インドの青少年におけるメンタルヘルスケアの需要に対する教室ベースの感作介入の影響

背景と根拠:

学校は、低所得国や中所得国を含め、若者のメンタルヘルスケアへのアクセスを改善するための戦略的に重要なプラットフォームとして推奨されています (Patton et al., 2016)。 効果的な治療法の供給が限られていることに加えて、メンタルヘルスの問題とその治療法についての意識が低いことが、学校での治療の妨げとなることがよくあります。 精神保健リテラシーを向上させるための介入は、リソースの少ない環境を含め、世界中で実施された多くの研究で、若者の精神保健ケアの需要を増加させることが示されています。 ただし、既存の研究の多くがバイアスのリスクが高いことに関連しているため、証拠は決定的なものではありません (Wei et al., 2013; Wei et al., 2015; Kutcher et al., 2016)。

インドのニューデリーにある政府が運営する中等学校での形成的調査では、精神保健サービスが存在せず、青少年の精神保健ケアに関する知識が限られていることが示されました。 そのため調査員は、新しく開発された学校カウンセリング サービスへの紹介と利用を促進するための啓発活動を開発しました。 これらの啓発活動は、学校全体と教室レベルの両方で実施するように設計されており、専門家ではないカウンセラーによって提供されることを目的としています。 教室レベルの啓発活動への追加のリソース投資は、この要素が大幅に高いレベルの需要につながる場合に正当化される可能性があります。 したがって、この試験では、ニューデリーの学校カウンセリングの需要に対する教室での増感セッションの追加の影響を評価しようとしています。

この研究は、PRIDE (PRemIum for aDolEscents) と呼ばれるより大きな研究プログラムの一部です。 全体的な目標は、インドの学校に通う青年期の一般的な精神障害を対象とした、診断を超えた段階的なケア介入を開発および評価することです。 PRIDE 介入アーキテクチャには、段階的に強度を増す 2 つの連続した心理的治療が含まれます。 最初のステップは、一般のカウンセラーによる簡単な問題解決介入です。 永続的なメンタルヘルスの問題を抱えている青年は、心理学者によって提供されるより強度の高いトランス診断治療に言及されます。

ここで説明する試験は、低強度の問題解決介入の有効性をテストしているホスト試験に組み込まれています。 組み込まれた試験では、ホスト試験で生成された紹介率に対する学校レベルの活動に加えて、教室での啓発活動の影響を評価します。

研究のデザインと設定:

組み込まれた採用試験では、ニューデリーにある 6 つの政府運営の中等学校の 70 のクラスで、ステップウェッジ、クラスター (クラス) ランダム化制御デザインが適用されます。

資格基準: 資格のセクションを参照してください。

介入: 介入アームのセクションを参照してください。

アウトカム: アウトカム測定に関するセクションを参照してください。

トライアルスキーム:

試験は 12 週間にわたって実施され、70 クラスを募集します。 学生の紹介結果は、これらのクラス全体で 4 週間ごとに報告されます。 各クラスの平均登録者数は 50 人であるため、この調査では 12 週間の試験期間全体で約 3,400 人の学生を追跡します。

各クラスは、4 週間間隔 (祝日と試験期間を除く) で、コントロール状態から介入状態に 2 段階で切り替わります。 最初の 4 週間は、学校レベルの啓発活動のみが実施されます。 次の 4 週間 (最初のステップ) で、無作為に選択された 35 のクラス (シーケンス 1) が教室での感作介入を受けます。 最後の 4 週間 (2 番目のステップ) では、残りの 35 クラス (シーケンス 2) が教室での感作介入を受けます。 割り当てられたクラスでの感作のスケジュールは、アクセスを確保するために事前に学校と共有されます。

電力計算:

Stata パッケージ "clustersampsi" を使用して、段階的ウェッジ設計 (Thompson et al., 2018) の期間内比較に基づいて電力計算を行いました。 パイロット データに基づいて、0.124 のクラスター内相関係数 (ICC) で、制御条件と介入条件でそれぞれ 5% と 15% の紹介率を予測しました。 これらのパラメーターを使用すると、70 クラスのサンプル サイズ (平均クラス サイズは 50 人の学生) は、0.05 の有意水準で 10 パーセント ポイントの差 (結果を二項変数として扱う) を検出する検出力が 92% になります。

データ収集：

一次結果（紹介率）は、各学校の研究者が保持する紹介ログから照合されます。 紹介データは、4 週間ごとに集計されます。 ホスト試験に紹介された学生の適格性と臨床的特徴に関する二次的結果は、強みと困難に関する質問票 (SDQ; Goodman et al., 2000) から導き出されます。

統計分析：

クラスサイズと性別構成を含む、参加している70クラスのベースライン特性が説明され、2つのシーケンスにわたる体系的な違いについて評価されます。 主要な結果は、堅牢な標準誤差を持つ一般化推定方程式 (GEE) を使用して分析されます。 GEE は、ステップウェッジ クラスターの無作為化比較試験の分析に推奨される方法であり、試験条件全体で曝露の集団平均効果を提供します (Barker et al., 2016)。 GEE は、完全に指定されたランダム効果モデルに頼ることなく、長期的なデータ分析を可能にし、連続的結果とカテゴリ結果の両方に適用できます (Liang と Zeger、1986)。 これは、データのクラスタリング用に修正されたパラメータ推定値と標準誤差の両方を提供し、相関構造の誤指定にもかかわらず一貫しています。 この試行では、データのクラスタリングはクラス レベルで指定されます。 二次的および探索的結果の分析も、GEE メソッドを使用して実施されます。 感度分析は、第 2 期間のみのデータの「期間内比較」を使用して実施されます (Thompson et al., 2018)。 中間分析は行われません。

プロセス評価:

介入手順の実施における変動の潜在的な原因を調査するために、定量的プロセスデータの記述的分析を行います。