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

Deze cross-sectionele studie ontwikkelde een screeningsnomogram dat, door middel van gereduceerde lichtblootstellingsvariabelen zoals telefoongebruik voor het slapen, atleten met een hoog risico op slechte slaapkwaliteit effectief kan identificeren.

De kern

Licht op de slaapprestaties van atleten: Een simpele test om slechte nachten te voorspellen

Stel je voor dat het lichaam van een atleet een zeer gevoelige horloge is. Dit horloge wordt niet opgewonden door een sleutel, maar door licht. Net zoals een plant naar de zon draait, regelt ons lichaam onze slaap en waakzaamheid op basis van wanneer we licht zien en wanneer we in het donker zitten.

Deze studie, uitgevoerd door een team van onderzoekers, kijkt naar een groot probleem: veel topsporters slapen niet goed. Ze zijn moe, en dat is slecht voor hun prestaties. De onderzoekers wilden weten: Welke specifieke gewoontes met licht en schermen zorgen ervoor dat een atleet slecht slaapt? En nog belangrijker: Kunnen we een simpele tool maken om dit snel te zien, zonder dat we dure apparatuur nodig hebben?

Hier is de uitleg in gewone taal, met een paar creatieve vergelijkingen.

1. Het probleem: Te veel ruis in de radio

Vroeger hadden onderzoekers om te weten hoe licht de slaap beïnvloedt, enorme, dure apparaten nodig die je overal mee naartoe moest nemen (zoals een zware camera die je de hele dag aan je shirt moet hangen). Dit is voor sporters onhandig. Ze willen niet met een zware camera rondlopen tijdens een wedstrijd of training.

Daarnaast zijn er vragenlijsten die te lang en te ingewikkeld zijn. Het is alsof je iemand vraagt om een encyclopedie te lezen om te weten of ze moe zijn. De onderzoekers wilden iets simpels: een snelle check die een sportarts of trainer in 1 minuut kan doen.

2. De oplossing: De "Licht-Filter" (LASSO)

De onderzoekers namen een bestaande, lange vragenlijst (23 vragen) over lichtgedrag en gooiden deze door een slim computerprogramma (een soort digitale zeef genaamd LASSO).

Stel je voor dat je een emmer met 23 verschillende soorten fruit hebt. Je wilt erachter komen welke vruchten de slechte smaak van een soep veroorzaken. Je gooit ze allemaal in de soep, maar het computerprogramma helpt je om de vruchten eruit te vissen die niet de smaak verpesten.

Het resultaat? De computer zei: "Verwijder 20 vragen. Alleen deze 3 specifieke gedragingen tellen echt voor slechte slaap bij sporters."

3. De drie "Slaap-killers"

De drie gedragingen die overbleven, zijn verrassend simpel en allemaal gerelateerd aan je telefoon of smartwatch:

1. Telefoon gebruiken vlak voor het slapen: Het schermlicht en de inhoud (nieuws, social media) houden je hersenen wakker.
2. Telefoon checken als je 's nachts wakker wordt: Je slaapt misschien niet door, maar als je je telefoon pakt om te checken, is het alsof je je hersenen weer een schok van blauw licht geeft.
3. Smartwatch checken als je wakker wordt: Dit klinkt onschuldig, maar het blijkt ook een probleem. Het is alsof je je horloge aan het bekijken bent in plaats van gewoon weer te gaan slapen.

De metafoor:
Stel je slaapprobleem voor als een brandalarm in een huis. De telefoon en smartwatch zijn de rookmelders die continu piepen. Als je 's nachts wakker wordt en je pakt je telefoon of kijkt naar je horloge, doe je alsof je het alarm uit zet, maar in werkelijkheid giet je nog meer benzine op het vuur. Je hersenen denken: "Oh, het is tijd om wakker te zijn!" en dan is slapen bijna onmogelijk.

4. De nieuwe tool: De "Slaap-Weegschaal" (Nomogram)

De onderzoekers hebben een visuele tool gemaakt, een nomogram. Dit klinkt ingewikkeld, maar het is eigenlijk een simpele weegschaal.

