집에서 떨어져 있는 첫해: 놓아주고 연결 유지하기 (FYAH:LGSC)

이것은 두 가지 실험 조건(핸드북 및 핸드북+)과 대조군이 있는 무작위 통제 시험(RCT)입니다. 각 조건은 450명의 학생/학부모 쌍으로 구성되며, 절반은 코호트 1, 나머지 절반은 코호트 2입니다. 참가자는 2017년과 2018년에 사회 개발 연구 그룹(Social Development Research Group, SDRG)에 의해 워싱턴 주립 대학의 신입생 수업에서 모집됩니다. 워싱턴 대학교. 두 실험 조건의 학부모는 학교가 시작하기 전 여름에 핸드북을 받게 됩니다. 핸드북에는 제안된 대화 시작, 체크리스트, 부모/학생 쌍이 완료해야 할 활동이 포함되어 있습니다. 활동은 사회 및 정서적 발달 이론에 기반을 두고 있으며 부모로부터 독립적인 생활로 전환하는 이 연령대 그룹의 위험 및 보호 요인을 해결하도록 설계되었습니다. 핸드북 플러스 학부모는 가을과 봄 학기 동안 정기적으로 문자 메시지를 받게 되며, 그 중 일부는 고위험 기간으로 알려진 주요 대학 행사(예: 홈 축구 경기)에 대해 알리도록 설계되었습니다. 각 코호트는 2년 동안 추적될 것입니다. 학부모는 기준선(학생이 시작하기 전 봄)과 가을 학기에 설문 조사를 완료합니다. 학생들은 학교에서 처음 2년 동안 기준선과 매 학기에 설문 조사를 완료합니다.

프로젝트의 구체적인 목표는 다음과 같습니다.

목표 1: 대학으로 진학하는 학생의 부모를 위한 이론적 안내, 발달 목표 및 경험적으로 지원되는 핸드북 개입인 Letting Go and Staying Connected의 효능을 테스트합니다. 조사관은 핸드북 조건의 학생들이 시작, 사용, 물질(알코올, 마리화나, 아편제 및 처방 각성제)의 남용 및 HIV/성 위험 행동을 포함하여 더 적은 위험 행동에 관여할 것이라고 가정합니다. 결과적으로 핸드북 학생들은 신체적, 정서적, 사회적 및 학업적 피해도 적게 보고할 것입니다. 조사자는 제어 조건 대 "핸드북 전용" 및 "핸드북 플러스" 조건(개입의 활용도를 높이기 위해 설계된 전략적 타이밍의 단문 메시지 서비스 및/또는 이메일을 추가하는 개입의 향상된 버전)을 테스트할 것입니다.

목표 2: 핸드북 활용과 위험 행동/관련 피해에서 예상되는 개입 변화 사이의 이론적으로 지정된 중재 경로를 테스트합니다. 조사관은 핸드북이 학생 결과에 미치는 영향이 다음 경로에 설명된 대로 부모와 학생 행동 모두에 의해 조정될 것으로 기대합니다. 1) 개입에 대한 부모 참여 및 사용 2) 가족 관리, 자율 지원, 및 정서적 지원 3) 건강한 행동에 대한 학생의 인지된 보상 4) 부모 및 동료와의 건강한 연결 5) 다음으로 이어지는 건강한 신념 및 명확한 기준 6) 약물 사용 및 성 위험 행동 감소; 학업 성적 향상.

목표 3: 학생의 약물 사용 및 HIV/성 위험 행동을 예측하고 그에 따라 달라지는 학부모-학생 커뮤니케이션의 특정 속성을 식별합니다. 첫 학기 초에 조사관은 7일의 2개 기간에 걸쳐 학생들을 집중적으로 조사하여 부모와의 일상적인 의사소통 및 일상적인 위험 행동에 대해 알아볼 것입니다. 이 발달 단계에서 부모-학생 간 의사소통에 대해 알려진 바가 거의 없기 때문에 조사관은 부모가 학생과 의사소통하는 내용, 감정적 어조, 시기, 기간, 방식 및 빈도에 대해 설명적이고 탐구적인 분석을 수행하고 이러한 측면이 의사소통은 개인 간 및 개인 내 수준 모두에서 학생의 위험 행동 및 관련 피해와 관련됩니다.

