Comment l’activité physique est-elle associée à la qualité du sommeil à travers l’addiction au téléphone mobile et la rumination chez les étudiants universitaires

Résumé

Cette étude menée auprès de 1 300 étudiants montre que l’exercice physique est associé à des scores PSQI plus faibles, une faible addiction au téléphone mobile et une diminution de la rumination. L’addiction au téléphone mobile et la rumination forment une voie médiatrice séquentielle reliant l’exercice physique à la qualité du sommeil, mettant en lumière les facteurs comportementaux et cognitivo-émotionnels associés à la qualité du sommeil chez les étudiants universitaires.

Résumé

L’exercice physique est associé à la qualité du sommeil ; cependant, les mécanismes sous-jacents restent sous-explorés. Cette étude a examiné si la dépendance au téléphone mobile et la rumination médiatisent la relation entre l’exercice physique et la qualité du sommeil chez les étudiants. Une enquête transversale a été réalisée auprès de 1 300 étudiants universitaires issus de sept universités. L’exercice physique, la qualité du sommeil, la dépendance au téléphone mobile et la rumination ont été évalués à l’aide de l’échelle d’évaluation de l’activité physique, de l’indice de qualité du sommeil de Pittsburgh, de l’échelle de tendance à la dépendance au téléphone mobile et de l’échelle de rumination, respectivement. L’exercice physique a prédit négativement l’addiction au téléphone portable, la rumination et les scores PSQI (β = -0,039, p < 0,01 ; β = -0,011, p < 0,01 ; β = -0,022, p < 0,01, respectivement). Parce que des scores PSQI plus élevés indiquent une qualité de sommeil inférieure, cette association négative suggère une meilleure qualité de sommeil. La dépendance au téléphone mobile a prédit positivement la rumination et les scores PSQI (β = 0,388, p < 0,01 ; β = 0,244, p < 0,01, respectivement), et la rumination a prédit positivement les scores PSQI (β = 0,272, p < 0,01). Le modèle de médiation en chaîne reliant l’exercice physique aux scores PSQI via l’addiction et la rumination au téléphone mobile était statistiquement significatif. L’exercice physique était associé à une faible dépendance au téléphone mobile et à la rumination, ce qui s’est ensuite associé à des scores PSQI plus bas et, par conséquent, à une meilleure qualité de sommeil. Ces résultats soutiennent un modèle de médiation en chaîne dans lequel la dépendance au téléphone mobile et la rumination expliquent une partie de la relation entre l’exercice physique et la qualité du sommeil, et peuvent orienter les interventions ciblant les troubles du sommeil chez les étudiants universitaires.

Introduction

Les étudiants universitaires, en tant que population clé pour le développement national, attirent depuis longtemps l’attention sur leur bien-être physique et mental, la santé déclinante devenant de plus en plus^{évidente 1,2}. Le progrès social et la pression académique croissante ont été associés à une dégradation de la qualité du sommeil chez les étudiants^{universitaires 3}. Selon le Livre blanc sur la santé du sommeil des résidents chinois 2024, la durée moyenne du sommeil chez les résidents chinois est de 6,75 heures, dont 28 % dorment moins de 6 heures ; parmi les étudiants universitaires, 51 % se couchent après minuit et 19 % après 2h00 du matin, avec un taux de détection des troubles du sommeil de 23,8 ^%. Un sommeil adéquat est essentiel à la performance scolaire et au bien-être général, tandis qu’un mauvais sommeil est associé à de l’anxiété, de la dépression, des troubles cognitifs et des risques accrus^{pour la santé 5}. L’identification des facteurs modifiables liés à la qualité du sommeil revêt donc une importance théorique et pratique majeure.

