Skip to main content
PMC home page
Revista de Saúde Pública logoLink to Revista de Saúde Pública
. 2023 Sep 14;57:60. doi: 10.11606/s1518-8787.2023057004957
View full-text in Portuguese

Modifiable behavioral risk factors for NCDs and sleep in Brazilian adolescents

Raina Jansen Cutrim Propp Lima I, Mônica Araujo Batalha II, Cecília Cláudia Costa Ribeiro III, Pedro Martins Lima Neto IV, Antônio Augusto Moura da Silva II, Rosângela Fernandes Lucena Batista II
PMCID: PMC10519685  PMID: 37878846

ABSTRACT

OBJECTIVE

To analyze the association between modifiable behavioral risk factors for non-communicable diseases and sleep parameters in Brazilian adolescents.

METHODS

This was a cross-sectional study that used data from the RPS Cohort Consortium, São Luís, Brazil for the follow-up of adolescents aged 18–19 years (n = 2,515). The outcomes were excessive daytime sleepiness (Epworth Sleepiness Scale – ESS) and sleep quality (Pittsburgh Sleep Quality Index – PSQI). The exposures of interest were the behavioral risk factors for non-communicable diseases (NCDs): screen time, physical inactivity, alcohol, smoking, illicit drugs, caffeine intake, and consumption of sugar-sweetened beverages. Excess weight was considered a possible mediator of this association between the exposures of interest and the outcomes. The models were analyzed by modeling with structural equations.

RESULTS

Physical inactivity (standardized coefficient, SC = 0.112; p = 0.001), higher consumption of alcohol (SC = 0.168; p = 0.019) and of sugar-sweetened beverages (SC = 0.128; p < 0.001) were associated with excessive daytime sleepiness in adolescents; better socioeconomic status was also associated with this outcome (SC = 0.128; p < 0.001). Physical inactivity (SC = 0.147; p < 0.001) and higher consumption of sugar-sweetened beverages (SC = 0.089; p = 0.003) were also associated with poor sleep quality. Overweight was neither a mediator nor associated with sleep quality or excessive daytime sleepiness.

CONCLUSIONS

The main modifiable behavioral risk factors for NCDs are associated with worse sleep parameters already in adolescence, which serves as a warning toward the accumulation of risks for sleep disorders in the future.

Keywords: Sleep, Adolescent Health, Sleepiness, Sedentary Behavior, Alcohol Consumption, Sugar-Sweetened Beverages

INTRODUCTION

Sleep is an essential biological process for survival and is important for the physical, mental, and social well-being of individuals1. Since it is essential for healthy development, the American Academy of Sleep Medicine recommends that adolescents should regularly sleep 8 to 10 hours a day, an amount associated with better health outcomes and quality of life2.

Adolescence is a period marked by changes in sleep patterns due to biological, environmental, and psychosocial factors, such as pubertal maturation, circadian rhythm regulation, and less regular schedules3. These changes are characterized by diurnal sleep dysfunctions, which, in turn, are risk factors for excessive daytime sleepiness in this age group4. Adolescents are not getting enough sleep, and this is a chronic problem worldwide. However, many of the factors that contribute to the current “epidemic” of insufficient sleep in adolescents are modifiable5.

The adolescent’s behavioral, psychosocial, and metabolic factors, such as the use of licit and illicit drugs, overweight, high intake of caffeine3 and added sugar6, sedentary behavior7, screen time8, and socioeconomic status9 have been associated with poor sleep quality patterns and excessive daytime sleepiness.

Loss of sleep and its disorders can have their effects accumulated over time, being associated with several harmful health consequences, such as non-communicable diseases (NCDs)10. Some of the factors that lead to changes in sleep are considered as risks for major NCDs. According to the World Health Organization (WHO)11, NCDs are causally associated with four modifiable behavioral risk factors: harmful use of alcohol, smoking, unhealthy diet, and physical inactivity, which can trigger metabolic changes such as obesity.

The obesity epidemic is a reality in all age groups and has been considered one of the main causes of the NCDs numbers in the world12. Poor quality sleep has been linked to higher rates of being overweight, just as obesity can trigger comorbidities that affect sleep quality. In this bidirectional relationship13, behavioral risk factors plausibly influence both obesity and sleep; such factors will be investigated in this study.

The most frequent behavioral health risks in adolescence act together as part of an unhealthy style and increase the risk of obesity. Therefore, better understanding the complex association between these risk factors and sleep in an adolescent population becomes necessary, since this combination can impact health throughout life. In addition, no study to our knowledge of has used overweight as a mediator of these associations.

This study, therefore, aims to estimate, by structural equation modeling, the association between modifiable behavioral risk factors for NCDs and sleep quality and excessive daytime sleepiness in adolescents, considering overweight as a mediator of these pathways.

METHODS

Study design

Cross-sectional study nested in a cohort study developed in the municipality of São Luís, state of Maranhão. This cohort is part of the research entitled “Determinantes ao longo do ciclo vital da obesidade, precursores de doenças crônicas, capital humano e saúde mental” (“Determinants throughout the life cycle of obesity, precursors of chronic diseases, human capital, and mental health,”developed by the RPS Consortium (Ribeirão Preto, Pelotas, and São Luís) of Brazilian Birth Cohorts, which comprises the Ribeirão Preto School of Medicine of the Universidade de São Paulo (USP), the Universidade Federal de Pelotas (UFPel), and the Universidade Federal do Maranhão (UFMA).

In São Luís, the birth cohort began in 1997 (n = 2,443) and includes two follow-ups: the first at 7–9 years and the second at 18–19 years of age14.

In this study, we used data collected in the second follow-up of the cohort, obtained in 2016. All participants in the first phase of the study were sought in the four Military Enlistment Boards on the island of São Luís, in the 2014 school census, and in universities. Those identified were invited to attend the follow-up, totaling 687 participants.

To increase the power of the sample and to prevent future losses, the cohort was opened to include other individuals born in 1997. In a first stage, these individuals were included by lottery, by using the database of the Sistema de Informações sobre Nascidos Vivos (SINASC – Live Birth Information System). In a second stage, volunteers identified in schools and universities were included, totaling 1,828 participants. The final sample consisted of 2,515 adolescents.

Data were collected by health students and professionals duly trained, on the premises of UFMA, who conducted interviews to apply structured questionnaires answered by the participants themselves. The following information was used: schooling of the head of the family and the adolescent, monthly family income, economic class, alcohol consumption, smoking, use of illicit drugs, time of exposure to screens, food consumption, level of physical activity, quality of sleep, and daytime sleepiness.

Variables Used

Socioeconomic status

The socioeconomic situation (SES) construct is a latent variable, derived from the variables observed: level of education of the head of the family and the adolescent (elementary, secondary, and higher education); monthly family income in minimum wages – in 2016, it corresponded to R$ 880.00 (< 1; 1 to 2.9; 3 to 4.9; ≥ 5); and economic class of the family, categorized according to the Brazilian Economic Classification Criterion (CCEB) 201615, in D/E (poorer and less educated class) or C, B, and A (richer and more educated class).

Alcohol consumption

The pattern of alcohol consumption was assessed by using the Alcohol Use Disorder Identification Test (AUDIT) and categorized as low risk (0–7) and high risk (8–40)16.

Smoking

Evaluated by investigating smoking at the time of the study, regardless of frequency and/or quantity, and dichotomized into yes or no.

Use of illicit drugs

Use of illicit drugs (marijuana, cocaine, heroin, ecstasy, crack, LSD) was assessed by a self-administered questionnaire and dichotomized into “never used” and “has used or currently uses.”

Consumption of sugar-sweetened beverages

The frequency of daily consumption of sugar-sweetened beverages and caffeine were obtained with a food frequency questionnaire validated for adolescents17 and adapted to the food consumption of adolescents from São Luís, Maranhão. The questionnaire contained 106 food items, which assess the frequency and portion of consumption of these foods in the last 12 months. The consumption of sugar-sweetened beverages was estimated by the intake of soft drinks, industrialized juices, chocolates, and energy drinks. The percentage of energy from these beverages in relation to the daily energy intake of the adolescent was calculated by the sum of energy from all sugar-sweetened beverages, multiplied by 100 and divided by the sum of total daily energy intake. The result was categorized into < 5%, ≥ 5% and < 10%, and ≥ 10%18.

Caffeine consumption

To estimate caffeine intake in milligrams per day, we calculated the daily consumption of foods (coffee and energy drinks), in grams or milliliters, from multiplying the daily frequency and the size of the portion recorded for each food. The calculation of caffeine intake was obtained from the knowledge of caffeine values in 100 grams or milliliters of each food from the USDA Nutrient Database for Standard Reference19. The variable “caffeine intake in mg/day” was categorized into quintiles.

Physical inactivity

To evaluate the practice of physical activity, the Self-Administered Physical Activity Checklist (SAPAC)20 questionnaire was used, and the results were categorized into “no” (≥ 150 minutes of physical activity/week) and “yes” (< 150 minutes of physical activity/week). The screen exposure time – including television, video game, cell phone, tablet, and computer – was assessed by a questionnaire and categorized into < 2 h, 2–4.9 h, and ≥ 5 h.

