Primi anni fuori casa: lasciarsi andare e rimanere in contatto (FYAH:LGSC)

Si tratta di uno studio controllato randomizzato (RCT) con due condizioni sperimentali (Handbook e Handbook+) e un controllo. Ogni condizione sarà composta da 450 diadi studente/genitore, circa metà nella Coorte 1 e metà nella Coorte 2. I partecipanti saranno reclutati dalle classi matricola in arrivo presso la Washington State University nel 2017 e 2018 dal Social Development Research Group (SDRG) presso Università di Washington. I genitori in entrambe le condizioni sperimentali riceveranno un manuale in estate prima dell'inizio della scuola. Il manuale contiene proposte di spunti di conversazione, liste di controllo e attività che devono essere completate dalla coppia genitore/studente. Le attività sono basate sulla teoria dello sviluppo sociale ed emotivo e progettate per affrontare i fattori di rischio e protettivi per questa fascia di età mentre passano a vivere in modo indipendente dai genitori. Handbook plus i genitori riceveranno inoltre periodicamente messaggi di testo durante i semestri autunnali e primaverili, alcuni dei quali sono progettati per informarli sui principali eventi universitari (ad esempio le partite di calcio in casa) che sono noti per essere periodi ad alto rischio. Ogni coorte sarà seguita per due anni. I genitori completano i sondaggi al basale (primavera prima dell'inizio degli studenti) e nel semestre autunnale. Gli studenti completano i sondaggi al basale e ogni semestre per i primi due anni di scuola.

Gli obiettivi specifici del progetto sono i seguenti:

Obiettivo 1: Testare l'efficacia di Letting Go and Staying Connected, un manuale di intervento teoricamente guidato, mirato allo sviluppo e supportato empiricamente per i genitori di studenti che passano all'università. Gli investigatori ipotizzano che gli studenti nelle condizioni del Manuale si impegneranno in un minor numero di comportamenti a rischio, tra cui l'iniziazione, l'uso e l'abuso di sostanze (alcol, marijuana, oppiacei e stimolanti da prescrizione) e comportamenti a rischio di HIV/sesso. Di conseguenza, gli studenti del Manuale riporteranno anche meno danni fisici, emotivi, sociali e accademici. Gli investigatori testeranno una condizione di controllo rispetto a una condizione "Solo manuale" e una condizione "Manuale Plus" (una versione migliorata dell'intervento che aggiunge un servizio di messaggi brevi strategicamente programmato e/o e-mail progettate per aumentare l'utilizzo dell'intervento).

Obiettivo 2: testare percorsi di mediazione teoricamente specificati tra l'utilizzo del manuale e i cambiamenti di intervento attesi nei comportamenti a rischio/danni associati. Gli investigatori si aspettano che l'effetto del Manuale sui risultati degli studenti sarà mediato dai comportamenti dei genitori e degli studenti, come descritto nel seguente percorso: 1) Coinvolgimento dei genitori e uso dell'intervento 2) Pratiche dei genitori nella gestione della famiglia, supporto all'autonomia, e supporto emotivo 3) Ricompense percepite dagli studenti per comportamenti sani 4) Collegamenti sani con genitori e coetanei 5) Credenze sane e standard chiari che portano a 6) Uso ridotto di sostanze e comportamenti a rischio sessuale; aumento del rendimento scolastico.

Obiettivo 3: Identificare attributi specifici della comunicazione genitore-studente che predicono e covariano con l'uso di sostanze da parte degli studenti e con i comportamenti a rischio di HIV/sesso. All'inizio del loro primo semestre, gli investigatori esamineranno intensamente gli studenti per 2 periodi di 7 giorni per conoscere la loro comunicazione quotidiana con i genitori e i loro comportamenti a rischio quotidiani. Poiché si sa poco della comunicazione genitore-studente in questa fase di sviluppo, i ricercatori condurranno analisi descrittive ed esplorative sul contenuto, il tono emotivo, i tempi, la durata, la modalità e la frequenza della comunicazione dei genitori con i loro studenti ed esamineranno come questi aspetti della comunicazione comunicazione si riferiscono ai comportamenti a rischio degli studenti e ai danni associati sia a livello tra le persone che all'interno delle persone.

