Online családerősítő program (SFPonline)

Ez a tanulmány egy új webalapú, online szülői készségfejlesztő tréninget és ifjúsági drogprevenciós programot tesztel, amely a bizonyítékokon alapuló Családerősítő Programon alapul. A vizsgálati terv három feltételből álló párhuzamos, randomizált kontrollvizsgálatot foglal magában, amely szembeállítja: (1) SFP Online, (2) SFP Otthoni DVD/videók és (3) Várakozási listás kontrollok. A beavatkozási feltétel, az SFP Online, egy interaktív, multimédiás állapot, amely egy 10 alkalomból álló online programot tesztel szülőknek és fiataloknak, egymáshoz kapcsolódó műsorszámokkal. Mindkét pálya heti három minilecke elvégzését foglalja magában, online kézbesítve 10 héten keresztül. Minden szám tartalmaz egy játékrészt, amely növeli az elköteleződést és erősíti az óra tartalmát a lopakodó tanulás révén. Az SFP Otthoni használatra szánt DVD/video sorozat egy 11 munkamenetből álló program, amelynek tartalma megegyezik az online verzióval, de online videóbemutatón vagy DVD-lejátszón keresztül szállítják. A Várakozási listás vezérlőfeltétel ugyanazon 10 hetes időszak alatt kap recepteket tartalmazó e-maileket; ifjúságuk találós kérdéseket kap. A 10 hetes várakozási időszak végén a várólistás vezérlők megkapják az SFP Online beavatkozást. Statisztikai elemzésünk az online és az otthoni használatú DVD/videó feltételek közötti különbségekkel foglalkozik.

A másik tervezési jellemző a Non-Inferiority Trial (NIT), amely empirikusan vizsgálja az SFP Online hatékonyságát az SFP Group Norms adataival összehasonlítva. Az SFP hatékonyságának mércéjeként szolgáló csoportnormák egy reprezentatív, demográfiailag egyező minta, amely n=1400 családot tartalmaz egy 6000 családot tartalmazó adatbázisból, akik részt vettek a teljes SFP 14 foglalkozásból álló órákon. Az effektusok méretét a részleges eta-négyzet statisztika felhasználásával összehasonlítják a főbb eredménymérők feltételei között. A hatásméreteket az egyéni szintű demográfiai különbségekhez, valamint a megvalósítási tényezőkhöz igazítják. A feltételek közötti hatásméret-összehasonlítás egyenértékűségi határa 10% (az SFP Online program eredményeinek effektusméretei legalább 10%-kal nagyobbak, mint az SFP-videók vagy csoportnormák megfelelő effektusméretei).

TOborzás: A nyomozók 240 családot vesznek fel, legalább egy szülővel/gondozóval és fiatallal (n=480 résztvevő), 80 családot véletlenszerűen besorolva minden kísérleti körülményhez. A toborzást 24 SFP toborzó végzi, akik támogató leveleket küldtek. Etnikailag sokszínűek, és földrajzilag szétszórva vannak az Egyesült Államokban. Több fajhoz/etnikumhoz és marginalizált családokhoz is hozzáférhetnek. Minden toborzó 10 család toborzását célozza meg (24 toborzó x 10 család).

FELHÍVÁS: Az egyes családokat véletlenszerűen hozzárendeljük a három beavatkozás egyikéhez, számítógépes véletlenszám-generátorral, hogy kiküszöböljük a szelekciós torzítást és ellenőrizzék a nem megfigyelt zavaró változókat, amelyek hozzájárulnak a program kimeneteléhez. Megvizsgáljuk a releváns demográfiai változók (faj/etnikai hovatartozás, jövedelem, iskolai végzettség, felnőtt és gyermek életkora) eloszlását, hogy biztosítsuk az egyensúlyt a kiindulási feltételek között. Elemzéseket végzünk annak érdekében, hogy feltárjuk a program jelentős eltéréseit a beavatkozási hatások e változók alapján.

