Jak aktywność fizyczna wiąże się z jakością snu za pośrednictwem uzależnienia od telefonu komórkowego i ruminacji u studentów

Podsumowanie

Badanie na 1300 studentach pokazuje, że aktywność fizyczna wiąże się z niższymi wynikami PSQI, niższym nałogiem na telefon komórkowy i niższym ruminowaniem. Uzależnienie od telefonu komórkowego i ruminowanie tworzą sekwencyjną ścieżkę pośredniczącą łączącą aktywność fizyczną z jakością snu, podkreślając czynniki behawioralne i kognitywno-emocjonalne związane z jakością snu u studentów.

Streszczenie

Ćwiczenia fizyczne są związane z jakością snu; jednak, leżące u ich podstaw mechanizmy pozostają niedostatecznie zbadane. Niniejsze badanie miało na celu zbadanie, czy uzależnienie od telefonu komórkowego i ruminacja wpływają na związek między ćwiczeniami fizycznymi a jakością snu wśród studentów. Przekrojowe ankieta została przeprowadzona wśród 1 300 studentów z siedmiu uniwersytetów. Ćwiczenia fizyczne, jakość snu, uzależnienie od telefonu komórkowego i ruminacja zostały oceniane za pomocą Physical Activity Rating Scale, Pittsburgh Sleep Quality Index, Mobile Phone Addiction Tendency Scale i Rumination Scale, odpowiednio. Ćwiczenia fizyczne negatywnie przewidywały uzależnienie od telefonu komórkowego, ruminację i wyniki PSQI (β = -0,039, p < 0,01; β = -0,011, p < 0,01; β = -0,022, p < 0,01, odpowiednio). Ponieważ wyższe wyniki PSQI wskazują na gorszą jakość snu, ta negatywna korelację sugeruje lepszą jakość snu. Uzależnienie od telefonu komórkowego dodatnio przewidywało ruminację i wyniki PSQI (β = 0,388, p < 0,01; β = 0,244, p < 0,01, odpowiednio), a ruminacja dodatnio przewidywała wyniki PSQI (β = 0,272, p < 0,01). Model mediacji łańcuchowej łączący ćwiczenia fizyczne z wynikami PSQI za pośrednictwem uzależnienia od telefonu komórkowego i ruminacji był statystycznie istotny. Ćwiczenia fizyczne były związane z niższym uzależnieniem od telefonu komórkowego i ruminacją, które z kolei były związane z niższymi wynikami PSQI, a zatem lepszą jakością snu. Te wyniki wspierają model mediacji łańcuchowej, w którym uzależnienie od telefonu komórkowego i ruminacja wyjaśniają część związku między ćwiczeniami fizycznymi a jakością snu i mogą być przydatne w interwencjach ukierunkowanych na problemy ze snem wśród studentów.

Wprowadzenie

Studenci, jako kluczowa populacja dla rozwoju kraju, od dawna przyciągają uwagę pod względem swojego fizycznego i psychicznego dobrego samopoczucia, przy czym malejąca kondycja staje się coraz bardziej widoczna^1,2. Postęp społeczny i rosnące presje akademickie były związane z pogarszaniem się jakości snu wśród studentów³. Zgodnie z Białą Księgą Zdrowia Snu Mieszkańców Chin za 2024 rok, średnia długość snu wśród mieszkańców Chin wynosi 6,75 godziny, przy czym 28% śpi mniej niż 6 godzin; wśród studentów 51% zasypia po północy, a 19% po 2:00, przy czym współczynnik wykrycia zaburzeń snu wynosi 23,8%⁴. Odpowiedni sen jest niezbędny dla osiągnięć akademickich i ogólnego dobrego samopoczucia, podczas gdy zły sen wiąże się z lękiem, depresją, zaburzeniami poznawczymi i zwiększonym ryzykiem zdrowotnym⁵. Identyfikowanie czynników modyfikowalnych związanych z jakością snu ma zatem znaczące znaczenie teoretyczne i praktyczne.

