RELACIÓN ENTRE LA CALIDAD DEL SUEÑO Y LOS
INDICADORES ANTROPOMÉTRICOS. ANÁLISIS DE
CORRESPONDENCIAS MÚLTIPLES
RELATIONSHIP BETWEEN SLEEP QUALITY AND
ANTHROPOMETRIC INDICATORS. MULTIPLE
CORRESPONDENCE ANALYSIS
Pamela Alejandra Ruiz Polit
Universidad Estatal de Milagro – Ecuador
Diego Xavier Flores Flores
Ministerio de Salud Pública distrito 16D02 Arajuno - Ecuador
pág. 7180
DOI: https://doi.org/10.37811/cl_rcm.v8i5.14132
Relación entre la calidad del sueño y los indicadores antropométricos.
Análisis de Correspondencias Múltiples
Pamela Alejandra Ruiz Polit
1
pruizp@unemi.edu.ec
https://orcid.org/0009-0005-3543-3791
Facultad de Salud y Servicios Sociales
Universidad Estatal de Milagro
Ecuador
Diego Xavier Flores Flores
diego.flores@16d02.mspz3.gob.ec
https://orcid.org/0009-0009-6321-8406
Ministerio de Salud Pública distrito 16D02
Arajuno
Ecuador
RESUMEN
Introducción: La calidad del sueño es un tema relevante en salud pública, asociado con problemas físicos
y psicológicos. Su deterioro ha crecido, y un tercio de la población presenta trastornos del sueño, los
cuales están relacionados con enfermedades crónicas. Este estudio investiga la relación entre la calidad
del sueño y los indicadores antropométricos, utilizando el Análisis de Correspondencias Múltiples
(ACM). Objetivo: Explorar cómo los indicadores antropométricos, como el índice de masa corporal
(IMC), se relacionan con la calidad del sueño en una muestra de adultos. Metodología: Se realizó un
estudio transversal con 102 participantes, utilizando un cuestionario autoadministrado para recoger
datos sobre calidad del sueño y medidas antropométricas. El ACM se aplicó para identificar asociaciones
entre variables categóricas. Resultados: Los hallazgos revelan que el 86,27% de las mujeres reportan
calidad de sueño bastante buena, mientras que el sobrepeso está asociado a una mayor incidencia de
mala calidad de sueño. Además, la edad y el género son factores relevantes. Discusión: El ACM facilitó
la identificación de patrones complejos y subrayó la interrelación entre la calidad del sueño y las
características antropométricas. Estos resultados destacan la importancia de considerar múltiples
factores en la evaluación de la calidad del sueño y sugieren futuras líneas de investigación en salud
pública y nutrición.
Palabras clave: calidad del sueño, grupos etarios, estado nutricional, medicamentos, análisis de
correspondencias múltiples
1
Autor principal.
Correspondencia: pruizp@unemi.edu.ec
pág. 7181
Relationship between sleep quality and anthropometric indicators. Multiple
Correspondence Analysis
ABSTRACT
Introduction: Sleep quality is a relevant issue in public health, associated with physical and
psychological problems. Its deterioration has grown, and one third of the population presents sleep
disorders, which are related to chronic diseases. This study investigates the relationship between sleep
quality and anthropometric indicators, using Multiple Correspondence Analysis (MCA). Objective: To
explore how anthropometric indicators, such as body mass index (BMI), relate to sleep quality in a
sample of adults. Methodology: A cross-sectional study was conducted with 102 participants, using a
self-administered questionnaire to collect data on sleep quality and anthropometric measures. The ACM
was applied to identify associations between categorical variables. Results: The findings reveal that
86.27% of women report fairly good sleep quality, while overweight is associated with a higher
incidence of poor sleep quality. In addition, age and gender are relevant factors. Discussion: The ACM
facilitated the identification of complex patterns and highlighted the interrelationship between sleep
quality and anthropometric characteristics. These results highlight the importance of considering
multiple factors in the assessment of sleep quality and suggest future lines of research in public health
and nutrition.
