식이보충제에 대한 지식 및 사용의 결정요인

I. 연구에서 평가된 조치:

연구에서 평가할 조치의 선택은 과학 문헌 검토 및 연구원의 개인적인 관심을 기반으로 했습니다.

1. 건강 보조 식품과 관련된 조치:

   1. 식이 보충제(KaDS)에 대한 지식 - Karbownik 등이 폴란드어 버전으로 개발한 17개 항목 KaDS 설문지로 평가했습니다. (2019). 응답자는 식이 보조제에 관한 17가지 진술 각각을 "참" 또는 "거짓"으로 평가하도록 요청받을 것입니다. KaDS는 기본적으로 일반 및 특정 설문 하위 척도의 합계로 코딩됩니다. KaDS는 18레벨 서수 변수로 운용됩니다.
   2. 자체 평가된 KaDS 소스 - "의사", "약사", "영양사", "친구(의학 교육을 받지 않은)", "미디어(잡지, TV, 라디오, 인터넷)"의 5개 범주에 대해 별도로 평가됩니다. 단일 항목 질문은 각 범주에 대해 요청됩니다: "식이 보조제에 대한 지식은...에서 어느 정도 얻습니까?". 각 범주는 4단계 순서 변수("전혀 아님"에서 "대부분"까지)로 조작됩니다. TV - 텔레비전.
   3. 식이 보조제 사용(UoDS) - "지난 30일 동안 식이 보조제를 사용한 적이 있습니까?"라는 단일 항목 질문으로 평가됩니다. UoDS는 2단계 범주 변수("아니오" 및 "예")로 작동됩니다.
   4. 식이 보조제에 대한 긍정적인 개인적 경험 - 단일 항목 질문으로 평가: "식이 보조제를 복용하면 도움이 된다고 느끼십니까?" 측정은 3단계 범주 변수("아니오", "예" 및 "해당 사항 없음, 식이 보조제를 사용하지 않음")로 운영됩니다. "해당 없음..." 응답을 나타내는 사례는 분석에서 "아니오"로 코딩됩니다.
   5. 식이 보조제에 대한 부정적인 개인적 경험 - 단일 항목 질문으로 평가: "식이 보조제를 복용하면 몸이 아프다고 느끼십니까?" 측정은 3단계 범주 변수("아니오", "예" 및 "해당 사항 없음, 식이 보조제를 사용하지 않음")로 운영됩니다. "해당 없음..." 응답을 나타내는 사례는 분석에서 "아니오"로 코딩됩니다.
   6. 식이 보충제에 대한 관심 - 단일 항목 5점 의미 차이로 평가: "No. 이것은 나에게 완전히 무관심합니다." "예! 매일 나는 이 주제에 대한 정보를 찾습니다.". 측정값은 5단계 순서 변수로 조작됩니다.
   7. 광고 식이 보조제(TiADS)에 대한 신뢰 - Karbownik 등이 폴란드 버전으로 개발한 8개 항목 TiADS 설문지로 평가했습니다. (2019). 응답자는 5점 의미 차등 척도를 사용하여 건강 보조 식품 광고가 전달하는 정보에 대한 자신의 의견을 표현하도록 요청받을 것입니다. TiADS는 주로 신뢰성, 명료성 및 영향 설문 하위 척도의 합계로 간주됩니다. TiADS는 33레벨 순서 변수로 운용됩니다.
   8. 식이보충제 광고와 접촉 - 단일 항목 질문으로 평가: "지난주에 식이보충제 광고를 접한 적이 있습니까?" 측정값은 2단계 순서 변수("아니오" 및 "예")로 조작됩니다.

2. 기타 건강 문제와 관련된 조치:

   1. 의약품에 대한 일반 신념(BMQ-일반) - Horne 등이 개발한 의약품 설문지에 대한 신념의 8개 항목 일반 부분으로 평가했습니다. (1999), 폴란드어에 적응하고 Karbownik et al. (2019) (현재 동료 검토 중인 논문). 응답자는 "전적으로 동의하지 않음"에서 "전적으로 동의함"까지 5점 리커트 척도를 사용하여 의약품에 관한 8개의 진술에 대해 동의를 표시하도록 요청받을 것입니다. BMQ-일반은 BMQ-일반-과용 하위 척도 및 BMQ-일반-해로움 하위 척도의 두 가지 개별 변수로 코딩됩니다. 두 하위 척도는 모두 17 수준 순서 변수로 작동됩니다.
   2. 자체 평가 건강 - 단일 항목 질문으로 평가: "당신의 건강을 어떻게 평가하십니까?" 측정은 4단계 순서 변수("나쁨", "보통", "좋음", "우수함")로 조작됩니다.
   3. 자체 평가 식단 - "나는 패스트푸드, 칩, 과자 등을 많이 먹습니다."에서 단일 항목 5점 의미론적 차이로 평가됩니다. "나는 건강하고 균형 잡힌 식사만 먹는다"로. 측정값은 5단계 순서 변수로 조작됩니다.
   4. 자기 평가 신체 활동 - "나는 신체 활동이 전혀 없다"에서 "나는 일주일에 5번 집중적으로 스포츠를 한다"까지 단일 항목 5점 의미론적 차이로 평가됩니다. 측정값은 5단계 순서 변수로 조작됩니다.
   5. 재래식 흡연 - 단일 항목 질문으로 평가: "재래식 담배를 피우십니까?". 이 측정은 3단계 범주형 변수("전혀", "아니오, 하지만 과거에 흡연했습니다", "예")로 조작됩니다.
   6. 전자 담배 사용 - 단일 항목 질문으로 평가: "전자 담배를 사용하십니까?". 측정은 3단계 범주형 변수("전혀 없음", "아니오, 하지만 과거에는 사용함", "예")로 조작됩니다.

3. 사회인구학적 데이터 측정:

   1. 연령 - 전체 연수로 반올림된 연속 변수로 조작됩니다. 보고할 수 있는 값은 "18 미만", "18", "19", "20", ..., "113"입니다. 현재(2019년 10월 23일) 살고 있는 최고령 폴란드인은 113세입니다.
   2. 성별 - 2단계 범주형 변수("남성" 및 "여성")로 조작됩니다.
   3. 교육 수준 - 5단계 서수 변수("일차", "중등 또는 직업", "고학사", "고석사", "고박사")로 운영됩니다.
   4. 의학 교육 - 2단계 범주 변수("의학 교육 없음" 및 "의학 교육")로 운영됩니다. 이 측정은 응답자가 제외 기준을 충족하는지 여부를 확인하기 위한 보조 수단으로 사용됩니다. 이 변수의 누락된 값은 "의학 교육"으로 코딩됩니다.
   5. 거주지의 주민 수 - 4단계 서수 변수("5,000 미만", "5,000-50,000", "50,000-500,000", "500,000 초과")로 조작됩니다.
   6. 가족 구성원당 월 순 가계 수입 - 4단계 순서 변수("1,000 PLN 미만", "1,000-2,000 PLN", "2,000-3,000 PLN", "3,000 PLN 초과")로 운영됩니다. PLN - 폴란드 통화(zloty).

II. 데이터 분석 계획

1. 연구 참가자는 온라인 설문 조사(https://www.survio.com/pl/)를 작성해야 합니다. 위의 모든 조치를 평가합니다.
2. 18세 미만이거나 의학 교육을 받았다고 선언한 응답자의 사례는 추가 분석에서 삭제됩니다(포함 및 제외 기준에 명시된 대로).

3. 의미론적 미분 척도로 측정된 모든 변수는 누락된 값이 없습니다. 온라인 설문조사 소프트웨어는 기본적으로 응답에 중심 값("3")을 부여하기 때문입니다. 강제 응답 옵션과 기본 응답이 없기 때문에 설문조사 내의 다른 변수에서 누락된 값이 있을 수 있습니다. 누락된 값은 다음과 같은 방식으로 관리됩니다.

   1. 의미 미분 변수의 기본값 외에 데이터가 없는 경우는 삭제됩니다.
   2. 각 변수에 대한 결측값의 비율이 계산됩니다.
   3. 누락된 값이 하나 이상 있는 사례의 비율이 계산됩니다.
   4. 결측값이 50% 이상인 변수와 결측값이 50% 이상인 케이스는 데이터베이스에서 삭제됩니다.
   5. 데이터 누락 패턴은 MCAR(완전히 무작위로 누락된 데이터)에 대한 Little의 테스트로 평가됩니다. MCAR 가정을 크게 위반하는 경우 각 변수에 대해 다른 모든 변수와의 결측 연관성을 조사합니다.
   6. 하나 이상의 결측값("c" 참조)이 있는 사례의 비율이 5% 미만이고 Little의 MCAR 검정 결과("e" 참조)가 유의하지 않은 경우 하나 이상의 결측값이 있는 사례는 삭제되고 완전한 사례에 대해서만 분석이 수행됩니다.
   7. 그렇지 않으면(포인트 "f"까지) 추가 데이터 분석이 수행되기 전에 누락된 값이 연결된 방정식(MICE)에 의한 다변량 대체로 대체됩니다. KaDS, TiADS 및 BMQ를 구성하는 항목의 합계는 각 단일 항목에서 누락된 값을 대치한 후 수행됩니다.

