Uwarunkowania wiedzy o i stosowania suplementów diety

I. ŚRODKI OCENIONE W BADANIE:

Wybór mierników do oceny w badaniu został oparty na przeglądzie literatury naukowej i osobistych zainteresowaniach badaczy:

1. Środki związane z suplementami diety:

   1. wiedza o suplementach diety (KaDS) – oceniana za pomocą 17-itemowego kwestionariusza KaDS, który w wersji polskiej został opracowany przez Karbownika i in. (2019). Ankietowany zostanie poproszony o ocenę każdego z 17 stwierdzeń dotyczących suplementów diety jako „prawdziwe” lub „fałszywe”. KaDS będzie kodowany przede wszystkim jako suma podskal kwestionariusza ogólnego i szczegółowego. KaDS zostanie zoperacjonalizowany jako 18-poziomowa zmienna porządkowa.
   2. źródła samooceny KaDS – oceniane oddzielnie dla 5 kategorii: „lekarze”, „farmaceuci”, „dietetyk”, „znajomi (bez wykształcenia medycznego)”, „media (czasopisma, telewizja, radio, internet)”. Do każdej kategorii zostanie zadane jednopunktowe pytanie: „w jakim stopniu wiedzę o suplementach diety czerpiesz z…?”. Każda kategoria zostanie zoperacjonalizowana jako 4-poziomowa zmienna porządkowa (od „wcale” do „w dużym stopniu”). Telewizja - telewizja.
   3. stosowanie suplementów diety (UoDS) – oceniane jednopunktowym pytaniem: „czy stosowałeś jakieś suplementy diety w ciągu ostatnich 30 dni?”. UoDS zostanie zoperacjonalizowany jako dwupoziomowa zmienna kategoryczna („nie” i „tak”).
   4. pozytywne osobiste doświadczenia z suplementami diety – oceniane jednopunktowym pytaniem: „jeśli bierzesz suplement diety, czy czujesz, że ci pomaga?”. Miara zostanie zoperacjonalizowana jako 3-poziomowa zmienna kategoryczna („nie”, „tak” i „nie dotyczy, nie stosuję suplementów diety”). Sprawy z odpowiedzią „nie dotyczy…” będą w analizach kodowane jako „nie”.
   5. negatywne osobiste doświadczenia z suplementami diety – oceniane jednopunktowym pytaniem: „jeśli bierzesz suplement diety, czy czujesz, że cię to boli?”. Miara zostanie zoperacjonalizowana jako 3-poziomowa zmienna kategoryczna („nie”, „tak” i „nie dotyczy, nie stosuję suplementów diety”). Sprawy z odpowiedzią „nie dotyczy…” będą w analizach kodowane jako „nie”.
   6. zainteresowanie suplementami diety – oceniane jednoelementowym 5-punktowym dyferencjałem semantycznym: od „nr. Jest to dla mnie zupełnie obojętne.” na „Tak! Codziennie szukam informacji na ten temat.”. Miara zostanie zoperacjonalizowana jako 5-stopniowa zmienna porządkowa.
   7. zaufanie do reklamy suplementów diety (TiADS) – oceniane za pomocą 8-itemowego kwestionariusza TiADS, który w wersji polskiej opracowali Karbownik i in. (2019). Respondent zostanie poproszony o wyrażenie opinii na temat informacji przekazywanych przez reklamy suplementów diety za pomocą 5-stopniowej semantycznej skali różniczkowej. TiADS będzie przede wszystkim rozpatrywane jako suma podskal kwestionariusza Rzetelność, Zrozumiałość i Wpływ. TiADS zostanie zoperacjonalizowany jako 33-poziomowa zmienna porządkowa.
   8. mający kontakt z reklamami suplementów diety – oceniany jednopunktowym pytaniem: „czy w ciągu ostatniego tygodnia miał(a) Pan(i) kontakt z reklamami suplementów diety?”. Miara zostanie zoperacjonalizowana jako dwupoziomowa zmienna porządkowa („nie” i „tak”).

2. Środki związane z innymi problemami zdrowotnymi:

   1. ogólne przekonania na temat leków (BMQ-General) – oceniane za pomocą 8-itemowej części ogólnej Kwestionariusza przekonań na temat leków, który został opracowany przez Horne i in. (1999), zaadaptowany do języka polskiego i zwalidowany przez Karbownika i in. (2019) (artykuł obecnie w trakcie recenzji). Ankietowany zostanie poproszony o wyrażenie zgody na 8 stwierdzeń dotyczących leków na 5-stopniowej skali Likerta: od „całkowicie się nie zgadzam” do „całkowicie się zgadzam”. BMQ-Ogólne zostanie zakodowane jako 2 oddzielne zmienne: podskala BMQ-Ogólne-Nadużycie i podskala BMQ-Ogólne-Szkody. Obie podskale zostaną zoperacjonalizowane jako 17-stopniowe zmienne porządkowe.
   2. samoocena stanu zdrowia – oceniana jednopunktowym pytaniem: „jak oceniasz swój stan zdrowia?”. Miara zostanie zoperacjonalizowana jako 4-stopniowa zmienna porządkowa („słaby”, „dostateczny”, „dobry”, „doskonały”).
   3. samoocena diety - oceniana za pomocą 5-punktowej różnicy semantycznej w jednym elemencie: od „Jem dużo fast foodów, frytek, słodyczy itp.” do „Jem tylko zdrowe, zbilansowane posiłki”. Miara zostanie zoperacjonalizowana jako 5-stopniowa zmienna porządkowa.
   4. samoocena aktywności fizycznej – oceniana za pomocą jednoitemowego 5-punktowego dyferencjału semantycznego: od „nie prowadzę żadnej aktywności fizycznej” do „5 razy w tygodniu intensywnie uprawiam sport”. Miara zostanie zoperacjonalizowana jako 5-stopniowa zmienna porządkowa.
   5. palenie papierosów konwencjonalnych – oceniane za pomocą jednego pytania: „czy palisz papierosy konwencjonalne?”. Miara zostanie zoperacjonalizowana jako 3-poziomowa zmienna kategoryczna („nigdy”, „nie, ale paliłem w przeszłości”, „tak”).
   6. używanie papierosów elektronicznych – oceniane jednopunktowym pytaniem: „czy używasz papierosów elektronicznych?”. Miara zostanie zoperacjonalizowana jako 3-poziomowa zmienna kategoryczna („nigdy”, „nie, ale używałem w przeszłości”, „tak”).

3. Miary danych socjodemograficznych:

   1. wiek – zoperacjonalizowana jako zmienna ciągła zaokrąglona do pełnych lat. Dopuszczalnymi wartościami do zaraportowania będą: „poniżej 18”, „18”, „19”, „20”, …, „113”. Najstarszy obecnie żyjący Polak (23.10.2019) ma 113 lat.
   2. płeć – zoperacjonalizowana jako dwupoziomowa zmienna kategoryczna („mężczyzna” i „kobieta”).
   3. poziom wykształcenia – zoperacjonalizowany jako 5-stopniowa zmienna porządkowa („podstawowe”, „średnie lub zawodowe”, „licencjat”, „magister”, „doktorat”).
   4. wykształcenie medyczne – zoperacjonalizowane jako dwupoziomowa zmienna kategoryczna („brak wykształcenia medycznego” i „wykształcenie medyczne”). Miara ta będzie wykorzystywana pomocniczo do sprawdzenia, czy respondent spełnia kryteria wykluczenia. Brakujące wartości w tej zmiennej zostaną zakodowane jako „edukacja medyczna”.
   5. liczba mieszkańców w miejscu zamieszkania – operacjonalizowana jako 4-stopniowa zmienna porządkowa („poniżej 5000”, „5000-50 000”, „50 000-500 000”, „powyżej 500 000”).
   6. miesięczne zarobki netto gospodarstwa domowego na członka rodziny – operacjonalizowane jako czterostopniowa zmienna porządkowa („poniżej 1000 zł”, „1000-2000 zł”, „2000-3000 zł”, „powyżej 3000 zł”). PLN - waluta polska (złoty).

II. PLAN ANALIZY DANYCH

1. Uczestnik badania zostanie poproszony o wypełnienie ankiety online (https://www.survio.com/pl/) oceniając wszystkie powyższe środki.
2. Przypadki respondentów, którzy zadeklarowali, że mają mniej niż 18 lat lub posiadają wykształcenie medyczne, zostaną usunięte z dalszych analiz (zgodnie z kryteriami włączenia i wyłączenia).

3. Wszystkie zmienne mierzone za pomocą semantycznej skali różniczkowej nie będą miały braków danych, ponieważ oprogramowanie do ankiet online domyślnie przypisuje odpowiedzi wartość środkową („3”). Możliwe są braki danych w innych zmiennych w ankiecie, ponieważ nie będzie opcji wymuszenia odpowiedzi ani odpowiedzi domyślnych. Brakujące wartości będą zarządzane w następujący sposób:

   1. Przypadki bez danych, poza wartościami domyślnymi w semantycznych zmiennych różniczkowych, zostaną usunięte.
   2. Ułamek brakujących wartości dla każdej zmiennej zostanie obliczony.
   3. Obliczony zostanie ułamek przypadków z co najmniej jedną brakującą wartością.
   4. Zmienne z ponad 50% braków danych oraz obserwacje z ponad 50% braków danych zostaną usunięte z bazy danych.
   5. Wzorzec braku danych zostanie oceniony za pomocą testu Little'a dla całkowicie przypadkowych braków danych (MCAR). W przypadku istotnego naruszenia założenia MCAR, dla każdej zmiennej zostanie zbadany związek braków ze wszystkimi pozostałymi zmiennymi.
   6. Jeżeli odsetek przypadków z co najmniej jednym brakiem danych (patrz punkt „c”) jest mniejszy niż 5%, a wynik testu MCAR Little'a (patrz punkt „e”) jest nieistotny, to przypadki z co najmniej jednym brakiem danych zostaną usunięte, a analiza zostanie przeprowadzona tylko z pełnymi przypadkami.
   7. W przeciwnym razie (do punktu „f”) brakujące wartości zostaną przypisane imputacją wielowymiarową za pomocą równań łańcuchowych (MICE) przed wykonaniem jakiejkolwiek dalszej analizy danych. Sumowanie pozycji konstruujących KaDS, TiADS i BMQ zostanie wykonane po imputacji braków danych w każdej pojedynczej pozycji.