Keywords: sleep quality, age groups, nutritional status, medications, multiple correspondence analysis
Artículo recibido 08 agosto 2024
Aceptado para publicación: 10 septiembre 2024
pág. 7182
INTRODUCCIÓN
La calidad del sueño se ha convertido en un tema de gran interés en las investigaciones de salud pública
debido a su relación con una amplia gama de problemas físicos, psicológicos y sociales. El sueño es un
proceso fisiológico esencial para la recuperación del cuerpo y la mente, y su calidad afecta directamente
el bienestar general de las personas(Lemoine et al., 2022). No obstante, los trastornos del sueño han
aumentado significativamente en las últimas décadas, convirtiéndose en una preocupación de primer
orden. Según Ferini‐Strambi et al. (2021), un tercio de la población mundial experimenta problemas
relacionados con el sueño, como el insomnio, el síndrome de apnea del sueño y otros trastornos del
ritmo circadiano. Estos problemas no solo afectan la calidad de vida de los individuos, sino que también
están relacionados con un aumento en el riesgo de padecer enfermedades crónicas no transmisibles como
la obesidad, la diabetes tipo 2, las enfermedades cardiovasculares y los trastornos metabólicos. Esta
problemática global pone de relieve la necesidad de estudiar y comprender los factores que influyen en
la calidad del sueño, especialmente aquellos relacionados con indicadores de salud física, como los
indicadores antropométricos(Zheng et al., 2022).
La relación entre los indicadores antropométricos, como el índice de masa corporal (IMC) y la
composición de grasa corporal, y la calidad del sueño ha sido objeto de investigación en diversos
contextos. El IMC es un indicador ampliamente utilizado para clasificar a las personas en categorías de
peso, como normopeso, sobrepeso y obesidad, y se ha demostrado que el exceso de peso tiene efectos
adversos en múltiples aspectos de la salud, incluido el sueño. Por ejemplo, la obesidad está fuertemente
asociada con trastornos respiratorios del sueño, como la apnea obstructiva del sueño, una afección en la
que las vías respiratorias se bloquean repetidamente durante el sueño, lo que interrumpe el descanso y
disminuye la calidad del sueño. Además, la obesidad puede contribuir a problemas metabólicos y
hormonales que afectan la arquitectura del sueño, reduciendo el tiempo de sueño profundo y aumentando
la somnolencia diurna(Afsari et al., 2023).
Varios estudios han explorado cómo los indicadores antropométricos afectan la duración y la eficiencia
del sueño. La duración del sueño es una medida comúnmente utilizada para evaluar la cantidad de sueño,
y se ha identificado que tanto la corta duración del sueño (menos de 6 horas por noche) como la larga
duración del sueño (más de 9 horas) están asociadas con un mayor riesgo de obesidad y otros trastornos
pág. 7183
metabólicos. En este sentido, existe una relación bidireccional entre la calidad del sueño y el estado
nutricional: mientras que un mal estado nutricional, como el sobrepeso o la obesidad, puede deteriorar
la calidad del sueño, los trastornos del sueño pueden, a su vez, promover el aumento de peso y otros
problemas metabólicos debido a cambios en los patrones de hambre y saciedad y en la secreción de
hormonas como la leptina y la grelina (Papadopoulou et al., 2023).
La investigación sobre la relación entre la calidad del sueño y los indicadores antropométricos ha
generado resultados mixtos. Algunos estudios sugieren que las personas con un IMC elevado tienden a
experimentar una peor calidad del sueño, mientras que otros no han encontrado una relación clara. Estas
discrepancias pueden deberse a factores metodológicos, como el tamaño de la muestra o las diferencias
en las variables medidas, así como a la falta de consideración de otros factores que pueden influir en el
sueño, como el estrés, la actividad física, la dieta y el uso de medicamentos. Además, muchos estudios
se han centrado únicamente en medidas unidimensionales de la calidad del sueño, como la duración del
sueño, sin considerar otros aspectos importantes, como la eficiencia del sueño, las perturbaciones del
sueño y la somnolencia diurna(Gupta et al., 2022).
