Programma Good Nights Sleep per migliorare il sonno di bambini e famiglie (GNSP)

I bambini provenienti da famiglie economicamente svantaggiate hanno un sonno derivato dall’attigrafia più breve e di scarsa qualità e maggiori problemi soggettivi di sonno rispetto ai bambini provenienti da famiglie più ricche. Queste disparità nel sonno sono legate alle disparità generali di salute esistenti tra gli strati socioeconomici, nonché alle differenze nello sviluppo psicosociale e accademico dei bambini. Un intervento sul sonno per i bambini appartenenti a famiglie socioeconomicamente svantaggiate potrebbe ridurre le disparità socioeconomiche nel sonno con potenziali effetti a valle su più ampie disparità socioeconomiche nella salute fisica e mentale e nel funzionamento accademico. La ricerca sulle funzioni protettive del sonno suggerisce che i benefici del sonno potrebbero essere ancora maggiori per i bambini che vivono in famiglie economicamente svantaggiate. Pertanto, migliorare il sonno è una strategia potenzialmente potente per ridurre le disparità sanitarie.

I ricercatori recluteranno un campione pilota non casuale e intenzionale di 30 diadi genitore-figlio (60 partecipanti in totale) attraverso l'Alabama Extension presso l'Auburn University Supplemental Nutrition Assistance Program - Education (SNAP-Ed) al servizio dei bambini provenienti da famiglie a basso reddito in Alabama scuole elementari. Le informazioni sullo studio verranno inviate a casa ai bambini delle scuole partecipanti. Il criterio di inclusione principale è che i bambini abbiano diritto al pranzo scolastico gratuito o ridotto. I partecipanti verranno assegnati in modo casuale ai gruppi di controllo o di intervento della lista d'attesa. L’intervento adatta pratiche motivazionali consolidate e basate sull’evidenza per cambiare gli ambienti di sonno dei bambini e delle famiglie e le pratiche di igiene del sonno. Alla settimana 0, i partecipanti forniranno una valutazione completa dell'ambiente del sonno e delle pratiche di igiene del sonno e verrà fornito un orologio Fitbit da indossare per tutta la durata dello studio come dati di riferimento. Alla settimana 2, i partecipanti riceveranno informazioni sui benefici di un buon sonno, feedback sul loro ambiente di sonno e sulle pratiche di igiene del sonno basate sui dati di valutazione da implementare a casa e elementi di modifica dell'ambiente di sonno in base alle aree di necessità identificate dai partecipanti (ad es. un ventilatore, un apparecchio acustico, biancheria da letto). Alla settimana 4, le famiglie nel gruppo di intervento forniranno dati di valutazione post-intervento e feedback sull'intervento e le famiglie nel gruppo di controllo in lista d'attesa potranno scegliere di ricevere l'intervento se lo desiderano. Le variabili primarie di interesse sono i resoconti soggettivi del sonno, degli ambienti in cui si dorme, le pratiche di igiene del sonno e i dati oggettivi sul sonno tramite actigrafia del sonno raccolti con orologi Fitbit indossati durante i tre periodi di valutazione distribuiti su quattro settimane.

Il disegno della ricerca è un esperimento tra soggetti con valutazioni pre e post intervento, chiamato anche studio clinico randomizzato. Si tratta di un disegno metodologicamente rigoroso con elevata validità interna, che consente inferenze causali su eventuali effetti osservati dell’intervento. L'assegnazione casuale alle condizioni aiuterà a garantire che i gruppi di intervento o di controllo della lista d'attesa siano equivalenti prima dell'intervento e che eventuali modifiche successive non siano dovute a differenze iniziali del gruppo.

L'analisi dei dati valuterà l'equivalenza dei gruppi sulle variabili del sonno prima dell'intervento, le differenze di gruppo nel sonno dopo l'intervento e le differenze tra i gruppi nel cambiamento del sonno prima e dopo l'intervento. Coerentemente con le migliori pratiche nella gestione e nell'analisi dei dati, le variabili verranno valutate per modelli di mancanze, normalità e punti anomali come parte di procedure di analisi preliminari che sono state stabilite da tempo nel nostro laboratorio.

Le analisi primarie terranno conto dell'enfasi innovativa sui bambini, sui genitori e sulle famiglie come unità di studio. Nello specifico, è probabile che le variabili del sonno di bambini e genitori non siano indipendenti perché appartengono alla stessa famiglia e condividono molte delle stesse caratteristiche dell'ambiente del sonno. La non indipendenza dei dati dovuta alla nidificazione all'interno delle famiglie viola un presupposto di base del modello lineare generale alla base di molte analisi statistiche; Non tenere conto della nidificazione familiare comporterebbe probabilmente risultati distorti e meno accurati. Allo stesso modo, è probabile che misurazioni ripetute delle variabili del sonno non siano indipendenti nei partecipanti. In altre parole, le misure ripetute sono annidate all’interno dei partecipanti e i partecipanti sono annidati all’interno delle famiglie. La modellazione multilivello (chiamata anche modellazione lineare gerarchica) affronta i dati non indipendenti in modo appropriato separando la variabilità delle variabili di interesse in un livello intra-individuale, un livello tra individui e un livello tra famiglie per arrivare alle stime statisticamente più valide di variazione delle variabili del sonno dovute all’intervento.

Sono state condotte analisi di potenza a priori utilizzando la funzionalità Monte Carlo nel pacchetto software statistico Mplus per determinare l'intervallo di dimensioni dell'effetto che potrebbero essere rilevate data la dimensione del campione proposta, il livello alfa (impostato su 0,05) e la potenza minima accettabile (impostata su .80). Il disegno di ricerca genera dati multilivello con 180 misure ripetute di variabili (tre occasioni di misurazione per individuo) annidate all'interno di 60 individui annidati all'interno di 30 famiglie. La variabile indipendente primaria, la condizione (ad esempio, controllo della lista d'attesa o sperimentale), esiste sia a livello di analisi individuale che familiare.

A livello individuale (n = 60), lo studio ha la potenza necessaria per rilevare una dimensione dell'effetto piccola o maggiore di circa F ≥ 0,3; D ≥ 0,6; R2 ≥ 0,08. In parole povere, se l'intervento spiega l'8% o più delle differenze tra individui in una variabile misurata, le analisi saranno potenziate per rilevare tale effetto. A livello familiare (n = 30), lo studio ha la potenza necessaria per rilevare una dimensione dell'effetto media o superiore di circa F ≥ 0,4; D ≥ 0,8; R2 ≥ 0,14. Se l'intervento spiega il 14% o più delle differenze tra famiglie in una variabile misurata, le analisi saranno potenziate per rilevare tale effetto. L’enfasi in questo progetto pilota è sulla significatività pratica delle dimensioni degli effetti che indicano la necessità di una replica su scala più ampia.