L'SDRG ha una vasta esperienza nel reclutamento, nella raccolta dei dati, nella gestione dei dati e nella sicurezza dei dati. Il piano dettagliato di monitoraggio della sicurezza dei dati degli investigatori contiene informazioni sulle procedure specifiche utilizzate per salvaguardare le informazioni sui partecipanti. Gli investigatori recluteranno studenti sottorappresentati in proporzione alle percentuali degli studenti della Washington State University (WSU). SDRG ha anche una vasta esperienza nel trattenere i partecipanti allo studio, in alcuni studi per più di 20 anni.

Pulizia dei dati. Gli investigatori condurranno test per valori fuori intervallo, coerenza tra punti di misurazione, normalità e valori anomali influenti. Gli investigatori affronteranno eventuali problemi di distorsione relativi ai valori anomali utilizzando tecniche accettate (ad es. analisi robuste alla violazione delle assunzioni). I conteggi delle variabili dicotomiche sull'uso di sostanze sono spesso distorti; i ricercatori utilizzeranno trasformazioni logaritmiche di variabili e analisi appropriate (ad es. analisi di sopravvivenza o regressioni di Poisson) secondo necessità.

Selezione e attrito. La selezione casuale degli studenti da invitare allo studio dovrebbe garantire un campione rappresentativo della popolazione studentesca e numerosi studi hanno dimostrato la capacità della Divisione Survey Research presso l'SDRG di trattenere oltre il 90% degli intervistati per più di 10 anni. Tuttavia, gli investigatori verificheranno la partecipazione e l'attrito differenziali e la probabilità di stime dei risultati distorte; se necessario, gli investigatori modelleranno quegli effetti e impiegheranno tecniche di correzione.

Variabilità nell'implementazione e nel dosaggio. In particolare nel caso di un intervento autosomministrato, l'implementazione e il dosaggio non sono distribuiti in modo casuale: ad esempio, i genitori nella condizione di intervento che sono particolarmente motivati ​​o compiacenti possono svolgere tutte le attività, mentre altri possono scegliere e scegliere. La distribuzione non casuale delle componenti dell'intervento tra i partecipanti all'intervento confonde la capacità di trarre inferenze causali sugli effetti del programma e oscura i meccanismi degli effetti del programma trattando l'implementazione come un evento binario. Oltre alle analisi intent-to-treat, i ricercatori impiegheranno recenti progressi metodologici che consentono la stima, la modellazione e il controllo degli effetti di selezione nell'implementazione attraverso l'uso del punteggio di propensione e della ponderazione della probabilità inversa.

Dati mancanti. Quando gli intervistati saltano elementi o mancano uno o più punti di raccolta dati, i dati mancanti possono introdurre pregiudizi e aumentare la probabilità di errori di tipo I. I principali approcci analitici dei ricercatori utilizzano la Full Information Maximum Likelihood (FIML)(38) per gestire i dati mancanti. In caso di eccessiva mancanza, gli inquirenti ricorreranno all'imputazione multipla.

Errore familiare. Gli investigatori utilizzeranno variabili riassuntive di comportamenti/danni a rischio, ma condurranno anche analisi separate per ciascun risultato di rischio per fornire uno sguardo più dettagliato alle singole sostanze, aumentando la probabilità di un errore di tipo 1. È probabile che anche le risposte alle voci sull'uso di sostanze siano altamente correlate; in tali casi le correzioni Bonferroni standard tendono ad essere eccessivamente conservative con una maggiore probabilità di errore di tipo 2. Procedure di ricampionamento (ad es. Il software di analisi statistica (SAS) Procedure MULTTEST) sono più potenti del test di Bonferroni e possono essere applicati a test di dati categorici, continui e censurati, analisi con metodo misto degli effetti tra soggetti e test longitudinali all'interno dei soggetti (15,148). Se del caso, verrà utilizzata una statistica di test globale.

