Hoe lichamelijke activiteit samenhangt met slaapkwaliteit door verslaving aan mobiele telefoons en piekeren bij universiteitsstudenten

Samenvatting

Deze studie onder 1.300 studenten toont aan dat lichamelijke inspanning geassocieerd is met lagere PSQI-scores, minder verslaving aan mobiele telefoons en minder piekeren. Mobiele telefoonverslaving en piekerend gedrag vormen een sequentieel mediatief pad dat lichamelijke oefening verbindt met slaapkwaliteit, waarbij gedrags- en cognitief-emotionele factoren die samenhangen met slaapkwaliteit bij studenten worden benadrukt.

Samenvatting

Lichamelijke lichaamsbeweging wordt geassocieerd met de kwaliteit van de slaap; de onderliggende mechanismen blijven echter onderbelicht. Deze studie onderzocht of verslaving aan mobiele telefoons en ruminatie de relatie tussen lichamelijke inspanning en slaapkwaliteit onder studenten bemiddelen. Er werd een dwarsdoorsnedeonderzoek uitgevoerd onder 1.300 studenten van zeven universiteiten. Lichamelijke beweging, slaapkwaliteit, verslaving aan mobiele telefoons en ruminatie werden respectievelijk beoordeeld met behulp van de Physical Activity Rating Scale, de Pittsburgh Sleep Quality Index, de Mobile Phone Addiction Tendency Scale en de Rumination Scale. Lichamelijke inspanning voorspelde respectievelijk de scores voor mobiele telefoonverslaving, ruminatie en PSQI-scores negatief (β = -0,039, p < 0,01; β = -0,011, p < 0,01; β = -0,022, p < 0,01). Omdat hogere PSQI-scores wijzen op een slechtere slaapkwaliteit, wijst deze negatieve associatie op een betere slaapkwaliteit. Mobiele telefoonverslaving voorspelde peinsel- en PSQI-scores positief (β = 0,388, p < 0,01; β = 0,244, p < 0,01), en ruminatie voorspelde PSQI-scores positief (β = 0,272, p < 0,01). Het kettingmeditatiemodel dat fysieke oefening koppelt aan PSQI-scores via mobiele telefoonverslaving en pieker, was statistisch significant. Lichamelijke lichaamsbeweging werd geassocieerd met minder verslaving aan mobiele telefoons en piekeren, wat op hun beurt weer samenhang met lagere PSQI-scores en dus een betere slaapkwaliteit. Deze bevindingen ondersteunen een kettingmeditatiemodel waarin verslaving aan mobiele telefoons en piekeren een deel van de relatie tussen lichamelijke lichaamsbeweging en slaapkwaliteit verklaren en mogelijk interventies richten op slaapproblemen bij studenten.

Inleiding

Studenten, als een belangrijke groep voor nationale ontwikkeling, trekken al lange tijd aandacht vanwege hun fysieke en mentale welzijn, waarbij de achteruitgang van de gezondheid steeds duidelijker wordt ^1,2. Sociale vooruitgang en toenemende academische druk zijn in verband gebracht met een verslechtering van de slaapkwaliteit onder studenten³. Volgens het China Resident Sleep Health White Paper 2024 is de gemiddelde slaapduur onder Chinese inwoners 6,75 uur, waarbij 28% minder dan 6 uur slaapt; onder studenten gaat 51% na middernacht slapen en 19% na 2:00 uur 's nachts, met een detectiepercentage van slaapstoornissen van 23,8^%. Voldoende slaap is essentieel voor schoolprestaties en algemeen welzijn, terwijl slechte slaap geassocieerd wordt met angst, depressie, cognitieve disfunctie en verhoogde gezondheidsrisico's⁵. Het identificeren van aanpasbare factoren die samenhangen met slaapkwaliteit is daarom van groot theoretisch en praktisch belang.