Ćwiczenia fizyczne są powszechnie uznane za ważny czynnik związany z jakością snu. Umiarkowana i dobrze strukturalizowana aktywność fizyczna może regulować rytmy dobowe, zmniejszać stres i stabilizować stany emocjonalne, będąc zatem związaną z lepszą jakością snu^{6,7,8,9,10,11}. Ich działanie powstaje z połączonych mechanizmów fizjologicznych i psychologicznych, w tym zmniejszonego zmęczenia, poprawionego metabolizmu energetycznego, wzmocnionej regulacji emocjonalnej i poprawionej funkcji poznawczej. Jednakże, konkretne mechanizmy, przez które ćwiczenia fizyczne są związane z jakością snu u studentów, pozostają niedostatecznie zrozumiałe. Negatywne czynniki psychologiczne, szczególnie uzależnienie od telefonów komórkowych i ruminacja, również zostały pokazane jako związane z jakością snu¹². Nadmierne używanie smartfonów przed snem może prowadzić do uzależnienia i zakłóceń snu^13,14,15, podczas gdy ruminacja, charakteryzująca się powtarzającym negatywnym myśleniem, zwiększa pobudzenie kognitywne i ingeruje w przejście do regeneracyjnego snu^16,17,18,19. Pomimo tych wyników, zintegrowane badania badające te czynniki i ich mechanizmy pozostają ograniczone.

Jakość snu u studentów jest wpłynięta zarówno przez czynniki ochronne, jak i ryzyka, a podejścia jednoczynnikowe nie są w stanie w pełni wyjaśnić wzorców w rzeczywistości. Niniejsze badanie dlatego analizuje związek między ćwiczeniami fizycznymi a jakością snu oraz bada mediacyjną rolę uzależnienia od telefonów komórkowych i myślenia ruminacyjnego, mając na celu dostarczenie teoretycznych wglądów i praktycznych wskazówek do prewencji i interwencji w problemy związane ze snem wśród studentów.

Ćwiczenia fizyczne odnoszą się do strukturalizowanej aktywności fizycznej wykonywanej regularnie z określoną częstotliwością, czasem trwania i intensywnością, aby zaspokoić potrzeby fizyczne i psychologiczne. Zostało to szeroko rozpoznane jako skuteczne podejście do promowania pozytywnych cech psychologicznych i zrównoważonego rozwoju fizycznego i psychicznego wśród studentów²⁰. Uczestnictwo w ćwiczeniach fizycznych jest związane z poprawą sprawności fizycznej poprzez zmniejszenie otyłości i występowania chorób oraz wspieranie ogólnego zdrowia²¹. Regularne ćwiczenia są również związane z poprawą odporności, lepszą jakością snu, zmniejszeniem zachowań agresywnych i uzależnienia od telefonów komórkowych oraz zwiększeniem świadomości dobrego samopoczucia psychicznego²².

Sen odgrywa fundamentalną rolę w regeneracji oraz regulacji funkcji fizycznych i psychicznych. Jednakże, szybki rozwój społeczno-ekonomiczny i rozpowszechnione używanie internetu zwiększyło częstość występowania bezsenności, opóźnionych rozpoczęć snu i zakłóceń snu związanych ze stresem. Raport z 2020 roku wskazał, że prawie połowa populacji korzysta z ekranów przed snem, z 52,5% wśród osób urodzonych w latach 90. i 2000., co przyczynia się do pogorszenia jakości snu²³. Dodatkowe badania pokazują, że studenci śpią średnio mniej niż 7 godzin dziennie, z wskaźnikiem niedospania wynoszącym 34,7% i rosnącą częstością występowania niedobrych nawyków snu²⁴. Te wyniki podkreślają znaczenie badania jakości snu w tej populacji.

