Araştırma makalesi

Çinli Üniversite Öğrencilerinde Uyku Örüntülerinin Gizil Profil Analizi ve Fiziksel Aktivite Düzeyleri ile İlişkisi

14 görüntülenme

⸱

DOI:

10.3791/73033

⸱

15 Eylül 2026

 ,  ,  ,  ,  ,  , 
1Department of Physical Education, Central South University, 2School of Sport Science, Jishou University

* These authors contributed equally

Bu makalede

Özet

1.420 Çinli üniversite öğrencisi üzerinde yapılan bu kesitsel latent profil analizi, PSQI kullanılarak dört farklı uyku profili belirlemiştir. Daha sağlıklı uyku profillerinin, orta-yüksek şiddetli fiziksel aktivite düzeyleriyle anlamlı düzeyde ilişkili olduğu görülmüştür; bu durum, kampüs içi sağlık geliştirme çalışmaları için uyku paternine özgü hedeflerin belirlenmesi gerektiğini göstermektedir.

Özet

Bu kesitsel çalışma, üniversite öğrencileri arasındaki uyku modellerinin gizil profillerini belirlemeyi ve bu profillerin fiziksel aktivite (PA) düzeyleri ile ilişkilerini incelemeyi, böylece üniversite ortamlarındaki hedefe yönelik sağlık müdahaleleri için ampirik kanıtlar sağlamayı amaçlamıştır. Güney Çin'deki üç kapsamlı üniversiteden çok aşamalı tabakalı küme rastgele örnekleme yöntemi kullanılarak toplam 1.420 üniversite öğrencisi çalışmaya dahil edilmiştir. Uyku kalitesi ve PA, sırasıyla Pittsburgh Uyku Kalitesi İndeksi (PSQI) ve Uluslararası Fiziksel Aktivite Anketi-Kısa Form (IPAQ-SF) kullanılarak değerlendirilmiştir. Uygun istatistiksel yazılımlar kullanılarak gizil profil analizi (LPA), ki-kare testleri ve multinomiyal lojistik regresyon analizleri gerçekleştirilmiştir. Model tarafından tahmin edilen sınıf olasılıklarına dayanarak dört gizil uyku profili belirlenmiştir: sağlıklı uyku (%4,7), yetersiz uyku (%24,8), düşük uyku kalitesi (%20,3) ve şiddetli uyku bozukluğu (%10,2); en olası sınıf atamasına dayalı ilgili gözlemlenen oranlar ise sırasıyla %45,0, %25,0, %20,0 ve %10,0 (sırasıyla n = 639, 35, 284 ve 142) olarak bulunmuştur. Cinsiyet ve PA düzeyi profiller arasında önemli ölçüde farklılık göstermiştir. Şiddetli uyku bozukluğu grubundaki öğrencilerle karşılaştırıldığında, sağlıklı uyku grubundaki öğrencilerin orta düzeyde PA (odds oranı (OR) = 4,69, %95 güven aralığı (CI): 2,92–7,51) ve yüksek düzeyde PA (OR = 7,5, %95 CI: 4,41–12,91) bildirme olasılıklarının daha yüksek olduğu görülmüştür. Yetersiz uyku grubundaki öğrencilerin de orta düzeyde PA (OR = 2,98, %95 CI: 1,83–4,86) ve yüksek düzeyde PA (OR = 5,02, %95 CI: 2,84–8,87) bildirme olasılıklarının daha yüksek olduğu saptanmıştır. Üniversite öğrencilerinin uyku modelleri belirgin bir heterojenlik göstermiştir. Olumlu uyku modelleri, daha yüksek PA düzeyleri ile ilişkili bulunmuştur. Kesitsel tasarım nedeniyle nedensel ilişkiler çıkarılamaz. Alt grupa özgü uyku özelliklerine göre farklılaştırılmış müdahale stratejileri geliştirilmeli ve PA artırımı, kötü uykuya sahip öğrenciler için potansiyel bir davranışsal hedef olarak değerlendirilmelidir.

Giriş

Uyku, yalnızca temel fizyolojik fonksiyonların sürdürülmesi için değil, aynı zamanda fiziksel ve zihinsel sağlığın, bilişsel gelişimin ve duygusal düzenlemenin desteklenmesi için de gereklidir1,2. Ancak, günümüzün hızlı tempolu toplumlarında uyku bozuklukları küresel bir halk sağlığı sorunu haline gelmiştir. Uyku problemleri, üniversiteye girişten sonra genellikle ebeveyn denetiminin azalmasıyla karşılaşan ve akademik baskı, kişilerarası uyum sorunları ve elektronik cihazların aşırı kullanımıyla mücadele eden üniversite öğrencileri arasında özellikle belirgindir3. Epidemiyolojik çalışmalar, dünya genelindeki üniversite öğrencilerinin yaklaşık %25–60'ının değişen derecelerde düşük uyku kalitesi veya uyku yoksunluğu bildirdiğini göstermiştir4,5. Kalıcı uyku problemleri, merkezi sinir sistemi fonksiyonlarını bozarak dikkat eksikliğine ve hafıza kaybına yol açabilir; ayrıca depresyon ve anksiyete gibi içselleştirilmiş ruh sağlığı sorunlarının riskini6,7 ve gelecekteki kardiyovasküler hastalık ile metabolik sendrom riskini artırabilir8.

Önceki uyku çalışmaları, öncelikle değişken merkezli bir analitik bakış açısı benimseyerek; Pittsburgh Uyku Kalitesi İndeksi (PSQI) gibi standartlaştırılmış ölçeklerden alınan toplam puanlar veya belirli boyutların ortalama puanları kullanılarak grup düzeyindeki uyku durumunu değerlendirmiştir9. Bu yaklaşım, genel uyku şiddetine dair sezgisel bir tahmin sağlasa da, örtük olarak çalışma popülasyonunun homojen olduğunu varsayar. Gerçekte uyku; uyku süresi, uykuya dalma süresi, uyku verimliliği, gece uyanmaları ve gündüz işlev bozukluğunu içeren çok boyutlu fizyolojik bir süreçtir10. Aynı toplam PSQI puanına sahip bireyler, önemli ölçüde farklı semptom kombinasyonları sergileyebilir; örneğin, bir öğrenci öncelikle uykuya dalmakta güçlük çekerken, bir diğeri erken uyanma ve gündüz uykululuğu yaşayabilir. Son yıllarda, kişi merkezli yaklaşımlar giderek daha fazla ilgi görmektedir. Gizil profil analizi (LPA), profiller arası farklılıkları maksimize edip profil içi farklılıkları minimize ederek verilerdeki gözlemlenmemiş heterojen alt grupları tanımlayabilir1,12. Araştırmacılar LPA kullanarak, üniversite öğrencileri arasındaki spesifik uyku profillerini daha doğru bir şekilde karakterize edebilir13 ve böylece müdahaleler için daha kesin hedefler belirleyebilirler.

