离开家乡的第一年：放手并保持联系 (FYAH:LGSC)

这是一项随机对照试验 (RCT)，具有两个实验条件（Handbook 和 Handbook+）和一个对照。 每个条件将由 450 名学生/家长组成，大约一半在队列 1 中，一半在队列 2 中。社会发展研究小组 (SDRG) 将从 2017 年和 2018 年华盛顿州立大学新生班招募参与者华盛顿大学。 两种实验条件下的家长都将在夏季开学前收到一本手册。 该手册包含建议的对话开始者、清单和由家长/学生二人组完成的活动。 活动以社会和情感发展理论为基础，旨在解决这个年龄段的风险和保护因素，因为他们正在过渡到独立于父母的生活。 Handbook plus 家长还将在整个秋季和春季学期定期收到短信，其中一些旨在让他们了解已知为高风险时期的重大大学活动（例如主场足球比赛）。 每个队列将被跟踪两年。 家长在基线（学生开学前的春季）和秋季学期完成调查。 学生在学校头两年的基线和每个学期完成调查。

该项目的具体目标如下：

目标 1：测试“放手和保持联系”的有效性，这是一种理论指导、发展目标和实证支持的手册干预措施，适用于过渡到大学的学生家长。 调查人员假设，手册条件下的学生将从事较少的风险行为，包括开始、使用和滥用物质（酒精、大麻、阿片类药物和处方兴奋剂）和 HIV/性风险行为。 因此，手册学生报告的身体、情感、社交和学业伤害也将减少。 调查人员将测试控制条件与“仅手册”和“手册加”条件（干预的增强版本，添加战略性定时短消息服务和/或旨在提高干预利用率的电子邮件）。

目标 2：测试手册利用与风险行为/相关危害的预期干预变化之间在理论上指定的中介途径。 调查人员预计，手册对学生成绩的影响将受到家长和学生行为的影响，如下所述：1) 家长参与和使用干预措施 2) 家长在家庭管理、自主支持、和情感支持 3) 学生对健康行为的感知奖励 4) 与父母和同龄人的健康联系 5) 健康的信念和明确的标准导致 6) 减少药物使用和性风险行为；提高学习成绩。

目标 3：确定家长与学生交流的特定属性，这些属性可以预测学生物质使用和 HIV/性风险行为并与之共变。 在第一学期初期，调查人员将对学生进行为期 7 天的 2 个时段的集中调查，以了解他们与家长的日常沟通以及他们日常的危险行为。 由于对这一发育阶段的家长与学生的沟通知之甚少，研究者将对家长与学生沟通的内容、情绪基调、时机、时长、方式、频率等方面进行描述性和探索性分析，并考察这些方面如何沟通涉及学生的危险行为和相关的伤害，包括人与人之间和人与人之间的层面。

SDRG 在招聘、数据收集、数据管理和数据安全方面拥有丰富的经验。 调查人员的详细数据安全监控计划包含有关用于保护参与者信息的特定程序的信息。 调查人员将按照华盛顿州立大学 (WSU) 学生百分比的比例招募代表性不足的学生。 SDRG 在保留研究参与者方面也有丰富的经验，在一些研究中已经超过 20 年。

数据清洗。 调查人员将对超出范围的值、测量点之间的一致性、正态性和有影响的异常值进行测试。 调查人员将使用公认的技术（例如， 分析对违反假设的稳健性）。 二分物质使用变量的计数经常出现偏差；调查人员将使用变量的对数转换和适当的分析（例如 生存分析或泊松回归）根据需要。

选择和消耗。 随机选择受邀参加研究的学生应确保学生群体的代表性样本，大量研究表明 SDRG 的调查研究部门有能力在 10 多年内保留 90% 以上的受访者。 然而，调查人员将测试不同的参与和损耗以及结果估计有偏差的可能性；如有必要，调查人员将模拟这些影响并采用校正技术。

实施和剂量的可变性。 特别是在自我管理干预的情况下，实施和剂量并不是随机分配的——例如，在干预条件下特别积极或顺从的父母可能会做所有活动，而其他人可能会挑选。 干预组件在干预参与者之间的非随机分布混淆了对项目效果进行因果推论的能力，并通过将实施视为二元事件来掩盖项目效果的机制。 除了意向性治疗分析，研究人员还将采用最新的方法学进展，通过使用倾向评分和逆概率加权来估计、建模和控制实施中的选择效应。

