家から離れて最初の数年: 手放し、つながりを保つ (FYAH:LGSC)

これは、2 つの実験条件 (Handbook および Handbook+) とコントロールを使用したランダム化比較試験 (RCT) です。 各条件は、コホート 1 で約半分、コホート 2 で半分の 450 人の学生/親のペアで構成されます。ワシントン大学。 両方の実験条件の保護者は、学校が始まる前の夏にハンドブックを受け取ります。 ハンドブックには、提案された会話のきっかけ、チェックリスト、および親と生徒のペアが完了するアクティビティが含まれています。 活動は、社会的および感情的な発達の理論に基づいており、この年齢層が親から独立して生活するようになる際のリスクと保護要因に対処するように設計されています。 ハンドブックと保護者はさらに、秋学期と春学期の間、定期的にテキスト メッセージを受け取ります。その中には、リスクの高い時期であることが知られている主要な大学のイベント (ホーム フットボールの試合など) について知らせるように設計されているものもあります。 各コホートは 2 年間追跡されます。 保護者は、ベースライン時 (学生が始まる前の春) と秋学期に調査を完了します。 生徒は学校での最初の 2 年間、ベースライン時と各学期にアンケートに回答します。

プロジェクトの具体的な目的は次のとおりです。

目標 1: 大学に移行する学生の保護者向けに、理論的に導かれ、発達に的を絞った、経験的にサポートされたハンドブックによる介入である、手放して接続を維持することの有効性をテストします。 調査員は、ハンドブック条件の学生は、物質 (アルコール、マリファナ、アヘン剤、および処方覚せい剤) の開始、使用、および乱用、および HIV/セックス リスク行動を含む、より少ないリスク行動に従事するという仮説を立てています。 その結果、ハンドブックの生徒は、身体的、感情的、社会的、および学業上の害も少ないと報告します。 調査員は、コントロール条件と「ハンドブックのみ」および「ハンドブック プラス」条件 (戦略的なタイミングのショート メッセージ サービスおよび/または介入の利用を増やすように設計された電子メールを追加する介入の拡張バージョン) をテストします。

目的 2: ハンドブックの利用とリスク行動/関連する危害の予想される介入の変化との間の理論的に特定された仲介経路をテストします。 調査員は、生徒の成果に対するハンドブックの効果は、次の経路で説明されているように、親と生徒の両方の行動によって媒介されると予想しています。 3) 健康的な行動に対する学生の認識された報酬 4) 親や仲間との健全なつながり 5) 健全な信念と明確な基準は、6) 物質の使用と性的リスク行動の減少につながります。学業成績の向上。

目的 3: 生徒の薬物使用と HIV/性行為のリスク行動を予測し、共変する、親と生徒のコミュニケーションの特定の属性を特定します。 最初の学期の早い段階で、調査官は生徒を 7 日間の 2 期間にわたって集中的に調査し、保護者との日常的なコミュニケーションと日常のリスク行動について学びます。 この発達段階における保護者と生徒のコミュニケーションについてはほとんど知られていないため、調査員は、保護者と生徒とのコミュニケーションの内容、感情のトーン、タイミング、期間、モード、および頻度について記述的かつ探索的な分析を行い、それらの側面がどのように発達しているかを調べます。コミュニケーションは、生徒のリスク行動と関連する危害に、個人間および個人内の両方のレベルで関連しています。

SDRG は、採用、データ収集、データ管理、およびデータ セキュリティにおいて豊富な経験を持っています。 調査官の詳細なデータ安全監視計画には、参加者情報を保護するために使用される特定の手順に関する情報が含まれています。 調査員は、ワシントン州立大学 (WSU) の学生の割合に比例して、過小評価されている学生を募集します。 SDRG はまた、研究参加者を 20 年以上維持する豊富な経験を持っています。

データクリーニング。 調査員は、範囲外の値、測定点全体の一貫性、正規性、および影響力のある外れ値についてテストを実施します。 調査員は、受け入れられている手法を使用して、外れ値に関連するバイアスの問題に対処します (例: 仮定の違反に対してロバストな分析)。 二分法物質使用変数のカウントは、しばしば歪められます。調査員は、変数の対数変換と適切な分析を使用します (例: 生存分析またはポアソン回帰) 必要に応じて。

選択と消耗。 研究への招待のために学生を無作為に選択することで、学生集団の代表的なサンプルを確保する必要があり、SDRG の調査研究部門が 10 年以上にわたって回答者の 90% 以上を維持する能力を実証しています。 ただし、研究者は、参加と減少の違い、および偏った結果の推定の可能性についてテストします。必要に応じて、研究者はそれらの影響をモデル化し、修正技術を採用します。

実施および投与量の変動性。 特に自己管理型介入の場合、実施と投与量は無作為に分配されません。たとえば、介入状態にある特にやる気のある、または従順な親はすべての活動を行うことができますが、他の人は選択して選択することができます. 介入参加者全体にわたる介入コンポーネントの非ランダムな分布は、プログラムの効果について因果関係を推測する能力を混乱させ、実装をバイナリイベントとして扱うことにより、プログラムの効果のメカニズムを不明瞭にします。 治療意図分析に加えて、研究者は、傾向スコアリングと逆確率重み付けを使用して、実装における選択効果の推定、モデリング、および制御を可能にする最近の方法論的進歩を採用します。