• Hoe het werkt: Een trainer kijkt naar de antwoorden van de atleet op de drie vragen hierboven.
• Het puntensysteem: Elke keer dat een atleet zegt "vaak" of "altijd" dat hij/zij naar zijn telefoon kijkt, krijgt hij punten op de weegschaal.
• Het resultaat: Als je de punten optelt, zie je direct op een schaal hoeveel kans er is dat de atleet slecht slaapt.

Het is alsof je een voorspellingskaart hebt. Als de atleet veel punten heeft, weet de trainer direct: "Hé, deze atleet heeft waarschijnlijk een licht-probleem. Laten we eens kijken of we zijn telefoon-gebruik 's avonds kunnen aanpakken."

5. Waarom is dit belangrijk?

• Snelheid: Het duurt maar een minuutje. Geen dure apparatuur nodig.
• Gericht: In plaats van te zeggen "Stop met licht", weet je nu precies waar je moet ingrijpen: De telefoon en smartwatch 's nachts.
• Betrouwbaarheid: De tool is heel goed in het vinden van sporters die echt een probleem hebben (ze noemen dit een hoge "specificiteit"). Als de tool zegt "let op", dan is er waarschijnlijk echt iets mis.

Conclusie

Deze studie zegt eigenlijk: "Sporters, jullie slaapproblemen worden vaak veroorzaakt door het blauwe licht en de aandacht van jullie apparaten 's nachts."

De onderzoekers hebben een simpele kaart gemaakt die trainers helpt om die sporters te vinden die worstelen met hun slaap. Het is een waarschuwingssignaal: Zet je telefoon weg, stop met checken, en laat je lichaam rustig in het donker zakken. Dan kan het horloge weer goed tikken en kan de atleet zich herstellen.

Technische samenvatting

Titel: Schijnwerper op de slaap van atleten: Ontwikkeling van een screeningsnomogram om atleten met een risico op slechte slaapkwaliteit te signaleren

Auteurs: Shauna Stevenson et al. (La Trobe University en partners)

---

1. Probleemstelling en Achtergrond

Elite-atleten bereiken vaak niet de aanbevolen hoeveelheid slaap, wat hun herstel en prestaties beïnvloedt. Lichtblootstelling is een primaire cue voor het circadiaanse ritme, maar de relatie tussen specifieke lichtgerelateerde gedragingen en slaapkwaliteit bij atleten is complex.

• Huidige beperkingen: Objectieve lichtmetingen (bijv. via draagbare sensoren) zijn vaak onpraktisch in sportomgevingen vanwege logistieke eisen en data-verwerking. Bestaande vragenlijsten (zoals de Harvard Light Exposure Assessment) zijn te gedetailleerd of niet specifiek genoeg voor atleten.
• Kennislacune: Er ontbreekt een beknopt, praktisch hulpmiddel dat sportprofessionals in staat stelt snel te screenen welke specifieke lichtgedragingen (zoals schermgebruik) het sterkst geassocieerd zijn met slechte slaapkwaliteit, zodat ze prioriteit kunnen geven aan verdere evaluatie.

2. Methodologie

Het onderzoek is een cross-sectionele studie uitgevoerd onder 121 atleten van verschillende niveaus (van recreatief tot internationaal elite).

• Data-inzameling:
  • LEBA (Light Exposure Behaviour Assessment): Een vragenlijst met 23 items over lichtgedragingen, onderverdeeld in 5 factoren (bijv. blauwlichtfilters, buiten zijn, schermgebruik in bed).
  • PSQI (Pittsburgh Sleep Quality Index): De uitkomstmaat voor slaapkwaliteit. Een globale score >5 definieerde "slechte slaapkwaliteit".
  • Uitsluitingscriteria: Gebruik van slaapmedicatie, slaapstoornissen of medicatie die de lichtperceptie beïnvloedt.
• Statistische Analyse:
  • Feature Reduction (LASSO): Er werd gebruikgemaakt van Least Absolute Shrinkage and Selection Operator (LASSO) regressie om de meest voorspellende variabelen uit de 23 LEBA-items te selecteren en overfitting te voorkomen.
  • Modelvergelijking: Drie modellen werden getraind en gevalideerd:
    1. Een volledig model (alle 23 items).
    2. Een factormodel (alleen de 5 items van Factor 3: schermgebruik in bed).
    3. Een gereduceerd model (alleen de door LASSO geselecteerde items).
  • Validatie: De dataset werd opgesplitst in een trainingsset (80%) en een testset (20%). Prestaties werden gemeten aan de hand van AUC (Area Under the Curve), sensitiviteit en specificiteit.
  • Nomogram: Een visueel voorspellingsinstrument werd ontwikkeld op basis van het beste model om de kans op slechte slaap te berekenen.

