Análise multivariada da qualidade do sono em algumas comunidades do Sertão do Pajeú-PE

Autores

  • Jucarlos Rufino de Freitas Universidade Federal Rural de Pernambuco
  • André Luiz Pinto dos Santos Universidade Federal Rural de Pernambuco
  • José Eduardo Silva Universidade Federal Rural de Pernambuco
  • Ana Luíza Xavier Cunha Universidade Federal Rural de Pernambuco
  • Ana Patrícia Siqueira Tavares Falcão Instituto Federal de Educação, Ciência e Tecnologia - Campus Vitória – IFPE
  • Guilherme Rocha Moreira Universidade Federal Rural de Pernambuco
  • Rejane Magalhães de Mendonça Pimentel Universidade Federal Rural de Pernambuco
  • Moacyr Cunha Filho Universidade Federal Rural de Pernambuco -UFRPE

DOI:

https://doi.org/10.24221/jeap.5.3.2020.2630.263-273

Palavras-chave:

Cochilar, modelagem, fatores associados, predição.

Resumo

O sono é um fator indispensavél para a Qualidade de Vida (QV), importante para a saúde corporal e a mental, além de proporcionar uma melhoria no bem-estar humano. Com isso, o objetivo deste estudo foi avaliar e modelar a Qualidade do Sono (QS) em algumas comunidades do Sertão do Pajeú/PE, aplicando o Índice de Qualidade do Sono de Pittsburgh e o perfil sociodemográfico. Foi realizado um estudo tipo corte transversal em setembro de 2015, incluindo 73 moradores. O estudo estatístico foi baseado no Modelo Logístico Multivariado (MLM), que é um caso particular dos Modelos Lineares Generalizados (MLGs). Foi realizada uma análise dos fatores que contribuíram para os componentes de transtornos do sono, destacando-se a necessidade de levantar-se e dirigir-se ao banheiro (56,3%) e o despertar noturno ou diurno (54,8%), ao menos uma vez por semana. Os resultados do MLM neste estudo revelaram que, além da variável cochilar, as variáveis “Estado Civil”, “Gênero” e “Idade” são consideradas fatores explicativos da QV, verificando-se que a área sob a curva ROC correspondente ao valor de 0,79, demostrou um aceitável poder de discriminação de acordo com a classifiação dada por hosmer e Lemeshow. Estudos que visam avaliar e modelar a QS de determinada população, em especial agricultores familiares, são importantes, pois poderão identificar fatores que influenciam direta ou indiretamente na QV.

Downloads

Não há dados estatísticos.

Biografia do Autor

Jucarlos Rufino de Freitas, Universidade Federal Rural de Pernambuco

Universiade Federal Rural de Pernambuco, Departamento de Estatística e Informática da UFRPE, Estatística Aplicada e Experimental.

André Luiz Pinto dos Santos, Universidade Federal Rural de Pernambuco

Universiade Federal Rural de Pernambuco, Departamento de Estatística e Informática da UFRPE, Estatística Aplicada e Experimental.

José Eduardo Silva, Universidade Federal Rural de Pernambuco

Universiade Federal Rural de Pernambuco, Departamento de Estatística e Informática da UFRPE, Estatística Aplicada e Experimental.

Ana Luíza Xavier Cunha, Universidade Federal Rural de Pernambuco

Universidade Federal Rural de Pernambuco – UFRPE, Departamento de Engenharia Ambiental.

Ana Patrícia Siqueira Tavares Falcão, Instituto Federal de Educação, Ciência e Tecnologia - Campus Vitória – IFPE

Instituto Federal de Educação, Ciência e Tecnologia - Campus Vitória – IFPE

Guilherme Rocha Moreira, Universidade Federal Rural de Pernambuco

Universiade Federal Rural de Pernambuco, Departamento de Estatística e Informática da UFRPE, Estatística Aplicada e Experimental.

Rejane Magalhães de Mendonça Pimentel, Universidade Federal Rural de Pernambuco

Universidade Federal Rural de Pernambuco – UFRPE, Departamento de Biologia.

Moacyr Cunha Filho, Universidade Federal Rural de Pernambuco -UFRPE

Universiade Federal Rural de Pernambuco, Departamento de Estatística e Informática da UFRPE, Estatística Aplicada e Experimental.

