Perheiden vahvistamisohjelma verkossa (SFPonline)

Tässä tutkimuksessa testataan uutta verkkopohjaista vanhemmuuden taitojen koulutusta ja nuorten huumeehkäisyohjelmaa, joka perustuu näyttöön perustuvaan perheiden vahvistamiseen. Tutkimussuunnitelmaan sisältyy kolmen ehdon rinnakkainen satunnaistettu kontrollikoe, jossa erotetaan: (1) SFP Online, (2) SFP kotikäyttöön käytettävät DVD/videot ja (3) odotuslistat. Interventioehto, SFP Online, on interaktiivinen, multimediatila, joka testaa 10 istunnon verkkoohjelmaa, jossa on toisiinsa liittyviä kappaleita vanhemmille ja nuorille. Molemmat kappaleet sisältävät kolmen minitunnin suorittamisen viikossa verkossa 10 viikon ajan. Jokainen raita sisältää peliosan sitoutumisen lisäämiseksi ja oppitunnin sisällön vahvistamiseksi salatun oppimisen avulla. SFP Home-use DVD/video -sarja on 11 istunnon ohjelma, jonka sisältö on sama kuin online-versiossa, mutta se toimitetaan online-videoesityksen tai DVD-soittimen kautta. Odotuslistalla oleva ohjausehto vastaanottaa reseptejä sisältävät sähköpostit saman 10 viikon aikana; heidän nuoruutensa saavat arvoituksia. 10 viikon odotusajan päätyttyä odotuslistalla olevat kontrollit saavat SFP Online -intervention. Tilastollinen analyysimme käsittelee eroja online- ja kotikäytön DVD/video-olosuhteiden välillä.

Toinen suunnitteluominaisuus on Non-Inferiority Trial (NIT), jolla tutkitaan empiirisesti SFP Onlinen tehokkuutta verrattuna SFP Group Norms -tietoihin. Ryhmänormit, joka toimii SFP:n tehokkuuden vertailukohtana, on edustava, demografisesti yhteensovitettu otos n=1400 perheestä, joka on otettu tietokannasta, jossa on 6 000 perhettä, jotka ovat osallistuneet SFP:n 14 istunnon koko kurssille. Vaikutuskokoja verrataan tärkeimpien tulosmittausten ehtojen välillä käyttämällä osittaista eta-neliötilastoa. Vaikutuskokoja mukautetaan yksilötason demografisten erojen sekä toteutustekijöiden mukaan. Ehtojen välisen tehostekoon vertailun ekvivalenssimarginaali on 10 % (SFP Online -ohjelman tulosten tehostekoot ovat vähintään 10 % suuremmat kuin vastaavat SFP-videoiden tai ryhmänormien tehostekoot).

REKRYTOINTI: Tutkijat rekrytoivat 240 perhettä, joissa on vähintään yksi vanhempi/hoitaja ja nuori (n = 480 osallistujaa), ja 80 perhettä määrätään satunnaisesti kuhunkin koetilanteeseen. Rekrytoinnista vastaa 24 SFP:n rekrytoijaa, jotka lähettivät tukikirjeitä. Ne ovat etnisesti monimuotoisia ja maantieteellisesti hajallaan Yhdysvaltoihin. Heillä on pääsy useisiin rotuihin/etnisiin ryhmiin ja syrjäytyneisiin perheisiin. Jokainen rekrytoija tavoittelee 10 perheen rekrytointia (24 rekrytoijaa x 10 perhettä).

TEHTÄVÄ: Yksittäiset perheet määrätään satunnaisesti johonkin kolmesta interventiosta tietokoneistetun satunnaislukugeneraattorin avulla, jotta voidaan eliminoida valintaharha ja hallita havaitsemattomia hämmentäviä muuttujia, jotka vaikuttavat ohjelman tuloksiin. Tutkimme asiaankuuluvien demografisten muuttujien (rotu/etninen alkuperä, tulot, koulutus, aikuisten ja lasten ikä) jakautumista varmistaaksemme tasapainon lähtötilanteen välillä. Teemme analyyseja havaitaksemme merkittäviä ohjelmien eroja interventiovaikutuksissa näiden muuttujien avulla.