Zgodnie z teorią regulacji neuroprzekaźników, ćwiczenia fizyczne stymulują uwalnianie neuroprzekaźników, takich jak serotonin

Protokół

Wszystkie procedury z udziałem ludzkich uczestników przeprowadzano zgodnie z normami etycznymi Komitetu Rewizyjnego Uniwersytetu Ankang oraz Deklaracją Helsińską z 1964 roku i jej późniejszymi poprawkami. Zgodę etyczną uzyskano od Komitetu Rewizyjnego Uniwersytetu Ankang, Ankang University, Chiny. Nie przypisano formalnej numeracji zgody. W badaniu stosowano ścisłe procedury w celu ochrony poufności uczestników. Wszyscy uczestnicy przed rozpoczęciem badania złożyli pisemną, świadomą zgodę. Narzędzia badawcze zawarte w protokole są wymienione w Tabeli Materiałów. Analizy wstępne danych i opisowe przeprowadzono za pomocą IBM SPSS Statistics 24.0. Modelowanie równań strukturalnych i ocenę dopasowania modelu przeprowadzono za pomocą IBM SPSS Amos 24.0. Analizy mediacji i łańcuchowej mediacji przeprowadzono za pomocą makro PROCESS (wersja 3.5) z 5 000 próbkami bootstrap.

1. Przesiewowe pobieranie próbki zgrupowanej i rekrutacja uczestników

1. Wyznaczyć docelowy obszar geograficzny obejmujący wiele akredytowanych uczelni wyższych. Sklasyfikować wszystkie uniwersytety w wybranym regionie do trzech różnych warstw: uniwersytety ogólne, normalne (dydaktyczne) uniwersytety oraz uniwersytety sportowe.
2. Wybrać co najmniej pięć uniwersytetów z definiowanych warstw przy użyciu generatora liczb losowych, aby zapewnić zróżnicowanie instytucjonalne. Uzyskać dostęp do oficjalnych rejestrów studentów dla każdej wybranej instytucji.
3. Przeprowadzić podział studentów w każdym uniwersytecie na warstwy według roku studiów. Losowo wybrać dwie pełne klasy akademickie z każdego roku studiów w każdym uniwersytecie, aby służyły jako podstawowe klastry pobierania próbek.
4. Skontaktować się z wykładowcami przedmiotów lub doradcami uczelni wybranych klastrów i uzyskać formalne zezwolenie na wdrożenie ankiety.

2. Budowa i wdrożenie ankiety cyfrowej

1. Scyfryzować Skali Oceny Aktywności Fizycznej-3 (PARS-3), Skalę Skłonności do Uzależnienia od Telefonu Komórkowego dla Studentów (MPATS), chińską wersję Skali Reakcji Ruminacyjnych (RRS) oraz chińską wersję Indeksu Jakości Snu z Pittsburgha (PSQI) w jednolite ankieta cyfrowa za pomocą platformy ankietowej online wymienionej w Tabeli Materiałów. Skonfigurować ustawienia ankiety tak, aby wymagać odpowiedzi na wszystkie pozycje, aby zapobiec brakom danych.
2. Wstawić cyfrową formę zgody na stronie docelowej. Skonfigurować logikę ankiety tak, aby natychmiast zakończyć sesję w przypadku odmowy zgody.
3. Wygenerować unikalne linki URL i skanujące kody QR powiązane z ankietą. Rozprowadzić URL i kody QR wśród studentów w wybranych klastrach pobierania próbek za pośrednictwem grup komunikacyjnych klas.
4. Skonfigurować platformę ankietową tak, aby zamknąć zbieranie danych po okresie rejestracji 14 dni. Eksportować ostateczny zestaw danych w formacie wartości rozdzielonych przecinkami (.csv).

3. Importowanie danych i przetwarzanie wstępne

1. Uruchomić oprogramowanie do analizy statystycznej. Przejść do Plik → Otwórz → Dane i zaimportować zestaw danych .csv.
2. Usunąć każdy wiersz, w którym odchylenie standardowe odpowiedzi w skali Likerta równa się zeru, co wskazuje na zachowanie liniowe. Zidentyfikować zmienną reprezentującą czas wypełnienia i usunąć każdy wiersz z czasem wypełnienia krótszym niż 120 s.
3. Przejść do Transformuj → Zamień braki wartości. Wybrać pozycje MPATS i RRS i zastosować metodę uzupełniania wartości średniej serii.
4. Wykluczyć pozycje PARS-3 i PSQI z uzupełniania ze względu na ich struktury punktacji. Usunąć przypadki z brakującymi danymi dla tych zmiennych.

