Program för att stärka familjer online (SFPonline)

Den här studien testar ett nytt webbaserat onlineföräldraskapsträning och drogförebyggande program för ungdomar baserat på det evidensbaserade programmet Strengthening Families. Studiedesignen involverar ett parallellt randomiserat kontrollförsök med tre tillstånd som kontrasterar: (1) SFP Online, (2) SFP hemmabruk DVD/videor och (3) Väntelistade kontroller. Interventionsvillkoret, SFP Online, är ett interaktivt multimediatillstånd som testar ett 10-sessions onlineprogram med inbördes relaterade spår för föräldrar och ungdomar. Båda spåren innebär att tre minilektioner per vecka levereras online under 10 veckor. Varje spår innehåller en speldel för att öka engagemanget och förstärka lektionsinnehållet genom smyglärning. SFP Home-use DVD/video-serien är ett 11-sessionsprogram med samma innehåll som onlineversionen, men levereras via en onlinevideopresentation eller en DVD-spelare. Väntelistans kontrollvillkor tar emot e-postmeddelanden med recept under samma 10-veckorsperiod; deras ungdomar får gåtor. Vid slutet av en 10-veckors vänteperiod får de väntelistade kontrollerna SFP Online-interventionen. Vår statistiska analys tar upp skillnaderna mellan online- och hemanvändning av DVD/video-villkor.

En andra designfunktion är en Non-Inferiority Trial (NIT) för att empiriskt undersöka effektiviteten av SFP Online jämfört med SFP Group Norms data. Gruppnormerna, som fungerar som ett riktmärke för SFP-effektivitet, är ett representativt, demografiskt matchat urval av n=1400 familjer från en databas med 6 000 familjer som har deltagit i de fullständiga SFP-lektionerna med 14 sessioner. Effektstorlekar, med hjälp av den partiella eta-kvadratstatistiken, kommer att jämföras mellan villkoren för de stora utfallsmåtten. Effektstorlekarna kommer att justeras för demografiska skillnader på individnivå samt implementeringsfaktorer. Ekvivalensmarginalen för effektstorleksjämförelsen mellan villkor är satt till 10 % (effektstorlekarna för SFP Online-programmets resultat kommer att vara minst 10 % större än motsvarande effektstorlekar för SFP-videor eller gruppnormer).

REKRYTERING: Utredarna kommer att rekrytera 240 familjer med minst en förälder/vårdare och ungdom (n=480 deltagare), med 80 familjer slumpmässigt tilldelade varje experimentellt tillstånd. Rekryteringen sköts av 24 SFP-rekryterare som skickat Letters of Support. De är etniskt olika och geografiskt spridda över USA. De har tillgång till flera raser/etniciteter och marginaliserade familjer. Varje rekryterare siktar på rekrytering av 10 familjer (24 rekryterare x 10 familjer).

UPPGIFT: Enskilda familjer kommer att slumpmässigt tilldelas en av tre interventioner med en datoriserad slumptalsgenerator för att eliminera urvalsbias och kontrollera oobserverade störande variabler som bidrar till programmets resultat. Vi kommer att undersöka fördelningen av relevanta demografiska variabler (ras/etnicitet, inkomst, utbildning, vuxen och barns ålder) för att säkerställa balans mellan förhållandena vid baslinjen. Vi genomför analyser för att upptäcka signifikanta programskillnader i interventionseffekter av dessa variabler.

