SEM model for road traffic noise
In the noise-sleep model (Fig. 1) one of the indices of model fit (AGFI = 0,912) was within normally accepted limits. The RMSEA was somewhat higher than normally accepted limits (RMSEA = 0.084). The chi square/degree of freedom ratio test also failed (χ2/DF = 20.68).
The model indicated a significant relationship between nighttime noise exposure and nighttime noise annoyance (path estimate 0.24), and a significant relationship between nighttime noise annoyance and reporting transportation noise as a cause for sleeping disturbances (path estimate 0.24). Those respondents reporting sleep disturbances from transportation noise were far more likely to report being annoyed (standardized path estimate 0.46) by noise during night. In this version of the model, being annoyed by traffic noise at night was a very strong and significant predictor of the sleep problems (standardized path estimate 0.94). The latent variable sleeping problems had rather low scores on the path estimates to all its measured variables.
There was a significant but rather weak relationship (standardized path estimate 0.15) between noise sensitivity and noise annoyance during night, and a separate path from sensitivity to feeling tired (standardized path estimate 0.10). Age had a strong negative relation to the latent variable sleeping problems (standardized path estimate − 0.36). Age also had a significant path estimate directly to the item early awakenings (standardized path estimate 0.32) and to subjective assessment of sleep quality (standardized path estimate 0.17).
Fig. 2 shows the structural equation model for road traffic noise, sleep disturbances and subjective health complaints. Education is also included in the model as a measure of socioeconomic status. Two of the indices of model fit (AGFI = 0,986 and RMSEA = 0.024) were well within acceptable limits. The chi square/degree of freedom ratio test indicated that the model fit was somewhat lower than it should be (χ2/DF = 2.66).
In both models modification indices suggested that allowing for all error terms for the latent variable sleep to covariate would bring this indicator well below the suggested level of 2. This alteration was tested, leading to some minor changes to parameter estimates elsewhere in the model. However, as all error terms in a latent variable are not supposed to covary, the suggested model was rejected.
The second model indicated rather similar relationships among the noise and sleep variables as the first model, with a few notable exceptions: being annoyed by traffic noise at night was still a significant predictor of the sleep problems, but this relationship was weaker than in the first version of the model (standardized path estimate 0.20). There was no longer any significant path between sensitivity and feeling tired. The latent variable sleeping problems was now mostly influenced by feeling tired (standardized path estimate 0.49) and least influenced by early awakenings (standardized path estimate 0.30). The size of the path estimates between age and sleeping problems was also less.
Having a high score on the SHC pseudoneurology scale was a strong predictor (standardized path estimate 0.75) of sleep problems, as was having a high score on the HSCL anxiety /depression scale (standardized path estimate 0.38).
High scores on the HSCL anxiety/depression scale was a significant predictor of noise sensitivity (standardized path estimate 0.19). Cardiovascular problems were predicted by age (standardized path estimate 0.31), gender (standardized path estimate 0.08), pseudoneurological complaints (standardized path estimate 0.07) and education (standardized path estimate − 0.07).
3.2. Logistic regression on cardiovascular problems
In the model the independent variable cardiovascular problems is a dichotomous summary variable reflecting three measured dichotomous variables (measuring whether or not respondent had been diagnosed with the angina pectoris, hypertension or myocardial infarction). Initially, SEM assumes that the data are continuous or interval in nature and that they are normally distributed. The model violates this assumption, especially with the inclusion of the cardiovascular problems variable. However several procedures and estimation techniques are available that allow for the use of ordinal level data in SEM, the most common being to test the robustness of the estimations using bootstrapping (Arbuckle, 2008). This procedure was tested on the current SEM model, but it revealed no significant differences to the parameter estimates presented. As the presented model still violated the assumptions of SEM, a logistic regression analysis was performed on the same variables included in the model and with cardiovascular problems as independent variable. The model fit was moderate (Nagelkerke R2 = 0.13). The results of the regression analysis confirmed that age was the most important predictor of cardiovascular problems (odds ratio = 1.07 per increasing year). However, it differed somewhat from the SEM analysis in that the variable pseudoneurological problems (odds ratio = 2.22) was a far better predictor of cardiovascular problems than gender (odds ratio = 1.74). Neither noise exposure nor sensitivity to noise was a significant predictor of cardiovascular problems. The relationship between noise annoyance during night time and cardiovascular problems was close to significance (p = 0.065). Intriguingly, this relationship was negative (odds ratio = 0.76).
