自助手机应用程序在改善我们看待自己和身体的方式方面的有效性

程序：

参与者将首先在线阅读参与者信息表 (PIS)。 一旦他们在在线同意书上表示同意，参与者将继续在在线调查平台 (Qualtrics) 上完成一组问卷以获得基线评级。 在线问卷包括身体意象、身体意象风险因素和自我同情四项措施。 参与者还将报告人口统计信息，例如性别和年龄。

接下来，参与者将下载电话应用程序并在引导下浏览该应用程序。 本研究中的程序的电话应用程序由 Intellect Pte Ltd 提供，这是一家与该项目 (OS) 的主管合作的新加坡科技初创公司。 所有参与者都将使用简单的随机化程序随机分配到两种情况之一 - 干预或主动等候名单控制。 干预条件下的参与者将参加 9 天的身体形象计划，而主动等待列表控制条件下的参与者将参加 9 天的合作学习计划。 在这两个项目中，参与者每天都会在手机应用程序上进行内容学习和短期活动。 参与者花在每个项目上的预期时间是可比的，每天大约不到五分钟。

参与者将被要求在完成计划后立即完成同一套在线问卷（干预后测量），并在完成计划后四个星期（后续测量）完成。 反馈问卷将仅在干预后进行。 在干预后和四个星期的后续行动中完成计划和调查问卷后，参与者将获得课程学分或小额货币报销。

在六周的数据收集期结束时，将向所有参与者汇报研究的目的。 处于活动等待列表控制状态的参与者将被授予访问身体图像程序的权限。

结果措施：

身体形象措施：

身体形象理想问卷 (BIQ) 是一个包含 22 个项目的量表，通过测量一个人的感知和理想化身体属性的一致性或差异程度来评估身体形象的满意程度。 在从 0（完全像我）到 3（非常不像我）的范围内，参与者根据 11 种身体属性评估他们与理想身体的相似程度。 接下来，参与者评估他们在每个身体属性上达到理想状态的重要性。 将获得每个物理属性的差异和重要性评级的叉积，并将计算综合 BIQ 分数。 分数越高表明一个人的感知和理想身体属性之间的差异越大，表明对身体的不满程度越高。 BIQ具有良好的内部一致性，男性的Cronbach's α为0.81，女性为0.76。

身体欣赏量表 2 (BAS-2) 是一个包含 10 个项目的量表，用于评估个人对自己身体的积极态度。 项目按从 1（从不）到 5（总是）的等级评分。 所有项目的分数取平均值，分数越高表示对身体的欣赏程度越高。 BAS-2 具有极好的内部一致性，男性的 Cronbach's α 为 0.96，女性为 0.97。

风险因素措施：

外貌社会文化态度问卷第 4 版 (SATAQ-4R) 衡量内化理想和与外貌相关的社会文化压力。 七个分量表由 31 个女性项目和 28 个男性项目组成，量表从 1（完全不同意）到 5（完全同意）。 每个分量表的分数越高表明内化和社会文化压力水平越高。 分量表的内部一致性良好，大学女性样本的 Cronbach's α 为 0.82 或更高，大学男性样本的 Cronbach's α 为 0.75 或更高。

自我同情措施：

自我同情量表简表 (SCS-SF) 是一个包含 12 个项目的量表，用于测量六个分量表上的自我同情。 每个项目从 1（几乎从不）到 5（几乎总是）打分。 自我同情总分是所有六个分量表平均值的总平均值，分数越高表明自我同情水平越高。 该量表内部一致性良好，Cronbach's α 系数为 0.86。

反馈问卷：

App Engagement Scale 是一个包含 7 个项目的量表，用于衡量参与者在电话申请表上的参与度，从 1（绝对不同意）到 5（完全同意）。 总分是通过将每个项目的分数相加得出的。 该量表的内部信度良好，Cronbach's α 为 0.84。

功率分析和样本量：

大多数检查基于移动和互联网的身体形象和饮食失调计划的研究报告了小到中等效应量的干预效果。 使用 G*power，Cohen 的 f = 0.1 和 alpha = 0.05 的小效应量，估计需要 214 名参与者的样本量才能达到至少 0.90 的功效。 考虑到基于应用程序的干预措施可能有 30% 的流失率，因此需要 280 名参与者。

统计分析：

将使用 SPSS 26.0 版进行统计分析。 所有分析将使用双尾检验进行，显着性水平为 p < .05。

首先将使用散点图、直方图和箱线图对数据进行目视检查，以检查数据的分布并识别重要的异常值。 与平均值相差超过三个标准差的数据将被识别为显着异常值。 将在有和没有异常值的情况下进行进一步分析，以确定异常值是否对结果有显着影响。 如果离群值对结果有显着影响，将使用 Winsorizing 方法对其进行管理，其中离群值将被替换为下一个最接近的非离群数据点。

单向方差分析 (ANOVA) 将检查两种条件在所有人口统计变量和因变量上的基线差异。 如果两种情况之间的基线没有观察到显着差异，则将进行双向 2（条件）X 3（时间）混合因子重复测量方差分析，以确定干预和活动等待列表是否随时间发生显着变化控制条件。 将使用简单的斜率分析检查任何重要的交互项（条件 x 时间）。 在主要分析之前，将进行统计假设检验，例如 Mauchly 的球形检验和 Levene 的方差齐性检验。

如果在两种情况之间的基线观察到显着差异，将进行协方差分析 (ANCOVA)，控制基线值。 将对 ANCOVA 的统计假设进行检验，例如协变量和自变量（条件）之间的独立性以及回归斜率的同质性。

对于这两项分析，如果干预条件下的参与者在干预后和后续行动中的结果测量与主动等候名单控制条件下的参与者相比有显着改善，则它提供了干预有效改善身体形象和自我的证据-大学生的同情心。

将进行意向治疗分析，以通过结转参与者上次报告的分数来解决因自然减员而导致的参与者数据丢失问题。 将使用单向方差分析对人口统计变量和因变量进行分析，以确定退出的参与者和未退出的参与者之间是否存在任何显着差异。 检测到的任何显着差异都可以告知研究中与损耗相关的偏差。