在线加强家庭计划 (SFPonline)

本研究基于循证强化家庭计划测试了一项新的基于网络的在线育儿技能培训和青少年药物预防计划。 研究设计涉及三条件平行随机对照试验，对比：(1) SFP 在线，(2) SFP 家用 DVD/视频，和 (3) 等待列表控制。 SFP Online 干预条件是一种交互式多媒体条件，用于测试一个 10 节在线课程，其中包含针对父母和青少年的相互关联的轨道。 这两个轨道都涉及每周完成 3 节在线授课的迷你课程，为期 10 周。 每条轨道都包含一个游戏部分，以增加参与度并通过隐形学习强化课程内容。 SFP 家用 DVD/视频系列是一个 11 节节目，内容与在线版本相同，但通过在线视频演示或 DVD 播放器提供。 等待列表控制条件在相同的 10 周内接收带有食谱的电子邮件；他们的青春接受谜语。 在 10 周的等待期结束时，等待列表中的控件会收到 SFP 在线干预。 我们的统计分析解决了在线和家用 DVD/视频条件之间的差异。

第二个设计特征是非劣效性试验 (NIT)，用于在与 SFP Group Norms 数据进行比较时凭经验检查 SFP Online 的功效。 作为 SFP 有效性基准的团体规范是 n=1400 个家庭的代表性人口匹配样本，该样本来自一个包含 6,000 个参加过完整 SFP 14 节课的家庭的数据库。 使用部分 eta 平方统计量的效果大小将在主要结果测量的条件之间进行比较。 影响大小将根据个人层面的人口统计差异以及实施因素进行调整。 条件之间的效果大小比较的等效边际设置为 10%（SFP 在线程序结果的效果大小将至少比 SFP 视频或组规范的相应效果大小大 10%）。

招募：研究人员将招募 240 个家庭，其中至少有一位父母/看护人和青少年（n=480 名参与者），每个实验条件随机分配 80 个家庭。 招聘由发送支持信的 24 名 SFP 招聘人员处理。 他们种族多样，地理位置分散在美国各地 他们可以接触到多个种族/民族和边缘化家庭。 每个招聘人员的目标是招聘 10 个家庭（24 个招聘人员 x 10 个家庭）。

分配：个别家庭将被随机分配到三种干预措施中的一种，使用计算机随机数生成器来消除选择偏差并控制有助于计划结果的未观察到的混杂变量。 我们将检查相关人口统计变量（种族/民族、收入、教育、成人和儿童年龄）的分布，以确保基线条件之间的平衡。 我们进行分析以检测这些变量在干预效果方面的显着差异。

统计分析：在评估项目效果之前，我们使用适当的分类或连续基线测量测试来检查实验条件之间的预测试等价性。 在评估程序有效性的协变量调整模型中控制了显着差异。 该分析使用 3（条件）x 2（基线风险）方差分析，将继续存在于研究中作为因变量。 我们还根据条件检查是否存在任何不同的流失（即，将流失编码为 1/0 并使用逻辑回归模型来预测保留）。 我们还使用验证技术来对比条件之间的方差/协方差矩阵，以评估统计关系的模式是否因条件而异。 按条件区分的损耗可能会限制内部有效性（干预效果可能与损耗效应混淆）或外部有效性（对其他家庭的普遍性）。 数据分析首先对所有基线测量值（例如，频率、均值、方差）生成简单的描述性统计数据，然后对后测和 2 个月的后续数据重复此过程。 检查分布的偏度和峰度以及响应模式。 卡方检验、点双序列和皮尔逊相关用于检查基线预测变量（即检查多重共线性）、人口统计和结果变量之间的统计关系将使用适当的关联度量进行评估，并使用卡方评估统计显着性平方、t 和 F 检验）。 违反正态性和同方差性假设（在家庭研究和评估青少年自我报告药物使用情况时经常遇到）将需要数据转换（例如，对数、反正弦、样条或百分位加权）。 如果转换未能使数据正常化，我们可以使用非参数检验（例如，Kendall 的 Tau、Mann-Whitney U 检验、Wilcoxon Rank Sum、Spearman 的相关性和 Freidman 的方差分析）。 对于由低频行为引起的非高斯分布，我们可以使用泊松回归、零膨胀和两部分半连续模型来调整具有优势的高度偏态分布。