Overweight

To measure the weight of the adolescents, a high-precision scale coupled to the BOD POD Gold Standard (COSMED)® equipment was used; to measure height, a stadiometer (AlturaExata®) was used. Nutritional status was then assessed by Body Mass Index (BMI). For adolescents aged 18 years, the z-score of the BMI curves by age, proposed by the WHO21, was used, considering the values > 1 standard deviation (SD) as overweight and the values > 2 SD as obesity. For participants aged 19 years, the WHO classification22 proposed for adults was used, considering overweight for BMI of 25–29.9 kg/m2 and obesity for BMI ≥ 30 kg/m2. The adolescents were categorized as overweight (overweight and obese) or not.

Sleep

To assess sleep, two self-administered instruments were used separately, which use subjective measures in scales validated in Brazil: Pittsburgh Sleep Quality Index (PSQI)23, and Epworth Sleepiness Scale (ESS)24.

The PSQI is a questionnaire with 19 questions regarding sleep quality and disorders in the last month, and evaluates seven sleep components (subjective sleep quality, sleep latency, sleep duration, habitual sleep efficiency, sleep disorders, use of sleeping medications, and daytime dysfunction) with scores ranging from 0 to 3, totaling a maximum of 21 points. Scores greater than 5 indicate poor sleep quality. Other scores were categorized as good sleep quality23.

The ESS24 is a questionnaire that assesses the probability of napping in eight everyday situations, with the answer to each question ranging from 0 to 3 and with an overall score ranging from 0 to 24. A score ≥ 9 was considered excessive daytime sleepiness. The results were categorized as “normal” or “presence of sleepiness”14.

Proposed Theoretical Models

Two theoretical models were constructed to estimate the association between the main modifiable risk factors for NCDs and sleep in adolescents, differing only in the variable used to assess the outcome: sleep quality (Model 1) or excessive daytime sleepiness (Model 2). The SES latent variable was the most distal determinant (exogenous variable) associated with all variables of the model. The variables considered behavioral risk factors were the exposures of interest: substance use (tobacco, alcohol, and illicit drugs), unhealthy food consumption (intake of beverages sweetened with sugar and caffeine), screen time, and physical inactivity. Overweight was considered a mediator in the analysis (Figure).

Figure. Theoretical model proposed to estimate the associations between behavioral risk factors for NCDs and sleep, mediated by overweight, in adolescents from the 1997–1998 São Luís Birth Cohort. São Luís, MA, Brazil.

Figure

Open in a new tab

Notes: SCHAD: level of education of the adolescent; SCHE: level of education of the head of the family; income: monthly family income; CCEB: Brazilian Economic Classification Criterion; SES: socioeconomic status; alco: alcohol consumption; toba: smoking; drug: use of illicit drugs; SSBEV: consumption of sugar-sweetened beverages; coffee: caffeine consumption; screen: screen time; innat: physical inactivity; weight: overweight; sleep: sleep.

Statistical Analyses

To investigate the effect of behavioral and metabolic risk factors for NCDs on adolescent sleep, structural equation modeling (SEM) was used. The advantage of this technique is that it allows analyzing the dependency relationships between multiple exposure variables and outcomes, estimating direct and indirect effects, in addition to being able to represent unobserved concepts (latent variables) in these relationships, modeling the measurement error in the estimation process25.

Statistical analysis was performed using Mplus software version 7.0. The Weighted Least Squares Mean and Variance Adjusted (WLSMV) estimator was used for continuous and categorical variables and the THETA parameterization was used to control for differences in residual variances. A good latent variable was considered when a factor loading > 0.5 was obtained with a p-value < 0.05. To determine whether the model presented a good fit, the following adjustment indices were considered: value < 0.05 and upper limit of the 90% confidence interval lower than 0.08 for the Root Mean Square Error of Approximation (RMSEA) and values higher than 0.90 for the Comparative Fit Index and the Tucker Lewis Index (CFI/TLI).

The “modindices” command was used to indicate new paths in the initial theoretical model that would result in its best fit. When the proposed modification suggestions were considered plausible from the theoretical point of view, a new model was elaborated and analyzed, if the modification index value was higher than 10. Direct and indirect effects of the observed and latent variables on sleep quality and excessive daytime sleepiness were estimated with standardized coefficients (SC). The effect was considered significant when p < 0.05.

The study met the criteria of Resolution 466/2012 of the National Health Council and Operational Standard 001/2013 CNS; it was approved by the Research Ethics Committee of the University Hospital of UFMA, under the con-substantiated opinion No. 1,302,489 of October 29, 2015.

RESULTS

In the sample of 2,515 adolescents, 52.5% were female, 69.9% had completed high school, and 14.4% belonged to families in which the head had completed higher education. Regarding economic class, 50.2% of the adolescents were considered class C (Table 1).

Table 1. Socioeconomic, behavioral, and sleep characteristics of adolescents from the 1997–1998 São Luís Birth Cohort. São Luís, MA, Brazil.

Characteristic n %
Sex
Male 1,196 47.5
Female 1,319 52.5
Education level of the adolescent
Primary education 83 3.3
Secondary education 1,758 69.9
Higher education 672 26.8
Education level of the head of the family
Primary education 593 26.3
Secondary education 1,339 59.3
Higher education 325 14.4
CCEB
D/E 450 20.2
C 1,116 50.2
B 566 25.4
A 94 4.2
Household monthly income
≤ 1 MW 802 31.9
< 1–2.9 MW 1,085 43.1
< 3–4.9 MW 341 13.6
≥ 5 MW 287 11.4
Alcohol consumption
Low risk 2,026 80.6
High risk 489 19.4
Smoking
No 2,414 96.4
Yes 89 3.6
Use of illicit drugs
Never used 2,037 81.9
Has used or currently uses 450 18.1
Percentage of energy from sugar-sweetened beverages
< 5% 535 21.5
5–9.9% 1,093 43.8
≥ 10% 864 34.7
Caffeine intake
1st quintile 506 20.1
2nd quintile 504 20
3rd quintile 503 20
4th quintile 500 19.9
5th quintile 502 20
Screen time
< 2 hours 945 37.8
2–4.9 hours 698 27.9
≥ 5 hours 856 34.3
Physical inactivity
No 1,379 55.1
Yes 1,123 44.9
Overweight    
No 1,905 75.7
Yes 610 24.3
Sleep quality (PSQI)
Good 979 46.3
Poor 1,137 53.7
Excessive daytime sleepiness (ESS)
Normal 1,586 63.2
Presence of sleepiness 924 36.8
Open in a new tab

CCEB: Brazilian Economic Classification Criterion; MW: minimum wage, PSQI: Pittsburgh Sleep Quality Index; ESS: Epworth Sleepiness Scale.

Among the adolescents, 19.4% had high-risk alcohol consumption, 18.1% reported drug use, and 3.6% reported smoking. The consumption of sugar-sweetened beverages was equal to or greater than 10% of the total daily energy intake in 34.7% of the adolescents and caffeine intake had a median of 73.2 mg/day. The percentage of 24.3% of the sample was classified in the overweight range and 44.9% were considered physically inactive.

According to the PSQI, 53.7% of the adolescents had poor sleep quality and, according to the ESS, 36.8% had excessive daytime sleepiness (Table 1).

Both models presented good adjustment according to the RMSEA and CFI indicators (Table 2). The SES latent variable showed evidence of good convergent validity, with all indicator variables presenting factor loading > 0.5 (p < 0.001) (Table 3).

Table 2. Adjustment indices of structural equation models for the association between behavioral risk factors for NCDs and sleep, mediated by overweight, in adolescents from the 1997–1998 São Luís Birth Cohort. São Luís, MA, Brazil.

Adjustment rates Expected values Observed values
Model 1 Model 2
χ*
Value - 259,706 207,924
Degrees of freedom - 37 36
p-value - < 0.001 < 0.001
RMSEA
Value < 0.05 0.049 0.044
90% confidence interval < 0.08 (upper limit) 0.044–0.055 0.038–0.050
 
CFI 0.90 0.931 0.947
TLI 0.90 0.854 0.886
Open in a new tab

Model 1: estimated by the Pittsburgh Sleep Quality Index; Model 2: estimated by the Epworth Sleepiness Scale.

RMSEA: Root Mean Square Error of Approximation; CFI: Comparative Fit Index; TLI: Tucker Lewis Index.

* Chi-square test.

Table 3. Factor loading, standard error, and p-value of indicators of the latent variable socioeconomic status of adolescents from the 1997–1998 São Luís Birth Cohort. São Luís, Brazil, 2016.

Latent variable Model 1 Model 2
Socioeconomic status Factor loading Standard error p-value Factor loading Standard error p-value
Education level of the head of the family 0.665 0.02 < 0.001 0.664 0.02 < 0.001
Education level of the adolescent 0.505 0.024 < 0.001 0.507 0.024 < 0.001
Household monthly income 0.523 0.021 < 0.001 0.524 0.02 < 0.001
Economy class of the family 0.896 0.02 < 0.001 0.895 0.02 < 0.001
Open in a new tab

Model 1: estimated by the Pittsburgh Sleep Quality Index; Model 2: estimated by the Epworth Sleepiness Scale.

