특성 대 상태: 우울증과 불안에 대한 성격 특성, 대처 행동 및 인지의 차별적 영향

가설 1: (BFI-10)으로 측정된 신경증, 긍정적인 메타인지, 부정적인 메타인지 및 도움이 되지 않는 대처 전략(CAS-1로 측정된 후자의 세 가지)은 더 높은 수준의 우울증과 불안을 예측할 것입니다.

연구 질문 1: 현재 대유행 샘플에서 우울증 및 불안과 관련된 BFI-10으로 측정된 서로 다른 특성은 어떻게 그리고 어느 정도입니까?

연구 질문 2: 특성 또는 상태 변수가 우울 및 불안 증상과 가장 밀접하게 연관되어 있습니까? 이 질문은 다중 회귀 분석에서 부분 상관 관계를 사용하여 조사됩니다.

통계 분석:

2개의 계층적 회귀 분석이 수행됩니다. 1) 종속 변수로 PHQ-9 사용; 2) GAD-7을 종속 변수로 사용하는 두 번째. 두 분석 모두 다음 변수와 다음 단계를 포함합니다. 1단계에서 인구통계 변수 연령, 성별 및 교육이 모델에 포함됩니다. 2단계 2에서는 특성-변수(즉, BFI-10으로 측정된 5가지 성격 특성 모두)가 포함됩니다. 마지막 단계에서는 세 가지 상태 변수인 긍정적 메타인지, 부정적 메타인지(CAS-1) 및 비도움 대처 전략(CAS-1)이 포함됩니다.

우울증과 불안에 대한 가정된 예측 변수의 효과 크기를 나타내는 각 회귀 분석에 대해 부분 상관 관계가 보고됩니다. 부분(반부분) 상관관계는 예측 관계의 강도에 대해 편향이 가장 적고 해석하기 가장 쉬운 추정치를 제공합니다(Dudgeon, 2016). 다른 모든 예측 변수에서 고유한 예측 변수의 측면과 결과 사이의 상관 관계입니다. 상관관계의 한 종류로서 Cohen(1988)의 기준(소 >=0.10, 중 >=0.30, 대 >=0.50)에 따라 그 크기를 평가할 수 있다.

두 분석 모두 신경증(BFI-10), 개방성(BFI-10), 성실성(BFI-10), 외향성-내향성(BFI-10) 및 친화성(BFI-10)의 5가지 특성 예측 변수를 포함합니다.

상태 예측 변수는 다음과 같습니다. 긍정적인 메타인지(CAS-1 하위 척도); 음성 메타인지(CAS-1 하위 척도); 도움이 되지 않는 대처 행동(CAS-1 하위 척도).

다중 공선성 및 기타 통계적 가정은 검사를 사용하여 확인됩니다. 다중 공선성은 일반적인 지침으로 평가됩니다(VIF < 5 및 공차 > 0.2; Hocking, 2003; O'Brian, 2007).

이 사전 등록된 프로토콜에 사전 지정되지 않은 향후 논문에서 추가 분석이나 질문이 다루어지면 명시적으로 탐색으로 정의됩니다.

수집된 샘플과 노르웨이의 성인 인구 간의 비례 비율을 보장하는 참가자의 무작위 샘플을 선택한 후 주요 결과의 민감도 분석 및 무작위 하위 샘플 복제가 수행됩니다.

샘플 크기 및 검정력 계산:

본 연구는 더 큰 프로젝트의 일부이며, 첫 번째 부분은 회귀 분석을 통해 정신 건강의 정보 소스 예측 변수를 조사하는 것을 목표로 하고 두 번째 부분은 복잡한 시스템 접근(즉, 네트워크 분석). 결과적으로 전력 계산은 네트워크 분석에 필요한 전력을 기반으로 합니다. Fried & Cramer(2017)의 전력 분석 지침에 따라 참여자 수는 추정된 매개변수 수보다 3배 이상 많을 것을 권장합니다. 그러나 다변량 연구에 대한 Roscoe(1975)의 보다 보수적인 권장 사항은 추정된 매개변수 수보다 10배 더 큰 표본 크기를 권장합니다. 따라서 이 두 가지 접근 방식에 따라 각각 1305~4350명의 참가자가 필요합니다. 데이터는 3주 동안 수집되며 참가자는 노르웨이 성인의 대표 및 무작위 샘플을 기반으로 하며 무작위로 선택되고 연구에 참여할 동등한 기회가 제공되며 디지털 동의를 제공합니다.

누락된 데이터:

개인에 민감한 데이터를 저장하기 위해 노르웨이에서 사용되는 플랫폼인 TSD 시스템(민감한 데이터 서비스)은 일종의 국가 ID 번호를 통해 참가자를 공식적으로 확인하여 유럽 GDPR(일반 데이터 보호 규정) 법률. 따라서 참가자는 언제든지 자신의 데이터를 철회할 수 있습니다. 설문 조사에는 필수 응답 필드가 포함되어 있습니다. 참여는 자발적이며 제공된 데이터의 철회는 언제든지 가능합니다. 조사관은 참가자가 데이터를 철회할 것으로 기대하지 않으므로 누락된 데이터가 없을 것으로 예상합니다. 그러나 참가자가 데이터를 철회하는 경우 조사관은 최첨단 누락 데이터 분석을 수행하고 데이터가 무작위로 누락되었는지 여부를 조사합니다.