欠落データ。 回答者が項目をスキップしたり、1 つまたは複数のデータ収集ポイントを見逃したりすると、欠落しているデータに偏りが生じ、タイプ I エラーの可能性が高くなる可能性があります。 研究者の主要な分析アプローチは、完全情報最尤法 (FIML)(38) を使用して欠落データを管理します。 欠損が過度に多い場合、調査員は多重代入を使用します。

家族のエラー。 調査員はリスク行動/危害の要約変数を使用しますが、調査員は各リスク結果について個別の分析も行い、個々の物質をより細かく見て、タイプ 1 エラーの可能性を高めます。 物質使用項目への応答も、高度に相関している可能性があります。このような場合、標準のボンフェローニ補正は過度に保守的になり、タイプ 2 エラーの可能性が高くなります。 リサンプリング手順 (例: Statistical Analysis Software (SAS) Procedure MULTTEST) は、Bonferroni 検定よりも強力であり、カテゴリカル、連続、打ち切られたデータ検定、被験者間効果の混合法分析、縦断的な被験者内検定に適用できます(15,148)。 必要に応じて、グローバル テスト統計が使用されます。

分析: 目的 1: 時間をかけて変化に対する介入の影響を測定するために、研究者は仮説を立てた結果のそれぞれについて潜在成長曲線 (LGC) をモデル化します。 最初に、無条件モデルを推定して、5 つのデータ ウェーブにわたって予想されるエスカレーションを確認します。 調査員は、2 因子モデルを期待しています。インターセプト ファクターはプレテスト レベルに設定され、ファクター ローディングはプレテストをインターセプトおよび調査間の不等間隔として示すように設定されて推定されます。 負荷の二次形式を使用して非線形勾配が推定されますが、研究者は 5 つの時点すべてで主に直線的に増加すると予想しています。 共分散は、通常、結果のテスト前のレベルを制御するために、切片因子と勾配因子の間で推定されます。 制御変数は次のステップで追加されます。 最後に、介入グループの割り当て (2 つのダミー変数の形式) が、勾配係数の平均と分散の予測因子として追加されます (ランダムな割り当ては、テスト前に設定された切片に対するグループの影響を排除する必要があります)。 研究者は、これらのパラメーターが、無条件モデルと最小条件モデルにおける有意な正の勾配の平均と分散を反映していると予想しています。 最終的なモデルでは、介入ダミー変数は、対照条件と比較して勾配の平均と分散に有意な負の影響を与えると仮定されており、両方の介入条件がリスク行動と結果のエスカレーションの速度を低下させ、これらの結果の変動性も低下させたことを示しています。 ダミー変数のコーディングを操作することにより、研究者は、H+ パラメータが H のパラメータよりも大幅に負になることを期待して、H と H+ の比較をテストできます。

目的2：上記の結果について説明したように、フォローアップごとにメディエーターに対して予備的な治療意図分析（ANCOVA）を実施します。 その後、上記の LGC 分析は、媒介変数を含むように拡張されます。 ただし、メディエーターを推定する前に、LGC モデルで各メディエーターを時間の経過とともにモデル化し、目的 1 の結果について説明したように、制御変数を条件としてその形状 (切片、線形勾配、および二次勾配) を決定します。 メディエーターの場合、スロープ ファクターはあまり予測できませんが、一般的に、これらの肯定的な育児および親子関係のファクターは、時間の経過とともに低下すると予想されます。 変更の適切なモデルが決定されると、メディエーターの同時/並行成長プロセスと結果が推定されます。 並列プロセス縦成長モデリング (LGM) は、思春期および若年成人における薬物使用や非行の同時発生など、さまざまな発達転帰間の相互関係を調べるため、および予防的介入効果のメカニズムをテストするために使用されてきた手法です。 最後のステップでは、介入グループ ステータス ダミー変数が並列プロセス モデルに追加されます。

目的 3: この目的の探索的性質を考えると、仮説はありません。 コミュニケーションの変化は、介入効果を媒介するものではないことに注意してください。 ただし、介入ステータスとコミュニケーション手段の間に重要な関係が見つかった場合は、介入の影響の可能性によって交絡されていない病因関係をよりよく反映するためだけに、対照群に対して探索的分析を行うことができます。 予備分析では、内容、感情のトーン、タイミング、持続時間、モード、頻度のレベルと変動性を説明し、タイムライン フォローバック調査のレポートに基づいてこれらの要因を最もよく反映する適切な要約スコアを作成することに焦点を当てます。 最尤推定とロバストな標準誤差を使用した潜在クラス分析 (LCA) を使用して、それらの要約スコアを使用して親と生徒のコミュニケーション パターンを調査します。 研究者は、内容、感情のトーン、タイミング、期間、モード、および頻度に基づいて、経験に基づいた参加者のクラスを導き出します。 これには、一連のモデルを推定して、ベイジアン情報量基準、Lo-Mendell-Rubin 調整済み尤度比検定、およびパラメトリック ブートストラップ尤度比検定をモデル間で比較し、最も多くのものを選択することによって、データに最適な一意のクラスの数を決定することが含まれます。ベストフィットの節約モデル。