어린이의 발달 및 건강에 대한 모바일 장치의 영향 (iKids)

측정을 수행하는 품질 보증 연구원은 절차 및 분석에서 높은 경험이 있습니다. 연구자들은 문헌에서 잘 확립 된 검증 된 도구 만 활용하고 있습니다. 대화식 전자 장치 (예 : 태블릿 및 스마트 폰)의 노출 및 사용은 모바일 감지 소프트웨어를 사용하여 참가자의 장치 (Android 또는 iOS)에서 직접 정보에 액세스하여 화면 시간과 앱 사용을 캡처하는 앱으로 측정됩니다 (Lind et al. 2023). 이 앱은 어린이의 스마트 폰 사용을 측정하는 데 성공적으로 사용되었습니다 (Bagot et al., 2022; Wade et al., 2021).

신흥 능력의 측정, 우리의 주요 결과 측정은 문헌에서 검증되고 널리 사용되었습니다 (Howard et al. 2017). 조사관은 관리 충실도 체크리스트를 사용하여 데이터 수집이 시작되기 전에 연구원의 실무를 평가할 것입니다. 다양한 2 차 결과가 기록됩니다 (즉, 즉 BMI (보정 된 스케일 및 반복 측정), 이동 행동 (Accelerometry Cliff et al. 2024), 운동 개발 (NIH Toolbox, Reuben et al., 2013), 부모 및 자식 상호 작용 (Stimq2, Cates et al. 2023). 이러한 측정은 일출 연구에 사용되었으며, 전 세계 63 개국 (https://sunrise-study.com/)의 어린이에 대한 데이터를 수집하고 프로토콜에 게시되었습니다 (Okely et al., 2021). .

Sunrise Team은 교육 비디오 및 지원을 제공했으며 연구 프로토콜을 알리는 데 사용되었습니다. 아동 발달이 다수의 공변량에 의해 영향을 받기 때문에, 조사관은 문헌에서 가장 일반적으로보고 된 것을 선택하고 PPI 그룹 (즉, 즉 성, 연령, 민족, 모성 교육, 육아 스타일 (PSDQ- SV. Robinson et al. 2001), 보육 출석, 스마트 폰에 대한 부모 중독 (SAS-SV, Kwon et al., 2013) 및 스크린 시청 정책.

데이터 처리 데이터 캡처 양식은 데이터 입력을 표준화하고 데이터 입력을 통해 도움을주기위한 적용 가능한 조치를 위해 작성되었습니다. 데이터 처리 및 분석 측면에서. 연구자들은 예비 데이터 청소를 수행하여 연속 변수의 값이 범위 내에 있는지, 평균의 타당성 및 표준 편차, 코드화 된 범주의 유효 여부를 탐색합니다. 연구자들은 데이터 분포를 평가하고 그래픽 방법과 그래픽 방법과 레버리지/마할 라노비스 거리, 불일치 및 영향 통계의 검사를 통해 다른 점수와 다변량 특이 치가 분리 된 매우 큰 표준화 된 점수를 가진 사례에서 일 변량 특이 치를 식별합니다. 가능한 오류는 개별적으로 조사됩니다. 조사관은 또한 누락 된 데이터의 범위, 패턴 및 특성을 조사 할 것입니다. 누락 된 데이터의 비율이 작 으면 (5%미만) 완전한 사례 분석을 고려할 것입니다. 누락 된 데이터의 양 또는 패턴이 완전한 사례 분석을 배제하는 경우, 조사자는 데이터의 대치를 고려할 것입니다. 데이터 누락 유형에 대한 견고성으로 인해 여러 가지 부과가 사용됩니다. 대치가 수행되면, 대치가 있거나없는 데이터에서 파생 된 결과를 비교하여 민감도 연구가 수행됩니다.

