banner

Nachricht

Jun 27, 2023

Lichtexpositionsverhalten sagt Stimmung, Gedächtnis und Schlafqualität voraus

Scientific Reports Band 13, Artikelnummer: 12425 (2023) Diesen Artikel zitieren

683 Zugriffe

48 Altmetrisch

Details zu den Metriken

Umfangreiche Untersuchungen haben gezeigt, dass Licht unsere Emotionen, unsere Wahrnehmung und unsere Schlafqualität beeinflusst. Es wurde jedoch kaum untersucht, ob unterschiedliche lichtexpositionsbezogene Verhaltensweisen, wie z. B. die Exposition gegenüber elektrischem Licht am Tag und die Nutzung von Geräten in der Nacht, insbesondere vor dem Schlafengehen, die Schlafqualität und die Kognition beeinflussen. Dreihundertein malaysische Erwachsene (Durchschnittsalter ± SD = 28 ± 9) absolvierten das Tool zur Bewertung des Lichtexpositionsverhaltens, bei dem fünf Verhaltensweisen bei Lichtexposition gemessen wurden. Sie füllten außerdem den Morgen-Abend-Fragebogen, den Zeitplan für positive und negative Auswirkungen, den Pittsburgh Sleep Quality Index und einzelne Items zur Beurteilung von Gedächtnis- und Konzentrationsproblemen aus. Ein partielles Strukturgleichungsmodell der kleinsten Quadrate, das eine Vorhersagekraft von 72,72 % zeigte, ergab, dass eine geringere Nutzung tragbarer Blaufilter im Freien während des Tages und mehr innerhalb einer Stunde vor dem Schlafengehen eine frühe Spitzenzeit vorhersagte (direkter Effekt = −0,25). Eine längere im Freien verbrachte Zeit sagte einen positiven Effekt (direkter Effekt = 0,33) und einen Fortschritt der zirkadianen Phase voraus (direkter Effekt: Aufstiegszeit = 0,14, Spitzenzeit = 0,20, Ruhestandszeit = 0,17). Eine erhöhte Nutzung von Mobiltelefonen vor dem Schlafengehen sagte eine Verzögerung der zirkadianen Phase voraus (direkter Effekt: Ruhestandszeit = −0,25; Anstiegszeit = −0,23; Spitzenzeit = −0,22; morgendlicher Effekt = −0,12), verringerte Schlafqualität (direkter Effekt = 0,13) und erhöhte Gedächtnis- und Konzentrationsstörungen (Gesamteffekt = 0,20 bzw. 0,23). Der verstärkte Einsatz von abstimmbarem, LED- oder dämmerungssimulierendem elektrischem Licht am Morgen und am Tag sagte eine Verbesserung der zirkadianen Phase (direkter Effekt: Spitzenzeit = 0,15, morgendlicher Effekt = 0,14, Ruhezeit = 0,15) und eine gute Schlafqualität (direkter Effekt =) voraus −0,16). Die Ergebnisse liefern wertvolle Erkenntnisse zur Entwicklung einer gesunden, leichten Ernährung zur Förderung von Gesundheit und Wohlbefinden.

In den letzten vier Jahrzehnten veröffentlichte wissenschaftliche Erkenntnisse haben gezeigt, dass die Lichtexposition der Netzhaut unsere Physiologie, unser Verhalten und unsere Emotionen beeinflusst. Genauer gesagt moduliert es den menschlichen Schlaf, den Tagesrhythmus, die Wachsamkeit, die Stimmung sowie neuroendokrine und neurologische Verhaltensfunktionen1,2,3,4,5. Diese Einflüsse des Lichts auf die Physiologie und das Verhalten des Menschen werden zusammenfassend als nicht bildgebende Reaktionen (NIF) des Lichts bezeichnet. Die mit Melanopsin angereicherten intrinsisch photorezeptiven Ganglienzellen der Netzhaut (ipRGCs), die gegenüber kurzwelligem (blau angereichertem, ~ 480 nm) Licht6 empfindlich sind, vermitteln im Allgemeinen die NIF-Effekte von Licht.

Mit dem Aufkommen von künstlichem Licht und selbstleuchtenden Displays ist unsere Lichtexposition auf der Netzhaut nicht mehr auf den natürlichen Tag-Nacht-Zyklus beschränkt. Umfangreiche Forschungsergebnisse deuten darauf hin, dass das Ungleichgewicht von Licht und Dunkelheit unser zirkadianes System stört7. Anschließend führt diese Störung zu einer Reihe nachteiliger Folgen, darunter eine verminderte Schlafqualität, eine verminderte Stimmung und eine Veränderung der Schlafgewohnheiten7,8,9. Da der natürliche Hell-Dunkel-Zyklus der wichtigste Zeitgeber für die Synchronisierung unserer inneren Uhr mit dem astronomischen Tag ist, zwingt uns die Änderung dieses Zyklus dazu, eine unterschiedliche Chronotyp-Disposition für Aktivitäten zu Beginn oder am Ende des Tages zu haben10. Untersuchungen zeigen, dass die Einwirkung von hellem Licht (~ 5.000–10.000 Lux) nachts zu einer Phasenverzögerung führt11 und die Einwirkung von hellem Licht am Morgen zu einer Phasenvorverlegung führt12,13. Eine erhöhte nächtliche Lichtexposition ist auch mit einer verminderten Schlafqualität verbunden14,15. Mehrere Studien haben jedoch von einer besseren nächtlichen Schlafqualität berichtet, nachdem sie morgens elektrischem Licht (300–1000 Lux) ausgesetzt wurden9,16,17,18. He et al.17 beobachteten bei College-Studenten (N = 12) eine höhere nächtliche Schlafeffizienz, ein früheres Einschlafen, eine kürzere Schlaflatenz und eine geringere Morgenschläfrigkeit, wenn sie morgens hellem Licht (1000 Lux, 6500 K) ausgesetzt waren fünf Tage im Vergleich zu herkömmlichem Bürolicht (300 Lux, 4000 K). Gehirnregionen wie limbische Bereiche und die Hypothalamus-Hypophysen-Nebennieren-Achse, die für die Regulierung der Stimmung verantwortlich sind, unterliegen einer zirkadianen Regulierung19. Daher kann davon ausgegangen werden, dass die Störung der zirkadianen Regulierung die Stimmungsregulierung beeinträchtigen wird19. Helles Licht am Morgen steigert die positive Stimmung; Allerdings verstärkt die Einwirkung von hellem Licht am Nachmittag die negative Stimmung20,21,22,23.

Mehrere Studien haben bestätigt, dass die Lichteinwirkung auf die Netzhaut den Hippocampus aktiviert, der eng mit Gedächtnisfunktionen verbunden ist24,25,26. Daher gehen Forscher davon aus, dass die Lichteinwirkung auf die Netzhaut das Gedächtnis beeinflussen würde. Vandewalle et al.27 beobachteten, dass im Vergleich zu einer 18-minütigen Exposition gegenüber monochromatischem grünem Licht (550 nm; 3 × 1013 Photonen/cm2/s) eine 18-minütige Exposition gegenüber monochromatischem blauem Licht (470 nm; 3 × 1013 Photonen) erforderlich ist /cm2/s) verbessert die Arbeitsgedächtnisleistung (N = 18). Alkozei et al.28 berichteten von einem verbesserten verbalen Gedächtnis bei einer 30-minütigen Exposition mit monochromatischem blauem Licht (469 nm; 214 Lux; N = 12) im Vergleich zu monochromatischem bernsteinfarbenem Licht (578 nm; 188 Lux). Huiberts et al.29 lieferten weitere Belege dafür, dass Licht die Leistung gedächtnisbasierter Aufgaben beeinflusst, wobei die Teilnehmer unter polychromatischen weißen hellen Lichtbedingungen (200 Lux, 4000 K vs. 1000 Lux, 4000 K; N = 64) bei einfachen Aufgaben besser abschnitten als bei komplexen Aufgaben. . Die Exposition gegenüber Netzhautlicht ist auch mit einer verbesserten Konzentration verbunden. Kretschmer et al.30 beobachteten eine verbesserte Konzentration bei Nachtschichtarbeitern (N = 32) unter hellen Lichtbedingungen (3269–3684 Lux vs. 257–339 Lux). Sleegers et al.31 kamen in ihren Studien zu den Auswirkungen von Licht in Klassenzimmerumgebungen zu dem Schluss, dass eine dynamische Lichtumgebung einen positiven Einfluss auf die Konzentration der Schüler hat (1000 Lux, 6500 K vs. 300 Lux, 3000–4000 K; N = 181). ).

Aufgrund des sozialen Jetlags (Fehlanpassung des Schlaf-Wach-Rhythmus an den Arbeitsplan) können verschiedene Chronotypen, insbesondere frühe und späte Chronotypen, eine verminderte Schlafqualität aufweisen. Juda et al.32 fanden heraus, dass Arbeiter mit frühen Chronotypen eine kürzere Schlafdauer und mehr Schlafstörungen aufwiesen als Arbeiter mit späten Chronotypen (N = 371 Schichtarbeiter). Darüber hinaus hatten späte Chronotypen eine schlechte Schlafqualität mit unregelmäßigen Schlafgewohnheiten an Wochentagen, da ihre bevorzugte Aktivitätsperiode nicht mit den Anforderungen in der realen Welt übereinstimmte33,34,35. Chronotypen können auch unser Gedächtnis und unsere Konzentration beeinflussen36,37,38. Schmidt et al.36 berichteten über einen Interaktionseffekt von Chronotyp und Tageszeit auf das Gedächtnis (N = 32). Die Gedächtnisleistung derjenigen mit frühem Chronotyp war morgens besser. Ebenso war die Gedächtnisleistung derjenigen mit spätem Chronotyp am Nachmittag besser39,40. Forscher haben es den Synchroneffekt genannt. Untersuchungen haben auch gezeigt, dass die Schlafqualität von der Stimmung abhängt und umgekehrt41,42. Positiver Affekt – ein Zustand angenehmer Auseinandersetzung mit der Umwelt – wird mit verbesserten Schlafmustern in Verbindung gebracht43,44. Im Gegensatz dazu führen negative Affekte (Gefühle emotionaler Belastung) zu Schlafentzug, schlechter Schlafqualität und verminderten kognitiven Funktionen45,46,47,48,49. Eine schlechte Schlafqualität, das Kernsymptom einer Stimmungsstörung, ist mit einem verminderten positiven Affekt verbunden42. Eine schlechte Schlafqualität verringert auch die Gedächtnisfunktionen und die Konzentration50,51,52,53,54.