Dado que la calidad del sueño es un fenómeno complejo influido por múltiples factores, es fundamental
utilizar enfoques analíticos que puedan captar la naturaleza multidimensional de esta relación. En este
contexto, el presente estudio propone el uso del Análisis de Correspondencias Múltiples (ACM) para
explorar la relación entre la calidad del sueño y los indicadores antropométricos en una muestra de
adultos. El ACM es una técnica estadística multivariante diseñada para analizar datos categóricos,
permitiendo identificar y visualizar asociaciones entre múltiples variables cualitativas. A diferencia de
los métodos estadísticos tradicionales, que se centran en el análisis de relaciones entre variables
continuas, el ACM es especialmente útil cuando se trata de variables cualitativas o categóricas, como
las utilizadas para medir la calidad del sueño (buena, mala) y los indicadores antropométricos
(normopeso, sobrepeso, obeso)(Samadoulougou et al., 2022).
El ACM no solo permite identificar patrones de asociación entre las variables, sino que también facilita
la representación gráfica de estos patrones, lo que ayuda a visualizar de manera clara las relaciones
subyacentes. En el caso de este estudio, el ACM permitirá descubrir posibles perfiles o grupos de
individuos que compartan características comunes en términos de calidad del sueño y estado
pág. 7184
antropométrico. Por ejemplo, el análisis podría revelar que las personas con obesidad tienen mayor
probabilidad de reportar una mala calidad del sueño en comparación con aquellas que se encuentran en
la categoría de normopeso. Asimismo, el ACM puede ayudar a identificar otros factores asociados, como
el género, la edad y el uso de medicamentos, que podrían estar influyendo en la calidad del sueño(Sandri
et al., 2024).
La utilización del Análisis de Correspondencias Múltiples en este estudio resulta especialmente
relevante porque permite abordar la complejidad de las interacciones entre diversas variables
categóricas. Esta técnica facilita la identificación de asociaciones que no serían evidentes mediante
métodos univariantes o bivariantes más simples. Además, su capacidad para generar representaciones
visuales de las relaciones entre las variables ayuda a interpretar de manera más intuitiva los resultados,
lo que a su vez puede contribuir a una mejor comprensión de los factores que afectan la calidad del
sueño en diferentes subgrupos de la población. Al aplicar el ACM, este estudio no solo proporcionará
evidencia sobre la relación entre la calidad del sueño y los indicadores antropométricos, sino que
también ofrecerá una metodología robusta para el análisis de datos cualitativos en el ámbito de la salud
pública y la nutrición, abriendo nuevas vías para intervenciones que mejoren la salud del sueño en
poblaciones vulnerables(Aryannejad et al., 2021).
METODOLOGÍA
Este estudio transversal tiene como objetivo explorar la relación entre la calidad del sueño y los
indicadores antropométricos en una muestra de 102 individuos. Los datos fueron recolectados mediante
un cuestionario autoadministrado, que incluyó preguntas sobre la calidad del sueño y variables
sociodemográficas y antropométricas, como el índice de masa corporal (IMC) y el porcentaje de grasa
corporal. La calidad del sueño se clasificó en categorías (bastante buena, bastante mala, muy buena y
muy mala) y los indicadores antropométricos en normopeso, sobrepeso y obesidad, según los criterios
establecidos por la Organización Mundial de la Salud (OMS)(Alves et al., 2021).
El análisis de los datos se llevó a cabo utilizando el software RStudio. Para identificar asociaciones entre
las variables categóricas de interés, se aplicó el Análisis de Correspondencias Múltiples (ACM), una
pág. 7185
técnica estadística adecuada para datos cualitativos. El ACM permite visualizar las relaciones entre las
distintas categorías de las variables y descubrir patrones latentes en los datos(Radanliev et al., 2020).
