Cureus

Objectives: Given the limited pediatric-specific evidence in this area, we aimed to examine the association between federated-level gymnastics participation and sleep quality and sleep timing in adolescents.The global Pittsburgh Sleep Quality Index (PSQI) score was defined as the primary outcome, sleep-timing measures as secondary outcomes, and individual PSQI component analyses as exploratory.Methods: This observational, cross-sectional comparative study included adolescents aged 12 to 16 years participating in federated gymnastics and controls who did not participate in federated sports.Demographic variables included age, sex, and parental educational level, while training-related variables included weekly training duration, number of training sessions, and training schedule.Sleep quality was assessed using the PSQI, and bedtime, wake-up time, sleep duration, and sleep latency were derived from the corresponding PSQI items.Multiple linear regression models included age, sex, maternal educational level, and paternal educational level as covariates.Results: The study included 60 gymnasts and 37 controls, with baseline differences in age, sex distribution, and parental educational level between groups.Gymnasts trained a median of 12.0 hours/week (Q1-Q3: 8.25 to 20.0) over five sessions/week (Q1-Q3: 4 to 6), with a median training-session end time of 20:30 (range: 18:00 to 22:00).In adjusted analyses, gymnast status was associated with later bedtime (B=0.392hours, 95% CI 0.043 to 0.740, p=0.028), whereas no statistically significant association was observed between study group and global PSQI score (B=0.311,95% CI -0.720 to 1.343, p=0.550).Increasing age was associated with later bedtime (B=0.231hours, p=0.004) and shorter sleep duration (B=-0.398hours, 95% CI -0.560 to -0.236, p<0.001).Among gymnasts, training-session end time was not associated with global PSQI score (B=0.141,95% CI -0.344 to 0.625, p=0.563;R²=0.006).Overall, 19/97 participants (19.6%) met the conventional PSQI >5 threshold for poor sleep quality, although an optimal adolescent-specific clinical cutoff has not been definitively established.Conclusion: No statistically significant difference in adjusted global PSQI score was detected between federated adolescent gymnasts and controls.Gymnast status was associated with later bedtime.Approximately one in five participants met the conventional PSQI >5 threshold for poor sleep quality.Given the cross-sectional design, these findings should be interpreted as associations, and larger longitudinal studies incorporating objective sleep measures are warranted.

اهداف: با توجه به شواهد محدود خاص کودکان در این حوزه، هدف ما بررسی ارتباط بین مشارکت در ژیمناستیک سطح فدراسیونی و کیفیت خواب و زمان‌بندی خواب در نوجوانان بود. نمره کلی شاخص کیفیت خواب پیتزبورگ (PSQI) به‌عنوان پیامد اصلی، معیارهای زمان‌بندی خواب به‌عنوان پیامدهای ثانویه و تحلیل اجزای منفرد PSQI به‌عنوان اکتشافی تعریف شدند. روش‌ها: این مطالعه مشاهده‌ای، مقطعی و مقایسه‌ای شامل نوجوانان ۱۶-۱۲ ساله شرکت‌کننده در ژیمناستیک فدراسیونی و گروه کنترل که در ورزش‌های فدراسیونی شرکت نداشتند، بود. متغیرهای جمعیت‌شناختی شامل سن، جنس و سطح تحصیلات والدین و متغیرهای مرتبط با تمرین شامل مدت زمان تمرین هفتگی، تعداد جلسات تمرین و برنامه زمانی تمرین بود. کیفیت خواب با استفاده از PSQI ارزیابی شد و زمان خوابیدن، زمان بیدار شدن، مدت خواب و تأخیر در شروع خواب از آیتم‌های مربوط به PSQI استخراج گردید. مدل‌های رگرسیون خطی چندگانه شامل سن، جنس، سطح تحصیلات مادر و سطح تحصیلات پدر به‌عنوان متغیرهای کمکی بودند. نتایج: مطالعه شامل ۶۰ ژیمناست و ۳۷ نفر گروه کنترل بود و تفاوت‌هایی در سن، توزیع جنسیتی و سطح تحصیلات والدین بین گروه‌ها در ابتدای مطالعه وجود داشت. ژیمناست‌ها به‌طور میانه ۱۲.۰ ساعت در هفته (چارک اول تا سوم: ۸.۲۵ تا ۲۰.۰) در پنج جلسه در هفته (چارک اول تا سوم: ۴ تا ۶) تمرین داشتند و زمان پایان جلسه تمرین به‌طور میانه ۲۰:۳۰ (دامنه: ۱۸:۰۰ تا ۲۲:۰۰) بود. در تحلیل‌های تعدیل‌شده، وضعیت ژیمناست بودن با زمان خوابیدن دیرتر ارتباط داشت (B=0.392 ساعت، ۹۵٪ CI: ۰.۰۴۳ تا ۰.۷۴۰، p=0.028)، در حالی که ارتباط معنادار آماری بین گروه مطالعه و نمره کلی PSQI مشاهده نشد (B=0.311، ۹۵٪ CI: ‎-۰.