STATISTISK ANALYS: Innan vi utvärderar programeffekter undersöker vi pretestekvivalens mellan experimentella förhållanden med hjälp av lämpliga tester för kategoriska eller kontinuerliga baslinjemått. Signifikanta skillnader kontrolleras i kovariatjusterade modeller som utvärderar programmets effektivitet. Denna analys använder en 3 (tillstånd) x 2 (baslinjerisk) ANOVA med fortsatt närvaro i studien som beroende variabel. Vi undersöker också om det finns någon differentiell förslitning efter tillstånd (d.v.s. kodar förslitning som 1/0 och använder logistiska regressionsmodeller för att förutsäga retention). Vi använder också bekräftande tekniker för att kontrastera varians/kovariansmatriser mellan tillstånd för att bedöma om mönster av statistiska relationer skiljer sig åt beroende på tillstånd. Differentiell förslitning efter tillstånd skulle potentiellt kunna begränsa intern validitet (interventionseffekter kan förväxlas med attritionseffekter) eller extern validitet (generaliserbarhet till andra familjer). Dataanalyser börjar med att generera enkel beskrivande statistik på alla baslinjemått (t.ex. frekvenser, medelvärden, varians), upprepa denna procedur för eftertestet och 2-månaders uppföljningsdata. Fördelningar undersöks för skevhet och kurtos och svarsmönster. Chi-kvadrat-tester, punktbi-seriella och Pearson-korrelationer används för att undersöka statistiska samband mellan baslinjeprediktorer (dvs. att kontrollera för multikollinearitet), demografi och utfallsvariabler kommer att bedömas med hjälp av lämpliga associationsmått och utvärderas för statistisk signifikans med hjälp av chi- kvadrat-, t- och F-test). Att bryta mot antaganden om normalitet och homoskedasticitet (påträffas ofta i familjeforskning och vid bedömning av ungdomars självrapportering av droganvändning) kommer att kräva datatransformationer (t.ex. logaritmisk, arcsine-, spline- eller percentilviktning). Om transformationerna misslyckas med att normalisera data kan vi använda icke-parametriska tester (t.ex. Kendalls Tau, Mann-Whitney U-test, Wilcoxon Rank Summa, Spearmans korrelation och Freidmans ANOVA). För icke-Gaussiska distributioner som uppstår från lågfrekventa beteenden kan vi använda Poisson-regression, nolluppblåsta och tvådelade semikontinuerliga modeller för att justera för mycket skeva distributioner med en övervikt av nollor.

SAKNAR DATA. Det kan finnas några deltagare som misslyckas med att delta i utvärderingsundersökningarna, slutar delta i interventionen eller är ovilliga att tillhandahålla data. Dessa händelser representerar olika ansikten av utmattning (avdrag och dålig följsamhet) och måste undersökas noggrant. Vi antar att data saknas helt slumpmässigt (MCAR), eller att mekanismerna som orsakar den saknade datan är "ignorerbara" utan fördomar i tillståndsjämförelsen; dock tillämpar vi Littles test av MCAR för multivariata data för att avgöra om saknad data påverkar resultaten. Oavsett hur det uppstår kräver de kompletta data-metoderna som används att flera imputeringsprocedurer används för att erhålla effektiva parameteruppskattningar. Vi använder en uppskattning av maximal sannolikhet för fullständig information för att återställa de saknade uppgifterna. Ett rimligt antal imputationer är 10 givet imputeringens effektivitet med relativt låga nivåer av missing. De 10 tillräknade datamängderna kombineras sedan med hjälp av flera slutledningsprocedurer som justerar standardfel för saknad dataosäkerhet142 vilket ger mer effektiva parameteruppskattningar.

AVSIKT ATT BEHANDLA. Avvikelse uppstår på grund av att deltagarna kan misslyckas med att slutföra alla lektioner, ta inga alls, eller bara göra bedömningarna utan att bli utsatta för lektionerna. Detta gör att de som genomför lektionerna inte längre är ett "slumpmässigt urval av den ursprungliga gruppen". Intention-to-treat (ITT) är en strategi för att analysera data där deltagarna förblir i det experimentella tillstånd de tilldelats oavsett deras slutförda lektion eller bristande efterlevnadsstatus. Med hjälp av känslighetsanalyser kontrasteras sedan data från slutförare mot en datauppsättning med fall uteslutna efter randomisering eftersom de inte exponerades för hela läroplanen (analyser av effektivitetsundergrupper). Detta tillvägagångssätt förutsätter att data från censurerade fall saknas slumpmässigt (MAR) och att resultaten erhölls på ett opartiskt sätt. Känslighetsanalyser kommer att jämföra resultat baserat på olika nivåer av slutförande av lektionen (minska uteslutningsregeln) med denna procedur upprepad och lämnar interventionsexponering (antal sessioner) kontinuerligt, eftersom deltagarna kan dra nytta av vilken exponering som helst. Vi kommer också att använda uppskattningsmetoden för complier average causal effects (CACE) för att ta itu med skillnader i efterlevnad av interventionen och dess effekter på programmets resultat. Med hjälp av CACE-analys bildas flera grupper (blandningar) som motsvarar deras nivå av efterlevnad (d.v.s. engagemang) och behandlingsuppdrag (SFPOnline eller SFP DVD/videor). Programresultaten kontrasteras sedan mellan dessa blandningar med hjälp av traditionella logistiska regressionsmetoder. Vi kan ytterligare kategorisera följeslagare baserat på deras observerade slutförandegrad av lektioner, vilket ger låg- mot hög följeslagare i varje tillstånd. Vidare kan engagemang betingas baserat på deltagarnivå kovariater (d.v.s. civilstånd, inkomst, stress, droganvändning eller familjens storlek). ITT- och CACE-tekniker håller den randomiserade designen intakt, mildrar fördomar från slutförandet av differentiella program och gör det möjligt för oss att dra kausala slutsatser om interventionseffekter i detta urval. I händelse av att deltagare som inte fullföljer inte är slumpmässigt spridda mellan tillstånden, kommer vi även att rapportera effektstorlekar bland de som genomfört lektionerna och gjort Postenkäterna.