TILASTOANALYYSI: Ennen ohjelman vaikutusten arviointia tutkimme koeolosuhteiden välisen testin vastaavuuden käyttämällä asianmukaisia ​​testejä kategorisille tai jatkuville perusmittauksille. Merkittäviä eroja hallitaan kovariaattisovitetuissa malleissa, jotka arvioivat ohjelman tehokkuutta. Tässä analyysissä käytetään 3 (ehto) x 2 (perustason riski) ANOVAa, jossa jatkuva läsnäolo tutkimuksessa on riippuvaisena muuttujana. Tutkimme myös, onko olemassa erilaista kulumista olosuhteiden mukaan (eli koodataan kuluminen arvoksi 1/0 ja käytetään logistisia regressiomalleja retention ennustamiseen). Käytämme myös varmistustekniikoita ehtojen välisten varianssi-/kovarianssimatriisien vertailuun arvioidaksemme, eroavatko tilastolliset suhteet ehtojen mukaan. Differentiaalinen kuluminen ehtojen mukaan saattaa mahdollisesti rajoittaa sisäistä validiteettia (interventiovaikutukset voivat sekoittaa kulumisvaikutuksiin) tai ulkoista validiteettia (yleistävyys muihin perheisiin). Tietojen analysointi alkaa luomalla yksinkertaisia ​​kuvaavia tilastoja kaikista perusmittauksista (esim. taajuudet, keskiarvot, varianssi) ja toistamalla tämä menettely jälkitestin ja 2 kuukauden seurantatietojen osalta. Jakaumia tutkitaan vinouden ja kurtoosin sekä vastemallien varalta. Chi-neliötestejä, pisteen bi-sarja- ja Pearson-korrelaatioita käytetään tutkimaan tilastollisia suhteita lähtötason ennustajien (eli monikollineaarisuuden tarkistamisen), demografisten tietojen ja tulosmuuttujien välillä arvioidaan käyttämällä asianmukaisia ​​assosiaatiomittauksia ja tilastollinen merkitsevyys arvioidaan käyttämällä chi- neliö-, t- ja F-testit). Normaalisuus- ja homoskedastisuusoletusten rikkominen (jota esiintyy usein perhetutkimuksessa ja arvioitaessa nuorten omaa ilmoitusta huumeidenkäytöstä) edellyttää tietojen muunnoksia (esim. logaritminen, arcsini, spline tai prosenttipistepainotus). Jos muunnokset eivät normalisoi dataa, voimme käyttää ei-parametrisia testejä (esim. Kendallin Tau, Mann-Whitneyn U-testi, Wilcoxon Rank Sum, Spearmanin korrelaatio ja Freidmanin ANOVA). Matalan taajuuden käyttäytymisestä johtuville ei-gaussisille jakaumille voimme käyttää Poisson-regressiota, nollapaisutettuja malleja ja kaksiosaisia ​​puolijatkuvia malleja sopeutuaksemme erittäin vinoihin jakaumiin, joissa valtaosa nollia.

