Covid-19パンデミック時の健康科学学部生のメンタルヘルス。

サンプリング：

被験者はソーシャルネットワークの呼び出しによって研究に来るため、ボランティア被験者による非実験的サンプリングが実行されます。

シナリオ：

評価は、Survey Monkey というアプリケーションで実行され、ソーシャル ネットワークを通じて配布されます。

研究を報告するための方法論的ガイドライン:

CHERRIE と呼ばれる横断的オンライン研究の方法論的報告の質を向上させるためのガイドが使用されます。

サンプルサイズ：

順序変数を使用するため、質的変数の無限母集団式が使用されます。 観測単位の総数が不明である、または人口が 100,000 を超える場合に加えて。

100,000 人のサンプル サイズは、国ごとに 384 人である必要があります。これにより、測定されるデータの 95% が、評価で観察されたデータに対して ±5% の間隔内に収まるようになります。

データ解析

記述統計を使用して、参加者の特性の中心傾向周波数を分析しました。 ノンパラメトリック分析が適用されます。これは、データが分布、変数のタイプ、および参加者数の分析において正規性の基準を満たしていないためです。したがって、Spearman の相関関係を使用して序数データを対比します。 一方、オッズ比分析は、ある集団グループで健康状態または病気が発生する可能性と、別の集団グループで発生するリスクを判断するために使用されます。

機器検証のためのデータ分析

実現可能性: このセクションでは、参加者がスケールを完了するのにかかった時間、患者が質問に答える際に遭遇した困難、および各質問の欠損値 (応答しなかった患者) の数を記録します。 各項目内の各回答カテゴリの頻度と、各項目の空欄回答率を計算して、項目を分析します。 各項目と全体のアンケートの両方について、床効果と天井効果も分析されました。

信頼性: 信頼性は、Cronbach のアルファを計算して内部整合性を判断することによって評価されました。

有効：

(a) 構造: 構造的妥当性 (または構造妥当性) は、共通因子モデル、主成分抽出法、およびオブリミン回転 (回転が可能である場合) を使用した探索的因子分析によって評価されました。 K1 ルール (固有値が 1 より大きい) と Cattell のスクリーン テストを使用して、解に含まれる因子の数を決定しました。 元の構造を裏付けるために、すべてのアイテムがロードされた単一の要因が存在すると仮定して、確認要因分析も実行されました。 Rスタジオソフトウェアを使用して、最尤推定法を使用しました。

b) 判別妥当性: 判別妥当性は、GAD-7 と PHQ-9 の合計スコアに基づいてサンプルを四分位に分割することによって計算され、個々の項目の平均スコアの両方について、上位四分位が下位四分位と比較されます。そして総合得点。 他の臨床基準については、有効性は、臨床研究者によって割り当てられた診断グループの平均全体 GAD-7 スコア間の関連する平均差、スチューデントの t 検定、独立したグループのマンホイットニー U 検定、または 1 つの比較されたグループの数に応じて、ANOVAが使用されました。

c) 基準の妥当性: 診断性能曲線 (ROC 曲線) を分析し、結果の診断分類を参照臨床診断と比較する際に、アンケートの陽性および陰性予測値と同様に、感度と特異度の割合を計算しました。

d) 収束的妥当性: GAD-7 および PHQ-9 スケールと病院不安およびうつ病スケール (HADS、不安およびうつ病ドメイン) との間の一致度を計算しました。