Lichamelijke inspanning wordt algemeen erkend als een belangrijke factor die samenhangt met de slaapkwaliteit. Matige en goed gestructureerde lichamelijke activiteit kan het circadiane ritme reguleren, stress verminderen en emotionele toestanden stabiliseren, waardoor het verband houdt met een betere slaapkwaliteit 6,7,8,9,10,11. De effecten ontstaan door gecombineerde fysiologische en psychologische mechanismen, waaronder verminderde vermoeidheid, verbeterde energiemetabolisme, verbeterde emotionele regulatie en verbeterde cognitieve functie. De specifieke mechanismen waarmee lichamelijke inspanning samenhangt met slaapkwaliteit bij studenten op universiteiten zijn echter onvoldoende begrepen. Negatieve psychologische factoren, met name verslaving aan mobiele telefoons en piekeren, zijn ook aangetoond geassocieerd te zijn met slaapkwaliteit¹². Overmatig gebruik van smartphones voor het slapengaan kan leiden tot afhankelijkheid en slaapverstoring 13,14,15, terwijl piekeren, gekenmerkt door herhalend negatief denken, cognitieve opwinding verhoogt en de overgang naar herstellende slaap verstoort 16,17,18,19. Ondanks deze bevindingen blijft geïntegreerd onderzoek dat deze factoren en hun onderliggende mechanismen onderzoekt beperkt.

De slaapkwaliteit bij studenten wordt beïnvloed door zowel beschermende als risicofactoren, en single-factor benaderingen slaagen er niet in om de echte patronen volledig te verklaren. Deze studie onderzoekt daarom de relatie tussen lichamelijke inspanning en slaapkwaliteit en onderzoekt de bemiddelende rollen van mobiele telefoonverslaving en ruminatief denken, met als doel theoretisch inzicht en praktische richtlijnen te bieden voor de preventie en interventie van slaapgerelateerde problemen bij studenten.

Lichamelijke oefening verwijst naar gestructureerde fysieke activiteit die regelmatig wordt uitgevoerd met een bepaalde frequentie, duur en intensiteit om te voldoen aan fysieke en psychologische behoeften. Het wordt algemeen erkend als een effectieve methode om positieve psychologische eigenschappen en een evenwichtige fysieke en mentale ontwikkeling onder studenten^te bevorderen. Deelname aan lichaamsbeweging wordt geassocieerd met verbeterde fitheid door het verminderen van obesitas en ziekten en het ondersteunen van de algehele gezondheid²¹. Regelmatige lichaamsbeweging wordt ook geassocieerd met verbeterde veerkracht, betere slaapkwaliteit, minder agressief gedrag en mobiele telefoonverslaving, en een verhoogd bewustzijn van mentaal welzijn²².

Slaap speelt een fundamentele rol in herstel en de regulatie van fysieke en mentale functies. Echter, snelle sociaaleconomische ontwikkeling en wijdverbreid internetgebruik hebben de prevalentie van slapeloosheid, vertraagde slaap en stressgerelateerde slaapstoornissen verhoogd. Een rapport uit 2020 gaf aan dat bijna de helft van de bevolking schermgebruik maakt vóór het slapengaan, met 52,5% van personen geboren in de jaren 90 en 2000, wat bijdraagt aan een dalende slaapkwaliteit²³. Aanvullend onderzoek toont aan dat studenten gemiddeld minder dan 7 uur per dag slapen, met een slaaptekort van 34,7% en een toenemende prevalentie van slechte slaapgewoonten^{van 24}%. Deze bevindingen benadrukken het belang van het bestuderen van de slaapkwaliteit in deze populatie.

Volgens de theorie van neurotransmitterregulatie stimuleert lichamelijke inspanning de afgifte van neurotransmitters zoals serotonine en dopamine, die nauw samenhangen met stemmingsregulatie en slaapprocessen²⁵. Deze veranderingen kunnen stress verminderen, angst verminderen, het emotionele welzijn verbeteren, de slaapcycli reguleren en de duur van diepe slaap verlengen. Lichamelijke lichaamsbeweging wordt daarom beschouwd als een belangrijke benadering die samenhangt met slaapkwaliteit²⁶. Empirische studies tonen verder aan dat lichaamsbeweging geassocieerd is met minder negatieve emoties en piekeren, en daarmee in verband gebracht wordt met betere slaapresultaten²⁷. Matige lichaamsbeweging is in verband gebracht met verbeteringen in subjectieve slaapkwaliteit, slaapduur^{en dagfunctioneren}. Daarnaast kunnen activiteiten zoals dans, groeps- en racketsporten geassocieerd zijn met een verbeterde slaapkwaliteit door het verminderen van omgevings- en academische stress, het versterken van veerkracht en het bevorderen van positieve psychologische toestanden.

Hypothese 1: Lichamelijke inspanning wordt geassocieerd met lagere PSQI-scores onder studenten, wat wijst op een betere slaapkwaliteit.

