对大量饮酒的西班牙裔男性进行文化适应的简短干预 (Project Valor)

Non-Adapted Brief Motivational Intervention：NA-BMI 的核心组成部分与 MI 以人为本的方法一致，包括 1) 根据筛查和基线评估结果提供个性化反馈； 2) 从患者的角度探索酒精使用的决策平衡（利弊）； 3) 通过评估和讨论患者对改变饮酒的重要性、信心和准备程度的自我报告来建立改变的动力； 4) 通过探索患者的改变选择并在指示或需要时制定改变计划来增强对改变的承诺； 5) 提供正式治疗酒精问题的转介和其他社区资源。 除了当前文献中描述的标准 BMI 中可能出现的任何正常调整之外，NA-BMI 不会专门针对文化风险或保护因素。 在 NA-BMI 中，个性化反馈将基于美国普通人群的饮酒规范和酒精问题频率。

适应文化的简短动机干预：CA-BMI 也坚持 MI 的核心原则和 BMI 的实践。 在 CA-BMI 中，NA-BMI 的核心组成部分经过调整以在文化上对与大量饮酒、酒精问题、求助和治疗利用相关的独特风险（文化适应压力）和保护（家庭主义）因素做出反应。 重要的是要注意，CA-BMI 远远超出了 NA-BMI 中可能发生的任何剪裁，其目标是针对拉丁美洲人饮酒的重要预测因素。 具体来说，CA-BMI 有两个主要的调整：

1. CA-BMI 将结合文化压力对饮酒影响的评估和个性化反馈，以减少饮酒诱惑并增强避免饮酒的信心。 具体来说，参与者将收到关于他们可能经历的文化适应压力的类型和强度的反馈（例如，与移民、文化一致性、语言障碍和就业歧视有关的问题），临床医生将引出文化适应压力与诱惑和信心之间的关系避免饮酒。
2. 在考虑饮酒的影响、改变饮酒行为的计划以及参与寻求帮助的行为时，CA-BMI 还将家庭和社区整合为改变的原因和行为改变的推动者。 按照 Lee 等人开发的方法。 (2011) 和 Añez 等人。 (2008)，赠款顾问，调查人员将讨论社会背景和家庭动态如何与饮酒相关。

这些修改导致了文化适应性干预，其内容和重点（例如，深层结构变化）与非适应性干预有很大不同，同时与动机访谈及其在简短酒精干预中的应用保持一致。 根据这两个主要适应，研究人员预计 CA-BMI 特有的潜在中介或行为改变机制是 1) 饮酒的诱惑和避免饮酒的信心，以及 2) 增加来自家人和朋友的一般支持以及特定的支持支持改变饮酒行为和寻求治疗。 最后，研究人员还将评估治疗利用的定义，该定义比研究人员之前的研究更全面，该研究评估了正式住院和门诊药物滥用治疗的使用情况以及参加匿名戒酒会等自助团体的情况（Field 等等人，2010 年）。 在当前的研究中，调查人员将评估参与正式治疗网络以及拉丁裔中常见的非正式寻求帮助（例如，向家人、宗教领袖或社区中受人尊敬的长者寻求帮助）。

统计分析 初步分析：将对异常值、数据分布和措施的内部一致性进行标准检查。 对于混合模型，研究人员将评估模型所有级别的误差和残差正态性的同质性，测试随机效应的多变量正态性，检查线性并识别异常值。 对于结构方程模型 (SEM)，研究人员将遵循 Boomsma (2000) 概述的最佳实践指南来分析和报告 SEM 模型。 调查人员还将比较所有人口统计学和预测试变量的组，以评估随机化是否产生了等效的组；在非等价变量的情况下，这些变量将作为协变量包含在模型中。

特定目标 1 的数据分析：分析调查酒精问题和治疗利用的组别差异将使用随机系数模型（Raudenbush & Bryk，2002 年；Singer & Willett，2003 年）。 调查人员将使用 Singer 和 Willett（2003 年）推荐的以下一系列分析步骤构建纵向模型：1) 检查经验增长图； 2) 拟合无条件均值模型； 3）拟合无条件线性增长模型； 4) 拟合无条件非线性模型（如分段模型）； 5）通过赤池信息准则（AIC）比较前两步的模型，确定纵向变化的最佳模型； (f) 使用 AIC 选择最合适的误差协方差结构；和 6) 添加 2 级预测因子（例如，干预条件）。 二元结果模型（例如，治疗利用率）将使用广义线性混合效应模型，假设二元分布具有逻辑链接函数。

特定目标 2 的数据分析：将通过构建治疗和先验调节变量（例如，文化压力）之间的相互作用项来检查潜在的调节因素，以检查假定的调节因素与结果之间的关系因治疗而异的可能性（Aiken & West， 1991）。

如果出现表明适度的显着交互，调查人员将探索适用于多级模型的关系方法（Bauer & Curran，2005）。

中介分析将使用在 SEM 中实施的增长曲线框架进行。 模型将通过首先拟合中介和结果的增长模型然后拟合中介增长模型来构建。 调查人员将按照上述相同顺序为目标 1 建立纵向变化的最佳模型。潜在增长模型将至少包含两个潜在因素；一个因子将代表初始状态，一个或多个因子将代表一个变量的增长率，其中在非线性变化的情况下（例如，二次项）将需要多个因子。 调解将根据 MacKinnon (2008) 的建议进行检查，以评估增长模型背景下的调解。 中介的增长因子将在中介的初始状态、结果和干预组上进行回归。 干预组的显着影响建立了干预组和调解员之间的关系，控制了调解员和结果的基线水平。 接下来，生长因子将在中介的初始状态、结果、中介的斜率和干预组上进行回归。 调解员生长因子的显着影响建立了调解员变化与结果变化之间的关系，控制调解员和结果的基线水平。

目标 3 的数据分析：对患者和干预者满意度的回应以及对工作联盟的评估将以汇总形式编制。 将为患者和干预人员报告对个别项目的反应频率。 同样，将使用均值和标准差报告患者和提供者的量表分数。 在频率数据的情况下使用卡方检验，在量表分数的情况下使用 t 检验比较患者和干预人员的反应。 将使用前测-后测设计评估组织准备情况。 前测后测比较分析将采用协方差分析或 ANCOVA。 在这种非随机设计中，ANCOVA 的主要目的是针对前测组间的差异调整后测方法，因为这种差异很可能会发生。 在 ANCOVA 中使用前测分数作为前测后测设计的协变量的目的是 (a) 减少误差方差和 (b) 消除系统偏差。