萤幕试验(www.clinicaltrials.gov- NCT03788525)是一项两组平行组群随机试验,有两个干预组,没有对照组(“SCREENS”不是首字母缩写)。该试验的数据收集于2018年10月至2019年3月之间。试点试验的总体目的是评估纳入的干预措施和纳入的测量方案的依从性,以及基于调查的招聘策略的可行性。
根据丹麦数据保护局的规定,数据收集报告给了当地数据保护部门SDU里约热内卢(ID: 10.391)。
参与者
丹麦米德尔法特市的家庭如果家中至少有一个6-10岁的孩子(n= 1686)。2018年10月,一份关于家庭屏幕媒体习惯的调查数字信件被直接发送给每个家庭中随机选择的父母。除了调查之外,最后一页还提供了对SCREENS试点试验的简短描述。在这里,受访者可以注明他们是否有兴趣了解更多关于这项研究的信息。根据调查结果,如果随机选择的父母使用屏幕媒体的总时间高于所有受访者的中位数(2.7小时/天),那么这些家庭就有资格参与调查。n=394),因为该试验包括了干预措施,其目的是减少家庭屏幕媒体的使用。在他们回答调查时,我们只检查了他们使用父母屏幕媒体的情况。家庭中的所有儿童都必须是4岁或以上,以避免由于婴儿或学步儿童的夜间觉醒模式而对睡眠测量造成潜在的干扰。
在电话中进一步评估了试验的资格。家庭必须符合下列纳入标准:
参与者的排除基于以下标准:
符合条件的家庭在家中开会时被告知试验的内容。另外还计划与同意参加的家庭举行三次会议。这些会议的目的是建立基线测量(基线第1天),执行随机化程序(基线第8天),并收集测量设备(实验第15天)。还计划通过电话提醒参与者开始后续测量(实验第8天)(图。1).
样本大小
我们认为,纳入12个至少有一个孩子和一个成年人的家庭,预计总样本量超过30人,足以调查干预措施的可行性和依从性,以及我们计划在未来的确定试验中使用的评估方法。先验样本量计算被认为是不相关的,因为功效的假设检验不是试点试验的目标。
干预措施
入选的家庭被随机分配到两种屏幕媒体限制干预措施中的一种;一般限制组或晚间限制组。一般限制组的人必须交出智能手机和平板电脑,并将所有休闲屏幕媒体用于娱乐目的的时间限制在2周内每周每人最多3小时。被随机分配到晚间限制组的家庭必须在两周内,在下午6点之后停止所有休闲屏幕媒体的使用。关于干预的组成部分的更详细的描述可以在其他地方找到(www.clinicaltrial.gov(NCT04098913武器和干预”))。
随机序列生成由Odense患者探索网络随机(OPEN R)完成。OPEN R提供的在线平台用于在参与者家中执行随机化,确保分配隐藏,直到分配屏幕媒体限制干预。随机分组为2-4个家庭,并根据家庭中的兄弟姐妹地位(独生子女/非独生子女)进行分层。
测量协议
家庭在基线和连续8天的随访中接受了广泛的测量方案(图。1).本文将重点研究基于脑电图的睡眠评估。关于测量协议的其余组件的详细信息可以在其他地方找到(Rasmussen等人,2020).