Verslaving aan mobiele telefoons verwijst naar overmatig smartphonegebruik dat cognitie, emotie, gedrag en slaap beïnvloedt en mogelijk de^{sociale functie} aantast. De zelfbepalingstheorie stelt dat autonomie, verbondenheid en competentie fundamentele psychologische behoeften^zijn. Met de ontwikkeling van smartphonetechnologie voldoen mobiele applicaties steeds meer aan deze behoeften, en wanneer ze in het echte leven niet worden vervuld, kunnen mensen afhankelijk zijn van smartphones, wat tot verslaving kan leiden. Lichamelijke lichaamsbeweging kan deze afhankelijkheid verminderen door te voldoen aan psychologische behoeften via lichamelijke controle, prestatie en sociale interactie³¹. Empirische studies tonen aan dat lichamelijke lichaamsbeweging een negatieve voorspelling is van smartphoneverslaving en mogelijk een effectieve aanpak kan zijn 32,33,34.

Volgens de immersietheorie zijn mobiele applicaties en games ontworpen om betrokkenheid vast te houden via progressieve uitdagingen en beloningen, wat kan leiden tot verslaving³⁵. Overmatige betrokkenheid vermindert de zelfbeheersing en verstoort de tijdswaarneming, waardoor de slaap wordt verstoord. Bewijs toont aan dat verslaving aan mobiele telefoons geassocieerd wordt met een slechtere slaapkwaliteit 36,37,38,39.

Hypothese 2: Mobiele telefoonverslaving speelt een bemiddelende rol in de relatie tussen lichamelijke lichaamsbeweging en de slaapkwaliteit van studenten, zoals blijkt uit PSQI-scores.

Ruminatief denken houdt in dat je je herhaald richt op negatieve ervaringen en hun gevolgen, wat leidt tot een verminderde psychische functie⁴⁰. De neuroplasticiteitstheorie suggereert dat regelmatige lichamelijke lichaamsbeweging de neurale aanpassingskracht en cognitieve regulatie verbetert⁴¹. Beweging wordt geassocieerd met verbeterde emotionele regulatie en een verminderde vatbaarheid voor piekeren 42,43,44,45,46. Daarentegen verhoogt piekeren de cognitieve opwinding en verlengt het stressreacties, waardoor de slaap^{wordt verstoord 47,48,49,50,51,52,53}.

Hypothese 3: Ruminatief denken speelt een bemiddelende rol in de relatie tussen lichamelijke lichaamsbeweging en de slaapkwaliteit van studenten, zoals blijkt uit PSQI-scores.

De theorie van emotionele zelfregulatie benadrukt het vermogen om emotionele reacties te beheersen. Mobiele telefoonverslaving kan dit vermogen aantasten en maladaptieve coping bevorderen, wat piekeren^verhoogt. Overmatig gebruik van smartphones kan negatieve emoties versterken en cognitieve vervormingen versterken, wat verder bijdraagt aan ruminatief denken 48,49,50,51,52,53,54,55,56.

Hypothese 4: Verslaving aan mobiele telefoons en ruminatief denken spelen een kettingbemiddelende rol in de relatie tussen lichamelijke lichaamsbeweging en de slaapkwaliteit van studenten, zoals blijkt uit PSQI-scores.

Eerder onderzoek heeft paargewijze relaties onderzocht tussen lichamelijke inspanning, slaapkwaliteit, verslaving van mobiele telefoons en ruminatie, maar de bevindingen blijven inconsistent vanwege verschillen in meetinstrumenten, populaties en methodologieën. Een uitgebreid kader is daarom nodig om deze relaties te verduidelijken. Op basis van de theorie van mobiele telefoonverslaving, ruminatietheorie en bestaande literatuur wordt een hypothetisch model voorgesteld (Figuur 1).

Figuur 1: Hypothetisch bemiddelingsmodel. Deze figuur toont het voorgestelde conceptuele model dat fysieke beweging, mobiele telefoonverslaving, ruminatief denken en PSQI-scores met elkaar verbindt. Hogere PSQI-scores duiden op een slechtere slaapkwaliteit. Opmerking: n = 1.300. Klik hier om een grotere versie van deze figuur te bekijken.