Este estudio cumple con los principios éticos y legales del tratamiento de datos para investigaciones en
seres humanos, respetando la confidencialidad y anonimato de los participantes. Se obtuvo el
consentimiento informado de todos los sujetos antes de la recolección de los datos, y el protocolo del
estudio fue aprobado por el comité de ética institucional(Xu et al., 2020).
Los resultados del análisis ACM se interpretaron mediante gráficos biplot, que permiten visualizar las
asociaciones entre las categorías de calidad del sueño y los indicadores antropométricos, con el objetivo
de identificar perfiles específicos de los individuos en la muestra.
RESULTADOS Y DISCUSIÓN
El análisis descriptivo se basa en la calidad del sueño de los participantes, categorizada en cuatro niveles:
bastante buena, bastante mala, muy buena y muy mala, en relación con variables sociodemográficas
como el género, el IMC, la grasa corporal, el InBody, la edad, y la duración del sueño. El género
femenino predomina en la muestra, representando el 86,27% de las observaciones con calidad de sueño
bastante buena y el 64,70% con sueño muy bueno. Las mujeres también experimentaron en mayor
medida una calidad bastante mala, con el 9,80% de los casos, y un 11,76% con calidad muy mala. Por
otro lado, los hombres representan una menor proporción en todas las categorías, destacando que el
5,88% reporta una calidad bastante buena y solo el 0,98% reporta una calidad muy mala.
La edad también es un factor relevante en la calidad del sueño. El grupo de edad de 31 a 40 años
predomina en la categoría de sueño bastante bueno (32,35%) y en muy bueno (16,67%). Sin embargo,
este grupo también representa el 8,82% de aquellos con sueño bastante malo. Las personas de 18 a 30
años muestran una proporción moderada de sueño bastante bueno (13,73%) y solo el 0,98% reporta un
sueño muy malo. Los individuos de mayores de 50 años presentan una distribución más equilibrada en
las categorías de calidad del sueño, sin predominancia significativa en ninguna.
En cuanto al IMC, se observan diferencias significativas en la distribución según la calidad del sueño.
Las personas con sobrepeso son la mayoría en la categoría de sueño bastante bueno (30,39%) y en muy
bueno (13,73%). Además, el sobrepeso también aparece asociado con una peor calidad de sueño: el
pág. 7186
6,86% reporta sueño muy malo. En cuanto a los que tienen peso normal, el 11,76% reporta un sueño
bastante bueno, pero también se observa un 3,92% que reporta un sueño muy malo. Las personas con
obesidad también muestran una alta proporción de sueño bastante bueno (10,78%), aunque el 5,88%
reporta una calidad bastante mala. La distribución de la grasa corporal muestra una relación clara con la
calidad del sueño. El grupo de personas clasificadas como obesas en términos de grasa corporal domina
en la categoría de sueño bastante bueno (49,02%) y también en las categorías de peor calidad de sueño,
con el 11,76% en bastante malo y el 10,78% en muy malo. En contraste, las personas con ligero
sobrepeso y delgados no representan una proporción significativa en ninguna categoría de sueño,
mientras que quienes están en la categoría de sobrepeso presentan niveles bajos tanto de sueño muy
bueno (0,98%) como muy malo (0,98%).
En términos de composición corporal según el InBody, la mayoría de los participantes con sueño
bastante bueno están en el rango de 61-70 puntos (23,53%), seguidos por aquellos con 71-80 puntos
(17,65%). Aquellos con 51-60 puntos también muestran una alta proporción de sueño bastante bueno
(7,84%). Sin embargo, quienes tienen menos de 50 puntos muestran una mayor proporción de sueño
bastante malo (1,96%).
La duración del sueño está fuertemente asociada con la calidad del descanso. Las personas que duermen
entre 6 y 7 horas constituyen el 29,41% de los que reportan sueño bastante bueno, seguido por un 13,73%
en la categoría de sueño muy bueno. Aquellos que duermen más de 7 horas representan el 20,59% de
los que experimentan un sueño bastante bueno, pero también están asociados con un 3,92% de sueño
muy malo. Por otro lado, los que duermen menos de 5 horas presentan menores proporciones en todas
las categorías, aunque el 0,98% de ellos reporta una calidad muy mala.