4. Discussion
The main aim of this study was to investigate whether sleep disturbances can help explain the relationship between noise and health problems. In order to achieve this main goal a secondary goal was to establish a model of the relationship between noise and sleep disturbance. This model was formulated with Structural Equation Modeling (SEM) software. The SEM analysis shows that even if sleep interruption due to transportation noise was a strong predictor of being annoyed by road traffic noise at night, quite a number of respondents were annoyed without being interrupted in their sleep. Further, those that were annoyed by noise scored higher on the sleeping problems variable. The inclusion of information on subjective health problems gives a significant contribution to the model. Without these variables in the model, noise annoyance seemed to be a very strong predictor of sleeping problems. However, when information on pseudoneurological complaints was included the health problems factor became the strongest predictor of sleeping problems, on behalf of noise annoyance. In the original version of the questionnaire ( Ihlebaek et al., 2002) this factor also consisted of the items sleep problems and tiredness. In order to avoid circularity, these two items were left out of the current questionnaire. The suggestion is that respondents with psychological or psychosomatic problems are more prone to being disturbed in their sleep from road traffic noise than others. However, for these respondents the health problems themselves are far more important causal factors for sleeping problems than road traffic noise is.
In order to answer the main research question of the study, information on cardiovascular problems were included in a complete SEM model with noise, sleep and health variables. The results of this analysis show that when all variables are considered together, age, gender and pseudoneurological problems are the most important predictors of cardiovascular problems. None of the noise-related variables predicted cardiovascular problems. Thus, our data does not support the hypothesis that noise-related sleeping problems or annoyance is the “missing link” in the proposed noise health relationship. These results are in contrast to some previous studies that have linked annoyance with cardiovascular problems (Aydin & Kaltenbach, 2007, Babisch, 2006, Babisch et al., 2001, Bluhm et al., 2007, de Kluizenaar et al., 2007 and Jarup et al., 2008). Other studies (Fyhri & Klaeboe, 2009 and Stansfeld et al., 2005) and systematic reviews (van Kempen et al., 2002) support the present findings.
It should be noted that there are no bivariate correlations between either noise or response to noise and cardiovascular problems in the current data material. Thus, it is not surprising that the multivariate relationships do not exist. However, it could be that a further inspection of the web of causal pathways in this data material would provide insights into why some studies suggest such relationships. In the SEM analysis pseudoneurological complaints are related to reacting negatively to road traffic noise at nighttime. Pseudoneurological complaints are also related to noise sensitivity via their relationship with psychological distress (anxiety/depression). There is also a significant, albeit weak, relationship between pseudoneurological complaints and cardiovascular problems. Thus, it can be speculated that any increased risk of cardiovascular problems among respondents annoyed by noise is due to a higher occurrence of psychosomatic disorders (pseudoneurological complaints) among these people).
The health data that we utilized in the analysis were subjectively reported health complaints. It could be argued that self-reports may deviate from what is found through physiological and medical examination. For example, some studies have found that self-reported hypertension and coronary heart disease tend to be underestimated (Bowlin et al., 1993, Heliovaara et al., 1993 and Molenaar et al., 2007). Others have found quite high agreement between self-reported disease and medical records of, for instance, hypertension (Okura et al., 2004). Although biometrical data on diseases are more reliable than self-reported data, self-reporting methods are less expensive than those used to gather objective data. In a cardiovascular study from Norway, questionnaire information on myocardial i
รุ่น SEM สำหรับเสียงรบกวนการจราจรของถนน
ในแบบจำลองเสียงป (Fig. 1) ดัชนีรุ่นหนึ่งพอดี (AGFI = 0,912) ได้ภายในวงเงินปกติยอมรับ RMSEA มีค่อนข้างสูงกว่าขีดจำกัดที่ยอมรับโดยปกติ (RMSEA = 0.084) สแควร์/ปริญญาชีของการทดสอบอัตราส่วนเสรีภาพยังล้มเหลว (χ2/DF = 20.68) .
