Programa Good Nights Sleep para mejorar el sueño infantil y familiar (GNSP)

Los niños de familias económicamente desfavorecidas tienen un sueño derivado de la actigrafía más corto y de peor calidad y mayores problemas subjetivos de sueño en comparación con los niños de familias más ricas. Estas disparidades en el sueño están relacionadas con las disparidades generales de salud que existen entre los estratos socioeconómicos, así como con las diferencias en el desarrollo psicosocial y académico de los niños. Una intervención del sueño para niños de familias socioeconómicamente desfavorecidas podría reducir las disparidades socioeconómicas en el sueño con posibles efectos posteriores sobre disparidades socioeconómicas más amplias en la salud física y mental y el funcionamiento académico. Las investigaciones sobre las funciones protectoras del sueño sugieren que los beneficios del sueño pueden ser aún mayores para los niños de familias económicamente desfavorecidas. Por tanto, mejorar el sueño es una estrategia potencialmente poderosa para reducir las disparidades en la salud.

Los investigadores reclutarán una muestra piloto intencional y no aleatoria de 30 díadas de padres e hijos (60 participantes en total) a través del Programa de Asistencia Nutricional Suplementaria - Educación (SNAP-Ed) de la Extensión de Alabama en la Universidad de Auburn que atiende a niños de familias de bajos ingresos en Alabama escuelas primarias. La información del estudio se enviará a casa de los niños de las escuelas participantes. El criterio de inclusión principal es que los niños sean elegibles para recibir almuerzo escolar gratuito o a precio reducido. Los participantes serán asignados aleatoriamente a grupos de intervención o control en lista de espera. La intervención adapta prácticas motivacionales establecidas basadas en evidencia para cambiar los entornos de sueño y las prácticas de higiene del sueño de niños y familias. En la Semana 0, los participantes proporcionarán una evaluación integral del entorno de sueño y las prácticas de higiene del sueño y se les entregará un reloj Fitbit para usar durante la duración del estudio como datos de referencia. En la Semana 2, los participantes recibirán información sobre los beneficios de dormir bien, comentarios sobre su entorno de sueño y prácticas de higiene del sueño basadas en los datos de la evaluación para implementar en casa, y elementos de modificación del entorno de sueño basados ​​en áreas de necesidad identificadas por los participantes (p. ej., ventilador, equipo de sonido, ropa de cama). En la Semana 4, las familias del grupo de intervención proporcionarán datos de evaluación posteriores a la intervención y comentarios sobre la intervención y las familias del grupo de control en lista de espera pueden optar por recibir la intervención si así lo desean. Las principales variables de interés son informes subjetivos del sueño, entornos de sueño, prácticas de higiene del sueño y datos objetivos del sueño mediante actigrafía del sueño recopilados con relojes Fitbit usados ​​durante los tres períodos de evaluación espaciados en cuatro semanas.

El diseño de la investigación es un experimento entre sujetos con evaluaciones previas y posteriores a la intervención, también llamado ensayo clínico aleatorizado. Se trata de un diseño metodológicamente riguroso con alta validez interna, que permite inferencias causales sobre cualquier efecto observado de la intervención. La asignación aleatoria a las condiciones ayudará a garantizar que los grupos de intervención o de control en lista de espera sean equivalentes antes de la intervención y que cualquier cambio posterior no se deba a diferencias iniciales del grupo.

El análisis de datos evaluará la equivalencia grupal en las variables del sueño antes de la intervención, diferencias grupales en el sueño después de la intervención y diferencias entre grupos en el cambio en el sueño antes y después de la intervención. De acuerdo con las mejores prácticas en gestión y análisis de datos, las variables se evaluarán en busca de patrones de falta, normalidad y puntos atípicos como parte de los procedimientos de análisis preliminares que se han establecido desde hace mucho tiempo en nuestro laboratorio.

Los análisis primarios tendrán en cuenta el énfasis innovador en los niños, los padres y las familias como unidades de estudio. Específicamente, es probable que las variables del sueño de los niños y los padres no sean independientes porque pertenecen a la misma familia y comparten muchas de las mismas características del entorno del sueño. La falta de independencia de los datos debido a la anidación dentro de familias viola un supuesto básico del modelo lineal general que subyace a muchos análisis estadísticos; no tener en cuenta la anidación familiar probablemente daría como resultado resultados sesgados y menos precisos. De manera similar, es probable que las medidas repetidas de las variables del sueño no sean independientes entre los participantes. En otras palabras, las medidas repetidas están anidadas dentro de los participantes y los participantes están anidados dentro de las familias. El modelado multinivel (también llamado modelado lineal jerárquico) aborda adecuadamente los datos no independientes separando la variabilidad de las variables de interés en un nivel intraindividual, un nivel entre individuos y un nivel entre familias para llegar a las estimaciones más válidas estadísticamente. del cambio en las variables del sueño debido a la intervención.

Se realizaron análisis de potencia a priori utilizando la función Monte Carlo en el paquete de software estadístico Mplus para determinar el rango de tamaños del efecto que podrían detectarse dado el tamaño de muestra propuesto, el nivel alfa (establecido en 0,05) y el poder mínimo aceptable (establecido en .80). El diseño de la investigación genera datos multinivel con 180 medidas repetidas de variables (tres ocasiones de medición por individuo) anidadas en 60 individuos que están anidados en 30 familias. La principal variable independiente, la condición (es decir, control en lista de espera o experimental), existe tanto en el nivel de análisis individual como en el familiar.

A nivel individual (n = 60), el estudio tiene el poder para detectar un tamaño del efecto pequeño o mayor de aproximadamente F ≥ 0,3; D ≥ 0,6; R2 ≥ 0,08. En lenguaje sencillo, si la intervención explica el 8% o más de las diferencias entre individuos en una variable medida, los análisis tendrán la potencia necesaria para detectar ese efecto. A nivel familiar (n = 30), el estudio tiene el poder para detectar un tamaño del efecto mediano o mayor de aproximadamente F ≥ 0,4; D ≥ 0,8; R2 ≥ .14. Si la intervención explica el 14% o más de las diferencias entre familias en una variable medida, los análisis tendrán la potencia necesaria para detectar ese efecto. El énfasis de este proyecto piloto está en la importancia práctica de los tamaños de los efectos que apuntan a la necesidad de una replicación a mayor escala.