Wie körperliche Aktivität mit der Schlafqualität durch Handysucht und Grübeln bei Universitätsstudenten zusammenhängt

Zusammenfassung

Diese Studie mit 1.300 Schülern zeigt, dass körperliche Betätigung mit niedrigeren PSQI-Werten, geringerer Handyabhängigkeit und geringerem Grübeln einhergeht. Handysucht und Grübeln bilden einen sequentiellen vermittelnden Weg, der körperliche Bewegung mit Schlafqualität verknüpft und dabei Verhaltens- sowie kognitiv-emotionale Faktoren hervorhebt, die mit der Schlafqualität bei Studenten zusammenhängen.

Zusammenfassung

Körperliche Betätigung ist mit der Schlafqualität verbunden; die zugrundeliegenden Mechanismen bleiben jedoch wenig erforscht. Diese Studie untersuchte, ob Handyabhängigkeit und Grübeln die Beziehung zwischen körperlicher Betätigung und Schlafqualität bei Studenten vermitteln. Eine Querschnittsbefragung wurde unter 1.300 Studierenden von sieben Universitäten durchgeführt. Körperliche Bewegung, Schlafqualität, Handyabhängigkeit und Grübeln wurden jeweils mit der Physical Activity Rating Scale, dem Pittsburgh Sleep Quality Index, der Mobile Phone Addiction Tendency Scale und der Rumination Scale bewertet. Körperliche Bewegung sagte Mobiltelefonabhängigkeit, Grübeln und PSQI-Werte negativ voraus (β = -0,039, p < 0,01; β = -0,011, p < 0,01; β = -0,022, p < 0,01). Da höhere PSQI-Werte auf eine schlechtere Schlafqualität hinweisen, deutet diese negative Verbindung auf eine bessere Schlafqualität hin. Handyabhängigkeit sagte positiv Grübeln und PSQI-Werte voraus (β = 0,388, p < 0,01; β = 0,244, p < 0,01), und Grübeln sagte PSQI-Werte positiv voraus (β = 0,272, p < 0,01). Das Kettenvermittlungsmodell, das körperliche Betätigung mit PSQI-Werten durch Handysucht und Grübeln verknüpft, war statistisch signifikant. Körperliche Betätigung war mit einer geringeren Handyabhängigkeit und Grübeln verbunden, was wiederum mit niedrigeren PSQI-Werten und damit besserer Schlafqualität einherging. Diese Ergebnisse unterstützen ein Kettenvermittlungsmodell, bei dem Handysucht und Grübeln einen Teil der Beziehung zwischen körperlicher Bewegung und Schlafqualität erklären und Interventionen gegen Schlafprobleme bei Studierenden unterstützen können.

Einleitung

Studierende als Schlüsselgruppe für die nationale Entwicklung ziehen seit langem Aufmerksamkeit hinsichtlich ihres körperlichen und geistigen Wohlbefindens auf sich, wobei die nachlassende Gesundheit immer deutlicher ^wird. Sozialer Fortschritt und steigender akademischer Druck sind mit einer verschlechterten Schlafqualität bei Studierenden in Verbindung gebracht³. Laut dem China Resident Sleep Health White Paper 2024 beträgt die durchschnittliche Schlafdauer der chinesischen Einwohner 6,75 Stunden, wobei 28 % weniger als 6 Stunden schlafen; unter den College-Studierenden schlafen 51 % nach Mitternacht und 19 % nach 2:00 Uhr morgens, mit einer Erkennungsrate von Schlafstörungen von 23,8 ^%. Ausreichender Schlaf ist für die schulischen Leistungen und das allgemeine Wohlbefinden unerlässlich, während schlechter Schlaf mit Angstzuständen, Depressionen, kognitiven Störungen und erhöhten^{Gesundheitsrisiken} in Verbindung gebracht wird. Die Identifizierung modifizierbarer Faktoren, die mit der Schlafqualität verbunden sind, ist daher von erheblicher theoretischer und praktischer Bedeutung.