Fiziksel aktivite (FA), Dünya Sağlık Örgütü ve diğer halk sağlığı kılavuzları tarafından yaşam boyu sağlığı geliştirmenin temel taşı olarak yaygın şekilde önerilmektedir14,15. Ampirik çalışmalar ve meta-analizler, düzenli orta-yüksek şiddetli fiziksel aktivitenin kardiyorespiratuar fitness'ı iyileştirebileceğini ve mortaliteyi azaltabileceğini16,17, aynı zamanda psikolojik stresi hafifletmeye ve bilişsel fonksiyonu geliştirmeye yardımcı olduğunu göstermiştir18,19. Fiziksel aktivite ayrıca uyku sorunları için etkili bir farmakolojik olmayan müdahale olarak kabul edilmektedir20,21. Fiziksel aktivite ile uyku kalitesi arasındaki pozitif ilişkiler, akselerometreler gibi objektif cihazların kullanıldığı kohort çalışmalarında2,23,24 ve öz bildirimli anketlere dayalı kesitsel çalışmalarda rapor edilmiştir25,26. Dahası, egzersiz ve uykunun çift yönlü bir ilişkisi olduğu görülmektedir: yeterli uyku fiziksel aktivite için motivasyonu ve dayanıklılığı artırabilirken, gün içindeki enerji harcaması gece boyunca yavaş dalga uykusunu destekleyebilir27,28.

Fiziksel aktivitenin genel uyku kalitesi üzerindeki faydaları konusunda geniş bir fikir birliği olsa da, mevcut literatürün çeşitli sınırlamaları bulunmaktadır. Çalışmaların çoğu, fiziksel aktiviteyi tek bir uyku skorunu öngören bağımsız bir değişken olarak ele almış; böylece farklı uyku modellerinin, yaşam tarzı özelliklerinin farklı kombinasyonlarına karşılık gelebileceği olaslığını göz ardı etmiştir29,30. Üniversite öğrencileri arasında gizil uyku profilleri arasında fiziksel aktivite seviyelerinin farklılık gösterip göstermediği henüz yeterince anlaşılamamıştır.

Bu arka plan ışığında, bu çalışma şunları amaçlamıştır: (1) LPA kullanarak Çinli üniversite öğrencileri arasında uyku kalitesinin çok boyutlu göstergelerine dayalı gizli profilleri belirlemek; ve (2) demografik değişkenler kontrol edildikten sonra uyku profilleri ile fiziksel aktivite düzeyleri (düşük, orta ve yüksek) arasındaki ilişkileri incelemek. Üniversite öğrencileri arasında heterojen birden fazla uyku profilinin mevcut olacağını ve sağlıklı bir uyku düzenine sahip öğrencilerin, ciddi uyku bozukluğu olanlara kıyasla orta-yüksek şiddetli fiziksel aktivite düzeylerine ulaşma olasılığının daha yüksek olacağını hipotez ettik.

Protokol

Bu çalışma, Jishou Üniversitesi Biyomedikal Etik Kurulu tarafından onaylanmıştır (Onay No. JSDX-2023-034). Tüm katılımcılar 18–25 yaş arası tam zamanlı lisans öğrencileriydi ve katılım öncesinde yazılı bilgilendirilmiş onam vermişlerdir. Katılımcı üniversitelerden izin alınmıştır. Anket verileri yalnızca akademik araştırmalar için kullanılmış ve anonim olarak analiz edilmiştir. Çalışma, Helsinki Deklarasyonu ve yerel kurumsal gerekliliklere uygun olarak yürütülmüştür.

Katılımcı alımı ve örnekleme tasarımı

Eylül ve Aralık 2025 tarihleri arasında, Güney Çin'deki üç kapsamlı üniversitedeki lisans öğrencileri arasında çok aşamalı tabakalı küme randomize örnekleme tasarımı kullanılarak kesitsel bir anket çalışması yürütülmüştür. İlk aşamada, coğrafi temsiliyeti sağlamak amacıyla tabakaların eyalet idari bölgelerine göre tanımlandığı tabakalı rastgele örnekleme yöntemiyle, Güney Çin'deki devlet kapsamlı üniversiteleri listesinden üç kapsamlı üniversite seçilmiştir. İkinci aşamada, seçilen her üniversitede, her sınıf düzeyinden (birinci sınıftan dördüncü sınıfa kadar) bilgisayar tarafından oluşturulan rastgele sayılar kullanılarak küme örnekleme birimleri olarak iki ila üç tam sınıf rastgele seçilmiş ve böylece üç üniversitede toplam 28 sınıf belirlenmiştir. Şekil 1'de gösterildiği gibi, seçilen sınıflardaki tüm öğrenciler katılım sağlamaya davet edilmiştir. Dahil edilme kriterleri şunlardır: (1) tam zamanlı lisans öğrencisi olmak; (2) 18 ile 25 yaş arasında olmak; ve (3) yazılı bilgilendirilmiş onamla gönüllü katılım. Hariç tutma kriterleri ise şunlardı: (1) yakın zamanda geçirilen ağır fiziksel hastalık veya kırık ya da ağır kalp hastalığı gibi egzersize karşı kontrendikasyonlar; (2) ağır depresyon veya şizofreni tedavisi gibi mevcut psikiyatrik ilaç kullanımı; ve (3) anket tamamlama süresinin 180 s'den az olması veya tüm maddeler için aynı seçeneğin işaretlenmesi gibi belirgin mantıksal tutarsızlıklar. Toplam 1.500 anket dağıtılmıştır. Veri temizleme sırasında hariç tutulan 80 geçersiz anketin 24'ü tamamlama süresinin 180 s'nin altında olması, 20'si mantıksal tutarsızlıklar (örneğin, tüm maddelerde aynı yanıtların verilmesi veya çelişkili cevaplar), 18'i yaşın 18–25 yaş aralığı dışında olması, 1'i aşırı eksik veri (maddelerin %20'sinden fazlası) ve 7'si öz bildirimli ağır fiziksel hastalık veya mevcut psikiyatrik ilaç kullanımı nedeniyle elenmiştir. Analiz için 1.420 geçerli anket kalmış ve etkili yanıt oranı %94,67 olarak belirlenmiştir.