L’exercice physique est largement reconnu comme un facteur important associé à la qualité du sommeil. Une activité physique modérée et bien structurée peut réguler les rythmes circadiens, réduire le stress et stabiliser les états émotionnels, ce qui l’associe à une meilleure qualité de sommeil 6,7,8,9,10,11. Ses effets proviennent de mécanismes physiologiques et psychologiques combinés, notamment une réduction de la fatigue, une amélioration du métabolisme énergétique, une régulation émotionnelle améliorée et une amélioration des fonctions cognitives. Cependant, les mécanismes spécifiques par lesquels l’exercice physique est associé à la qualité du sommeil chez les étudiants universitaires restent insuffisamment compris. Des facteurs psychologiques négatifs, en particulier la dépendance au téléphone mobile et la rumination, ont également été associés à la qualité du sommeil^. Une utilisation excessive du smartphone avant le coucher peut entraîner une dépendance et perturber le sommeil 13,14,15, tandis que la rumination, caractérisée par des pensées négatives répétitives, augmente l’excitation cognitive et perturbe la transition vers un sommeil^{réparateur 16,17,18,19}. Malgré ces résultats, la recherche intégrée examinant ces facteurs et leurs mécanismes sous-jacents reste limitée.

La qualité du sommeil chez les étudiants universitaires est influencée à la fois par des facteurs de protection et de risque, et les approches à facteur unique ne parviennent pas à expliquer pleinement les schémas réels. Cette étude examine donc la relation entre l’exercice physique et la qualité du sommeil et examine les rôles médiateurs de la dépendance au téléphone mobile et de la pensée médiationniste, visant à fournir une perspective théorique et des conseils pratiques pour la prévention et l’intervention des problèmes liés au sommeil chez les étudiants.

L’exercice physique désigne une activité physique structurée pratiquée régulièrement avec une fréquence, une durée et une intensité définies afin de répondre aux besoins physiques et psychologiques. Il est largement reconnu comme une approche efficace pour promouvoir des traits psychologiques positifs et un développement physique et mental équilibré chez les étudiants^{universitaires 20} ans. La participation à l’exercice physique est associée à une amélioration de la condition physique en réduisant l’obésité et l’incidence des maladies, et en soutenant la santé globale²¹. L’exercice régulier est également associé à une meilleure résilience, une meilleure qualité de sommeil, une réduction des comportements agressifs et de l’addiction au téléphone portable, ainsi qu’une meilleure prise de conscience du bien-être^{mental 22.}

Le sommeil joue un rôle fondamental dans la récupération et la régulation des fonctions physiques et mentales. Cependant, le développement socioéconomique rapide et l’utilisation généralisée d’Internet ont accru la prévalence de l’insomnie, du retard dans l’apparition du sommeil et des troubles du sommeil liés au stress. Un rapport de 2020 indiquait que près de la moitié de la population utilisait des écrans avant le coucher, avec 52,5 % chez les personnes nées dans les années 1990 et 2000, contribuant à la baisse de la qualité^{du sommeil 23}. Des recherches supplémentaires montrent que les étudiants universitaires dorment en moyenne moins de 7 heures par jour, avec un taux de privation de sommeil de 34,7 % et une prévalence croissante de mauvaises habitudes de^{sommeil 24}. Ces résultats soulignent l’importance d’étudier la qualité du sommeil dans cette population.

Selon la théorie de la régulation des neurotransmetteurs, l’exercice physique stimule la libération de neurotransmetteurs tels que la sérotonine et la dopamine, qui sont étroitement associés à la régulation de l’humeur et aux processus du^{sommeil 25}. Ces changements peuvent réduire le stress, soulager l’anxiété, améliorer le bien-être émotionnel, réguler les cycles de sommeil et prolonger la durée du sommeil profond. L’exercice physique est donc considéré comme une approche importante associée à la qualité du^{sommeil 26}. Des études empiriques montrent en outre que l’exercice est associé à une réduction des émotions négatives et de la rumination, ce qui est lié à de meilleurs résultats de sommeil²⁷. Une fréquence modérée d’exercice a été associée à des améliorations de la qualité subjective du sommeil, de la durée du sommeil et du fonctionnement^{diurne 28}, bien que certaines études rapportent des résultats incohérents, notamment une diminution de la qualité du sommeil dans certaines conditions. De plus, des activités comme la danse, les sports de groupe et les sports de raquette peuvent être associées à une amélioration de la qualité du sommeil en réduisant le stress environnemental et scolaire, en renforçant la résilience et en favorisant des états psychologiques positifs.