El análisis de correspondencias múltiples (ACM) revela patrones complejos en los datos categóricos
relacionados con variables de sueño, medidas antropométricas y otros factores asociados. A partir de los
autovalores, observamos que las primeras dimensiones explican un porcentaje relativamente bajo de la
varianza total (6.8% para la primera dimensión, 5.8% para la segunda, y así sucesivamente), lo que
sugiere una alta dispersión en la distribución de las variables. A pesar de ello, las primeras dimensiones
son las más informativas para interpretar las relaciones entre las variables.
pág. 7187
La contribución de las categorías a las dimensiones es particularmente significativa en algunos grupos.
Por ejemplo, la categoría "Bastante mala" tiene una alta contribución negativa en la Dimensión 1,
indicando que esta respuesta sobre la calidad del sueño está fuertemente asociada a la primera
dimensión, mientras que "Muy mala" y "5-6 h de sueño" contribuyen a la Dimensión 2, reflejando un
patrón distintivo de quienes reportan peor calidad o menor duración de sueño. Las altas contribuciones
a estas dimensiones sugieren que los aspectos del sueño juegan un papel central en las primeras
dimensiones del análisis.
En cuanto a la relación entre las variables categóricas y las dimensiones (medidas por el eta cuadrado),
variables como el peso e IMC tienen una influencia significativa, especialmente en las primeras dos
dimensiones. Esto indica una fuerte asociación entre estas medidas corporales y las respuestas obtenidas
en las variables relacionadas con el sueño. Además, variables como la difusión diurna y el género
también muestran una alta contribución, lo que sugiere que las diferencias en el sueño están vinculadas
con el género y la somnolencia diurna en los participantes. Esto podría implicar que el género y el estado
de alerta durante el día influyen de manera considerable en los patrones generales de sueño en la muestra
estudiada.
La Figura 1 de las variables obtenida del análisis de correspondencias múltiples (ACM) permite observar
cómo se distribuyen las diferentes variables en relación con las dimensiones 1 y 2 del análisis. En la
gráfica, se destacan varias variables significativas. Por ejemplo, la variable Calidad_sueño tiene una
correlación notable con la Duración_sueño y la Eficiencia_sueño, lo que sugiere que una mejor calidad
de sueño está estrechamente asociada con una mayor duración y eficiencia del mismo. Este hallazgo se
alinea con los estudios de Raniti et al. (2017), que indican que la calidad del sueño está fuertemente
influenciada por la duración del sueño, así como con los resultados de (Antunes et al., 2017), quienes
argumentan que una duración adecuada del sueño mejora significativamente la calidad del mismo, lo
que a su vez puede tener efectos positivos sobre la salud física y mental.
Adicionalmente, variables como IMC, Peso y Grasa_corporal están agrupadas en la misma región del
gráfico, lo que sugiere una interrelación entre las medidas antropométricas y las características del
sueño. Este fenómeno ha sido respaldado por investigaciones de Kuvat et al. (2020), que revelan que el
exceso de peso y una mayor grasa corporal están relacionados con patrones de sueño deficientes, lo que
pág. 7188
puede tener consecuencias adversas en la salud general de los individuos. Asimismo, el estudio de
Muscogiuri et al. (2020) señala que la calidad del sueño se ve afectada por la obesidad y el IMC, lo que
puede llevar a una mayor predisposición a enfermedades metabólicas. Por lo tanto, la representación
gráfica del ACM no solo destaca la relación entre las variables de sueño y las antropométricas, sino que
también enfatiza la necesidad de considerar estos factores en la evaluación integral de la salud.
El análisis de la calidad del sueño y su relación con diversos factores de estilo de vida revela varias
perspectivas que enriquecen la comprensión del tema. Wang & Boros. (2021)argumentan que la
distribución de puntos en el gráfico indica una relación compleja entre múltiples factores, como la
frecuencia de actividad física. Las categorías de actividad (ver Figura 2), como "3-4 veces a la semana"
y "1-2 veces por semana", se agrupan de forma distinta, sugiriendo que la actividad física influye
significativamente en los patrones de sueño.