The highest SES showed positive total (SC = 0.128; p < 0.001) and direct (SC = 0.131; p < 0.001) effects on adolescent sleep, when analyzed by means of ESS, which represents greater daytime sleepiness. This effect was not observed when sleep was assessed with the PSQI (SC = 0.026; p = 0.431). High-risk alcohol consumption was associated with worsening in sleep assessed by the ESS (SC = 0.168; p = 0.019) but had only a borderline association by the PSQI (SC = 0.155; p = 0.063). The higher consumption of sugar-sweetened beverages had a negative effect on sleep quality in the two analyzed models (PSQI: SC = 0.089; p = 0.003; ESS: SC = 0.128; p < 0.001) (Table 4).

Table 4. Standardized coefficients, standard errors, and p-values of the total, direct, and indirect effects of the explanatory variables on sleep of adolescents from the 1997–1998 São Luís Birth Cohort, tested by Models 1 and 2. São Luís, MA, Brazil.

Explanatory variables “Sleep” Total effects Direct effects Indirect effects
SC SE p-value SC SE p-value SC SE p-value
SES* Model 1 0.026 0.033 0.431 0.026 0.034 0.452 0.001 0.01 0.958
Model 2 0.128 0.03 < 0.001 0.131 0.031 < 0.001 −0.004 0.011 0.747
Alcohol consumption Model 1 0.155 0.083 0.063 0.176 0.084 0.035 −0.021 0.014 0.137
Model 2 0.168 0.072 0.019 0.187 0.074 0.012 −0.019 0.014 0.169
Smoking Model 1 −0.084 0.123 0.497 −0.093 0.122 0.445 0.009 0.018 0.6
Model 2 −0.129 0.111 0.244 −0.143 0.112 0.201 0.013 0.016 0.401
Use of illicit drugs Model 1 0.031 0.059 0.604 0.05 0.06 0.405 −0.019 0.011 0.075
Model 2 0.06 0.057 0.288 0.08 0.059 0.175 −0.019 0.01 0.043
Consumption of sugar-sweetened beverages Model 1 0.089 0.03 0.003 0.092 0.03 0.002 −0.002 0.002 0.4
Model 2 0.128 0.024 < 0.001 0.127 0.024 < 0.001 0.002 0.002 0.403
Caffeine intake Model 1 0.012 0.029 0.667 0.026 0.029 0.367 −0.014 0.006 0.011
Model 2 0.007 0.027 0.785 0.008 0.028 0.78 0 0.005 0.956
Screen time Model 1 0.007 0.032 0.821 0.016 0.032 0.607 −0.009 0.005 0.072
Model 2 −0.05 0.03 0.092 −0.044 0.03 0.145 −0.006 0.004 0.118
Physical inactivity Model 1 0.147 0.037 < 0.001 0.144 0.037 < 0.001 0.003 0.003 0.287
Model 2 0.112 0.035 0.001 0.114 0.035 0.001 −0.002 0.003 0.366
Overweight Model 1 - - - 0.061 0.039 0.115 - - -
Model 2 - - - −0.046 0.035 0.195 - - -
Open in a new tab

SC: standardized coefficient; SE: standard error; SES: socioeconomic status.

Model 1: estimated by the Pittsburgh Sleep Quality Index; Model 2: estimated by the Epworth Sleepiness Scale.

* Latent variable defined by the education level of the head of the family, of the adolescent, monthly family income, and economic class of the family.

Physical inactivity was also associated with worse sleep indicators: poor sleep quality (PSQI: SC = 0.147; p < 0.00) and excessive daytime sleepiness (ESS: SC = 0.112; p < 0.001).

No effects of smoking, illicit drug use, caffeine consumption, screen time, and overweight were observed on adolescents’ sleep in the analyzed models (Table 4).

DISCUSSION

In this study, risk factors for NCDs, such as physical inactivity, increased consumption of alcohol and sugar-sweetened beverages were associated with excessive daytime sleepiness in adolescents. More distally, higher socioeconomic status was also associated with excessive daytime sleepiness in adolescents. Physical inactivity and higher consumption of sugar-sweetened beverages were also associated with poor sleep quality. Overweight was neither a mediator nor associated with sleep quality or excessive daytime sleepiness in our sample.

Physical inactivity was associated with worse sleep parameters analyzed in our study: poor sleep quality and excessive daytime sleepiness. A study with a representative sample of the population of Canada showed that sedentary young men were more likely to have short-term sleep7. Physical exercise has been pointed out as an important behavioral treatment to improve sleep quality, in addition to preventing sleep disorders26. The beneficial effects of physical activity on sleep can be explained by multiple pathways, for example by the interaction of circadian rhythm and metabolic, vascular, thermoregulatory, immunological, endocrine, and mood effects26.

Higher consumption of sugar-sweetened beverages was also associated with worse sleep parameters: poor sleep quality and excessive daytime sleepiness. The consumption of sugar-sweetened beverages has been associated with poor sleep quality27, shorter sleep, and later bedtime in adolescents6. The consumption of sugar-sweetened beverages can lead to a short duration of sleep, especially when consumed close to bedtime6, due to the stimulating properties of sugar and caffeine, which may be present in some of these drinks. The results of this study add knowledge by showing that caffeine consumption was not associated with poor sleep quality or excessive daytime sleepiness in adolescents, which suggests that the association may stem from the effect of sugar.

A higher consumption of sugar-sweetened beverages was also associated with excessive daytime sleepiness, which may be explained by the high-sugar intake resulting in less restorative sleep and more nocturnal awakenings28.

The best socioeconomic status was directly associated with excessive daytime sleepiness. These findings are contrary to those of a systematic review, which included 12 articles, showing that lower socioeconomic status was associated with shorter sleep duration, worse subjective perception of sleep quality (assessed with questionnaires), and greater daytime sleepiness in adolescents9. However, another study conducted in Brazil, involving adolescents from the city of São Paulo, showed that those with better socioeconomic status had shorter sleep duration29. Excessive screen time (≥ 2 hours/day) could be an explanation for this association, since the study of cardiovascular risks in adolescents (ERICA) observed that a better socioeconomic situation was associated with excessive screen time in adolescents from some Brazilian regions, including the Northeast30.

Screen time showed no association with sleep among adolescents in this study. Screen time did not even mediate associations in the analysis, even with most adolescents (62.2%) reporting screen time equal to or greater than two hours per day. A systematic review, conducted with 42 articles, aiming to analyze the evidence on the sleep of adolescents, concluded that screen time is an increasingly frequent factor and that it has affected the onset and duration of sleep, with consequent daytime sleepiness, tiredness, and decreased academic performance of adolescents31. However, one of the studies in this review, conducted in Hong Kong (n = 762), observed that the time of exposure to television and computer was not associated with sleep duration and quality, and this association was observed only for the use of mobile phones and portable devices to watch videos32. In our study, the variable screen time included joint exposure to television, video games, cell phones, tablets, and computers, which may possibly explain the different findings.

Alcohol consumption presented the highest standardized coefficient associated with excessive daytime sleepiness. Alcohol consumption is associated with altered sleep-wake programming and tends to disrupt sleep, especially during the second half of the night’s sleep, exacerbating daytime sleepiness and decreasing alertness. This interruption of sleep continuity in the second half is interpreted as a “rebound effect,” since the alcohol has already been eliminated from the body. This effect happens as the body adjusts to the presence of alcohol during the first half of sleep in an effort to maintain the normal sleep pattern33. A U.S. study in two cohorts observed that alcohol use at baseline was negatively associated with weekday sleep and total sleep; and at the two-year follow-up, alcohol consumption was positively associated only with later bedtime in the weekend. The authors highlight that both the pattern and duration of sleep and substance use among young people are interconnected by bidirectional associations34; thus, defining causality in this relationship is difficult.

Despite the known effect of being overweight on increased sleep problems35 – short-term sleep, more nocturnal awakenings, delayed sleep onset, and sleep-disordered breathing – we found no effect of overweight on sleep quality or daytime sleepiness of adolescents in São Luís. In addition, excess weight did not act as a mediator of associations in the studied models. In this context, note that the city of São Luís is in the Northeast region of Brazil, and this region has lower prevalence of overweight in adolescents when compared with other Brazilian regions, such as the South and Southeast36.

This study has some limitations. The use of different scales in the literature, for assessing both sleep and other variables used, such as socioeconomic status, hinders the comparison of results. The study has a cross-sectional design, thus establishing a causal relationship between the risk factors for NCDs and sleep is impossible due to the possibility of reverse causality and the bidirectional relationship between exposures and outcome. However, this is one of the few studies that evaluated the effect of multiple risk factors for NCDs in association with sleep quality and excessive daytime sleepiness in adolescents.

Strengths include the sample size and the method of analysis used to evaluate the effect of the associations. The modeling with structural equations allowed to observe the paths of the effects from mediating variables in sleep, estimating several separate and interdependent multiple regression equations.

