Magdalena Agnieszka Wrzesińska

Objectives This study aimed to describe shift work patterns in Europe using a data-driven approach and evaluate their impact on adverse sleep outcomes. Methods We analyzed 6245 participants from the SHIFT2HEALTH survey across eight European countries, who provided information on work schedules, shift work metrics, sleep quality and timing (MCTQshift) across different shifts, and chronic insomnia (Insomnia Severity Index). We used mixtures of von Mises-Fisher models to identify shift clusters based on shift start and end times and evaluated differences in shift-specific sleep duration and quality using Bayesian multilevel models. Associations of shift metrics with short average sleep duration and chronic insomnia, adjusting for confounders, were evaluated using Bayesian logistic regression. Results We identified five shift clusters: day, evening and night (mean shift lengths: 7.8, 7.9 and 9.5 hours, respectively), long day and long evening (mean lengths: 10.5 and 12.8 hours, respectively). Sleep duration and quality varied between clusters, with the shortest duration [mean 6.00, 95% credible interval (CI) 5.95–6.06 hours] and poorest quality (29.3% “poor”/“very poor”) sleep reported between night shifts. Compared to day workers, greater chronic insomnia odd ratios (OR) were observed among participants with >90% night shifts (OR 1.26, 95% CI 1.01–1.58), rotating shifts (OR 1.42, 95% CI 1.22–1.65) and with longer night work history (OR ≥16 years 1.28, 95% CI 1.08–1.52). These variables and longer weekly working hours [OR 6.10h increase 1.13, 95% CI 1.04–1.22) were associated with short sleep. Conclusions Data-driven analyses of work schedules may provide a more comprehensive evaluation of the impact of real-world shift work patterns on sleep.

اهداف: این مطالعه با هدف توصیف الگوهای شیفت کاری در اروپا با رویکرد مبتنی بر داده و ارزیابی تأثیر آن‌ها بر پیامدهای نامطلوب خواب انجام شد. روش‌ها: ما داده‌های ۶۲۴۵ شرکت‌کننده از پیمایش SHIFT2HEALTH در هشت کشور اروپایی را که اطلاعاتی درباره برنامه‌های کاری، شاخص‌های شیفت کاری، کیفیت و زمان‌بندی خواب (MCTQshift) در شیفت‌های مختلف و بی‌خوابی مزمن (شاخص شدت بی‌خوابی) ارائه داده بودند، تحلیل کردیم. برای شناسایی خوشه‌های شیفت بر اساس زمان شروع و پایان شیفت‌ها، از مدل‌های ترکیبی von Mises-Fisher استفاده شد و تفاوت‌های مدت و کیفیت خواب مختص هر شیفت با استفاده از مدل‌های چندسطحی بیزی ارزیابی گردید. ارتباط شاخص‌های شیفت با مدت خواب کوتاه متوسط و بی‌خوابی مزمن، با کنترل متغیرهای مخدوش‌کننده، با استفاده از رگرسیون لجستیک بیزی بررسی شد. نتایج: پنج خوشه شیفت شناسایی شد: روز، عصر و شب (میانگین طول شیفت‌ها: به‌ترتیب ۷.۸، ۷.۹ و ۹.۵ ساعت)، روز طولانی و عصر طولانی (میانگین طول: به‌ترتیب ۱۰.۵ و ۱۲.۸ ساعت). مدت و کیفیت خواب بین خوشه‌ها متفاوت بود، به‌طوری که کوتاه‌ترین مدت خواب [میانگین ۶.۰۰، بازه اطمینان ۹۵٪ (CI) ۵.۹۵–۶.۰۶ ساعت] و پایین‌ترین کیفیت خواب (۲۹.۳٪ «ضعیف»/«بسیار ضعیف») بین شیفت‌های شب گزارش شد. در مقایسه با کارکنان روزکار، نسبت شانس (OR) بی‌خوابی مزمن در شرکت‌کنندگانی با بیش از ۹۰٪ شیفت شب (OR 1.26، CI 1.01–1.58)، شیفت‌های چرخشی (OR 1.42، CI 1.22–1.65) و سابقه طولانی‌تر کار شبانه (OR ≥16 سال 1.28، CI 1.08–1.52) بیشتر بود. این متغیرها و ساعات کاری هفتگی طولانی‌تر [OR افزایش ۶.۱۰ ساعت 1.13، CI 1.04–1.22] با خواب کوتاه مرتبط بودند. نتیجه‌گیری: تحلیل‌های مبتنی بر داده از برنامه‌های کاری می‌تواند ارزیابی جامع‌تری از تأثیر الگوهای واقعی شیفت کاری بر خواب ارائه دهد.