데이터 분석 설명 분석 샘플은 설명 적으로 요약됩니다. 수사관은 각 교육 단위의 어린이 수와 시점 (기준선 및 후속 조치)별로 1 차 및 2 차 결과를보고합니다. 지속적인 결과의 경우 요약 정보가 수단 (표준 편차 (SD); 범위)로 제시됩니다. 범주 적 결과의 경우 요약 정보가 주파수 (백분율)로 제시됩니다. 분산을 안정화 시키거나 정규성을 달성하기위한 가변 변환의 필요성이 평가 될 것이다.

추론 분석 다음 테스트 변수는 분석을 위해 고려됩니다 : 1) IED 지속 시간; 2A) IED 모드 교육; 2B) IED 모드 연령에 적합합니다.

1. 1 차 결과의 다단계 회귀 모델링 조사자들은 어린이들이 교육 단위 내에서 클러스터링 된 2 단계 랜덤 인터셉트 다중 레벨 모델을 개념화했습니다. 이 모델은 후속 조치에서 EA가 주요 연구 질문에 답하기 위해 설계된 결과 측정으로 간주 할 것입니다. -적절한) 기준선에서, 아동 수준의 공변량 (EA 기준선 점수 포함) 및 교육 단위 수준의 공변량 제어. 분산 파티션 계수 (VPC; 모델의 각 레벨과 관련된 잔류 분산의 비율)는 공변량 모델로 진행하기 전에 널 모델을 통해 평가됩니다. VPC 통계가 무시할만한 클러스터링 효과 (교육 단위 수준에서 무시할만한 잔여 분산)를 나타내는 경우 연구자들은 모델의 레벨을 병합하는 것을 고려할 것입니다. 기준선에서 IED 사용 수준과 후속 조치에서 EA의 비선형 관계에 대한 증거가있는 경우 비선형 다중 회귀 모델링이 수행되어 단일 최대 값을 허용합니다 (기준선 IED 사용량의 최적 수준에 해당). 또는 고원; 그렇지 않으면 선형 회귀 모델이 수행됩니다. 데이터가 후속 조치시 EA 점수의 특정 최대 값과 관련된 최적의 IED 사용 수준을 나타내는 경우, 대체 비선형 기능적 형태는 다항식 (예 : 2 차) 및 로그 형태 및 조각 기능. 조사관은 모든 전환점 근처에서 여러 분포의 적합을 비교 하고이 영역에서 가장 적합한 모델을 선택하여 EA의 최대 값을 얻을 수있는 정확도를 최대화 할 것입니다. 최대 값에 대한 값 범위를 도출하기 위해 기능 주위에 신뢰 구간이 장착됩니다.

   조사자는 비 조정 된 모델과 조정 된 모델을 모두 수행하며 모델의 각 수준에서 모든 공변량에 맞게 조정 된 모델을 조정합니다. 조정되지 않은 모델은 (i) 기준선에서 IED 사용 수준 (기간)의 단일 결정 요인, (ii) 기준선에서 IED 우세 모드의 결정 요인 및 (위에서 정의 된대로) IED 지속 시간의 결정 요인 및 (IED 기간 및 (iii) 결정 요인을 포함합니다. 방법. 이 결정 요인은 모두 모델의 아동 수준에 추가됩니다. 1 차 상호 작용은 조정되지 않은 모델에 포함되어 다른 우세한 사용 모드로 IED 사용 수준을 평가할 때 차등 효과를 포착합니다. 실질적인 중요한 것으로 밝혀진 모든 상호 작용은 모든 주요 효과와 함께 재 캐스트 모델에서 유지 될 것입니다. 조정 된 모델은 IED 지속 시간 및 IED 우세 모드의 포함 된 변수, 실질적 중요성의 상호 작용 및 모든 모델의 모델에서 공변량을 기반으로합니다. 조사자는 가변 선택을 위해 자동화 된 모델링 전략을 사용하지 않으며 조정 된 모델에서 모든 주요 효과를 유지합니다. 그러나, 공선 성은 조정 된 모델에서 평가 될 것이며 과도한 공선 성이 명백한 경우 공변량 제어의 결실을 고려할 것이다 (모든 변수의 경우 분산 인플레이션 계수> = 5).

