O efeito dos dispositivos móveis no desenvolvimento e saúde das crianças pequenas (iKids)

Pesquisadores de garantia de qualidade que realizam as medições são altamente experientes nos procedimentos e análises. Os investigadores estão utilizando apenas ferramentas validadas que estão bem estabelecidas na literatura. A exposição e o uso de dispositivos eletrônicos interativos (por exemplo, tablets e smartphones) serão medidos por um aplicativo que acessará informações diretamente dos dispositivos do participante (Android ou iOS) usando o software de detecção móvel para capturar o tempo da tela e o uso de aplicativos (Lind et al. 2023). O aplicativo foi usado com sucesso para medir o uso de smartphones em crianças (Bagot et al., 2022; Wade et al., 2021).

A medição de habilidades emergentes, nossa medida de desfecho primária, foi validada e amplamente utilizada na literatura (Howard et al. 2017). Os investigadores usarão uma lista de verificação de fidelidade da administração para avaliar a prática entre os pesquisadores antes do início da coleta de dados. Uma série de resultados secundários será registrada (ou seja, IMC (escalas calibradas e medidas repetidas), comportamento do movimento (acelerometria Cliff et al. 2024), desenvolvimento motor (NIH Toolbox, Reuben et al., 2013), interação pai e filho (Stimq2, Cates et al. 2023). Essas medidas foram usadas no estudo do nascer do sol, que está coletando dados sobre crianças nessa idade em 63 países ao redor do mundo (https://sunrise-study.com/) e publicados em um protocolo (Okely et al., 2021) .

Os vídeos e o suporte de treinamento foram fornecidos pela equipe do Sunrise e foram usados ​​para informar nosso protocolo de estudo. Como o desenvolvimento infantil é influenciado por várias covariáveis, os pesquisadores selecionaram os mais comumente relatados na literatura e sugeridos pelo nosso grupo PPI (ou seja, Sexo, idade, etnia, educação materna, estilo parental (PSDQ-SV. Robinson et al. 2001), participação na creche, dependência dos pais em smartphones (SAS-SV, Kwon et al., 2013) e política de visualização de tela.

Formulários de captura de dados de processamento de dados foram criados para medidas aplicáveis ​​para padronizar a entrada de dados e ajudar na entrada de dados. Em termos de processamento e análise de dados. Os investigadores conduzirão a limpeza preliminar de dados, explorando se os valores de variáveis ​​contínuas estão dentro do intervalo, plausibilidade de meios e desvios padrão e validade das categorias codificadas. Os investigadores avaliarão as distribuições de dados e identificarão quaisquer valores extremos univariados a partir de métodos gráficos e de casos com pontuações muito grandes e padronizadas desconectadas de outras pontuações e outliers multivariados por métodos gráficos e inspeção de distâncias de alavancagem/mahalanobis, discrepância e estatística de influência. Quaisquer erros possíveis serão investigados individualmente. Os investigadores também investigarão a extensão, o padrão e a natureza dos dados ausentes. Se a proporção de dados ausentes for pequena (abaixo de 5%), eles considerarão análises completas de casos. Se a quantidade ou padrão de dados ausentes impedir a análise de caso completa, os investigadores considerarão a imputação dos dados. Múltiplas imputações serão usadas devido à sua robustez ao tipo de falta de dados. Se a imputação for realizada, os estudos de sensibilidade serão realizados comparando os resultados derivados de dados com e sem imputação.

Análise de dados Análise descritiva A amostra será resumida descritivamente. Os investigadores relatarão o número de crianças em cada unidade educacional e resultados primários e secundários por tempo (linha de base e acompanhamento). Para resultados contínuos, as informações de resumo serão apresentadas como meios (desvios padrão (DP); intervalos). Para resultados categóricos, as informações de resumo serão apresentadas como frequências (porcentagens). A necessidade de transformações variáveis ​​para estabilizar a variação ou alcançar a normalidade será avaliada.

Análise Inferencial As variáveis ​​de teste a seguir serão consideradas para a análise: 1) duração do IED; 2a) Modo IED educacional; 2b) Modo IED apropriado.

1. Modelagem de regressão multinível do resultado primário Os investigadores conceituaram um modelo de multinível de interceptação aleatória de dois níveis, com crianças agrupadas em unidades educacionais. Este modelo considerará a EA no acompanhamento como a medida de resultado projetada para responder às questões de pesquisa primárias: como é a duração do IED (horas por dia) e modo (educacional vs. não-educacional; apropriado para a idade vs. não-agenda -apropriado) na linha de base, controlando as covariáveis ​​no nível da criança (incluindo as pontuações da linha de base da EA) e covariáveis ​​educacionais no nível da unidade, associadas à EA no acompanhamento em um modelo multinível no qual as crianças estão agrupadas em unidades educacionais? O coeficiente de partição de variação (VPC; a proporção de variação residual associado a cada nível do modelo) será avaliado por meio de um modelo nulo antes de prosseguir para um modelo covariável. Os investigadores considerarão a fusão dos níveis no modelo se as estatísticas do VPC revelarem efeitos de agrupamento desprezíveis (variação residual insignificante no nível da unidade educacional). Uma modelagem de regressão múltipla não linear será realizada se houver evidências de uma relação não linear entre o nível de uso do IED na linha de base e a EA no acompanhamento, permitindo um único máximo (correspondente a níveis ideais de uso da IED basal) ou platô; Caso contrário, os modelos de regressão linear serão realizados. Se os dados indicarem um nível ideal de uso de uso associado a um valor máximo específico da pontuação do EA no acompanhamento, formas funcionais não lineares alternativas serão consideradas com os máximos ou os recursos de platô, incluindo polinomial (por exemplo, Formas quadráticas) e logarítmicas e funções por partes. Os investigadores compararão o ajuste de múltiplas distribuições nas proximidades de qualquer ponto de virada e selecionarão o modelo mais adequado nessa região para maximizar a precisão com a qual o valor máximo de EA pode ser obtido. Os intervalos de confiança serão ajustados em torno da função para derivar uma faixa de valores para o valor máximo.