แบบจำลองแสดงความสัมพันธ์อย่างมีนัยสำคัญระหว่างค่ำคืนเสียงแสงและความรำคาญเสียงค่ำคืน (เส้นทางประมาณ 0.24), และความสัมพันธ์ที่สำคัญระหว่างความรำคาญเสียงค่ำคืนรายงานเสียงขนเป็นสาเหตุสำหรับนอนแปรปรวน (เส้นทางประมาณ 0.24) ตอบผู้รายงานแหล่งนอนเสียงขนส่งได้มากขึ้นน่าจะรายงานการรำคาญ (เส้นทางมาตรฐานประเมิน 0.46) โดยเสียงในช่วงกลางคืน ในรุ่นนี้แบบ กำลังรำคาญจากเสียงจราจรในเวลากลางคืนมีจำนวนประตูที่แข็งแรงมาก และที่สำคัญปัญหาการนอนหลับ (เส้นทางมาตรฐานประเมิน 0.94) ตัวแปรแฝงอยู่หลับได้คะแนนค่อนข้างต่ำในการประเมินเส้นทางการทั้งหมดของวัดตัวแปร
มีความสัมพันธ์อย่างมีนัยสำคัญ แต่ค่อนข้างอ่อนแอ (ประเมินเส้นทางมาตรฐาน 0.15) ระหว่างความไวเสียงรบกวนและความรำคาญเสียงในช่วงกลางคืน และเส้นทางแยกต่างหากจากความไวที่รู้สึกเหนื่อย (มาตรฐานเส้นทางประมาณ 0.10) อายุมีความสัมพันธ์ทางลบแข็งแรงให้กับตัวแปรแฝงอยู่นอนไม่หลับ (เส้นทางมาตรฐานประเมิน− 0.36) อายุยังได้ประเมินเส้นทางสำคัญตรงการ awakenings ช่วงสินค้า (เส้นทางมาตรฐานประเมิน$ 0.32) และ การประเมินตามอัตวิสัยของการนอนหลับ (เส้นทางมาตรฐานประเมิน 0.17)
Fig. 2 แสดงแบบจำลองสมการโครงสร้างสำหรับถนนจราจรเสียง รบกวนการนอนหลับและสุขภาพตามอัตวิสัยข้อร้องเรียน การศึกษายังอยู่ในรูปแบบเป็นการวัดสถานะของประชากร ดัชนีของฟิตรุ่นสอง (AGFI = 0,986 และ RMSEA = 0.024) ได้ดีภายในขีดจำกัดที่ยอมรับ สแควร์/ปริญญาชีของเสรีภาพอัตราทดสอบบ่งชี้ว่า แบบจำลองที่เหมาะสมคือค่อนข้างต่ำกว่าที่ควรจะ (χ2/DF = 2.66) .
