數據檢驗本研究收集2015年2月至2016年3月作為兒童健康檢查點的研究的一部分,一次性的,全麵的身體健康和生物標誌物橫斷麵研究波6和7之間的嵌套的縱向研究的澳大利亞兒童(LSAC) 11 - 12歲的孩子。LSAC研究始於2004年,當兩組(B和K-the後者與本文無關)招募已經跟進每兩年。 36初始LSAC研究設計的細節和招聘概述了別處。 37 38

的8921個家庭聯係LSAC B群的一部分,5107個家庭(57%)同意參與2004年第一批數據收集;2014年3764個家庭參與波6。在波6 LSAC家訪,B組家庭介紹給即將到來的兒童健康檢查點和被要求同意他們聯係方式與檢查點團隊共享。共有3513個家庭提供許可接收信息通過郵件包,和一個關於檢查點信息和招聘電話研究(波6組的78%和69%的原始隊列)。的家庭同意接收檢查點的信息研究中,1874個家庭參加(53%的符合條件的參與者中,42%的波6組和37%的原始隊列)。細節關於檢查點的研究設計和方法是可用的。 39 40

提供書麵知情同意參加父/照顧者為自己和他們的孩子參加這項研究。

專業檢查站評估中心按順序參觀七澳大利亞主要城市和八規模較小的地區性中心2015年2月至2016年3月。 39每個參與兒童參加了中心與一個父母或照顧者(通常是生母),參加了各種各樣的措施均與非傳染性疾病相關。那些不可能的家庭(n = 378)安排一個訪問提供一個家訪問。睡眠數據收集通過加速度計安裝在訪問結束的“遊戲結束”站由一個訓練有素的研究助理。在高峰中心吞吐量(主要是學校假期),加速度計需求有時超過了供給。數據67兒童(4.8%)和70(4.9%)的父母因此獲得加速度計,郵寄後訪問。參與者被要求脫下加速度計經過連續八天的磨損和返回他們的完成活動監視器卡片使用預付郵政袋(見下文)。

客觀測量睡眠特征收集使用三軸,可戴GENEActiv加速度計。使用標準化的協議,研究助理與每個父母和孩子同時,安裝加速度計非慣用的手腕,解釋的重要性,連續24小時穿,要求他們穿它連續八天。他們還顯示參與者如何完成自我評定記錄(活動監視器卡)標記他們的睡覺時間和蘇醒時間,以及任何倍non-wear加速度計和原因。研究活動監視器卡數據轉錄電子電子數據捕獲(搬運工)。 41

加速度數據記錄在50 Hz。刪除無效數據,天≥1000分鍾的久坐不動的時間被排除在外,因為這些被認為反映non-wear不被發現。我們也排除參與者少於四個晚上的睡眠 42記錄和參與者≤200分鍾平均睡眠時間。

睡眠時間特征來自原始加速度計數據,使用自我報告記錄的睡覺和起床時間作為指導定位入睡和睡眠偏移量。數據處理使用 眼鏡蛇定製軟件開發的弗朗索瓦•Fraysse合著者。進一步的細節生個加速器已報告數據處理的地方。 43範,他和他的同事們的睡眠算法 44被用來檢測睡眠和清醒之間的自我報告的就寢時間和精力時間。這種方法是基於設備的定位和分類的可變性每個5 s時代睡覺或醒來。這之後,睡眠/喚醒數據進一步陷入1分鍾時代結合其他個加速器的數據。每分鍾是歸類為睡覺或起床如果它包含大部分的睡眠或5 s時代之後,分別。分鍾包含相同數量的睡眠和醒來5 s時代被歸類為睡眠。第一個晚上睡眠數據被排除在外,錄音開始在23:00。

在這之後,下麵的變量計算:

睡眠發作:一開始的第一個連續三分鍾得分與睡眠。

社會經濟地位是來自參與者的主要地址的郵編使用區域的社會經濟指標2011指數相對社會的劣勢,衡量等變量的相對劣勢低收入、低教育程度和失業問題。 45澳大利亞的人口平均評分為1000 (SD 100),得分越高表示少的劣勢。 45

人口統計彙總數據估計重量和運用調查程序,考慮到集群抽樣框架中。SEs計算,考慮到複雜的設計和重量。提供更詳細的計算權重。 39 46睡眠特征都是計算為每個單獨的一天,然後為每個有效的參與者平均超過天使用5:2權重工作日(Sunday-Thursday)和周末(Friday-Saturday)。關鍵的睡眠持續時間和效率的變量是相似的在工作日和周末 表1)。因此,我們研究了一個平均評分為每個睡眠變量檢查,注意的是,然而,入睡和睡眠抵消有點晚了孩子和父母在周末。

父母和孩子之間的一致性評估(1)皮爾森相關係數的95%獨聯體和(2)線性回歸與孩子變量作為因變量和家長變量作為自變量,對於父母和孩子來說都調整年齡和性別(在模型包括男性和女性),相對社會經濟劣勢和天類型(例如,混合天,隻工作日或周末/假期)。在大多數孩子(n = 1241)和父母(n = 1346),測量了兩個周末和工作日(“混合”天),而很少有父母(n = 12)和兒童(n = 20)數據隻在工作日,和沒有父母和孩子數據隻在周末/假期。非生物的照顧者被排除在這些分析(n = 12)。