Analisi: Obiettivo 1: per misurare l'impatto dell'intervento sul cambiamento nel tempo, i ricercatori modelleranno le curve di crescita latente (LGC) per ciascuno dei risultati ipotizzati. In primo luogo, verranno stimati modelli incondizionati per confermare l'escalation prevista attraverso 5 ondate di dati. Gli investigatori si aspettano un modello a due fattori: un fattore di intercetta impostato su livelli pre-test e un fattore di pendenza lineare stimato con carichi fattoriali impostati per indicare pre-test come intercetta e intervalli non uguali tra le indagini. Una pendenza non lineare sarà stimata utilizzando forme quadratiche per i carichi, tuttavia i ricercatori si aspettano principalmente aumenti lineari su tutti e 5 i punti temporali. Tipicamente viene stimata una covarianza tra l'intercetta e i fattori di pendenza per controllare i livelli pre-test del risultato. Le variabili di controllo verranno aggiunte nel passaggio successivo. Infine, l'assegnazione del gruppo di intervento (sotto forma di 2 variabili fittizie) verrà aggiunta come predittori della media e della varianza del fattore di pendenza (l'assegnazione casuale dovrebbe precludere effetti di gruppo sull'intercetta impostata al pre-test). Gli investigatori si aspettano che questi parametri riflettano medie e varianze significative della pendenza positiva nel modello incondizionato e nel modello minimamente condizionato. Nei modelli finali, si ipotizza che le variabili fittizie di intervento abbiano effetti negativi significativi sulla media della pendenza e sulla varianza rispetto alla condizione di controllo, indicando che entrambe le condizioni di intervento hanno ridotto il tasso di escalation dei comportamenti e delle conseguenze a rischio e hanno anche ridotto la variabilità di questi risultati. Manipolando la codifica delle variabili fittizie, i ricercatori possono quindi testare il confronto tra H e H+ con l'aspettativa che i parametri H+ saranno significativamente più fortemente negativi di quelli per H.

Obiettivo 2: Le analisi preliminari intent-to-treat (ANCOVA) saranno condotte sui mediatori ad ogni follow-up come descritto per i risultati sopra. Quindi le analisi LGC sopra descritte saranno estese per includere variabili di mediazione. Tuttavia, prima di stimare la mediazione, ciascun mediatore sarà modellato nel tempo in un modello LGC per determinarne la forma (intercetta, pendenza lineare e pendenza quadratica) condizionata dalle variabili di controllo come descritto per i risultati nell'obiettivo 1. Nel caso dei mediatori i fattori di pendenza sono meno prevedibili, anche se in generale si prevede che questi fattori genitoriali positivi e di relazione genitore-studente diminuiscano nel tempo. Una volta determinati i modelli di cambiamento appropriati, saranno stimati i processi di crescita simultanei/paralleli nei mediatori e nei risultati. Processo parallelo Il modello di crescita longitudinale (LGM) è una tecnica che è stata utilizzata per esaminare le interrelazioni tra vari esiti dello sviluppo, tra cui l'uso concomitante di droghe e la delinquenza, negli adolescenti e nei giovani adulti e per testare i meccanismi degli effetti dell'intervento preventivo. Nella fase finale le variabili fittizie dello stato del gruppo di intervento verranno aggiunte ai modelli di processo parallelo.

Obiettivo 3: Data la natura esplorativa di questo obiettivo, non ci sono ipotesi. Si noti che i cambiamenti nella comunicazione non sono posti per mediare gli effetti dell'intervento. Tuttavia, se vengono trovate relazioni significative tra lo stato dell'intervento e le misure di comunicazione, le analisi esplorative possono essere condotte sul gruppo di controllo solo per riflettere meglio le relazioni eziologiche non confuse da possibili influenze dell'intervento. Le analisi preliminari si concentreranno sulla descrizione dei livelli e della variabilità del contenuto, del tono emotivo, dei tempi, della durata, della modalità e della frequenza e sullo sviluppo di punteggi di riepilogo appropriati per riflettere al meglio questi fattori sulla base dei rapporti dei sondaggi Time Line Follow Back. Verranno utilizzate analisi di classe latente (LCA) con stima della massima verosimiglianza e robusti errori standard per esplorare i modelli di comunicazione genitore-studente utilizzando questi punteggi di riepilogo. Gli investigatori deriveranno classi di partecipanti basate empiricamente in base a contenuto, tono emotivo, tempistica, durata, modalità e frequenza. Ciò comporterà la stima di una serie di modelli per determinare il numero di classi univoche che meglio si adattano ai dati confrontando il criterio di informazione bayesiana, il test del rapporto di verosimiglianza aggiustato di Lo-Mendell-Rubin e il test del rapporto di verosimiglianza con bootstrap parametrico tra i modelli e selezionando il più modello parsimonioso con la migliore vestibilità.