Programa Boas Noites de Sono para Melhorar o Sono de Crianças e Famílias (GNSP)

Crianças de famílias economicamente desfavorecidas têm sono mais curto e de pior qualidade derivado da actigrafia e maiores problemas subjetivos de sono em comparação com crianças de famílias mais ricas. Estas disparidades de sono estão ligadas às disparidades gerais de saúde que existem entre os estratos socioeconómicos, bem como às diferenças no desenvolvimento psicossocial e académico das crianças. Uma intervenção no sono para crianças de famílias socioeconómicas desfavorecidas poderia reduzir as disparidades socioeconómicas no sono, com potenciais efeitos a jusante sobre disparidades mais amplas de base socioeconómica na saúde física e mental e no funcionamento académico. Pesquisas sobre as funções protetoras do sono sugerem que os benefícios do sono podem ser ainda maiores para crianças de famílias economicamente desfavorecidas. Assim, melhorar o sono é uma estratégia potencialmente poderosa para reduzir as disparidades na saúde.

Os investigadores recrutarão uma amostra piloto proposital e não aleatória de 30 díades pais-filhos (60 participantes no total) por meio da Extensão do Alabama no Programa de Assistência Nutricional Suplementar da Universidade de Auburn - Educação (SNAP-Ed) atendendo crianças de famílias de baixa renda no Alabama escolas primárias. As informações do estudo serão enviadas para casa para as crianças das escolas participantes. O principal critério de inclusão é que as crianças tenham direito à merenda escolar gratuita ou a preço reduzido. Os participantes serão designados aleatoriamente para grupos de controle ou intervenção em lista de espera. A intervenção adapta práticas motivacionais baseadas em evidências estabelecidas para mudar os ambientes de sono da criança e da família e as práticas de higiene do sono. Na Semana 0, os participantes fornecerão uma avaliação abrangente do ambiente de sono e das práticas de higiene do sono e receberão um relógio Fitbit para usar durante o estudo como dados de base. Na semana 2, os participantes receberão informações sobre os benefícios de um bom sono, feedback sobre seu ambiente de sono e práticas de higiene do sono com base nos dados de avaliação a serem implementados em casa, e itens de modificação do ambiente de sono com base nas áreas de necessidade identificadas pelos participantes (por exemplo, ventilador, aparelho de som, roupa de cama). Na Semana 4, as famílias do grupo de intervenção fornecerão dados de avaliação pós-intervenção e feedback sobre a intervenção e as famílias do grupo de controle da lista de espera podem optar por receber a intervenção, se assim o desejarem. As principais variáveis ​​de interesse são relatos subjetivos de sono, ambientes de sono, práticas de higiene do sono e dados objetivos do sono por meio de actigrafia do sono coletados com relógios Fitbit usados ​​durante os três períodos de avaliação espaçados ao longo de quatro semanas.

O desenho da pesquisa é um experimento entre sujeitos com avaliações pré e pós-intervenção, também chamado de ensaio clínico randomizado. Este é um desenho metodologicamente rigoroso com alta validade interna, permitindo inferências causais sobre quaisquer efeitos observados da intervenção. A atribuição aleatória às condições ajudará a garantir que os grupos de intervenção ou de controle da lista de espera sejam equivalentes antes da intervenção e que quaisquer alterações subsequentes não sejam devidas a diferenças iniciais entre os grupos.

A análise dos dados avaliará a equivalência do grupo nas variáveis ​​​​do sono pré-intervenção, diferenças de grupo no sono pós-intervenção e diferenças entre grupos na mudança no sono pré e pós-intervenção. Consistente com as melhores práticas em gerenciamento e análise de dados, as variáveis ​​serão avaliadas quanto a padrões de falta, normalidade e pontos discrepantes como parte de procedimentos de análise preliminares que foram estabelecidos há muito tempo em nosso laboratório.

As análises primárias levarão em conta a ênfase inovadora nas crianças, nos pais e nas famílias como unidades de estudo. Especificamente, as variáveis ​​do sono das crianças e dos pais são provavelmente não independentes porque pertencem à mesma família e partilham muitas das mesmas características do ambiente de sono. A não independência nos dados devido ao aninhamento dentro das famílias viola uma suposição básica do modelo linear geral subjacente a muitas análises estatísticas; não levar em conta o aninhamento familiar provavelmente resultaria em resultados tendenciosos e menos precisos. Da mesma forma, medidas repetidas de variáveis ​​do sono provavelmente não serão independentes entre os participantes. Em outras palavras, as medidas repetidas estão aninhadas nos participantes e os participantes estão aninhados nas famílias. A modelagem multinível (também chamada de modelagem linear hierárquica) aborda dados não independentes de forma adequada, separando a variabilidade nas variáveis ​​de interesse em um nível dentro do indivíduo, um nível entre indivíduos e um nível entre famílias para chegar às estimativas mais estatisticamente válidas de mudança nas variáveis ​​do sono devido à intervenção.

Análises de poder a priori foram conduzidas usando o recurso Monte Carlo no pacote de software estatístico Mplus para determinar a faixa de tamanhos de efeito que poderiam ser detectados dado o tamanho de amostra proposto, nível alfa (definido como 0,05) e poder mínimo aceitável (definido como 0,80). O desenho da pesquisa gera dados multiníveis com 180 medidas repetidas de variáveis ​​(três ocasiões de medição por indivíduo) aninhadas em 60 indivíduos aninhados em 30 famílias. A variável independente primária, condição (isto é, controle da lista de espera ou experimental), existe nos níveis de análise individual e familiar.

No nível individual (n = 60), o estudo tem poder para detectar um tamanho de efeito pequeno ou maior de aproximadamente F ≥ 0,3; D ≥ 0,6; R2 ≥ 0,08. Em linguagem simples, se a intervenção explicar 8% ou mais das diferenças entre indivíduos numa variável medida, as análises serão potenciadas para detectar esse efeito. No nível familiar (n = 30), o estudo tem poder para detectar um tamanho de efeito médio ou maior de aproximadamente F ≥ 0,4; D ≥ 0,8; R2 ≥ 0,14. Se a intervenção explicar 14% ou mais das diferenças entre famílias numa variável medida, as análises serão potenciadas para detectar esse efeito. A ênfase neste projeto piloto está no significado prático dos tamanhos dos efeitos que apontam para a necessidade de replicação em maior escala.