Protocol

Alle procedures waarbij menselijke deelnemers betrokken waren, werden uitgevoerd in overeenstemming met de ethische normen van het Ankang University Review Committee en de Verklaring van Helsinki uit 1964 en de latere wijzigingen daarvan. Ethische goedkeuring werd verkregen van de Ankang University Review Committee, Ankang University, China. Er werd geen formeel goedkeuringsnummer toegekend. De studie volgde strikte procedures om de vertrouwelijkheid van deelnemers te beschermen. Alle deelnemers gaven schriftelijke geïnformeerde toestemming voorafgaand aan de deelname. De onderzoeksinstrumenten in het protocol zijn vermeld in de Materiaaltabel. Datapreprocessing en beschrijvende analyses werden uitgevoerd met IBM SPSS Statistics 24.0. Structurele vergelijkingsmodellering en evaluatie van modelfit werden uitgevoerd met IBM SPSS Amos 24.0. Mediatie- en ketenmediatie-analyses werden uitgevoerd met behulp van de PROCESS-macro (versie 3.5) met 5.000 bootstrap-monsters.

1. Gestratificeerde clustersteekproef en participatiewerving

1. Identificeer een doelgebied met meerdere geaccrediteerde instellingen voor hoger onderwijs. Categoriseer alle universiteiten binnen de geselecteerde regio in drie verschillende lagen: uitgebreide universiteiten, normale (onderwijs)universiteiten en sportuniversiteiten.
2. Selecteer minimaal vijf universiteiten verspreid over de gedefinieerde lagen met behulp van een willekeurige getallengenerator om institutionele diversiteit te waarborgen. Bekijk de officiële inschrijvingsgidsen voor elke geselecteerde instelling.
3. Verdeel de studentenpopulatie binnen elke universiteit per academisch jaar. Selecteer willekeurig twee intacte academische klassen uit elk academisch jaar binnen elke universiteit om als primaire steekproefclusters te dienen.
4. Neem contact op met de cursusdocenten of universiteitsadviseurs van de geselecteerde clusters en verkrijg formele toestemming voor de implementatie van de enquête.

2. Digitale opbouw en implementatie van metingen

1. Digitaliseer de Physical Activity Rating Scale-3 (PARS-3), de Mobile Phone Addiction Tendency Scale for College Students (MPATS), de Chinese versie van de Ruminative Responses Scale (RRS) en de Chinese versie van de Pittsburgh Sleep Quality Index (PSQI) in een uniforme digitale vragenlijst via het online enquêteplatform dat in de Table of Materials is vermeld. Stel de enquête-instellingen zo in dat er antwoorden op alle items nodig zijn om ontbrekende gegevens te voorkomen.
2. Voeg een digitaal formulier voor geïnformeerde toestemming toe op de eerste landingspagina. Configureer de surveylogica om de sessie onmiddellijk te beëindigen als toestemming wordt geweigerd.
3. Genereer unieke URL-links en scanbare QR-codes die aan de enquête gekoppeld zijn. Verspreid de URL's en QR-codes aan studenten binnen de geselecteerde steekproefclusters via communicatiegroepen van de klas.
4. Configureer het enquêteplatform om de gegevensverzameling na een inschrijvingsperiode van 14 dagen af te sluiten. Exporteer de definitieve dataset in Comma-Separated Values (.csv)-formaat.

3. Gegevensimport en voorverwerking

1. Start de statistische analysesoftware. Ga naar Bestand → Open → Data en importeer de dataset van .csv.
2. Verwijder elke rij waarin de standaarddeviatie van Likert-schaal antwoorden nul is, wat wijst op rechtlijnig gedrag. Identificeer de variabele die de voltooiingstijd voorstelt en verwijder elke rij met een voltooiingstijd van minder dan 120 s.
3. Navigeer naar transformeren → vervang ontbrekende waarden. Selecteer MPATS- en RRS-items en pas de methode van de Seriegemiddelde imputatie toe.
4. Sluit PARS-3 en PSQI-items uit van imputatie vanwege hun scorestructuren. Verwijder gevallen met ontbrekende data voor deze variabelen.

4. Variabele scoring en berekening

1. Navigeer naar transformatie → rekenvariabele. Voer de formule Intensiteit × (Duur − 1) × Frequentie in om de PARS-3 score te berekenen.
2. Navigeer naar transformatie → rekenvariabele. Voer SUM(MPATS_1 to MPATS_16) in om de score voor mobiele telefoonverslaving te berekenen.
3. Navigeer naar transformatie → rekenvariabele. Voer SUM(RRS_1 naar RRS_22) in om de ruminatiescore te berekenen.
4. Navigeer naar Transform → Recode in Verschillende Variabelen om de zeven PSQI-componenten (0–3 schaal) te scoren. Bereken vervolgens de globale PSQI-score met SUM(PSQI_C1 naar PSQI_C7). Hogere PSQI-scores duiden op een slechtere slaapkwaliteit.