4. KaDS는 연속 변수로 취급되고 다변량 선형 회귀로 모델링되는 반면, 2수준 범주 변수인 UoDS는 로지스틱 회귀로 모델링됩니다. 서수 독립 변수는 회귀 모델에 포함되는 동안 연속으로 간주됩니다. 수준이 2개 이상인 범주형 독립 변수는 회귀 모델에 포함되기 전에 더미 변수로 변환됩니다. 종속 변수(DV), KaDS 및 UoDS는 다음 단계에서 모델링됩니다.

   1. 나머지 모든 측정과 DV의 단변량(조정되지 않은) 연관성이 평가됩니다(KaDS는 추가로 결과 표시를 위해 일반 및 특정 하위 척도로 분할됨). 또한 양방향 상호 작용 "TiADS"×"건강 보조 식품 광고와 접촉"이 포함됩니다. 연관성은 테스트된 모든 사회인구학적 측정에 대해 조정되지 않은 것과 조정된 것으로 모두 보고됩니다(포인트 "I. 삼"). 데이터가 귀속되는 경우("3. g"), DV와 나머지 측정 사이의 단변량(조정되지 않은) 연관성의 민감도 분석은 누락된 데이터 대치의 정확성을 테스트하기 위해서만 완전한 사례의 데이터 세트에서 수행됩니다. 추가 다변량 모델은 이러한 분석에서 DV와 관련된 통계적으로 유의미한(조정되지 않은 분석의 원시 p-값에 따라) 측정으로 구축됩니다.

   2. 최종 모델에 유지될 예측 변수는 다음 기준에 따라 선택됩니다.

      • 다중공선성. 변수의 다중공선성은 Pearson의 상관관계 매트릭스 및 탐색적 요인 분석으로 평가됩니다. 다중 공선성이 감지된 경우 두 가지 솔루션이 고려됩니다. "자가 평가 식단"과 "자체 평가 신체 활동" 및 "금연"은 "건강 자가 관리" 또는 "일반 담배 흡연"과 "전자 담배 사용"의 구성을 나타낼 수 있으며 "니코틴"의 구성을 나타낼 수 있습니다. 종속성" 등) 또는 (2) 실질적으로 동일 선상에 있는 변수 집합에서 하나의 변수만 유지되고 다른 변수는 삭제될 수 있습니다.
      • 보유 측정의 "객관성". 고도로 "객관적인" 조치가 선호될 것입니다. 여기에는 KaDS, TiADS 및 BMQ와 같은 더 설득력 있는 타당성 증거가 있는 항목이 포함되며, 그 다음 단일 항목 질문으로 평가되는 "객관적" 측정값(연령 및 성별), 보다 "주관적"이고 쉽게 확인할 수 없고 편향된 측정값이 뒤따릅니다. 나머지 조치.
      • 정보 기준. Akaike 또는 Bayesian 정보 기준의 값이 낮은 모델이 선호됩니다(최상의 하위 집합 선택 알고리즘).
   3. 얻은 모델의 잔차 분석을 수행하여 일반 선형 모델링의 가정을 확인합니다. 가정을 크게 위반한 경우에는 모델 구축 과정을 반복할 수 있습니다.
5. 얻은 모델의 정확성과 안정성을 테스트하기 위해 k-겹 교차 검증으로 내부 검증을 수행합니다.

6. 공중 보건에 중요한 응답자 샘플에서 하위 그룹 분석을 수행할 수 있습니다.

   1. 고령자(60세 이상),
   2. 농촌 지역 거주자(인구 5,000명 미만),
   3. 저소득자(가족 구성원당 월 순 가계 수입의 1,000 PLN 미만) 등
7. 0.05 미만의 분석 전반에 걸친 P-값은 통계적으로 유의한 것으로 간주됩니다. 다중 가설 테스트를 설명하기 위해 해당되는 경우 Benjamini 및 Hochberg 절차를 사용한 유의 수준 수정이 적용됩니다(거짓 발견률 0.05).
8. 분석은 STATISTICA 소프트웨어(Statsoft) 또는 R 소프트웨어(R Core Team)를 사용하여 수행됩니다.