtos de efectos entre sujetos y pruebas longitudinales dentro del sujeto(15,148). Se utilizará una estadística de prueba global cuando corresponda.

Análisis: Objetivo 1: Para medir el impacto de la intervención en el cambio a lo largo del tiempo, los investigadores modelarán curvas de crecimiento latente (LGC) para cada uno de los resultados hipotéticos. Primero, se estimarán modelos incondicionales para confirmar la escalada esperada en 5 oleadas de datos. Los investigadores esperan un modelo de dos factores: un factor de intercepción establecido en niveles previos a la prueba y un factor de pendiente lineal estimado con cargas factoriales establecidas para indicar la prueba previa como intercepción e intervalos desiguales entre encuestas. Se estimará una pendiente no lineal utilizando formas cuadráticas para las cargas, sin embargo, los investigadores esperan aumentos principalmente lineales en los 5 puntos de tiempo. Por lo general, se estima una covarianza entre los factores de intersección y pendiente para controlar los niveles previos a la prueba del resultado. Las variables de control se agregarán en el siguiente paso. Finalmente, la asignación del grupo de intervención (en forma de 2 variables ficticias) se agregará como predictores de la media y la varianza del factor de pendiente (la asignación aleatoria debe evitar los efectos del grupo en el conjunto de intercepción en la prueba previa). Los investigadores esperan que estos parámetros reflejen medias de pendiente positiva significativa y varianzas en el modelo incondicional y el modelo mínimamente condicional. En los modelos finales, se supone que las variables ficticias de intervención tienen efectos negativos significativos en la media de la pendiente y la varianza en comparación con la condición de control, lo que indica que ambas condiciones de intervención redujeron la tasa de escalada en los comportamientos de riesgo y las consecuencias y también redujeron la variabilidad en estos resultados. Al manipular la codificación de variables ficticias, los investigadores pueden probar la comparación entre H y H+ con la expectativa de que los parámetros de H+ sean significativamente más negativos que los de H.

Objetivo 2: Se realizarán análisis preliminares por intención de tratar (ANCOVA) en los mediadores en cada seguimiento, como se describe para los resultados anteriores. Luego, los análisis de LGC descritos anteriormente se extenderán para incluir variables mediadoras. Sin embargo, antes de estimar la mediación, cada mediador se modelará a lo largo del tiempo en un modelo LGC para determinar su forma (intersección, pendiente lineal y pendiente cuadrática) condicionada a las variables de control como se describe para los resultados en el Objetivo 1. En el caso de los mediadores, los factores de pendiente son menos predecibles, aunque en general se espera que estos factores de crianza positiva y relación padre-alumno disminuyan con el tiempo. Una vez que se hayan determinado los modelos de cambio apropiados, se estimarán los procesos de crecimiento simultáneos/paralelos en los mediadores y los resultados. El modelo de crecimiento longitudinal (LGM) de procesos paralelos es una técnica que se ha utilizado para examinar las interrelaciones entre varios resultados del desarrollo, incluido el consumo de drogas y la delincuencia concurrentes, en adolescentes y adultos jóvenes y para probar los mecanismos de los efectos de la intervención preventiva. En el paso final, las variables ficticias del estado del grupo de intervención se agregarán a los modelos de procesos paralelos.

Objetivo 3: Dado el carácter exploratorio de este objetivo, no existen hipótesis. Tenga en cuenta que los cambios en la comunicación no se postulan para mediar los efectos de la intervención. Sin embargo, si se encuentran relaciones significativas entre el estado de la intervención y las medidas de comunicación, se pueden realizar análisis exploratorios en el grupo de control solo para reflejar mejor las relaciones etiológicas sin confusión por las posibles influencias de la intervención. Los análisis preliminares se centrarán en describir los niveles y la variabilidad en el contenido, el tono emocional, el momento, la duración, el modo y la frecuencia, y en desarrollar puntajes resumidos apropiados para reflejar mejor estos factores según los informes de las encuestas Time Line Follow Back. Se utilizarán análisis de clase latente (LCA) con estimación de máxima verosimilitud y errores estándar robustos para explorar los patrones de comunicación entre padres y alumnos utilizando esos puntajes resumidos. Los investigadores obtendrán clases empíricas de participantes según el contenido, el tono emocional, el tiempo, la duración, el modo y la frecuencia. Esto implicará estimar una serie de modelos para determinar el número de clases únicas que mejor se ajustan a los datos mediante la comparación del criterio de información bayesiano, la prueba de la razón de verosimilitud ajustada de Lo-Mendell-Rubin y la prueba de la razón de verosimilitud con arranque paramétrico entre modelos y la selección de la más adecuada. modelo parsimonioso con el mejor ajuste.