۷۲۰ تا ۱.۳۴۳، p=0.550). افزایش سن با زمان خوابیدن دیرتر (B=0.231 ساعت، p=0.004) و مدت خواب کوتاه‌تر (B=‎-۰.۳۹۸ ساعت، ۹۵٪ CI: ‎-۰.۵۶۰ تا ‎-۰.۲۳۶، p<0.001) ارتباط داشت. در میان ژیمناست‌ها، زمان پایان جلسه تمرین با نمره کلی PSQI ارتباطی نداشت (B=0.141، ۹۵٪ CI: ‎-۰.۳۴۴ تا ۰.۶۲۵، p=0.563؛ R²=0.006). به‌طور کلی، ۱۹ نفر از ۹۷ شرکت‌کننده (۱۹.۶٪) آستانه متعارف PSQI >5 برای کیفیت خواب ضعیف را داشتند، هرچند آستانه بالینی بهینه خاص نوجوانان به‌طور قطعی تعیین نشده است. نتیجه‌گیری: تفاوت معنادار آماری در نمره کلی تعدیل‌شده PSQI بین ژیمناست‌های نوجوان فدراسیونی و گروه کنترل مشاهده نشد. وضعیت ژیمناست بودن با زمان خوابیدن دیرتر ارتباط داشت. تقریباً یک نفر از هر پنج شرکت‌کننده آستانه متعارف PSQI >5 برای کیفیت خواب ضعیف را داشت. با توجه به طراحی مقطعی، این یافته‌ها باید به‌عنوان ارتباط تفسیر شوند و مطالعات طولی بزرگ‌تر با استفاده از سنجه‌های عینی خواب توصیه می‌شود.

Introduction: The Convention on the Rights of Persons with Disabilities (CRPD) enumerates a broad, heterogeneous set of rights and requires their monitoring.The Human Rights-Based Well-Being Checklist (HRWC) is a 39-item instrument aligned with the CRPD; it covers this heterogeneous content, and no subscales were defined at its development.Using exploratory network analysis, we examined the response structure of the HRWC to clarify its descriptive interpretation and to assess whether empirically detected item communities were sufficiently stable to justify subscale construction or item removal.The focal case was a set of eight items that are reverse-keyed in the scoring scheme and framed in terms of adverse rightsrelated experiences (Items 1-4, 12, 14, 17, and 18).This set was defined by the scoring scheme independently of the network results; the decision to focus on it was post hoc.Methods: This secondary analysis used registry data from adults with disabilities in Muntinlupa, Philippines (N = 1,014).The HRWC is a self-report instrument whose items describe day-to-day situations corresponding to CRPD rights; each item is scored 0-4, giving a possible total of 0-156.Regularized partial-correlation networks, in which each edge represents the association between two items after accounting for all the other items, were estimated under two parallel specifications: rank-based Spearman correlations, which use only the rank order of the responses, and polychoric correlations, which treat each response as a coarsened observation of an underlying continuous variable.Item communities, that is, groups of items more densely interconnected with one another than with the rest of the network, were detected with the Walktrap algorithm, and their reproducibility was examined in 1,000 bootstrap resamples per specification.Results: Under Spearman estimation, the eight items formed one community containing no other items (27 of 28 possible within-set edges positive and nonzero; one absent), were retained across algorithms, regularization settings, and the nonparanormal network, and were reproduced in 885 of the 1,000 resamples (88.5%).Under polychoric estimation, the Walktrap point estimate divided the eight items along a shared stem (Items 1-4 versus 12, 14, 17, 18), although three alternative detection algorithms recovered that single community; the same eight-item-only community recurred under Walktrap in 333 of the 1,000 resamples (33.3%).Whether the eight items formed one community or two subgroups, thus, varied with the correlation method, the detection algorithm, and the resample.Conclusions: Item-level profiles and the existing unweighted total serve different descriptive functions.Item-level profiles preserve information on the distinct CRPD-related conditions represented by individual items, whereas the unweighted total can provide a concise summary across all 39 responses.Substantive content could not be separated from keying, shared stems, item position, or response distributions, and the findings provide no empirical support from these analyses for constructing subscales or removing items on the basis of the observed network communities.

