在针对 COVID-19 大流行的严格和解除社会隔离协议期间的孤独

假设和研究问题：

本研究的假设 (Hs) 和探索性研究问题是：

H1：解除社交距离协议与减少孤独感有关。 探索性问题 1. 显示出可靠的孤独感变化的比例是多少？ 探索性问题 2. 从 T1 到 T2，年龄、性别、教育水平、公民身份、就业状况、精神病诊断状况和难民状况等稳定（人口统计）因素与孤独感变化有何关联？ H2：在心理因素中，T1 水平较高和从 T1 到 T2 减少较少的工作和/或经济担忧、健康担忧（健康焦虑）、心理和行为适应不良以及消极和积极的元认知将与较少相关从 T1 到 T2 的孤独感减少，超出了预先存在的稳定风险因素的影响。

探索性问题 3. 在家进行新的积极活动、体验大自然和进行有氧运动有哪些潜在的保护作用？ 也就是说，T1 的更高水平以及这些活动从 T1 和 T2 的更多增加是否与从 T1 到 T2 的孤独感减少更多有关？ H3：T1 时更多的孤独感与从 T1 到 T2 的抑郁和焦虑症状减少较少有关。 从 T1 到 T2 的孤独减少较少与同一时间范围内症状减少较少相关。 由于与孤独感相关的变量可能会混淆孤独感与精神病理学症状之间的关系，因此将控制显示与假设 2 和假设 3 显着关联的变量。 但是，由于控制了抑郁和焦虑症状的 T1 水平，因此精神病学诊断将不作为控制变量。

研究设计和参与者 该设计是对 COVID-19 大流行期间挪威普通成年人口的纵向观察调查。 符合条件的参与者是所有 18 岁及以上的人，他们居住在挪威，因此经历了相同的距离协议，并且提供了参与研究的知情同意书。 严格的距离协议于 2020 年 3 月 12 日在挪威实施，在此期间的首次数据收集已经完成。 它持续了 7 天，介于 2020 年 3 月 31 日和 2020 年 4 月 7 日之间。 因此，在数据收集前的两周以及数据收集周期间，严格的协议一直保持不变。 此外，在此期间政府没有提供有关疏远协议变更的新信息，从而保持预期效果不变。 从 6 月 15 日开始，挪威将取消大部分严格的距离协议，取消距离协议的期限从该日期开始定义。 数据设置为从第一次收集（N = 10 084）中提供数据的样本中收集，从提升数据后一周开始，即从 6 月 22 日开始。 收集将持续到收集到足够的数据，但不会超过三周。

该研究的伦理批准由医学和健康研究伦理区域委员会和挪威研究数据中心（参考编号：分别为 125510 和 802810，其中研究方案和分析计划在数据收集之前获得批准。 该研究是根据加强流行病学观察研究报告的指南（STROBE；Von Elm 等人，2007 年）进行的。 可以在 Clinicaltrials.gov 上找到基于第一个 T1 数据收集的孤独研究的预注册协议 （标识符：NCT04365881）。 该研究是挪威 COVID-19、心理健康和依从性项目（Ebrahimi、Hoffart 和 Johnson，2020 年）的一部分。

程序 该调查以系统的方式在线传播，为成年人提供平等参与研究的机会。 传播程序涉及通过在国家、地区和地方新闻频道上广播有关调查的信息，以及在 Facebook 上向随机选择的挪威成年人提供在线调查。 其他地方详细描述了传播程序（Ebrahimi 等人，2020 年）。

第一次数据收集的停止规则旨在确保社会距离协议在数据收集期间的两周和一周内保持不变，并通过在有关即将到来的信息后立即停止数据收集来控制预期效果对协议进行了修改。 第二次数据收集将在社交距离协议解除后一周（6 月 22 日）开始，并持续三周。

推断标准 鉴于本研究的样本量较大，研究人员预先定义其显着性水平：p < 0.001 以确定显着性。

样本量和功效 样本量 T1 包括 10 084 名参与者，以确定所提问题的功效。 对于本研究，将邀请所有这些参与者按照研究计划参加 T2。

统计分析 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最小二乘回归来分析数据。 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（ULS-8、PHQ-9、GAD-7），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，将通过使用 ULS-8 作为模型中使用时间（T1 = 0，T2 = 1）作为预测变量的因变量来测试关于 ULS-8 减少的 H1。 其次，将添加人口统计组变量作为预测变量。 第三，将添加 T1 水平的工作和/或经济担忧、健康担忧（健康焦虑）、适应不良的心理和行为应对以及消极和积极的元认知作为常数协变量，以及这些常数协变量与时间的相互作用. 这些相互作用代表了 H2 关于预测孤独感变化的协变量的检验。 最后，将添加 T2 水平的工作和/或经济担忧、健康担忧（健康焦虑）、适应不良的心理和行为应对以及消极和积极的元认知作为常量协变量，以及这些常量协变量与时间的相互作用. 这些交互作用代表了 H2 的检验，关于协变量从 T1 到 T2 的变化，预测孤独感从 T1 到 T2 的变化。

为了分析孤独感的水平和变化对抑郁和焦虑变化的影响（H3），抑郁和焦虑被用作两个混合模型中的因变量，首先是时间与孤独感的交互作用，然后是时间与孤独感的交互作用。 T2 时的孤独感作为协变量。 这些变量的主要影响以及来自孤独感分析的所有重要项都包括在内作为因变量。

孤独感的可靠变化将使用 Jacobson 和 Truax (1991) 的公式进行评估。 统计分析是在程序 SPSS 25.0 (IBM Corp, 2018) 中完成的。

敏感性分析 敏感性分析将在随机选择参与者样本后进行，以反映亚组在挪威成年人口中的比例。