Viele Forscher sind sich des Einflusses der Lichtexposition der Netzhaut auf unsere Gesundheit und unser Wohlbefinden bewusst und haben versucht, eine gesunde Lichtexposition zu quantifizieren. Sie haben Empfehlungen für eine gesunde Innenbeleuchtungsumgebung gegeben, die sich hauptsächlich auf Eigenschaften des Lichtspektrums wie Beleuchtungsstärke und Wellenlänge konzentriert55. Es sind jedoch kaum Anstrengungen zur Untersuchung lichtexpositionsbedingter Verhaltensweisen zu erkennen, die ein aktiver Faktor sein könnten, der unsere retinale Lichtexposition verändert. Menschen können ihre Lichtexposition durch unterschiedliche Verhaltensweisen steuern, indem sie bestimmte Arten der Lichtexposition aktiv suchen oder vermeiden. Es besteht eine Wissenslücke beim Verständnis dieser Verhaltensweisen, die für die Entwicklung einer gesunden, leichten Ernährung – eines Lichtexpositionsmusters, das Gesundheit, Wohlbefinden und Arbeitsleistung fördert – von entscheidender Bedeutung sind. Um diese Lücke zu schließen, haben wir das Tool Light Exposure Behavior Assessment (LEBA)56 entwickelt, das das Verständnis des Lichtexpositionsverhaltens von Menschen und die Entwicklung einer gesunden, leichten Ernährung erleichtern wird. LEBA kategorisiert fünf verschiedene Verhaltenstypen. Erstens die Neigung, drinnen und draußen eine Blaulichtfilterbrille zu tragen (LEBA B1). Zweitens die Tendenz, Zeit im Freien zu verbringen (LEBA B2). Drittens die Nutzung von Mobiltelefonen auf dem Bett vor dem Schlafengehen (LEBA B3). Viertens unsere Neigung, das Umgebungslicht vor dem Schlafengehen zu kontrollieren (LEBA B4). Schließlich der Einsatz von elektrischem Licht (LEBA B5). Ob diese Verhaltenskategorisierungen jedoch unterschiedliche Aspekte unserer Gesundheit, unseres Gedächtnisses und unserer Konzentration vorhersagen würden, bleibt unbekannt.

Wir stellten die folgenden Fragen: Welchen Einfluss haben LEBA-Kategorien auf (a) Chronotyp, (b) Stimmung, (c) Schlafqualität und (d) Gedächtnis und Konzentration? Um diese Fragen zu beantworten, haben wir einen theoretischen Rahmen (Abb. 1) vorgeschlagen, der auf der überprüften Literatur basiert. Wir haben die partielle Strukturgleichungsmodellierung der kleinsten Quadrate (PLS-SEM) verwendet, die sich am besten für die Formulierung eines solchen Vorhersagemodells eignet57,58. Die Vorhersage von Beziehungen mithilfe von PLS-SEM ist ein zweistufiger Prozess. Zunächst wird ein Messmodell verwendet, um die Zuverlässigkeit und Validität der im Modell verwendeten latenten Variablen zu bewerten. Zweitens wird ein Strukturmodell verwendet, um die vorhergesagten Beziehungen der latenten Strukturen zu untersuchen. Im Strukturmodell sind (i) die direkten Effekte (DE): Einflüsse, die nicht durch andere Konstrukte im Modell vermittelt werden, (ii) indirekte Effekte (IE): Einflüsse, die durch mindestens ein dazwischenliegendes Konstrukt im Modell vermittelt werden, und (iii) insgesamt Effekte (TE): Summen direkter und indirekter Effekte eines bestimmten Konstrukts können geschätzt werden59.

Theoretischer Rahmen des angepassten PLS-SEM-Modells zur Vorhersage von Chronotyp, Schlafqualität, Stimmung, Gedächtnis und Konzentration unter Verwendung von LEBA-Kategorien als Prädiktoren.

Wir haben vorhergesagt, dass fünf Arten von LEBA-Verhaltenskategorien direkten Einfluss auf Chronotyp (H1), Stimmung (H2) und Schlafqualität (H3) haben würden. Wir haben auch einen bidirektionalen Zusammenhang zwischen Stimmung und Schlafqualität vorhergesagt (H4). Darüber hinaus haben wir vorhergesagt, dass der Chronotyp (H5) die Schlafqualität beeinflussen würde. Schlafqualität (H6), Stimmung (H7) und Chronotyp (H8) würden Gedächtnis und Konzentration beeinflussen. LEBA-Kategorien würden Gedächtnis und Konzentration direkt beeinflussen (H9). Schließlich haben wir vorhergesagt, dass die LEBA-Kategorien einen signifikanten Gesamteffekt auf die Schlafqualität (H10), das Gedächtnis und die Konzentration (H11) haben würden.

Wir haben eine groß angelegte Online-Umfrage unter malaysischen Einwohnern durchgeführt. Die Ausschluss- und Einschlusskriterien für die Teilnahme an dieser Studie waren: (1) alle Einwohner Malaysias, die älter als 18 Jahre sind und Englisch lesen und schreiben können, (2) keine physiologischen und psychologischen Störungen (selbst gemeldet). Dreihundertsechsundsechzig Erwachsene haben an der Umfrage teilgenommen. Die Abschlussquote unserer Umfrage betrug 87 % (die Daten von 45 Teilnehmern wurden aufgrund von Unvollständigkeit ausgeschlossen). Darüber hinaus haben wir 19 Teilnehmer aufgrund unserer Ausschluss-/Einschlusskriterien ausgeschlossen. Daher haben wir die Daten von 301 Teilnehmern für die weitere Verarbeitung verwendet.

Eine A-priori-Leistungsanalyse wurde durchgeführt, um die Angemessenheit der Stichprobengröße mit G*Power 3.060 zu bestimmen. Um eine Effektgröße von 0,1561 und 80 % statistische Aussagekraft und \(\alpha\) = 0,05 zu erreichen, war für eine multiple lineare Regression mit 13 Prädiktoren eine Gesamtstichprobengröße von 131 Personen erforderlich. Darüber hinaus betrug die maximale Anzahl von Elementen pro Faktor in unserem Modell sechs. Um in der PLS-SEM-basierten Analyse einen minimalen \({R}^{2}\)-Wert von 0,10 für einen Faktor mit sechs Elementen mit 80 % statistischer Aussagekraft und α = 0,05 zu ermitteln, sind mindestens 130 Teilnehmer erforderlich62. Unsere Stichprobengröße übertraf diese Empfehlungen.

Lichtexpositionsbezogenes Verhalten wurde mithilfe der Kurzform des Light Exposure Behavior Assessment56 gemessen. Die Kurzform enthält fünf Faktoren mit 18 Items. Die Beurteilung des Lichtexpositionsverhaltens (Light Exposure Behavior Assessment, LEBA) misst retrospektiv die Neigung zu verschiedenen lichtexpositionsbezogenen Verhaltensweisen im letzten Monat mithilfe einer Fünf-Punkte-Likert-Antwortskala (1 = nie; 2 = selten; 3 = manchmal; 4 = oft; 5). = immer).

Der positive und negative Affektplan (PANAS)63 wurde verwendet, um positive (PA) und negative Affekte (NA) mit zwei 10-Punkte-Stimmungsskalen zu messen. Die Teilnehmer bewerteten retrospektiv ihre positiven und negativen Auswirkungen auf der Grundlage des letzten Monats anhand einer fünfstufigen Likert-Antwortskala (1 = sehr leicht/überhaupt nicht; 2 = ein wenig; 3 = mäßig; 4 = ziemlich stark; 5 =). äußerst).

Wir haben zwei einzelne globale Items mit vierstufigen Likert-Antwortoptionen entwickelt, um Gedächtnis- und Konzentrationsprobleme zu untersuchen. Bei diesen einzelnen globalen Items wurden die Teilnehmer nach der Neigung ihrer Gedächtnis- und Konzentrationsschwierigkeiten im letzten Monat gefragt (0 = nicht vorhanden; 1 = leicht; 2 = mäßig; 3 = schwer).

Wir verwendeten den Pittsburgh Sleep Quality Index (PSQI)64, um die Schlafqualität der Teilnehmer zu messen. PSQI misst sieben Schlafbereiche, um „schlechten“ von „gutem“ Schlaf zu unterscheiden. Die Teilnehmer antworteten auf den PSQI mit Likert-Antwortoptionen im Bereich von 0 bis 3, wobei 3 das negative Extrem auf der Likert-Skala widerspiegelt. Eine Summe von Werten ≥ 5 weist auf eine schlechte Schlafqualität hin. Es wurde berichtet, dass die latente Struktur des PSQI zwischen einem Faktor und drei Faktoren variiert64,65. Dunleavy et al.66 empfahlen in ihrer Studie die Verwendung eines Zwei-Faktoren-Modells: wahrgenommene Schlafqualität (PSQ) und Schlafeffizienz (SE) bei der Messung der Schlafqualität bei Bürgern Singapurs. In dieser Studie folgten wir der empfohlenen Struktur. Ein höherer Wert im PSQ-Faktor würde auf eine verminderte wahrgenommene Schlafqualität hinweisen. Im Gegensatz dazu würde ein höherer Wert im SE-Faktor auf eine höhere Schlafeffizienz hinweisen.

Der Chronotyp wurde mithilfe des Morningness-Eveningness-Fragebogens (MEQ)67 gemessen. MEQ besteht aus 19 Fragen und die Punktzahlen reichen von 16 bis 86. Eine höhere Punktzahl weist auf eine höhere Morgenneigung hin. Caci et al.68 berichteten über eine Vier-Faktoren-Struktur des MEQ: Spitzenzeit (PT), Morgenaffekt (MA), Ruhestandszeit (RT) und Aufstehzeit (RI) in einer Studentenstichprobe (N = 456). Elemente in PT bewerten die Spitzenzeit des Körpers für verschiedene Aktivitäten. MA beurteilt morgens unsere körperlichen Reaktionen. RT beurteilt den Zeitpunkt, zu dem unser Körper beginnt, sich auf den Schlaf vorzubereiten. Schließlich untersucht RI den Zeitpunkt, zu dem sich unser Körper auf das Aufwachen vorbereitet.

Das Projekt wurde vom Human Research Ethics Committee der Monash University genehmigt (Projekt-ID: 14.786). Die Forschung wurde in Übereinstimmung mit den relevanten Richtlinien/Vorschriften der Deklaration von Helsinki durchgeführt. Vor der Datenerfassung wurde von allen Teilnehmern eine Einverständniserklärung eingeholt. Dabei handelte es sich um eine querschnittliche, vollständig anonyme Online-Umfrage. Die Teilnehmer wurden per E-Mail und über soziale Medien (z. B. LinkedIn, Twitter und Facebook) eingeladen und mit einer Begründung versehen, in der wir erwähnten, dass ihre Teilnahme freiwillig sei und dass sie jederzeit ohne Strafe von der Teilnahme zurücktreten könnten. Wenn die Teilnehmer mit der Aussage zufrieden waren, wurde ihnen ein Umfragelink zugesandt. Zu Beginn der Befragung wurde ihre Einwilligung digital erfasst. Die Befragung dauerte 15–20 Minuten und wurde nicht vergütet. Die Umfrage wurde zwischen April und November 2022 abgeschlossen.

Für unsere Analyse verwendeten wir R (4.1.2v)69 und mehrere Statistikpakete, darunter esemComp70, „SEMinR71“ und tabledown72.

