为阿尔茨海默病患者的无薪主要护理人员提供基于智能手机的认知情绪调节培训

该研究的目的是使用实验医学方法来测试一种新颖的、相对简短的、有针对性的、可扩展的、基于智能手机的认知情绪调节干预措施的功效和生物行为机制，旨在改善心理结果（即减少感知压力、照顾者诊断患有阿尔茨海默病或相关痴呆症 (ADRD) 的无薪主要照顾者的负担和抑郁症状），并检查照顾者干预对被照顾者生活质量的潜在益处。 认知重新评估（即通过以另一种更具适应性的方式思考和评估情绪信息来修改情绪反应轨迹的能力）代表了 ADRD 护理人员心理干预的一个非常有前途的目标。 重新评估可以通过两种主要策略来实施：心理疏远（即疏远）。 作为客观、公正的观察者评估情绪刺激）和重新解释（即想象比最初看起来更好的结果）。 该项目建立在有希望的初步工作的基础上，研究针对该人群的新颖的为期一周的认知重新评估干预措施的功效和潜在的生物行为机制。 ADRD 无薪主要护理人员将被随机分配接受疏远、重新解释或无监管自然史控制条件（仅查看）方面的培训，并接受为期一周的基于智能手机的主动重新评估培训，并在两周后进行后续评估、4周和3个月，纵向收集自我报告的积极和消极情绪、每日压力的生态瞬时评估、远程收集的心理生理健康相关生物标志物（即使用预先邮寄的H10表带收集的心率变异性数据）和使用蓝牙的手机应用程序）以及与健康相关的调查问卷报告。 该研究旨在从机制上将心理和心理生理功能的变化与健康相关行为结果的预测联系起来，这是一种以前从未在这个压力大的高风险群体中实施过的新型情绪调节干预措施。

这项研究代表了 I 期、I 期临床试验。 主要终点是对介导行为变化的心理和心理生理机制的评估，作为认知情绪调节干预的功能。 心理机制将通过自我报告的积极和消极情感的变化来评估。 将通过分析心率变异性数据来研究心理生理机制。 次要终点是通过评估心理结果（即行为改变，以感知压力、照顾者负担和抑郁症状的变化为代表）以及被照顾者的生活质量来测试干预的有效性。

将招募 270 名 ADRD 无薪主要看护者参与本研究。 本研究涉及使用并行干预模型，将 ADRD 护理人员参与者随机分配到距离训练、重新解释训练或无监管自然史控制条件（仅观察）中，如上所述。 特别是，研究人员将通过最初随机散布 270 个条件分配（每个单元 90 个），然后按相应顺序分配参与者，将参与者伪随机分配到训练组。 男性 ADRD 护理人员以及来自代表性不足的种族和族裔群体的护理人员将被过度抽样，以确保男性和女性护理人员的平等以及样本中代表性不足的群体的公平代表性。 研究团队中训练有素的实验人员将以相同的频率管理所有 3 个条件（距离、重新解释和仅观察）。 在数据分析过程中，实验者的身份将作为协变量纳入其中。 将通过用于情绪调节训练的标准化脚本来维持对实验协议的忠实度，并针对三种条件（距离、重新解释、仅观看）中的每一个进行修改；对项目协调员和所有将获取本协议数据的研究助理进行直接 PI 培训；通过对项目协调员和研究助理培训实施情况进行持续的 PI 观察来定期监控遵守情况。 此外，研究人员将录制培训课程（可选地，通过知情同意），并对随机选择的 10% 录音进行 PI 审查，以进一步确保对方案的保真度。

功率分析

护理人员自我报告的负面影响的功效分析：

通过在每个培训条件下招募 90 名参与者，将获得足够的权力来评估自我报告的负面影响结果。 该样本量估计基于功效分析，用于检测先前报告的纵向重新评估训练数据的受试者内部和受试者间行为分析的近似效应大小（d = 0.5）。 使用此近似效应大小的功效分析表明，每个条件 70 名参与者应能实现超过 95% 的功效 (alpha = 0.05) 来检测组内效应，超过 90% 的功效 (alpha = 0.05) 来检测组间效应。 假设全因流失率为 20%（这反映了自由上限，考虑到当前研究团队进行的纵向研究中过去的参与者流失率约为 10%），样本量应提供足够的能力来评估这一结果。 人员流失后，研究人员预计将获得每种情况下 72-81 名参与者的可分析完整数据。

