God nats søvn-program for at forbedre børns og families søvn (GNSP)

Børn fra økonomisk dårligt stillede familier har kortere og dårligere kvalitet af aktigrafi-afledt søvn og større subjektive søvnproblemer sammenlignet med børn fra rigere familier. Disse søvnforskelle er forbundet med overordnede sundhedsforskelle, der findes blandt socioøkonomiske lag samt forskelle i børns psykosociale og akademiske udvikling. En søvnintervention til børn i socioøkonomisk dårligt stillede familier kan reducere socioøkonomiske forskelle i søvn med potentielle nedstrømseffekter på bredere socioøkonomisk baserede forskelle i fysisk og mental sundhed og akademisk funktion. Forskning i søvnens beskyttende funktioner tyder på, at fordelene ved søvn kan være endnu større for børn i økonomisk dårligt stillede familier. Forbedring af søvn er således en potentielt effektiv strategi til at reducere sundhedsforskelle.

Efterforskerne vil rekruttere en ikke-tilfældig, målrettet pilotprøve på 30 forældre-barn-dyader (60 deltagere i alt) gennem Alabama Extension ved Auburn University Supplemental Nutrition Assistance Program - Education (SNAP-Ed), der betjener børn fra lavindkomstfamilier i Alabama folkeskoler. Studieinformation vil blive sendt hjem til børn på deltagende skoler. Det primære inklusionskriterium er, at børn er berettiget til gratis eller nedsat skolefrokost. Deltagerne vil blive tilfældigt tildelt til venteliste-kontrol- eller interventionsgrupper. Interventionen tilpasser etablerede evidensbaserede motiverende praksisser for at ændre børns og families søvnmiljøer og søvnhygiejnepraksis. I uge 0 vil deltagerne give en omfattende vurdering af søvnmiljø og søvnhygiejnepraksis og vil få udleveret et Fitbit-ur, som de kan bære i løbet af undersøgelsen som baseline-data. I uge 2 vil deltagerne modtage information om fordelene ved god søvn, feedback om deres søvnmiljø og søvnhygiejnepraksis baseret på de vurderingsdata, der skal implementeres derhjemme, og ændringer af søvnmiljøet baseret på deltageridentificerede behovsområder (f.eks. en ventilator, lydmaskine, sengetøj). I uge 4 vil familier i interventionsgruppen give post-intervention vurderingsdata og feedback på interventionen, og familier i venteliste-kontrolgruppen kan vælge at modtage interventionen, hvis de vælger det. Primære variabler af interesse er subjektive rapporter om søvn, søvnmiljøer, søvnhygiejnepraksis og objektive søvndata via søvnaktigrafi indsamlet med Fitbit-ure båret over de tre vurderingsperioder fordelt på fire uger.

Forskningsdesignet er et forsøg mellem emner med præ- og post-interventionsvurderinger, også kaldet et randomiseret klinisk forsøg. Dette er et metodisk stringent design med høj intern validitet, der giver mulighed for kausale slutninger om eventuelle observerede effekter af interventionen. Tilfældig tildeling af betingelser vil bidrage til at sikre, at interventions- eller ventelistekontrolgrupperne er ækvivalente før interventionen, og at eventuelle efterfølgende ændringer ikke skyldes indledende gruppeforskelle.

Dataanalyse vil evaluere gruppeækvivalens på søvnvariabler før-intervention, gruppeforskelle i søvn efter-intervention og mellem-gruppeforskelle i ændring i søvn før-til-post-intervention. I overensstemmelse med bedste praksis inden for datastyring og -analyse vil variabler blive evalueret for mønstre af manglende, normalitet og afvigende punkter som en del af foreløbige analyseprocedurer, der længe har været etableret i vores laboratorium.

Primære analyser vil tage højde for den innovative vægt på både børn, forældre og familier som studieenheder. Specifikt er børns og forældres søvnvariabler sandsynligvis ikke-uafhængige, fordi de er i samme familie og deler mange af de samme søvnmiljøkarakteristika. Ikke-uafhængighed i dataene på grund af nesting inden for familier krænker en grundlæggende antagelse af den generelle lineære model, der ligger til grund for mange statistiske analyser; Hvis man ikke tager familiens rede i betragtning, vil det sandsynligvis resultere i partiske og mindre nøjagtige resultater. På samme måde er gentagne målinger af søvnvariabler sandsynligvis ikke-uafhængige hos deltagerne. Med andre ord er gentagne mål indlejret i deltagere, og deltagere er indlejret i familier. Multilevel-modellering (også kaldet hierarkisk lineær modellering) adresserer ikke-uafhængige data på passende måde ved at adskille variabiliteten i variabler af interesse i et inden-individuelt niveau, et mellem-individuelt niveau og et mellem-familieniveau for at nå frem til de mest statistisk valide estimater af ændring i søvnvariabler på grund af interventionen.

A priori effektanalyser blev udført ved hjælp af Monte Carlo-funktionen i Mplus statistiske softwarepakke for at bestemme rækkevidden af ​​effektstørrelser, der kunne detekteres givet den foreslåede prøvestørrelse, alfaniveau (sat til 0,05) og minimum acceptabel effekt (indstillet til .80). Forskningsdesignet genererer data på flere niveauer med 180 gentagne målinger af variabler (tre målinger pr. individ) indlejret i 60 individer, som er indlejret i 30 familier. Den primære uafhængige variabel, tilstand (dvs. ventelistekontrol eller eksperimentel), findes på både det individuelle og familiemæssige niveau af analyse.

På individniveau (n = 60) er undersøgelsen drevet til at detektere en lille eller større effektstørrelse på ca. F ≥ 0,3; D ≥ 0,6; R2 ≥ 0,08. I almindeligt sprog, hvis interventionen forklarer 8 % eller mere af de mellem-individuelle forskelle i en målt variabel, vil analyserne blive drevet til at detektere denne effekt. På familieniveau (n = 30) er undersøgelsen drevet til at detektere en medium eller større effektstørrelse på ca. F ≥ 0,4; D ≥ 0,8; R2 ≥ 0,14. Hvis interventionen forklarer 14 % eller mere af forskellene mellem familier i en målt variabel, vil analyserne blive aktiveret til at påvise denne effekt. Vægten i dette pilotprojekt er på den praktiske meningsfuldhed af effektstørrelser, der peger på behovet for replikering i større skala.