figure-protocol-1
Şekil 1Çalışma tasarımı ve analitik iş akışı. Katılımcı alımı ve taramanın şematik genel görünümü (1.50 anket dağıtıldı; 80 kişi hariç tutuldu; N = 1.420 dahil edildi), PSQI ve IPAQ-SF ile değerlendirme, gizil profil analizi (bir ila beş profilli modeller AIC, BIC, aBIC, entropi, LMRT ve BLRT kullanılarak karşılaştırıldı), dört uyku profiline atama, iki değişkenli ki-kare testleri, kovaryant olarak cinsiyetin kullanıldığı çok terimli lojistik regresyon ve duyarlılık analizleri (tam kovaryant düzeltmesi ve küme-dayanıklı standart hatalar). Lütfen bu şeklin daha büyük bir versiyonunu görüntülemek için buraya tıklayın.

Demografik ve yaşam tarzı değerlendirmesi

Cinsiyet (erkek/kadın), yaş (yıl cinsinden), sınıf (birinci/ikinci/üçüncü/dördüncü), köken yeri (şehir/kırsal), vücut kitle indeksi (VKİ), sigara kullanımı geçmişi, alkol kullanımı geçmişi ve günlük ortalama ekran süresi dahil olmak üzere demografik ve sosyolojik özellikleri elde etmek için özgün olarak tasarlanmış bir anket kullanılmıştır. VKİ, kilogram cinsinden vücut ağırlığının, metre cinsinden boyun karesine bölünmesiyle hesaplanmıştır (VKİ = ağırlık [kg] / boy [m]2). Kendi beyanına dayalı boy ve ağırlık verileri, analiz öncesinde mantıksız değerler açısından taranmıştır; boyu <140 cm veya >20 cm, ağırlığı <30 kg veya >150 kg veya VKİ değeri <12 kg/m2 veya >40 kg/m2 olan vakalar işaretlenmiş ve orijinal kayıtlarla doğrulanmış, onaylanan uç değerler ise çalışma dışı bırakılmıştır. Sigara içme durumu, katılımcıların önceki bir aya ait beyan edilen sigara kullanım davranışlarına göre hiç içmeyen, ara sıra içen (bazı günler içen ancak günlük içmeyen) veya düzenli içen (günlük içen) olarak kategorize edilmiştir. Alkol tüketimi, önceki bir ay üzerinden hiç tüketmeyen, ara sıra tüketen (haftada birden az tüketen) veya düzenli tüketen (haftada en az bir kez tüketen) olarak kategorize edilmiştir. Günlük ortalama ekran süresi, katılımcılardan önceki bir ay boyunca akıllı telefonlar, bilgisayarlar, tabletler ve televizyon başında günde toplam kaç saat geçirdiklerini bildirmeleri istenerek değerlendirilmiş ve sürekli bir değişken olarak kaydedilmiştir. Maddelerin açıklığını ve tamamlama süresini değerlendirmek amacıyla, resmi veri toplama sürecinden önce anket 30 lisans öğrencisi arasında pilot olarak test edilmiş; pilot geri bildirimlerine dayanarak ifadeyle ilgili küçük düzeltmeler yapılmıştır. Önceki çalışmalar, bu değişkenlerin uyku ile fiziksel aktivite arasındaki ilişkiyi karıştırabileceğini öne sürmüştür30,31. Bu çalışmada kullanılan tüm araçlar, yazılımlar ve materyaller Materyaller Tablosu'nda listelenmiştir.

Uyku kalitesinin değerlendirilmesi

Katılımcıların önceki bir ay boyunca uyku kalitesini değerlendirmek için Buysse ve ark.9 tarafından geliştirilen PSQI kullanılmıştır. Ölçek, yedi bileşenden oluşan 19 öz değerlendirme maddesini içermektedir: subjektif uyku kalitesi, uykuya dalma süresi, uyku süresi, alışılmış uyku verimliliği, uyku bozuklukları, hipnotik ilaç kullanımı ve gündüz işlev bozukluğu. Her bileşen 0 (zorluk yok) ile 3 (şiddetli zorluk) arasında puanlanmaktadır. Bu yedi sürekli bileşenin puanları, LPA için gözlemlenen göstergeler olarak kullanılmıştır. PSQI, Çin'deki ve uluslararası düzeydeki üniversite öğrencisi popülasyonları arasında iyi güvenilirlik ve geçerlilik göstermiştir30. Mevcut çalışmada, ölçeğin Cronbach alfa değeri 0,83 olarak bulunmuştur.

Fiziksel aktivite değerlendirmesi

Craig ve ark. tarafından geliştirilen32 IPAQ-SF, katılımcıların son yedi gündeki fiziksel aktivitelerini değerlendirmek için kullanılmıştır. Anket; şiddetli fiziksel aktivite, orta şiddette fiziksel aktivite ve yürüyüşün sıklığını (gün/hafta) ve süresini (dakika/gün) kaydeder. Görev metabolik eşdeğer (MET) değerleri, IPAQ puanlama protokolüne göre hesaplanmıştır: yürüyüş MET-dk/hafta = 3,3 × süre × sıklık; orta şiddetli MET-dk/hafta = 4,0 × süre × sıklık ve şiddetli MET-dk/hafta = 8,0 × süre × sıklık. Toplam fiziksel aktiviteyi elde etmek için üç aktivite tipine ait MET değerleri toplanmıştır. Katılımcılar, üniversite öğrencilerinde valide edilen3 IPAQ-SF puanlama kriterlerine göre yüksek FA, orta FA ve düşük FA olarak sınıflandırılmıştır. Yüksek FA, en az üç günde şiddetli aktivite ve toplamda en az 1.500 MET-dk/hafta fiziksel aktivite seviyesi veya yedi veya daha fazla günde yürüyüş, orta şiddetli veya şiddetli aktivitelerin herhangi bir kombinasyonu ile toplamda en az 3.00 MET-dk/hafta fiziksel aktivite seviyesi olarak tanımlanmıştır. Orta FA, en az üç günde günde en az 20 dakika şiddetli aktivite veya en az beş günde günde en az 30 dakika orta şiddetli aktivite ve/veya yürüyüş veya en az 60 MET-dk/hafta değerine ulaşan herhangi bir aktivite kombinasyonu olarak tanımlanmıştır. Düşük FA, orta veya yüksek FA kriterlerini karşılamayan durumlar olarak tanımlanmıştır. Veri temizleme işlemi resmi IPAQ puanlama protokolüne uygun olarak yapılmıştır: günlük toplam aktivitesi 16 h üzerinde olan katılımcılar hariç tutulmuş; kategori başına günlük süreler MET-dakika hesaplamasından önce 180 dk ile sınırlandırılmış ve mantıksal olarak tutarsız yanıtlar içeren vakalar veri temizleme sırasında çıkarılmıştır.