SDRG는 채용, 데이터 수집, 데이터 관리 및 데이터 보안에 대한 광범위한 경험을 보유하고 있습니다. 조사관의 상세한 데이터 안전 모니터링 계획에는 참가자 정보를 보호하는 데 사용되는 특정 절차에 대한 정보가 포함되어 있습니다. 조사관은 워싱턴 주립 대학교(WSU) 학생 비율에 비례하여 과소대표된 학생들을 모집할 것입니다. SDRG는 또한 일부 연구에서 20년 이상 동안 연구 참가자를 유지하는 데 광범위한 경험을 가지고 있습니다.

데이터 청소. 조사관은 범위를 벗어난 값, 측정 지점 간의 일관성, 정규성 및 영향력 있는 이상값에 대한 테스트를 수행합니다. 조사관은 허용된 기술(예: 가정 위반에 대한 강력한 분석). 이분법적인 물질 사용 변수의 수는 종종 왜곡됩니다. 조사관은 변수의 로그 변환과 적절한 분석을 사용합니다(예: 필요에 따라 생존 분석 또는 포아송 회귀).

선택 및 감소. 연구에 초대할 학생을 무작위로 선택하여 학생 모집단의 대표 표본을 확보해야 하며, SDRG의 조사 연구 부서가 10년 이상 응답자의 90% 이상을 유지할 수 있는 능력이 수많은 연구에서 입증되었습니다. 그러나 조사관은 차등 참여 및 감소와 편향된 결과 추정의 가능성을 테스트합니다. 필요한 경우 조사관은 이러한 효과를 모델링하고 수정 기술을 사용합니다.

구현 및 복용량의 가변성. 특히 자가 관리 개입의 경우 실행 및 용량이 무작위로 분배되지 않습니다. 예를 들어 개입 조건에서 특히 동기가 부여되거나 순응하는 부모는 모든 활동을 수행할 수 있는 반면 다른 사람은 선택하고 선택할 수 있습니다. 중재 참여자 전체에 걸쳐 중재 구성요소의 비무작위 분포는 프로그램 효과에 대한 인과적 추론을 도출하는 능력을 혼란스럽게 만들고 구현을 이진 이벤트로 취급하여 프로그램 효과의 메커니즘을 모호하게 합니다. Intent-to-treat 분석 외에도 조사관은 경향 스코어링 및 역확률 가중을 통해 구현 시 선택 효과의 추정, 모델링 및 제어를 허용하는 최근의 방법론적 발전을 사용할 것입니다.

데이터가 없습니다. 응답자가 항목을 건너뛰거나 하나 이상의 데이터 수집 지점을 놓치는 경우 누락된 데이터로 인해 편향이 발생하고 유형 I 오류의 가능성이 높아질 수 있습니다. 연구자의 주요 분석 접근 방식은 FIML(Full Information Maximum Likelihood)(38)을 사용하여 누락된 데이터를 관리합니다. 과도한 누락의 경우 조사관은 다중 전가를 사용합니다.

가족 단위 오류. 조사관은 위험 행동/위해의 요약 변수를 사용하지만, 조사관은 또한 각 위험 결과에 대해 별도의 분석을 수행하여 개별 물질을 보다 세분화하여 유형 1 오류의 가능성을 높입니다. 물질 사용 항목에 대한 응답도 높은 상관 관계가 있을 가능성이 있습니다. 이러한 경우 표준 Bonferroni 수정은 유형 2 오류의 가능성이 더 높은 지나치게 보수적인 경향이 있습니다. 리샘플링 절차(예: SAS(Statistical Analysis Software) 절차 MULTTEST)는 Bonferroni 테스트보다 강력하며 범주형, 연속형 및 중도절단 데이터 테스트, 개체 간 효과의 혼합 방법 분석 및 종단 개체 내 테스트에 적용할 수 있습니다(15,148). 적절한 경우 글로벌 테스트 통계가 사용됩니다.