Referências

Agresti, A. 2007. Logistic regression. An Introduction to Categorical Data Analysis, Second Edition, John Wiley & Sons, Inc. New Jersey, pp. 99-136.

Âkerstedt, T.; Ghilotti, F.; Grotta, A.; Zhao, H.; Adami, H. O.; Trolle‐Lagerros, Y.; Bellocco, R. 2019. Sleep duration and mortality-Does weekend sleep matter? Journal of Sleep Research, 28, (1), e1271. Doi: 10.1111/jsr.12712.

Beltrami, F. G.; Nguyen, X. L.; Pichereau, C.; Maury, E.; Fleury, B.; Fagondes, S. 2015. Sono na unidade de terapia intensiva. Jornal Brasileiro de Pneumologia, 41, (6), 539-546. Doi: 10.1590/s1806-37562015000000056.

Bichara, I. M.; Vilar, L. G.; Zadra, P. F.; Nalon, J. V. L.; Anacleto Junior, M. A.; Enes, T. B.; Pimentel, A. C. L.; Baldoni, A. O. 2019. Educação e medidas não farmacológicas que promovam uma boa qualidade do sono: uma necessidade emergente para os idosos. Revista Brasileira de Extensão Universitária, 10, (1), 35-42. Doi: 10.24317/2358-0399.2019v10i1.8214.

Buysse, D. J.; Reynolds, C. F.; Monk, T. H.; Berman, S. R.; Kupfer, D. J. 1989. The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research. Psychiatry Research, 28, (2), 193-213. Doi: 10.1016/0165-1781(89)90047-4.

Cardoso, H. C.; Bueno, F. C. de C.; Mata, J. C. da; Alves, A. P. R.; Jochims, I.; Vaz Filho, I. H. R.; Hanna, M. M. 2009. Avaliação da qualidade do sono em estudantes de Medicina. Revista Brasileira de Educação Médica, 33, (3), 349-355. Doi: 10.1590/S0100-550200900300005.

Carone, C. M. D. M.; Silva, B. D. P. D.; Rodrigues, L. T.; Tavares, P. D. S.; Carpena, M. X.; Santos, I. S. 2020. Fatores associados a distúrbios do sono em estudantes universitários. Caderno de Saúde Pública, 36, (3), e00074919. Doi: 10.1590/0102-311X00074919.

Cole, J. C.; Motivala, S. J.; Buysse, D. J.; Oxman, M. N.; Levin, M. J.; Irwin, M. R. 2006. Validation of a 3-factor scoring model for the Pittsburgh sleep quality index in older adults. Sleep, 29, (1), 112-116. Doi: 10.1093/sleep/29.1.112.

Cordeiro, G. C.; Lima Neto, E. A. 2004. Modelos Paramétricos. Recife: Associação Brasileira de Estatística. 246p.

Dorland, W. A. N. 2012. Dorland's Illustrated Medical Dictionary 32ed, Philadelphia, Elsevier Health Sciences, 2176p.

Fernandes, R. M. F. 2006. O sono normal. Medicina, 39, (2), 157-168. Doi: 10.11606/issn.2176-7262.v39i2p157-168.

Figueira, C. V. 2006. Modelos de regressão logística. Dissertação. Universidade Federal do Rio Grande do Sul, Porto Alegre, Brasil. 149p.

Fontaine, D. K.; Briggs, L. P.; Pope-Smith, B. 2001. Designing humanistic critical care environments. Critical Care Nursing Quarterly, 24, (3), 21-34. Doi: 10.1097/00002727-200111000-00003.

Hosmer Jr, D. W.; Lemeshow, S.; Sturdivant, R. X. 2013. Applied logistic regression [S.l.]: John Wiley & Sons, 398p.

Hublin, C.; Lehtovirta, M.; Partinen, M.; Koskenvuo, M.; Kaprio, J. 2016. Napping and the risk of type 2 diabetes: a population-based prospective study. Sleep Medicine, 17, 144-148. Doi: 10.1016/j.sleep.2015.11.004.

Hunsley, J.; Mash, E. J. 2008. A guide to assessments that work. 1st ed., Oxford University Press, New York, 697p.

