Shining a Light on Athletes Sleep: Development of a Screening Nomogram to Flag Athletes at Risk of Poor Sleep Quality

Este estudio transversal desarrolló y validó un nomograma de cribado basado en el uso de teléfonos antes y durante la noche que identifica eficazmente a los atletas con riesgo de mala calidad del sueño, ofreciendo una herramienta práctica de bajo esfuerzo para priorizar evaluaciones e intervenciones en el ámbito del alto rendimiento.

Lo esencial

¡Hola! Imagina que el sueño de un atleta es como un motor de Fórmula 1. Para que ese motor rinda al máximo, necesita combustible de alta calidad (comida), mantenimiento (entrenamiento) y, sobre todo, un buen descanso en el garaje (el sueño).

Este estudio es como un mecánico inteligente que ha descubierto que, a veces, el problema no es el combustible ni el entrenamiento, sino una pequeña luz parpadeante que mantiene el motor despierto cuando debería estar apagado.

Aquí te explico qué descubrieron los investigadores de una forma sencilla:

1. El Problema: La "Luz Mágica" que engaña al cerebro

Los atletas a menudo duermen mal. Sabemos que la luz es el "director de orquesta" de nuestro reloj interno (nuestro cuerpo sabe cuándo dormir y cuándo estar despierto gracias a la luz del sol). Pero en la vida moderna, tenemos una luz muy especial: la de nuestros teléfonos y relojes inteligentes.

Los investigadores querían saber: "¿Qué hace exactamente un atleta con su teléfono que le impide dormir?". En lugar de revisar 23 preguntas diferentes sobre la luz (como si fuera un examen de matemáticas muy largo), querían encontrar las tres claves maestras.

2. La Solución: El "Detector de Sueño" (El Nomograma)

Imagina que tienes una hoja de trucos o un mapa del tesoro llamado "Nomograma". Es una herramienta visual sencilla que un entrenador o médico puede usar en 1 minuto.

En lugar de preguntar todo sobre la vida del atleta, este mapa solo te hace tres preguntas simples:

1. ¿Usas el teléfono justo antes de intentar dormir?
2. ¿Revisas el teléfono si te despiertas en medio de la noche?
3. ¿Miras tu reloj inteligente (smartwatch) si te despiertas en la noche?

3. El Descubrimiento: Menos es más

Los investigadores usaron una computadora muy lista (llamada LASSO) para analizar los datos de 121 atletas. Fue como si la computadora hiciera un "tamizado" gigante y tirara todo lo que no era importante.

El resultado fue sorprendente:
Solo esas tres preguntas sobre el teléfono y el reloj fueron suficientes para predecir quién tenía problemas de sueño con una precisión increíble.

• La analogía: Es como si, en lugar de revisar todo el coche para ver por qué no arranca, solo tuvieras que mirar si el conductor está encendiendo la radio y la luz del techo justo antes de irse a dormir. ¡Esos dos pequeños detalles eran los culpables!

4. ¿Cómo funciona la herramienta?

El estudio creó un gráfico (el nomograma) que funciona así:

• Si un atleta dice: "Uso el teléfono a menudo antes de dormir" + "Reviso mi teléfono a veces de noche" + "Miro mi reloj raramente"...
• El gráfico suma puntos (como en un juego de video).
• Al final, te dice: "¡Oye! Hay un 46% de probabilidad de que este atleta tenga un sueño de mala calidad".

Es como un semáforo:

• Verde: Probablemente duerme bien.
• Rojo: ¡Peligro! Es muy probable que esté durmiendo mal. El entrenador debe hablar con el atleta para ver qué está pasando.

5. ¿Por qué es importante?

Antes, los entrenadores tenían que hacer preguntas muy largas y complicadas sobre la luz, la hora de dormir, el tipo de luz, etc. Era como intentar encontrar una aguja en un pajar.

Ahora, con esta herramienta:

• Es rápida (toma menos de 2 minutos).
• Es sencilla (solo 3 preguntas).
• Es eficaz (detecta muy bien a los atletas que tienen problemas reales de sueño).

En resumen

Este estudio nos dice que la relación con la pantalla antes de dormir y durante la noche es el "enemigo silencioso" del sueño de los atletas.

No es solo la luz azul del teléfono lo que afecta (aunque ayuda), sino también la mente activa que viene con revisar mensajes o ver estadísticas de sueño en el reloj. La herramienta creada es como un detective rápido que ayuda a los profesionales del deporte a identificar a quienes necesitan ayuda para apagar la pantalla y encender su modo "descanso".

La lección para todos nosotros: Si quieres dormir como un campeón, deja el teléfono y el reloj inteligente fuera de la cama. ¡Tu "motor" te lo agradecerá!

Resumen técnico

Resumen Técnico: Desarrollo de un Nomograma de Screening para la Calidad del Sueño en Atletas

1. Planteamiento del Problema

Los atletas de élite frecuentemente no alcanzan la cantidad recomendada de sueño, lo cual impacta negativamente en su recuperación y rendimiento. La exposición a la luz es un regulador clave de los ritmos circadianos, y la literatura sugiere una relación entre los patrones de exposición a la luz y la calidad del sueño. Sin embargo, existen limitaciones prácticas en el ámbito deportivo:

• Las medidas objetivas de luz (sensores portátiles) son logísticamente complejas, costosas y difíciles de implementar en grandes poblaciones de atletas.
• Los cuestionarios existentes (como el H-LEA) son demasiado detallados o poco intuitivos para el contexto deportivo.
• No existe una herramienta concisa y práctica que identifique qué comportamientos específicos relacionados con la luz están más fuertemente asociados con un mal sueño en atletas, dificultando la intervención temprana por parte de los profesionales del alto rendimiento.

