Краткий протокол лонгитюдного исследования влияния соцсетей на психическое здоровье подростков в (3) культурных контекстах.

1) Цель

Оценить каузальные отношения между использованием соцсетей и психическим здоровьем подростков, выявить медиаторы, модераторы и динамические обратные связи в разных культурах.

2) Дизайн и выборка

Мультицентрическое когортное исследование в (3) культурах (например: западная, восточноазиатская, латиноамериканская) с повторными измерениями каждые (6) месяцев в течение (3) лет (временные точки (t=0,1,\dots,6)).Стратифицированная случайная выборка школьников возрастом (12)–(17) лет; целевой размер выборки на культуру (N\approx 1500) (итого около (4500)), скорректировать по ожидаемой утрате на последующих волнах.

3) Ключевые переменные

Экспозиция (вкладки):
Общая интенсивность: среднее экранное время в соцсетях (пассивное/активное) — объективные логи + самоотчёт.Тип контента: позитивный/негативный/провокационный, сравнение с ровесниками, кибербуллинг; платформа.Поведенческие паттерны: ночное использование, частота сессий, взаимодействие (лайки, комментарии).Исходы психического здоровья:
Симптомы депрессии, тревожности (валидированные шкалы), самоуважение, суицидальные мысли, качество сна.Медиаторы:
Сон, социальное сравнение, ощущение принадлежности, стрессовые интервалы, саморегуляция.Модераторы:
Культурные ориентации (индивидуализм/коллективизм), семейная поддержка, SES, пол, возраст, предшествующее психическое здоровье.Контрольные ковариаты:
Базовый уровень психического здоровья, школьная среда, доступ к услугам, жизненные события.

4) Измерения и инструменты

Валидированные шкалы (например, PHQ‑A, GAD‑7 адаптированные для подростков), шкалы самоуважения, PSQI/активность сна.Объективные логи мобильных устройств / API платформ (с согласия) + EMA пульс‑опросы короткие после сессий.Индивидуальные культурные шкалы или использование индексных переменных (Hofstede/индивидуализм) на уровне региона и индивида.Регулярный сбор потенциальных временно-изменяющихся ковариат (стрессовые события, болезнь).

5) Методы контроля каузальности

Дизайн:
Длинная панельность + частые волны для установления временной последовательности.Включение естественных/экзогенных шоков (например, временные отключения платформ, изменения регуляций о возрасте) для IV‑анализа.Возможно применение квази‑экспериментов (stepped‑wedge или вмешательство на уровне школ) в подклассе.Аналитика:
Random intercept cross‑lagged panel model (RI‑CLPM) для разделения между‑ и внутри‑индивидуальных эффектов:
[
X_{it}=\muX+\alpha{i}+\beta{XX}X{i,t-1}+\beta{XY}Y{i,t-1}+\varepsilon{it}
]
[
Y{it}=\muY+\gamma{i}+\beta{YY}Y{i,t-1}+\beta{YX}X{i,t-1}+\eta_{it}
]
где (X) — использование соцсетей, (Y) — симптоматика.Marginal Structural Models (MSM) с inverse probability of treatment weights (IPTW) для учёта временно-зависящих ковариатов:
[
wi=\prod{t}\frac{1}{P(A{it}=a{it}\mid \bar{A}{i,t-1},\bar{L}{i,t})}
]Инструментальные переменные (IV): использование экзогенных шоков (Z) (напр., региональная блокировка платформы), проверка условий релевантности и независимости.Difference‑in‑differences для анализа изменений вокруг политик/шотов на уровне регионов/школ.Динамическая структурная модель (DSEM) и Bayesian time‑series модели для индивидуальной динамики и гетерогенности.Дополнительные проверки:
Negative controls (исходы/экспозиции, не связанные каузально).Сенситивити‑анализы (E‑values, bounds).Тесты измерительной инвариантности шкал по культурам.

6) Анализ медиаторов и модераторов

Многоуровневый медиативный анализ (авторегрессивные пути):
Разложение общего эффекта (TE) на прямой (DE) и косвенный (IE) через медиатор (M):
[
TE = DE + IE,\quad IE = a\times b
]
где (a) — путь (X\to M), (b) — путь (M\to Y).Модерация эффектов по культуре: тесты взаимодействия (X\times Culture) и многоуровневые модели с перекрёстными случайными эффектами.Оценка нелинейности (пороговые эффекты) с помощью spline/threshold models.

7) Ожидаемые сложные обратные связи (кратко)

Рекуррентная двунаправленность: повышенное использование соцсетей (X_{t-1}) → ухудшение состояния (Y_t), а ухудшение (Yt) → последующее увеличение пассивного потребления (X{t+1}).Медиатор‑петли: (X\to) хуже сон (\to Y); одновременно (Y\to) изменение режима сна (\to) увеличение ночного использования (X).Культурная модификация: в коллективистских контекстах социальная поддержка может смягчать негатив через повышение принадлежности; в индивидуалистских — усиление социальных сравнений.Нелинейность и гетерогенность: небольшой умеренный активный контакт может быть защитным, а высокое пассивное потребление — вредным; пороговые эффекты и субгруппы уязвимости (пол, предшествующее состояние).Сетевые эффекты: распространение негативного контента в сети региона усиливает влияние на локальные когорты (кластеризация).

8) Управление данными, качество и пропуски

Стандартизованные протоколы, контроль качества, предварительная проверка измерений в каждой культуре, тесты метрической инвариантности.Множественная иммутация для MAR, моделирование механизма пропуска (MNAR) в sensitivity analysis.Учет кластеризации (школы/регионы) в моделях.

9) Этические и практические моменты

Согласие родителей и согласие подростков; анонимизация логов; минимизация риска (триаж при высоких оценках самоуничтожения).Протоколы защиты данных, трансграницальной передачи данных согласно локальному законодательству.

10) Краткий план по результатам и интерпретации

Первичный анализ: RI‑CLPM + MSM для основных путей; IV/DID для проверки каузальности.Вторичный: медиаторы, модераторы, субгруппы, DSEM для индивидуальной динамики.Интерпретация с учётом культурной спецификации и проверкой устойчивости (negative controls, sensitivity).

Если нужно, могу дать шаблоны переменных для опросников, примерный код для RI‑CLPM/MSC или формулы расчёта мощности под предполагаемый эффект.