İstatistiksel analiz

İlk olarak, gizli profil modelleme yazılımı kullanarak LPA yürütün (bkz. Malzeme Tablosu)34. 1.420 katılımcının 3'ünde (%2,3) PSQI üzerinde kısmi eksik veriler mevcuttu; 9.940 bileşen düzeyindeki yanıtın 69'u eksikti (%0,69; yani, 1.420 katılımcı × yedi PSQI bileşen puanı). Bu eksik değerleri, rastgele eksiklik varsayımı altında yönetmek için tam bilgi maksimum olabilirlik (FIML) yöntemi kullanıldı. Bir ila beş profil içeren modeller sırayla tahmin edildi. Model uyumu; Akaike bilgi kriteri (AIC), Bayesyen bilgi kriteri (BIC), örneklem büyüklüğüne göre ayarlanmış BIC (aBIC), entropi, Lo-Mendell-Rubin olabilirlik oran testi (LMRT) ve bootstrap olabilirlik oran testi (BLRT) kullanılarak değerlendirildi. Daha düşük AIC, BIC ve aBIC değerleri daha iyi göreceli uyuma işaret ederken, 1'e daha yakın entropi değerleri daha yüksek sınıflandırma doğruluğunu gösterir. LMRT ve BLRT, k profilli bir modelin k − 1 profilli bir modele göre anlamlı derecede daha iyi uyum sağlayıp sağlamadığını belirlemek için kullanıldı. Optimal profil çözümü; latent profil analizi için belirlenmiş kılavuzlar doğrultusunda1,35 istatistiksel uyum indeksleri, entropi, sınıf büyüklüğü (örneklemin %5'inden daha azını içeren hiçbir profil kabul edilmemiştir) ve içeriksel yorumlanabilirlik birlikte değerlendirilerek seçildi. Optimal profil çözümü seçildikten sonra, bireylerin en olası sınıf üyeliği, sonraki analizler için istatistiksel analiz yazılımına (bkz. Malzeme Tablosu) aktarıldı. Uyku profilleri arasındaki demografik özellikler ve fiziksel aktivite düzeyleri farklarını incelemek için Pearson ki-kare testleri kullanıldı. İki değişkenli ki-kare testleri, dört uyku profili arasında yalnızca cinsiyet ve fiziksel aktivite düzeyinin anlamlı şekilde farklılık gösterdiğini (her ikisi için de p < 0.001), yaş, sınıf, BMI, sigara kullanımı, alkol kullanımı ve ekran süresinin ise farklılık göstermediğini ortaya koydu (tümü p > 0.05; bkz. Ek Tablo 1). Bu nedenle, tutumluluk ilkesiyle tutarlı olarak, çok terimli lojistik regresyon modeline kovaryat olarak yalnızca cinsiyet dahil edildi. Toplanan tüm kovaryatların ayarlandığı bir duyarlılık analizi, sonuçların aynı örüntü ve anlamlılık düzeyinde olduğunu göstermiştir (Ek Tablo 2). Fiziksel aktivite düzeyi bağımlı değişken (düşük PA = 0, orta PA = 1, yüksek PA = 2) ve uyku profili temel bağımsız değişken olacak şekilde çok terimli lojistik regresyon uygulandı. Odds oranları (OR'lar) ve %95 güven aralıkları (CI'lar) hesaplandı. Tüm testler çift yönlüydü ve istatistiksel anlamlılık p < 0.05 olarak belirlendi. Katılımcılar üniversiteler bünyesindeki mevcut sınıflar aracılığıyla toplandığı için, tasarım ayarlı standart hataları elde etmek amacıyla, üniversite ve sınıfı kümeleme değişkenleri olarak belirleyerek istatistiksel yazılımın kompleks örneklemler modülünü (bkz. Malzeme Tablosu) kullanan bir duyarlılık analizi gerçekleştirdik. Sonuçlar, standart çok terimli lojistik regresyondan elde edilen sonuçlarla tutarlıydı (Ek Tablo 3). İngilizce değişken etiketlerine sahip kimliksizleştirilmiş ham veri seti ve bir kod kitabı Ek Dosya 1 olarak sunulmuştur.

Sonuçlar

Bir ila beş gizil profil içeren modeller çıkarılmıştır. Tablo 1'de gösterildiği üzere, profil sayısı arttıkça AIC, BIC ve aBIC değerleri azalmıştır. Dört profilli model en yüksek entropi değerine (0,915) sahip olmuş ve hem LMRT hem de BLRT anlamlı bulunmuştur (p < 0,01). Buna karşılık, beş profilli model için LMRT anlamlı çıkmamış (p = 0,085) ve entropi 0,80'e düşmüştür. Bu nedenle, beş profilli model daha düşük bilgi kriterleri göstermesine rağmen; sınıflandırma doğruluğu, model tutumluluğu, sınıf büyüklüğü ve içeriksel yorumlanabilirlik arasında daha iyi bir denge sağladığı için dört profilli model seçilmiştir. Profil etiketleri, önerilen LPA raporlama uygulamalarıyla1 uyumlu olarak, sınıflar genelindeki yedi PSQI bileşen puanının koşullu ortalamalarına göre atanmıştır (Şekil 2).