Körperliche Bewegung gilt weithin als wichtiger Faktor für die Schlafqualität. Mäßige und gut strukturierte körperliche Aktivität kann den zirkadianen Rhythmus regulieren, Stress reduzieren und emotionale Zustände stabilisieren, wodurch sie mit einer besseren Schlafqualität ^{assoziiert ist.} Seine Auswirkungen resultieren aus kombinierten physiologischen und psychologischen Mechanismen, darunter reduzierte Müdigkeit, verbesserter Energiestoffwechsel, verbesserte emotionale Regulation und verbesserte kognitive Funktionen. Die spezifischen Mechanismen, durch die körperliche Betätigung mit der Schlafqualität bei Studierenden in Verbindung gebracht wird, sind jedoch weiterhin unzureichend verstanden. Negative psychologische Faktoren, insbesondere Handyabhängigkeit und Grübeln, wurden ebenfalls als mit der Schlafqualität¹² in Verbindung gebracht. Übermäßiger Smartphone-Gebrauch vor dem Schlafengehen kann zu Abhängigkeit führen und den Schlaf stören 13,14,15, während Grübeln, gekennzeichnet durch wiederholtes negatives Denken, die kognitive Erregung erhöht und den Übergang zum restaurativen Schlaf stört 16,17,18,19. Trotz dieser Ergebnisse bleibt integrierte Forschung, die diese Faktoren und ihre zugrunde liegenden Mechanismen untersucht, begrenzt.

Die Schlafqualität bei Studierenden wird sowohl von Schutz- als auch von Risikofaktoren beeinflusst, und Einfaktor-Ansätze erklären reale Muster nicht vollständig. Diese Studie untersucht daher den Zusammenhang zwischen körperlicher Bewegung und Schlafqualität und untersucht die vermittelnden Rollen von Handysucht und Grübelndem Denken, mit dem Ziel, theoretische Einblicke und praktische Orientierungen zur Prävention und Intervention schlafbezogener Probleme bei Studenten zu bieten.

Körperliche Betätigung bezeichnet strukturierte körperliche Aktivität, die regelmäßig mit definierter Häufigkeit, Dauer und Intensität durchgeführt wird, um körperliche und psychische Bedürfnisse zu erfüllen. Es wird weithin als effektiver Ansatz anerkannt, um positive psychologische Eigenschaften sowie eine ausgewogene körperliche und geistige Entwicklung bei Studierenden^zu fördern. Die Teilnahme an körperlicher Bewegung steht im Zusammenhang mit einer verbesserten körperlichen Fitness durch die Verringerung von Fettleibigkeit und Krankheitshäufigkeit sowie die Unterstützung der allgemeinen Gesundheit²¹. Regelmäßige Bewegung ist außerdem mit erhöhter Resilienz, besserer Schlafqualität, reduziertem aggressivem Verhalten und Mobiltelefonabhängigkeit sowie einem erhöhten Bewusstsein für psychisches Wohlbefinden^{verbunden 22}.

Schlaf spielt eine grundlegende Rolle bei der Genesung und der Regulation körperlicher und geistiger Funktionen. Allerdings haben die rasche sozioökonomische Entwicklung und die weitverbreitete Internetnutzung die Häufigkeit von Schlaflosigkeit, verzögertem Schlafbeginn und stressbedingten Schlafstörungen erhöht. Ein Bericht aus dem Jahr 2020 zeigte, dass fast die Hälfte der Bevölkerung vor dem Schlafengehen den Bildschirm benutzt, wobei 52,5 % bei Personen, die in den 1990er und 2000er Jahren geboren wurden, zu einer Abnahme der Schlafqualität^{beiträgt (23}). Weitere Untersuchungen zeigen, dass Studierende im Durchschnitt weniger als 7 Stunden pro Tag schlafen, mit einer Schlafentzugsrate von 34,7 % und einer steigenden Häufigkeit schlechter Schlafgewohnheiten^{von 24} %. Diese Ergebnisse unterstreichen die Bedeutung der Untersuchung der Schlafqualität in dieser Population.

