Walidacja interwencji psychospołecznej dotyczącej obrazu ciała u osób starszych: projekt eksperymentalny

Ta eksperymentalna interwencja bada zadowolenie z ciała osób starszych. Celem jest porównanie konkretnej interwencji z innym ogólnym programem i określenie, która z nich jest bardziej skuteczna w poprawie zadowolenia z ciała u osób powyżej pięćdziesiątego roku życia.

Eksperyment ten ocenia pozytywne konsekwencje uczestnictwa w programie satysfakcji z ciała u osób starszych, badając zadowolenie z ciała przed i po interwencji oraz porównując grupy eksperymentalne i nieeksperymentalne. Ten eksperymentalny projekt mieszany umożliwia odizolowanie efektu leczenia od efektu manipulacji poprzez porównanie międzygrupowe i inne zmienne związane z różnicami indywidualnymi poprzez porównanie wewnątrz uczestników. Jest to najskuteczniejsza metodologia określania związków przyczynowo-skutkowych w naukach o zachowaniu i oceny, czy interwencja psychoterapeutyczna przynosi rzeczywistą i trwałą poprawę.

Zacznij od otwarcia oprogramowania statystycznego i przejdź do menu plików, wybierz nowy i kliknij ikonę danych. Otwórz widok zmiennej i utwórz zmienną statystyczną dla każdej zmiennej wymienionej w tabeli pierwszej w manuskrypcie. Otwórz dane, wyświetl i wypełnij dane z pomiarów przed i po kwestionariuszu kształtu ciała lub teście BSQ dla każdego uczestnika.

Podobnie należy wypełnić dane z ankiety demograficznej i atrybucyjnej. Po uzupełnieniu danych należy przejść do transformacji zmiennej obliczeniowej i z menu podręcznego przypisać liczbę w odstępie zmiennej docelowej, a następnie z menu typu i etykiety wybrać zmienną pre-treatment, przenieść ją do pola interlinii wyrażeń i kliknąć w ikonę odejmowania na kalkulatorze. Wybierz zmienną po obróbce z menu typu i etykiety, a następnie przenieś ją ponownie do pola odstępu wyrażeń numerycznych.

Na koniec naciśnij OK'zakładkę, aby utworzyć zmienną z różnicą między pomiarem przed i po pomiarze BSQ. Po digitalizacji danych przyjrzyj się niezawodności, wybierając analizę niezawodności ze skali w menu analizy i przenosząc pomiary BSQ przed i po obróbce użyte w eksperymencie do okna dialogowego analizy niezawodności. Kliknij na statystyka i wybierz współczynnik korelacji wewnątrzklasowej, a następnie kliknij opcje dwukierunkowe mieszane i spójność.

Na koniec kliknij OK'ikonę, aby wygenerować żądane wyjście. Uruchom analizę opisową, wybierając menu analizy i statystyki opisowe, a następnie kliknij przycisk Częstości. Po danych wyjściowych wybierz pozycję Analizuj statystyki opisowe i opisowe.

Aby określić statystyki opisowe zmiennych ilościowych, należy przejść do zakładki split file w menu głównym i wybrać zmienną jakościową, która ma być analizowana w menu kontekstowym. Wybierz opcję organizuj wyniki według grup" i kliknij, OK.To przeprowadzić sparowany test T-Studenta próbek na danych obrazu ciała zebranych przed i po wzięciu udziału w dwóch warunkach, przejdź do menu analizy, wybierz porównaj średnie iw oknie dialogowym testu T sparowanych prób umieść obróbkę wstępną BSQ i obróbkę końcową BSQ jako zmienną jeden i dwa. Określ sparowany test T Studenta zgodnie z każdą zmienną jakościową, wybierając opcję podziel plik z menu głównego i wybierając zmienną jakościową do analizy w wyskakującym okienku.

Następnie kliknij kartę organizuj dane wyjściowe według grup i naciśnij OK. Powtórz ten proces dla każdej zmiennej nominalnej. Aby zobaczyć efekt każdego programu, przeprowadź jednokierunkową ANOVA, wybierając porównanie środków w menu analizy, aby uzyskać dostęp do jednokierunkowego okna dialogowego ANOVA. W polu umieść zmienne BSQ przed i po leczeniu oraz różnicę przed i po leczeniu na liście zależnej, a także zmienną warunku eksperymentalnego jako czynnik.

W przypadku analizy ANOVA z powtarzanymi pomiarami przejdź do ogólnego modelu liniowego w menu analizy. W oknie dialogowym powtarzanych miar przypisz nazwę w nazwie czynnika tematu. Następnie umieść dwa jako liczbę poziomów i BSQ w nazwie miary.

Na koniec kliknij definiuj, aby przejść do pola wyboru zmiennej. W menu kontekstowym wybierz zakładki w zmiennych tematu, między czynnikiem tematu a wszystkimi zmiennymi społeczno-demograficznymi jako współzmiennymi. Na koniec kliknij model i wybierz pełną silnię.

Przejdź do opcji, aby wybrać szacunkową wielkość efektu. Powtórz proces, aby utworzyć niestandardowe terminy i użyj ikony według, aby połączyć warunek zmiennej ze wszystkimi zmiennymi socjodemograficznymi. W analizie reprezentatywnej wielkość efektu w grupie eksperymentalnej i kontrolnej przed i po włączeniu uczestników, wraz z różnicą między dwoma momentami, została wyświetlona za pomocą testu na sparowanych próbach.

Wyniki testu sparowanych próbek wykazały, że nastąpiła znaczna poprawa obrazu ciała u uczestników programu IMAGINA w porównaniu z sytuacją kontrolną. Analiza efektu międzygrupowego z jednokierunkową ANOVA ujawniła nieistotne średnie różnice między warunkami przed i po, stwierdzając, że projekt testu jest solidny. Również znacząca poprawa BSQ w różnicy pre-post wskazywała na dobre wyniki testu BSQ.

Wyniki testu wieloczynnikowego wykazały statystycznie istotny efekt interakcji wewnątrzgrupowej. Wskazując na skuteczność programu satysfakcji z ciała IMAGINA. Wpływ zmiennych interweniujących, takich jak płeć, stan cywilny i pora roku, analizowano w różnicach w zadowoleniu z ciała.

Zaobserwowano, że mężczyźni są bardziej zadowoleni ze swojego wyglądu fizycznego niż kobiety. Jednak różnica między pomiarem BSQ przed i bezpośrednio po interwencji była statystycznie istotna dla obu płci po udziale w programie IMAGINA. Stwierdzono, że uczestnicy pozostający w związku byli bardziej niezadowoleni ze swojego wyglądu fizycznego w stanie przed i po leczeniu.

Ale to również znacznie poprawiło ich zadowolenie z ciała podczas udziału w IMAGINA. Pora roku nie wpłynęła istotnie na osobniki w grupie kontrolnej, ale wpłynęła na osoby w grupie eksperymentalnej. Poprawa była wyższa u osób z metropolii niż u osób ze wsi w warunkach eksperymentalnych.

Najważniejszym krokiem w tym protokole jest odtworzenie tych samych warunków eksperymentalnych w warunkach eksperymentalnych i kontrolnych w celu wyizolowania efektu generowanego przez leczenie.