睡眠评估
使用基于单通道脑电图的睡眠设备(Zmachine)在基线和随访时连续三个晚上客观地测量了家庭的睡眠。参与者被要求在测量方案的第一个晚上(仅在基线时包括测试夜)和最后三个晚上佩戴设备。如果一个家庭在周三开始基线测量,那么睡眠评估的晚上是周三(测试之夜)、周日、周一和周二。我们将测试夜纳入基线,以防止参与者的睡眠因佩戴Zmachine的新奇性而受到影响。
参与者被要求在就寝前大约30分钟将三个传感器连接到脑后,这被定义为“当你躺在床上准备闭上眼睛去睡觉的时候”。一个传感器被放置在发际线以下的颈部(地面),另一个传感器被放置在每只耳朵后面的差异乳突(信号)上(Wang等人,2015).我们为Zmachine定制了一个弹性口袋,参与者被指示在睡觉时将其固定在一个弹性腰带上(图2)。2和附加文件1).我们开发了口袋,这样设备和电缆就可以固定在皮带上,从而消除了睡觉时电线缠绕脖子的风险。这个解决方案主要是为之前没有测试过该设备的儿童开发的。参与者被要求在睡觉前将电缆连接到传感器和Zmachine上。
Zmachine算法以30秒为周期,将脑电图信号分为五个不同的类别;1)清醒,2)轻度睡眠(N1和N2阶段),3)深度睡眠(N3阶段),4)快速眼动睡眠(rem睡眠)和5)传感器问题(如果传感器连接失败)。Zmachine算法基于每个受试者的脑电图信号数据(第一个测试晚上)开发了一个独特的睡眠签名,考虑到个体差异,例如年龄和头骨厚度,使用无监督算法方法(Kaplan等人,2014).Kaplan等人发现,与多控睡眠描记技术专家相比,Zmachine算法在成人睡眠和觉醒评分方面具有较高的灵敏度(95.5%)和特异性(92.5%)(Kaplan等人,2014).Wang等人将Z-PLUS算法与Z-ALG算法与多导睡眠记录仪技术专家评分的睡眠阶段进行了比较,发现它在成人中具有72%至91%的高灵敏度(Kaplan等人,2014;Wang等人,2015).
参与者还报告了每天的就寝时间和醒来时间,以便粗略计算自我报告的总睡眠时间。
总睡眠时间被定义为轻度睡眠、深度睡眠和快速眼动睡眠时间的总和。睡眠开始潜伏期计算为从应用Zmachine设备到第一个被记录为睡眠的时间。睡眠开始后的觉醒被计算为第一个纪元和最后一个纪元之间的觉醒时间。
可行性评估
合规
先验地,在基线和随访中至少完成2 / 3晚的参与者被定义为合规(见NCT04098913)www.clinicaltrial.gov在“次要结果测量”下)。更具体地说,参与者只有在3个晚上中有2个晚上提供了来自Zmachine的完整睡眠数据,才会被认为是合规的。
在没有收集到数据的情况下,通过手动查看睡眠数据记录,在自我报告的总睡眠时间和客观测量的总睡眠时间之间相差超过1小时的情况下,确定了设备故障(例如由于低电量或电缆断开)。随后,如果睡眠数据记录在夜间停止,并且当晚其余时间没有收集到数据(这是设备故障的强烈指标),则排除某一晚。
感知到的可行性
成年人还代表他们自己和他们的孩子完成了一份关于睡眠评估可行性的调查问卷。该问卷是作者根据设备内部测试的经验制定的。调查问卷包含了各种关于睡眠设备使用的问题,例如:“睡眠设备在睡眠前、睡眠中或睡眠后的影响程度如何?”(所有问题都在下面的结果部分列出感知到的可行性).
统计方法
基线特征计算使用中位数和四分位间范围的连续变量和比例的分类变量。儿童和成人的特征分别呈现;在两个干预组内和两个组合并。
对睡眠方案的遵守程度按比例计算。通过计算每个响应类别的比例来报告感知的可行性。
根据所有夜晚完整的睡眠数据计算每个人的基线和所有睡眠参数的随访平均值。这些方法分别基于每个人在基线和随访时至少两晚和最多三晚的完整睡眠数据。计算基线和随访时所有睡眠参数的组均值和标准差。计算基线评分与随访评分之间的Pearson相关系数。用随访时的组均值减去基线时的组均值,计算睡眠参数的组均值变化和标准差。并非所有睡眠参数都遵循严格的正态分布;尽管如此,我们提出了方法和标准偏差,以告知未来的样本量计算。所有睡眠参数的中位数和四分位范围也在附加文件中给出2.我们根据-的标准差以及两组评分合并时基线评分和随访评分之间的相关性进行补充样本量估计(附加文件)3.).
所有统计计算均在STATA IC 16软件(Statacorp)中进行。