مقدمه: کنوانسیون حقوق افراد دارای معلولیت (CRPD) مجموعه‌ای گسترده و ناهمگون از حقوق را برمی‌شمارد و نظارت بر آن‌ها را الزامی می‌داند. چک‌لیست بهزیستی مبتنی بر حقوق بشر (HRWC) یک ابزار ۳۹ گویه‌ای منطبق با CRPD است؛ این ابزار محتوای ناهمگون مذکور را پوشش می‌دهد و در زمان تدوین آن هیچ زیرمقیاسی تعریف نشده است. با استفاده از تحلیل شبکه‌ای اکتشافی، ساختار پاسخ‌های HRWC را به منظور روشن‌سازی تفسیر توصیفی آن و ارزیابی این‌که آیا خوشه‌های گویه‌ای شناسایی‌شده به طور تجربی به اندازه کافی پایدار هستند تا ساخت زیرمقیاس یا حذف گویه را توجیه کنند، بررسی کردیم. مورد کانونی، مجموعه‌ای از هشت گویه بود که در طرح نمره‌گذاری به صورت معکوس‌کلید هستند و با چارچوب تجارب منفی مرتبط با حقوق بیان شده‌اند (گویه‌های ۱ تا ۴، ۱۲، ۱۴، ۱۷ و ۱۸). این مجموعه به طور مستقل از نتایج شبکه و صرفاً بر اساس طرح نمره‌گذاری تعریف شده بود؛ تصمیم برای تمرکز بر آن پس از تحلیل اتخاذ شد. روش‌ها: این تحلیل ثانویه از داده‌های ثبتی بزرگسالان دارای معلولیت در مونتینلوپا، فیلیپین (N = 1,014) استفاده کرد. HRWC یک ابزار خودگزارشی است که گویه‌های آن موقعیت‌های روزمره متناظر با حقوق CRPD را توصیف می‌کند؛ هر گویه از ۰ تا ۴ نمره می‌گیرد و مجموع کل ممکن ۰ تا ۱۵۶ است. شبکه‌های همبستگی جزئی منظم‌شده، که در آن هر یال نمایانگر ارتباط بین دو گویه پس از کنترل سایر گویه‌ها است، تحت دو مشخصه موازی برآورد شد: همبستگی‌های اسپیرمن مبتنی بر رتبه که فقط ترتیب رتبه پاسخ‌ها را لحاظ می‌کند، و همبستگی‌های پلی‌کوریک که هر پاسخ را به عنوان مشاهده‌ای رده‌بندی‌شده از یک متغیر پیوسته زیربنایی در نظر می‌گیرد. خوشه‌های گویه‌ای، یعنی گروه‌هایی از گویه‌ها که به طور متراکم‌تری با یکدیگر نسبت به سایر شبکه مرتبط‌اند، با الگوریتم Walktrap شناسایی شد و قابلیت بازتولید آن‌ها در ۱٬۰۰۰ نمونه‌گیری بوت‌استرپ برای هر مشخصه بررسی گردید. یافته‌ها: در برآورد اسپیرمن، هشت گویه یک خوشه تشکیل دادند که هیچ گویه دیگری در آن نبود (۲۷ از ۲۸ یال ممکن درون‌مجموعه‌ای مثبت و غیرصفر؛ یکی غایب)، این خوشه در الگوریتم‌ها، تنظیمات منظم‌سازی و شبکه نانورمال نیز حفظ شد و در ۸۸۵ از ۱٬۰۰۰ نمونه‌گیری (۸۸٫۵٪) بازتولید گردید. در برآورد پلی‌کوریک، برآورد نقطه‌ای Walktrap این هشت گویه را بر اساس ساقه مشترک به دو گروه تقسیم کرد (گویه‌های ۱ تا ۴ در مقابل ۱۲، ۱۴، ۱۷، ۱۸)، هرچند سه الگوریتم شناسایی جایگزین همان خوشه واحد را بازیابی کردند؛ همان خوشه هشت‌گویه‌ای در ۳۳۳ از ۱٬۰۰۰ نمونه‌گیری (۳۳٫۳٪) با Walktrap تکرار شد. بنابراین، این‌که هشت گویه یک خوشه یا دو زیرگروه تشکیل دهند، به روش همبستگی، الگوریتم شناسایی و نمونه‌گیری بستگی داشت. نتیجه‌گیری: پروفایل‌های سطح گویه و مجموع بدون وزن عملکرد توصیفی متفاوتی دارند. پروفایل‌های سطح گویه اطلاعات مربوط به شرایط متمایز مرتبط با CRPD را که هر گویه نمایندگی می‌کند حفظ می‌کنند، در حالی که مجموع بدون وزن می‌تواند خلاصه‌ای فشرده از کل ۳۹ پاسخ ارائه دهد. محتوای مفهومی از کلیدگذاری، ساقه مشترک، موقعیت گویه یا توزیع پاسخ‌ها قابل تفکیک نبود و یافته‌ها هیچ شواهد تجربی برای ساخت زیرمقیاس یا حذف گویه‌ها بر اساس خوشه‌های شبکه مشاهده‌شده ارائه نمی‌دهند.