STATISZTIKAI ELEMZÉS: A program hatásainak kiértékelése előtt megvizsgáljuk a kísérleti körülmények közötti előzetes ekvivalenciát, megfelelő tesztek segítségével kategorikus vagy folyamatos kiindulási mérésekhez. A szignifikáns különbségeket a program hatékonyságát értékelő kovariáns korrigált modellek szabályozzák. Ez az elemzés 3 (feltétel) x 2 (kiindulási kockázat) ANOVA-t használ, és függő változóként továbbra is jelen van a vizsgálatban. Megvizsgáljuk azt is, hogy van-e differenciált kopás a feltétel szerint (azaz a kopás 1/0-ként való kódolása és logisztikus regressziós modellek alkalmazása a megtartás előrejelzésére). Megerősítő technikákat is alkalmazunk a feltételek közötti variancia/kovariancia mátrixok szembeállítására annak felmérésére, hogy a statisztikai viszonyok mintázata feltételenként különbözik-e. A feltétel szerinti differenciális kopás potenciálisan korlátozhatja a belső érvényességet (a beavatkozási hatások összekeverhetik a kopási hatásokat) vagy a külső érvényességet (más családokra való általánosíthatóságot). Az adatelemzés azzal kezdődik, hogy egyszerű leíró statisztikát készítenek az összes kiindulási mérőszámról (pl. gyakoriságok, átlagok, variancia), megismételve ezt az eljárást az utóteszthez és a 2 hónapos követési adatokhoz. Megvizsgálják az eloszlásokat a ferdeség és a gördülés, valamint a válaszmintázatok szempontjából. Khi-négyzet teszteket, pont kétsoros és Pearson korrelációkat használnak az alapvonal prediktorok (azaz a multikollinearitás ellenőrzése), a demográfiai adatok és az eredményváltozók közötti statisztikai kapcsolatok vizsgálatára megfelelő asszociációs mérőszámok segítségével, és statisztikai szignifikancia szempontjából chi- négyzet-, t- és F-teszt). A normalitásra és a homoszkedaszticitásra vonatkozó feltételezések megsértése (amely gyakran előfordul a családkutatás során és a fiatalok önbevallása szerinti drogfogyasztás értékelése során) adattranszformációt igényel (például logaritmikus, arcszinuszos, spline vagy százalékos súlyozás). Ha a transzformációk nem normalizálják az adatokat, akkor nem paraméteres teszteket használhatunk (pl. Kendall Tau, Mann-Whitney U-teszt, Wilcoxon Rank Sum, Spearman korreláció és Freidman ANOVA). Az alacsony frekvenciájú viselkedésekből adódó nem Gauss-eloszlások esetében Poisson-regressziót, nulla-felfújt és kétrészes félfolytonos modelleket alkalmazhatunk, hogy alkalmazkodjunk az erősen ferde eloszlásokhoz, ahol a nullák túlsúlya szerepel.

HIÁNYZÓ ADATOK. Lehetnek olyan résztvevők, akik nem vesznek részt az eredményértékelési felméréseken, nem vesznek részt a beavatkozásban, vagy nem szívesen szolgáltatnak adatokat. Ezek a jelenségek a kopás különböző oldalait képviselik (visszavonás és rossz adherencia), ezért alaposan meg kell vizsgálni őket. Feltételezzük, hogy az adatok teljesen véletlenszerűen hiányoznak (MCAR), vagy hogy a hiányzó adatokat okozó mechanizmusok "figyelmen kívül hagyhatók", és nincs torzítás az állapot-összehasonlításban; azonban a Little-féle MCAR-tesztet alkalmazzuk a többváltozós adatokra annak meghatározására, hogy a hiányzó adatok torzítják-e az eredményeket. Függetlenül attól, hogy hogyan keletkezik, az alkalmazott teljes adat-módszerek több imputációs eljárást igényelnek a hatékony paraméterbecslések eléréséhez. A hiányzó adatok helyreállításához a teljes információs maximális valószínűség becslést használjuk. Az imputációk ésszerű száma 10, tekintettel az imputálás hatékonyságára viszonylag alacsony hiányossági szint mellett. A 10 imputált adatkészletet ezután több következtetési eljárással kombinálják, amelyek kiigazítják a standard hibákat a hiányzó adatbizonytalansághoz142, így hatékonyabb paraméterbecsléseket állítanak elő.

KEZELÉSI SZÁNDÉK. A meg nem felelés azért fordul elő, mert előfordulhat, hogy a résztvevők nem fejezik be az összes leckét, egyáltalán nem vesznek részt, vagy csak az értékeléseket végzik el anélkül, hogy ki lettek volna téve a leckéknek. Emiatt azok, akik elvégzik a leckéket, többé nem "véletlen minta az eredeti csoportból". A kezelési szándék (ITT) egy olyan adatelemzési stratégia, amelyben a résztvevők a számukra kijelölt kísérleti állapotban maradnak, függetlenül attól, hogy befejezték-e a leckét vagy nem teljesítették-e a követelményeket. Érzékenységi elemzések segítségével a befejezők adatait ezután szembeállítják egy olyan adathalmazzal, amelyben az esetek a véletlenszerűsítést követően kizártak, mivel nem voltak kitéve a teljes tantervnek (hatékonysági részhalmaz-elemzések). Ez a megközelítés azt feltételezi, hogy a cenzúrázott esetekből származó adatok véletlenszerűen hiányoznak (MAR), és az eredményeket elfogulatlan módon kapták meg. Az érzékenységi elemzések összehasonlítják a leckék különböző szintjein alapuló eredményeket (lazítva a kizárási szabályt) ezzel az eljárással, miközben a beavatkozási expozíciót (munkamenetek számát) folyamatosan hagyják, mivel a résztvevők bármilyen expozícióból profitálhatnak. A complier átlagos ok-okozati hatások (CACE) becslési módszerét is alkalmazzuk a beavatkozásnak való megfelelés és a program kimenetelére gyakorolt ​​hatása közötti különbségek kezelésére. A CACE elemzés segítségével több csoportot (keveréket) alakítanak ki a megfelelőségi szintjüknek (azaz elkötelezettségüknek) és a kezelési kiosztásuknak (SFPOnline vagy SFP DVD/videók) megfelelően. A program eredményeit azután hagyományos logisztikus regressziós módszerekkel szembeállítják ezen keverékek között. Tovább kategorizálhatjuk a teljesítőket a megfigyelt leckék teljesítési aránya alapján, így minden feltételben alacsony vagy magas teljesítőket kapunk. Továbbá az elköteleződés kondicionálható a résztvevői szintű kovariánsok (azaz családi állapot, jövedelem, stressz, droghasználat vagy családméret) alapján. Az ITT és CACE technikák érintetlenül tartják a véletlenszerű tervezést, csökkentik a program differenciált befejezése miatti torzítást, és lehetővé teszik számunkra, hogy ok-okozati következtetéseket vonjunk le a beavatkozási hatásokról ebben a mintában. Abban az esetben, ha a nem teljesítő résztvevők nincsenek véletlenszerűen szétszórva a feltételek között, akkor a leckéket befejezők és az utólagos felméréseken résztvevők közötti hatásméreteket is jelenteni fogjuk.

