Влияние мобильных устройств на развитие и здоровье маленьких детей (iKids)

Исследователи по обеспечению качества, которые проводят измерения, очень опытные в процедурах и анализе. Следователи используют только проверенные инструменты, которые хорошо известны в литературе. Экспозиция и использование интерактивных электронных устройств (например, планшетов и смартфонов) будут измерены приложением, которое будет получать доступ к информации непосредственно с устройств участника (Android или iOS) с использованием программного обеспечения для мобильных зондирования для захвата времени экрана и приложения (Lind et al. 2023 г.). Приложение было успешно использовано для измерения использования смартфона у детей (Bagot et al., 2022; Wade et al., 2021).

Измерение возникающих способностей, нашего основного показателя результатов, было подтверждено и широко используется в литературе (Howard et al. 2017). Следователи будут использовать контрольный список администрирования верности для оценки практики между исследователями до начала сбора данных. Будет зарегистрирован диапазон вторичных результатов (т.е. ИМТ (калиброванные масштабы и повторные меры), поведение движения (Accelerometry Cliff et al. 2024), моторное развитие (NIH Toolbox, Reuben et al., 2013), взаимодействие родителей и детей (StiMQ2, Cates et al. 2023). Эти измерения использовались в исследовании Sunrise, который собирает данные о детях в этом возрасте в 63 странах мира (https://sunrise-study.com/) и опубликовано в протоколе (Okely et al., 2021) Полем

Обучающие видео и поддержку были предоставлены командой Sunrise и использовались для информирования нашего протокола исследования. Поскольку на развитие ребенка влияет ряд ковариат, исследователи выбрали наиболее часто сообщают в литературе и предложенные нашей группой PPI (т.е. Пол, возраст, этническая принадлежность, материнское образование, стиль воспитания (PSDQ-SV. Robinson et al. 2001), Понятие ухода за детьми, родительская зависимость от смартфонов (SAS-SV, Kwon et al., 2013) и политика просмотра экрана.

Формы сбора данных обработки данных были созданы для применимых мер для стандартизации ввода данных и помощи с вводом данных. С точки зрения обработки данных и анализа. Исследователи проведут предварительную очистку данных, изучая, находятся ли значения непрерывных переменных в пределах диапазона, правдоподобие средних и стандартных отклонений и достоверность кодированных категорий. Исследователи будут оценивать распределения данных и определять любые одномерные выбросы из графических методов и из случаев с очень большими стандартизированными оценками, отключенными от других баллов и многомерных выбросов с помощью графических методов и проверки расстояний левереджа/махаланобиса, расхождений и влияния. Любые возможные ошибки будут исследованы на индивидуальной основе. Следователи также будут исследовать степень, схему и характер отсутствующих данных. Если доля отсутствующих данных мала (ниже 5%), они рассмотрит полный анализ случая. Если количество или схема отсутствующих данных исключают полный анализ случаев, исследователи рассмотрит вменение данных. Многочисленные вмены будут использоваться из -за их надежности типа отсутствия данных. Если будет проведено вменение, исследования чувствительности будут проводиться путем сравнения результатов, полученных из данных с вменением и без него.

Анализ данных Описательный анализ Выборка будет обобщен в описании. Исследователи сообщат о количестве детей в каждой образовательной единице, а также на первичных и вторичных результатах по моменту времени (базовая линия и последующее наблюдение). Для непрерывных результатов сводная информация будет представлена ​​в виде средств (стандартные отклонения (SD); диапазоны). Для категориальных результатов сводная информация будет представлена ​​в виде частот (процентов). Будет оценена необходимость переменных преобразований для стабилизации дисперсии или достижения нормальности.

Логический анализ Следующие тестовые переменные будут рассмотрены для анализа: 1) продолжительность IED; 2а) IED MODE Образование; 2b) IED MODE соответствует возрасту.

1. Многоуровневое регрессионное моделирование первичного результата. Исследователи концептуализировали двухуровневую многоуровневую модель случайных перехватов, с детьми, сгруппированными в образовательных подразделениях. Эта модель будет рассматривать EA в последующем периоде, предназначенной для ответа на основные вопросы исследования: как проживание IED (часы в день) и режим (образование против необразовательного; подходящее для возраста против неаджа -Подоль) на исходном уровне, контролируя ковариат на уровне детей (включая базовые оценки EA) и ковариат на уровне образовательного уровня, связанные с EA, при последующем наблюдении в многоуровневой модели, в которой дети сгруппированы в образовательных подразделениях? Коэффициент разделения дисперсии (VPC; доля остаточной дисперсии, связанной с каждым уровнем модели), будет оценена с помощью нулевой модели, прежде чем перейти к ковариатной модели. Исследователи будут рассмотреть возможность объединения уровней в модели, если статистика VPC выявляет незначительные эффекты кластеризации (незначительная остаточная дисперсия на уровне образовательной единицы). Нелинейное моделирование множественной регрессии будет проведено, если есть доказательства нелинейной связи между уровнем использования СВУ на исходном уровне и EA при последующем наблюдении, что позволяет получить единый максимум (соответствует оптимальным уровням базового использования IED) или плато; В противном случае будут проведены модели линейной регрессии. Если данные указывают на оптимальный уровень использования использования, связанный с определенным максимальным значением оценки EA при последующем наблюдении, альтернативные нелинейные функциональные формы будут учитываться с максимумами или функциями плато, включая полином (например, квадратичные) и логарифмические формы, а также кусочные функции. Исследователи будут сравнивать соответствие нескольких распределений в окрестностях любой поворотной точки и выберут наиболее подходящую модель в этой области, чтобы максимизировать точность, с которой может быть получено максимальное значение EA. Доверительные интервалы будут установлены вокруг функции, чтобы получить диапазон значений для максимального значения.