Wir haben in unserer Stichprobe mithilfe der explorativen Strukturgleichungsmodellierung (ESEM)73 strukturelle Validitätsnachweise für LEBA-, PSQI-, MEQ- und PANAS-Skalen gesammelt. ESEM verfeinert die rechnerischen Vorteile der explorativen und bestätigenden Faktorenanalyse, indem es das Überkreuzladen der Elemente ermöglicht, um die Daten realistischer darzustellen, und Anpassungsindizes zur Bewertung der Modellanpassung bietet. Zur Beurteilung der Modellanpassung folgten wir den Richtlinien von Hu und Bentler74: Comparative Fit Index (CFI) und Tucker Lewis Index (TLI): akzeptable Anpassung \(\ge 0\).90, gute Anpassung \(\ge 0\ ).95; der mittlere quadratische Näherungsfehler (RMSEA): akzeptable Anpassung < 0,08, gute Anpassung < 0,06; und der standardisierte quadratische Mittelwert (SRMR): akzeptable Anpassung < 0,10, gute Anpassung < 0,08.

Zunächst haben wir die Qualität des Messmodells beurteilt. Wir haben Elemente mit einer Faktorladung < 0,40 ausgeschlossen, um die Robustheit des Messmodells71 zu erhöhen. Zweitens haben wir die internen Konsistenzzuverlässigkeitsschätzungen jedes Konstrukts geschätzt. Wir haben sowohl die Untergrenze der Zuverlässigkeit – Cronbachs \(\alpha\)-Koeffizient – ​​als auch die Obergrenze der Zuverlässigkeit – Konstruktzuverlässigkeit (CR) – angegeben. Sowohl Cronbachs \(\alpha\)- als auch CR-Koeffizientenwerte liegen zwischen 0 und 1, wobei höhere Werte eine bessere Zuverlässigkeit darstellen. Als allgemeine Richtlinie gilt Cronbachs \(\alpha\) über 0,70 als zufriedenstellend75,76 und ein Wert über 0,50 gilt als akzeptabel77. Ein CR-Koeffizientenwert von 0,60 und mehr weist auf eine zufriedenstellende Zuverlässigkeit hin71.

Drittens haben wir die konvergente und diskriminante Gültigkeit des Messmodells bewertet. Für die konvergente Validität haben wir den AVE-Wert (Average Variance Extracted) jedes Konstrukts verwendet. AVE ≥ 0,50 oder AVE < 0,50 mit einer CR > 0,60 und AVE < CR weisen auf eine akzeptable konvergente Validität hin78. Für die Diskriminanzvalidität verglichen wir die Quadratwurzel des AVE eines Konstrukts mit seiner entsprechenden Korrelation mit anderen Konstrukten78. Die Quadratwurzel der AVEs jedes Konstrukts sollte höher sein als seine Korrelation mit anderen Konstrukten. Wir haben auch das Bootstrapped-Heterotrait-Monotrait-Verhältnis (HTMT) der Korrelationen des Konstrukts als zusätzlichen Beweis für die Diskriminanzvalidität angegeben. Für konzeptionell ähnliche Konstrukte sollte der HTMT-Wert < 0,90 sein; Für Konstrukte, die konzeptionell unterschiedlich sind, sollte der HTMT-Wert < 0,8079 sein.

Zunächst haben wir die Kollinearität der Konstrukte in unserem Strukturmodell bewertet, indem wir die Werte des Varianzinflationsfaktors (VIF) berechnet haben. VIF > 3 weist auf wahrscheinliche Kollinearitätsprobleme hin79. Als nächstes schätzten wir die direkten Effekte (DE) und Gesamteffekte (TE) des Strukturmodells mithilfe eines Bootstrapping-Ansatzes mit 10.000 Teilstichproben und berichteten über die in unserem Modell beobachteten signifikanten Gesamteffekte (t > 1,96). Zuletzt haben wir das angepasste \({R}^{2}\) als Maß für die Erklärungskraft angegeben. Zur Beurteilung der Erklärungskraft folgten wir den Richtlinien von Falk und Miller80: \({R}^{2}\) Werte \(\ge\) 0,10 zeigen eine ausreichende Erklärungskraft an. Darüber hinaus haben wir die \({R}^{2}\)-Werte gemäß den Richtlinien von Cohen61 kategorisiert: 0,02 (schwach), 0,13 (mäßig) und 0,26 (erheblich). Für die Vorhersagerelevanz haben wir die Vorhersagekraft des angepassten Modells durch K-fache Kreuzvalidierung unter Verwendung der Funktion \(PL{S}_{predict}\) aus dem Paket „SEMinR“71 bewertet. \(PL{S}_{predict}\) liefert den quadratischen Mittelwertfehler (RMSE) und die entsprechenden linearen Regressionsmodell-Benchmarks (LM) für alle Indikatoren. Wir haben die Vorhersagekraft des Modells anhand der Richtlinie von Hair71 bewertet: (i) hohe Vorhersagekraft: Alle Indikatoren im angepassten PLS-SEM-Modell haben niedrigere RMSE-Werte im Vergleich zum LM (ii) mittlere Vorhersagekraft: die Mehrheit (≥ 50 %). ) der Indikatoren haben niedrigere RMSE-Werte als das LM-Modell (iii) geringe Vorhersagekraft: Weniger als 50 % des Indikators haben einen niedrigeren RMSE-Wert als das LM-Modell (iv) keine Vorhersagekraft: Kein Indikator hat einen niedrigeren RMSE-Wert als das LM-Modell. Abbildung 2 zeigt die von uns durchgeführten Analyseschritte.

Analysiert die in der Studie verwendeten Schritte.

Das Projekt erhielt die Ethikfreigabe des Human Research Ethics Committee der Monash University (Projekt-ID: 14.786). Von allen Teilnehmern wurde eine Einverständniserklärung eingeholt. Den Teilnehmern wurde ihre freiwillige Teilnahme und das jederzeitige Rücktrittsrecht zugesichert.

Von den 301 Teilnehmern (AgeMean±SD = 28 ± 9) waren 218 (72,43 %) weiblich im Alter von 18 bis 59 Jahren (AgeMean ± SD = 26,85 ± 8,07) und 83 (27,57 %) waren männlich mit einem Altersspanne zwischen 18 und 74 Jahren (AgeMean±SD = 30,35 ± 12,14): 78,66 % waren unverheiratet. Die Mehrheit der Teilnehmer waren Studenten (71,42 %) und hatten einen mittleren Chronotyp (68 %). Tabelle 1 fasst die demografischen Daten der Teilnehmer und deskriptive Statistiken der Maßnahmen zusammen. Abbildung 3 zeigt die Antwortverteilung, den Mittelwert und die Standardabweichung für jedes Element von LEBA.

Antwortverteilung der Bewertung des Lichtexpositionsverhaltens.

Tabelle 2 zeigt die Anpassungsindizes der in dieser Studie verwendeten Skalen. Light Exposure Behavior Assessment (LEBA), Pittsburgh Sleep Quality Index (PSQI), Morningness-Eveningness Questionnaire (MEQ) und Positive and Negative Affect Scales (PANAS) ergaben eine akzeptable bis gute Übereinstimmung in Bezug auf CFI und TLI (> 0,95 oder 0,90). ), RMSEA (< 0,08 oder 0,06) und SRMR (< 0,08).

Wir haben zwei Elemente aus LEBA (Elemente 02 und 04) und vier Elemente aus MEQ (Elemente 06, 10, 16, 12) aufgrund schwacher Faktorladungen (<0, 40; Ergänzungstabelle S1) ausgeschlossen. Die Ergebnisse der Bewertung des umgerüsteten Messmodells sind in der Ergänzungstabelle S2 dargestellt. Der Schlafeffizienzfaktor (SE) des PSQI zeigte eine schlechte Zuverlässigkeit im Sinne von Cronbachs \(\alpha\) (\(\alpha\)= 0,48), hatte aber eine zufriedenstellende Konstruktzuverlässigkeit (CR = 0,79). Alle anderen Faktoren zeigten eine akzeptable bis zufriedenstellende interne Konsistenz in Bezug auf Cronbachs \(\alpha\) (0,51–0,94) und Konstruktzuverlässigkeit (0,72–0,96). Was die konvergente Validität betrifft, wiesen 8 von 13 Konstrukten eine durchschnittliche extrahierte Varianz (AVE) > 0,50 auf (außer LEBA B2, negativer Affekt, wahrgenommene Schlafqualität, Spitzenzeit und Ruhestand). Allerdings hatten alle 13 Konstrukte einen CR > 0,60 und einen AVE < CR. Dies deutete auf eine akzeptable Zuverlässigkeit und konvergente Gültigkeit aller Konstrukte im Modell hin.

Um die Diskriminanzvalidität zu ermitteln, haben wir die Quadratwurzel der AVE jedes Konstrukts berechnet und sie mit ihrer entsprechenden Korrelation zwischen Konstrukten verglichen (Ergänzungstabelle S3). Die Quadratwurzel der AVE aller Konstrukte war größer als ihre Korrelation zwischen den Konstrukten, was auf eine zufriedenstellende Diskriminanzvalidität hinweist. Weitere Beweise für die Diskriminanzvalidität der Konstrukte wurden durch die Heterotrait-Monotrait-Analyse (HTMT) erbracht. Die Ergänzungstabelle S4 stellt die HTMT-Werte dar und zeigt eine zufriedenstellende Diskriminanzvalidität (HTMT <0,80) für alle 13 Konstrukte.

Varianzinflationsfaktoren (VIF) für alle Konstrukte waren < 3, was darauf hinweist, dass keine mögliche Kollinearität vorliegt. Tabelle 3 zeigt signifikante (t > 1,96) direkte Effekte und Gesamteffekte, die in unserem Modell beobachtet wurden. Alle direkten Auswirkungen des Strukturmodells sind in der Ergänzungstabelle S5 aufgeführt.