Nach der Theorie der Neurotransmitterregulation stimuliert körperliche Betätigung die Freisetzung von Neurotransmittern wie Serotonin und Dopamin, die eng mit der Stimmungsregulation und den^{Schlafprozessen} verbunden sind. Diese Veränderungen können Stress reduzieren, Angst lindern, das emotionale Wohlbefinden verbessern, Schlafzyklen regulieren und die Tiefschlafdauer verlängern. Körperliche Bewegung gilt daher als wichtiger Ansatz für die Schlafqualität²⁶. Empirische Studien zeigen außerdem, dass Bewegung mit weniger negativen Emotionen und Grübeln einhergeht und somit mit besseren^{Schlafergebnissen in} Verbindung gebracht wird. Moderate Bewegungshäufigkeit wurde mit Verbesserungen der subjektiven Schlafqualität, der Schlafdauer und der Tagesfunktionⁱⁿ Verbindung gebracht, obwohl einige Studien inkonsistente Ergebnisse berichten, einschließlich verminderter Schlafqualität unter bestimmten Bedingungen. Darüber hinaus können Aktivitäten wie Tanz, Gruppen- und Schlägersport mit einer verbesserten Schlafqualität verbunden sein, indem sie Umwelt- und akademischen Stress reduzieren, die Resilienz stärken und positive psychische Zustände fördern.

Hypothese 1: Körperliche Betätigung ist mit niedrigeren PSQI-Werten bei Studierenden verbunden, was auf eine bessere Schlafqualität hinweist.

Handyabhängigkeit bezeichnet übermäßige Smartphone-Nutzung, die Kognition, Emotionen, Verhalten und Schlaf beeinträchtigt und möglicherweise die soziale Funktion beeinträchtigt²⁹. Die Selbstbestimmungstheorie schlägt vor, dass Autonomie, Verbundenheit und Kompetenz grundlegende psychologische Bedürfnisse^sind. Mit der Entwicklung der Smartphone-Technologie erfüllen mobile Anwendungen diese Bedürfnisse zunehmend, und wenn sie im echten Leben nicht erfüllt werden, können Menschen auf Smartphones angewiesen sein, was zu einer Sucht führt. Körperliche Bewegung kann diese Abhängigkeit verringern, indem sie psychische Bedürfnisse durch körperliche Kontrolle, Leistung und^{soziale Interaktion erfüllt}. Empirische Studien zeigen, dass körperliche Betätigung eine Smartphone-Sucht negativ vorhersagt und als effektiver Ansatz dienen kann 32,33,34.

Laut der Immersionstheorie sind mobile Anwendungen und Spiele darauf ausgelegt, das Engagement durch progressive Herausforderungen und Belohnungen aufrechtzuerhalten, was zu Sucht^führen kann. Übermäßige Beschäftigung verringert die Selbstkontrolle und verzerrt die Zeitwahrnehmung, wodurch sie den Schlaf beeinträchtigt. Belege zeigen, dass Handyabhängigkeit mit schlechterer^{Schlafqualität in} Verbindung ^steht.

Hypothese 2: Handyabhängigkeit spielt eine vermittelnde Rolle im Zusammenhang zwischen körperlicher Betätigung und der Schlafqualität der Studierenden, wie sich in PSQI-Werten widerspiegelt.

Grübelndes Denken beinhaltet wiederholte Fokussierung auf negative Erfahrungen und deren Konsequenzen, was zu einer beeinträchtigten psychischen Funktion führt^. Die Neuroplastizitätstheorie legt nahe, dass regelmäßige körperliche Betätigung die neuronale Anpassungsfähigkeit und kognitive Regulation verbessert⁴¹. Bewegung ist mit einer verbesserten emotionalen Regulation und einer geringeren Anfälligkeit für Grübeln verbunden 42,43,44,45,46. Im Gegensatz dazu erhöht Grübeln die kognitive Erregung und verlängert die Stressreaktionen, wodurch der Schlaf ^{gestört wird.}

Hypothese 3: Grübelndes Denken spielt eine vermittelnde Rolle im Zusammenhang zwischen körperlicher Betätigung und der Schlafqualität der Studierenden, wie sich in PSQI-Werten widerspiegelt.