Por otro lado, Johnson et al. (2021) se enfocan en la correlación entre el índice de masa corporal y la
calidad del sueño. La posición de los puntos correspondientes a "Normopeso" y "Sobrepeso" en el
gráfico evidencia una asociación directa entre el sobrepeso y la disminución de la calidad del sueño,
mediada por factores como la apnea del sueño, que es más común en individuos con un índice de masa
corporal elevado.
Basishvili et al. (2021) resalta la relevancia de la edad en el análisis de la calidad del sueño. La posición
distintiva de los datos correspondientes a "Mayor a 50 años" sugiere que este grupo demográfico
presenta patrones de sueño particulares, debido a cambios fisiológicos y psicológicos asociados con la
edad, lo que requiere atención específica en futuros estudios.
Lin et al. (2020) señalan que la dispersión de puntos relacionados con el uso de métodos hormonales
indica una influencia significativa de los factores hormonales en la calidad del sueño. Esto demuestra
que las fluctuaciones hormonales afectan los ciclos de sueño-vigilia, proponiendo la necesidad de
realizar investigaciones adicionales que profundicen en cómo estas variaciones impactan la calidad del
sueño en diferentes grupos poblacionales.
El ACM ha permitido identificar relaciones complejas entre las variables categóricas del estudio. Los
resultados indican que aspectos como la calidad y duración del sueño, el género y las medidas
pág. 7189
antropométricas son factores clave que se asocian entre sí y contribuyen significativamente a las
primeras dimensiones del análisis.
Ilustraciones, Tablas, Figuras
Tabla 1. Variables de interés en relación con la calidad del sueño
Bastante buena
Bastante mala
Muy buena
Muy mala
Género
Femenino
47,06
9,80
18,63
11,76
Masculino
5,88
1,96
3,92
0,98
IMC
Obesidad
10,78
5,88
4,90
1,96
Peso normal
11,76
2,94
3,92
3,92
Sobrepeso
30,39
2,94
13,73
6,86
Grasa corporal
Delgado
0,00
0,00
0,00
0,98
Ligero
sobrepeso
1,96
0,00
0,00
0,00
Obeso
49,02
11,76
21,57
10,78
Sobrepeso
1,96
0,00
0,98
0,98
Inbody
51-60
7,84
1,96
4,90
0,98
61-70
23,53
6,86
11,76
4,90
71-80
17,65
0,98
5,88
6,86
81-90
2,94
0,00
0,00
0,00
Menor a 50
0,98
1,96
0,00
0,00
Edad
18-30 años
13,73
1,96
0,00
0,98
31-40 años
32,35
8,82
16,67
5,88
41-50 años
2,94
0,00
1,96
3,92
Mayor a 50
años
3,92
0,98
3,92
1,96
Duración del sueño
5-6 h
1,96
2,94
0,98
0,98
6-7 h
29,41
7,84
13,73
6,86
Mayor a 7h
20,59
0,98
7,84
3,92
Menos de 5h
0,98
0,00
0,00
0,98
Fuente: Elaboración propia
pág. 7190
Figura 1. Variables y categorías del modelo ACM
Elaborado a partir de R Studio
Figura 2. Modalidades y categorías del modelo ACM
Elaborado a partir de R Studio.
CONCLUSIONES
El análisis descriptivo indica que tanto los factores antropométricos como las características
sociodemográficas están relacionados con la calidad del sueño. Las mujeres y las personas con
sobrepeso u obesidad parecen experimentar una peor calidad del sueño, mientras que dormir entre 6 y 7
horas se asocia con una mayor proporción de sueño de calidad. Estos hallazgos sugieren la importancia
pág. 7191
de intervenir en factores relacionados con el peso corporal y los hábitos de sueño para mejorar el
bienestar general.