Tabelle 3 zeigt, dass die LEBA-Kategorien im Einklang mit unseren Vorhersagen direkte Auswirkungen auf Chronotyp (H1), Stimmung (H2) und Schlafqualität (H3) zeigten. Unter den vier Faktoren des Chronotyps beobachteten wir einen negativen direkten Effekt des Tragens einer Blaulichtfilterbrille (LEBA B1) auf die Spitzenzeit (PT; Spitzenzeit des Körpers für verschiedene Aktivitäten). Eine geringere Verwendung von Blaulichtfilterbrillen in Innenräumen während des Tages und mehr innerhalb einer Stunde vor dem Schlafengehen (LEBA B1) prognostizierte eine frühe Spitzenzeit (PT; \(\beta\)= −0,25). Das Verbringen von Zeit im Freien (LEBA B2) zeigte einen direkten Einfluss auf den positiven Affekt (\(\beta\)= 0,33) und die Chronotypfaktoren: Spitzenzeit (PT; \(\beta\)= 0,20), Ruhestandszeit (RT; die Zeit). wenn unser Körper beginnt, sich auf den Schlaf vorzubereiten; \(\beta\)= 0,17), und die Aufstehzeit (RI; die Zeit, in der sich unser Körper auf das Aufwachen vorbereitet; \(\beta\)= 0,14). Im Gegensatz dazu beeinflusste die Nutzung von Mobiltelefonen auf dem Bett vor dem Schlafengehen (LEBA B3) direkt, aber negativ die vier Chronotypfaktoren: PT (\(\beta\)= −0,22), Morgeneffekt (MA; \(\beta\) )= −0,12), RT (\(\beta\)= −0,25) und RI (\(\beta\)= −0,23) und vorhergesagte verringerte wahrgenommene Schlafqualität (PSQ; \(\beta\)= 0,13; a ein höherer Wert deutete auf eine schlechte Schlafqualität hin). Der verstärkte Einsatz von elektrischem Licht tagsüber (LEBA B5) beeinflusste positiv die Chronotypfaktoren: PT (\(\beta\)= 0,15), MA (\(\beta\)= 0,14) und RT (\(\beta\)= 0,15) und eine erhöhte wahrgenommene Schlafqualität (PSQ; \(\beta\)= −0,16; ein niedrigerer Wert deutete auf eine höhere Schlafqualität hin). Diese Verhaltensdimension (LEBA B5) war jedoch mit einem erhöhten negativen Affekt verbunden (\(\beta\)= 0,19). Die Ergebnisse zeigten einen bidirektionalen Zusammenhang zwischen Stimmung und Schlafqualität. Positive und negative Auswirkungen beeinflussten direkt die Schlafqualität und umgekehrt (H4). Eine positive Stimmung erhöhte sowohl die Schlafeffizienz (SE; \(\beta\)= 0,21) als auch den PSQ (\(\beta\)= −0,19), wohingegen ein negativer Einfluss den PSQ verringerte (\(\beta\)= 0,28). Auch hier sagten bessere SE und PSQ eine bessere PA voraus (\(\beta\)= 0,21 und −0,29). Es wurde ein besserer PSQ mit weniger NA (\(\beta\)= 0,37) vorhergesagt.

Der Chronotyp hatte direkten Einfluss auf die Schlafqualität (H5), wobei beobachtet wurde, dass ein erhöhter MA den PSQ erhöhte (\(\beta\)= −0,21). Es wurde ein negativer Einfluss des PSQ auf das Gedächtnis und die Konzentration beobachtet (H6), wobei ein schlechter PSQ vorhergesagt wurde, dass er Probleme im Gedächtnis (\(\beta\)= 0,13) und in der Konzentration (\(\beta\)= 0,22) erhöht. Ein erhöhter negativer Einfluss ließ auf eine Verschlechterung des Gedächtnisses und der Konzentration schließen (H7; Gedächtnis = 0,37; Konzentration = 0,32). Wir beobachteten auch einen direkten Einfluss des Chronotyps auf Gedächtnis- und Konzentrationsstörungen (H8). Es wurde vorhergesagt, dass ein verstärkter Morgeneffekt zu einer Verringerung von Gedächtnis- und Konzentrationsstörungen führt (\(\beta\)= −0,13 und −0,11). Es wurde jedoch kein signifikanter direkter Einfluss lichtexpositionsbedingter Verhaltensweisen (H9) auf Gedächtnis- und Konzentrationsstörungen beobachtet.

Wir beobachteten insgesamt signifikante Auswirkungen lichtexpositionsbedingter Verhaltensweisen auf die Schlafqualität (H10). Die Nutzung von Mobiltelefonen am Bett vor dem Schlafengehen (LEBA B3) sagte die Abnahme des PSQ voraus (\(\beta\)= 0,20), wohingegen die erhöhte Nutzung von elektrischem Licht tagsüber (LEBA B5) den PSQ erhöhte (\(\beta\) )= −0,18). Schließlich wurden insgesamt signifikante Auswirkungen lichtexpositionsbedingter Verhaltensweisen auf Gedächtnis und Konzentration beobachtet (H11). Die Nutzung von Mobiltelefonen auf dem Bett vor dem Schlafengehen (LEBA B3) prognostizierte eine Zunahme von Gedächtnis- und Konzentrationsproblemen (\(\beta\)= 0,20 bzw. \(\beta\)= 0,23).

Unser angepasstes Modell zeigte eine erhebliche Erklärungskraft (R2) für PSQ (26,70 %), Konzentrationsstörungen (31,67 %) und Gedächtnisstörungen (27,32 %). Ein mäßiger R2 wurde für PA (25,27 %), NA (18,03 %), PT (14,58 %) und RT (13,32 %) beobachtet. Unser Modell zeigte einen schwachen R2 für MA (4 %), RI (9 %) und SE (4 %). Die Funktion \(PL{S}_{predict}\) zeigte an, dass unser Modell eine mittlere Vorhersagekraft hatte, wobei 72,72 % der Indikatoren einen RMSE-Wert aufwiesen, der unter dem LM-Benchmark lag.

In dieser Studie wurde untersucht, ob das Lichtexpositionsverhalten den Chronotyp, die Schlafqualität, die Stimmung, das Gedächtnis und die Konzentration vorhersagt. Vorläufige Analysen ergaben, dass das Lichtexpositionsverhalten die Schlafqualität, Konzentration und das Gedächtnis beeinflusst. Ergebnisse von LEBA zeigten, dass die Teilnehmer im Allgemeinen seltener Blaulichtfilter verwendeten, weniger Zeit im Freien verbrachten und vor dem Schlafengehen im Bett intensiv mit Mobiltelefonen beschäftigt waren. Diese Verhaltensweisen könnten zu einer schlechten Schlafqualität sowie Gedächtnis- und Konzentrationsstörungen beigetragen haben. Die Ergebnisse untermauerten den Bedarf an einem Modell, um vorherzusagen, wie das Lichtexpositionsverhalten die menschliche Wahrnehmung und Schlafqualität erklärt.

Die Messmodelle zeigten eine akzeptable Zuverlässigkeit und Gültigkeit der Skalen, die wir zur Messung von Chronotyp, Schlafqualität und Stimmung verwendeten. Zwei Faktoren: Schlafeffizienz (SE) und Aufstehzeit (RI), hatten Cronbachs α < 0,60, zeigten jedoch eine zufriedenstellende Konstruktzuverlässigkeit (> 0,60). Diese beiden Faktoren bestanden jeweils nur aus zwei Elementen, was möglicherweise zum niedrigen Cronbach-Alpha-Koeffizienten beigetragen hat. Darüber hinaus stellten wir nur zwei separate Fragen, um zu beurteilen, ob die Teilnehmer Probleme mit der Gedächtnis- und Konzentrationserinnerung hatten. Die Verwendung solcher globaler Einzelitems ermöglichte es uns, die kognitiven Anforderungen der Teilnehmer an die Beantwortung der Umfrage zu reduzieren und die Rücklaufquote zu erhöhen81. In der Regel erweisen sich einzelne Fragen als zuverlässig mit guter Vorhersagevalidität und ermöglichen es den Teilnehmern, die Schlüsselmerkmale des gegebenen Konstrukts zu berücksichtigen82,83,84,85.

Die Ergebnisse zeigten, dass das Strukturmodell für alle Faktoren eine zufriedenstellende Erklärungskraft (R2 > 0,10) hatte, mit Ausnahme des Morgeneffekts (MA), der Anstiegszeit (RI) und der Schlafeffizienz (SE). Diese drei Faktoren zeigten ein schwaches R2. Ein möglicher Grund könnte sein, dass sie von anderen Faktoren beeinflusst werden, die nicht im Modell enthalten sind, wie etwa Genetik, Tageszeit und Arbeitsplan. Auf jeden Fall zeigten unsere Modelle im Allgemeinen eine zufriedenstellende Vorhersagerelevanz und die meisten Beziehungen bestätigten unsere Vorhersagen.

Das Tragen von Blaulichtfiltern (LEBA B1) hatte direkten Einfluss auf die Spitzenzeit – ein Chronotyp, der die Spitzenzeit des Körpers für verschiedene Aktivitäten angibt. Eine geringere Nutzung von Blaulichtfiltern in Innenräumen während des Tages und eine höhere Nutzung in der Nacht, insbesondere eine Stunde vor dem Schlafengehen, sagten einen Fortschritt der zirkadianen Phase voraus, was bedeutet, dass unser Körper früher als üblich zu funktionieren beginnt (direkter Effekt, DE = −0,21). Die Ergebnisse stützen frühere Studien, die zeigten, dass die Exposition gegenüber blauem Licht tagsüber und das Fehlen von blauem Licht nachts dafür verantwortlich ist, unsere innere Uhr mit dem natürlichen Hell-Dunkel-Zyklus zu synchronisieren und unseren Körper auf das frühe Aufstehen vorzubereiten86,87. Eine Gruppe von Photorezeptoren in unserem Auge – intrinsisch photorezeptive Ganglienzellen der Netzhaut (ipRGCs) – reagieren empfindlich auf blaues Licht2,6. Diese ipRGCs empfangen Signale vom Licht und senden sie an die suprachiasmatische Kernregion (SCN) unseres Gehirns, die sogenannte Hauptuhr unserer Körperuhr, um unseren inneren Rhythmus mit dem astronomischen Zyklus in Einklang zu bringen. Daher führt der Mangel an blauem Licht während des Tages, insbesondere am Morgen, und die Belichtung in der Nacht zu einer Fehlleitung unseres Tagesrhythmus. Figueiro et al.88 berichteten, dass die Belichtung mit blau angereichertem Licht den ganzen Tag über eine bessere Anpassung des zirkadianen Rhythmus an den 24-Stunden-Hell-Dunkel-Zyklus der Erde fördert. Figueiro und Rea89 beobachteten eine Verzögerung des nächtlichen Melatonin-Einsatzes aufgrund der Einwirkung von Blaulicht am Tag (vom Aufwachen bis etwa 15:00 Uhr), was zu einer Verzögerung der zirkadianen Phase führte.

Das Verbringen von Zeit im Freien (LEBA B2) prognostizierte eine verbesserte Stimmung bei unseren Teilnehmern, indem es ihren positiven Einfluss steigerte. Frühere Studien berichteten ebenfalls über ähnliche Ergebnisse8,90. An et al.90 beobachteten eine verminderte depressive Verstimmung bei Arbeitnehmern, wenn an ihrem Arbeitsplatz mehr Sonnenlicht verfügbar war. Figueiro et al.8 fanden weniger depressive Symptome bei Lichtexposition mit hoher zirkadianer Effizienz – einer Fähigkeit, unsere innere Uhr wie das Sonnenlicht zu beeinflussen. Wir haben einen positiven direkten Effekt des Aufenthaltes im Freien auf den Chronotyp beobachtet. Dies weist auf einen möglichen Zusammenhang zwischen der Exposition gegenüber Außenlicht und dem Phasenfortschritt in unserem zirkadianen Rhythmus hin (siehe auch8,91). Nach der Analyse einer Biobank mit 400.000 britischen Teilnehmern berichteten Burns et al.91, dass die Zeit, die sie im Freien verbrachten, den Phasenfortschritt förderte. Es besteht auch die Möglichkeit, dass Menschen mit frühen Chronotypen den Vorteil haben, mehr Zeit im Freien zu verbringen als Menschen mit späten Chronotypen. Die Ergebnisse deuten darauf hin, dass schlaf- und stimmungsbedingte Probleme auf dem lichtexpositionsbedingten Verhalten der Menschen beruhen könnten.