缺失数据。 当受访者跳过项目或错过一个或多个数据收集点时，丢失的数据可能会引入偏差并增加 I 类错误的可能性。 研究人员的主要分析方法使用全信息最大似然法 (FIML)(38) 来管理缺失数据。 在过度缺失的情况下，调查人员将使用多重插补。

家庭错误。 调查人员将使用风险行为/危害的汇总变量，但调查人员还将对每个风险结果进行单独分析，以更细粒度地查看单个物质，从而增加 1 类错误的可能性。 对物质使用项目的反应也可能高度相关；在这种情况下，标准 Bonferroni 校正往往过于保守，出现 2 类错误的可能性更高。 重采样程序（例如 统计分析软件 (SAS) Procedure MULTTEST) 比 Bonferroni 检验更强大，可应用于分类、连续和截尾数据检验、受试者间效应的混合方法分析和纵向受试者内检验 (15,148)。 适当时将使用全局测试统计数据。

分析： 目标 1：为了衡量干预措施对随时间变化的影响，研究人员将为每个假设的结果建立潜在增长曲线 (LGC) 模型。 首先，将估计无条件模型以确认跨越 5 波数据的预期升级。 调查人员期望一个双因素模型：一个截距因子设置为预测试水平，以及一个线性斜率因子估计与因子载荷设置为指示预测试为截距和调查之间的不相等间隔。 非线性斜率将使用二次形式的载荷进行估计，但研究人员预计在所有 5 个时间点上主要呈线性增加。 通常在截距和斜率因子之间估计协方差，以控制结果的预测试水平。 控制变量将在下一步中添加。 最后，将添加干预组分配（以 2 个虚拟变量的形式）作为斜率因子均值和方差的预测因子（随机分配应排除组对预测试截距集的影响）。 研究人员期望这些参数能够反映无条件模型和最小条件模型中显着的正斜率均值和方差。 在最终模型中，假设干预虚拟变量与控制条件相比对斜率均值和方差有显着的负面影响，表明两种干预条件都降低了风险行为和后果的升级率，也降低了这些结果的可变性。 通过操纵虚拟变量的编码，研究人员可以测试 H 和 H+ 之间的比较，并期望 H+ 参数比 H 的参数负性更强。

目标 2：初步意向治疗分析 (ANCOVA) 将在每次跟进时对调解员进行，如上文结果所述。 然后上述 LGC 分析将扩展到包括中介变量。 然而，在估计中介之前，每个中介将随着时间的推移在 LGC 模型中建模，以确定其形状（截距、线性斜率和二次斜率）以控制变量为条件，如目标 1 中的结果所述。 在调解员的情况下，斜率因素不太可预测，尽管一般来说，这些积极的育儿和家长与学生关系因素预计会随着时间的推移而下降。 一旦确定了适当的变化模型，将估计调解人和结果的并发/平行增长过程。 并行过程纵向增长模型 (LGM) 是一种技术，已用于检查青少年和年轻人的各种发展结果之间的相互关系，包括同时发生的吸毒和犯罪，以及用于测试预防干预效果的机制。 在最后一步中，干预组状态虚拟变量将被添加到并行过​​程模型中。

目标 3：鉴于此目标的探索性，没有假设。 请注意，沟通的变化并不能调解干预效果。 然而，如果发现干预状态和沟通措施之间存在显着关系，则可以对对照组进行探索性分析，以更好地反映可能的干预影响未混淆的病因学关系。 初步分析将侧重于描述内容、情绪基调、时间、持续时间、模式和频率的水平和可变性，并根据时间线回溯调查的报告制定适当的总结分数，以最好地反映这些因素。 具有最大似然估计和稳健标准误差的潜在类别分析 (LCA) 将用于使用这些汇总分数来探索家长与学生的交流模式。 调查人员将根据内容、情绪基调、时间、持续时间、模式和频率得出基于经验的参与者类别。 这将涉及估计一系列模型以确定最适合数据的独特类的数量，方法是比较贝叶斯信息准则、Lo-Mendell-Rubin 调整后的似然比检验和跨模型的参数自举似然比检验并选择最合适的最适合的简约模型。