Tablo 1: Üniversite öğrencilerinin uyku düzenlerinin latent profil analizi için model uyum indeksleri. AIC, Akaike bilgi kriteri; BIC, Bayesyen bilgi kriteri; aBIC, örneklem büyüklüğüne göre ayarlanmış BIC; LMRT, Lo-Mendell-Rubin olabilirlik oran testi; BLRT, bootstrap olabilirlik oran testi. Bu Tabloyu indirmek için lütfen buraya tıklayınız.

figure-results-1
Şekil 2Uyku modellerinin LPA'sı: dört profilli çözüm. Çizgi grafik; sağlıklı uyku, yetersiz uyku, düşük uyku kalitesi ve şiddetli uyku bozukluğu olmak üzere dört örtük uyku profili genelindeki PSQI bileşen puanlarını göstermektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

PSQI bileşen puanlarının özelliklerine dayanarak, dört profil sırasıyla sağlıklı uyku grubu (C1), yetersiz uyku grubu (C2), düşük uyku kalitesi grubu (C3) ve şiddetli uyku bozukluğu grubu (C4) olarak adlandırılmıştır. Model tarafından tahmin edilen sınıf olasılıkları sırasıyla 0.47, 0.248, 0.203 ve 0.102 olarak bulunmuştur. En olası sınıf atamasına göre gözlemlenen sayılar C1–C4 için sırasıyla 639 (%45.0), 35 (%25.0), 284 (%20.0) ve 142 (%10.0) şeklindedir. Ki-kare testleri, profiller arasında cinsiyet ve fiziksel aktivite düzeylerinde anlamlı farklılıklar olduğunu göstermiştir (p < 0.001; Tablo 2). Dört profilli çözüm, yüksek sınıflandırma doğruluğu (entropi = 0.915) ile model uyumu ve teorik yorumlanabilirlik arasında en iyi dengeyi sağlamıştır.

Sağlıklı uyku grubu (C1, %45,0): Bu gruptaki öğrenciler, yedi PSQI bileşeninin tamamında düşük puanlar almış olup, bu durum nispeten düzenli uykuya ve daha iyi uyku kalitesine işaret etmektedir. Yetersiz uyku grubu (C2, %25,0): Bu grup, uyku süresi ve uyku latansı için nispeten yüksek puanlarla karakterize edilirken, gündüz işlev bozukluğu belirgin değildir. Kötü uyku kalitesi grubu (C3, %20,0): Bu gruptaki öğrenciler, nispeten düşük uyku verimliliğinin yanı sıra subjektif uyku kalitesi, uyku bozuklukları ve gündüz işlev bozukluğu açısından nispeten yüksek puanlara sahiptir. Şiddetli uyku bozukluğu grubu (C4, %10,0): Bu alt grup, çoğu PSQI bileşeninde yüksek puanlar göstermiş ve diğer profillerden daha yüksek hipnotik ilaç puanları bildirmiştir; bu durum, kesin bir klinik tanının ötesinde, klinik olarak anlamlı uyku sorunları riskinin arttığını düşündürmektedir.

Her bir profil için yedi PSQI bileşen puanının kesin koşullu ortalamaları ve standart sapmaları Ek Tablo 4'te bildirilmiştir.

Tablo 2: Demografik özelliklerin ve fiziksel aktivite düzeylerinin uyku profillerine göre dağılımı. C1, sağlıklı uyku grubu; C2, yetersiz uyku grubu; C3, düşük uyku kalitesi grubu; C4, şiddetli uyku bozukluğu grubu. Lütfen bu Tabloyu indirmek için buraya tıklayın.

Fiziksel aktivite düzeyi bağımlı değişken olarak girilmiş ve düşük PA referans kategori olarak belirlenmiştir. Uyku profili bağımsız değişken olarak girilmiş, ağır uyku bozukluğu grubu referans kategori olarak seçilmiş ve cinsiyet kontrol edilmiştir. Tablo 3'te gösterildiği gibi, sağlıklı uyku ve yetersiz uyku gruplarındaki öğrencilerin orta ve yüksek PA bildirme olasılıkları, ağır uyku bozukluğu grubundakilere göre anlamlı derecede daha yüksektir. Bu bulgular, olumlu uyku profilleri ile daha yüksek PA düzeyleri arasındaki ilişkiyi desteklemektedir, ancak kesitsel tasarım nedensel çıkarım yapılmasına izin vermemektedir.

Tablo 3: Üniversite öğrencileri arasında uyku profilleri ve fiziksel aktivite düzeylerinin multinomial lojistik regresyonu. Sonuç için referans kategori düşük fiziksel aktivite, uyku profili için ise referans kategori şiddetli uyku bozukluğu grubu olarak belirlenmiştir. Lütfen bu tabloyu indirmek için buraya tıklayın.

VERİLERİN ERİŞİLEBİLİRLİĞİ:

Bu çalışmanın bulgularını destekleyen kimliği gizlenmiş ham veriler ve analiz kodları Figshare'de https://doi.org/10.6084/m9.figshare.340908 adresi üzerinden açıkça erişime sunulmuştur.

Ek Dosya 1: İngilizce değişken etiketleri ve kod kitabını içeren, kimliksizleştirilmiş ham veri seti (Sleep_LPA_Raw_Data_N1420.xlsx).Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Tablo 1: Uyku profilleri arasındaki kovaryant farklarının iki değişkenli testleri.
NotKategorik değişkenler Pearson ki-kare testleri ile; sürekli değişkenler ise tek yönlü ANOVA ile test edildi. Sadece cinsiyetler profiller arasında anlamlı farklılık gösterdi (p < 0,01). Sınıf, köken, sigara kullanımı, alkol kullanımı ve bölüm için ayrıntılı kategori dağılımları, kısalık adına çıkarılmıştır ancak ham verilerden temin edilebilir.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Tablo 2: Tüm kovaryantlar için düzeltilmiş multinomial lojistik regresyon (hassasiyet analizi).
Not: PA için referans kategori: Düşük PA; uyku profili için referans kategori: C4 (Şiddetli bozukluk). Model; cinsiyet, yaş, BMI, ekran süresi, sınıf, memleket, sigara kullanımı, alkol kullanımı ve bölüme göre düzeltilmiştir. Tüm ilişkilerin yönü ve anlamlılığı birincil analizle tutarlıdır (Tablo 3), sadece cinsiyete göre düzeltme yapılmıştır.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Tablo 3: Küme-robust standart hatalı multinomial lojistik regresyon (SPSS Complex Samples).
NotÜniversite ve sınıfa göre kümelenme için düzeltilmiş standart hatalar (SPSS Complex Samples eşdeğeri; N = 1.420, kümeler = 3 üniversite) × bozulmamış sınıflar). B katsayıları birincil analizle aynıdır (Tablo 3); yalnızca standart hatalar ve p-değerleri farklılık göstermektedir. C1 ve C2, hem orta hem de yüksek PA ile anlamlı şekilde ilişkili olmaya devam etmektedir; C3 ise anlamlı olmayan durumunu korumaktadır.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Tablo 4: Uyku profiline göre PSQI bileşen puanlarının ortalamaları ve standart sapmaları.
Not: Değerler, en olası sınıf atamasına dayalı koşullu ortalamalarıdır (standart sapmalar). Yedi PSQI bileşeninin tamamı ve toplam puan, profiller arasında anlamlı farklılık göstermiştir (tek yönlü ANOVA, tüm p < 0,01). C1 = sağlıklı uyku; C2 = yetersiz uyku; C3 = düşük uyku kalitesi; C4 = şiddetli uyku bozukluğu.Lütfen bu dosyayı indirmek için buraya tıklayınız.