Die Theorie der emotionalen Selbstregulation betont die Fähigkeit, emotionale Reaktionen zu steuern. Handyabhängigkeit kann diese Fähigkeit beeinträchtigen und maladaptives Bewältigungsverhalten fördern, was das Grübeln^erhöht. Übermäßiger Smartphone-Gebrauch kann negative Emotionen verstärken und kognitive Verzerrungen verstärken, was weiter zum grübelnden Denken beiträgt 48,49,50,51,52,53,54,55,56.

Hypothese 4: Handysucht und grübelndes Denken spielen eine kettenvermittlende Rolle im Zusammenhang zwischen körperlicher Betätigung und der Schlafqualität der Studierenden, wie sich in PSQI-Werten widerspiegelt.

Frühere Forschungen haben paarweise Zusammenhänge zwischen körperlicher Bewegung, Schlafqualität, Handyabhängigkeit und Grübeln untersucht, doch die Ergebnisse bleiben aufgrund von Unterschieden in Messinstrumenten, Populationen und Methoden inkonsistent. Daher ist ein umfassender Rahmen erforderlich, um diese Beziehungen zu klären. Basierend auf der Theorie der Handysucht, der Grüblungstheorie und der vorhandenen Literatur wird ein hypothetisches Modell vorgeschlagen (Abbildung 1).

Abbildung 1: Hypothetisches Vermittlungsmodell. Diese Abbildung zeigt das vorgeschlagene konzeptionelle Modell, das körperliche Betätigung, Handyabhängigkeit, Grübelnden und PSQI-Werte miteinander verbindet. Höhere PSQI-Werte deuten auf eine schlechtere Schlafqualität hin. Hinweis: n = 1.300. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Protokoll

Alle Verfahren mit menschlichen Teilnehmern wurden gemäß den ethischen Standards des Ankang-Universitäts-Überprüfungsausschusses sowie der Helsinkier Erklärung von 1964 und deren späteren Änderungen durchgeführt. Die ethische Zustimmung wurde vom Ankang University Review Committee der Ankang University, China, eingeholt. Es wurde keine formelle Genehmigungsnummer vergeben. Die Studie folgte strengen Verfahren zum Schutz der Schweigepflicht der Teilnehmer. Alle Teilnehmer haben vor der Teilnahme eine schriftliche informierte Einwilligung eingereicht. Die Forschungswerkzeuge im Protokoll sind in der Materialtabelle aufgeführt. Datenvorverarbeitung und deskriptive Analysen wurden mit IBM SPSS Statistics 24.0 durchgeführt. Die Modellierung struktureller Gleichungen und die Modellanpassungsbewertung wurden mit IBM SPSS Amos 24.0 durchgeführt. Mediations- und Kettenmediationsanalysen wurden mit dem PROCESS-Makro (Version 3.5) mit 5.000 Bootstrap-Proben durchgeführt.

1. Geschichtete Cluster-Stichprobe und Teilnehmerrekrutierung

1. Identifizieren Sie eine Zielregion, die mehrere akkreditierte Hochschulen umfasst. Kategorisieren Sie alle Universitäten innerhalb der ausgewählten Region in drei verschiedene Schichten: umfassende Universitäten, Normal- (Lehr-)Universitäten und Sporthochschulen.
2. Wählen Sie mindestens fünf Universitäten aus den definierten Schichten mit einem Zufallszahlengenerator aus, um institutionelle Vielfalt sicherzustellen. Greifen Sie auf die offiziellen Verzeichnisse der Studierendeneinschreibungen jeder ausgewählten Institution zu.
3. Schichten Sie die Studierendenzahl innerhalb jeder Universität nach akademischem Jahr. Wählen Sie zufällig zwei intakte akademische Klassen aus jedem akademischen Jahr innerhalb jeder Universität aus, die als primäre Stichprobencluster dienen.
4. Kontaktieren Sie die Kursleiter oder Universitätsberater der ausgewählten Cluster und erhalten Sie eine formelle Genehmigung für die Durchführung der Umfrage.