缺失数据。 可能有一些参与者没有参加结果评估调查、停止参与干预或不愿提供数据。 这些事件代表了不同的磨损面（退缩和依从性差），必须仔细检查。 我们假设数据完全随机丢失（MCAR），或者导致丢失数据的机制是“可忽略的”，条件比较没有偏差；然而，我们对多变量数据应用 Little 的 MCAR 检验来确定缺失数据是否会使结果产生偏差。 不管它是如何产生的，所使用的完整数据方法都需要使用多重插补程序来获得有效的参数估计。 我们使用全信息最大似然估计来恢复丢失的数据。 鉴于缺失水平相对较低的插补效率，合理的插补数量为 10。 然后使用多个推理程序组合 10 个估算的数据集，这些推理程序针对缺失数据的不确定性 142 调整标准误差，从而产生更有效的参数估计。

意向治疗。 不合规的出现是因为参与者可能无法完成所有课程、根本没有上过课，或者只参加了评估而没有接触到课程。 这使得完成课程的人不再是“原始群体的随机样本”。 意向治疗 (ITT) 是一种分析数据的策略，在这种策略中，无论参与者是否完成课程或不合规状态，参与者都将保持在分配给他们的实验条件下。 然后使用敏感性分析，将来自完成者的数据与数据集进行对比，其中案例在随机化后被排除在外，因为他们没有接触到整个课程（功效子集分析）。 这种方法假设来自审查案例的数据随机丢失 (MAR)，并且结果是以无偏见的方式获得的。 敏感性分析将根据不同的课程完成水平（放宽排除规则）与此过程的结果进行比较，使干预暴露（会话数）连续，因为参与者可能从任何暴露中受益。 我们还将使用合规者平均因果效应 (CACE) 估计方法来解决干预依从性差异及其对项目结果的影响。 使用 CACE 分析，根据他们的合规水平（即参与）和治疗分配（SFPOnline 或 SFP DVD/视频）形成多个组（混合物）。 然后使用传统的逻辑回归方法在这些混合物之间对比项目结果。 我们可以根据他们观察到的课程完成率进一步对遵从者进行分类，在每种情况下产生低遵从者和高遵从者。 此外，参与度可以根据参与者级别的协变量（即婚姻状况、收入、压力、吸毒或家庭规模）进行调节。 ITT 和 CACE 技术保持随机设计的完整性，减轻差异程序完成的偏差，并使我们能够对该样本中的干预效果进行因果推断。 如果未完成课程的参与者没有随机分布在不同条件下，我们还将报告完成课程并参加后调查的参与者的影响大小。

混杂测试。 即使随机分配实验条件并减少它们之间的任何预测试不平衡，混杂效应仍可能对有效性构成威胁（即程序效果可能有偏差）。 因此，我们将检查在基线测量的选定变量以寻找任何不平衡的证据（即预测试等价性），并进行二次分析，我们在其中对治疗前协变量建模以说明组间结果差异。 该检查将使用广义线性模型进行。 预处理差异可以是参与者特定的（例如，人口统计）。 有一些证据支持纳入协变量，以便能够将条件之间的差异归因于干预。 它们的包含提高了模型的精度并增强了功效，这种效率对于二元结果也适用，如果我们选择以这种方式对青少年吸毒进行建模的话。

操纵检查。 我们预计某些关系将由其他变量调节。 我们的纵向研究设计使我们能够对因果过程做出严格的推论，解决 SFP 起作用的假定机制和治疗结构有效性。 我们假设顺序可忽略性，即使中介是在随机化后评估的。 我们可以统计评估直接影响幅度的减少，并针对间接影响进行调整。 这种情况通过路径分析的追踪规则扩展到具有多个假定中介的纵向数据。 纵向设计还提供了前测、干预（第 1-10 周）、后测（第 10-11 周）和 2 个月随访（第 18-20 周）的时间分离。 我们使用多变量 delta 方法来计算中介效应的标准误差，模拟显示可以根据中介效应的引导置信区间产生准确的估计。 这些评估项目效果的纵向模型中的潜在调解因素包括育儿效果、技能表现（基于期中测验）、亲子沟通、监控、边界设置和参与程度（基于满意度、课程完成和使用指标）。

效果修改。 一组有限的事后分析将探索参与者亚组之间干预效果的同质性。 这些分析有助于准确了解节目效果是否针对某些群体进行了优化。

力量。 在估计功效时，我们假设：(1) 三个实验条件，(2) 多波数据收集，(3) 与范围在 0.35-0.45 之间的估计结果和不同类型的结果测量（二分法与连续法）相关的随机效应). 我们计划在招募期间的每个实验条件下招募 80 个家庭（1 名父母/看护人 + 1 名青少年）。 对于大样本量 (n=480)，我们可以在大多数效应量中检测到显着效应。