Los resultados del análisis indican que existe una relación significativa entre la calidad del sueño y los
indicadores antropométricos, como el índice de masa corporal y la grasa corporal. Las personas con
sobrepeso y obesidad tienden a reportar una calidad de sueño inferior, evidenciando la necesidad de
abordar estos factores en intervenciones de salud pública.
La aplicación del Análisis de Correspondencias Múltiples (ACM) ha demostrado ser una herramienta
valiosa para visualizar y comprender la complejidad de las relaciones entre la calidad del sueño y los
indicadores antropométricos, sugiriendo la necesidad de enfoques multidimensionales en
investigaciones futuras.
La edad y el género emergen como factores relevantes en la calidad del sueño. Las mujeres presentan
una mayor prevalencia de mala calidad del sueño, y las personas mayores de 50 años muestran patrones
de sueño distintivos que requieren un enfoque más específico en futuros estudios.
REFERENCIAS BIBLIOGRÁFICAS
Afsari, L., Samadi, A., & Khalesi, M. (2023). Investigating the Relationship between Physical Activity
and Anthropometric Indicators with Sleep Quality in Military Students. Military Caring
Sciences, 10(1), 11-21.
Alves, R. F., Precioso, J., & Becoña, E. (2021). Knowledge, attitudes and practice of self-medication
among university students in Portugal: A cross-sectional study. Nordic Studies on Alcohol and
Drugs, 38(1), 50-65. https://doi.org/10.1177/1455072520965017
Antunes, B. M., Campos, E. Z., Parmezzani, S. S., Santos, R. V., Franchini, E., & Lira, F. S. (2017).
Sleep quality and duration are associated with performance in maximal incremental test.
Physiology & behavior, 177, 252-256.
Aryannejad, A., Eghtesad, S., Rahimi, Z., Mohammadi, Z., Malihi, R., Danehchin, L., Paridar, Y.,
Abolnezhadian, F., Cheraghian, B., Mard, A., Gholami, B., Zakeri, A. M., Tabary, M., Masoudi,
S., Naderian, M. R., Shayesteh, A. A., & Poustchi, H. (2021). Metabolic syndrome and lifestyle-
associated factors in the ethnically diverse population of Khuzestan, Iran: A cross-sectional
pág. 7192
study. Journal of Diabetes & Metabolic Disorders, 20(1), 747-756.
https://doi.org/10.1007/s40200-021-00811-5
Basishvili, T., Oniani, N., Sakhelashvili, I., Eliozishvili, M., Khizanashvili, M., Arabidze, M., Tsaava,
M., Charekishvili, T., Tsertsvadze, N., & Darchia, N. (2021). Insomnia, pre-sleep arousal,
psychosocial factors and changes in sleep pattern during the second wave lockdown of the
COVID-19 pandemic in Georgia. Brain Sciences, 12(1), 17.
Ferini‐Strambi, L., Auer, R., Bjorvatn, B., Castronovo, V., Franco, O., Gabutti, L., Galbiati, A., Hajak,
G., Khatami, R., Kitajima, T., McEvoy, D., Nissen, C., Perlis, M., Pevernagie, D. A., Randerath,
W., Riemann, D., Rizzo, G., Van Someren, E., Vgontzas, A., … the European Sleep Foundation.
(2021). Insomnia disorder: Clinical and research challenges for the 21st century. European
Journal of Neurology, 28(7), 2156-2167. https://doi.org/10.1111/ene.14784
Gupta, P., Srivastava, N., Gupta, V., Tiwari, S., & Banerjee, M. (2022). Association of sleep duration
and sleep quality with body mass index among young adults. Journal of Family Medicine and
Primary Care, 11(6), 3251-3256.
Johnson, K. A., Gordon, C. J., Chapman, J. L., Hoyos, C. M., Marshall, N. S., Miller, C. B., & Grunstein,
R. R. (2021). The association of insomnia disorder characterised by objective short sleep
duration with hypertension, diabetes and body mass index: A systematic review and meta-
analysis. Sleep medicine reviews, 59, 101456.