ในการปรับเปลี่ยนรูปแบบทั้งดัชนีแนะนำว่า ให้สำหรับเงื่อนไขข้อผิดพลาดทั้งหมดนอนตัวแปรแฝงอยู่กับ covariate จะนำตัวบ่งชี้นี้ดีอยู่ต่ำกว่าระดับแนะนำ 2 แก้ไขนี้ถูกทดสอบ ผู้นำการเปลี่ยนแปลงบางเล็กน้อยประเมินพารามิเตอร์ในแบบจำลองอื่น ๆ อย่างไรก็ตาม เป็นเงื่อนไขข้อผิดพลาดทั้งหมดในตัวแปรแฝงอยู่ไม่ควร covary รุ่นแนะนำถูกปฏิเสธ
รุ่นที่สองระบุความสัมพันธ์ที่ค่อนข้างคล้ายตัวแปรเสียงและนอนเป็นรุ่นแรก มีกี่ข้อยกเว้นที่โดดเด่น: กำลังรำคาญจากเสียงจราจรในยามค่ำคืนยังคงจำนวนประตูสำคัญของปัญหาการนอนหลับ แต่ความสัมพันธ์นี้ต่ำกว่าในรุ่นแรกของแบบจำลอง (เส้นทางมาตรฐานประเมิน 0.20) ไม่มีเส้นใด ๆ อย่างมีนัยสำคัญระหว่างความไวและรู้สึกเหนื่อย ตัวแปรแฝงอยู่หลับตอนนี้ ส่วนใหญ่รับอิทธิพลจากความรู้สึกเหนื่อย (มาตรฐานเส้นทางประมาณ 0.49) และอย่างน้อยได้รับอิทธิพลจาก awakenings ต้น (ประเมินเส้นทางมาตรฐาน 0.30) ขนาดของการประเมินเส้นทางระหว่างอายุและการนอนไม่หลับยังมีน้อย
มีคะแนนสูงในระดับ pseudoneurology SHC มีจำนวนประตูที่แข็งแกร่ง (เส้นทางมาตรฐานประมาณ 0.75) ปปัญหา เป็นมีคะแนนสูงใน /depression วิตกกังวล HSCL ขนาด (เส้นทางมาตรฐานประเมิน 0.38)
คะแนนสูงในระดับภาวะซึมเศร้า/วิตกกังวล HSCL มีผู้ทายผลอย่างมีนัยสำคัญของความไวเสียง (เส้นทางมาตรฐานประเมิน 0.19) ปัญหาหัวใจและหลอดเลือดได้ถูกทำนายโดยอายุ (เส้นทางมาตรฐานประเมิน$ 0.31) เพศ (เส้นทางมาตรฐานประเมิน 0.08), ร้องเรียน pseudoneurological (เส้นทางมาตรฐานประเมิน 0.07) และการศึกษา (เส้นทางมาตรฐานประเมิน− 0.07)
3.2 ถดถอยโลจิสติกในปัญหาหัวใจและหลอดเลือด
ในแบบจำลอง ปัญหาหัวใจและหลอดเลือดของตัวแปรอิสระคือ ตัวแปรสรุป dichotomous ที่สะท้อนให้เห็นถึงสามวัด dichotomous แปร (วัดว่าผู้ตอบได้รับการวินิจฉัยกับอาการปวดเค้น pectoris ความดันโลหิตสูง หรือกล้ามเนื้อหัวใจตายหรือไม่) เริ่มต้น SEM ถือว่า ข้อมูลไม่ต่อเนื่อง หรือช่วงในธรรมชาติและที่จะมีวางจำหน่าย แบบละเมิดอัสสัมชัญนี้ โดยเฉพาะอย่างยิ่งกับการรวมตัวแปรปัญหาหัวใจและหลอดเลือด อย่างไรก็ตาม หลายขั้นตอนและเทคนิคการทำงานมีการประเมินที่อนุญาตให้ใช้ข้อมูลระดับเลขลำดับใน SEM ถูกมากที่สุดเพื่อ ทดสอบเสถียรภาพของการประเมินที่ใช้ bootstrapping (Arbuckle, 2008) ขั้นตอนนี้ได้รับการทดสอบในรุ่นปัจจุบันของ SEM แต่มันเปิดเผยไม่แตกต่างกันเพื่อประเมินพารามิเตอร์ที่แสดง เป็นแบบจำลองนำเสนอยังคงฝ่าฝืนสมมติฐานของ SEM ที่ดำเนินการวิเคราะห์ถดถอยโลจิสติกในรวมอยู่ ในแบบจำลอง และ มีปัญหาเกี่ยวกับหัวใจและหลอดเลือดเป็นตัวแปรอิสระตัวแปรเดียว แบบพอมีปานกลาง (Nagelkerke R2 = 0.13) ผลการวิเคราะห์การถดถอยที่ยืนยันว่า อายุคือ จำนวนประตูที่สำคัญที่สุดของปัญหาหัวใจและหลอดเลือด (อัตราส่วนราคา = 1.07 ต่อเพิ่มปี) อย่างไรก็ตาม มันแตกต่างจากการวิเคราะห์ SEM ในที่ค่อนข้างผันแปร pseudoneurological ปัญหา (อัตราส่วนราคา = 2.22) มีจำนวนประตูดีปัญหาหัวใจและหลอดเลือดมากกว่าเพศ (อัตราส่วนราคา = 1.74) ไม่มีเสียงแสงหรือความไวให้เสียงมีจำนวนประตูสำคัญของปัญหาหัวใจและหลอดเลือด ความสัมพันธ์ระหว่างปัญหาหัวใจและหลอดเลือดและความรำคาญเสียงรบกวนในเวลากลางคืนอยู่ใกล้ค่านัยสำคัญ (p = 0.065) Intriguingly ความสัมพันธ์นี้ถูกลบ (อัตราส่วนราคา = 0.76)
4 สนทนา
จุดมุ่งหมายหลักของการศึกษานี้เป็นการ ตรวจสอบว่า รบกวนการนอนหลับสามารถช่วยอธิบายเกี่ยวกับความสัมพันธ์ระหว่างเสียงและสุขภาพ เพื่อให้บรรลุเป้าหมายนี้หลัก เป้าหมายรองคือการ สร้างแบบจำลองความสัมพันธ์ระหว่างเสียงและนอนรบกวน รุ่นนี้เป็นสูตรกับซอฟต์แวร์สร้างโมเดลสมการของโครงสร้าง (SEM) การวิเคราะห์ SEM แสดงว่า แม้นอนหลับหยุดชะงักเนื่องจากขนส่งเสียงมีจำนวนประตูที่แข็งแกร่งของกำลังรำคาญจากเสียงจราจรถนนในเวลากลางคืน ค่อนข้างจำนวนผู้ตอบถูกรำคาญโดยไม่ถูกขัดจังหวะในการนอนหลับของตน เพิ่มเติม ที่ไม่รำคาญ ด้วยเสียงคะแนนสูงในตัวแปรปัญหานอน รวมข้อมูลเกี่ยวกับปัญหาสุขภาพตามอัตวิสัยให้ส่วนสำคัญกับรูปแบบ โดยตัวแปรเหล่านี้ในรูปแบบ ความรำคาญเสียงดูเหมือนจะ เป็นผู้ทายผลแรงมากของนอนไม่หลับ อย่างไรก็ตาม เมื่อรวมข้อมูลร้องเรียน pseudoneurological ตัวปัญหาสุขภาพกลายเป็น จำนวนประตูที่แข็งแกร่งของการนอนไม่หลับ แทนเสียงความรำคาญ ในรุ่นต้นฉบับของแบบสอบถาม (Ihlebaek et al., 2002) ปัจจัยนี้ยังประกอบด้วยรายการปปัญหาและเทวัญดาราสปา เพื่อหลีกเลี่ยงการหมุนเวียน สองรายการเหล่านี้ถูกปล่อยออกจากแบบสอบถามปัจจุบัน คำแนะนำที่เป็นผู้ตอบปัญหาทางจิตใจ หรือ psychosomatic วัยการรบกวนในการนอนหลับของตนจากเสียงจราจรถนนอื่น ๆ อย่างไรก็ตาม สำหรับเหล่าผู้ตอบ ปัญหาสุขภาพตัวเองเป็นมากสาเหตุปัจจัยสำคัญสำหรับหลับกว่าหมู่เกาะถนนจราจรเสียง
