Первые годы вдали от дома: отпустить и оставаться на связи (FYAH:LGSC)

Это рандомизированное контролируемое исследование (РКИ) с двумя экспериментальными условиями (Руководство и Руководство+) и контролем. Каждое условие будет состоять из 450 диад учащиеся/родители, примерно половина из когорты 1 и половина из когорты 2. Участники будут набраны из новых классов первокурсников в Университете штата Вашингтон в 2017 и 2018 годах Исследовательской группой социального развития (SDRG) в Вашингтонский университет. Родители в обоих экспериментальных условиях получат пособие летом перед началом школы. Справочник содержит рекомендуемые темы для начала беседы, контрольные списки и действия, которые должны быть выполнены парой родитель/ученик. Мероприятия основаны на теории социального и эмоционального развития и предназначены для устранения факторов риска и защиты для этой возрастной группы, когда они переходят к жизни независимо от родителей. В течение осеннего и весеннего семестров по программе Handbook plus родители будут периодически получать текстовые сообщения, некоторые из которых предназначены для того, чтобы информировать их о крупных университетских мероприятиях (например, домашних футбольных матчах), которые, как известно, являются периодами повышенного риска. Каждая когорта будет наблюдаться в течение двух лет. Родители заполняют анкеты на исходном уровне (весной перед началом учебы) и в осеннем семестре. Учащиеся заполняют анкеты на исходном уровне и каждый семестр в течение первых двух лет обучения в школе.

Конкретные цели проекта заключаются в следующем:

Цель 1: Проверить эффективность «Отпустить и оставаться на связи» — теоретически управляемого, ориентированного на развитие и эмпирически поддерживаемого пособия для родителей учащихся, переходящих в колледж. Исследователи предполагают, что учащиеся в условиях Справочника будут меньше рисковать поведением, включая инициацию, употребление и злоупотребление веществами (алкоголем, марихуаной, опиатами и стимуляторами, отпускаемыми по рецепту), а также поведение, связанное с риском заражения ВИЧ / сексом. В результате студенты Handbook также будут сообщать о меньшем физическом, эмоциональном, социальном и академическом вреде. Исследователи проверят контрольное условие по сравнению с условием «Только руководство» и «Руководство плюс» (расширенная версия вмешательства, которая добавляет стратегически рассчитанную службу коротких сообщений и/или электронные письма, предназначенные для увеличения использования вмешательства).

Цель 2: Тестировать теоретически определенные опосредующие пути между использованием Справочника и ожидаемыми изменениями вмешательств в рискованном поведении/сопутствующем вреде. Исследователи ожидают, что влияние Справочника на результаты учащихся будет опосредовано поведением как родителей, так и учащихся, как описано в следующем пути: 1) Участие родителей в вмешательстве и его использование 2) Практика родителей в управлении семьей, поддержка автономии, и эмоциональная поддержка 3) Восприятие учащимися наград за здоровое поведение 4) Здоровые связи с родителями и сверстниками 5) Здоровые убеждения и четкие стандарты, ведущие к 6) Уменьшению употребления психоактивных веществ и рискованного сексуального поведения; повышение успеваемости.

Цель 3: Определить специфические атрибуты общения между родителями и учениками, которые предсказывают и коррелируют с употреблением учащимися психоактивных веществ и поведением, связанным с риском ВИЧ/сексуального риска. В начале первого семестра исследователи будут интенсивно опрашивать студентов в течение 2 периодов по 7 дней, чтобы узнать об их ежедневном общении с родителями и их ежедневном рискованном поведении. Поскольку мало что известно об общении родителей и учеников на этой стадии развития, исследователи проведут описательный и исследовательский анализ содержания, эмоционального тона, времени, продолжительности, способа и частоты общения родителей со своими учениками и изучат, как эти аспекты общение относится к рискованному поведению учащихся и связанному с ним вреду как на уровне между людьми, так и на уровне внутри человека.

