可持续大学生活 (SUN) 研究 (SUN)

学习目标：

总体研究目标是提高对瑞典本科生所经历的常见心理健康问题（抑郁、焦虑和压力）和肌肉骨骼疼痛的病因和预后的认识。

具体研究问题：

睡眠质量差、膳食模式、低体力活动/久坐不动的生活方式、疼痛状况和恶劣的学习环境等可改变的因素是令人烦恼的抑郁和焦虑症状和肌肉骨骼疼痛以及抑郁、焦虑、压力和抑郁的不利轨迹的独立危险因素吗？疼痛症状？ 睡眠质量差、膳食模式、低体力活动/久坐不动的生活方式、疼痛状况和不良学习环境等可改变的因素是否是从麻烦的抑郁和焦虑症状和肌肉骨骼疼痛中恢复的独立预后因素？ 这种潜在的风险因素和轨迹在男性和女性之间是否有所不同？ 一学年期间睡眠质量、膳食模式、身体活动/久坐不动的生活方式、疼痛和物质使用的轨迹是什么（描述风险因素的波动）？

学习规划：

18 岁或以上的本科或研究生（直至硕士水平）全日制课程学生的队列研究，毕业前至少有一个学年，在一个学年内跟进四次。

来源人群：

该项目的来源人群是年满 18 岁或以上、在斯德哥尔摩地区的大学毕业前至少学习一学年的本科生或研究生（直至硕士水平）全日制课程学生。

数据采集​​：

数据收集将通过发送到参与大学提供的学生电子邮件地址的链接进行问卷调查。 学生将能够在基线和每次跟进时访问为期四个星期的调查问卷。

曝光：

睡眠质量、身体活动和久坐行为、过去三个月的物质使用（非医疗使用）、学习环境、身体形象、完美主义、赌博、强迫运动、社交媒体使用、网络欺凌、拖延和孤独感。

结果：

结果将使用抑郁焦虑压力量表 21 (DASS-21) 进行测量。 DASS-21 包括三个分量表，旨在测量非临床人群的抑郁、焦虑和压力症状，并在 0-3 的李克特量表上提供替代反应。 分数越高表示症状越严重。 肌肉骨骼疼痛将使用北欧肌肉骨骼疼痛问卷 (NMQ) 进行测量，该问卷涵盖了大多数潜在的肌肉骨骼疼痛症状。 问卷测量九个身体部位的肌肉骨骼症状和疼痛强度：颈部、肩部、肘部、手腕/手、上背部、下背部、臀部/大腿/臀部、膝盖和脚踝/脚。 根据原始 NMQ，问题被修改为询问前一个月而不是前 12 个月。 那些报告没有症状的人的疼痛评分为零，而那些报告有肌肉骨骼症状的人也被要求报告上个月的平均疼痛程度，从零（指没有投诉）到九分，这指的是“尽可能糟糕”的痛苦。

潜在的混杂因素：

研究人员将收集以下变量作为暴露与结果之间关联的潜在混杂因素。 这些混杂因素是根据我们对文献的回顾而选择的。

社会人口变量：年龄、性别、公民身份、婚姻状况、受抚养人人数、父母婚姻状况、父母就业状况、个人和家庭年收入、每周工作时间、生活安排和通勤时间。

学术变量：过去一年的总体平均水平（一年级学生将提供高中最后一年的平均水平）、学习计划、学习年份。

一般健康状况和医学诊断的合并症：研究人员将要求参与者对他们在过去一年中由医疗保健提供者诊断出的一般健康状况和合并症进行评分。 在我们的试点研究中，我们将选择 > 5% 的样本报告的合并症。 在加拿大的试点研究中，这些包括：过敏、关节炎、哮喘、注意力障碍/学习障碍、进食障碍、高血压、肠或胃溃疡、偏头痛、情绪障碍、脊柱侧凸和性传播感染。

数据分析统计：

轨迹的定义：抑郁、焦虑、压力症状和疼痛的结果轨迹将通过潜在类别增长混合模型 (LCGMM) 出现，该模型允许在定义的人群中识别多个潜在轨迹。 在 LCGMM 中，每个轨迹都由其自己的增长参数（截距、线性斜率）定义，这些参数被假定为潜在的。 我们将使用贝叶斯信息标准 (BIC)、自举似然比检验 (BLRT) 和熵（不确定性度量）来确定我们的 4 轨迹假设是否为数据提供了最佳拟合解决方案。 睡眠质量、食物不安全、身体活动/久坐不动的生活方式和物质使用的轨迹也将用这种方法确定。

暴露与轨迹之间的关联：研究人员将使用多项逻辑回归分析来确定每个暴露与结果轨迹之间的关联。 研究人员将以比值比 (OR) 和 95% 置信区间 (95% CI) 的形式报告关联。 研究人员将首先建立双变量模型来测量暴露和轨迹之间的粗略关联。 为了识别混杂因素，研究人员将建立模型来测试每个潜在混杂因素的包含是否会在任何关联中产生 ≥ 10% 的变化。

暴露与抑郁、焦虑、压力症状和疼痛事件病例之间的关联：在基线时，研究人员将确定一个学生子群，这些学生有可能分别出现令人烦恼的抑郁和焦虑症状以及疼痛。 研究人员将使用 Kaplan-Meier 估计来描述发病率和离散时间生存分析来衡量暴露与结果之间的关联。 在所有模型中，参考类别将是假设与最低结果风险相关的暴露水平。 OR 和 95% CI 将用于描述关联的强度和方向。 将使用与上述相同的方法来识别预后因素（从恢复“风险”下的子队列开始）并用于控制混杂。

样本量：研究人员使用两种不同的分布场景，根据参与者在四种假设轨迹（无症状；改善；恶化；和持续）中的分布，估计了多项逻辑回归模型中可以包含的参数数量。 在情景 1 中，我们假设 70% 没有症状，13% 恶化，10% 改善，7% 有持续症状。 在场景 2 中，研究人员假设轨迹之间的平均分布 (25%)。 基于这些假设，研究人员估计，如果研究人员招募 1000 名学生（场景 1），模型可以容纳 32 个参数；如果研究人员招募 5000 名参与者（场景 2），模型可以容纳多达 234 个参数。

Covid-19 子研究：

队列研究的招募和数据收集是在 Covid-19 大流行之前和期间进行的。因此，研究人员从 2020 年 5 月开始通过每周短信更频繁地记录疼痛、焦虑和抑郁的程度。 在大流行之前和期间收集的数据提供了一个机会来调查与大流行相关的抑郁、焦虑和压力以及生活方式行为的症状变化。 关于这项与 Covid-19 相关的子研究的具体研究问题是：1) 在大流行的第一个月内，心理健康问题的症状是否有任何变化？ 2) 在大流行的第一个月，学生是否会表现出健康生活方式的变化，例如睡眠模式和质量、膳食模式、锻炼和物质使用以及 3) 情绪低落、忧虑和疼痛症状在大流行期间的不同轨迹大流行病将每周测量一次，目的是确定与不利轨迹相关的因素。