Die verstärkte Nutzung intelligenter Geräte (Mobiltelefone) im Bett vor dem Schlafengehen (LEBA B3) war ein Hinweis auf eine Phasenverzögerung und eine verminderte Schlafqualität. Dieses expositionsbedingte Verhalten beeinträchtigte auch die Gedächtnisleistung und die Konzentration. Frühere Untersuchungen haben gezeigt, dass die Nutzung intelligenter Geräte im Bett negative Auswirkungen auf die Schlafqualität hat92,93,94. Das selbstleuchtende Display intelligenter Geräte strahlt oft blaues Licht aus, dessen nächtliche Exposition direkt mit einer verminderten kognitiven Funktion, einer Verschiebung der zirkadianen Phase und einer verminderten Schlafqualität verbunden ist95,96,97,98,99.

Die Ergebnisse zeigten, dass der verstärkte Einsatz von elektrischem Licht (abstimmbares Licht, LED-Licht oder dämmerungssimulierendes Licht) morgens und tagsüber (LEBA B5) die Schlafqualität steigerte und auf eine Verbesserung der zirkadianen Phase hindeutete. Figueiro et al.8 fanden ähnliche Ergebnisse, wobei eine erhöhte zirkadiane Lichtexposition am Tag die Schlafqualität bei Büroangestellten verbesserte. Mehrere Studien zeigten unabhängig voneinander, dass eine unzureichende Lichtexposition am Tag zu einer erhöhten Melatoninunterdrückung in der Nacht führte, was zu einer Verzögerung der zirkadianen Phase, mehr nächtlichem Erwachen, Schlafentzug und schlechter Schlafqualität führte100,101,102. Studien, die auf realen Umgebungen wie Büros und Schulen basieren, zeigten auch, dass eine erhöhte Exposition gegenüber elektrischem Licht die Schlafqualität verbesserte9,103,104. Allerdings ließ die verstärkte Nutzung dieser elektrischen Lichter am Morgen auch eine Zunahme der negativen Auswirkungen vorhersehen. Die Verwendung von elektrischem Licht am Morgen und tagsüber könnte mit der Unzugänglichkeit des Sonnenlichts verbunden sein, was zu verstärkten negativen Auswirkungen führen könnte105.

Unerwarteterweise konnten wir keinen Einfluss des Faktors „Kontrolle der Lichtumgebung vor dem Schlafengehen“ (LEBA B4) auf Schlaf, Emotionen und Kognition beobachten. Die Teilnehmer berichteten, ob sie das von ihren Geräten ausgestrahlte Licht vor dem Zubettgehen kontrollierten, etwa indem sie Blaulichtfilteranwendungen verwendeten oder den Monitor eine Stunde vor dem Schlafengehen dimmten. Jüngste Empfehlungen weisen jedoch darauf hin, dass bei Untersuchungen im Zusammenhang mit Licht in einer Schlafumgebung eine Zeitspanne von drei Stunden vor dem Schlafengehen berücksichtigt werden sollte55, was ein Faktor sein könnte, der zu solchen Ergebnissen beiträgt. Darüber hinaus könnten die Auswirkungen von Licht vor dem Schlafengehen auch von der Lichtexpositionshistorie und den Eigenschaften des Umgebungslichts abhängen106, die in unserem Modell nicht berücksichtigt wurden.

Die Ergebnisse zeigten, dass ein erhöhter Morgenaffekt (H8), ein Faktor des Chronotyps, weniger Probleme im Gedächtnis und in der Konzentration vorhersagte. Obwohl der Anstieg der zirkadianen Phase das Gedächtnis und die Konzentration verbesserte, schien der Zusammenhang komplexer, da andere Faktoren diesen Zusammenhang beeinflussen könnten. Beispielsweise sind frühe Chronotypen möglicherweise weniger anfällig für sozialen Jetlag (fehlausgerichtetes Schlaf-Wach-Rhythmus und Arbeitsplan); daher könnten Menschen später weniger Probleme mit dem Gedächtnis und der Konzentration haben als andere Chronotypen107,108.

Wir möchten einige Einschränkungen dieser Studie erwähnen. Zunächst haben wir das PLS-SEM-basierte Modell an eine von Frauen dominierte Stichprobe angepasst, was die Generalisierbarkeit der Ergebnisse behindert. Zukünftige Studien sollten eine Stichprobe mit ausgewogenem Geschlechterverhältnis mit höherer Repräsentativität der multiethnischen malaysischen Bevölkerung rekrutieren und das Modell an ausgewogene Untergruppen wie ethnische Zugehörigkeit oder Alter anpassen. Zweitens zeigten Morgenaffekt (MA), Aufstehverhalten (RI) und Schlafeffizienz (SE) in unserem angepassten Modell ein schwaches R2. Weitere Untersuchungen mit größeren Stichproben und umfassenderen Maßnahmen für zusätzliche Variablen könnten erforderlich sein, um die Erklärungskraft des angepassten Modells zu verbessern. Drittens kann die Bedeutung der Berücksichtigung der Tageszeit bei der Berücksichtigung der Auswirkungen der Lichtexposition nicht genug betont werden. Wir sollten jedoch beachten, dass die meisten Verhaltensdimensionen von LEBA nicht objektiv auf die Tageszeit eingehen. Um die Genauigkeit und Zuverlässigkeit zukünftiger Studien zu verbessern, empfehlen wir Forschern, die Rolle der Tageszeit als Variable zu berücksichtigen und ein Modell zu entwickeln, das sie berücksichtigt. Viertens gab es in dieser Studie eine Unterrepräsentation älterer Teilnehmer (> 65 Jahre). Das Alter der Teilnehmer ist ein entscheidender Faktor, der das lichtexpositionsbedingte Verhalten erheblich beeinflussen kann, was Bedenken hinsichtlich der Übertragbarkeit der Studienergebnisse auf die ältere Bevölkerung aufkommen lässt.

Diese Forschung untersuchte, ob lichtexpositionsbedingte Verhaltensweisen den Chronotyp, die Schlafqualität, die Stimmung, das Gedächtnis und die Konzentration vorhersagen können. Unser Ziel war es, eine gesunde, leichte Ernährung zu entwickeln. Wir haben zunächst einen konzeptionellen Rahmen entwickelt und dann eine partielle Strukturgleichungsmodellierung der kleinsten Quadrate auf Daten angewendet, die von 301 malaysischen Erwachsenen gesammelt wurden. Alle im Modell verwendeten Konstrukte zeigten eine akzeptable Zuverlässigkeit und Gültigkeit. Die Ergebnisse zeigten, dass die geringere Nutzung tragbarer Blaufilter im Freien während des Tages und mehr innerhalb einer Stunde vor dem Schlafengehen einen Fortschritt der zirkadianen Phase vorhersagte. Außerdem fördert der Aufenthalt im Freien die Stimmung und die Verbesserung der zirkadianen Phase. Die Verwendung von Geräten (Mobiltelefonen) im Bett vor dem Schlafengehen wirkte sich jedoch negativ auf die Stimmung, die Schlafqualität, das Gedächtnis und die Konzentration aus. Ersteres sagte auch eine Verzögerung der zirkadianen Phase voraus. Die Verwendung von elektrischem Licht (abstimmbares Licht, LED-Licht oder dämmerungssimulierendes Licht) morgens und tagsüber fördert die Verbesserung der zirkadianen Phase und verbessert die Schlafqualität. Im Allgemeinen würden diese Erkenntnisse dazu beitragen, eine gesunde, leichte Ernährung zu entwickeln, um Gesundheit und Wohlbefinden zu fördern.

Die während der aktuellen Studie generierten und/analysierten Datensätze sind im GitHub-Repository verfügbar, https://github.com/ILLMMU/Study2.

Lok, R., Smolders, KC, Beersma, DG, Domien, JG & de Kort, YA Licht, Wachsamkeit und alarmierende Wirkungen von weißem Licht: Ein Literaturüberblick. J. Biol. Rhythmen 33, 589–601. https://doi.org/10.1177/0748730418796443 (2018).

Artikel PubMed PubMed Central Google Scholar

Lockley, SW Spektrale Empfindlichkeit zirkadianer, neuroendokriner und neurologischer Verhaltenseffekte von Licht. J. Mensch–Umwelt. Syst. 11, 43 (2008).

Artikel Google Scholar

Cajochen, C. Alarmierende Wirkung von Licht. Schlafmed. Rev. 11, 453–464. https://doi.org/10.1016/j.smrv.2007.07.009 (2007).

Artikel PubMed Google Scholar

Siraji, M., Kalavally, V., Schaefer, A. & Haque, S. Auswirkungen der Exposition gegenüber elektrischem Licht am Tag auf die menschliche Wachsamkeit und höhere kognitive Funktionen: Eine systematische Übersicht. Vorderseite. Psychol. https://doi.org/10.3389/fpsyg.2021.765750 (2022).

Artikel PubMed PubMed Central Google Scholar

Xiao, H., Cai, H. & Li, X. Nicht-visuelle Auswirkungen der Lichtumgebung in Innenräumen auf den Menschen: Eine Übersicht. Physiol. Verhalten. 228, 113195. https://doi.org/10.1016/j.physbeh.2020.113195 (2021).

Artikel CAS PubMed Google Scholar

Hankins, MW & Lucas, RJ Der primäre Sehweg beim Menschen wird entsprechend der langfristigen Lichtexposition durch die Wirkung eines nichtklassischen Photopigments reguliert. Curr. Biol. 12, 191–198. https://doi.org/10.1016/S0960-9822(02)00659-0 (2002).

Artikel CAS PubMed Google Scholar

Lunn, RM et al. Gesundheitliche Folgen elektrischer Beleuchtung in der modernen Welt: Ein Bericht über den Workshop des National Toxicology Program zu Schichtarbeit in der Nacht, künstlichem Licht in der Nacht und Störungen des Tagesrhythmus. Wissenschaft. Gesamtumgebung. 607, 1073–1084 (2017).

Artikel ADS PubMed Google Scholar

Figueiro, MG et al. Der Einfluss von Tageslichteinwirkung auf Schlaf und Stimmung bei Büroangestellten. Schlafgesundheit 3, 204–215. https://doi.org/10.1016/j.sleh.2017.03.005 (2017).

Artikel PubMed Google Scholar

Viola, AU, James, LM, Schlangen, LJM & Dijk, D.-J. Blau angereichertes weißes Licht am Arbeitsplatz verbessert nach eigenen Angaben die Wachsamkeit, Leistung und Schlafqualität. Scan. J. Arbeitsumgebung. Gesundheit 34, 297–306. https://doi.org/10.5271/sjweh.1268 (2008).