4. KaDS będzie traktowany jako zmienna ciągła i modelowany za pomocą wielowymiarowej regresji liniowej, podczas gdy UoDS, będąc dwupoziomową zmienną kategoryczną, będzie modelowany za pomocą regresji logistycznej. Porządkowe zmienne niezależne będą uważane za ciągłe, podczas gdy zostaną uwzględnione w modelach regresji. Kategoryczne zmienne niezależne o więcej niż 2 poziomach zostaną przekonwertowane na zmienne fikcyjne przed włączeniem ich do modeli regresji. Zmienne zależne (DV), KaDS i UoDS, będą modelowane w następujących krokach:

   1. Ocenione zostaną jednoczynnikowe (nieskorygowane) powiązania DV ze wszystkimi pozostałymi miarami (KaDS zostanie dodatkowo podzielony na podskale Ogólne i Szczegółowe w celu prezentacji wyników). Dodatkowo uwzględniona zostanie dwukierunkowa interakcja „TiADS”ׄmający kontakt z reklamami suplementów diety”. Powiązania będą zgłaszane zarówno jako nieskorygowane, jak i skorygowane dla wszystkich testowanych miar socjodemograficznych (patrz punkt „I. 3"). Jeżeli dane są imputowane (patrz punkt „3. g”), analiza wrażliwości jednowymiarowych (nieskorygowanych) powiązań między DV a pozostałymi miarami zostanie przeprowadzona w zbiorze danych pełnych przypadków tylko w celu przetestowania dokładności imputacji brakujących danych. Dalsze modele wielowymiarowe zostaną zbudowane z miarami istotnie statystycznie (według surowych wartości p w nieskorygowanych analizach) związanych z DV w tych analizach.

   2. Predyktory, które zostaną zachowane w ostatecznym modelu, zostaną wybrane według następujących kryteriów:

      • Wielowspółliniowość. Wielowspółliniowość zmiennych zostanie oceniona za pomocą macierzy korelacji Pearsona i eksploracyjnej analizy czynnikowej. W przypadku wykrycia współliniowości rozważone zostaną dwa rozwiązania: (1) zmienne zasadniczo współliniowe mogą być łączone liniowo, jeśli mogą reprezentować ten sam konstrukt (np. „samoocena diety” plus „samoocena aktywności fizycznej” plus „niepalenie papierosów” mogą reprezentować konstrukt „dbanie o zdrowie” lub „konwencjonalne palenie papierosów” plus „używanie papierosów elektronicznych” mogą reprezentować konstrukt „nikotyna zależność” itp.) lub (2) tylko jedna zmienna ze zbioru zasadniczo współliniowych zmiennych może zostać zachowana, a druga może zostać usunięta.
      • „Obiektywizm” zachowanej miary. Preferowane będą wysoce „obiektywne” środki. Obejmują one ten z bardziej przekonującym dowodem ważności: KaDS, TiADS i BMQ, następnie „obiektywne” miary oceniane za pomocą jednego pytania: wiek i płeć, a następnie bardziej „subiektywne”, trudne do zweryfikowania i prawdopodobnie stronnicze miary: reszta środków.
      • Kryteria informacyjne. Preferowane będą modele o niższych wartościach kryterium informacyjnego Akaike lub bayesowskiego (algorytm wyboru najlepszego podzbioru).
   3. Analiza resztkowa otrzymanych modeli zostanie przeprowadzona w celu sprawdzenia założeń ogólnego modelowania liniowego. W przypadku istotnie naruszonych założeń, procesy budowy modelu mogą zostać powtórzone.
5. Wewnętrzna walidacja zostanie przeprowadzona z k-krotną walidacją krzyżową w celu przetestowania dokładności i stabilności uzyskanych modeli.

6. Analizy podgrup można przeprowadzić na próbach respondentów krytycznych dla zdrowia publicznego:

   1. osoby starsze (60 lat i więcej),
   2. mieszkańcy wsi (poniżej 5 tys. mieszkańców),
   3. osoby o niskich dochodach (poniżej 1000 zł miesięcznych zarobków netto gospodarstwa domowego na członka rodziny) itp.
7. Wartości P w analizach poniżej 0,05 będą uważane za statystycznie istotne. Aby uwzględnić testowanie wielu hipotez, jeśli ma to zastosowanie, zostanie zastosowana korekta poziomu istotności za pomocą procedury Benjaminiego i Hochberga (współczynnik fałszywych odkryć 0,05).
8. Analizy będą wykonywane przy użyciu oprogramowania STATISTICA (Statsoft) lub R (R Core Team).