El objetivo de este estudio fue identificar los comportamientos de exposición a la luz más predictivos de mala calidad del sueño en atletas y desarrollar una herramienta de screening visual (nomograma) de bajo costo y fácil aplicación.

2. Metodología

• Diseño del Estudio: Estudio transversal.
• Participantes: Muestra final de 121 atletas (50 mujeres, 71 hombres; edad media: 28 ± 9 años) de diversos niveles competitivos (desde recreativos hasta internacionales) y disciplinas (fútbol, atletismo, natación, etc.). Se excluyeron participantes con trastornos del sueño, uso de medicación que afectara la percepción de la luz o datos incompletos.
• Instrumentos:
  • LEBA (Light Exposure Behaviour Assessment): Cuestionario de 23 ítems dividido en 5 factores (filtros de luz azul, tiempo al aire libre, uso de dispositivos en la cama, uso de luz antes de dormir, uso de luz matutina/diurna). Se utilizó una escala Likert de 5 puntos.
  • PSQI (Índice de Calidad de Sueño de Pittsburgh): Cuestionario de 19 ítems. Se definió "mala calidad de sueño" como una puntuación global > 5.
• Análisis Estadístico:
  • Se utilizó Regresión LASSO (Least Absolute Shrinkage and Selection Operator) para la reducción de características (feature reduction). El objetivo fue identificar el subconjunto mínimo de ítems del LEBA que mejor discriminara entre buenos y malos dormidores, penalizando la complejidad del modelo para evitar el sobreajuste.
  • Se compararon tres modelos: (1) Modelo de características completas (23 ítems), (2) Modelo específico del Factor 3 (5 ítems sobre uso de dispositivos), y (3) Modelo de características reducidas (ítems seleccionados por LASSO).
  • Validación: División de datos 80/20 (entrenamiento/prueba) y validación cruzada de 10 pliegues (5 repetidas).
  • Desarrollo de herramienta: Se construyó un nomograma basado en el modelo de mejor rendimiento para estimar la probabilidad de mala calidad del sueño.

3. Contribuciones Clave

1. Identificación de Predictores Críticos: El estudio determinó que, de los 23 ítems iniciales, solo tres comportamientos específicos son los principales predictores de mala calidad del sueño en atletas.
2. Reducción de Carga Cognitiva: Demostró que es posible reducir un cuestionario de 23 ítems a solo 3 preguntas sin perder poder predictivo, facilitando la implementación en entornos clínicos y deportivos.
3. Herramienta Visual (Nomograma): Se desarrolló un nomograma práctico que traduce las respuestas de los atletas en una probabilidad estimada de tener un sueño deficiente, permitiendo a los profesionales tomar decisiones rápidas.

4. Resultados

• Selección de Variables (LASSO): La regresión LASSO seleccionó tres variables del Factor 3 (Uso de teléfono y reloj inteligente en la cama) como las más asociadas con la mala calidad del sueño:
  1. Uso del teléfono antes de dormir.
  2. Revisión del teléfono durante la noche (al despertar).
  3. Revisión del reloj inteligente (smartwatch) durante la noche.
• Rendimiento del Modelo:
  • El modelo de características reducidas (3 ítems) superó a los modelos completos y específicos en el conjunto de prueba independiente.
  • Métricas en el conjunto de prueba:
    • AUC (Área bajo la curva): 0.83 (Alta precisión).
    • Sensibilidad: 0.70.
    • Especificidad: 0.92 (Muy alta; indica que si la herramienta marca a un atleta como "en riesgo", es muy probable que realmente tenga mala calidad de sueño).
• Interpretación del Nomograma: El nomograma asigna puntos basados en la frecuencia de los tres comportamientos (Nunca a Siempre). La suma total de puntos se traduce directamente en un porcentaje de riesgo de mala calidad de sueño (PSQI > 5).
  • Ejemplo: Un atleta que "a menudo" usa el teléfono antes de dormir, "a veces" lo revisa de noche y "raramente" revisa su reloj, obtiene un riesgo estimado de ~46%.

5. Significado e Implicaciones Clínicas

• Herramienta de Screening Eficiente: El nomograma ofrece una solución de bajo costo y bajo tiempo (<1-2 minutos) para que los científicos del deporte, entrenadores y clínicos identifiquen atletas en riesgo de trastornos del sueño relacionados con la luz.
• Enfoque en Conductas, no solo en Luz: Los resultados sugieren que el problema no es solo la luz azul emitida por las pantallas, sino también la estimulación cognitiva y emocional del contenido consumido antes de dormir, así como la ansiedad por el monitoreo del sueño ("ortosomnia") que lleva a revisar dispositivos durante la noche.
• Priorización de Intervenciones: Al tener una especificidad del 92%, la herramienta es excelente para "filtrar" a los atletas que realmente necesitan una evaluación más profunda. Las intervenciones deben centrarse en la educación sobre la higiene del sueño digital (reducir el uso de pantallas antes de dormir y evitar revisar dispositivos durante despertares nocturnos).
• Limitaciones y Futuro: El estudio es transversal (no establece causalidad) y se basa en autorreportes. Se recomienda investigación longitudinal para confirmar si estos comportamientos son causa o consecuencia de la falta de sueño, y validar el nomograma con medidas objetivas (sensores de luz y melatonina).

En conclusión, este estudio proporciona un marco validado para simplificar la evaluación de la exposición a la luz en atletas, transformando datos complejos en una herramienta práctica que puede mejorar significativamente las estrategias de monitoreo y recuperación en el deporte de alto rendimiento.