Artikel PubMed Google Scholar

Porcheret, K. et al. Chronotyp und Umgebungslichtexposition bei einer Studentenpopulation. Chronobiol. Int. 35, 1365–1374. https://doi.org/10.1080/07420528.2018.1482556 (2018).

Artikel PubMed PubMed Central Google Scholar

Koo, YS et al. Künstliches Außenlicht in der Nacht, Fettleibigkeit und Schlafgesundheit: Querschnittsanalyse in der KoGES-Studie. Chronobiol. Int. 33, 301–314. https://doi.org/10.3109/07420528.2016.1143480 (2016).

Artikel PubMed Google Scholar

Czeisler, CA et al. Helles Licht löst eine starke (Typ 0) Rückstellung des menschlichen zirkadianen Schrittmachers aus. Wissenschaft 244, 1328–1333. https://doi.org/10.1126/science.2734611 (1989).

Artikel ADS CAS PubMed Google Scholar

Khalsa, SBS, Jewett, ME, Cajochen, C. & Czeisler, CA Eine Phasenantwortkurve auf einzelne helle Lichtimpulse bei menschlichen Probanden. J. Physiol. 549, 945–952. https://doi.org/10.1113/jphysiol.2003.040477 (2003).

Artikel CAS PubMed PubMed Central Google Scholar

Cho, JR, Joo, EY, Koo, DL & Hong, SB Lass es kein Licht sein: Die Wirkung von Nachttischlicht auf die Schlafqualität und den elektroenzephalographischen Hintergrundrhythmus. Schlafmed. 14, 1422–1425. https://doi.org/10.1016/j.sleep.2013.09.007 (2013).

Artikel PubMed Google Scholar

Obayashi, K., Saeki, K. & Kurumatani, N. Zusammenhang zwischen nächtlicher Lichtexposition und Schlaflosigkeit bei der allgemeinen älteren Bevölkerung: Die HEIJO-KYO-Kohorte. Chronobiol. Int. 31, 976–982. https://doi.org/10.3109/07420528.2014.937491 (2014).

Artikel PubMed Google Scholar

Boubekri, M., Cheung, IN, Reid, KJ, Wang, C.-H. & Zee, PC Einfluss von Fenstern und Tageslicht auf die allgemeine Gesundheit und Schlafqualität von Büroangestellten: Eine Fall-Kontroll-Pilotstudie. J. Clin. Schlafmed. 10, 603–611. https://doi.org/10.5664/jcsm.3780 (2014).

Artikel PubMed PubMed Central Google Scholar

He, M., Ru, T., Li, S., Li, Y. & Zhou, G. Bringen Sie Licht in den Schlaf: Morgens helles Licht verbessert den nächtlichen Schlaf und die Wachsamkeit am nächsten Morgen bei Studenten. J. Schlafres. 32, e13724. https://doi.org/10.1111/jsr.13724 (2023).

Artikel PubMed Google Scholar

Liu, C.-R., Liou, YM & Jou, J.-H. Eine helle Umgebungsbeleuchtung am Morgen verbessert die Schlafstörungen älterer Menschen mit Demenz. Schlafmed. 89, 1–9. https://doi.org/10.1016/j.sleep.2021.10.011 (2022).

Artikel PubMed Google Scholar

Bedrosian, TA & Nelson, RJ Der Zeitpunkt der Lichtexposition beeinflusst die Stimmung und die Gehirnschaltkreise. Übers. Psychiatrie 7, e1017–e1017. https://doi.org/10.1038/tp.2016.262 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Leichtfried, V. et al. Intensive Beleuchtung in den Morgenstunden verbesserte die Stimmung und Aufmerksamkeit, jedoch nicht die geistige Leistungsfähigkeit. Appl. Ergon. 46, 54–59. https://doi.org/10.1016/j.apergo.2014.07.001 (2015).

Artikel PubMed Google Scholar

Bosuit, A., Linhart, F., Scartezzini, JL & Münch, M. Auswirkungen realistischer Bürotagesbeleuchtung und elektrischer Lichtverhältnisse auf Sehkomfort, Wachsamkeit und Stimmung. Beleuchtung Res. Technol. (London, England: 2001) 47, 192–209. https://doi.org/10.1177/1477153514531518 (2015).

Artikel Google Scholar

Hoffmann, G. et al. Auswirkungen variabler Beleuchtungsintensitäten und Farbtemperaturen auf Sulfatoxymelatonin und die subjektive Stimmung an einem experimentellen Büroarbeitsplatz. Appl. Ergon. 39, 719–728. https://doi.org/10.1016/j.apergo.2007.11.005 (2008).

Artikel PubMed Google Scholar

Ru, T., de Kort, YAW, Smolders, KCHJ, Chen, Q. & Zhou, G. Nicht bildgebende Auswirkungen der Beleuchtungsstärke und der korrelierten Farbtemperatur von Bürolicht auf Wachsamkeit, Stimmung und Leistung in allen kognitiven Bereichen. Bauen. Umgebung. 149, 253–263. https://doi.org/10.1016/j.buildenv.2018.12.002 (2019).

Artikel Google Scholar

Vandewalle, G., Maquet, P. & Dijk, D.-J. Licht als Modulator der kognitiven Gehirnfunktion. Trends Cogn. Wissenschaft. 13, 429–438. https://doi.org/10.1016/j.tics.2009.07.004 (2009).

Artikel PubMed Google Scholar

Vandewalle, G. et al. Die spektrale Qualität des Lichts moduliert emotionale Gehirnreaktionen beim Menschen. Proz. Natl. Acad. Wissenschaft. USA 107, 19549–19554. https://doi.org/10.1073/pnas.1010180107 (2010).

Artikel ADS PubMed PubMed Central Google Scholar

Hattar, S. et al. Zentrale Projektionen von Melanopsin-exprimierenden retinalen Ganglienzellen in der Maus. J. Comp. Neurol 497, 326–349. https://doi.org/10.1002/cne.20970 (2006).

Artikel PubMed PubMed Central Google Scholar

Vandewalle, G. et al. Wellenlängenabhängige Modulation der Gehirnreaktionen auf eine Arbeitsgedächtnisaufgabe durch Tageslichtexposition. Großhirn. Cortex 17, 2788–2795. https://doi.org/10.1093/cercor/bhm007 (2007).

Artikel CAS PubMed Google Scholar

Alkozei, A., Smith, R., Dailey, NS, Bajaj, S. & Killgore, WDS Akute Exposition gegenüber Licht mit blauer Wellenlänge während der Gedächtniskonsolidierung verbessert die verbale Gedächtnisleistung. PLoS ONE 12, e0184884. https://doi.org/10.1371/journal.pone.0184884 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Huiberts, LM, Smolders, KCHJ & de Kort, YAW Strahlendes Licht auf das Gedächtnis: Auswirkungen von hellem Licht auf die Leistung des Arbeitsgedächtnisses. Verhalten. Gehirn Res. 294, 234–245. https://doi.org/10.1016/j.bbr.2015.07.045 (2015).

Artikel CAS PubMed Google Scholar

Kretschmer, V., Schmidt, KH & Griefahn, B. Helle Lichteffekte auf Arbeitsgedächtnis, anhaltende Aufmerksamkeit und Konzentration älterer Nachtschichtarbeiter. Beleuchtung Res. Technol. 44, 316–333. https://doi.org/10.1177/1477153511418769 (2012).

Artikel Google Scholar

Sleegers, P. et al. Beleuchtung wirkt sich positiv auf die Konzentration von Schülern aus: Erkenntnisse aus drei niederländischen Studien. Licht. Res. Technol. 45, 159–175. https://doi.org/10.1177/1477153512446099 (2013).

Artikel Google Scholar

Juda, M., Vetter, C. & Roenneberg, T. Chronotyp moduliert Schlafdauer, Schlafqualität und sozialen Jetlag bei Schichtarbeitern. J. Biol. Rhythmen 28, 141–151. https://doi.org/10.1177/0748730412475042 (2013).

Artikel PubMed Google Scholar

Vitale, JA et al. Chronotyp beeinflusst Aktivität, zirkadianen Rhythmus und Schlaf: Unterschiede in der Schlafqualität zwischen Wochentagen und Wochenenden. Chronobiol. Int. 32, 405–415. https://doi.org/10.3109/07420528.2014.986273 (2015).

Artikel PubMed Google Scholar

Taillard, J., Philip, P. & Bioulac, B. Morgen-/Abendgefühle und das Schlafbedürfnis. J. Schlafres. 8, 291–295. https://doi.org/10.1046/j.1365-2869.1999.00176.x (1999).

Artikel CAS PubMed Google Scholar

Sukegawa, M. et al. Schlaf- und Lebensgewohnheiten im morgendlichen und abendlichen zirkadianen Rhythmus des Menschen. Biol. Rhythmus. Res. 40, 121–127. https://doi.org/10.1080/09291010701794404 (2009).

Artikel Google Scholar

Schmidt, C. et al. Grenzen überschreiten: Chronotyp und Tageszeit modulieren die vom Arbeitsgedächtnis abhängige Gehirnaktivität. Vorderseite. Neurol. https://doi.org/10.3389/fneur.2015.00199 (2015).

Artikel PubMed PubMed Central Google Scholar

Rosenthal, L. et al. Schläfrigkeit/Wachsamkeit bei gesunden Personen mit Abend- und Morgentyp. Schlafmed. 2, 243–248. https://doi.org/10.1016/S1389-9457(00)00047-2 (2001).

Artikel CAS PubMed Google Scholar

Matchock, RL & Toby Mordkoff, J. Chronotyp und Tageszeiteinflüsse auf die alarmierenden, orientierenden und exekutiven Komponenten der Aufmerksamkeit. Exp. Gehirn Res. 192, 189–198. https://doi.org/10.1007/s00221-008-1567-6 (2009).

Artikel PubMed Google Scholar

May, CP & Hasher, L. Synchroneffekte bei der hemmenden Kontrolle über Denken und Handeln. J. Exper. Psychol. Menschliche Wahrnehmung. Ausführen. 24, 363–379. https://doi.org/10.1037/0096-1523.24.2.363 (1998).

Artikel CAS Google Scholar

Hidalgo, MPL et al. Leistung von Chronotypen bei Gedächtnistests während der Morgen- und Abendschicht. Psychol. Rep. 95, 75–85. https://doi.org/10.2466/pr0.95.1.75-85 (2004).

Artikel PubMed Google Scholar

Ong, AD, Kim, S., Young, S. & Steptoe, A. Positiver Affekt und Schlaf: Eine systematische Übersicht. Schlafmed. Offb. 35, 21–32. https://doi.org/10.1016/j.smrv.2016.07.006 (2017).

Artikel PubMed Google Scholar

Bower, B., Bylsma, LM, Morris, BH & Rottenberg, J. Eine schlechte Schlafqualität lässt auf geringe positive Auswirkungen auf das tägliche Leben bei gesunden und stimmungsgestörten Personen schließen. J. Schlafres. 19, 323–332. https://doi.org/10.1111/j.1365-2869.2009.00816.x (2010).

