ギャップを埋める - 大学生向けの健康、メンタルヘルス、ウェルネスのリソースを見つけるためのツール

この研究は、若者主導の mHealth (モバイルヘルス) 介入の有効性をテストする革新的なランダム化対照試験です。 この研究は、mHealth（モバイルヘルス）介入がヘルスリテラシーのギャップを埋めるのに役立ち、自己効力感の向上を促進し、対象集団の助けを求める能力の強化につながるかどうかについての理解を広げ、前進させるでしょう。 この研究は、デジタルプラットフォームであるThought Spotが助けを求める際の移行年齢の若者の自己効力感に及ぼす影響を評価するための、2グループの部分盲検前後ランダム化対照研究である。 測定は、ベースライン、3 か月、6 か月の 6 か月にわたって行われます。 参加する 3 つの高等教育機関 (ジョージ ブラウン大学、ライヤーソン大学、トロント大学) のいずれかにパートタイムまたはフルタイムで在籍し、メンタルヘルスの維持または管理に関心のある 472 人の参加者が募集され、ランダムに割り当てられます。介入アームまたは制御アーム。 ベースラインでは介入群に 236 人の被験者が募集され、対照群に 236 人の被験者が募集されます。 介入グループの参加者は、Thought Spot プラットフォーム (学習ツール #1) にアクセスできます。 対照グループの参加者は、GTA (トロント都市圏) 全体のメンタルヘルス サービスとウェルネス サービスの概要を記載したパンフレットを受け取ります (研究ツール #2)。 両グループは、メンタルヘルスとウェルネスのためのキャンパス保健サービスやウェブおよび印刷ベースの情報資料へのアクセスなど、通常のケアにもアクセスできます。 一連のオンラインアンケートを通じて参加者からデータが収集され、主要な結果（助けを求める意図の変化）、助けを求める行動、助けを求める態度（二次的結果）、ならびに自己報告による自己偏見の変化、および支援を求める態度の変化が測定されます。自己効力感、人口統計および一般的な精神的健康状態に関するデータ。 最終的なユーザビリティ調査は、介入群の参加者に対して 6 か月経過時に実施され、その後、これらの参加者のうち 15 ～ 20 人を目的としたサンプルとして定性インタビューが行われ、アプリの受け入れ、実現可能性、パフォーマンスに関するユーザビリティをさらに調査します。 この追加のステップは、最後の調査パッケージが実施された後に実行されますが、この時点までに両方の研究群がまったく同じ治療を受け、まったく同じ一連の調査を完了するため、結果に影響を与えたり混乱させたりすることはありません。 Thought Spotプラットフォームからのデジタルデータは、さまざまな規模や尺度を通じて参加者から収集された自己申告データを拡張するために使用されます。 全体的な減少を最小限に抑えるために、参加者は研究完了（3 つの調査すべてを完了）すると少額の報酬を受け取ります。

目的 主な目的: GTA 内の大学にフルタイムまたはパートタイムで在籍している移行年齢の若者 (16 ～ 29 歳の若者) を対象に、精神的健康上の懸念について支援を求める意図に対するソート スポットの影響を評価すること。対照群（通常のケアを受けている人、リソースのパンフレット）。

第 2 の目的: 介入群の参加者が対照群と比較して、利用可能なサービスやサポートの認識、メンタルヘルス上の懸念への対処における自己効力感の向上、メンタルヘルスに対する偏見の軽減などのヘルス リテラシーの大幅な向上を示すかどうかを調べること。腕。