2. 2 차 결과의 다단계 회귀 모델링 연구자들은 1 차 결과의 주요 분석과 동일한 모델 구조를 사용하여 이진 보조 결과 측정에 대한 모든 수치 2 차 결과 및 다중 로지스틱 회귀 모델링에 대한 다중 선형 회귀 모델링을 수행 할 것입니다. IED 기간 수준과 2 차 결과 사이의 비선형성에 대한 증거가 밝혀지면, 연구자들은 1 차 결과 분석을위한 비선형 모델링을 고려할 것입니다. 그렇지 않으면 선형 모델링을 고려할 것입니다. 두 경우 모두, 1 차 결과에 대해 정의 된 동일한 공변량 세트 및 상호 작용이 조정됩니다. 다중 분석에 대한 조정은 없습니다. 호버, 모든 분석은 선험적으로 계획되어 있으며 전체적으로보고됩니다.

3. 다단계 회귀 모델링 : 개인 (성별, 연령 및 민족), 대인 관계 (모성 교육, 육아 스타일 및 스마트 폰 중독) 및 조직 (보육 정책 및 출석) 수준에서 IED 기간의 사회 생태 학적 상관 관계를 탐구하는 자회사 분석 위의 변수 세트를 제어 변수로보고 된 변수를 사용하여 IED의 결정 요인으로 고려하여 자회사 분석으로 수행됩니다.

   IED 지속 시간의 결과에 대한 임의의 인터셉트 및 다중 선형 회귀 모델링은 기준선에서 수행됩니다. 2 단계 계층 구조가 사용되며, 변수는 하위 (어린이) 레벨에 첨부 된 개별 또는 대인 관계로 지정되고 변수는 상단 (교육 단위) 수준에 첨부 된 조직으로 지정되어 있습니다.

   이 과정에서 공개 된 모든 관계는 향후 모델링에 사용되어 더 넓은 구조 방정식 모델링 프레임 워크 내에서 가설을 생성 할 것입니다.

4. 민감도 분석 및 데이터보고 주요 결과에 대한 계획은 위에서 언급 한 바와 같이 모델의 민감도를 평가하기 위해 민감도 분석을 수행하는 것입니다. 연구자들은 조정되지 않은 모델에서 테스트 된 변수의 매개 변수 추정치를 비교할 것입니다. IED 지속 시간과 EA 사이의 관계의 다단계 모델링의 경우, 임의의 경사면과 임의의 인터셉트 모델 모두를 사용하여 고급 단위 사이의 경사의 변화를 평가할 것입니다. 데이터의 대치가 가능한 경우, 대치를 유도하지 않은 데이터와 함께 모델이 실행됩니다 ( '데이터 정리 및 누락 데이터 평가'참조).

연속 수치 결과의 선형 및 비선형 회귀 모델의 경우, 주 및 자회사 분석에서 조사자는 관련되지 않은 모든 매개 변수 추정치를 관련 95% 신뢰 구간 및 P- 값으로보고합니다. 로지스틱 회귀 모델의 경우 관련 95% 신뢰 구간 및 P- 값을 갖는 모든 승산 비가보고됩니다. 비선형 추세에 대한 증거가 밝혀지면, 조사관은 가장 적합한 곡선의 기능적 형태를보고하고 최대 값 또는 고원 효과의 위치를 ​​식별합니다. 잔류 분석을 사용하여 독립 변수의 각 값에 대한 분산의 동질성 및 결과 변수의 정규성을 포함하여 모든 회귀 모델링 가정이 확인됩니다. 통계 분석은 MLWIN 버전 3.06 (Charlton et al., 2022) 및 Stata 버전 17 (Stata Corp 2021)을 사용하여 수행됩니다.