2. Digitaler Vermessungsaufbau und -einsatz

1. Digitalisieren Sie die Physical Activity Rating Scale-3 (PARS-3), die Mobile Phone Addiction Tendency Scale for College Students (MPATS), die chinesische Version der Ruminative Responses Scale (RRS) und die chinesische Version des Pittsburgh Sleep Quality Index (PSQI) in einen einheitlichen digitalen Fragebogen über die in der Materialtabelle aufgeführte Online-Umfrageplattform. Konfigurieren Sie die Umfrage-Einstellungen so, dass für alle Elemente Antworten erforderlich sind, um fehlende Daten zu vermeiden.
2. Füge ein digitales Formular zur informierten Einwilligung auf die Startseite ein. Konfigurieren Sie die Survey-Logik so, dass die Sitzung sofort beendet wird, wenn die Zustimmung abgelehnt wird.
3. Generiere einzigartige URL-Links und scannbare QR-Codes, die mit der Umfrage verknüpft sind. Verteilt die URLs und QR-Codes an die Schüler innerhalb der ausgewählten Stichprobencluster über Klassenkommunikationsgruppen.
4. Konfigurieren Sie die Umfrageplattform so, dass die Datenerhebung nach einer 14-tägigen Anmeldefrist geschlossen wird. Exportieren Sie den finalisierten Datensatz im Comma-Separated Values (.csv)-Format.

3. Datenimport und -vorverarbeitung

1. Starten Sie die statistische Analysesoftware. Navigiere zu Datei → Öffne → Daten und importiere den .csv-Datensatz.
2. Löschen Sie jede Zeile, in der die Standardabweichung der Likert-Antworten gleich null ist, was auf ein geradliniges Verhalten hinweist. Identifizieren Sie die Variable, die die Vervollständigungszeit repräsentiert, und löschen Sie jede Zeile mit einer Abschlusszeit von weniger als 120 s.
3. Navigieren Sie zum Transformieren → ersetzen Sie fehlende Werte. Wählen Sie MPATS- und RRS-Elemente aus und wenden Sie die Methode der Serienmittelwert-Imputation an.
4. Ausschließen Sie PARS-3- und PSQI-Elemente aufgrund ihrer Bewertungsstrukturen von der Imputation. Lösche Fälle mit fehlenden Daten für diese Variablen.

4. Variable Scoring und Berechnung

1. Navigiere zum Transformieren → Berechnungsvariablen. Geben Sie die Formel Intensity × (Duration − 1) × Frequency ein, um den PARS-3-Wert zu berechnen.
2. Navigiere zum Transformieren → Berechnungsvariablen. Geben Sie SUM(MPATS_1 to MPATS_16) ein, um den Score für Handyabhängigkeit zu berechnen.
3. Navigiere zum Transformieren → Berechnungsvariablen. Geben Sie SUM(RRS_1 zu RRS_22) ein, um den Ruminationswert zu berechnen.
4. Navigieren Sie zum Transformieren → Umkodieren in verschiedene Variablen, um die sieben PSQI-Komponenten (0–3-Skala) zu bewerten. Berechnen Sie dann den globalen PSQI-Wert mit SUM(PSQI_C1 to PSQI_C7). Höhere PSQI-Werte deuten auf eine schlechtere Schlafqualität hin.

