EMA_若年成人の飲酒の正常化

研究デザイン

提案されたプロジェクトは、(1) アルコールの広告とマーケティングへのリアルタイムの接触を収集する時間ベースのシステム トリガー EMA と、(2) 現在のアルコール ユーザーのインセンティブ戦略調査の縦断的 RCT の組み合わせです。 参加者は、まずベースライン アンケートに回答し、次にスマートフォン アプリケーション (アプリ) を介して EMA に 21 日間連続して参加します。 この評価の長さは、参加者のアルコール マーケティングへの露出を長期間把握するように設計されています。 EMA には、自己申告によるアルコール マーケティングへの暴露および/または反応に関する質問が含まれます。 EMA を完了してから 1 か月後、参加者は電話によるフォローアップ調査に回答するよう連絡を受けます。 （1 か月のフォローアップでは、参加者のアルコール マーケティングへの認識と受容性、およびアルコール マーケティングへの暴露とアルコール消費による飲酒行動を理解する必要があります。）

科目

調査員は、次の選択基準を持つ 360 人の参加者を募集します: (1) 18 歳から 35 歳までの年齢、(2) インターネットにアクセスできるモバイル スマートフォンを所有している、(3) 過去 30 日間にアルコールを飲んだ (現在の飲酒者)、(4 ) 3 週間の EMA 調査期間中に香港に滞在し、(5) 中国語の読み書きができること。

手続き

採用戦略

研究情報を含む一斉メールが、学部生および大学院生のすべての HKU の学生およびスタッフに募集用に送信され、研究を説明する最大 3 通のメール リマインダーが送信されます。 また、オンラインの募集広告は、香港の大学生が普段アクセスするさまざまなオンライン掲示板に掲載されます。 任意の参加者は、電話、電子メール、またはその後の説明会のためにオンライン申請書を送信することで、当社の採用担当者に直接連絡することができます。 私たちのパイロット研究は、これらの方法が多数の関心のある参加者を募集するのに適していることを示しています。 参加者がオンラインで登録すると、資格審査のための Web リンクにリダイレクトされます。 リサーチアシスタントは、同意書の説明、ベースラインアンケート、EMAアプリのインストールとさらなる使用に関するガイダンスについて、適格な参加者に連絡するものとします。

EMAアプリ

参加者が同意し、ベースライン アンケートに回答した後、訓練を受けた研究アシスタントが参加者のスマートフォンに EMA アプリをインストールし、アプリの使用方法を説明します。 このアプリは、通常の EMA を自動的に管理するために、iOS と Android の両方のプラットフォーム用に開発されます。 参加者のプライバシーを保護するため、アプリによって個人情報 (名前や電話番号など) が収集されることはありません。 識別には 5 桁のケース番号のみが使用されます。 特に指定のない限り、ケース番号は対象者の電話番号の下 5 桁になります。 アプリが正常にインストールされると、ユーザーは、今後 3 週間以内に連続 21 日間の学習期間の開始日を選択し、これらの学習日の午前 11 時から午後 4 時までの間に昼食時間を設定するよう求められます。定期的に促す EMA に着手します。

各研究日、アプリは定期的に参加者に、さまざまなチャネルでの最近のアルコール広告への露出に関するアンケートに5時間ごとに、昼食、夕食、夜の就寝前にほぼ一致する合計3回、回答するよう促します。そしてアルコール消費。 EMA 研究の遵守率に関する既存のメタ分析では、参加者が若者集団で構成されている非臨床研究の中で、最も高い平均遵守率が観察されたのは、質問票を 1 日 2 ～ 3 回促した研究 (91.7%) で、より頻繁に実施した研究と比較して観察されたことがわかりました。 4 ～ 5 回 (77.4%) または 6 回以上 (75.0%) プロンプトを表示する 45。 このメタ分析では、1 週間 (75.8%) および 2 週間 (76.8%) の長さと比較して、3 週間の長さの EMA が最高の遵守率 (84.0%) をもたらしたことも示されました。 21 日間という期間は、薬物乱用に関する EMA 研究を調査した以前の系統的レビューに基づいた評価の平均日数 (SD = 28; 2 ～ 175 の範囲) でもありました 46。

また、アルコール消費は深夜に発生しやすいため、参加者の覚醒時間の全範囲で飲酒行動を捉えることも重要です。 したがって、各午後の最初の EMA は前夜の飲酒による二日酔いの影響を記録し 47、最後の EMA は主に発生する飲酒行動を記録します 48。 たとえば、参加者が二日酔いで遅く起きて昼食時間を午後 1 時に設定した場合、午後 1 時、午後 6 時、午後 11 時に EMA アンケートに回答するよう求められます。その日に。 各 EMA 調査は完了するまでに約 1 分かかります (各日の最後の EMA は 2 分かかる場合があります)。 ユーザーが EMA アンケート プロンプトにすぐに応答できない場合は、30 分以内に 15 分と 5 分の 2 つのリマインダーで EMA プロンプトに応答できます。 30 分間応答がない場合は、応答なしと見なされます。 EMA 調査の完了日時やプロンプトへの回答など、上記のすべてのデータは、さらなる分析のために直ちにサーバーに送信されます。