Tartışma

Nispeten büyük bir kesitsel örneklem kullanan bu çalışma, Çinli üniversite öğrencileri arasında dört heterojen uyku profilini belirlemek için kişi odaklı bir LPA yaklaşımı uygulamış ve daha sonra bu profiller ile farklı fiziksel aktivite düzeyleri arasındaki ilişkileri incelemiştir. Bulgular, üniversite öğrencileri arasında uyku ve egzersizle ilgili sağlık davranışlarının kümelenmesini anlamak için yararlı bir bakış açısı sunmakta ve üniversite ortamlarındaki halk sağlığı müdahaleleri için daha kesin hedefler sağlamaktadır.

Bu çalışma, üniversite öğrencilerinin uyku düzenlerini dört profile ayırmıştır: sağlıklı uyku, yetersiz uyku, düşük uyku kalitesi ve şiddetli uyku bozukluğu. Sağlıklı uyku grubu en büyük oranı (%45,0) oluşturmasına rağmen, öğrencilerin yarısından fazlası (%5,0) kötü uyku ile karakterize edilen profillere dahil edilmiştir. Bu bulgu, ergenler ve genç yetişkinler arasında uyku problemlerinin yaygın olduğunu gösteren uluslararası kanıtlarla tutarlıdır3,4. Özellikle, şiddetli uyku bozukluğu grubundaki kadın öğrencilerin oranı, erkek öğrencilere göre önemli ölçüde daha yüksekti (%68,3'e karşı %31,7); bu durum, uykudaki cinsiyet farklılıklarına ilişkin önceki bulgularla uyumludur. Östrojen ve progesterondaki döngüsel değişiklikler dahil olmak üzere, menstrüel döngü boyunca kadın hormon seviyelerindeki dalgalanmalar, uyku bozukluklarına karşı hassasiyeti artırabilir10. Psikolojik bir perspektiften bakıldığında, kadın öğrenciler akademik ve kişilerarası strese karşı daha duyarlı olabilir ve negatif duyguları içselleştirme eğilimleri daha yüksek olabilir. Bu tür ruminasyonlar uyku latansını uzatabilir ve uyku derinliğini azaltabilir7. Ek olarak, öğrencilerin %25,0'u yetersiz uyku grubunda yer almıştır. Önceki literatüre dayanarak, bu profil kısmen yatmadan önceki uzun süreli ekran kullanımı ve mobil cihazlardan kaynaklanan mavi ışığa maruz kalmanın yanı sıra nispeten zayıf zaman yönetimi becerilerine bağlanabilir30; ancak bu faktörler mevcut çalışmada doğrudan değerlendirilmemiş olup gelecekteki araştırmalarda incelenmelidir.

Bu çalışma, uyku profilleri arasında fiziksel aktivite düzeylerinde anlamlı dereceli farklılıklar tespit etmiştir. Multinomial lojistik regresyon, şiddetli uyku bozukluğu grubundaki öğrencilerle karşılaştırıldığında, sağlıklı uyku grubundakilerin yüksek PA elde etme olasılığının önemli ölçüde daha yüksek olduğunu göstermiştir (OR = 7.5). Bu bulgular, yaşam tarzı tıbbındaki sağlık davranışı kümelenmesi kavramıyla uyumlu olup, uygun uyku modelleri ile düzenli fiziksel aktivitenin aynı bireylerde bir arada bulunabileceğini düşündürmektedir.

Uyku profilleri ve fiziksel aktivite (FA) arasında gözlemlenen ilişki, mevcut kesitsel çalışmada bu mekanizmalar doğrudan test edilmemiş olsa da, birkaç olası fizyolojik ve psikolojik yolakla açıklanabilir. İlk olarak, düzenli fiziksel aktivitenin uykuyu kolaylaştırması mümkündür. Orta ile yüksek şiddetli fiziksel aktivite, vücut sıcaklığında akut bir artışa yol açabilir ve bunu takip eden kompansatuar egzersiz sonrası düşüş, uykuya dalışı kolaylaştırabilir ve yavaş dalga uykusunun oranını artırabilir17. Düzenli fiziksel aktivite ayrıca vagal tonusu artırarak ve sempatik aşırı aktivasyonu azaltarak otonom sinir sistemini düzenleyebilir. Ek olarak, egzersize bağlı endorfinler ve beyin türevli nörotrofik faktör, depresyon ve anksiyetenin hafifletilmesine yardımcı olabilir, böylece uykusuzluğa katkıda bulunan psikolojik etkenleri azaltabilir36,37. Gün içindeki açık hava etkinlikleri retinal ışık maruziyetini daha da artırarak sirkadiyen ritimlerin kalibre edilmesine ve melatonin salgılanmasının stabilize edilmesine yardımcı olabilir38. İkinci olarak, kötü uykunun gün içi FA'yı kısıtlaması da makuldür. Şiddetli uyku bozukluğu grubundaki öğrenciler, PSQI'deki yüksek gündüz disfonksiyonu skorlarının da yansıttığı üzere, yetersiz gece iyileşmesi nedeniyle gün içinde yorgunluk ve uykululuk yaşayabilirler. Bu enerji tükenmesi, fiziksel efor için öz yeterliliği ve motivasyonu azaltabilir20,28. Deneysel kanıtlar ve derlemeler, uyku ve egzersizin iyileşme, yorgunluk, afektif ve sirkadiyen yolaklar aracılığıyla birbirini etkileyebileceğini göstermektedir28,39. Bu nedenle, ciddi uyku sorunları olan öğrencilerin sedanter yaşam tarzlarını benimseme olasılığı daha yüksek olabilir. Önerilen bu çift yönlü yolaklar spekülatif kalmaktadır ve boylamsal kohort çalışmaları ile randomize kontrollü çalışmalar aracılığıyla doğrulanmalıdır.