Hypothèse 1 : L’exercice physique est associé à des scores PSQI plus faibles chez les étudiants, indiquant une meilleure qualité de sommeil.

La dépendance au téléphone mobile fait référence à une utilisation excessive du smartphone qui affecte la cognition, les émotions, le comportement et le sommeil, pouvant potentiellement altuer le fonctionnement social²⁹. La théorie de l’autodétermination propose que l’autonomie, la parenté et la compétence sont des besoins psychologiques^{fondamentaux 30}. Avec le développement de la technologie des smartphones, les applications mobiles répondent de plus en plus à ces besoins, et lorsqu’elles ne sont pas satisfaites dans la vie réelle, les individus peuvent dépendre des smartphones, ce qui conduit à une addiction. L’exercice physique peut réduire cette dépendance en répondant à des besoins psychologiques par le contrôle du corps, la réussite et l’interaction^{sociale 31}. Des études empiriques indiquent que l’exercice physique prédit négativement l’addiction aux smartphones et peut constituer une approche efficace 32,33,34.

Selon la théorie de l’immersion, les applications mobiles et les jeux sont conçus pour maintenir l’engagement à travers des défis et récompenses progressifs, ce qui peut mener à une addiction³⁵. Un engagement excessif réduit le contrôle de soi et déforme la perception du temps, interférant ainsi avec le sommeil. Les preuves montrent que la dépendance au téléphone mobile est associée à une qualité de sommeil^inférieure 36,37,38,39.

Hypothèse 2 : La dépendance au téléphone mobile joue un rôle médiateur dans la relation entre l’exercice physique et la qualité du sommeil des étudiants, comme en témoignent les scores PSQI.

La pensée ruminative implique une focalisation répétitive sur les expériences négatives et leurs conséquences, entraînant un altération du fonctionnement^{psychologique 40}. La théorie de la neuroplasticité suggère que l’exercice physique régulier améliore l’adaptabilité neuronale et la régulation^{cognitive 41}. L’exercice est associé à une meilleure régulation émotionnelle et à une faible susceptibilité à la^rumination 42,43,44,45,46. Inversement, la rumination augmente l’excitation cognitive et prolonge les réponses au stress, perturbant ainsi le sommeil 47,48,49,50,51,52,53.

Hypothèse 3 : La pensée ruminative joue un rôle médiateur dans la relation entre l’exercice physique et la qualité du sommeil des étudiants, comme en témoignent les scores PSQI.

La théorie de l’autorégulation émotionnelle met l’accent sur la capacité à gérer les réponses émotionnelles. La dépendance au téléphone mobile peut altrécir cette capacité et favoriser un adaptation inadaptée, augmentant la^{rumination 54}. Une utilisation excessive du smartphone peut amplifier les émotions négatives et renforcer les distorsions cognitives, contribuant davantage à la pensée méditative 48,49,50,51,52,53,54,55,56.

Hypothèse 4 : L’addiction au téléphone mobile et la pensée médiatrice jouent un rôle médiateur en chaîne dans la relation entre l’exercice physique et la qualité du sommeil des étudiants, comme en témoignent les scores PSQI.

Des recherches antérieures ont examiné les relations par paires entre l’exercice physique, la qualité du sommeil, la dépendance au téléphone mobile et la rumination, mais les résultats restent incohérents en raison des différences entre les outils de mesure, les populations et les méthodologies. Un cadre complet est donc nécessaire pour clarifier ces relations. Sur la base de la théorie de la dépendance au téléphone mobile, de la rumination et de la littérature existante, un modèle hypothétique est proposé (Figure 1).

