有助于预防吸烟的认知和情感技能 (DOAN)

概述。 研究人员的目标人群是处于与吸烟高度相关的时期（高中）的高风险（低 SES 青少年）人群。 该研究设计要求将 150 名非吸烟青少年随机分组至以下三种干预条件之一：(1) 提供健康教育并结合吸烟预防信息干预 (C+SPII) 的对照条件，(2) 提供的工作记忆干预在吸烟预防信息干预 (WM+SPII) 之前，(3) 在吸烟预防信息干预 (DT+SPII) 之前进行压力容忍干预。 吸烟风险近端结果通过吸烟倾向自我报告、延迟贴现和与吸烟的隐含关联进行评估；在一个月的随访中评估吸烟行为。

研究材料将包括参与者关于吸烟、同伴吸烟和父母吸烟的自我报告以及人格特征的自我报告（例如 与危险行为相关的感觉寻求）。 还对生物数据（来自呼气）进行采样以分析 CO，以确认非吸烟状态。

干预地点：

在撰写本文时，研究人员正在等待资金确认，以决定我们将如何在高中提供干预措施的三种选择。 调查人员已经考虑并计划了以下三种可能性：（1）在特定于随机干预的选定教室空间中进行上课时间干预，（2）在开放教室空间中进行课后干预，以及（3）课后干预一个社区中心。 调查人员按降序选择这些选项（1 到 3），但空间的最终谈判有待他们与现场确认调查人员确实会进行该项目（已获得资金）的能力。 例如，正如申请中所述，“芬威高中校长佩吉·坎普非常支持我们的工作，并计划为我们的努力提供机构和社会支持。” 在调查人员与她的会面中，她建议调查人员尽量在学校周内提供干预；注意到这些干预措施符合家庭房间或体育课时间的教学要求。 使用这些校内教学时段需要获得学校负责人的批准，但获得此类批准的过程必然要等待资金确认。 调查人员的支持信获得的文件表明，如果他们无法实现选项 #1 或选项 #2，他们仍然可以利用选项 #3 实现该项目需求。

干预措施：根据两个块随机化因素：性别和父母吸烟状况，参与者将被随机分配（使用利用可变块大小的随机数字表）到 3 种研究条件中的一种。 每次干预都将在连续八周内进行。 干预将由项目总监 Eugenia Gorlin 博士领导，并由 Drs 持续监督。奥托和多安。 所有干预措施都将以小组形式进行。 每项研究干预措施将在连续八周内每周进行两次。 目标高中生的学年适合进行 8 波干预。 每波 30 人（在任何给定波的每次干预中随机分配到 10 人），研究人员预计在 5 波中完成我们的全部受试者库。 组嵌套将在分析计划中说明。

吸烟预防信息干预 (SPII) 将对研究中的所有随机条件通用。 研究人员从简短的基于初级保健的干预措施中选择干预措施，这些干预措施遵循美国国立卫生研究院美国公共卫生服务烟草使用和依赖临床实践指南。 将向青少年提供有关吸烟规范和健康后果的适龄教育，确认他们的非吸烟状况，并帮助他们制定个性化策略以保持戒烟。 此外，调查人员将纳入动机性访谈部分。 其中许多要素与 Colby 等人在针对青少年吸烟者的青年 MI 计划中使用的要素一致。 (2005)。 调查人员将进一步纳入 SPII 干预 Colby 及其同事关于未来吸烟/非吸烟生活状态的引导意象，以及我们小组会议的开始，以开放式探索对吸烟的好恶感，并且在 4会议，提供由马萨诸塞州公共卫生部开发的录像片段，以激发对四个内容领域的讨论：健康影响、社会后果、成瘾和财务成本。 SPII 将在“研究武器”部分中描述的 3 种特定干预条件中的每一种条件下交付。

所有小组都将进行为期 8 周的培训课程，每周安排两次，每次持续 1 小时。 这些培训课程将提供小吃。 此外，参与者将被要求在这些课程之外练习课堂技能（例如，每周练习 3 次，每次 20 分钟），每周大约 1 小时（对于记忆程序，这包括安排在为此提供的计算机室的时间学习）。

数据分析概述：

以下数据分析程序是在撰写本文时计划的，但可能会进行修改以纳入新的、更严格的统计建模方法，因为它们变得可用。

1. 基于学校和社区的简短干预的可行性/可接受性将通过整个研究期间的招募和出勤率进行评估；可接受性（70% 的随机抽样参加 80% 的干预措施）将在 3 种情况下进行评估。
2. 研究人员假设，相对于 C+SPII，WM+SPII 和 DT+SPII 干预将分别导致更高的 WM 和更高的 DT。 此外，研究人员预计 WM+SPII 中的 WM 将高于 DT+SPII 中的 WM，并且 DT+SPII 中的 DT 将高于 WM+SPII 中的 DT。 后一种对比将表明两种积极治疗在 WM 和/或 DT 上是否彼此不同；为了执行后面的这些分析，研究人员将用一个虚拟变量来替换对比 WM+SPII 和 C+SPII 的虚拟变量，以及一个对比 WM+SPII 和 DT+SPII 的虚拟变量。
3. 为了评估干预后认知/情感目标激活对近端吸烟风险/行为的影响，将（同时）添加 WM 和 DT 作为 MLM 模型中结果的时变预测因子，用于 3 种吸烟风险测量（易感性）对吸烟、对吸烟的内隐态度和延迟折扣）和实际吸烟行为（吸烟行为是二分的，因此将使用具有逻辑链接函数的 GLMM 对其进行分析）。 这些模型中 WM 和 DT 预测结果的回归系数将表明每个模型与吸烟风险的相关程度超过另一个，并控制这些变量与结果之间随时间的平行变化。 这种方法计算 WN 和 DT 与受试者随时间推移吸烟风险的近端测量值之间的关系。 Benjamini-Hochberg 方法将用于校正多项统计检验。