SDRG имеет большой опыт в подборе персонала, сборе данных, управлении данными и обеспечении безопасности данных. Подробный план мониторинга безопасности данных исследователей содержит информацию о конкретных процедурах, используемых для защиты информации об участниках. Следователи будут набирать недопредставленных студентов пропорционально доле студентов Вашингтонского государственного университета (WSU). SDRG также имеет большой опыт удержания участников исследований, в некоторых исследованиях более 20 лет.

Очистка данных. Исследователи проведут тесты на значения, выходящие за пределы диапазона, согласованность между точками измерения, нормальность и влиятельные выбросы. Исследователи будут решать любые проблемы предвзятости, связанные с выбросами, используя общепринятые методы (например, анализ, устойчивый к нарушению допущений). Подсчет дихотомических переменных употребления психоактивных веществ часто искажен; исследователи будут использовать логарифмические преобразования переменных и соответствующий анализ (например, анализ выживаемости или регрессии Пуассона) по мере необходимости.

Отбор и Отбор. Рандомизированный отбор студентов для приглашения в исследование должен обеспечить репрезентативность выборки студенческого контингента, и многочисленные исследования продемонстрировали способность Отдела опросных исследований в SDRG удерживать более 90% респондентов в течение более 10 лет. Тем не менее, исследователи проверят дифференциальное участие и отсев, а также вероятность необъективных оценок результатов; при необходимости исследователи моделируют эти эффекты и применяют методы коррекции.

Вариабельность реализации и дозировки. В частности, в случае самостоятельных вмешательств осуществление и дозировка не распределяются случайным образом — например, родители в состоянии вмешательства, которые особенно мотивированы или уступчивы, могут выполнять все действия, тогда как другие могут выбирать и выбирать. Неслучайное распределение компонентов вмешательства среди участников вмешательства затрудняет возможность делать причинно-следственные выводы о последствиях программы и затемняет механизмы воздействия программы, рассматривая реализацию как бинарное событие. В дополнение к анализу намерения лечить исследователи будут использовать последние методологические достижения, которые позволяют оценивать, моделировать и контролировать эффекты отбора при внедрении путем использования оценки склонности и обратного взвешивания вероятности.

Недостающие данные. Когда респонденты пропускают элементы или пропускают один или несколько моментов сбора данных, отсутствующие данные могут привести к систематической ошибке и увеличить вероятность ошибок типа I. В основных аналитических подходах исследователей используется максимальное правдоподобие полной информации (FIML) (38) для управления отсутствующими данными. В случае чрезмерного отсутствия следователи будут использовать множественное вменение.

Семейная ошибка. Исследователи будут использовать сводные переменные рискованного поведения/вреда, но исследователи также будут проводить отдельные анализы для каждого результата риска, чтобы обеспечить более детальное рассмотрение отдельных веществ, увеличивая вероятность ошибки типа 1. Ответы на пункты об употреблении психоактивных веществ также, вероятно, будут сильно коррелированы; в таких случаях стандартные поправки Бонферрони имеют тенденцию быть чрезмерно консервативными с более высокой вероятностью ошибки типа 2. Процедуры повторной выборки (например, Программное обеспечение для статистического анализа (SAS) Процедура MULTTEST) являются более мощными, чем тест Бонферрони, и могут применяться для категориальных, непрерывных и цензурированных тестов данных, смешанных методов анализа эффектов между субъектами и продольных внутрисубъектных тестов (15,148). При необходимости будет использоваться глобальная тестовая статистика.

