基于网络的交互式性健康扫盲计划和大学生安全性行为

受试者招募程序：

参加者的招募将使用群发电子邮件、宣传手册、海报和校园摊位进行。 带有基于网络干预的 QR 码的邀请卡将用于邀请女大学生参加研究。 将进行在线注册以筛选参与者的资格。 根据调查员以往招收大学生的经验，调查员应能接触到5所大学的3万多名女大学生。

参与者将被要求在注册时完成基于网络的基线调查。 基于网络的问卷将在在线平台下设置。 参与者可以使用他们的移动设备，包括笔记本电脑和智能手机来完成问卷。 参与完全是自愿的。 在完成基线调查问卷之前，将通过基于网络的平台获得书面知情同意书。

完成问卷后，根据由随机化器决定大小的块随机化准备的列表，招募的学生将被随机分配到干预组或对照组。 块大小和分配顺序将安全地保存在随机发生器中，以避免选择偏差。 分配隐藏将根据参与者的注册顺序在在线平台上进行。 然后，参与者将根据他们的小组分配被引导到一个网页。

在进入研究后的 3 个月和 6 个月，参与者将通过他们的电子邮件收到一个链接，以完成后续调查问卷 (T2)。 三个月后，将向参与者发送另一封电子邮件链接，供其完成最后一份后续调查问卷 (T3)。 如果参与者没有回应，将在 1 周后发送后续电话短信和/或电话作为提醒。

样本量评估：

女大学生（n = 500），跨学科和学习年级，将从五所在香港设有宿舍或宿舍的大学招收。 样本量的计算基于对安全套使用一致性的行为变化的初步比较。 之前的一项研究表明，在接受 ICBI 的人群中，避孕套使用的平均百分比为 67.8%（标准差 39.3%），在接受常规护理的人群中为 23.5%（标准差 35.3%），对应于 0.6 的中到大科恩效应大小。（ 20) 要通过双侧双样本 t 检验检测具有 80% 功效和最大 5% 假阳性错误率的 0.3 的保守小 Cohen 效应大小，研究人员需要总共 352 名（每组 176 名）女大学生。 假设 30% 的减员基于先前使用基于网络的干预的研究 (21)，调查人员计划招募总共 500 名女大学生。

质量保证计划：

基于网络的干预受密码保护，“伪代码”将用于确保匿名性和机密性，以最大限度地减少响应的社会期望。 通过要求参与者创建他/她自己的“伪代码”，该代码可以在参与者每次完成预测试和后测试时准确地重新键入。 否则将没有其他易受伤害的受试者参与该研究。

数据核对分析方法：

为了评估 ICBI 在提高安全套使用一致性方面的功效，将采用线性混合效应模型，以干预组和安全套使用的基线一致性作为协变量。 应评估按时间交互分组的 ICBI 效应随时间的变化。 当交互效应不显着时，将其从模型中移除，并估计整体 ICBI。 否则，将使用线性对比来评估每个时间段的 ICBI 效果。 在基线不平衡的情况下，将进行额外的分析并调整显示基线不平衡的变量。 如果数据不呈正态分布，则根据数据特征采用相应的分析方法，如零/一膨胀贝塔（ZOIB）回归模型。

将采用意向治疗原则，并将所有研究对象纳入分析。 3 个月和 6 个月随访时的缺失值将被最后一次观察值和多重插补取代。 基线的缺失值将由 3 个月或 6 个月的随访值替换。 如果在 3 个时间点中的任何一个时间点都没有获得任何值，则参与者将被排除在分析之外。 对于其他结果，将对连续数据应用 t 检验，对分类数据应用卡方检验。 将使用 R 软件（版本 3.6.1； R 核心团队）。 每个估计的效果将伴随着 95% 的置信区间和 5% 的显着性水平。 问题将从查询系统下载。 将执行内容分析以对收集到的回复进行分类。

数据收集和管理：

研究团队的研究人员和研究助理负责数据收集，他们将被允许访问源数据和研究记录。 研究助理将记录每日日志以监控研究进度，包括接洽的受访者数量、完成或拒绝的访谈以及未完成的访谈。 所有输入数据库的数据都将被验证和清理。 数据输入完成后，将运行计算机逻辑检查相关代码的一致性。 将对数据库进行必要的更正。