PUUTTUVAT TIEDOT. Jotkut osallistujat eivät ehkä osallistu tulosarviointikyselyihin, lopettavat osallistumisen interventioon tai ovat haluttomia toimittamaan tietoja. Nämä tapahtumat edustavat kulumisen eri puolia (vetoutuminen ja huono kiinnittyminen), ja ne on tutkittava huolellisesti. Oletamme, että tiedot puuttuvat täysin satunnaisesti (MCAR) tai että puuttuvat tiedot aiheuttavat mekanismit ovat "huomaamattomia" ilman harhaa olosuhteiden vertailussa; Käytämme kuitenkin Littlen MCAR-testiä monimuuttujatietoihin määrittääksemme, vääristävätkö puuttuvat tiedot tuloksia. Riippumatta siitä, miten se syntyy, käytetyt täydellisen datan menetelmät edellyttävät useiden imputointimenettelyjen käyttöä tehokkaiden parametriestimaattien saamiseksi. Käytämme täydellisen tiedon maksimitodennäköisyyden arviota puuttuvien tietojen palauttamiseen. Kohtuullinen imputaatioiden määrä on 10, kun otetaan huomioon imputoinnin tehokkuus suhteellisen alhaisella puuttumistasolla. 10 imputoitua tietojoukkoa yhdistetään sitten käyttämällä useita päättelymenettelyjä, jotka säätävät vakiovirheitä puuttuvien tietojen epävarmuuden vuoksi142, mikä tuottaa tehokkaampia parametriestimaatteja.

AIKOMUS HOITAA. Noudattamatta jättäminen johtuu siitä, että osallistujat eivät ehkä suorita kaikkia oppitunteja, eivät ota yhtään osaa tai suorittavat vain arvioinnit ilman, että he altistuvat oppitunneille. Tämä tekee siitä, että oppitunnit suorittaneet eivät enää ole "satunnainen näyte alkuperäisestä ryhmästä". Intention-to-treat (ITT) on strategia tietojen analysointiin, jossa osallistujat pysyvät heille määrätyssä kokeellisessa tilassa riippumatta oppitunnin suorittamisesta tai noudattamatta jättämisestä. Käyttämällä herkkyysanalyysejä täydentäjiltä saatuja tietoja verrataan sitten tietojoukkoon, jossa tapaukset on jätetty pois satunnaistamisen jälkeen, koska ne eivät olleet alttiina koko opetussuunnitelmalle (tehokkuuden alajoukon analyysit). Tämä lähestymistapa olettaa, että sensuroitujen tapausten tiedot puuttuvat satunnaisesti (MAR) ja tulokset saatiin puolueettomasti. Herkkyysanalyyseissä verrataan tuloksia, jotka perustuvat oppituntien eri tasoihin (helpottaa poissulkemissääntöä) tähän menettelyyn toistuvasti jättäen interventioaltistuksen (istuntojen lukumäärä) jatkuvaksi, koska osallistujat voivat hyötyä mistä tahansa altistumisesta. Käytämme myös keskimääräisten syy-vaikutusten (CACE) arviointimenetelmää puuttuaksemme eroihin toimenpiteen noudattamisessa ja sen vaikutuksissa ohjelman tuloksiin. CACE-analyysiä käyttämällä muodostetaan useita ryhmiä (seoksia) vastaamaan niiden noudattamistasoa (eli sitoutumista) ja hoitomääräystä (SFPOnline tai SFP DVD/videot). Ohjelman tuloksia verrataan sitten näiden seosten välillä perinteisten logististen regressiomenetelmien avulla. Voimme edelleen luokitella noudattajia heidän havaittujen oppituntien suorittamisasteiden perusteella, jolloin saadaan alhaiset ja korkeat noudattavat kussakin tilassa. Lisäksi sitoutumista voidaan ehdollistaa osallistujatason yhteismuuttujien (eli siviilisäädyn, tulojen, stressin, huumeiden käytön tai perheen koon) perusteella. ITT- ja CACE-tekniikat pitävät satunnaistetun suunnittelun ennallaan, vähentävät harhaa eri ohjelman valmistumisesta ja antavat meille mahdollisuuden tehdä kausaalisia päätelmiä interventiovaikutuksista tässä otoksessa. Siinä tapauksessa, että keskeneräiset osallistujat eivät ole satunnaisesti hajallaan olosuhteiden välillä, raportoimme myös vaikutusten koot niiden kesken, jotka suorittivat oppitunnit ja osallistuivat post-kyselyihin.