분석: 목표 1: 시간 경과에 따른 변화에 대한 개입 영향을 측정하기 위해 조사자는 각 가설 결과에 대한 잠재 성장 곡선(LGC)을 모델링합니다. 첫째, 5개의 데이터 물결에 걸쳐 예상되는 상승을 확인하기 위해 무조건적 모델이 추정됩니다. 조사관은 두 가지 요소 모델을 기대합니다. 즉, 사전 테스트 수준으로 설정된 절편 요인과 사전 테스트를 절편으로 나타내도록 설정된 요인 로딩으로 추정된 선형 기울기 요인과 조사 사이의 비동등 간격입니다. 비선형 기울기는 하중에 대한 2차 형식을 사용하여 추정되지만 조사자는 주로 모든 5개 시점에서 선형으로 증가할 것으로 예상합니다. 공분산은 일반적으로 결과의 사전 테스트 수준을 제어하기 위해 절편과 기울기 요인 사이에서 추정됩니다. 제어 변수는 다음 단계에서 추가됩니다. 마지막으로 개입 그룹 할당(2개의 더미 변수 형태)이 기울기 요인의 평균 및 분산의 예측 변수로 추가됩니다(무작위 할당은 사전 테스트에서 설정된 절편에 대한 그룹 효과를 배제해야 함). 조사관은 이러한 매개변수가 무조건적 모델과 최소 조건적 모델의 유의미한 양의 기울기 평균 및 분산을 반영할 것으로 예상합니다. 최종 모델에서 중재 더미 변수는 통제 조건과 비교하여 기울기 평균 및 분산에 유의미한 부정적인 영향을 미치는 것으로 가정되어 두 중재 조건 모두 위험 행동 및 결과의 확대 속도를 감소시키고 이러한 결과의 변동성을 감소시켰습니다. 더미 변수의 코딩을 조작함으로써 연구자는 H+ 매개변수가 H에 대한 매개변수보다 훨씬 더 강력하게 부정적일 것이라는 기대를 가지고 H와 H+ 사이의 비교를 테스트할 수 있습니다.

목표 2: 예비 치료 의도 분석(ANCOVA)은 위의 결과에 대해 설명된 대로 각 후속 조치에서 중재자에 대해 수행됩니다. 그런 다음 위에서 설명한 LGC 분석은 매개 변수를 포함하도록 확장됩니다. 그러나 조정을 추정하기 전에 목표 1의 결과에 대해 설명된 대로 제어 변수에 따라 조정되는 모양(절편, 선형 기울기 및 2차 기울기)을 결정하기 위해 LGC 모델에서 시간이 지남에 따라 각 조정자를 모델링합니다. 중재자의 경우 기울기 요인은 일반적으로 이러한 긍정적인 양육 및 부모-학생 관계 요인이 시간이 지남에 따라 감소할 것으로 예상되지만 기울기 요인은 덜 예측 가능합니다. 적절한 변화 모델이 결정되면 중재자 및 결과의 동시/평행 성장 프로세스가 추정됩니다. 병렬 프로세스 종단 성장 모델링(LGM)은 청소년과 젊은 성인에서 동시 발생 약물 사용 및 비행을 포함하여 다양한 발달 결과 간의 상호 관계를 조사하고 예방적 개입 효과의 메커니즘을 테스트하는 데 사용된 기술입니다. 마지막 단계에서 개입 그룹 상태 더미 변수가 병렬 프로세스 모델에 추가됩니다.

목표 3: 이 목표의 탐색적 특성을 고려할 때 가설이 없습니다. 의사소통의 변화는 개입 효과를 중재하기 위해 상정되지 않는다는 점에 유의하십시오. 그러나 개입 상태와 의사소통 조치 사이에 중요한 관계가 발견되면 가능한 개입 영향에 의해 혼동되지 않는 병인학적 관계를 더 잘 반영하기 위해 대조군에 대해서만 탐색적 분석을 수행할 수 있습니다. 예비 분석은 내용, 감정 톤, 타이밍, 기간, 모드 및 빈도의 수준과 변동성을 설명하고 타임 라인 후속 설문 조사의 보고서를 기반으로 이러한 요소를 가장 잘 반영하는 적절한 요약 점수를 개발하는 데 중점을 둘 것입니다. 최대 우도 추정 및 강력한 표준 오류가 포함된 잠재 클래스 분석(LCA)은 이러한 요약 점수를 사용하여 학부모-학생 커뮤니케이션 패턴을 탐색하는 데 사용됩니다. 조사관은 콘텐츠, 감정 톤, 타이밍, 기간, 모드 및 빈도를 기반으로 참가자의 경험적 기반 클래스를 도출합니다. 여기에는 일련의 모델을 추정하여 베이지안 정보 기준, Lo-Mendell-Rubin 조정 우도비 테스트 및 파라메트릭 부트스트랩 우도비 테스트를 비교하여 데이터에 가장 적합한 고유 클래스의 수를 결정하고 가장 많은 것을 선택하는 작업이 포함됩니다. 가장 잘 맞는 간결한 모델.