COVID-19 爆发后卫生工作者和公共服务提供者的 PTSD 症状：3 个月的随访

假设/研究问题：

H1：从 T1 到 T2，PTSD 症状、焦虑和抑郁会显着减少。

探索性：检查不同卫生工作者、公共服务提供者、人口亚组之间以及直接或间接与 T2 的 COVID-19 患者打交道的人员之间在创伤、焦虑、抑郁和生活质量方面的差异。 检查不同卫生工作者、公共服务提供者、人口亚组之间以及直接与间接与 COVID-19 患者打交道的人员之间创伤、焦虑和抑郁变化的差异。

H2：在元认知、策略、倦怠、对工作和经济的担忧、基线的人际关系问题方面，T1 的更高水平和从 T1 到 T2 的更少减少将与从 T1 到 T2 的 PTSD 症状减少更少相关，高于和超越直接对比. 间接暴露于创伤、人口统计变量（年龄和性别、与伴侣同住、与孩子同住）。

这项研究是“挪威 COVID-19、心理健康和依从性项目”的一部分，涉及多项研究。

样本量 T1 的样本量为 1778 名参与者。 T2 的样本量尚未明确，但我们预计 50% 会退出。

样本量基本原理 提到的“挪威 COVID-19 和心理健康与依从性项目”涉及多项研究，其中一些涉及复杂系统（网络分析方法）。 这些多变量分析需要大量样本，因此进行了功效分析。 按照 Fried & Cramer (2017) 的功效分析指南，建议参与者的数量至少是估计参数数量的三倍。 然而，Roscoe (1975) 对多变量研究提出的更保守的建议建议样本量比估计参数的数量大十倍。

停止规则：

数据收集将从 6 月 22 日开始，一直持续到 T1 的 1778 名受访者中尽可能多的人提交了问卷。 T2 的数据收集将在三周后停止。

指数：

给定可接受的 Cronbach 的 alpha（高于 0.7）两个项目组合起来代表对工作和经济的担忧。 在 CAS1 上，4 个项目被合并到“积极元认知”子量表，4 个项目被合并到“消极元认知”子量表，8 个项目被合并到子量表策略（Nordahl & Wells，2019）。 人际关系问题包括选自 IIP-64 的 17 个项目。 职业倦怠是用一个项目来衡量的。 对工作和经济的担忧用两个时间点来衡量。

统计模型：

将提供包含 N、平均值和 SD 或中值和四分位数范围的频率表的描述性统计数据，具体取决于数据。 PCL-5 的截止值 31 将与适用于 PCL-5 的 DSM-5 诊断指南一起使用，以将参与者分类为是否满足 PTSD 症状标准。 在五种再体验症状中的至少一种、两种回避症状中的一种、七种认知和情绪负面改变症状中的两种以及六种觉醒症状中的两种至少得分为 2 分的参与者被归类为满足 PTSD 症状标准。 亚临床 PTSD 将通过指定满足部分 PTSD 标准的样本的比例来评估，更具体地说，每个症状组中至少有一种症状高于阈值（2 或以上）。 结果将以国内和国际研究为基准。

对于 PHQ-9，高于 10 的分数被认为是表明患者处于抑郁区域内的截止点。

对于 GAD-7，将使用 8 及以上的截止值。

配对样本 t 检验或配对样本 Wilcoxon 检验将用于比较 T2 的 PTSD 症状，具体取决于数据的性质。

将根据偏斜程度进行单向方差分析或 Kruskal-Wallis 检验，以探索性调查不同类型卫生工作者（例如，医疗保健人员）之间的差异。 医生和临床心理学家）和公共服务提供者（例如政治家、社会保障），直接或间接地工作。 如果各组之间存在显着差异，调查人员将使用事后检验、Tukey (HSD) 或 Dunn-Bonferroni，具体取决于使用的是参数检验还是非参数检验。

像现在这样的重复调查通常会有很多丢失和丢失的数据。 因此，我们将使用混合模型而不是配对 t 检验、重复测量方差分析和普通线性回归来分析大部分数据。 混合模型使用最大似然估计，这是处理缺失数据的最先进方法 (Schafer & Graham, 2002)。 特别是如果数据随机丢失（这在我们的调查中很可能发生），混合模型会比其他分析方法给出更公正的结果（O'Connel 等人，2017 年）。

在初步分析中，对于每个因变量（PCL-5、GAD-7 和 PHQ-9），随机效应和残差协方差结构的组合最适合“空”模型（没有模型的模型）将选择除截距之外的固定预测变量）。 Akaike 的信息准则 (AIC) 将用于比较不同模型的拟合度。 AIC 减少大于 2 的模型将被认为更好（Burnham & Anderson，2004）。 将使用程序 SPSS 25.0（IBM Corp，2018）。

首先，关于 PCL-5、GAD-7 和 PHQ-9 减少的 H1 将通过在使用时间（T1 周期 = 0，T2 周期 = 1）作为预测因子的模型中使用焦虑或抑郁作为因变量进行测试。 其次，将添加人口统计组变量作为预测变量。 第三，将添加元认知、策略、倦怠、对工作和经济的担忧、人际关系问题的初始 (T1) 水平，以及这些常数协变量与时间的相互作用。 这些交互作用代表了关于预测 PTSD 症状变化的协变量的 H2 检验。 最后，将添加元认知、策略、倦怠、对工作和经济的担忧、人际关系问题作为常量协变量的 T2 水平，以及这些常量协变量与时间的相互作用。 这些相互作用代表了 H2 的检验，关于协变量从 T1 到 T2 的变化预测 PTSD 症状从 T1 到 T2s 的变化。

转换 根据与理论可能性和解释相比的偏斜程度，变量将按照建议的做法以其原始和验证的格式进行评估，只要这是可能的。 由于这项研究检查了一般人群（而不是临床人群）的精神病理学水平，我们确实预计 PTSD 症状的抑郁和焦虑水平数据会出现偏差，大多数人报告的 PTSD 症状水平较低。

只要可能，我们将尝试按照建议的做法，以原始和经过验证的格式评估这些变量。 但是，如果分析背后的统计假设不可能做到这一点，则可能需要进行转换以应用基于区间的方法。 或者，将使用非参数测试。

推理标准

鉴于本研究中的大样本量，我们预先定义了显着性水平：

p < 0.01 确定显着性

数据排除：

本研究包括 18 岁以上的所有医疗保健或公共服务提供者。 弱势医疗保健或公共服务提供者——在此样本中定义为医生、护士、心理学家和任何其他医疗保健工作者，以及政治家和社会工作者。 参与者报告了他们是否直接或间接与 COVID-19 患者一起工作。

探索性的：

未预先指定的未来文件中解决的问题将被定义为探索性的。