無作為化、割り当ての隠蔽、目隠し

すべての適格な参加者は、オンライン サンプリング ランダマイザーによって生成されたランダム シーケンスを使用して、コントロール グループまたは介入グループにランダムに割り当てられます。 参加者の同意が得られるまで、グループの割り当ては参加者とインタビュアーの両方に対して隠されていました。 ベースライン時および 1 か月後のフォローアップ時のすべての参加者とインタビュアーは盲検化されていません。

ファローアップ

研究結果に対するEMAの調査効果を最小限に抑えるために、研究結果を評価するための電話フォローアップは、EMAの完了から1か月後に実施されます。 調査には、飲酒の正常化、アルコール消費レベル、およびベースライン調査、モバイルアプリ、EMA 調査、フォローアップ調査、および調査の全体的な評価に関する満足度の結果が含まれていました。

データ分析

データ分析は、STATA (バージョン 15) を使用して実施されます。 すべての有意性検定は両側検定で、有意水準は 5% でした。 認識された人気、認識された社会的承認、および肯定的な期待の構造の内部一貫性は、Cronbach のアルファで評価されます。 各構成において、調査員はすべての項目を合計して、各参加者のその属性のスコアを作成します。 治験責任医師は、各参加者の EMA に記載されている受容性の 5 つの項目を平均または合計することにより、受容性の複合尺度を作成します。

1つ目のリサーチクエスチョンについては、独立したt検定/Mann-Whitney U検定を使用して、グループ間のEMA調査の遵守率の差を検定します。 データは平均 ± 標準偏差 (SD) として表示されます。

2 番目から 6 番目の質問では、研究者は重回帰モデルを使用して、参加者の飲酒の正常化 (2 番目の調査質問) とアルコール消費 (3 番目の調査質問) の 3 つの属性について、アルコール マーケティングへの曝露頻度を評価します。 多重線形回帰モデルは、アルコール マーケティングに対する受容性と飲酒の正常化との関連性を評価するためにも使用されます (5 番目の研究課題)。 マルチレベル モデリングを使用して、2 番目の質問に回答し、アルコール マーケティングへの露出頻度がアルコール マーケティングの受容性に与える影響 (4 番目の研究質問) と、アルコール マーケティングの受容性とアルコール消費量との関連性 (6 番目の研究質問) を調べます。

探索的因子分析 (EFA) を採用して、知覚された人気、知覚された社会的承認、および肯定的な期待 (7 番目の研究課題) の因子構造を探索します。 調査員は、相関テストを行うために、真球度の Bartlett 検定とサンプリングの適切さの Kaiser-Meyer-Olkin (KMO) 測定を使用します。 バートレット検定の P 値が 0.05 未満で、KMO 値が 0.5 より大きい場合、因子はさらなる分析に使用されます。 主成分分析では、固有根が 1 より大きい因子が保持されます。 バリマックスは、回転を因数分解するために使用されます。 因子構造の解釈には、因子係数が 0.5 以上の項目が必要でした。 アイテム間の信頼性は、Cronbach の α によって評価されました。 したがって、0.7 を超える Cronbach の α は、スケールの許容可能な信頼性係数であると見なされました。

8 番目の研究課題に答えるために、構造方程式モデリングを採用して、アルコール マーケティングへの曝露頻度と受容性、認識される人気、認識される社会的承認、およびアルコール消費レベルの経路を調べます。 モデルは、参加者の年齢と性別に合わせて調整されます。 被験者内効果については、研究者は、参加者がアルコールを購入するときにアルコールマーケティングにさらされた場合、発生効果を防ぐためにデータを遅らせます。 調査員は、インデックス レポート (t0) で報告されたアルコール マーケティングへの暴露を含めて、その後のアルコール消費のレポートを予測します。 インデックス (t0) と後続のレポートの間の経過時間は、レベル 1 (被験者内) の共変量として含まれます。 モデル内で自己相関が検出され、制御されます。 サイズ 10,000 のブートストラップを使用して、パラメーターの 95% 信頼区間を推定します。 データ分布の正規性を確認した後、いくつかの適合指標がモデルの適合の判断に使用されます。 有意でないカイ 2 乗 (X2) が望ましいですが、サンプル サイズが十分に大きくない場合、検定は正しいモデルを誤って棄却する可能性があります.57 0.00 から 1.00 の範囲の比較適合指数 (CFI) と非正規適合指数 (Tucker-Lewis 指数としても知られる) が採用され、値が大きいほど適合性が高いことを表します.58 標準化された二乗平均残差は、モデルの仕様ミスを検出するために使用され、0.08 未満の値が望ましいと見なされます.58 モデルの間接効果は、ソーベル テストで確認します。 被験者間効果を検出するために、同様のモデルが実施されます。