5. Evaluatie van gemeenschappelijke methode-bias

1. Navigeer om → dimensievermindering → factor te analyseren. Verplaats alle schaalitems naar het Variabelen-vak.
2. Klik op Extractie. Stel de methode in op Principal Components. Selecteer een vast aantal factoren en voer er 1 in.
3. Doe Harmans single-factor test. Controleer of de variantie die door de eerste factor wordt verklaard minder dan 40,0% is.

6. Beschrijvende statistiek, standaardisatie en correlatieanalyse

1. Navigeer om → beschrijvende statistieken → beschrijvende te analyseren. Verplaats berekende variabelen naar het vak Variabele(s).
2. Selecteer "Bewaar gestandaardiseerde waarden als variabelen" om Z-scores te genereren.
3. Navigeer om te analyseren → correleren → bivariaat. Verplaats gestandaardiseerde variabelen in het analysevak en selecteer Pearson-correlatie.

7. Ketenmediatie-analyse via regressiemacro (Model 6)

1. Navigeer naar Analyze → Regression en start de mediation-macro. Wijs de gestandaardiseerde PSQI-variabele toe als Y.
2. Ken de gestandaardiseerde PARS-3-variabele toe als X. Wijs MPATS toe als eerste mediator en RRS als tweede mediator.
3. Selecteer Model 6. Schakel het totale effect, effectgrootte en gestandaardiseerde coëfficiënten in.
4. Stel bootstrap-samples in op 5000. Voer de analyse uit om 95% betrouwbaarheidsintervallen te verkrijgen voor directe en indirecte effecten.

Resultaten

Deze studie maakte gebruik van een dwarsdoorsnede-ontwerp om de lichamelijke inspanning van studenten en gerelateerde variabelen te onderzoeken. Daarom werd er vóór de analyse een veelvoorkomende methodebiastest uitgevoerd. Er werd een verkennende factoranalyse uitgevoerd op alle items van de Mobile Phone Addiction Scale, Ruminative Thinking Scale, Physical Activity Rating Scale en de Pittsburgh Sleep Quality Index. De analyse toonde aan dat zeven factoren eigenwaarden groter dan 1 hadde...

Discussie

Deze studie toonde aan dat lichamelijke lichaamsbeweging geassocieerd was met PSQI-scores via het medialerende effect van mobiele telefoonverslaving, wat aangeeft dat deelname aan lichaamsbeweging geassocieerd was met lagere niveaus van mobiele telefoonverslaving en lagere PSQI-scores, wat wijst op een betere slaapkwaliteit, onder studenten. Deze bevinding verruimt het begrip van de paden waardoor lichamelijke activiteit samenhangt met slaapkwaliteit en benadrukt het belang van mobiele t...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
IBM SPSS Amos	IBM	Versie 24.0	Structuurvergelijkingsmodellering en evaluatie van modelfit
IBM SPSS Statistics	IBM	Versie 24.0	Datavoorverwerking, beschrijvende statistiek, correlatieanalyse en regressieanalyse
Mobile Phone Addiction Tendency Scale for College Students	Xiong et al. (2012)57	N/A	Beoordeling van de neiging tot mobiele telefoonverslaving
Online enquêteplatform	Wenjuanxing	https://www.wjx.cn/	Digitale vragenlijstconstructie en gegevensverzameling
Physical Activity Rating Scale-3	Liang (1994)58	N/A	Beoordeling van het niveau van fysieke activiteit
Pittsburgh Sleep Quality Index	Buysse et al. (1989)59; Liu et al. (1996)60	N/A	Beoordeling van de slaapkwaliteit van de afgelopen maand
PROCESS macro	Hayes (2022)61	Versie 3.5	Bootstrap-gebaseerde bemiddeling en ketenbemiddelingsanalyse
Ruminative Responses Scale	Nolen-Hoeksema (1991)47; Nolen-Hoeksema et al. (2008)40; Han & Yang (2009)72	N/A	Beoordeling van ruminatief denken