TESTER FÖR FÖRVÄNDNING. Även med slumpmässig tilldelning till experimentella förhållanden och minskning av eventuella pretestobalanser mellan dem, kan förvirrande effekter förbli ett hot mot giltigheten (dvs. programeffekter kan vara partiska). Som ett resultat kommer vi att undersöka utvalda variabler mätta vid baslinjen för bevis på eventuell obalans (dvs pretestekvivalens) och utföra sekundära analyser där vi modellerar förbehandlingskovariater för att ta hänsyn till resultatskillnader mellan grupper. Denna undersökning kommer att genomföras med hjälp av generaliserade linjära modeller. Skillnader i förbehandling kan vara deltagarspecifika (t.ex. demografi). Det finns vissa bevis som stödjer inkludering av kovariater för att kunna tillskriva skillnader mellan tillstånden till interventionen. Deras inkludering ökar modellens precision och ökar kraften och denna effektivitet gäller även för binära resultat om vi skulle välja att modellera ungdomsdroganvändning på detta sätt.

MANIPULERINGSKONTROLLER. Vi räknar med att vissa samband kommer att förmedlas av andra variabler. Vår longitudinella studiedesign tillåter oss att dra rigorösa slutsatser angående orsaksprocesser, ta itu med de förmodade mekanismerna och behandlingskonstruktionens validitet genom vilken SFP fungerar. Vi antar sekventiell ignorering även om medlaren bedöms efter randomisering. Vi kan statistiskt bedöma minskningen av den direkta effektens storlek, justerad för de indirekta effekterna. Detta fall sträcker sig till longitudinella data med mer än en förmodad mediator genom spårningsregeln för väganalys. Den longitudinella designen ger också tidsmässig separation av förtestet, intervention (vecka 1-10), posttest (vecka 10-11) och 2-månadersuppföljningen (vecka 18-20). Vi använder den multivariata deltametoden för att beräkna standardfel för medierade effekter, vilka simuleringar har visat för att producera korrekta uppskattningar baserade på bootstrap-konfidensintervall för den medierade effekten. Potentiella medlare i dessa longitudinella modeller som bedömer programmets effektivitet inkluderar mått på föräldraskapseffektivitet, färdighetsprestationer (baserat på interimistiska frågesporter), kommunikation mellan föräldrar och barn, övervakning, gränssättning och nivåer av engagemang (baserat på tillfredsställelse, slutförande av lektioner och användningsmått).

EFFEKTÄNDRING. En begränsad uppsättning post-hoc-analyser kommer att undersöka homogeniteten i interventionseffekten över deltagande undergrupper. Dessa analyser hjälper till att få precision när det gäller att veta om programeffekter var optimerade för vissa grupper.

KRAFT. Vid uppskattning av kraft antog vi: (1) tre experimentella förhållanden, (2) flera vågor av datainsamling, (3) slumpmässiga effekter associerade med uppskattade utfall som sträcker sig mellan 0,35-0,45 och olika typer av utfallsmått (dikotoma kontra kontinuerliga) ). Vi projicerar förmågan att rekrytera 80 familjer (1 förälder/vårdare + 1 ungdom) i varje experimentellt tillstånd under rekryteringsperioden. Med stora urvalsstorlekar (n=480) kan vi upptäcka signifikanta effekter över de flesta effektstorlekar.