เพื่อตอบคำถามวิจัยหลักของการศึกษา ข้อมูลปัญหาหัวใจและหลอดเลือดรวมอยู่ในแบบจำลอง SEM สมบูรณ์กับตัวแปรเสียง นอนหลับ และสุขภาพ ผลการวิเคราะห์นี้แสดงเมื่อตัวแปรทั้งหมดที่ถือร่วมกัน อายุ เพศ และปัญหา pseudoneurological predictors สำคัญปัญหาหัวใจและหลอดเลือด ไม่มีตัวแปรที่เกี่ยวข้องกับเสียงคาดการณ์ปัญหาที่หัวใจและหลอดเลือด ดังนั้น ข้อมูลไม่สนับสนุนสมมติฐานที่เสียงที่เกี่ยวข้องกับปัญหาหรือความรำคาญว่า "ลิงค์หายไป" ในความสัมพันธ์สุขภาพนำเสนอเสียง ผลลัพธ์เหล่านี้จะตรงกันข้ามบางการศึกษาก่อนหน้านี้ที่มีการเชื่อมโยงความรำคาญกับปัญหาหัวใจและหลอดเลือด (Aydin & Kaltenbach, 2007, Babisch, 2006, Babisch และ al., 2001, Bluhm et al., 2007, de Kluizenaar et al., 2007 และ Jarup et al., 2008) . การศึกษาอื่น ๆ (Fyhri & Klaeboe, 2009 และ Stansfeld et al., 2005) และรีวิวจากระบบ (van Kempen และ al., 2002) สนับสนุนการนำเสนอผลการวิจัย
ควรสังเกตว่า มีความสัมพันธ์ไม่ bivariate ระหว่างเสียงอย่างใดอย่างหนึ่ง หรือตอบสนองต่อเสียง และวัสดุข้อมูลปัจจุบันปัญหาหัวใจและหลอดเลือด ดังนั้น จึงไม่น่าแปลกใจว่า ความสัมพันธ์ของตัวแปรพหุที่มีอยู่ไม่ อย่างไรก็ตาม อาจเป็นได้ว่า การตรวจสอบเว็บของสาเหตุหลักในวัสดุนี้ข้อมูลเพิ่มเติมจะให้ลึกทำไมบางการศึกษาแนะนำความสัมพันธ์ดังกล่าว ใน SEM ใน การวิ pseudoneurological ร้องเรียนเกี่ยวข้องกับปฏิกิริยาทางลบกับเสียงการจราจรถนนในยามค่ำคืน ร้องเรียน pseudoneurological ยังเกี่ยวข้องกับความไวเสียงผ่านความสัมพันธ์กับความทุกข์ทางจิตใจ (วิตกกังวลโรคซึมเศร้า) นอกจากนี้ยังมีความสัมพันธ์อย่างมีนัยสำคัญ อ่อนแอ แม้ว่าระหว่าง pseudoneurological ร้องเรียนและปัญหาหัวใจและหลอดเลือด ดังนั้น มันสามารถจะคาดว่า เสี่ยงรำคาญ ด้วยเสียงรบกวนตอบปัญหาหัวใจและหลอดเลือดได้เนื่องจากเกิดขึ้นของโรค psychosomatic (pseudoneurological ร้องเรียน) คนเหล่านี้) ได้
สุขภาพข้อมูลที่เราใช้ในการวิเคราะห์ได้ subjectively รายงานร้องเรียนสุขภาพ มันอาจจะโต้เถียงที่ตนรายงานอาจแตกต่างจากสิ่งที่พบโดยการตรวจทางการแพทย์ และสรีรวิทยา ตัวอย่าง บางการศึกษาพบว่า ความดันโลหิตสูงรายงานด้วยตนเองและโรคมักจะเป็น underestimated (Bowlin et al., 1993, Heliovaara et al., 1993 และ Molenaar et al., 2007) คนอื่นพบข้อตกลงค่อนข้างสูงระหว่างโรครายงานด้วยตนเองและบันทึกทางการแพทย์ของ เช่น ความดันโลหิตสูง (โอคุระ et al., 2004) แม้ว่าโรค biometrical ข้อมูลมีความน่าเชื่อถือกว่าข้อมูลรายงานด้วยตนเอง วิธีการรายงานตนเองได้จ่ายน้อยกว่าที่ใช้ในการรวบรวมข้อมูลวัตถุประสงค์ ในหลอดเลือดหัวใจการศึกษาจากนอร์เวย์ สอบถามข้อมูลเกี่ยวกับ myocardial ฉัน
การแปล กรุณารอสักครู่..