God natts søvn-program for å forbedre barns og families søvn (GNSP)

Barn fra økonomisk vanskeligstilte familier har kortere og dårligere kvalitet på aktigrafi-avledet søvn og større subjektive søvnproblemer sammenlignet med barn fra rikere familier. Disse søvnforskjellene er knyttet til generelle helseforskjeller som eksisterer mellom sosioøkonomiske lag, samt forskjeller i barns psykososiale og akademiske utvikling. En søvnintervensjon for barn i sosioøkonomisk vanskeligstilte familier kan redusere sosioøkonomiske forskjeller i søvn med potensielle nedstrømseffekter på bredere sosioøkonomisk baserte forskjeller i fysisk og psykisk helse og akademisk funksjon. Forskning på søvnens beskyttende funksjoner tyder på at fordelene med søvn kan være enda større for barn i økonomisk vanskeligstilte familier. Dermed er forbedring av søvn en potensielt kraftig strategi for å redusere helseforskjeller.

Etterforskerne vil rekruttere et ikke-tilfeldig, målrettet pilotutvalg på 30 foreldre-barn-dyader (60 totalt deltakere) gjennom Alabama Extension ved Auburn University Supplemental Nutrition Assistance Program - Education (SNAP-Ed) som betjener barn fra lavinntektsfamilier i Alabama barneskoler. Studieinformasjon vil bli sendt hjem til barn på deltakende skoler. Det primære inkluderingskriteriet er at barn kan få gratis eller redusert skolelunsj. Deltakerne vil bli tilfeldig tildelt ventelistekontroll- eller intervensjonsgrupper. Intervensjonen tilpasser etablert evidensbasert motivasjonspraksis for å endre barns og families søvnmiljøer og søvnhygienepraksis. I uke 0 vil deltakerne gi en omfattende vurdering av søvnmiljø og søvnhygienepraksis og vil få utstedt en Fitbit-klokke som skal brukes under studiens varighet som baseline-data. I uke 2 vil deltakerne motta informasjon om fordelene med god søvn, tilbakemelding om søvnmiljøet og søvnhygienepraksis basert på vurderingsdataene som skal implementeres hjemme, og endringer i søvnmiljø basert på deltakeridentifiserte behovsområder (f.eks. en vifte, lydmaskin, sengetøy). I uke 4 vil familier i intervensjonsgruppen gi vurderingsdata etter intervensjon og tilbakemelding på intervensjonen, og familier i venteliste-kontrollgruppen kan velge å motta intervensjonen hvis de velger det. Primære variabler av interesse er subjektive rapporter om søvn, søvnmiljøer, søvnhygienepraksis og objektive søvndata via søvnaktigrafi samlet inn med Fitbit-klokker brukt over de tre vurderingsperiodene fordelt over fire uker.

Forskningsdesignet er et forsøk mellom emner med vurderinger før og etter intervensjon, også kalt en randomisert klinisk studie. Dette er et metodisk strengt design med høy intern validitet, som tillater kausale slutninger om eventuelle observerte effekter av intervensjonen. Tilfeldig tildeling av forhold vil bidra til å sikre at intervensjons- eller ventelistekontrollgruppene er like før intervensjonen og at eventuelle påfølgende endringer ikke skyldes innledende gruppeforskjeller.

Dataanalyse vil evaluere gruppeekvivalens på søvnvariabler før intervensjon, gruppeforskjeller i søvn etter intervensjon og forskjeller mellom grupper i endring i søvn før til postintervensjon. I samsvar med beste praksis innen datahåndtering og analyse, vil variabler bli evaluert for mønstre av mangler, normalitet og avvikende punkter som en del av foreløpige analyseprosedyrer som lenge har vært etablert i laboratoriet vårt.

Primæranalyser vil ta hensyn til nyskapende vektlegging av både barn, foreldre og familier som studieenheter. Spesifikt er det sannsynlig at barns og foreldres søvnvariabler er ikke-uavhengige fordi de er i samme familie og deler mange av de samme søvnmiljøkarakteristikkene. Ikke-uavhengighet i dataene på grunn av hekking i familier bryter med en grunnleggende antakelse av den generelle lineære modellen som ligger til grunn for mange statistiske analyser; å ikke ta hensyn til familiehekking vil sannsynligvis føre til partiske og mindre nøyaktige resultater. Tilsvarende vil gjentatte målinger av søvnvariabler sannsynligvis være ikke-uavhengige hos deltakerne. Med andre ord, gjentatte tiltak er nestet i deltakerne og deltakerne er nestet i familier. Multilevel-modellering (også kalt hierarkisk lineær modellering) adresserer ikke-uavhengige data på riktig måte ved å separere variasjonen i variabler av interesse i et innen-individuellt nivå, et mellom-individnivå og et mellom-familienivå for å komme frem til de mest statistisk gyldige estimatene av endring i søvnvariabler på grunn av intervensjonen.

A priori effektanalyser ble utført ved å bruke Monte Carlo-funksjonen i Mplus statistiske programvarepakke for å bestemme rekkevidden av effektstørrelser som kunne oppdages gitt den foreslåtte prøvestørrelsen, alfanivået (sett til 0,05) og minimum akseptabel effekt (sett til .80). Forskningsdesignet genererer data på flere nivåer med 180 gjentatte mål av variabler (tre måleanledninger per individ) nestet innenfor 60 individer som er nestet innenfor 30 familier. Den primære uavhengige variabelen, tilstanden (dvs. ventelistekontroll eller eksperimentell), eksisterer både på individ- og familienivå av analyse.

På individnivå (n = 60) er studien drevet til å oppdage en liten eller større effektstørrelse på omtrent F ≥ 0,3; D ≥ 0,6; R2 ≥ 0,08. I klartekst, hvis intervensjonen forklarer 8 % eller mer av forskjellene mellom individer i en målt variabel, vil analysene bli drevet for å oppdage den effekten. På familienivå (n = 30), er studien drevet til å oppdage en middels eller større effektstørrelse på omtrent F ≥ 0,4; D ≥ 0,8; R2 ≥ 0,14. Hvis intervensjonen forklarer 14 % eller mer av forskjellene mellom familier i en målt variabel, vil analysene bli drevet for å oppdage den effekten. Vekten i dette pilotprosjektet er på den praktiske meningsfullheten av effektstørrelser som peker på behovet for replikering i større skala.