AZ ÖSSZEFÉRHETŐ VIZSGÁLATOK. Még a kísérleti körülményekhez való véletlenszerű hozzárendelés és a köztük lévő teszt előtti egyensúlyhiány csökkentése esetén is a zavaró hatások továbbra is fenyegetést jelenthetnek az érvényességre nézve (azaz a programhatások torzulhatnak). Ennek eredményeként megvizsgáljuk az alapvonalon mért kiválasztott változókat az egyensúlyhiány (azaz a teszt előtti ekvivalencia) bizonyítékaként, és másodlagos elemzéseket végzünk, amelyekben modellezzük a kezelés előtti kovariánsokat, hogy figyelembe vegyük a csoportok közötti, eredménybeli különbségeket. Ezt a vizsgálatot általánosított lineáris modellekkel végezzük. Az előkezelés különbségei lehetnek résztvevőspecifikusak (pl. demográfiai adatok). Vannak bizonyítékok, amelyek alátámasztják a kovariánsok bevonását annak érdekében, hogy a feltételek közötti különbségeket okozati összefüggésben lehessen tulajdonítani a beavatkozásnak. Beépítésük növeli a modell pontosságát és növeli a teljesítményt, és ez a hatékonyság a bináris eredményekre is érvényes, ha a fiatalok droghasználatának ilyen modellezését választjuk.

MANIPULÁCIÓS ELLENŐRZÉSEK. Arra számítunk, hogy bizonyos kapcsolatokat más változók közvetítenek. Longitudinális vizsgálati tervünk lehetővé teszi számunkra, hogy szigorú következtetéseket vonjunk le az ok-okozati folyamatokra vonatkozóan, figyelembe véve azokat a feltételezett mechanizmusokat és kezelési konstrukciók érvényességét, amelyeken keresztül az SFP működik. Feltételezzük a szekvenciális ignoranciát, még akkor is, ha a közvetítőt a véletlenszerűsítés után értékelik. Statisztikailag értékelhetjük a közvetlen hatás nagyságrendjének csökkenését a közvetett hatásokkal korrigálva. Ez az eset kiterjed egynél több feltételezett közvetítővel rendelkező longitudinális adatokra is az útvonalelemzés nyomkövetési szabálya szerint. A longitudinális kialakítás az előteszt, a beavatkozás (1-10. hét), az utóteszt (10-11. hét) és a 2 hónapos követés (18-20. hét) időbeli elkülönítését is biztosítja. A többváltozós delta módszert használjuk a közvetített hatások standard hibáinak kiszámításához, amelyekről a szimulációk kimutatták, hogy pontos becsléseket adnak a közvetített hatás bootstrap konfidencia intervallumai alapján. Ezekben a program hatékonyságát értékelő longitudinális modellekben a lehetséges közvetítők közé tartoznak a szülői hatékonyság, a készségek teljesítménye (köztes vetélkedők alapján), a szülő-gyerek kommunikáció, a megfigyelés, a határok felállítása és az elkötelezettség szintjei (az elégedettség, a leckék teljesítése és a használat mutatói alapján).

HATÁSMÓDOSÍTÁS. A post-hoc elemzések korlátozott sorozata fogja feltárni a beavatkozási hatás homogenitását a résztvevők alcsoportjai között. Ezek az elemzések segítenek pontosabban megtudni, hogy a programhatások optimalizáltak-e bizonyos csoportokra.

ERŐ. A teljesítmény becslésénél a következőket feltételeztük: (1) három kísérleti feltétel, (2) több hullámos adatgyűjtés, (3) véletlenszerű hatások, amelyek a 0,35 és 0,45 közötti becsült eredményekhez kapcsolódnak, és különböző típusú kimeneti mérőszámok (dichotóm vs. folyamatos) ). 80 család (1 szülő/gondozó + 1 fiatal) toborzásának képességét vetítjük előre minden kísérleti állapotban a toborzási időszak alatt. Nagy mintaméretekkel (n=480) a legtöbb effektusméreten jelentős hatásokat észlelhetünk.