Bu çalışma, nispeten geniş bir örnekleme ve kişi merkezli bir analitik yaklaşıma sahip olma gibi güçlü yönlere sahiptir; ancak bazı sınırlamalar kabul edilmelidir. İlk olarak, çalışma kesitsel bir tasarım kullandığı için uyku paternleri ile fiziksel aktivite arasındaki nedensel ilişkiler çıkarılamaz. Egzersiz müdahalelerinin belirli uyku profilleri üzerindeki etkilerini test etmek için gelecekte boylamsal çalışmalara veya randomize kontrollü deneylere ihtiyaç vardır39. İkinci olarak, hem uyku hem de fiziksel aktivite, hatırlama yanlılığı ve sosyal beğenilirlik yanlılığından etkilenebilecek olan öz bildirim ölçekleri kullanılarak değerlendirilmiştir. Gelecekteki araştırmalar, daha objektif fizyolojik ve davranışsal veriler elde etmek için polisomnografi, akselerometreler veya giyilebilir cihazları dahil etmelidir2,24. Üçüncü olarak, örneklem Güney Çin'deki üniversitelerden gelen üniversite öğrencileri ile sınırlandırılmıştır; bu nedenle, kültürel altyapı ve iklim koşulları bulguların genellenebilirliğini kısıtlayabilir. Gelecekteki çalışmalar, daha geniş coğrafi bölgelerden ve meslek gruplarından katılımcıları dahil etmelidir. Dördüncü olarak, üniversite ve sınıf bazlı kümelenmeye göre ayarlanan karma örneklemler duyarlılık analizi tutarlı sonuçlar vermesine rağmen, ki-kare testleri küme örneklemesi tarafından getirilen sınıf içi korelasyonu açıkça hesaba katmamıştır. Daha fazla sayıda kümeye sahip gelecekteki çalışmalar, tasarım aşamasından itibaren çok düzeyli latent profil analizini veya çok düzeyli regresyonu değerlendirmelidir. Beşinci olarak, multinomial lojistik regresyonda, latent profil modelinden dışa aktarılan en olası sınıf üyeliği kullanılmıştır ve bu durum sınıflandırma belirsizliğini tam olarak karşılamamaktadır. Yüksek entropi (0,915) ve tüm sınıflar için 0,80'in üzerindeki ortalama posterior olasılıklar sınıflandırma doğruluğunun yüksek olduğunu gösterse de, gelecekteki çalışmalar sınıflandırma belirsizliğini yardımcı analizlere daha uygun şekilde aktarmak için Bolck-Croon-Hagenaars (BCH) üç aşamalı prosedür gibi model tabanlı yaklaşımlar uygulamalıdır.

Üniversite öğrencilerinin uyku düzenleri homojen değildir, aksine belirgin bir grup heterojenliği göstermektedir. Bu çalışmada öğrenciler dört gizil profile ayrılmıştır: sağlıklı uyku, yetersiz uyku, düşük uyku kalitesi ve şiddetli uyku bozukluğu. Olumlu uyku düzenleri, orta ve yüksek düzeydeki fiziksel aktivite ile pozitif yönde ilişkilendirilmiştir. Bu bulgular, üniversite eğitimcilerinin ve halk sağlığı politika yapıcılarının, öğrencilerin ruh sağlığını ve fiziksel zindeliğini teşvik ederken tek tip yaklaşımlardan kaçınmaları gerektiğini göstermektedir. Yetersiz uyku grubundaki öğrenciler için müdahaleler, zaman yönetimi ve yatma öncesi davranışlara odaklanabilir. Şiddetli uyku bozukluğu grubundaki öğrenciler için klinik olarak endike olduğunda, insomni için bilişsel davranışçı terapi (CBT-I) dahil olmak üzere profesyonel psikolojik destek düşünülebilir40. Fiziksel aktivite düzeyi, kötü uyku riski taşıyan öğrencilerin belirlenmesinde yararlı bir davranışsal belirteç olarak hizmet edebilir; ancak fiziksel aktivitenin artırılmasının spesifik uyku profillerini iyileştirip iyileştiremeyeceğini belirlemek için boylamsal ve müdahale çalışmalarına ihtiyaç vardır.

Açıklamalar

Yazar(lar), bu çalışmanın, potansiyel bir çıkar çatışması olarak yorumlanabilecek herhangi bir ticari veya finansal ilişki olmaksızın yürütüldüğünü beyan ederler.

Teşekkürler

Katılımcı üniversitelere ve anketi tamamlayan tüm öğrencilere müteşekkiriz. Bu çalışma, Eğitim Bakanlığı'nın Genç Bilim İnsanları için Beşeri ve Sosyal Bilimler Araştırma Projesi (Hibe No. 23YJC89059) ve Hunan Eyalet Eğitim ve Öğretim Reformu Araştırma Projesi (Hibe No. 202502069) tarafından desteklenmiştir.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Demografik ve yaşam tarzı anketiÇalışma ekibi tarafından tasarlanmıştırN/ACinsiyet, yaş, sınıf, memleket, vücut kitle indeksi, sigara öyküsü, alkol öyküsü ve günlük ortalama ekran süresini toplamak için kullanılmıştır.
Pittsburgh Uyku Kalitesi İndeksi (PSQI)Buysse et al., 1989DOI: 10.1016/0165-1781(89)9047-4Önceki ay boyunca olan uyku kalitesini değerlendirmek için kullanılmıştır. Yedi bileşen puanı, gizil profil analizi için gözlemlenen göstergeler olarak kullanılmıştır.
Uluslararası Fiziksel Aktivite Anketi-Kısa Form (IPAQ-SF)Craig et al., 203

DOI: 10.1249/01.MSS.078924.61453

.FB

Önceki yedi gün içindeki yürüyüş, orta şiddetli fiziksel aktivite ve şiddetli fiziksel aktiviteyi değerlendirmek için kullanılmıştır.
Yazılı bilgilendirilmiş onam formuÇalışma ekibi ve katılımcı üniversitelerEtik onay No. JSDX-2023-003418-25 yaş arası lisans öğrencilerinin gönüllü katılımını belgelemek için kullanılmıştır.
Anket veri toplama prosedürüGüney Çin'deki katılımcı üniversitelerN/AEylül ve Aralık 2025 tarihleri arasında çok aşamalı tabakalı küme rastgele örnekleme ve anket uygulaması için kullanılmıştır.
MplusMuthen & MuthenVersion 8.3Yedi PSQI bileşen puanına dayalı gizil profil analizini gerçekleştirmek için kullanılmıştır.
IBM SPSS StatisticsIBMVersion 26.0Ki-kare testleri ve multinomial lojistik regresyon analizleri yürütmek için kullanılmıştır.
Microsoft ExcelMicrosoftN/AYükleme için ayrı JoVE tablo dosyaları hazırlamak amacıyla kullanılmıştır.