CONCLUSION

The main modifiable behavioral risk factors for NCDs are associated with worse sleep indicators in adolescents, such as poor sleep quality and excessive daytime sleepiness, and are independent of overweight. These findings contribute to emphasize the importance of coordinated surveillance and prevention actions against NCDs and altered sleep, focusing on behavioral risk factors, which begin in adolescence and can trigger health problems throughout life.

Funding Statement

Funding: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq – Processes 523474/96-2 and 400943/2013-1). Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, Brazil (Capes – Financing code 001). Fundação de Amparo à Pesquisa e ao Desenvolvimento Científico e Tecnológico do Maranhão (Fapema – Research Productivity Grant Program - BEPP-01803/21).

Footnotes

Funding: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq – Processes 523474/96-2 and 400943/2013-1). Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, Brazil (Capes – Financing code 001). Fundação de Amparo à Pesquisa e ao Desenvolvimento Científico e Tecnológico do Maranhão (Fapema – Research Productivity Grant Program - BEPP-01803/21).

REFERENCES

  • 1.Matricciani L, Bin YS, Lallukka T, Kronholm E, Dumuid D, Paquet C, et al. Past, present, and future: trends in sleep duration and implications for public health. Sleep Health. 2017 Oct;3(5):317–323. doi: 10.1016/j.sleh.2017.07.006. [DOI] [PubMed] [Google Scholar]
  • 2.Paruthi S, Brooks LJ, D’Ambrosio C, Hall WA, Kotagal S, Lloyd RM, et al. Recommended amount of sleep for pediatric populations: a consensus statement of the American Academy of Sleep Medicine. J Clin Sleep Med. 2016 Jun;12(6):785–786. doi: 10.5664/jcsm.5866. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 3.Shochat T, Cohen-Zion M, Tzischinsky O. Functional consequences of inadequate sleep in adolescents: a systematic review. Sleep Med Rev. 2014 Feb;18(1):75–87. doi: 10.1016/j.smrv.2013.03.005. [DOI] [PubMed] [Google Scholar]
  • 4.Barbosa SM, Batista RF, Rodrigues LD, Bragança ML, Oliveira BR, Simões VM, et al. Prevalência de sonolência diurna excessiva e fatores associados em adolescentes da coorte RPS, em São Luís (MA) Rev Bras Epidemiol. 2020;23:e200071. doi: 10.1590/1980-549720200071. [DOI] [PubMed] [Google Scholar]
  • 5.Owens J, Au R, Carskadon M, Millman R, Wolfson A, Braverman PK, et al. Insufficient sleep in adolescents and young adults: an update on causes and consequences. Pediatrics. 2014 Sep;134(3):e921–e932. doi: 10.1542/peds.2014-1696. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 6.Sampasa-Kanyinga H, Hamilton HA, Chaput JP. Sleep duration and consumption of sugar-sweetened beverages and energy drinks among adolescents. Nutrition. 2018 Apr;48:77–81. doi: 10.1016/j.nut.2017.11.013. [DOI] [PubMed] [Google Scholar]
  • 7.Chang VC, Chaput JP, Roberts KC, Jayaraman G, Do MT. Factors associated with sleep duration across life stages: results from the Canadian Health Measures Survey. Health Promot Chronic Dis Prev Can. 2018 Nov;38(11):404–418. doi: 10.24095/hpcdp.38.11.02. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 8.Hrafnkelsdottir SM, Brychta RJ, Rognvaldsdottir V, Chen KY, Johannsson E, Gudmundsdottir SL, et al. Less screen time and more physical activity is associated with more stable sleep patterns among Icelandic adolescents. Sleep Health. 2020;S2352-7218(20):30070–3007X. doi: 10.1016/j.sleh.2020.02.005. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 9.Felden ÉP, Leite CR, Rebelatto CF, Andrade RD, Beltrame TS. Sleep in adolescents of different socioeconomic status: a systematic review. Rev Paul Pediatr. 2015 Dec;33(4):467–473. doi: 10.1016/j.rpped.2015.01.011. Portuguese. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 10.Birhanu TE, Getachew B, Gerbi A, Dereje D. Prevalence of poor sleep quality and its associated factors among hypertensive patients on follow up at Jimma University Medical Center. J Hum Hypertens. J Hum Hypertens. 2021 Jan;35(1):94–100. doi: 10.1038/s41371-020-0320-x. [DOI] [PubMed] [Google Scholar]
  • 11.World Health Organization . Noncommunicable diseases country profiles 2018. Geneva: World Health Organization; 2018. [Google Scholar]
  • 12.Abarca-Gómez L, Abdeen ZA, Hamid ZA, Abu-Rmeileh NM, Acosta-Cazares B, Acuin C, et al. Worldwide trends in body-mass index, underweight, overweight, and obesity from 1975 to 2016: a pooled analysis of 2416 population-based measurement studies in 128·9 million children, adolescents, and adults. Lancet. 2017 Dec;390(10113):2627–2642. doi: 10.1016/S0140-6736(17)32129-3. https://doi.org/10.1016/S0140-6736 (17)32129-3 [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 13.Ogilvie RP, Patel SR. The epidemiology of sleep and obesity. Sleep Health. 2017 Oct;3(5):383–388. doi: 10.1016/j.sleh.2017.07.013. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 14.Simões VM, Batista RF, Alves MT, Ribeiro CC, Thomaz EB, Carvalho CA, et al. Saúde dos adolescentes da coorte de nascimentos de São Luís, Maranhão, Brasil, 1997/1998. Cad Saude Publica. 2020;36(7) doi: 10.1590/0102-311x00164519. [DOI] [PubMed] [Google Scholar]
  • 15.Associação Brasileira de Empresas de Pesquisas . Critério Brasil 2015. Alterações na aplicação do Critério Brasil 2016. São Paulo: Associação Brasileira de Empresas de Pesquisas; 2015. [Google Scholar]
  • 16.Moretti-Pires RO, Corradi-Webster CM. Adaptação e validação do Alcohol Use Disorder Identification Test (AUDIT) para população ribeirinha do interior da Amazônia, Brasil. Cad Saude Publica. 2011 Mar;27(3):497–509. doi: 10.1590/S0102-311X2011000300010. [DOI] [PubMed] [Google Scholar]
  • 17.Schneider BC, Motta JV, Muniz LC, Bielemann RM, Madruga SW, Orlandi SP, et al. Desenho de um questionário de frequência alimentar digital autoaplicado para avaliar o consumo alimentar de adolescentes e adultos jovens: coortes de nascimentos de Pelotas, Rio Grande do Sul. Rev Bras Epidemiol. 2016;19(2):419–432. doi: 10.1590/1980-5497201600020017. [DOI] [PubMed] [Google Scholar]
  • 18.World Health Organization . Guideline: sugars intake for adults and children. Geneva: World Health Organization; 2015. [PubMed] [Google Scholar]
  • 19.US Department of Agriculture . Nutrient database for standard reference - SR14. Washington, DC: US Department of Agriculture; 2011. [Google Scholar]
  • 20.Sallis JF, Strikmiller PK, Harsha DW, Feldman HA, Ehlinger S, Stone EJ, et al. Validation of interviewer- and self-administered physical activity checklists for fifth grade students. Med Sci Sports Exerc. 1996 Jul;28(7):840–851. doi: 10.1097/00005768-199607000-00011. [DOI] [PubMed] [Google Scholar]
  • 21.World Health Organization . WHO child growth standards: length/height-for-age, weight-for-age, weight-for-length, weight-for-height and body mass index-for-age: methods and development. Geneva: World Health Organization; 2006. [Google Scholar]
  • 22.World Health Organization . Physical status: the use of and interpretation of anthropometry. Geneva: World Health Organization; 1995. WHO technical report series; 854. https://apps.who.int/iris/handle/10665/37003 . [PubMed] [Google Scholar]
  • 23.Passos MH, Silva HA, Pitangui AC, Oliveira VM, Lima AS, Araújo RC. Reliability and validity of the Brazilian version of the Pittsburgh Sleep Quality Index in adolescents. J Pediatr (Rio J) 2017;93(2):200–206. doi: 10.1016/j.jped.2016.06.006. [DOI] [PubMed] [Google Scholar]
  • 24.Bertolazi AN, Fagondes SC, Hoff LS, Pedro VD, Menna Barreto SS, Johns MW. Portuguese-language version of the Epworth sleepiness scale: validation for use in Brazil. J Bras Pneumol. 2009 Sep;35(9):877–883. doi: 10.1590/S1806-37132009000900009. [DOI] [PubMed] [Google Scholar]
  • 25.Hair JF, Black WC, Babin BJ, Anderson RE, Tatham RL. Análise multivariada de dados. Porto Alegre: Bookman; 2009. [Google Scholar]
  • 26.Chennaoui M, Arnal PJ, Sauvet F, Léger D. Sleep and exercise: a reciprocal issue? Sleep Med Rev. 2015 Apr;20:59–72. doi: 10.1016/j.smrv.2014.06.008. [DOI] [PubMed] [Google Scholar]
  • 27.Sousa RD, Bragança ML, Oliveira BR, Coelho CC, Silva AA. Bragança MLBM, Oliveira BR, Coelho CCNS, Silva AAM. Association between the degree of processing of consumed foods and sleep quality in adolescents. Nutrients. 2020 Feb;12(2):1–12. doi: 10.3390/nu12020462. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 28.St-Onge MP, Roberts A, Shechter A, Choudhury AR. Fiber and saturated fat are associated with sleep arousals and slow wave sleep. J Clin Sleep Med. 2016 Jan;12(1):19–24. doi: 10.5664/jcsm.5384. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 29.Bernardo MP, Pereira ÉF, Louzada FM, D’Almeida V. Duração do sono em adolescentes de diferentes níveis socioeconômicos. J Bras Psiquiatr. 2009;58(4):231–237. doi: 10.1590/S0047-20852009000400003. [DOI] [Google Scholar]
  • 30.Schaan CW, Cureau FV, Bloch KV, Carvalho KM, Ekelund U, Schaan BD. Prevalence and correlates of screen time among Brazilian adolescents: findings from a country-wide survey. Appl Physiol Nutr Metab. 2018 Jul;43(7):684–690. doi: 10.1139/apnm-2017-0630. [DOI] [PubMed] [Google Scholar]
  • 31.Oliveira G, Silva IB, Oliveira ERA. O sono na adolescência e os fatores associados ao sono inadequado. Rev Bras Pesq Saúde. 2019;21(1):135–145. doi: 10.21722/rbps.v21i1.26477. [DOI] [Google Scholar]
  • 32.Mak YW, Wu CS, Hui DW, Lam SP, Tse HY, Yu WY, et al. Association between screen viewing duration and sleep duration, sleep quality, and excessive daytime sleepiness among adolescents in Hong Kong. Int J Environ Res Public Health. 2014 Oct;11(11):11201–11219. doi: 10.3390/ijerph111111201. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 33.Roehrs T, Roth T. Sleep, sleepiness, and alcohol use. Alcohol Res Health. 2001;25(2):101–109. [PMC free article] [PubMed] [Google Scholar]
  • 34.Pasch KE, Latimer LA, Cance JD, Moe SG, Lytle LA. Longitudinal bi-directional relationships between sleep and youth substance use. J Youth Adolesc. 2012 Sep;41(9):1184–1196. doi: 10.1007/s10964-012-9784-5. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 35.Beebe DW, Lewin D, Zeller M, McCabe M, MacLeod K, Daniels SR, et al. Sleep in overweight adolescents: shorter sleep, poorer sleep quality, sleepiness, and sleep-disordered breathing. J Pediatr Psychol. 2007;32(1):69–79. doi: 10.1093/jpepsy/jsj104. [DOI] [PubMed] [Google Scholar]
  • 36.Sbaraini M, Cureau FV, Ritter JD, Schuh DS, Madalosso MM, Zanin G, et al. Prevalence of overweight and obesity among Brazilian adolescents over time: a systematic review and meta-analysis. Public Health Nutr. 2021 Dec;24(18):6415–6426. doi: 10.1017/S1368980021001464. [DOI] [PMC free article] [PubMed] [Google Scholar]
Rev Saude Publica. 2023 Sep 14;57:60. [Article in Portuguese]

