Good Nights Sleep-programma om de slaap van kinderen en gezinnen te verbeteren (GNSP)

Kinderen uit economisch achtergestelde gezinnen hebben kortere en slechtere slaap op basis van actigrafie en grotere subjectieve slaapproblemen vergeleken met kinderen uit rijkere gezinnen. Deze slaapverschillen houden verband met algemene gezondheidsverschillen tussen sociaal-economische lagen en met verschillen in de psychosociale en academische ontwikkeling van kinderen. Een slaapinterventie voor kinderen in sociaal-economisch achtergestelde gezinnen zou de sociaal-economische verschillen in slaap kunnen verkleinen, met potentiële stroomafwaartse effecten op bredere sociaal-economische verschillen in fysieke en mentale gezondheid en academisch functioneren. Onderzoek naar de beschermende functies van slaap suggereert dat de voordelen van slaap zelfs nog groter kunnen zijn voor kinderen in economisch achtergestelde gezinnen. Het verbeteren van de slaap is dus een potentieel krachtige strategie om de gezondheidsverschillen te verkleinen.

De onderzoekers zullen een niet-willekeurige, doelgerichte pilotsteekproef van 30 ouder-kind-duades (in totaal 60 deelnemers) rekruteren via de Alabama Extension van Auburn University Supplemental Nutrition Assistance Program - Education (SNAP-Ed), ten behoeve van kinderen uit gezinnen met lage inkomens in Alabama. basisscholen. Studie-informatie wordt naar de kinderen van de deelnemende scholen gestuurd. Het primaire inclusiecriterium is dat kinderen in aanmerking komen voor een gratis of gereduceerde schoolmaaltijd. Deelnemers worden willekeurig toegewezen aan wachtlijstcontrole- of interventiegroepen. De interventie past gevestigde, op bewijs gebaseerde motivatiepraktijken aan om de slaapomgeving van kinderen en gezinnen en de slaaphygiënepraktijken te veranderen. In week 0 zullen de deelnemers een uitgebreide beoordeling geven van de slaapomgeving en slaaphygiënepraktijken en zullen zij een Fitbit-horloge krijgen dat ze tijdens de duur van het onderzoek kunnen dragen als basisgegevens. In week 2 ontvangen deelnemers informatie over de voordelen van een goede nachtrust, feedback over hun slaapomgeving en slaaphygiënepraktijken op basis van de beoordelingsgegevens die ze thuis kunnen implementeren, en items voor het aanpassen van de slaapomgeving op basis van door de deelnemer geïdentificeerde behoeften (bijv. een ventilator, geluidsmachine, beddengoed). In week 4 zullen gezinnen in de interventiegroep post-interventiebeoordelingsgegevens en feedback over de interventie verstrekken, en gezinnen in de wachtlijstcontrolegroep kunnen ervoor kiezen de interventie te ontvangen als ze dat willen. Primaire variabelen van belang zijn subjectieve rapporten van slaap, slaapomgevingen, slaaphygiënepraktijken en objectieve slaapgegevens via slaapactigrafie verzameld met Fitbit-horloges gedragen over de drie beoordelingsperioden verspreid over vier weken.

Het onderzoeksontwerp is een experiment tussen proefpersonen met beoordelingen vóór en na de interventie, ook wel een gerandomiseerde klinische studie genoemd. Dit is een methodologisch rigoureus ontwerp met een hoge interne validiteit, waardoor causale gevolgtrekkingen kunnen worden gemaakt over eventuele waargenomen effecten van de interventie. Willekeurige toewijzing aan condities zal ervoor zorgen dat de interventie- of wachtlijstcontrolegroepen voorafgaand aan de interventie gelijkwaardig zijn en dat eventuele daaropvolgende veranderingen niet het gevolg zijn van aanvankelijke groepsverschillen.

Data-analyse zal de gelijkwaardigheid van groepen op het gebied van slaapvariabelen vóór de interventie, groepsverschillen in slaap na de interventie en verschillen tussen groepen in verandering in slaap vóór en na de interventie evalueren. In overeenstemming met best practices op het gebied van gegevensbeheer en -analyse zullen variabelen worden geëvalueerd op patronen van ontbrekende gegevens, normaliteit en uitschieters als onderdeel van voorlopige analyseprocedures die al lang in ons laboratorium zijn toegepast.

Primaire analyses zullen rekening houden met de vernieuwende nadruk op zowel kinderen, ouders als gezinnen als onderwijseenheden. In het bijzonder zijn de slaapvariabelen van kinderen en ouders waarschijnlijk niet-onafhankelijk, omdat ze tot dezelfde familie behoren en veel van dezelfde kenmerken van de slaapomgeving delen. Het niet-onafhankelijk zijn van de gegevens als gevolg van het nestelen binnen families schendt een basisaanname van het algemene lineaire model dat ten grondslag ligt aan veel statistische analyses; Als er geen rekening wordt gehouden met gezinsnesten, zou dit waarschijnlijk leiden tot vertekende en minder nauwkeurige resultaten. Op dezelfde manier is het waarschijnlijk dat herhaalde metingen van slaapvariabelen niet-onafhankelijk zijn binnen de deelnemers. Met andere woorden, herhaalde metingen zijn genest binnen deelnemers en deelnemers zijn genest binnen families. Modellering op meerdere niveaus (ook wel hiërarchische lineaire modellering genoemd) pakt niet-onafhankelijke gegevens op de juiste manier aan door de variabiliteit in interessante variabelen te scheiden in een niveau binnen het individu, een niveau tussen individuen en een niveau tussen gezinnen, om zo tot de meest statistisch geldige schattingen te komen van verandering in slaapvariabelen als gevolg van de interventie.

Er werden a priori poweranalyses uitgevoerd met behulp van de Monte Carlo-functie in het statistische softwarepakket Mplus om het bereik van effectgroottes te bepalen die konden worden gedetecteerd op basis van de voorgestelde steekproefomvang, het alfaniveau (ingesteld op .05) en het minimaal aanvaardbare power (ingesteld op .80). Het onderzoeksontwerp genereert gegevens op meerdere niveaus met 180 herhaalde metingen van variabelen (drie meetmomenten per individu) genest binnen 60 individuen die genest zijn binnen 30 families. De primaire onafhankelijke variabele, de aandoening (d.w.z. wachtlijstcontrole of experimenteel), bestaat zowel op individueel als op gezinsniveau.

Op individueel niveau (n = 60) is het onderzoek erop gericht een kleine of grotere effectgrootte van ongeveer F ≥ .3 te detecteren; D ≥ 0,6; R2 ≥ 0,08. In gewone taal: als de interventie 8% of meer van de verschillen tussen individuen in een gemeten variabele verklaart, zullen de analyses worden aangestuurd om dat effect te detecteren. Op gezinsniveau (n = 30) is het onderzoek erop gericht een gemiddelde of grotere effectgrootte van ongeveer F ≥ .4 te detecteren; D ≥ 0,8; R2 ≥ 0,14. Als de interventie 14% of meer van de verschillen tussen gezinnen in een gemeten variabele verklaart, zullen de analyses worden aangestuurd om dat effect te detecteren. De nadruk in dit pilotproject ligt op de praktische betekenis van effectgroottes die wijzen op de noodzaak van replicatie op grotere schaal.