3. Belangrijkste Resultaten

• Geselecteerde Variabelen: De LASSO-regressie reduceerde de 23 items tot slechts drie kritieke voorspellers, allemaal afkomstig uit Factor 3 (gebruik van telefoon/smartwatch in bed):
  1. Gebruik van de telefoon voor het slapengaan.
  2. Controleren van de telefoon 's nachts.
  3. Controleren van de smartwatch 's nachts.
• Modelprestaties:
  • Het gereduceerde model (3 items) presteerde het beste op de onafhankelijke testset met een AUC van 0,83.
  • Het had een sensitiviteit van 0,70 en een specificiteit van 0,92.
  • De hoge specificiteit betekent dat atleten die door het model als "risico" worden gemarkeerd, zeer waarschijnlijk daadwerkelijk slechte slaapkwaliteit hebben (lage kans op vals-positieven).
  • Het volledig model (23 items) presteerde slechter (AUC 0,79) en was minder specifiek.
• Het Nomogram: Een grafische tool is ontwikkeld waarbij sportprofessionals de antwoorden op de drie vragen kunnen invoeren (op een 5-punts Likert-schaal) om direct de voorspelde kans op slechte slaapkwaliteit te zien. Een voorbeeld toonde aan dat een atleet met frequent schermgebruik een voorspelde risicokans van ongeveer 46% had.

4. Kernbijdragen

1. Identificatie van sleutelgedragingen: Het onderzoek toont aan dat niet alle lichtfactoren even belangrijk zijn; specifiek het gebruik van schermen (telefoon/smartwatch) voor het slapen en 's nachts is de sterkste predictor voor slechte slaap bij atleten.
2. Ontwikkeling van een screeningstool: De creatie van een nomogram dat complexe statistische modellen vertaalt naar een gebruiksvriendelijk, visueel hulpmiddel voor de praktijk.
3. Efficiëntie: Bewijs dat feature-reductie (LASSO) de vragenlast voor atleten en professionals drastisch kan verlagen (van 23 naar 3 items) zonder in te leveren op voorspellende nauwkeurigheid.

5. Betekenis en Toepassing

• Praktische Implementatie: Sportwetenschappers en trainers kunnen dit nomogram gebruiken als een snelle, laag-burden screening tijdens consulten. Het helpt bij het identificeren van atleten die extra aandacht nodig hebben voor hun slaap- en lichtgedrag.
• Interventiegericht: De tool richt zich op specifieke, veranderbare gedragingen (schermgebruik) in plaats van algemene adviezen.
• Klinische Relevantie: De hoge specificiteit maakt het een betrouwbaar instrument om atleten te "flaggen" voor verdere, diepere evaluatie van onderliggende oorzaken van slaapproblemen.
• Beperkingen en Toekomst: De studie is cross-sectioneel (geen causale conclusies mogelijk) en gebaseerd op zelfrapportage. Toekomstig onderzoek moet longitudinale studies omvatten om te bepalen of het verminderen van deze gedragingen daadwerkelijk de slaapkwaliteit verbetert, en de tool valideren tegen objectieve meetinstrumenten.

Conclusie: Dit onderzoek levert een evidence-based, praktisch instrument op dat de brug slaat tussen lichtonderzoek en dagelijkse sportpraktijk, waardoor professionals beter in staat zijn om de circadiaanse gezondheid en slaap van atleten te optimaliseren.