药物预防联盟数据驱动技术援助系统的随机试验

这项为期五年的 R01 研究的总体目标是测试联盟检查 (CCU) 技术援助 (TA) 系统，以支持社区联盟实施循证药物预防计划 (EBP)。 在美国运作的 5,000 多个社区禁毒联盟是联邦毒品预防的基石。 然而，这些联盟仅在使用 TA 和实施 EBP 时才证明在预防物质使用方面的有效性，这是研究与实践之间的一个关键差距。 CCU 通过识别和解决 EBP 实施能力方面的差距来支持联盟。 拟议的研究通过应用 Wandersman 的交互系统框架来测试 CCU 对联盟 EBP 实施能力和青年成果的影响来推进实施科学。 尽管社区禁毒联盟作为 EBP 传播机制很受欢迎，但很少有研究解决如何支持联盟以实现最佳 EBP 实施。 由于缺乏足够的支持，联盟和 EBP 往往会失败。 基于证据的联盟模型中提供的强化 TA 是有效的，但通常过于昂贵而无法在现实环境中扩展。 CCU 提供了一种成本较低的 TA 系统，广泛适用于各种联盟模型。 该研究的主要目的是测试 CCU 的整体有效性，包括它如何促进 EBP 的实施和预防青少年物质使用。 在交互系统框架的基础上，中心假设是 CCU 可以加强预防支持系统，从而提高 EBP 实施的联盟能力和 EBP 减少青少年物质使用的可能性。 该研究将通过追求三个具体目标来检验这一中心假设。 第一个目标是估计 CCU 对联盟能力的影响，包括团队流程、网络组成和协作结构。 联盟将被随机分配到 CCU 或“照常 TA”条件。 第二个目标是评估 CCU 对 EBP 实施的影响，包括 EBP 范围、实施质量和可持续性。 第三个目标是估计 CCU 对青少年物质使用的影响，包括酒精、烟草、大麻和阿片类药物。 CCU 的创新在于强调主动监控和数据驱动的 TA，使用动机访谈来增强联盟驱动的行动计划，以及检查网络结构以增强联盟能力。 拟议研究的贡献非常重要，因为该领域目前缺乏适用于运作中的毒品预防联盟的异质组合的 TA 模型有效性的明确证据。 该研究将增强社区联盟的能力，以弥合药物预防规划中研究与实践之间的差距。 通过为低成本、数据驱动、手动化的 TA 模型建立证据基础，预计结果将对该领域产生积极影响，该模型确定如何与社区联盟进行干预，以支持持续实施基于证据的药物预防计划和促进社区健康的已知政策。