SEKÄNTÖJEN TESTIT. Jopa satunnainen kohdistaminen koeolosuhteisiin ja mahdollisten testausta edeltävien epätasapainojen vähentäminen niiden välillä, hämmentävät vaikutukset voivat pysyä uhkana pätevyydelle (eli ohjelman vaikutukset voivat olla puolueellisia). Tämän seurauksena tutkimme valittuja muuttujia, jotka on mitattu lähtötasolla, löytääksemme todisteita epätasapainosta (eli testiä edeltävästä ekvivalenssista) ja teemme toissijaisia ​​analyyseja, joissa mallinnetaan esikäsittelyn kovariaatteja ottaaksemme huomioon ryhmien väliset tuloserot. Tämä tutkimus suoritetaan yleistetyillä lineaarisilla malleilla. Esikäsittelyerot voivat olla osallistujakohtaisia ​​(esim. demografisia tietoja). On olemassa todisteita, jotka tukevat kovariaattien sisällyttämistä, jotta olosuhteiden väliset erot voidaan syy-suhteessa katsoa interventioon. Niiden sisällyttäminen lisää mallin tarkkuutta ja tehoa, ja tämä tehokkuus pätee myös binaarisiin tuloksiin, jos päätämme mallintaa nuorten huumeiden käyttöä tällä tavalla.

MANIPULOINNIN TARKASTUKSET. Odotamme, että tiettyjä suhteita välittävät muut muuttujat. Pitkittäinen tutkimussuunnitelmamme antaa meille mahdollisuuden tehdä tiukkoja päätelmiä kausaalisista prosesseista, tarkastelemalla oletettuja mekanismeja ja hoitorakenteen validiteettia, jonka kautta SFP toimii. Oletamme peräkkäistä tietämättömyyttä, vaikka välittäjä arvioidaan satunnaistamisen jälkeen. Voimme tilastollisesti arvioida välittömän vaikutuksen suuruuden vähenemistä välillisillä vaikutuksilla oikaistuna. Tämä tapaus ulottuu pitkittäistietoihin, joissa on useampi kuin yksi oletettu välittäjä polkuanalyysin jäljityssäännön mukaan. Pitkittäinen suunnittelu tarjoaa myös ajallisen eron esitestistä, interventiosta (viikot 1-10), jälkitestistä (viikot 10-11) ja 2 kuukauden seurannasta (viikot 18-20). Käytämme monimuuttujadeltamenetelmää keskivirheiden laskemiseen välitetyille vaikutuksille, joiden simulaatiot ovat osoittaneet tuottavan tarkkoja arvioita, jotka perustuvat välitetyn vaikutuksen bootstrap-luottamusväleihin. Mahdollisia välittäjiä näissä pitkittäismalleissa, jotka arvioivat ohjelman tehokkuutta, sisältävät vanhemmuuden tehokkuuden, taitojen suorituskyvyn (perustuu välikyselyihin), vanhemman ja lapsen välisen kommunikoinnin, seurannan, rajojen asettamisen ja sitoutumisen tasot (tyytyväisyyteen, oppituntien suorittamiseen ja käyttömittareihin perustuen).

VAIKUTUSMUOKKAUS. Rajoitettu joukko post-hoc-analyysejä tutkii interventiovaikutuksen homogeenisuutta osallistujaalaryhmien välillä. Nämä analyysit auttavat saamaan tarkkuutta tiedossa, onko ohjelman tehosteita optimoitu tietyille ryhmille.

POWER. Tehon arvioinnissa oletimme: (1) kolme kokeellista olosuhdetta, (2) useita tiedonkeruuaaltoja, (3) satunnaiset vaikutukset, jotka liittyvät arvioituihin tuloksiin välillä 0,35-0,45 ja erityyppisiä tulosmittauksia (dikotominen vs. jatkuva). ). Suunnittelemme kyvyn rekrytoida 80 perhettä (1 vanhempi/hoitaja + 1 nuori) kussakin koetilanteessa rekrytointijakson aikana. Suurilla näytekokoilla (n=480) voimme havaita merkittäviä vaikutuksia useimmissa tehostekokoissa.