Figure 1 : Modèle hypothétique de médiation. Cette figure présente le modèle conceptuel proposé liant l’exercice physique, l’addiction au téléphone portable, la pensée méditative et les scores PSQI. Des scores PSQI plus élevés indiquent une qualité de sommeil inférieure. Note : n = 1 300. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Protocole

Toutes les procédures impliquant des participants humains ont été menées conformément aux normes éthiques du Comité d’examen de l’Université d’Ankang ainsi qu’à la Déclaration d’Helsinki de 1964 et à ses amendements ultérieurs. L’approbation éthique a été obtenue du Comité d’examen de l’Université d’Ankang, Université d’Ankang, Chine. Aucun numéro d’approbation officiel n’a été attribué. L’étude suivait des procédures strictes pour protéger la confidentialité des participants. Tous les participants ont donné un consentement éclairé écrit avant la participation. Les outils de recherche du protocole sont listés dans le tableau des matériaux. Le prétraitement des données et les analyses descriptives ont été réalisés à l’aide de l’IBM SPSS Statistics 24.0. La modélisation des équations structurelles et l’évaluation de l’ajustement des modèles ont été réalisées à l’aide de l’IBM SPSS Amos 24.0. Des analyses de médiation et de médiation en chaîne ont été réalisées à l’aide de la macro PROCESS (version 3.5) avec 5 000 échantillons bootstrap.

1. Échantillonnage en grappes stratifié et recrutement de participants

1. Identifiez une région géographique cible englobant plusieurs établissements d’enseignement supérieur accrédités. Classer toutes les universités de la région sélectionnée en trois catégories distinctes : universités polyvalentes, universités normales (d’enseignement) et universités sportives.
2. Sélectionnez au moins cinq universités réparties dans la copropriété définie à l’aide d’un générateur de nombres aléatoires pour garantir la diversité institutionnelle. Accédez aux annuaires officiels des inscriptions étudiantes de chaque établissement sélectionné.
3. Stratifiez la population étudiante au sein de chaque université par année universitaire. Sélectionnez au hasard deux classes académiques intactes de chaque année universitaire au sein de chaque université pour servir de clusters d’échantillonnage principaux.
4. Contactez les enseignants de cours ou les conseillers universitaires des clusters sélectionnés et obtenez une autorisation formelle pour le déploiement par sondage.

2. Construction et déploiement des relevés numériques

1. Numérisez l’Échelle d’évaluation de l’activité physique-3 (PARS-3), l’Échelle de tendance à la dépendance au téléphone mobile pour les étudiants universitaires (MPATS), la version chinoise de l’Échelle des réponses ruminatives (RRS) et la version chinoise de l’Indice de qualité du sommeil de Pittsburgh (PSQI) en un questionnaire numérique unifié utilisant la plateforme d’enquête en ligne listée dans le Tableau des matériaux. Configurez les paramètres de l’enquête pour exiger des réponses à tous les éléments afin d’éviter les données manquantes.
2. Insérez un formulaire de consentement éclairé numérique sur la page d’accueil initiale. Configurez la logique d’enquête pour terminer immédiatement la session si le consentement est refusé.
3. Générez des liens URL uniques et des QR codes scannables liés à l’enquête. Distribuez les URL et les QR codes aux élèves des groupes d’échantillonnage sélectionnés via les groupes de communication en classe.
4. Configurez la plateforme d’enquête pour qu’elle ferme la collecte de données après une période d’inscription de 14 jours. Exportez le jeu de données finalisé au format Valeurs Séparées par Virgule (.csv).

3. Importation et prétraitement des données

1. Lancez le logiciel d’analyse statistique. Naviguez dans Fichier → Données → Ouvertes et importez le jeu de données .csv.
2. Supprimez toute ligne dans laquelle l’écart-type des réponses à l’échelle de Likert est nulle, indiquant un comportement de ligne droite. Identifiez la variable représentant le temps d’achèvement et supprimez toute ligne ayant un temps d’achèvement inférieur à 120 s.
3. Naviguer pour transformer → remplacer les valeurs manquantes. Sélectionnez les éléments MPATS et RRS et appliquez la méthode d’imputation de la moyenne sérieuse.
4. Excluez les items PARS-3 et PSQI de l’imputation en raison de leurs structures de notation. Supprimez les cas où il manque des données pour ces variables.

4. Notation variable et calcul

1. Naviguer pour transformer → variable de calcul. Voici la formule Intensité × (Durée − 1) × Fréquence pour calculer le score PARS-3.
2. Naviguer pour transformer → variable de calcul. Entrez SUM(MPATS_1 à MPATS_16) pour calculer le score de dépendance au téléphone mobile.
3. Naviguer pour transformer → variable de calcul. Entrez SUM(RRS_1 à RRS_22) pour calculer le score de rumination.
4. Naviguez pour transformer → recoder en différentes variables afin de noter les sept composants PSQI (échelle 0–3). Puis calculez le score global du PSQI en utilisant SUM(PSQI_C1 à PSQI_C7). Des scores PSQI plus élevés indiquent une qualité de sommeil inférieure.

