Információforrások és kapcsolatuk a depressziós és szorongásos tünetekkel a COVID-19 világjárvány idején: hálózati tanulmány

1. kutatási kérdés:

Mennyire központi szerepet töltenek be a különböző információforrások a COVID-19 világjárványról hálózatban, valamint a depressziós és szorongásos tünetekkel kapcsolatban? Mely információforrások kapcsolódnak legerősebben a depresszió és a szorongás különböző tüneteihez?

A jelen tanulmányban az információktól való távolmaradást mérjük. Mivel az elkerülés egyfajta biztonsági magatartás a szorongásos zavarokban, a kutatók továbbra is szívesen vizsgálják ennek a viselkedésnek a központi szerepét a hálózatban. Ezen túlmenően, több, látens-változós paradigmákat használó tanulmány összefüggést hozott létre a depresszió és általában a szociális szorongás használatának összesített pontszáma között. A kutatók továbbra is érdekeltek abban, hogy ezt a lehetséges kapcsolatot alaposabban és részletesebben megvizsgálják jelen hálózati tanulmányban. Ennek a tanulmánynak az eredményei, bár keresztmetszeti jellegűek, és további vizsgálatot igényelnek az időbeli adatszerkezettel kapcsolatos vizsgálatokban, fontos és érdekes kiindulópontot jelentenek majd, amely kezdeti ötleteket ad azokról a lehetséges mechanizmusokról, amelyek szerepet játszhatnak az információforrások pandémiák és járványok esetén történő felhasználásában. mentális egészség.

Statisztikai analízis:

A becsült hálózat 23 elemből áll majd (9: PHQ-9; 7: GAD-7; 7: információforrások a COVID-19-ről való információszerzéshez). A hálózatot az R csomag qgraph segítségével becsüljük meg (Epskamp et al., 2012). A hálózat stabilitásának és pontosságának tesztjei az R csomag rendszerindító hálózatával (Epskamp, ​​et al., 2018) kerülnek végrehajtásra. Egy irányítatlan részleges korrelációs hálózatot becsülünk meg, ami asszociációkat eredményez az egyes tünetpárok között, amely szabályozza a tünetek közötti összes többi összefüggést. A központisági indexek jelentésre kerülnek. A megfelelő korrelációs módszert az adatok értékelését követően (például az esetleges ferdeség tekintetében) kell alkalmazni.

A hálózatot a Graphical Least Absolute Shrinkage and Selection Operator (GLASSO) segítségével tovább rendszeresítik az Extended Bayes Information Criterion (EBIC) segítségével. A hangolási paraméter 0,5-re lesz állítva, az ajánlott gyakorlatnak megfelelően. A központosítási táblázatot és a diagramokat ábrázoljuk, és az élek különbségi tesztjét lefolytatjuk.

Ezenkívül a kutatók megvizsgálják a hálózati struktúra különbségeit a minta főbb demográfiai alcsoportjai között (például nem). A következő dokumentumban tárgyalt minden olyan elemzés és kérdés, amely nincs előre meghatározott ebben az előzetesen regisztrált protokollban, feltáró jellegűnek minősül.

Az információforrások a következők: 1) Országos televízió- és rádiócsatornák; 2) országos és regionális, valamint helyi lapok; 3) a közösségi média használata információszerzés céljából; 4) blogok, podcastok, fórumok vagy egyéb internetes források használata; 5) társaktól (azaz barátoktól és családtagoktól) szerzett információk; 6) Egyéb információforrások; 7) aktív távolmaradás az információktól.

Következtetési kritériumok:

p < 0,05 a szignifikancia meghatározásához.

Mintaméret és teljesítmény számítás:

Fried & Cramer (2017) teljesítményelemzési irányelveit követve azt javasoljuk, hogy a résztvevők száma háromszorosa legyen a becsült paraméterek számának. Roscoe (1975) konzervatívabb ajánlásai azonban a többváltozós kutatáshoz olyan mintaméretet javasolnak, amely tízszer nagyobb, mint a becsült paraméterek száma. A tanulmányhoz megépítendő hálózat 7 szorongásos elemből (GAD-7), 9 depressziós tünetelemből (PHQ-9), valamint a fenti 7 előre meghatározott elemből áll, amelyek az információhordozóra és a felhasználás mértékére vonatkoznak. Következésképpen a hálózat 23 elemből áll. 23x(23-1)/2 x 3 = legalább 759 résztvevő (a Fried & Cramer, 2017 irányelvei szerint). Így e két megközelítést követve 759-2530 résztvevőre van szükség. Az adatokat három hétig gyűjtik, és a résztvevők norvég felnőttek reprezentatív mintáján alapulnak, akik egyenlő esélyekkel vehetnek részt a tanulmányban a digitális hozzájárulás megadását követően.

Hiányzó adatok:

A Norvégiában személyérzékeny adatok tárolására használt TSD rendszer (Services for Sensitive Data) egyfajta nemzeti azonosítószámon keresztül hivatalosan ellenőrzi a résztvevőket, hogy teljes jogot biztosítson adataik bármikori visszavonására az európai GDPR (General) értelmében. Adatvédelmi rendelet) törvényei. Ennek megfelelően a résztvevők bármikor visszavonhatják saját adataikat. A felmérésben kötelező kitölteni a válaszadási mezőket. A részvétel önkéntes, a megadott adatok visszavonása bármikor lehetséges. A nyomozók nem várják el a résztvevőktől, hogy visszavonják adataikat, így nem számítanak hiányzó adatokra. Ha azonban a résztvevők visszavonják adataikat, a nyomozók korszerű hiányzó adatelemzést végeznek, és véletlenszerűen megvizsgálják, hogy hiányoznak-e adatok.