5. Bewertung von Common Method Bias

1. Analysieren Sie → Dimensionsreduktion → Faktor. Verschieben Sie alle Skalierungsobjekte in die Variablen-Box.
2. Klicken Sie auf Extraktion. Stellen Sie die Methode auf Principal Components ein. Wählen Sie eine feste Anzahl von Faktoren und geben Sie 1 ein.
3. Führe Harmans Ein-Faktor-Test durch. Überprüfen Sie, dass die durch den ersten Faktor erklärte Varianz weniger als 40,0 % beträgt.

6. Deskriptive Statistik, Standardisierung und Korrelationsanalyse

1. Navigieren Sie, um → deskriptive Statistiken → Deskriptiven zu analysieren. Verschieben Sie berechnete Variablen in die Variable(n)-Box.
2. Wählen Sie "Standardisierte Werte als Variablen speichern", um Z-Scores zu erzeugen.
3. Navigieren Sie zu analysieren → korrelieren → Bivariat. Verschieben Sie standardisierte Variablen in das Analysefeld und wählen Sie Pearson-Korrelation.

7. Kettenvermittlungsanalyse mittels Regressionsmakro (Modell 6)

1. Navigiere zu Analysieren → Regression und starte das Mediations-Makro. Weise die standardisierte PSQI-Variable als Y zu.
2. Weisen Sie die standardisierte PARS-3-Variable als X zu. Weisen Sie MPATS als ersten Mediator und RRS als zweiten Mediator zu.
3. Wähle Modell 6. Aktiviere Gesamteffekt, Effektgröße und standardisierte Koeffizienten.
4. Stell die Bootstrap-Proben auf 5000 ein. Führen Sie die Analyse durch, um 95%-Konfidenzintervalle für direkte und indirekte Effekte zu erhalten.

Ergebnisse

Diese Studie verwendete ein Querschnittsdesign, um die körperliche Aktivität der Studierenden und verwandte Variablen zu untersuchen. Daher wurde vor der Analyse ein gemeinsamer Methodenbias-Test durchgeführt. Eine explorative Faktorenanalyse wurde auf allen Punkten der Mobile Sucht-Skala, der Ruminative Thinking Scale, der Physical Activity Rating Scale und des Pittsburgh Sleep Quality Index durchgeführt. Die Analyse zeigte, dass sieben Faktoren Eigenwerte größer als 1 hatten, und der e...

Diskussion

Diese Studie zeigte, dass körperliche Aktivität mit PSQI-Werten durch den vermittelnden Effekt der Handyabhängigkeit assoziiert war, was darauf hindeutet, dass die Teilnahme an körperlicher Bewegung mit geringeren Mobiltelefonabhängigkeiten und niedrigeren PSQI-Werten, die auf eine bessere Schlafqualität hinweisen, bei Studierenden in Verbindung gebracht wurde. Dieses Ergebnis erweitert das Verständnis der Wege, durch die körperliche Aktivität mit der Schlafqualität assoziiert ist, und u...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
IBM SPSS Amos	IBM	Version 24.0	Strukturangleichungsmodellierung und Evaluierung der Modellanpassung
IBM SPSS Statistics	IBM	Version 24.0	Datenvorverarbeitung, deskriptive Statistik, Korrelationsanalyse und Regressionsanalyse
Mobile Phone Addiction Tendency Scale for College Students	Xiong et al. (2012)57	N/A	Bewertung der Neigung zur Handysucht
Online-Umfrageplattform	Wenjuanxing	https://www.wjx.cn/	Digitale Fragebogenerstellung und Datenerfassung
Physical Activity Rating Scale-3	Liang (1994)58	N/A	Bewertung des körperlichen Aktivitätsniveaus
Pittsburgh Sleep Quality Index	Buysse et al. (1989)59; Liu et al. (1996)60	N/A	Bewertung der Schlafqualität des vorherigen Monats
PROCESS-Makro	Hayes (2022)61	Version 3.5	Bootstrap-basierte Mediations- und Ketten-Mediationsanalyse
Ruminative Responses Scale	Nolen-Hoeksema (1991)47; Nolen-Hoeksema et al. (2008)40; Han & Yang (2009)72	N/A	Bewertung des ruminierenden Denkens