针对患有 ADHD 的少数民族青少年的社区护理：通过机器学习辅助监督和保真度反馈提高保真度。

本研究的 Y02 是一项监督干预的小型 (N=72) 阶段 1/阶段 2 临床试验，旨在提高治疗师治疗的忠诚度和随后的服务交付结果。 平行设计包括使用考虑机构的置换块随机化策略，将三个社区机构的符合条件和同意的患者随机分配到两个主动监督干预组（LC4S 或 ESAU）。 参与者将接受社区机构工作人员的行为干预，他们的服务使用情况将使用项目和机构电子健康记录进行跟踪。 机构治疗师和监督员也将参加这项试验。 治疗师将随机接受来自他们主管的 LC4S 或 ESAU（双重随机化），使用考虑到地点的块随机化策略。 监督员将在本次试验中管理这两种监督条件；然而，调查人员将系统地评估污染情况，以评估该设计是否适合未来的 R01。

为了尽量减少偏见，青少年和家长参与者将不会被告知他们被分配到的小组。 然而，在本试验中完全掩盖治疗师和督导员是不可行的，因为督导员和治疗师都将根据这些条件的性质知道他们是参与技术辅助督导活动还是标准督导活动。 然而，主要研究者会让治疗师和监督者不了解我们的研究假设和结果测量的性质，以尽量减少试验中的偏倚。 其中许多措施将是观察性的和客观的（即治疗记录、治疗录音），这应该可以减少自我报告产生的偏见。 调查人员还将评估治疗师自我报告的准确性是否存在群体效应。 所有干预将由机构工作人员提供，他们不需要遵循干预实施协议，因为这项研究的结果是机构治疗师在其主管提供的指导下遵循干预程序的程度。 研究评估将通过 Care4 以电子方式进行管理，数据收集将由研究人员监督。

将使用单独的混合/增长模型分析每个保真度测量值（Duncan 等人，1999 年）。 在此设计中，治疗课程（级别 1）嵌套在青少年（级别 2）中，青少年嵌套在治疗师（级别 3）中。 每个青少年最多参加 10 节课；每位治疗师治疗 3 名青少年。 主管作为额外的更高级别，但主管很少（大约 6 个），这将通过包含代表主管的虚拟预测变量来解决。 LC4S 与 ESAU 对保真度截距和斜率的直接影响将针对每个保真度结果进行测试（见表 3）。 时间集中在第一次会议上，截距反映了 ESAU 条件的初始保真度，群体效应反映了 ESAU 和 LC4S 之间的初始保真度差异，时间效应反映了 ESAU 条件保真度随时间的线性变化，以及相互作用时间和组的变化反映了 ESAU 和 LC4S 在保真度随时间线性变化方面的差异。 作为 R34 的一部分，将估计治疗师和主管对结果的聚类效应的组内相关性 (ICC) 和设计效果，以确定未来 R01 中需要额外聚类的程度。 ICC 的范围从 0 到 1，较大的值反映了较高级别（这里是治疗师和主管而不是青少年）的较大比例的方差。 调查人员还将测试线性和非线性斜率，以确定未来 R01 中 LGCA 的预期形状。 治疗师 MI 能力的时间、第 10 届会议交付的 EBT 的比例以及 EBT 完成的会议次数和天数将使用回归（线性、逻辑或泊松取决于结果变量的分布）建模，并将组作为预测器。 治疗师自我报告的准确性将使用多项式回归进行分析（Laird & LaFleur，2013）。

使用 R 包 powerlmm，调查人员估计为 0.8 检测代表青少年（2 级）水平的群体差异的大效应 (d = 0.8) 的能力；调查人员有 .4 检测介质效应的能力 (d = .5) 代表青少年水平的群体差异。 然而，我们的假设主要是在治疗师级别（第 3 级），其单位较少（即，每种情况 12 名治疗师与每种情况 36 名青少年）。 因此，将估计青少年水平和治疗师水平影响的措施。 为了计算 ICC 的功效，研究人员使用了基于 Zou (2012) 的 ICC.Sample.Size R 包。 样本量为 72 名参与者，每位参与者 10 次观察，alpha 等于 0.05，并进行双尾检验，调查人员的结果大于 0.9 功率检测 0.2 的 ICC。 横截面数据（例如教室里的儿童）的 ICC 值约为 0.2（Hedges 和 Hedberg，2007 年）。 研究人员期望在本研究中估计 ICC 值具有出色的精度。