4. Punktacja i obliczanie zmiennych

1. Przejść do Transformuj → Oblicz zmienną. Wprowadzić formułę Intensywność × (Czas trwania − 1) × Częstotliwość, aby obliczyć wynik PARS-3.
2. Przejść do Transformuj → Oblicz zmienną. Wprowadzić SUM(MPATS_1 do MPATS_16), aby obliczyć wynik uzależnienia od telefonu komórkowego.
3. Przejść do Transformuj → Oblicz zmienną. Wprowadzić SUM(RRS_1 do RRS_22), aby obliczyć wynik ruminacji.
4. Przejść do Transformuj → Przekodować do różnych zmiennych, aby punktować siedem komponentów PSQI (skala 0–3). Następnie obliczyć globalny wynik PSQI za pomocą SUM(PSQI_C1 do PSQI_C7). Wyższe wyniki PSQI wskazują na gorszą jakość snu.

5. Ocena biasu z jednej metody

1. Przejść do Analizuj → Redukcja Wymiaru → Czynnik. Przenieść wszystkie elementy skali do pola Zmienne.
2. Kliknąć Wyodrębnij. Ustawić metodę na Składowe Główne. Wybrać stałą liczbę czynników i wprowadzić 1.
3. Uruchomić test jednego czynnika Harmana. Upewnić się

Wyniki

Niniejsze badanie zastosowało projekt przekrojowy w celu zbadania aktywności fizycznej studentów i związanych z nią zmiennych. Dlatego przed analizą przeprowadzono wspólny test stronniczości metody. Analizę eksploracyjną czynników przeprowadzono na wszystkich pozycjach ze skali uzależnienia od telefonu komórkowego, skali myślenia ruminacyjnego, skali oceny aktywności fizycznej oraz indeksu jakości snu w Pittsburghu. Analiza wykazała, że siedem czynników miało wartości własne większe niż 1, a pierwszy czynnik wyjaśniał 20...

Dyskusja

Niniejsze badanie wykazało, że aktywność fizyczna była związana z wynikami PSQI poprzez efekt pośredniczący uzależnienia od telefonu komórkowego, wskazując, że uczestnictwo w aktywności fizycznej było związane z niższymi poziomiami uzależnienia od telefonu komórkowego i niższymi wynikami PSQI, które wskazują na lepszą jakość snu wśród studentów. To odkrycie poszerza zrozumienie ścieżek, przez które aktywność fizyczna jest związana z jakością snu i podkreśla znaczenie uzależnienia od telefonu komórkowego jako zmiennej poś...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
IBM SPSS Amos	IBM	Wersja 24.0	Modelowanie równań strukturalnych i ocena dopasowania modelu
IBM SPSS Statistics	IBM	Wersja 24.0	Przetwarzanie danych, statystyki opisowe, analiza korelacji i analiza regresji
Mobile Phone Addiction Tendency Scale for College Students	Xiong et al. (2012)57	Brak	Ocena skłonności do uzależnienia od telefonu komórkowego
Platforma ankiety online	Wenjuanxing	https://www.wjx.cn/	Budowa kwestionariusza cyfrowego i zbieranie danych
Physical Activity Rating Scale-3	Liang (1994)58	Brak	Ocena poziomu aktywności fizycznej
Pittsburgh Sleep Quality Index	Buysse et al. (1989)59; Liu et al. (1996)60	Brak	Ocena jakości snu za poprzedni miesiąc
PROCESS macro	Hayes (2022)61	Wersja 3.5	Analiza mediacji i mediacji łańcuchowej oparta na bootstrapie
Ruminative Responses Scale	Nolen-Hoeksema (1991)47; Nolen-Hoeksema et al. (2008)40; Han & Yang (2009)72	Brak	Ocena myślenia ruminacyjnego