Socioeconomic and lifestyle factors predict the association between sleep health and depression

Resumo Técnico: Fatores Socioeconômicos e de Estilo de Vida Predizem a Associação entre Saúde do Sono e Depressão

Problema de Pesquisa
A saúde do sono (SS) e a depressão são construtos multidimensionais com uma relação bidirecional bem estabelecida; no entanto, seus determinantes compartilhados permanecem pouco compreendidos, particularmente ao nível individual. Pesquisas anteriores basearam-se amplamente em comparações de nível de grupo ou correlações univariadas que examinam características de sono individuais (ex: insônia) contra escores totais de depressão. Essas abordagens falham em capturar a natureza complexa e multifacetada da nexo sono-depressão ou em considerar a variabilidade interindividual. Além disso, embora fatores socioeconômicos e de estilo de vida sejam conhecidos por influenciar ambas as condições de forma independente, permanece incerto como esses fatores modificáveis moldam a variância compartilhada entre a SS e a depressão. O estudo visa identificar os principais preditores socioeconômicos e de estilo de vida da "depressão relacionada ao sono" (DRS) — um novo constructo que representa a dimensão específica dos sintomas depressivos que covariam com as características de SS — e avaliar a generalizabilidade desses preditores entre amostras da população geral e de depressão clínica.

Metodologia
O estudo utilizou dados do UK Biobank, analisando quatro domínios: componentes da saúde do sono, sintomas depressivos, variáveis socioeconômicas e fatores de estilo de vida. O framework de análise empregou uma abordagem de validação cruzada aninhada para evitar o vazamento de dados (data leakage) e maximizar a utilização dos dados:

1. Derivação de Escores de DRS: A Análise de Correlação Canônica regularizada (rCCA) foi realizada em uma subamostra primária da população geral (GP1; n = 87.405) para identificar fenótipos latentes. A primeira variável canônica da depressão, que maximizou a correlação com as variáveis de SS, foi utilizada para calcular os escores de DRS em nível individual.
2. Modelagem Preditiva: Modelos de aprendizado de máquina (ML) (incluindo Ridge, LASSO, Elastic Net, Random Forest, XGBoost e Regressão de Vetores de Suporte) foram treinados em GP1 para prever os escores de DRS usando fatores socioeconômicos e de estilo de vida como atributos de entrada. O XGBoost demonstrou o melhor desempenho.
3. Validação: O modelo de melhor desempenho foi validado em subamostras independentes:
   • GP2: Uma subamostra da população geral (n = 5.187) avaliada no início do estudo (baseline) e em um acompanhamento de 9,2 anos.
   • CD: Uma subamostra de depressão clínica (n = 7.454) composta por indivíduos com diagnósticos de CID-10 de episódios depressivos ou que utilizam antidepressivos. Nota: Na amostra CD, a rCCA foi retreinada para considerar a associação multivariada mais forte observada em pacientes clínicos antes da aplicação do modelo XGBoost treinado em GP1.
4. Análises Complementares: O estudo examinou as contribuições diferenciais de preditores através de outros fenótipos latentes, incluindo depressão relacionada ao sono (DRS), depressão não relacionada ao sono (NSRD), sono não relacionado à depressão (NDRS), SS geral e depressão geral.
5. Importância das Variáveis (Feature Importance): Valores de SHapley Additive exPlanations (SHAP) foram utilizados para quantificar as contribuições das variáveis e avaliar a heterogeneidade entre subgrupos de idade e sexo.

Resultados Principais

• Associação Multivariada: Uma associação multivariada robusta foi identificada entre SS e depressão em GP1 (correlação canônica $r = 0,42$, $P_{FDR} < 0,001$). Os componentes de SS mais fortemente ligados à depressão foram insônia e dificuldade para levantar de manhã; o componente de depressão mais forte foi a frequência de cansaço ou letargia.
• Desempenho Preditivo: Fatores socioeconômicos e de estilo de vida predisseram moderadamente os escores de DRS em GP1 ($r = 0,25$; $R^2 = 0,06$). O modelo superou um modelo composto apenas por dados demográficos.
• Principais Preditores: Os preditores mais significativos de escores de DRS mais elevados foram:
  • Menor frequência de confidência com outras pessoas (conexão social).
  • Maior tempo sedentário assistindo televisão.
  • Menor atividade física vigorosa.
  • Maior exposição ao fumo passivo (fora de casa).
• Generalizabilidade: O modelo preditivo mostrou padrões semelhantes em GP2 no baseline e no acompanhamento, e na subamostra de depressão clínica (CD). Embora o desempenho tenha sido menor para prever escores de DRS de acompanhamento baseados em características de baseline, os principais preditores permaneceram estáveis em todas as amostras de validação.
• Diferenças de Subgrupo: O fumo passivo foi um preditor mais forte em adultos jovens (<65 anos) e homens, enquanto a atividade física vigorosa foi mais crítica para adultos mais velhos (≥65 anos) e mulheres.
• Perfis Distintos: Análises complementares revelaram que os preditores diferiam conforme o tipo de perfil. A menor confidência e o maior tempo assistindo TV predisseram principalmente perfis relacionados à depressão (NSRD, depressão geral). Em contraste, a frequência de consumo de álcool, menos caminhadas e menos tempo ao ar livre no inverno foram os principais preditores para perfis de sono prejudicados (NDRS, SS geral).

Significância e Alegações
O artigo afirma que sua abordagem sistemática conseguiu separar com sucesso as dimensões latentes compartilhadas e distintas que sustentam a relação entre a saúde do sono e a depressão. Ao identificar um modelo preditivo generalizável, o estudo destaca fatores socioeconômicos e de estilo de vida modificáveis críticos que podem servir como alvos para intervenções personalizadas.

Os autores enfatizam que, embora os tamanhos de efeito sejam modestos (explicando 6–11% da variância), os achados sublinham o impacto de longo prazo dos fatores de estilo de vida iniciais na interação entre sono e depressão. Os resultados sugerem que intervenções direcionadas à conexão social (confidência), comportamento sedentário, atividade física e exposição ao fumo podem aliviar simultaneamente tanto os distúrbios do sono quanto os sintomas depressivos. O estudo conclui que esses fatores modificáveis oferecem potenciais caminhos para estratégias preventivas visando reduzir a carga inter-relacionada da má saúde do sono e da depressão, embora os autores alertem que o desenho observacional impede a inferência causal.