Artikel PubMed Google Scholar

Steptoe, A., O'Donnell, K., Marmot, M. & Wardle, J. Positiver Affekt, psychisches Wohlbefinden und guter Schlaf. J. Psychosom. Res. 64, 409–415. https://doi.org/10.1016/j.jpsychores.2007.11.008 (2008).

Artikel PubMed Google Scholar

Fosse, R., Stickgold, R. & Hobson, JA Emotionale Erfahrung während des Schlafes mit schnellen Augenbewegungen bei Narkolepsie. Schlaf 25, 724–732. https://doi.org/10.1093/sleep/25.7.724 (2002).

Artikel PubMed Google Scholar

Johnson, EO, Roth, T. & Breslau, N. Der Zusammenhang von Schlaflosigkeit mit Angststörungen und Depression: Untersuchung der Risikorichtung. J. Psychiater. Res. 40, 700–708. https://doi.org/10.1016/j.jpsychires.2006.07.008 (2006).

Artikel PubMed Google Scholar

Riemann, D. et al. Das Hyperarousal-Modell der Schlaflosigkeit: Eine Überprüfung des Konzepts und seiner Beweise. Schlafmed. Offb. 14, 19–31. https://doi.org/10.1016/j.smrv.2009.04.002 (2009).

Artikel PubMed Google Scholar

Perlstein, WM, Elbert, T. & Stenger, VA Dissoziation affektiver Einflüsse auf arbeitsgedächtnisbezogene Aktivitäten im menschlichen präfrontalen Kortex. Proz. Natl. Acad. Wissenschaft. USA 99, 1736–1741. https://doi.org/10.1073/pnas.241650598 (2002).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Sharifian, N. & Zahodne, LB Tägliche Zusammenhänge zwischen der Nutzung sozialer Medien und Gedächtnisstörungen: die vermittelnde Rolle negativer Affekte. J. Gen. Psychol. 148, 67–83. https://doi.org/10.1080/00221309.2020.1743228 (2021).

Artikel PubMed Google Scholar

Threadgill, AH & Gable, PA Negative Auswirkungen unterschiedlicher Motivationsintensität beeinflussen den Umfang des Gedächtnisses. Cogn. Emot. 33, 332–345. https://doi.org/10.1080/02699931.2018.1451306 (2019).

Artikel PubMed Google Scholar

Cruz, T., Garcia, L., Alvarez, MA & Manzanero, AL Schlafqualität und Gedächtnisfunktion im gesunden Altern. Neurology (englische Ausgabe) 37, 31–37. https://doi.org/10.1016/j.nrleng.2018.10.024 (2022).

Artikel CAS Google Scholar

Xie, W., Berry, A., Lustig, C., Deldin, P. & Zhang, W. Schlechte Schlafqualität und beeinträchtigte visuelle Arbeitsgedächtniskapazität. J. Int. Neuropsychol. Soc. 25, 583–594. https://doi.org/10.1017/S1355617719000183 (2019).

Artikel PubMed PubMed Central Google Scholar

Hokett, E., Arunmozhi, A., Campbell, J., Verhaeghen, P. & Duarte, A. Eine systematische Überprüfung und Metaanalyse individueller Unterschiede in der naturalistischen Schlafqualität und der episodischen Gedächtnisleistung bei jungen und älteren Erwachsenen. Neurosci. Bioverhalten. Rev. 127, 675–688. https://doi.org/10.1016/j.neubiorev.2021.05.010 (2021).

Artikel PubMed PubMed Central Google Scholar

Chakravarty, K. et al. Einfluss der Schlafqualität auf Gedächtnis, exekutive Funktion und Sprachleistung bei Patienten mit refraktärer fokaler Epilepsie und kontrollierter Epilepsie im Vergleich zu gesunden Kontrollpersonen – eine prospektive Studie. Epilepsieverhalten. 92, 176–183. https://doi.org/10.1016/j.yebeh.2018.12.028 (2019).

Artikel PubMed Google Scholar

van der Heijden, KB et al. Chronischer Schlafmangel ist mit akademischen Leistungen und Studienkonzentration bei Hochschulstudenten verbunden. J. Schlafres. 27, 165–174. https://doi.org/10.1111/jsr.12596 (2018).

Artikel PubMed Google Scholar

Brown, TM et al. Empfehlungen für die Lichtexposition in Innenräumen tagsüber, abends und nachts, um Physiologie, Schlaf und Wachheit bei gesunden Erwachsenen bestmöglich zu unterstützen. PLOS Biol. 20, e3001571. https://doi.org/10.1371/journal.pbio.3001571 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Siraji, M. et al. Eine Bestandsaufnahme des Verhaltens im Zusammenhang mit der Lichtexposition von Menschen. (2023).

Hair, JF, Risher, JJ, Sarstedt, M. & Ringle, CM Wann ist PLS-SEM zu verwenden und wie sind die Ergebnisse zu melden? EUR. Bus. Offb. 31, 2–24. https://doi.org/10.1108/EBR-11-2018-0203 (2019).

Artikel Google Scholar

Hair, J., Hollingsworth, CL, Randolph, AB & Chong, AYL Eine aktualisierte und erweiterte Bewertung von PLS-SEM in der Informationssystemforschung. Industriemanager Datensystem. 117, 442–458. https://doi.org/10.1108/IMDS-04-2016-0130 (2017).

Artikel Google Scholar

Bollen, KA Gesamte, direkte und indirekte Effekte in Strukturgleichungsmodellen. Soziol. Methodol. 17, 37–69. https://doi.org/10.2307/271028 (1987).

Artikel Google Scholar

Faul, F., Erdfelder, E., Lang, A.-G. & Buchner, A. G* Power 3: Ein flexibles statistisches Power-Analyseprogramm für die Sozial-, Verhaltens- und Biomedizinwissenschaften. Verhalten. Res. Methoden 39, 175–191 (2007).

Artikel PubMed Google Scholar

Cohen, J. Statistische Leistungsanalyse für die Verhaltenswissenschaften. 2. Aufl. Hrsg., (Hillsdale, NJ: L. Erlbaum Associates, 1988).

Hair, JF, Hult, GTM, Ringle, CM & Sarstedt, M. Eine Einführung in die Strukturgleichungsmodellierung mit partiellen kleinsten Quadraten (PLS-SEM), 2. Aufl. (SAGE Publications Inc, 2017).

MATH Google Scholar

Watson, D., Clark, LA & Tellegen, A. Entwicklung und Validierung von Kurzmaßen für positive und negative Auswirkungen: Die PANAS-Skalen. J. Pers. Soc. Psychol. 54, 1063–1070. https://doi.org/10.1037/0022-3514.54.6.1063 (1988).

Artikel CAS PubMed Google Scholar

Buysse, DJ, Reynolds, CF, Monk, TH, Berman, SR & Kupfer, DJ Der Pittsburgh Sleep Quality Index: Ein neues Instrument für die psychiatrische Praxis und Forschung. Psychiatrie Res. 28, 193–213. https://doi.org/10.1016/01651781(89)90047-4 (1989).

Artikel CAS PubMed Google Scholar

Manzar, MD et al. Dimensionalität des Pittsburgh Sleep Quality Index: Eine systematische Überprüfung. Health Qual Life Outcomes 16, 89–89. https://doi.org/10.1186/s12955-018-0915-x (2018).

Artikel PubMed PubMed Central Google Scholar

Dunleavy, G. et al. Untersuchung der Faktorstruktur des Pittsburgh-Schlafqualitätsindex in einer multiethnischen Erwerbsbevölkerung in Singapur. Int. J. Umgebung. Res. Public Health 16, 4590. https://doi.org/10.3390/ijerph16234590 (2019).

Artikel PubMed PubMed Central Google Scholar

Horne, JA & Östberg, O. Ein Fragebogen zur Selbsteinschätzung zur Bestimmung des Morgen-Abend-Rhythmus im menschlichen zirkadianen Rhythmus. Int. J. Chronobiol. (1976).

Caci, H., Deschaux, O., Adan, A. & Natale, V. Vergleich von drei Morgenskalen: Alters- und Geschlechtseffekte, Struktur und Cut-off-Kriterien. Schlafmed. 10, 240–245. https://doi.org/10.1016/j.sleep.2008.01.007 (2008).

Artikel PubMed Google Scholar

Team, RC R: Eine Sprache und Umgebung für statistische Berechnungen. (2022).

Mateus, S. & Leon, T. d. B. esemComp: ESEM-innerhalb-CFA-Syntaxkomponist. (2022).

Hair, JF Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R: A Workbook (Springer International Publishing AG, Cham, 2021).

Buchen Sie Google Scholar

Siraji, M. Tabledown: Erstellen Sie Tabellen und Diagramme in Publikationsqualität. (2022).

Asparouhov, T. & Muthén, B. Explorative Strukturgleichungsmodellierung. Struktur. Gl. Modell. 16, 397–438. https://doi.org/10.1080/10705510903008204 (2009).

Artikel MathSciNet Google Scholar

Hu, LT & Bentler, PM Cutoff-Kriterien für Anpassungsindizes in der Kovarianzstrukturanalyse: Konventionelle Kriterien im Vergleich zu neuen Alternativen. Struktur. Gl. Modell.: Ein Multidisziplin. J. 6, 1–55. https://doi.org/10.1080/10705519909540118 (1999).

Artikel Google Scholar

MacCallum, RC, Roznowski, M., Mar, CM & Reith, JV Alternative Strategien zur Kreuzvalidierung von Kovarianzstrukturmodellen. Multivar. Verhalten. Res. 29, 1–32 (1994).

Artikel CAS Google Scholar

MacKenzie, SB, Podsakoff, PM & Jarvis, CB Das Problem der Fehlspezifikation von Messmodellen in der Verhaltens- und Organisationsforschung und einige empfohlene Lösungen. J. Appl. Psychol. 90, 710 (2005).

Artikel PubMed Google Scholar

Hinton, P., McMurray, I. & Brownlow, C. SPSS erklärt. (2014).

Fornell, C. & Larcker, DF Bewertung von Strukturgleichungsmodellen mit nicht beobachtbaren Variablen und Messfehlern. J. Mark. Res. 18, 39–50 (1981).

Artikel Google Scholar

Henseler, J., Ringle, CM & Sarstedt, M. Ein neues Kriterium zur Beurteilung der Diskriminanzvalidität in der varianzbasierten Strukturgleichungsmodellierung. J. Acad. Markieren. Wissenschaft. 43, 115–135 (2015).

Artikel Google Scholar

Falk, RF & Miller, NB Ein Primer für die Softmodellage. (1992).

Drolet, AL & Morrison, DG Brauchen wir in der Dienstleistungsforschung wirklich Multi-Item-Maßnahmen? J. Serv. Res.: JSR 3, 196–204. https://doi.org/10.1177/109467050133001 (2001).