Fatores de risco comportamentais modificáveis para DNT e sono em adolescentes brasileiros

Raina Jansen Cutrim Propp Lima I, Mônica Araujo Batalha II, Cecília Cláudia Costa Ribeiro III, Pedro Martins Lima Neto IV, Antônio Augusto Moura da Silva II, Rosângela Fernandes Lucena Batista II

RESUMO

OBJETIVO

Analisar a associação entre fatores de risco comportamentais modificáveis para doenças não transmissíveis e parâmetros do sono em adolescentes brasileiros.

MÉTODOS

Estudo transversal que utilizou dados do Consórcio de Coortes RPS, São Luís, Brasil para o seguimento de adolescentes de 18-19 anos (n = 2.515). Os desfechos foram a sonolência diurna excessiva (Escala de Sonolência de Epworth – ESE) e a qualidade do sono (Índice de Qualidade do Sono de Pittsburgh – IQSP). As exposições de interesse foram os fatores de risco comportamentais para doenças não transmissíveis (DNT): tempo de tela, inatividade física, álcool, cigarro, drogas ilícitas, consumo de cafeína, consumo de bebidas adoçadas com açúcar. O excesso de peso foi considerado um possível mediador dessa associação entre as exposições de interesse e os desfechos. Os modelos foram analisados por modelagem com equações estruturais.

RESULTADOS

A inatividade física (Coeficiente padronizado, CP = 0,112; p = 0,001), maior consumo de álcool (CP = 0,168; p = 0,019) e de bebidas adoçadas com açúcar (CP = 0,128; p < 0,001) foram associados a sonolência diurna excessiva nos adolescentes; a melhor situação socioeconômica também foi associada a este desfecho (CP = 0,128; p < 0,001). A inatividade física (CP = 0,147; p < 0,001) e o maior consumo de bebidas adoçadas com açúcar (CP = 0,089; p = 0,003) também se associaram com a qualidade do sono ruim. O excesso de peso não foi mediador e nem associado à qualidade do sono ou à sonolência diurna excessiva.

CONCLUSÕES

Os principais fatores de risco comportamentais modificáveis para DNT estão associados a piores parâmetros do sono já na adolescência; alertando para um quadro de acúmulos de riscos para distúrbios de sono no futuro.

Keywords: Sono, Saúde do Adolescente, Sonolência, Comportamento Sedentário, Consumo de Bebidas Alcoólicas, Bebidas Adoçadas com Açúcar

INTRODUÇÃO

O sono é um processo biológico essencial para a sobrevivência, sendo importante para o bem-estar físico, mental e social dos indivíduos1. Por ser essencial para o desenvolvimento saudável, a American Academy of Sleep Medicine recomenda que adolescentes devam dormir regularmente de 8 a 10 horas por dia, tempo este associado a melhores desfechos de saúde e qualidade de vida2.

A adolescência é um período marcado por mudanças nos padrões de sono devidos a fatores biológicos, ambientais e psicossociais, como maturação puberal, regulação do ritmo circadiano e horários menos regulares3. Essas mudanças caracterizam-se por disfunções diurnas do sono, que, por sua vez, são fatores de risco para a sonolência diurna excessiva nessa faixa etária4. Reconhece-se que adolescentes não estão dormindo o suficiente, sendo esse um problema crônico em nível mundial. No entanto, muitos dos fatores que contribuem para a atual “epidemia” de sono insuficiente em adolescentes são modificáveis5.

Fatores comportamentais, psicossociais e metabólicos do adolescente, como consumo de drogas lícitas e ilícitas, excesso de peso, ingestão elevada de cafeína3 e de açúcar adicionado6, comportamento sedentário7, tempo de tela8 e situação socioeconômica9 têm sido associados a padrões de qualidade do sono ruim e sonolência diurna excessiva.

A perda do sono e seus distúrbios podem ter seus efeitos acumulados ao longo do tempo, associando-se a diversas consequências prejudiciais à saúde, tais como as doenças não transmissíveis (DNT)10. Alguns dos fatores que levam às alterações no sono são considerados de risco para as principais DNT. De acordo com a Organização Mundial de Saúde (OMS)11, as DNT estão associadas causalmente a quatro fatores de risco comportamentais modificáveis: uso nocivo de álcool, tabagismo, dieta pouco saudável e inatividade física, que podem desencadear alterações metabólicas como a obesidade.

A epidemia da obesidade é uma realidade em todas as faixas etárias e tem sido considerada uma das principais causas da quantidade de DNT no mundo12. O sono de qualidade ruim tem sido associado a maiores taxas de excesso de peso, assim como a obesidade pode desencadear comorbidades que afetam a qualidade do sono. Nessa relação bidirecional13, é plausível que fatores de riscos comportamentais influenciem tanto a obesidade quanto o sono; tais fatores serão investigados nesse estudo.

Os riscos comportamentais à saúde mais frequentes na adolescência atuam em conjunto como parte de um estilo não saudável e aumentam o risco da obesidade; por isso, torna-se necessário compreender melhor a associação complexa entre esses fatores de risco e o sono em população adolescente, visto que essa combinação pode impactar a saúde ao longo da vida. Além disso, nenhum estudo que conhecemos utilizou o excesso de peso como mediador dessas associações.

O objetivo deste estudo, portanto, foi estimar, por meio de modelagem com equações estruturais, a associação entre fatores de risco comportamentais modificáveis para DNT e qualidade do sono e sonolência diurna excessiva em adolescentes, considerando o excesso de peso como um mediador desses caminhos.

MÉTODOS

Delineamento do Estudo

Estudo transversal aninhado a um estudo de coorte desenvolvido na cidade de São Luís, Maranhão. Essa coorte faz parte da pesquisa intitulada “Determinantes ao longo do ciclo vital da obesidade, precursores de doenças crônicas, capital humano e saúde mental”, desenvolvida pelo Consórcio RPS (Ribeirão Preto, Pelotas e São Luís) de Coortes de Nascimento Brasileiras, que compreende a Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (USP), a Universidade Federal de Pelotas (UFPel) e a Universidade Federal do Maranhão (UFMA).

Em São Luís, a coorte de nascimento teve início em 1997 (n = 2.443) e inclui dois seguimentos: o primeiro aos 7-9 anos e o segundo aos 18-19 anos de idade14.