5. Évaluation des biais par méthode courante

1. Naviguez pour analyser → facteur de réduction de dimension →. Déplacez tous les objets à échelle dans la boîte Variables.
2. Clique sur Extraction. Mettez la méthode sur Composantes principales. Sélectionnez un nombre fixe de facteurs et entrez 1.
3. Faites le test à facteur unique de Harman. Vérifiez que la variance expliquée par le premier facteur est inférieure à 40,0 %.

6. Statistiques descriptives, standardisation et analyse de corrélation

1. Naviguez pour analyser → statistiques descriptives → descriptives. Déplacez les variables calculées dans la boîte Variable(s).
2. Sélectionnez « Enregistrer les valeurs standardisées en tant que variables » pour générer des scores Z.
3. Naviguer pour analyser → corréler → bivarié. Déplacez les variables standardisées dans la boîte d’analyse et sélectionnez la corrélation de Pearson.

7. Analyse de la médiation de chaîne via macro de régression (Modèle 6)

1. Naviguez pour Analyser → Régression et lancez la macro médiation. Assignez la variable PSQI standardisée comme Y.
2. Assigner la variable standardisée PARS-3 comme X. Assigner MPATS comme premier médiateur et RRS comme second médiateur.
3. Sélectionnez le modèle 6. Activez l’effet total, la taille de l’effet et les coefficients standardisés.
4. Réglez les échantillons bootstrap à 5000. Effectuez l’analyse pour obtenir des intervalles de confiance à 95 % pour les effets directs et indirects.

Résultats

Cette étude a utilisé un plan transversal pour explorer l’exercice physique des étudiants et les variables associées. Par conséquent, un test de biais de méthode courant a été réalisé avant l’analyse. Une analyse factorielle exploratoire a été réalisée sur tous les items de l’Échelle de dépendance au téléphone mobile, de l’Échelle de la pensée ruminative, de l’Échelle d’évaluation de l’activité physique et de l’Indice de qualité du sommeil de Pittsburgh. L’analyse a révélé que sept facte...

Discussion

Cette étude a montré que l’exercice physique était associé aux scores PSQI par l’effet médiateur de la dépendance au téléphone mobile, indiquant que la participation à l’exercice physique était associée à des niveaux plus faibles d’addiction au téléphone mobile et à des scores PSQI plus faibles, ce qui indique une meilleure qualité de sommeil, chez les étudiants universitaires. Cette découverte élargit la compréhension des voies par lesquelles l’activité physique est associée à la qualit...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
IBM SPSS Amos	IBM	Version 24.0	Modélisation d'équations structurelles et évaluation de l'ajustement du modèle
IBM SPSS Statistics	IBM	Version 24.0	Prétraitement des données, statistiques descriptives, analyse de corrélation et analyse de régression
Échelle de tendance à la dépendance aux téléphones portables pour les étudiants universitaires	Xiong et al. (2012)57	N/A	Évaluation de la tendance à la dépendance aux téléphones portables
Plateforme d'enquête en ligne	Wenjuanxing	https://www.wjx.cn/	Création de questionnaire numérique et collecte de données
Échelle d'évaluation de l'activité physique-3	Liang (1994)58	N/A	Évaluation du niveau d'exercice physique
Indice de qualité du sommeil de Pittsburgh	Buysse et al. (1989)59; Liu et al. (1996)60	N/A	Évaluation de la qualité du sommeil au cours du mois précédent
PROCESS macro	Hayes (2022)61	Version 3.5	Analyse de médiation et de médiation en chaîne basée sur le bootstrap
Échelle de réponses ruminatives	Nolen-Hoeksema (1991)47; Nolen-Hoeksema et al. (2008)40; Han & Yang (2009)72	N/A	Évaluation de la pensée ruminative