Artikel Google Scholar

Youngblut, JM & Casper, GR Fokus auf psychometrische Einzel-Item-Indikatoren in der Pflegeforschung. Res. Krankenschwestern. Gesundheit 16, 459–465. https://doi.org/10.1002/nur.4770160610 (1993).

Artikel CAS PubMed PubMed Central Google Scholar

Boer, AGEMD et al. Ist eine visuelle Analogskala mit einem Item genauso gültig, zuverlässig und reaktionsfähig wie Skalen mit mehreren Items zur Messung der Lebensqualität? Qual. Lebensres. 13, 311–320 (2004).

Artikel MathSciNet PubMed Google Scholar

Shamir, B. & Kark, R. Eine grafische Einzelpunktskala zur Messung der organisatorischen Identifikation. J. besetzen. Organ. Psychol. 77, 115–123. https://doi.org/10.1348/096317904322915946 (2004).

Artikel Google Scholar

Fuchs, C. & Diamantopoulos, A. Verwendung von Einzelpunktmaßen zur Konstruktmessung in der Managementforschung: Konzeptionelle Probleme und Anwendungsrichtlinien. Die Betriebswirtschaft. 69, 195 (2009).

Google Scholar

Wahl, S., Engelhardt, M., Schaupp, P., Lappe, C. & Ivanov, IV Die innere Uhr – Blaues Licht bestimmt den menschlichen Rhythmus. J. Biophoton. 12, 19102. https://doi.org/10.1002/jbio.201900102 (2019).

Artikel CAS Google Scholar

Münch, M. & Bromundt, V. Licht und Chronobiologie: Auswirkungen auf Gesundheit und Krankheit. Dialoge Klin. Neurosci. 14, 448–453. https://doi.org/10.3188/DCNS.2012.14.4/mmuench (2012).

Artikel PubMed PubMed Central Google Scholar

Figueiro, MG et al. Eine maßgeschneiderte Beleuchtungsintervention verbessert die Messung von Schlaf, Depression und Unruhe bei Personen mit Alzheimer-Krankheit und damit verbundener Demenz, die in Langzeitpflegeeinrichtungen leben. Klin. Interv. Alter 9, 1527–1537. https://doi.org/10.2147/CIA.S68557 (2014).

Artikel PubMed PubMed Central Google Scholar

Figueiro, MG & Rea, MS Der Mangel an kurzwelligem Licht während des Schultags verzögert den Beginn des Melatonins bei schwachem Licht (DLMO) bei Mittelschülern. Neuroendokrinol. Lette. 31, 92–96 (2010).

PubMed PubMed Central Google Scholar

An, M., Colarelli, SM, O'Brien, K. & Boyajian, ME Warum wir mehr Natur am Arbeitsplatz brauchen: Auswirkungen natürlicher Elemente und Sonnenlicht auf die psychische Gesundheit und Arbeitseinstellung der Mitarbeiter. PLoS ONE 11, 155614. https://doi.org/10.1371/journal.pone.0155614 (2016).

Artikel CAS Google Scholar

Burns, AC et al. Die im Freien verbrachte Zeit steht im Zusammenhang mit Stimmung, Schlaf und zirkadianen Rhythmus-bezogenen Ergebnissen: Eine Querschnitts- und Längsschnittstudie an über 400.000 britischen Biobank-Teilnehmern. J. Affekt. Unordnung. 295, 347–352. https://doi.org/10.1016/j.jad.2021.08.056 (2021).

Artikel PubMed PubMed Central Google Scholar

Rafique, N. et al. Auswirkungen der mobilen Nutzung auf die subjektive Schlafqualität. Nat. Wissenschaft. Schlaf 12, 357–364. https://doi.org/10.2147/nss.S253375 (2020).

Artikel PubMed PubMed Central Google Scholar

Exelmans, L. & Van den Bulck, J. Mobiltelefonnutzung und Schlaf vor dem Schlafengehen bei Erwachsenen. Soc. Wissenschaft. Med. 148, 93–101. https://doi.org/10.1016/j.socscimed.2015.11.037 (2016).

Artikel PubMed Google Scholar

Vernon, L., Modecki, KL & Barber, BL Mobiltelefone im Schlafzimmer: Verläufe von Schlafgewohnheiten und anschließende psychosoziale Entwicklung bei Jugendlichen. Kinderentwickler. 89, 66–77. https://doi.org/10.1111/cdev.12836 (2018).

Artikel PubMed Google Scholar

Tosini, G., Ferguson, I. & Tsubota, K. Auswirkungen von blauem Licht auf das zirkadiane System und die Augenphysiologie. Mol. Vis. Rev. 22, 61–72 (2016).

CAS PubMed PubMed Central Google Scholar

Schmid, SR et al. Wie schlau ist es, mit dem Telefon ins Bett zu gehen? Der Einfluss von kurzwelligem Licht und affektiven Zuständen auf den Schlaf und den Tagesrhythmus. Uhren schlafen 3, 558–580 (2021).

Artikel PubMed PubMed Central Google Scholar

Knufinke, M., Fittkau-Koch, L., Møst, EIS, Kompier, MAJ & Nieuwenhuys, A. Beschränkung kurzwelligen Lichts am Abend, um den Schlaf bei Freizeitsportlern zu verbessern – eine Pilotstudie. EUR. J. Sportwissenschaft. 19, 728–735. https://doi.org/10.1080/17461391.2018.1544278 (2019).

Artikel PubMed Google Scholar

Shechter, A., Quispe, KA, Mizhquiri Barbecho, JS, Slater, C. & Falzon, L. Interventionen zur Reduzierung der Exposition gegenüber kurzwelligem („blauem“) Licht in der Nacht und ihre Auswirkungen auf den Schlaf: Eine systematische Überprüfung und Meta- Analyse. SLEEP Adv. https://doi.org/10.1093/sleepadvances/zpaa002 (2020).

Artikel PubMed PubMed Central Google Scholar

Chang, A.-M., Aeschbach, D., Duffy, JF & Czeisler, CA Die abendliche Nutzung lichtemittierender eReader wirkt sich negativ auf den Schlaf, die zirkadiane Zeitsteuerung und die Wachsamkeit am nächsten Morgen aus. Proz. Natl. Acad. Wissenschaft. USA 112, 1232–1237. https://doi.org/10.1073/pnas.1418490112 (2015).

Artikel ADS CAS PubMed Google Scholar

Chang, A.-M., Scheer, FAJL & Czeisler, CA Das menschliche circadiane System passt sich an die vorherige Lichtgeschichte an: Das menschliche circadiane System passt sich an die frühere Lichtgeschichte an. J. Physiol. 589, 1095–1102. https://doi.org/10.1113/jphysiol.2010.201194 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Carrier, J. & Dumont, M. Schlafneigung und Schlafarchitektur nach Einwirkung von hellem Licht zu drei verschiedenen Tageszeiten. J. Schlafres. 4, 202–211. https://doi.org/10.1111/j.1365-2869.1995.tb00171.x (1995).

Artikel CAS PubMed Google Scholar

Ancoli-Israel, S. et al. Eine erhöhte Lichtexposition festigt den Schlaf und stärkt den zirkadianen Rhythmus bei Patienten mit schwerer Alzheimer-Krankheit. Verhalten. Schlafmed. 1, 22–36. https://doi.org/10.1207/S15402010BSM0101_4 (2003).

Artikel PubMed Google Scholar

Mills, PR, Tomkins, SC & Schlangen, LJ Die Auswirkung von Bürobeleuchtung mit hoher ähnlicher Farbtemperatur auf das Wohlbefinden und die Arbeitsleistung der Mitarbeiter. J. Circadian Rhythms 5, 2. https://doi.org/10.1186/1740-3391-5-2 (2007).

Artikel PubMed PubMed Central Google Scholar

RautkylÄ, E., Puolakka, M., Tetri, E. & Halonen, L. Auswirkungen der korrelierten Farbtemperatur und des Zeitpunkts der Lichtexposition auf die Wachsamkeit tagsüber in Vorlesungsumgebungen. J. Lichtvisuelle Umgebung. 34, 59–68. https://doi.org/10.2150/jlve.34.59 (2010).

Artikel ADS Google Scholar

Boubekri, M., Hull, RB & Boyer, LL Einfluss der Fenstergröße und der Sonneneinstrahlung auf die Stimmung und Zufriedenheit von Büroangestellten: Eine neuartige Methode zur Beurteilung des Sonnenlichts. Umgebung. Verhalten. 23, 474–493. https://doi.org/10.1177/0013916591234004 (1991).

Artikel Google Scholar

Houser, KW & Esposito, T. Human-centric Lighting: Grundlegende Überlegungen und ein fünfstufiger Designprozess. Front Neurol 12, 630553. https://doi.org/10.3389/fneur.2021.630553 (2021).

Artikel PubMed PubMed Central Google Scholar

Taylor, BJ & Hasler, BP Chronotyp und psychische Gesundheit: Aktuelle Fortschritte. Curr. Psychiatrie Rep. 20, 59–59. https://doi.org/10.1007/s11920-018-0925-8 (2018).

Artikel PubMed Google Scholar

Sakine, A. & Pınar Guzel, O. Auswirkungen von Chronotyp und sozialem Jetlag auf die neurokognitive Funktion. Aktuelle Ansätze in der Psychiatrie 15, 407–417. https://doi.org/10.18863/pgy.1140109 (2023).

Artikel Google Scholar

Referenzen herunterladen

Abteilung für Psychologie, Jeffrey Cheah School of Medicine and Health Sciences und Intelligent Lighting Laboratory, Monash University Malaysia, Jalan Lagoon Selatan, 47500, Bandar Sunway, Selangor Darul Ehsan, Malaysia

Mushfiqul Anwar Siraji & Shamsul Haque

Max-Planck-Institut für biologische Kybernetik, translationale sensorische und zirkadiane Neurowissenschaften, Tübingen, Deutschland

Manuel Spitschan

Fakultät für Sport- und Gesundheitswissenschaften (TUM SG), Technische Universität München, München, Deutschland

Manuel Spitschan

Abteilung für Elektro- und Computersystemtechnik und Labor für intelligente Beleuchtung, Monash University Malaysia, Jalan Lagoon Selatan, 47500, Bandar Sunway, Selangor Darul Ehsan, Malaysia

Vineetha Kalavally

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

MAS, MS, VK und SH haben die Studie entworfen und die Datenerfassung geplant. MAS führte die formale Analyse durch und erstellte alle Abbildungen und Tabellen. MAS, MS, VK und SH haben den Hauptmanuskripttext geschrieben. Alle Autoren haben das Manuskript überprüft.

Korrespondenz mit Shamsul Haque.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Siraji, MA, Spitschan, M., Kalavally, V. et al. Lichtexpositionsverhalten sagt Stimmung, Gedächtnis und Schlafqualität voraus. Sci Rep 13, 12425 (2023). https://doi.org/10.1038/s41598-023-39636-y

Zitat herunterladen

Eingegangen: 18. Januar 2023

Angenommen: 28. Juli 2023

Veröffentlicht: 01. August 2023

DOI: https://doi.org/10.1038/s41598-023-39636-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.

AKTIE