No presente estudo foram utilizados dados coletados no segundo seguimento da coorte, obtidos no ano de 2016. Todos os participantes da primeira fase do estudo foram buscados nas quatro juntas de Alistamento Militar na ilha de São Luís, no censo escolar de 2014 e em universidades. Os identificados foram convidados a comparecer ao seguimento, totalizando 687 participantes.

Com o objetivo de aumentar o poder da amostra e para prevenir perdas futuras, a coorte foi aberta para incluir outros indivíduos nascidos no ano de 1997. Em uma primeira etapa esses indivíduos foram incluídos a partir de sorteio, utilizando o banco do Sistema de Informação sobre Nascidos Vivos (SINASC); em uma segunda etapa, incluíram-se voluntários identificados nas escolas e universidades, totalizando 1.828 participantes. A amostra final foi de 2.515 adolescentes.

Os dados foram coletados por alunos e profissionais da área da saúde devidamente treinados, nas dependências da UFMA, que conduziram entrevistas para aplicação de questionários estruturados respondidos pelos próprios participantes. Foram utilizadas as seguintes informações: escolaridade do chefe da família e do adolescente, renda familiar mensal, classe econômica, consumo de álcool, tabagismo, uso de drogas ilícitas, tempo de exposição a telas, consumo alimentar, nível de atividade física, qualidade do sono e sonolência diurna.

Variáveis Utilizadas

Situação socioeconômica

O construto situação socioeconômica (SES) é uma variável latente, derivada a partir das variáveis observadas: nível de escolaridade do chefe da família e do adolescente (ensino fundamental, médio e superior); renda familiar mensal em salários mínimos – em 2016, correspondia a R$ 880,00 (< 1; 1 a 2,9; 3 a 4,9; ≥ 5); e classe econômica familiar, categorizada de acordo com o Critério de Classificação Econômica Brasil (CCEB) 201615, em D/E (classe mais pobre e menos instruída) ou C, B e A (classe mais rica e escolarizada).

Consumo de álcool

O padrão de consumo de álcool foi avaliado por meio do instrumento Alcohol Use Disorder Identification Test (AUDIT) e categorizado em baixo risco (0–7) e alto risco (8–40)16.

Tabagismo

Avaliado por meio da investigação de fumo atual, independente da frequência e/ou quantidade, e dicotomizado em sim ou não.

Uso de drogas ilícitas

Uso de drogas ilícitas (maconha, cocaína, heroína, ecstasy, crack, LSD) foi avaliado por meio de questionário autoaplicado e dicotomizado em “nunca usou” e “já usou ou usa atualmente”.

Consumo de bebidas adoçadas com açúcar

A frequência de consumo diária de bebidas adoçadas com açúcar e o consumo de cafeína foram obtidos por meio de questionário de frequência alimentar (QFA) validado para adolescentes17 e adaptado ao consumo alimentar de adolescentes de São Luís, Maranhão. O questionário continha 106 itens alimentares, que avaliam a frequência e a porção de consumo desses alimentos nos últimos 12 meses. O consumo de bebidas adoçadas com açúcar foi estimado pela ingestão de refrigerantes, sucos industrializados, achocolatados e bebidas energéticas. O percentual de calorias dessas bebidas em relação à ingestão energética diária do adolescente foi calculado pela soma das calorias provenientes de todas as bebidas adoçadas com açúcar, multiplicada por 100 e dividida pelo somatório da ingestão energética diária total. O resultado foi categorizado em < 5%, ≥ 5% e < 10%, e ≥ 10%18.

Consumo de cafeína

Para estimar o consumo de cafeína em miligramas por dia, calculou-se o consumo diário dos alimentos (café e bebidas energéticas) em gramas ou mililitros, a partir da multiplicação da frequência diária e do tamanho da porção registrada para cada alimento. O cálculo da ingestão de cafeína foi obtido a partir do conhecimento dos valores de cafeína em 100 gramas ou mililitros de cada alimento por meio da USDA Nutrient Database for Standard Reference19. A variável “consumo de cafeína em mg/dia” foi categorizada em quintis.

Inatividade física

Para avaliar a prática de atividade física utilizou-se o questionário Self-Administered Physical Activity Checklist (SAPAC)20 e categorizaram-se os resultados em “não” (tempo ≥ 150 minutos de atividade física/semana) e “sim” (tempo < 150 minutos de atividade física/semana). O tempo de exposição a telas – incluindo televisão, videogame, celular, tablet e computador – foi avaliado por meio de questionário e categorizado em < 2 h, 2-4,9 h e ≥ 5 h.

Excesso de peso

Para aferição de peso dos adolescente utilizou-se a balança de alta precisão acoplada ao equipamento BOD POD Gold Standard (COSMED®); para aferição da altura, utilizou-se o estadiômetro (AlturaExata®). O estado nutricional foi, então, avaliado pelo Índice de Massa Corporal (IMC). Para os adolescentes com 18 anos utilizou-se o escore-z das curvas de IMC por idade, proposto pela OMS21, considerando-se sobrepeso os valores > 1 desvio-padrão (DP) e obesidade os valores > 2DP. Para os participantes com 19 anos, a classificação da OMS22 proposta para adultos foi utilizada, considerando-se sobrepeso para IMC de 25-29,9kg/m2 e obesidade IMC ≥ 30kg/m2. Os adolescentes foram categorizados como portadores de excesso de peso (sobrepeso e obesidade) ou não.

Sono

Para avaliar o sono foram utilizados, separadamente, dois instrumentos autoaplicáveis, que utilizam medidas subjetivas em escalas validadas no Brasil: Índice de Qualidade do Sono de Pittsburgh (IQSP)23, e Escala de Sonolência de Epworth (ESE)24.

O IQSP é um questionário com 19 perguntas referentes a qualidade e distúrbios do sono no último mês, e avalia sete componentes do sono (qualidade subjetiva do sono, latência para o sono, duração do sono, eficiência habitual do sono, transtornos do sono, uso de medicamentos para dormir e disfunção diurna) por meio de escores que variam de 0 a 3, totalizando um máximo de 21 pontos. Pontuações maiores que 5 indicam qualidade do sono ruim. Outras pontuações foram categorizadas como qualidade do sono boa23.

A ESE24 é um questionário que avalia a probabilidade de cochilar em oito situações cotidianas, com a resposta de cada questão podendo variar de 0 a 3 e com um escore global variando de 0 a 24. Foi considerada presença de sonolência diurna excessiva escore ≥ 9. Os resultados foram categorizados em “normal” ou “presença de sonolência”14.

Modelos Teóricos Propostos

Dois modelos teóricos foram construídos para estimar a associação entre os principais fatores de risco modificáveis para DNT e o sono em adolescentes, diferindo somente a variável utilizada para avaliar o desfecho: qualidade do sono (Modelo 1) ou sonolência diurna excessiva (Modelo 2). A variável latente SES foi o determinante mais distal (variável exógena) associado a todas as variáveis do modelo. As variáveis consideradas fatores comportamentais de risco foram as exposições de interesse: uso de substâncias (tabaco, álcool e drogas ilícitas), consumo alimentar não saudável (ingestão de bebidas adoçadas com açúcar e cafeína), tempo de tela e inatividade física. O excesso de peso foi considerado um mediador na análise (Figura).

Figura. Modelo teórico proposto para estimar as associações entre os fatores de risco comportamentais para DNT e sono, mediado pelo excesso de peso, em adolescentes da Coorte de Nascimentos de São Luís de 1997–1998.. São Luís, Brasil, 2016.

Figura

Open in a new tab

Notas: ESCAD: nível de escolaridade do adolescente; ESCHE: nível de escolaridade do chefe da família; renda: renda família mensal; CCEB: Critério de Classificação Econômica no Brasil; SES: situação socioeconômica; alco: consumo de álcool; taba: tabagismo; drog: uso de drogas ilícitas; BRAA: consumo de bebidas adoçadas com açúcar; cafe: consumo de cafeína; tela: tempo de tela; inat: inatividade física; peso: excesso de peso; sono: sono.

Análise Estatística

Para se investigar o efeito dos fatores de risco comportamentais e metabólicos para as DNT sobre o sono de adolescentes foi utilizada a modelagem com equações estruturais (MEE). A vantagem desta técnica é que ela permite analisar as relações de dependência entre múltiplas variáveis de exposição e desfechos, estimando efeitos diretos e indiretos, além de conseguir representar conceitos não observados (variáveis latentes) nessas relações, modelando o erro de mensuração no processo de estimação25.

A análise estatística foi realizada usando o software Mplus versão 7.0. Foi utilizado o estimador Weighted Least Squares Mean and Variance Adjusted (WLSMV) para variáveis contínuas e categóricas e a parametrização THETA para controlar diferenças nas variâncias residuais. Foi considerada boa variável latente quando se obteve carga fatorial > 0,5 com p-valor < 0,05. Para determinar se o modelo apresentou um bom ajuste, foram considerados os índices de ajuste: valor < 0,05 e o limite superior do intervalo de confiança de 90% inferior a 0,08 para o Root Mean Square Error of Approximation (RMSEA) e valores superiores a 0,90 para o Comparative Fit Index e o Tucker Lewis Index (CFI/TLI).