护理人员心率变异性 (HRV) 的功率分析：

通过在每个训练条件下招募 90 名参与者，将获得足够的能力来评估呼吸性窦性心律失常的结果。 该样本量估计基于功效分析，使用先前针对 HRV 数据的受试者内部和受试者间分析获得的近似效应大小 (d = 0.5)。 使用此近似效应大小的功效分析表明，每个条件 70 名参与者应能实现超过 95% 的功效 (alpha = 0.05) 来检测组内效应，超过 90% 的功效 (alpha = 0.05) 来检测组间效应。 假设全因流失率为 20%（考虑到当前研究团队进行的纵向研究中过去的参与流失率约为 10%，这反映了自由上限），样本量应提供足够的能力来评估这一结果。 人员流失后，研究人员预计将获得每种情况下 72-81 名参与者的可分析完整数据。

照顾者感知压力、照顾者负担、抑郁症状的功效分析：

通过在每个训练条件下招募 90 名参与者，将获得足够的能力来评估问卷结果（例如，感知压力、照顾者负担、抑郁症状）。 该样本量估计基于功效分析，使用先前报告的用于测量这些变量（例如抑郁症状；感知压力）的问卷报告的受试者内部和受试者间分析的近似效应大小（d = 0.5）。 使用此近似效应大小的功效分析表明，每种情况下 70 名参与者应实现超过 95% 的功效 (alpha = 0.05) 来检测组内效应，超过 90% 的功效 (alpha = 0.05) 来检测组间效应。 假设全因流失率为 20%（考虑到当前研究团队进行的纵向研究中过去的参与流失率约为 10%，这反映了自由上限），样本量应提供足够的能力来评估这一结果。 人员流失后，研究人员预计将获得每种情况下 72-81 名参与者的可分析完整数据。

护理接受者影响和生活质量的功效分析：

通过在每个培训条件下招募 90 名参与者，将获得足够的能力来评估护理接受者的影响和生活质量。 虽然这些护理接受者测量值随时间变化的精确预期效应大小作为护理人员认知情绪调节训练的函数尚不清楚，并且预计不会很大，但使用小效应大小 (d = 0.3) 的功效分析表明 80%检测组内效应的功效（alpha = 0.05）应在每种条件下由 71 名参与者实现。 假设全因流失率为 20%（考虑到当前研究团队进行的纵向研究中过去的参与流失率约为 10%，这反映了自由上限），样本量应提供足够的能力来评估这一结果。 人员流失后，研究人员预计将获得每种情况下 72-81 名参与者的可分析完整数据。

数据分析

数据分析将主要使用线性混合模型，结合训练组（距离、重新解释、无监管控制）、会话和试验类型（用于涉及重新评估任务的分析；看起来中立、看起来消极和重新评估消极）的固定效应，以及他们的固定效应相互作用，以及由每个参与者的截距（主效应）组成的随机效应。 在探索性后续行动中，研究人员还将使用每个参与者的随机斜率来检查模型。 结果变量将是自我报告的积极和消极影响（通过 EMA）和 HRV (RMSSD)（目标 1）的变化以及与健康相关的行为结果的变化（目标 2）。 在这些分析中，性别、年龄、护理者与护理接受者的关系以及基线护理困扰负担将被纳入协变量。 重要的是，鉴于调查人员将通过对男性护理人员进行过采样来确保每组中的性别平衡（请参阅招募和保留计划），研究人员还预计有足够的权力对护理人员性别和年龄对假设效果（所有目标）的影响进行探索性分析）。 这些信息可能有助于为这项工作的结果可能产生的未来干预设计和评估（第二阶段及以后）提供信息。 将使用多级中介模型来研究目标 3，其中涉及将训练组分配作为更高级别的预测因子 (X)；自我报告的积极和消极情绪，以及 HRV 数据作为个人层面的中介（M）；和健康相关行为作为个人层面的结果变量（Y；即 2-1-1 多级中介模型）。 上述相关协变量将纳入所有中介模型中。

缺失数据将使用随机森林插补进行插补，该插补挖掘数据中的复杂性（交互作用、非线性），同时实现随机缺失（MAR）数据的更稳健的交叉验证预测。 通过在实验期间系统跟踪参与者的进度（例如，通过 T1-T7 的 Qualtrics 进行培训的及时性和完整性；每日 EMA ping 的完成率；以及问卷的及时性和完整性），可以减少随访损失。 实验者将直接联系未按计划完成研究组成部分（即未完成日常培训、每天回复少于 1 个 EMA ping 或未按计划完成调查问卷）的参与者，提醒其研究计划并协助解决任何问题。 该检查和提醒系统将是对通过 SurveySignal 发送的自动短信提醒的补充。