Kaynaklar

  1. Chaput JP, et al. Sleeping hours: What is the ideal number and how does age impact this? Nat Sci Sleep. 2018;10:421–430.
  2. Li J, et al. Sleep in normal aging. Sleep Med Clin. 2018;13(1):1–11.
  3. Becker SP, et al. Sleep in a large, multi-university sample of college students: Sleep problem prevalence, sex differences, and mental health correlates. Sleep Health. 2018;4(2):174–181.
  4. Lund HG, et al. Sleep patterns and predictors of disturbed sleep in a large population of college students. J Adolesc Health. 2010;46(2):124–132.
  5. Chen X, et al. Sleep characteristics and health-related quality of life among a national sample of American young adults. Sleep. 2014;37(4):793–799.
  6. Steptoe A, et al. Sleep duration and health in young adults. Arch Intern Med. 2006;166(16):1689–1692.
  7. Zhai L, et al. Sleep duration and depression among adults: A meta-analysis of prospective studies. Depress Anxiety. 2015;32(9):664–670.
  8. Grandner MA, et al. Sleep: Important considerations for the prevention of cardiovascular disease. Curr Opin Cardiol. 2016;31(5):551–565.
  9. Buysse DJ, et al. The Pittsburgh Sleep Quality Index: A new instrument for psychiatric practice and research. Psychiatry Res. 1989;28(2):193–213.
  10. Hirshkowitz M, et al. National Sleep Foundation’s sleep time duration recommendations: Methodology and results summary. Sleep Health. 2015;1(1):40–43.
  11. Nylund-Gibson K, et al. Ten frequently asked questions about latent class analysis. Transl Issues Psychol Sci. 2018;4(4):440–461.
  12. Nylund KL, et al. Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Struct Equ Modeling. 2007;14(4):535–569.
  13. Lanza ST, et al. Latent class analysis: An alternative perspective on subgroup analysis in prevention and treatment. Prev Sci. 2013;14(2):157–168.
  14. Bull FC, et al. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. Br J Sports Med. 2020;54(24):1451–1462.
  15. U.S. Department of Health and Human Services. Physical Activity Guidelines for Americans. 2nd ed. U.S. Department of Health and Human Services; Washington, DC; 2018.
  16. Stamatakis E, et al. Sitting time, physical activity, and risk of mortality in adults. J Am Coll Cardiol. 2019;73(16):2062–2072.
  17. Nystoriak MA, et al. Cardiovascular effects and benefits of exercise. Front Cardiovasc Med. 2018;5:135.
  18. Biddle SJH, et al. A systematic review of physical activity and health in emerging adults. J Sci Med Sport. 2015;18(6):633–638.
  19. Lubans D, et al. Physical activity for cognitive and mental health in youth: A systematic review of mechanisms. Pediatrics. 2016;138(3):e20161642.
  20. Kredlow MA, et al. The effects of physical activity on sleep: A meta-analytic review. J Behav Med. 2015;38(3):427–449.
  21. Wang F, et al. The effect of physical activity on sleep quality: A systematic review. Eur J Physiother. 2021;23(1):11–18.
  22. Buman MP, et al. Objectively measured physical activity and sleep in older men. J Sleep Res. 2014;23(2):164–171.
  23. Loprinzi PD, et al. Association between objectively-measured physical activity and sleep, NHANES 2005–2006. Ment Health Phys Act. 2011;4(2):65–69.
  24. Vandelanotte C, et al. Associations between objective sleep characteristics and physical activity and sedentary behaviours. J Sci Med Sport. 2019;22(5):565–570.
  25. Pedisic Z, et al. State of health in Australian adults: Does physical activity mitigate the negative impact of poor sleep? J Sci Med Sport. 2014;17(1):60–65.
  26. Memon AR, et al. Sleep and physical activity in university students: A systematic review and meta-analysis. Sleep Med Rev. 2021;58:101482.
  27. Kline CE. The bidirectional relationship between exercise and sleep: Implications for exercise adherence and sleep improvement. Am J Lifestyle Med. 2014;8(6):375–379.
  28. Dolezal BA, et al. Interrelationship between sleep and exercise: A systematic review. Adv Prev Med. 2017;2017:1364387.
  29. Gerber M, et al. Fitness and exercise as correlates of sleep complaints: Is it all in our minds? Med Sci Sports Exerc. 2010;42(5):893–901.
  30. Wu X, et al. Low physical activity and high screen time can increase the risks of mental health problems and poor sleep quality among Chinese college students. PLoS One. 2015;10(3):e0119607.
  31. Carter B, et al. Association between portable screen-based media device access or use and sleep outcomes: A systematic review and meta-analysis. JAMA Pediatr. 2016;170(12):1202–1208.
  32. Craig CL, et al. International Physical Activity Questionnaire: 12-country reliability and validity. Med Sci Sports Exerc. 2003;35(8):1381–1395.
  33. Dinger MK, et al. Validity and reliability of the International Physical Activity Questionnaire in college students. Am J Health Educ. 2006;37(6):337–343.
  34. Muthén LK, Muthén BO. Mplus User’s Guide. 8th ed. Muthén & Muthén; Los Angeles, CA; 1998–2017.
  35. Spurk D, et al. Latent profile analysis: A review and “how to” guide of its application within vocational behavior research. J Vocat Behav. 2020;120:103445.
  36. Rebar AL, et al. A meta-meta-analysis of the effect of physical activity on depression and anxiety in non-clinical adult populations. Health Psychol Rev. 2015;9(3):366–378.
  37. Yang PY, et al. Exercise training improves sleep quality in middle-aged and older adults with sleep problems: A systematic review. J Physiother. 2012;58(3):157–163.
  38. Irish LA, et al. The role of sleep hygiene in promoting public health: A review of empirical evidence. Sleep Med Rev. 2015;22:23–36.
  39. Driver HS, et al. Exercise and sleep. Sleep Med Rev. 2000;4(4):387–402.
  40. Morin CM, et al. Chronic insomnia. Lancet. 2012;379(9821):1129–1141.

Yeniden basım ve izinler

Etiketler

Uyku KalitesiUyku BozukluğuPittsburgh Uyku KalitesiMultinomial Lojistik RegresyonSağlık Müdahaleleri
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.