Анализы: Цель 1: Чтобы измерить влияние вмешательства на изменения во времени, исследователи будут моделировать кривые латентного роста (LGC) для каждого из предполагаемых результатов. Сначала будут оценены безусловные модели, чтобы подтвердить ожидаемую эскалацию по 5 волнам данных. Исследователи ожидают двухфакторную модель: коэффициент пересечения, установленный на уровне до тестирования, и коэффициент линейного наклона, оцененный с факторными нагрузками, установленными для обозначения предварительного испытания как пересечения и неравных интервалов между опросами. Нелинейный наклон будет оцениваться с использованием квадратичных форм для нагрузок, однако исследователи ожидают преимущественно линейного увеличения во всех 5 точках времени. Обычно оценивается ковариация между коэффициентами пересечения и наклона, чтобы контролировать предварительные уровни результата. Переменные управления будут добавлены на следующем шаге. Наконец, будет добавлено назначение группы вмешательства (в виде двух фиктивных переменных) в качестве предикторов среднего значения и дисперсии коэффициента наклона (случайное распределение должно исключать групповые эффекты на отрезке, установленном при предварительном тестировании). Исследователи ожидают, что эти параметры будут отражать значительные положительные средние значения наклона и дисперсии в безусловной модели и минимально условной модели. В окончательных моделях предполагается, что фиктивные переменные вмешательства оказывают значительное негативное влияние на среднее значение наклона и дисперсию по сравнению с контрольным условием, указывая на то, что оба условия вмешательства снижают скорость эскалации рискованного поведения и последствий, а также уменьшают изменчивость этих результатов. Манипулируя кодированием фиктивных переменных, исследователи могут затем проверить сравнение между H и H+, ожидая, что параметры H+ будут значительно более отрицательными, чем параметры для H.

Цель 2: Предварительный анализ намерения лечить (ANCOVA) будет проводиться для медиаторов при каждом последующем наблюдении, как описано выше для исходов. Затем анализ LGC, описанный выше, будет расширен, чтобы включить промежуточные переменные. Однако перед оценкой посредничества каждый медиатор будет моделироваться с течением времени в модели LGC, чтобы определить его форму (пересечение, линейный наклон и квадратичный наклон) в зависимости от контрольных переменных, как описано для результатов в Задаче 1. В случае посредников факторы наклона менее предсказуемы, хотя в целом ожидается, что эти положительные факторы воспитания и отношений между родителями и учениками со временем уменьшатся. Как только будут определены соответствующие модели изменений, будут оценены одновременные/параллельные процессы роста медиаторов и результатов. Параллельный процесс Моделирование продольного роста (LGM) — это метод, который использовался для изучения взаимосвязей между различными результатами развития, включая одновременное употребление наркотиков и правонарушения, у подростков и молодых людей, а также для проверки механизмов профилактического вмешательства. На последнем этапе в модели параллельных процессов будут добавлены фиктивные переменные состояния группы вмешательства.

Цель 3: Учитывая исследовательский характер этой цели, гипотез нет. Обратите внимание, что изменения в общении не опосредуют эффекты вмешательства. Однако, если между статусом вмешательства и коммуникативными мерами обнаружена значительная взаимосвязь, исследовательский анализ может быть проведен в контрольной группе только для того, чтобы лучше отразить этиологические взаимосвязи, не смешанные с возможным влиянием вмешательства. Предварительный анализ будет сосредоточен на описании уровней и изменчивости содержания, эмоционального тона, времени, продолжительности, режима и частоты, а также на разработке соответствующих сводных баллов, чтобы наилучшим образом отразить эти факторы на основе отчетов опросов Time Line Follow Back. Скрытый анализ класса (LCA) с оценкой максимального правдоподобия и надежными стандартными ошибками будет использоваться для изучения моделей общения родителей и учащихся с использованием этих сводных баллов. Исследователи выведут эмпирически основанные классы участников на основе содержания, эмоционального тона, времени, продолжительности, режима и частоты. Это будет включать в себя оценку ряда моделей для определения количества уникальных классов, которые лучше всего соответствуют данным, путем сравнения байесовского информационного критерия, теста отношения правдоподобия, скорректированного по Ло-Менделлу-Рубину, и теста отношения правдоподобия с параметрической начальной загрузкой по моделям и выбора наиболее экономная модель с лучшей посадкой.