Kuvat, N., Tanriverdi, H., & Armutcu, F. (2020). The relationship between obstructive sleep apnea
syndrome and obesity: A new perspective on the pathogenesis in terms of organ crosstalk. The
Clinical Respiratory Journal, 14(7), 595-604. https://doi.org/10.1111/crj.13175
Lemoine, P., Ebert, D., Koga, Y., & Bertin, C. (2022). Public interest and awareness regarding general
health, sleep quality and mental wellbeing during the early COVID-19 pandemic period: An
exploration using Google trends. Sleep Epidemiology, 2, 100017.
Lin, J., Jiang, Y., Wang, G., Meng, M., Zhu, Q., Mei, H., Liu, S., & Jiang, F. (2020). Associations of
short sleep duration with appetite‐regulating hormones and adipokines: A systematic review and
meta‐analysis. Obesity Reviews, 21(11), e13051. https://doi.org/10.1111/obr.13051
pág. 7193
Muscogiuri, G., Tuccinardi, D., Nicastro, V., Barrea, L., Colao, A., Savastano, S., Obesity Programs of
nutrition, R., & group, A. (OPERA). (2020). Sleep disturbances: One of the culprits of obesity-
related cardiovascular risk? International Journal of Obesity Supplements, 10(1), 62-72.
Papadopoulou, S. K., Mantzorou, M., Voulgaridou, G., Pavlidou, E., Vadikolias, K., Antasouras, G.,
Vorvolakos, T., Psara, E., Vasios, G. K., & Serdari, A. (2023). Nutritional status is associated
with health-related quality of life, physical activity, and sleep quality: A cross-sectional study in
an elderly Greek population. Nutrients, 15(2), 443.
Radanliev, P., De Roure, D., & Walton, R. (2020). Data mining and analysis of scientific research data
records on Covid-19 mortality, immunity, and vaccine development-In the first wave of the
Covid-19 pandemic. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 14(5),
1121-1132.
Raniti, M. B., Allen, N. B., Schwartz, O., Waloszek, J. M., Byrne, M. L., Woods, M. J., Bei, B., Nicholas,
C. L., & Trinder, J. (2017). Sleep Duration and Sleep Quality: Associations With Depressive
Symptoms Across Adolescence. Behavioral Sleep Medicine, 15(3), 198-215.
https://doi.org/10.1080/15402002.2015.1120198
Samadoulougou, S., Idzerda, L., Letarte, L., McKay, R., Quesnel-Vallée, A., & Lebel, A. (2022). Self-
perceived health status among adults with obesity in Quebec: A cluster analysis. Annals of
Epidemiology, 67, 43-49.
Sandri, E., Sguanci, M., Cantín Larumbe, E., Cerdá Olmedo, G., Piredda, M., & Mancin, S. (2024).
Influence of Nutrition, Lifestyle Habits, and Socio-Demographic Determinants on Eating
Disorder Symptoms in the Spanish Young Adult Population: A Cross-Sectional Nationwide
Survey. Medicina, 60(10), 1565.
Wang, F., & Boros, S. (2021). The effect of physical activity on sleep quality: A systematic review.
European Journal of Physiotherapy, 23(1), 11-18.
https://doi.org/10.1080/21679169.2019.1623314
Xu, A., Baysari, M. T., Stocker, S. L., Leow, L. J., Day, R. O., & Carland, J. E. (2020). Researchers’
views on, and experiences with, the requirement to obtain informed consent in research
pág. 7194
involving human participants: A qualitative study. BMC Medical Ethics, 21(1), 93.
https://doi.org/10.1186/s12910-020-00538-7
Zheng, Z., Wang, C., Li, C., Wu, Q., Chen, X., Chen, H., Liao, H., Zhu, J., Lin, J., & Ou, X. (2022).
Meta-analysis of relationship of sleep quality and duration with risk of diabetic retinopathy.
Frontiers in Endocrinology, 13, 922886.