O comando “modindices” foi utilizado para indicar novos caminhos no modelo teórico inicial que resultariam em seu melhor ajuste. Quando as sugestões de modificações propostas foram consideradas plausíveis do ponto de vista teórico, um novo modelo foi elaborado e analisado, caso o valor do índice de modificação fosse superior a 10. Foram estimados, por meio de coeficientes padronizados (CP), efeitos diretos e indiretos das variáveis observadas e latentes na qualidade do sono e sonolência diurna excessiva. O efeito foi considerado significativo quando p < 0,05.

O estudo atendeu aos critérios da Resolução 466/2012 do Conselho Nacional de Saúde e da Norma Operacional 001/2013 CNS; foi aprovado pelo Comitê de Ética em Pesquisa do Hospital Universitário da UFMA, sob parecer consubstanciado n° 1.302.489 de 29 de outubro de 2015.

RESULTADOS

Na amostra de 2.515 adolescentes, 52,5% eram do sexo feminino, 69,9% tinham ensino médio completo e 14,4% pertenciam a famílias em que o chefe tinha ensino superior completo. Em relação à classe econômica, 50,2% dos adolescentes foram considerados da classe C (Tabela 1).

Tabela 1. Características socioeconômicas, comportamentais e de sono de adolescentes da Coorte de Nascimentos de São Luís de 1997–1998. São Luís, Brasil, 2016.

Variáveis n %
Sexo    
Masculino 1.196 47,5
Feminino 1.319 52,5
Nível de escolaridade do adolescente    
Ensino fundamental 83 3,3
Ensino médio 1.758 69,9
Ensino superior 672 26,8
Nível de escolaridade do chefe da família    
Ensino fundamental 593 26,3
Ensino médio 1.339 59,3
Ensino superior 325 14,4
CCEB    
D/E 450 20,2
C 1.116 50,2
B 566 25,4
A 94 4,2
Renda familiar mensal    
≤ 1 SM 802 31,9
1–2,9 SM 1.085 43,1
3–4,9 SM 341 13,6
≥ 5 SM 287 11,4
Consumo de álcool    
Baixo risco 2.026 80,6
Alto risco 489 19,4
Tabagismo    
Não 2.414 96,4
Sim 89 3,6
Uso de drogas ilícitas    
Nunca usou 2.037 81,9
Já usou ou usa atualmente 450 18,1
Percentual de calorias oriundas das bebidas adoçadas com açúcar    
< 5% 535 21,5
5–9,9% 1.093 43,8
≥ 10% 864 34,7
Consumo de cafeína    
1º quintil 506 20,1
2º quintil 504 20
3º quintil 503 20
4º quintil 500 19,9
5º quintil 502 20
Tempo de tela    
< 2 horas 945 37,8
2–4,9 horas 698 27,9
≥ 5 horas 856 34,3
Inatividade física    
Não 1.379 55,1
Sim 1.123 44,9
Excesso de peso    
Não 1.905 75,7
Sim 610 24,3
Qualidade do sono (IQSP)    
Boa 979 46,3
Ruim 1.137 53,7
Sonolência diurna excessiva (ESE)    
Normal 1.586 63,2
Presença de sonolência 924 36,8
Open in a new tab

CCEB: Critério de Classificação Econômica Brasil; SM: Salário mínimo; IQSP: Índice de Qualidade do Sono de Pittsburgh; ESE: Escala de Sonolência de Epworth.

Entre os adolescentes, 19,4% apresentavam consumo de álcool de alto risco, 18,1% relataram uso de drogas e 3,6%, de cigarros. O consumo de bebidas adoçadas com açúcar foi igual ou maior que 10% da ingestão calórica total diária em 34,7% dos adolescentes e de cafeína teve mediana de 73,2 mg/dia. O percentual de 24,3% da amostra foi classificado na faixa do excesso de peso e 44,9% foram considerados fisicamente inativos.

Segundo o IQSP, 53,7% dos adolescentes tinham qualidade do sono ruim e, segundo a ESE, 36,8% apresentaram sonolência diurna excessiva (Tabela 1).

Os dois modelos apresentaram bom ajuste segundo os indicadores RMSEA e CFI (Tabela 2). A variável latente SES apresentou evidências de boa validade convergente, com todas as variáveis indicadoras apresentando carga fatorial > 0,5 (p < 0,001) (Tabela 3).

Tabela 2. Índices de ajuste dos modelos de equações estruturais para a associação entre os fatores de risco comportamentais para DNT e sono, mediado pelo excesso de peso, em adolescentes da Coorte de Nascimentos de São Luís de 1997–1998. São Luís, Brasil, 2016.

Índices de ajuste Valores esperados Valores observados
Modelo 1 Modelo 2
χ*
Valor - 259.706 207.924
Graus de liberdade - 37 36
p-valor - < 0,001 < 0,001
RMSEA
Valor < 0,05 0,049 0,044
Intervalo de confiança de 90% < 0,08 (limite superior) 0,044–0,055 0,038–0,050
 
CFI 0,90 0,931 0,947
TLI 0,90 0,854 0,886
Open in a new tab

Modelo 1: estimado pelo Índice de Qualidade do Sono de Pittsburgh; Modelo 2: estimado pela Escala de Sonolência de Epworth.

RMSEA: Root Mean Square Error of Approximation; CFI: Comparative Fit Index; TLI: Tucker Lewis Index.

*Teste qui-quadrado.

Tabela 3. Carga fatorial, erro padrão e p-valor de indicadores da variável latente situação socioeconômica dos adolescentes da Coorte de Nascimentos de São Luís de 1997–1998. São Luís, Brasil, 2016.

Variável latente Modelo 1 Modelo 2
Situação socioeconômica Carga fatorial Erro padrão p-valor Carga fatorial Erro padrão p-valor
Escolaridade do chefe da família 0,665 0,02 < 0,001 0,664 0,02 < 0,001
Escolaridade do adolescente 0,505 0,024 < 0,001 0,507 0,024 < 0,001
Rendar familiar mensal 0,523 0,021 < 0,001 0,524 0,02 < 0,001
Classe econômica familiar 0,896 0,02 < 0,001 0,895 0,02 < 0,001
Open in a new tab

Modelo 1: estimado pelo Índice de Qualidade do Sono de Pittsburgh; Modelo 2: estimado pela Escala de Sonolência de Epworth.

A maior SES apresentou efeitos total (CP = 0,128; p < 0,001) e direto positivos (CP = 0,131; p < 0,001) no sono dos adolescentes, quando analisado por meio da ESE, o que representa maior sonolência diurna. Tal efeito não foi observado quando o sono foi avaliado pelo IQSP (CP = 0,026; p = 0,431). Consumo de álcool de alto risco foi associado à piora no sono avaliado pela ESE (CP = 0,168; p = 0,019), mas teve somente associação limítrofe pelo IQSP (CP = 0,155; p = 0,063). O maior consumo de bebidas adoçadas com açúcar teve efeito negativo sobre a qualidade do sono nos dois modelos analisados (IQSP: CP = 0,089; p = 0,003; ESE: CP = 0,128; p < 0,001) (Tabela 4).

Tabela 4. Coeficientes padronizados, erros padrão e p-valores dos efeitos totais, diretos e indiretos das variáveis explanatórias no sono de adolescentes da Coorte de Nascimentos de São Luís de 1997–1998, testados pelos modelos 1 e 2. São Luís, Brasil, 2016.

Variáveis explanatórias “Sono” Efeitos totais Efeitos diretos Efeitos indiretos
CP EP p-valor CP EP p-valor CP EP p-valor
SES* Modelo 1 0,026 0,033 0,431 0,026 0,034 0,452 0,001 0,01 0,958
Modelo 2 0,128 0,03 < 0,001 0,131 0,031 < 0,001 -0,004 0,011 0,747
Consumo de álcool Modelo 1 0,155 0,083 0,063 0,176 0,084 0,035 -0,021 0,014 0,137
Modelo 2 0,168 0,072 0,019 0,187 0,074 0,012 -0,019 0,014 0,169
Tabagismo Modelo 1 -0,084 0,123 0,497 -0,093 0,122 0,445 0,009 0,018 0,6
Modelo 2 -0,129 0,111 0,244 -0,143 0,112 0,201 0,013 0,016 0,401
Uso de drogas ilícitas Modelo 1 0,031 0,059 0,604 0,05 0,06 0,405 -0,019 0,011 0,075
Modelo 2 0,06 0,057 0,288 0,08 0,059 0,175 -0,019 0,01 0,043
Consumo de bebidas adoçadas com açúcar Modelo 1 0,089 0,03 0,003 0,092 0,03 0,002 -0,002 0,002 0,4
Modelo 2 0,128 0,024 < 0,001 0,127 0,024 < 0,001 0,002 0,002 0,403
Consumo de cafeína Modelo 1 0,012 0,029 0,667 0,026 0,029 0,367 -0,014 0,006 0,011
Modelo 2 0,007 0,027 0,785 0,008 0,028 0,78 0 0,005 0,956
Tempo de tela Modelo 1 0,007 0,032 0,821 0,016 0,032 0,607 -0,009 0,005 0,072
Modelo 2 -0,05 0,03 0,092 -0,044 0,03 0,145 -0,006 0,004 0,118
Inatividade física Modelo 1 0,147 0,037 < 0,001 0,144 0,037 < 0,001 0,003 0,003 0,287
Modelo 2 0,112 0,035 0,001 0,114 0,035 0,001 -0,002 0,003 0,366
Excesso de peso Modelo 1 - - - 0,061 0,039 0,115 - - -
Modelo 2 - - - -0,046 0,035 0,195 - - -
Open in a new tab

CP: coeficiente padronizado; EP: Erro Padrão; SES: situação socieconômica.