   Os investigadores conduzirão modelos não ajustados e ajustados, com modelos ajustados ajustados para todas as covariáveis ​​em cada nível do modelo. Modelos não ajustados incluirão (i) o único determinante do nível de uso do IED (duração) na linha de base, (ii) os determinantes do modo predominante de IED na linha de base (conforme definido acima) e (iii) determinantes da duração do IED e modo. Todos esses determinantes serão adicionados no nível da criança do modelo. As interações de primeira ordem serão incluídas em modelos não ajustados para capturar efeitos diferenciais na avaliação dos níveis de uso do IED com diferentes modos de uso predominantes. Qualquer interação revelada como de importância substantiva será mantida em um modelo re-cast, juntamente com todos os efeitos principais. Os modelos ajustados serão baseados nas variáveis ​​incluídas da duração do IED e do modo predominante de IED, quaisquer interações de importância substantiva e todas as covariáveis ​​que controlam no nível apropriado do modelo. Os investigadores não usarão estratégias de modelagem automatizadas para seleção de variáveis ​​e manterão todos os efeitos principais no modelo ajustado. No entanto, a colinearidade será avaliada em modelos ajustados e considerará a exclusão do controle das covariáveis ​​se a colinearidade excessiva for aparente (fator de inflação de variação> = 5 para qualquer variável).

2. Modelagem de regressão multinível dos resultados secundários Os pesquisadores conduzirão a modelagem de regressão linear múltipla em todos os resultados secundários numéricos e a modelagem de regressão logística múltipla para a medida de resultado secundário binário, usando a mesma estrutura de modelo que para a principal análise do resultado primário. Se alguma evidência for revelada para não linearidade entre o nível de duração do IED e os resultados secundários, os investigadores considerarão modelagem não linear para a análise do resultado primário; Caso contrário, eles considerarão a modelagem linear. Nos dois casos, o mesmo conjunto de covariáveis ​​e interações definido para o resultado primário será ajustado. Nenhum ajuste para várias análises será feito; Passe o mouse, todas as análises serão planejadas a priori e relatadas integralmente.

3. Modelagem de regressão multinível: análise subsidiária para explorar os correlatos socioecológicos da duração do IED no indivíduo (gênero, idade e etnia), interpessoal (educação materna, estilo parental e dependência de smartphones) e níveis organizacionais (política de assistência à infância), vontade, vontade ser conduzido como uma análise subsidiária, considerando o conjunto de variáveis ​​acima como determinantes do IED usando as variáveis ​​relatadas como variáveis ​​de controle.

   Interceptações aleatórias e modelagem de regressão linear múltipla no resultado da duração do IED serão realizadas na linha de base. Uma estrutura hierárquica de dois níveis será usada, com variáveis ​​designadas como individuais ou interpessoais anexadas no nível inferior (filho) e variáveis ​​designadas como organizacionais anexadas no nível superior (unidade educacional).

   Quaisquer relacionamentos revelados durante esse processo serão usados ​​em modelagem futura para gerar hipóteses dentro de uma estrutura de modelagem de equações estruturais mais ampla.

4. Análise de sensibilidade e relatório de dados para o resultado primário, o plano é conduzir análises de sensibilidade para avaliar a sensibilidade do modelo a certas suposições, como mencionado acima. Os investigadores compararão as estimativas de parâmetros de variáveis ​​testadas em modelos não ajustados e ajustados. Para a modelagem multinível da relação entre a duração do IED e os modelos de inclinações aleatórias e interceptações aleatórias serão usadas para avaliar a variação nas inclinações entre unidades de nível superior. Se a imputação dos dados for viável, os modelos serão executados com e sem dados imputados (consulte 'Limpeza de dados e avaliação dos dados ausentes').

Para modelos de regressão linear e não linear de resultados numéricos contínuos, nas análises principais e subsidiárias, os investigadores relatarão todas as estimativas de parâmetros não padronizadas com intervalos de confiança de 95% associados e valores de p. Para modelos de regressão logística, todas as razões de chances com intervalos de confiança de 95% e valores de confiança associados serão relatados. Se a evidência for revelada para uma tendência não linear, os pesquisadores relatarão a forma funcional da curva mais adequada e identificarão a localização de qualquer máximo ou início dos efeitos de platô. Todas as premissas de modelagem de regressão serão verificadas, incluindo homogeneidade de variância e normalidade das variáveis ​​de resultado para cada valor de uma variável independente, usando análise residual. As análises estatísticas serão realizadas usando o MLWIN versão 3.06 (Charlton et al., 2022) e o STATA versão 17 (STATA Corp 2021).