COVID-19 大流行期间的信息来源及其与抑郁和焦虑症状的关系：一项网络研究

研究问题一：

在网络中获取有关 COVID-19 大流行以及抑郁和焦虑症状的知识的不同信息来源有多重要？ 哪些信息来源与抑郁症和焦虑症的不同症状最密切相关？

远离信息将在本研究中进行衡量。 由于回避是焦虑症中的一种安全行为，研究人员进一步渴望调查这种行为在网络中的中心地位。 此外，多项使用潜变量范式的研究已经建立了抑郁总分与社交焦虑使用之间的关系。 研究人员还有兴趣在本网络研究中更彻底、更详细地检查这种潜在联系。 这项研究的结果虽然是横断面的，需要在时间数据结构的研究中进一步检验，但将是一个重要而有趣的起点，给出关于可能涉及在流行病和疾病中使用信息源的潜在机制的初步想法。精神健康。

统计分析：

估计网络将包含 23 个项目（9：PHQ-9；7：GAD-7；7：获取有关 COVID-19 信息的信息来源）。 网络将使用 R 包 qgraph 进行估计（Epskamp 等人，2012 年）。 网络稳定性和准确性测试将使用 R 包 bootnet（Epskamp 等人，2018 年）进行。 将估计无向部分相关网络，导致每对症状之间的关联控制症状之间的所有其他关联。 将报告中心性指数。 在对数据进行评估后（例如，关于可能的偏度），将应用适当的相关方法。

该网络将使用图形最小绝对收缩和选择算子 (GLASSO) 以及扩展贝叶斯信息准则 (EBIC) 进一步规范化。 按照推荐做法，调整参数将设置为 0.5。 将描绘中心性表和图，并进行边缘差异测试。

此外，调查人员将调查样本中主要人口统计亚组（例如性别）之间网络结构的差异。 即将发表的论文中提出的所有未在此预注册协议中预先指定的分析和问题都将被定义为探索性的。

信息来源包括： 1) 国家电视和广播频道； 2）全国性、地区性、地方性报纸； 3) 使用社交媒体获取信息； 4) 使用博客、播客、论坛或其他互联网资源； 5) 从同龄人（即朋友和家人）那里获得的信息； 6) 其他信息来源； 7）主动远离信息。

推理标准：

p < 0.05 确定显着性。

样本量和功效计算：

按照 Fried & Cramer (2017) 的功效分析指南，建议参与者的数量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。 本研究构建的网络由7个焦虑项（GAD-7）、9个抑郁症状项（PHQ-9）和上述7个关于信息媒介和使用程度的预先指定项组成。 因此，网络由 23 个项目组成。 23x(23-1)/2 x 3 = 至少 759 名参与者（根据 Fried & Cramer 的指南，2017 年）。 因此，分别遵循这两种方法，需要 759 到 2530 名参与者。 数据将收集三周，参与者基于挪威成年人的代表性样本，在提供数字同意后，他们有平等的机会参与研究。

缺失数据：

TSD 系统（敏感数据服务）是挪威用于存储个人敏感数据的平台，它通过一种国民身份证号码正式验证参与者，让他们完全有权随时撤回他们的数据，遵循欧洲 GDPR（一般数据保护条例）法律。 因此，参与者可以随时撤回自己的数据。 该调查包括必填字段。 参与是自愿的，并且可以随时撤回任何提供的数据。 调查人员不希望参与者撤回他们的数据，因此不会丢失数据。 但是，如果参与者确实撤回了他们的数据，调查人员将进行最先进的缺失数据分析，并调查数据是否随机缺失。