Modelo 1: estimado pelo Índice de Qualidade do Sono de Pittsburgh; Modelo 2: estimado pela Escala de Sonolência de Epworth.

* Variável latente definida por escolaridade do chefe da família, escolaridade do adolescente, renda familiar mensal e classe econômica familiar.

A inatividade física também foi associada a piores indicadores do sono: qualidade ruim do sono (IQSP: CP = 0,147; p < 0,00) e sonolência diurna excessiva (ESE: CP = 0,112; p < 0,001).

Não foram observados efeitos do tabagismo, uso de drogas ilícitas, consumo de cafeína, tempo de tela e excesso de peso no sono dos adolescentes nos modelos analisados (Tabela 4).

DISCUSSÃO

Neste estudo, os fatores de risco para DNT como inatividade física, maior consumo de álcool e de bebidas adoçadas com açúcar foram associados à sonolência diurna excessiva nos adolescentes. Mais distalmente, a maior situação socioeconômica também se associou à sonolência diurna excessiva nos adolescentes. A inatividade física e o maior consumo de bebidas adoçadas com açúcar se associaram também à qualidade do sono ruim. Em nossa amostra, o excesso de peso não foi mediador e nem esteve associado à qualidade do sono e sonolência diurna excessiva.

A inatividade física foi associada a piores parâmetros do sono analisados em nosso estudo: qualidade ruim do sono e sonolência diurna excessiva. Estudo com amostra representativa da população do Canadá mostrou que jovens sedentários do sexo masculino tiveram maior probabilidade de ter sono de curta duração7. O exercício físico tem sido apontado como um tratamento comportamental importante para melhorar a qualidade do sono, além de prevenir distúrbios do sono26. Os efeitos benéficos da prática de atividade física sobre o sono podem ser explicados por múltiplos caminhos, por exemplo pela interação do ritmo circadiano, efeitos metabólicos, vasculares, termorregulatórios, imunológicos, endócrinos e do humor26.

O maior consumo de bebidas adoçadas com açúcar também se associou a piores parâmetros do sono: qualidade do sono ruim e sonolência diurna excessiva. A ingestão de bebidas adoçadas com açúcar tem sido associada à qualidade do sono ruim27, sono mais curto e horário de dormir mais tardio em adolescentes6. A ingestão de bebidas adoçadas com açúcar pode levar a uma curta duração do sono, principalmente quando consumidas próximo à hora de dormir6, devido às propriedades estimulantes do açúcar e da cafeína, que pode estar presente em algumas dessas bebidas. Os resultados do presente estudo adicionam conhecimento ao mostrar que o consumo de cafeína não foi associado à qualidade do sono ruim nem à sonolência diurna excessiva nos adolescentes, o que sugere que a associação possa decorrer do efeito do açúcar.

Um maior consumo de bebidas adoçadas com açúcar também esteve associado à sonolência diurna excessiva, o que pode ser explicado por a ingestão de alto teor de açúcar resultar num sono menos restaurador e mais despertares noturnos28.

A melhor situação socioeconômica foi diretamente associada à sonolência diurna excessiva. Estes achados são contrários ao de uma revisão sistemática, que incluiu 12 artigos, mostrando que menor status socioeconômico se associou à menor duração do sono, à pior percepção subjetiva da qualidade do sono (avaliada por meio de questionários), à maior sonolência diurna em adolescentes9. Entretanto, outro estudo conduzido no Brasil, envolvendo adolescentes da cidade de São Paulo, mostrou que aqueles com melhor status socioeconômico tiveram menor duração do sono29. O tempo excessivo de tela (≥ 2 horas/dia) poderia ser uma explicação para essa associação, pois no estudo de riscos cardiovasculares em adolescentes (ERICA) foi observado que a melhor situação socioeconômica foi associada ao tempo excessivo de tela nos adolescentes de algumas regiões brasileiras, incluindo o Nordeste30.

Não foi encontrada associação entre o tempo de tela e sono dos adolescentes no presente estudo. Tempo de tela sequer mediou associações na análise, mesmo com grande parte dos adolescentes (62,2%) relatando tempo de tela igual ou superior a duas horas diárias. Revisão sistemática, realizada com 42 artigos, com objetivo de analisar as evidências sobre o sono dos adolescentes, concluiu que o tempo de tela é um fator cada vez mais frequente e que tem afetado o início e a duração do sono, com consequente sonolência diurna, cansaço e diminuição do desempenho acadêmico de adolescentes31. Entretanto, um dos estudos dessa revisão, realizado em Hong Kong (n = 762), observou que o tempo de exposição à televisão e ao computador não foi associado à duração e qualidade do sono, sendo essa associação observada apenas para o uso de celular e dispositivos portáteis para assistir vídeos32. No presente estudo, a variável tempo de tela incluiu a exposição conjunta à televisão, ao videogame, ao celular, ao tablet e ao computador o que pode ser uma possível explicação para os diferentes achados.

Consumo de álcool apresentou o mais alto coeficiente padronizado na associação com a sonolência diurna excessiva. O consumo de álcool está associado à programação de sono-vigília alterada e tende a perturbar o sono, especialmente durante a segunda metade da noite de sono, exacerbando a sonolência diurna e diminuindo o estado de alerta. Essa interrupção da continuidade do sono na segunda metade é interpretada como um “efeito rebote”, já que o álcool já foi eliminado do corpo. Este efeito acontece como ajuste do corpo à presença de álcool durante a primeira metade do sono em esforço para manter o padrão normal de sono33. Um estudo norte-americano em duas coortes, observou que o uso de álcool no baseline foi associado negativamente ao sono durante a semana e ao sono total; e no seguimento dos dois anos, o consumo de álcool esteve associado positivamente somente à hora de dormir mais tarde no final de semana. Os autores destacam que tanto o padrão quanto a duração do sono e o uso de substâncias entre os jovens estão interligados por meio de associações bidirecionais34, sendo difícil definir a causalidade nessa relação.

Apesar do efeito conhecido do excesso de peso no aumento de problemas do sono35 – sono de curta duração, mais despertares noturnos, atraso no início do sono e distúrbios respiratórios do sono – não encontramos nenhum efeito do excesso de peso na qualidade do sono ou na sonolência diurna dos adolescentes em São Luís. Além disso, o excesso de peso não atuou como mediador de associações nos modelos estudados. Neste contexto, é importante destacar que a cidade de São Luís, encontra-se na região Nordeste do Brasil e essa região apresenta menores prevalências de excesso de peso em adolescentes quando comparada a outras regiões brasileiras, como Sul e Sudeste36.

Este estudo tem limitações. A utilização de diferentes escalas na literatura, no que se refere à avaliação tanto do sono quanto de outras variáveis utilizadas, como situação socioeconômica, dificulta a comparação entre resultados. O estudo tem desenho transversal, dessa forma, não é possível estabelecer uma relação causal entre os fatores de risco para DNT e o sono, por conta da possibilidade de causalidade reversa e da relação bidirecional existente entre exposições e desfecho. Porém, este é um dos poucos estudos que avaliou o efeito de múltiplos fatores de risco para DNT em associação com a qualidade do sono e a sonolência diurna excessiva de adolescentes.

Como pontos fortes temos o tamanho da amostra e o método de análise utilizado para avaliar o efeito das associações. A modelagem com equações estruturais permitiu observar os caminhos dos efeitos através de variáveis mediadores no sono, estimando várias equações de regressão múltipla separadas e interdependentes.

CONCLUSÃO

Os principais fatores de risco comportamentais modificáveis para DNT estão associados a piores indicadores do sono em adolescentes, como qualidade do sono ruim e sonolência diurna excessiva, e independem do excesso de peso. Esses achados contribuem para enfatizar a importância de ações coordenadas de vigilância e prevenção às DNT e sono alterado, dando maior atenção aos fatores de risco comportamentais, que têm início na adolescência e podem desencadear problemas de saúde ao longo da vida.

Footnotes

Financiamento: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq – Grant 523474/96-2 and grant 400943/2013-1). Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (Capes - Finance Code 001). Fundação de Amparo à Pesquisa e ao Desenvolvimento Científico e Tecnológico do Maranhão (FAPEMA) -Programa de Bolsa de Produtividade em Pesquisa (BEPP-01803/21)

Articles from Revista de Saúde Pública are provided here courtesy of Universidade de São Paulo. Faculdade de Saúde Pública.

RESOURCES