Kaliyaperumal, D.; Elango, Y.; Alagesan, M.; Santhanakrishanan, I. 2017. Effects of sleep deprivation on the cognitive performance of nurses working in shift. Journal of Clinical and Diagnostic Research, 11, (8), CC01. Doi: 10.7860/JCDR/2017/26029.10324.

King, A. C.; Oman, R. F.; Brassington, G. S.; Bliwise, D. L.; Haskell, W. L. 1997. Moderate-intensity exercise and self-rated quality of sleep in older adults: a randomized controlled trial. Jama, 277, (1), 32-37. Doi: 10.1001/jama.1997.03540250040029.

Leng, Y.; Redline, S.; Stone, K. L.; Ancoli-Israel, S.; Yaffe, K. 2019. Objective napping, cognitive decline, and risk of cognitive impairment in older men. Alzheimer's & Dementia, 15, (8), 1039-1047. Doi: 10.1016/j.jalz.2019.04.009.

Li, J.; Vitiello, M. V.; Gooneratne, N. S. 2018. Sleep in normal aging. Sleep Medicine Clinics, 13, (1), 1-11. Doi: 10.1016/j.jsmc.2017.09.001.

Lucchesi L. M.; Hallinan M. P.; Lucchesi M.; Moraes W. A. 2005. Sleep in psychiatric disorders. Revista Brasileira de Psiquiatria, 27, 27-32. Doi: 10.1590/s1516-44462005000500006.

Mansano-Schilosser, T. C.; Ceolim, M. F. 2012. Factores asociados a la calidad del sueño de mayores sometidos a la quimioterapia. Revista Latino-Americana de Enfermagem, 20, (6), 1100-1108. Doi: 10.1590/S0104-11692012000600012.

Mollayeva, T.; Thurairajah, P.; Burton, K.; Mollayeva, S.; Shapiro, C. M.; Colantonio, A. 2016. The Pittsburgh sleep quality index as a screening tool for sleep dysfunction in clinical and non-clinical samples: A systematic review and meta-analysis. Sleep Medicine Reviews, 25, 52-73. Doi: 10.1016/j.smrv.2015.01.009.

Müller, M. J.; Olschinski, C.; Kundermann, B., Cabanel, N. 2016. Subjective sleep quality and sleep duration of patients in a psychiatric hospital. Sleep Science, 9, (3), 202-206. Doi: 10.1016/j.slsci.2016.08.004.

Neikrug, A. B.; Ancoli-Israel, S. 2010. Sleep disorders in the older adult-a mini-review. Gerontology, 56, (2), 181-189. Doi: 10.1159/000236900.

Nelder, J. A.; Baker, R. J. Generalized linear models. [S.l.]: Wiley Online Library, 1972.

Pascotto, A. C.; Santos, B. R. M. 2013. Avaliação da qualidade do sono em estudantes de ciências da saúde. Revista do Instituto de Ciências da Saúde, 31, (3), 306-310.

Paula, G. A. 2004. Modelos de regressão: com apoio computacional, pp. 28-55. São Paulo: IME-USP.

Tomfohr, L. M.; Schweizer, C. A.; Dimsdale, J. E.; Loredo, J. S. 2013. Psychometric characteristics of the Pittsburgh Sleep Quality Index in English speaking non-Hispanic whites and English and Spanish speaking Hispanics of Mexican descent. Journal of Clinical Sleep Medicine, 9, (1), 61-66. Doi: 10.5664/jcsm.2342.

Venables, W. N.; Ripley, B. D. 2013. Modern applied statistics with S-PLUS. Springer Science & Business Media, pp. 113.

Yamada, T.; Hara, K.; Shojima, N.; Yamauchi, T.; Kadowaki, T. 2015. Daytime napping and the risk of cardiovascular disease and all-cause mortality: a prospective study and dose-response meta-analysis. Sleep, 38, (12), 1945-1953, Doi: 10.5665/sleep.5246.

Publicado

2020-07-22

Como Citar

Freitas, J. R. de, Santos, A. L. P. dos, Silva, J. E., Cunha, A. L. X., Falcão, A. P. S. T., Moreira, G. R., Pimentel, R. M. de M., & Cunha Filho, M. (2020). Análise multivariada da qualidade do sono em algumas comunidades do Sertão do Pajeú-PE. Journal of Environmental Analysis and Progress, 5(3), 263–273. https://doi.org/10.24221/jeap.5.3.2020.2630.263-273