因為LSAC以人群為基礎的縱向研究中,沒有病人團體參與其設計或行為。據我們所知,公眾並沒有參與研究設計,招聘或LSAC研究的行為或其檢查點模塊。收到衛生報告總結了父母對於孩子和自己或評估訪問後不久。他們同意參加,知道他們也不會受到個別結果對自己或自己的孩子。

表3介紹了摘要統計信息對睡眠特征(睡眠時間、發作、抵消、日常可變性和效率)在澳大利亞中年父母和11 - 12歲兒童, 圖2展示了睡眠時間和效率的分布圖形,用線條代表美國NSF建議下降。 35 47

總體來看,6.4%的父母樣本,但孩子樣本的27.8%,低於NSF的推薦範圍的適當的睡眠時間420 - 540分鍾和540 - 660分鍾,分別。平均睡眠效率為85%的家長和84%的兒童。這相當於42.3%的家長和54.5%的兒童低於NSF的低端 35推薦≥85%。

總的來說,孩子和父母的日常睡眠變化7.4%和9.9%,分別。這相當於一個SD在夜間睡眠時間約42-50最小的孩子和父母,分別。

表4呈現的所有睡眠時間的代際和諧的特征。沒有關聯的減毒在調整線性回歸模型中,建議父母和孩子之間的一致性並沒有改變在調整年齡、劣勢指數,或性類型的一天。估計整個特征比父子母子雙更一致,或許反映出樣本量較小的父親(n = 128, 11.9%的父母參與者)和相應的獨聯體和更大的不確定性更大( 表4);盡管如此,母子和父子關係三個驚人地相似的五個特征(持續時間、睡眠效率和抵消)。更高的相關性對母子和父子對睡眠抵消建議家庭高度的同步性,這也是目前但不標記為睡眠發作。

據我們所知,這是第一個研究親子和諧提供規範性價值觀和報告多個客觀測量睡眠時間特征(睡眠時間、發作、抵消、日常可變性和效率)在以人群為基礎的樣本。

目前公認的指導方針,睡眠時間是足夠的為幾乎所有的父母但隻有72%的11 - 12歲兒童,而接近半數的父母和孩子有經驗的可憐的睡眠質量在當前的建議。 35 47兒童睡眠變化為7.4%和9.9%的父母,相當於一個SD在夜間睡眠時間約42-50分鍾。我們提供的估計父子和母子和諧人口水平,顯示父子在所有指標的相關性,最強的睡眠補償和睡眠發作,母子。

本研究報告有效、可靠、客觀、獨立生存的孩子和家長的睡眠措施。數據是在同一周收集使用相同的協議和設備對孩子和家長,加強我們對父子一致性的結論。

盡管研究的長處,也有研究的局限性。限製包括狹窄的兒童年齡範圍(11 - 12年),從而排除概括其他兒童年齡、二分體的少量的父親和參與而不是三合會。進一步,磨損率高(53%的符合條件的參與者參與)可能有偏見的睡眠的預測,以反映相對得天獨厚的樣本。

還有許多的方法論的問題還需要考慮。首先,睡眠估計已知不同活動檢測儀設備和分析算法。例如,hip-worn監控已被證明高估睡眠效率和持續時間與戴顯示器相比, 48和有效性需要進一步研究不同的算法集成在製造商的軟件已經承認。 49第二,往往很難區分從non-wear睡眠,所以可能會有一些殘留上偏睡眠時間和效率的結果。該算法用於檢測睡眠在這項研究中被報道高估睡眠31分鍾,與多導睡眠描記術相比,用來測量睡眠的標準方法。 44最後,因為大部分我們對睡眠的理解源於自我報告數據,需要謹慎當比較客觀睡眠措施之前的文學作品。睡眠的建議,例如,很大程度上是基於規範的自我報告和專家的意見。 50 51自我報告的睡眠數據很容易記得,報告和社會讚許性偏差和可以提供估計大約30 - 60分鍾超過actigraphy-measured睡眠。 33 52-54

這項研究提供了廣泛的規範性價值觀睡在一個大特點,以人群為基礎的樣本澳大利亞中年人和11 - 12歲的兒童。這些數據為未來的研究提供參考價值的LSAC參與者和可能有助於更好的理解睡眠和健康之間的縱向聯係。

這項研究還確定需要進一步的方法論的研究,以更好地理解和解釋客觀測量睡眠的特點。校準研究不同活動檢測儀device-algorithm組合將有助於進行有意義的比較的睡眠措施從不同的方法獲得。鑒於日益意識到睡眠時間,以及其他的睡眠特點,如時間、可變性和效率,可能對健康十分重要,未來的工作也需要開發參考範圍為所有客觀測量睡眠的特點。

進一步解讀人口環境和遺傳因素對睡眠的作用,未來的研究,研究生物和非生物之間的和諧的睡眠親子配對,以及睡眠的一致性的差異在工作日和周末,是必要的。在當前的研究中,我們還報告一個弱一致性對於大多數睡眠父子對相比之下,母子之間的特征;盡管樣本量較小的父親可能解釋這一發現,母親也有可能繼續承擔調節家庭的傳統角色的例程,如吃飯時間和孩子的睡覺時間和上升時間。然而,在這方麵還需要進一步的研究。

總之,我們提供規範的數據範圍廣泛的不同的睡眠特征澳大利亞11 - 12歲中年父母和孩子。我們的研究表明,環境和遺傳因素可能是睡眠時間的重要決定因素。