Good Nights Sleep -ohjelma parantaa lasten ja perheen unta (GNSP)

Taloudellisesti heikommassa asemassa olevien perheiden lapsilla on lyhyempi ja huonolaatuisempi aktigrafian uni ja suurempi subjektiivinen unihäiriö verrattuna varakkaiden perheiden lapsiin. Nämä unierot liittyvät yleisiin terveyseroihin sosioekonomisten kerrosten välillä sekä eroihin lasten psykososiaalisessa ja akateemisessa kehityksessä. Sosioekonomisesti heikommassa asemassa olevien perheiden lasten nukkumistoimet voisivat vähentää unen sosioekonomisia eroja, joilla voi olla myöhempiä vaikutuksia laajempiin sosioekonomisiin eroihin fyysisessä ja henkisessä terveydessä ja akateemisessa toiminnassa. Unen suojaavia toimintoja koskevat tutkimukset viittaavat siihen, että unen hyödyt voivat olla vieläkin suuremmat taloudellisesti heikommassa asemassa olevien perheiden lapsille. Siten unen parantaminen on potentiaalisesti tehokas strategia terveyserojen vähentämiseksi.

Tutkijat rekrytoivat ei-satunnaisen, tarkoituksellisen pilottinäytteen, jossa on 30 vanhempi-lapsi-diadia (yhteensä 60 osallistujaa) Auburn Universityn täydentävän ravitsemusapuohjelman (SNAP-Ed) kautta, joka palvelee Alabaman pienituloisten perheiden lapsia. peruskoulut. Opintotiedot lähetetään osallistuvien koulujen lapsille kotiin. Ensisijainen osallistumiskriteeri on, että lapset ovat oikeutettuja ilmaiseen tai alennettuun koululounaan. Osallistujat jaetaan satunnaisesti jonotuslistan kontrolli- tai interventioryhmiin. Interventio mukauttaa vakiintuneita näyttöön perustuvia motivaatiokäytäntöjä muuttamaan lasten ja perheen uniympäristöjä ja unihygieniakäytäntöjä. Viikolla 0 osallistujat antavat kattavan arvion uniympäristöstä ja unihygieniakäytännöistä, ja heille myönnetään Fitbit-kello käytettäväksi tutkimuksen ajaksi perustietona. Viikolla 2 osallistujat saavat tietoa hyvän unen eduista, palautetta uniympäristöstään ja unihygieniakäytännöistä arvioinnin perusteella kotona toteutettavaksi sekä uniympäristön muokkauskohteita osallistujan tunnistamien tarpeiden perusteella (esim. tuuletin, äänikone, vuodevaatteet). Viikolla 4 interventioryhmän perheet toimittavat interventioiden jälkeistä arviointia ja palautetta interventiosta, ja jonotuslistan kontrolliryhmän perheet voivat halutessaan halutessaan saada interventiota. Ensisijaisia ​​kiinnostavia muuttujia ovat subjektiiviset raportit unesta, uniympäristöistä, unihygieniakäytännöistä ja objektiiviset unitiedot uniaktigrafian avulla, jotka on kerätty Fitbit-kelloilla, joita käytettiin kolmen arviointijakson aikana neljän viikon välein.

Tutkimussuunnitelma on koehenkilöiden välinen kokeilu interventiota edeltävällä ja jälkeisellä arvioinnilla, jota kutsutaan myös satunnaistetuksi kliiniseksi tutkimukseksi. Tämä on metodologisesti tiukka suunnittelu, jolla on korkea sisäinen validiteetti, mikä mahdollistaa kausaaliset johtopäätökset toimenpiteen havaituista vaikutuksista. Satunnainen määrittäminen olosuhteisiin auttaa varmistamaan, että interventio- tai jonotuslistan kontrolliryhmät ovat samanarvoisia ennen interventiota ja että myöhemmät muutokset eivät johdu alkuperäisistä ryhmien eroista.

Tietojen analysointi arvioi unimuuttujien ryhmien vastaavuutta ennen interventiota, ryhmien eroja unessa intervention jälkeen ja ryhmien välisiä eroja unen muutoksissa ennen interventiota ja sen jälkeen. Tiedonhallinnan ja -analyysin parhaiden käytäntöjen mukaisesti muuttujat arvioidaan puuttuvien, normaalien ja poikkeavien pisteiden osalta osana laboratoriossamme pitkään vakiintuneita alustavia analyysimenetelmiä.

Ensisijaisissa analyyseissä huomioidaan innovatiivinen painotus sekä lapsille, vanhemmille että perheille opintokokonaisuuksina. Erityisesti lasten ja vanhempien unimuuttujat eivät todennäköisesti ole riippumattomia, koska he kuuluvat samaan perheeseen ja jakavat monia samoja uniympäristön ominaisuuksia. Tietojen riippumattomuus, joka johtuu perheiden sisäisistä pesäkkeistä, rikkoo monien tilastollisten analyysien taustalla olevan yleisen lineaarisen mallin perusolettamuksen; Perheen pesiytymisen huomiotta jättäminen johtaisi todennäköisesti puolueellisiin ja vähemmän tarkkoihin tuloksiin. Samoin toistuvat unimuuttujien mittaukset eivät todennäköisesti ole riippumattomia osallistujien sisällä. Toisin sanoen toistuvat mittaukset ovat sisäkkäisiä osallistujien sisällä ja osallistujat ovat sisäkkäisiä perheiden sisällä. Monitasoinen mallinnus (kutsutaan myös hierarkkiseksi lineaariseksi mallinnus) käsittelee ei-riippumatonta dataa asianmukaisesti erottamalla kiinnostavien muuttujien vaihtelu yksilön sisäiseen, yksilöiden väliseen ja perheiden väliseen tasoon, jotta saadaan tilastollisesti pätevimmät arviot. interventiosta johtuvista unimuuttujien muutoksista.

Tehoanalyysit suoritettiin a priori käyttämällä Mplus-tilastoohjelmistopaketin Monte Carlo -ominaisuutta sen määrittämiseksi, kuinka monta vaikutuskokoa voidaan havaita ehdotetun otoskoon, alfatason (asetettu arvoon 0,05) ja pienimmän hyväksyttävän tehon (asetettu arvoon) perusteella. .80). Tutkimussuunnitelma tuottaa monitasoista dataa 180 toistuvalla muuttujamitalla (kolme mittauskertaa per yksilö), jotka on sisäkkäin 60 yksilön sisällä, jotka ovat sisäkkäin 30 perheen sisällä. Ensisijainen riippumaton muuttuja, ehto (eli jonotuslistan kontrolli tai kokeellinen), on olemassa sekä yksilö- että perhetasolla.

Yksilötasolla (n = 60) tutkimus tehostuu havaitsemaan pieni tai suurempi vaikutuskoko, joka on noin F ≥ 0,3; D ≥ 0,6; R2 ≥ 0,08. Selkeällä kielellä, jos interventio selittää 8 % tai enemmän yksilöiden välisistä eroista mitatussa muuttujassa, analyyseja käytetään tämän vaikutuksen havaitsemiseen. Perhetasolla (n = 30) tutkimus tehoaa havaitsemaan keskimääräinen tai suurempi vaikutuskoko, joka on noin F ≥ 0,4; D ≥ 0,8; R2 ≥ .14. Jos interventio selittää 14 % tai enemmän perheiden välisistä eroista mitatussa muuttujassa, analyyseja käytetään tämän vaikutuksen havaitsemiseen. Tässä pilottiprojektissa painopiste on tehosteiden kokojen käytännön merkityksellisyydessä, mikä viittaa laajemman mittakaavan replikoinnin tarpeeseen.