データ分析 統計分析 すべての分析は、Windows 用 SAS System 9.4 を使用して実行されます。 統計検定は両側で行われ、信頼水準は 0.05 です。 テストの前に、モデルの仮定が満たされていることを確認するために一連の単変量解析が実行されます。 主な研究仮説に対処するために、混合効果モデルを使用して、データの長期的な性質と減少を説明します。 欠損値は、データ内のすべての利用可能な情報を使用する SAS PROC MIXED の最尤推定で処理されます。 治療意図分析が使用されます。すべての患者は、無作為化後に最初に割り当てられたとおりに分析されます。 感度分析として、最終モデルは完全なデータがある被験者のみに適合されます。 正式な援助要請スコアが従属変数となり、研究グループ (介入と対照) と時点が予測変数となり、ベースラインで収集された関連する社会人口統計が交絡の可能性を制御する共変量として使用されます。

研究グループと時間の間の相互作用がモデルに含まれ、特にベースラインから最終時点までの変化に関して、線形コントラストを使用してグループを比較します。 同様のモデルは、時間の経過に伴う介入の効果について、さまざまな規模と傾向を調査する探索的仮説に対処するために使用されます。 複数の比較が必要な場合は、ボンフェローニ調整を使用してタイプ I エラー率を制御します。 実際の援助要請アンケート (AHSQ) は 2 値であるため、一般化された推定式が使用されます。

その他の分析 性別および性別ベースの分析は、フェーズ 1 および 2 のデータを分析するときに完了します。 通常のケアと比較した Thought Spot 介入の経済的評価も調査され、カナダの高等教育キャンパス全体での Thought Spot の持続的かつ広範な使用の潜在的な費用対効果と財務的影響が検討されます。 評価は、将来の潜在的なソート スポット資金提供者 (例: カナダの他の高等中等教育機関) の観点から実施されます。 評価される主な結果は、対象集団の間で援助を求める意図の変化です。

費用対効果分析は、介入群の費用と結果を通常の治療と比較するために実施されます。 主な成果は、通常のケアと比較した介入による純利益の増分 [39] と、増分費用対効果比の形での一般援助要請質問票 (GHSQ) における 1 ポイント改善の増分コストです。 研究者は、95% 信頼区間と費用対効果の許容曲線を使用して、所見の不確実性を特徴付けます。

Thought Spotアプリから収集されたデジタルデータは、さまざまな規模や手段を通じて参加者から収集された自己申告データを拡張するために収集および分析されます。 使用の強度、コンテンツの使用法、アプリデータへのアクセス方法を概説する使用状況メトリクスが計算され、分析されます。 単純な記述統計は、特定のアプリ機能に費やされた時間をレポートするためにも使用されます。アプリが 1 日に使用される回数。機能が 1 日のうち何時に使用されるか。追加されたスポット、感想、レビューの数。 また、追加されたサービスのレビューの高度なテキスト分析も実行します。 これは、高齢の若者がサービスからどのような移行を行うかについての範囲の検討に役立つ可能性があります。 レビューから収集されたデータは、学生や若者がメンタルヘルスおよびウェルネスサービスに何を求めているかについて、研究者に明確なアイデアを提供することができます。

研究終了後のユーザビリティ調査を通じて、有用性、満足度、使いやすさ、受容性、実現可能性、パフォーマンスが分析されます。 結果は、アンケートの各カテゴリーに対する全回答者の平均値と標準偏差を使用して分析されます。 高、中、または低レベルの満足度を報告した参加者の割合も計算されます。 自由回答形式のアンケートの質問はテーマ別に分析されます。 調査結果は、他の研究調査やデジタルデータと関連付けられ、アプリの使用法、受容性、認識された機能が参加者の助けを求める行動や助けを求める態度に及ぼす影響の可能性を調査する可能性があります。

研究終了後の定性インタビューでは定性分析が実施されます。 すべてのインタビューは音声で録音され、逐語的に文字に起こされて、NVivo にアップロードされます。 研究チームはそれぞれ、新たなテーマのデータを読んでコードスキームを開発します。 完了すると、RA は主要なテーマを特定するためにトランスクリプトをコード化します。 テーマ分析プロセスを使用して、転写されたインタビューをレビューし、コードを生成し、テーマを開発し、最終的に最終レポートで結果を提示します。