   Исследователи проведут как не скорректированные, так и скорректированные модели, причем скорректированные модели были скорректированы для всех ковариат на каждом уровне модели. Не приспособленные модели будут включать (i) единственный определяющий предпосыл режим. Все эти детерминанты будут добавлены на уровне ребенка модели. Взаимодействия первого порядка будут включены в нескорректированные модели, чтобы охватить какие-либо дифференциальные эффекты в оценке уровней использования СВУ с различными преобладающими способами использования. Любое взаимодействие, оказалось, имеет существенное значение, будет сохранено в повторной модели наряду со всеми основными эффектами. Скорректированные модели будут основаны на включенных переменных как продолжительности IED, так и преобладающего режима IED, любого взаимодействия, имеющих существенное значение и все контролирующие ковариаты на соответствующем уровне модели. Исследователи не будут использовать стратегии автоматического моделирования для выбора переменной и сохранят все основные эффекты в скорректированной модели. Тем не менее, коллинеарность будет оцениваться в скорректированных моделях и рассмотреть возможность делеции контроля ковариат, если очевидна чрезмерная коллинеарность (коэффициент инфляции дисперсии> = 5 для любой переменной).

2. Многоуровневое регрессионное моделирование вторичных результатов. Исследователи проведут многочисленное моделирование линейной регрессии на всех численных вторичных результатах и ​​моделировании множественной логистической регрессии для бинарного измерения вторичного результата, используя ту же структуру модели, что и для основного анализа первичного результата. Если какие-либо доказательства выявлены для нелинейности между уровнем продолжительности IED и вторичными результатами, исследователи рассмотрит нелинейное моделирование для анализа первичного результата; Иначе они рассмотрит линейное моделирование. В обоих случаях будет скорректирован один и тот же набор ковариат и взаимодействий, определенных для первичного результата. Регулировка для нескольких анализов не будет сделана; Ведь, все анализы будут запланированы априори и полностью сообщаются.

3. Многоуровневое регрессионное моделирование: вспомогательный анализ для изучения социально-экологических коррелятов продолжительности IED у индивидуума (пол, возраст и этническая принадлежность), межличностное (материнское образование, стиль воспитания и смартфон. проводиться в качестве дочернего анализа, учитывая приведенный выше набор переменных в качестве детерминантов IED с использованием переменных, которые сообщаются в качестве контролирующих переменных.

   Случайные перехваты и моделирование множественного линейного регрессии в результате продолжительности IED будут проводиться на исходном уровне. Будет использована двухуровневая иерархическая структура, с переменными, обозначенными как индивидуальные или межличностные, прикрепленные на нижнем (дочернем) уровне и переменных, обозначенные как организационные, прикрепленные на верхнем (образовательном блоке) уровне.

   Любые отношения, выявленные в ходе этого процесса, будут использоваться в будущем моделировании для генерации гипотез в более широкой структуре моделирования структурных уравнений.

4. Анализ чувствительности и отчетность данных для первичного результата, план состоит в том, чтобы провести анализ чувствительности для оценки чувствительности модели к определенным предположениям, как упомянуто выше. Исследователи будут сравнивать оценки параметров тестируемых переменных в нескорректированных и скорректированных моделях. Для многоуровневого моделирования взаимосвязи между продолжительностью IED и EA, как случайные склоны, так и модели случайных перехватов будут использоваться для оценки изменений в наклонах между единицами более высокого уровня. Если вменение данных является жизнеспособным, модели будут запускаться с и без вменения данных (см. «Очистка данных и оценка отсутствующих данных»).

Для линейных и нелинейных регрессионных моделей непрерывных численных результатов, в основном и вспомогательном анализе, исследователи сообщат о всех нестандартных оценках параметров со связанными 95% доверительными интервалами и значениями P. Для моделей логистической регрессии будет сообщено все соотношения шансов с соответствующими 95% доверительными интервалами и значениями p. Если доказательства будут выявлены для нелинейной тенденции, следователи сообщит о функциональной форме наиболее подходящей кривой и определяют местоположение любого максимального или начала воздействия плато. Все допущения моделирования регрессии будут проверены, включая однородность дисперсии и нормальность переменных результатов для каждого значения независимой переменной с использованием остаточного анализа. Статистический анализ будет проводиться с использованием MLWIN версии 3.06 (Charlton et al., 2022) и Stata версии 17 (Stata Corp 2021).