Universidade Federal do Rio Grande do Norte

Centro de Biociências

Programa de Pós-Graduação em Psicobiologia

PRIVAÇÃO DE SONO E FUNÇÕES EXECUTIVAS EM PROGRAMADORES

Nathalya Chrispim Lima

Natal

2021

Nathalya Chrispim Lima

1
PRIVAÇÃO DE SONO E FUNÇÕES EXECUTIVAS EM PROGRAMADORES

Dissertação de mestrado elaborada sob

orientação da Profa. Dra. Katie Moraes de

Almondes e do Prof. Dr. Roumen Kirov Kirov,

apresentada ao Programa de Pós-Graduação em

Psicobiologia da Universidade Federal do Rio

Grande do Norte, como requisito à obtenção do

título de Mestre em Psicobiologia.

Natal
2021

2
 Universidade Federal do Rio Grande do Norte - UFRN
Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Setorial Prof. Leopoldo Nelson - Centro de Biociências - CB

Lima, Nathalya Chrispim.

Privação de sono e funções executivas em programadores /
Nathalya Chrispim Lima. - 2021.
218 f.: il.

Dissertação (mestrado) - Universidade Federal do Rio Grande do

Norte, Centro de Biociências, Programa de Pós-graduação em
Psicobiologia. Natal, RN, 2021.
Orientadora: Profa. Dra. Katie Moraes de Almondes.
Coorientador: Prof. Dr. Roumen Kirov.

1. Sono - Dissertação. 2. Tecnologia da informação -

Dissertação. 3. Funções executivas - Dissertação. 4. Privação de
sono - Dissertação. 5. Avaliação neuropsicológica - Dissertação.
I. Almondes, Katie Moraes de. II. Kirov, Roumen. III.
Universidade Federal do Rio Grande do Norte. IV. Título.

RN/UF/BSCB CDU 159.963.2

3
Título:
PRIVAÇÃO DO SONO E FUNÇÕES EXECUTIVAS EM PROGRAMADORES

Autora:
NATHALYA CHRISPIM LIMA

Data da Defesa:
23/08/2021

Banca Examinadora

Profa. Dra. Iza Cristina Salles de Castro

Escola Bahiana de Medicina e Saúde Pública, BA

Prof. Dr. John Fontanelle Araújo

Universidade Federal do Rio Grande do Norte, RN

Profa. Dra. Katie Moraes de Almondes

Universidade Federal do Rio Grande do Norte, RN

4
 AGRADECIMENTOS

Realizar esse projeto foi uma viagem, e eu não sou mais a mesma pessoa que o

iniciou.

Gostaria de agradecer, antes de tudo, à minha família: minha mãe, meu pai, meu irmão

e minha avó. Vocês que estiveram desde o início ao meu lado, que me viram crescer na vida e

na ciência, que me apoiaram em cada etapa do caminho. Obrigada por me ajudarem a

enxergar meu sonho. Obrigada por estarem lá para me apoiar quando precisei.

Um obrigada muito especial a meus orientadores, Profa. Katie e Prof. Roumen, com

quem eu aprendi não somente o fazer científico, como também a ser uma pessoa melhor.

Obrigada por serem meus exemplos, meus guias e, de vez em quando, as pessoas que

colocavam medo em mim para me fazer dar o meu melhor. Obrigada por enxergarem em mim

o que eu não via que era capaz de fazer.

Agradeço profundamente a todos os meus amigos que também me acompanharam

durante essa jornada. Segura que a fila é grande:

Aos meus amigos do grupo dos “Calangos”: Diandra Santiago, Daniel Gurgel, Bárbara

Davim, Lukas Paiva, Talissa Bordonalli e Beatriz Klausner, pela escuta, pelos conselhos, pelo

apoio incondicional, por chamarem minha atenção para o que eu não via e para quando não

fui justa comigo mesma. Minha vida nunca seria a mesma sem vocês, e serei sempre, sempre

grata por ter conhecido cada um de vocês. Obrigada pela ajuda quando eu estava surtando

com o N!

Aos meus companheiros de diversas campanhas de RPG: Pedro Thiago, Brayan Lira,

Arthur Coelho e Francisco Monte. Por me ouvirem quando eu estava frustrada, por apoiarem

a iniciativa e comprarem minha ideia, por divulgarem o projeto e se engajarem com a

pesquisa, e por me ajudarem a manter a sanidade durante os períodos mais intensos de 2020.

5
 Aos meus amigos que estão longe fisicamente, mas perto no meu coração: Renata

Murakami e Diego Jota. Obrigada por todo o apoio que sempre me deram na minha carreira

de pesquisadora e por se manterem do meu lado ao longo de todos esses anos.

To my friends who continued by my side from the other site of the world: Debbie, Tea,

Laura and Dante. Thank you for helping me organize my anxious brain and listening to me

ramble about how tired I was. Thank you also for the great English and graphs advice!

Aos meus colegas do GpNaPbC: Julianna, Ralina, Débora, Gabriela, Marina. Obrigada

por todas as sugestões, apontamentos, críticas construtivas e apoio que ajudaram esse projeto

a se tornar o que é hoje!

Às alunas de iniciação científica, Giovanna e Camilla, que foram minhas parceiras

durante todo o processo da coleta, tabulação e análise dos dados.

Aos voluntários, programadores e comparação, sem os quais essa pesquisa não seria

possível, e a quem ela é dedicada desde o princípio. Obrigada por acreditarem em mim, por

acreditarem nesse trabalho, e por dividirem comigo um pouco da vida de cada um de vocês.

Espero que os frutos dessa pesquisa possam ajudar a todos pelos anos que virão.

Aos professores membros da banca, Profa. Dra. Cristina Salles e Prof. Dr. John F.

Araújo, pelas correções, sugestões, apontamentos e ideias que elevaram o meu trabalho.

Às instituições cujo financiamento permitiram a realização desse trabalho: à CAPES,

pelo financiamento de pesquisa, e ao CNPq pela bolsa de pesquisadora com a qual fui

agraciada. O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento

de Pessoal de Nível Superior - Brasil (CAPES) - Código de Financiamento 001.

6
 LISTA DE FIGURAS

Figura 1. Médias de horas de uso de tecnologia por dia para ambos os grupos. ..................... 77
Figura 2. Histograma representando a distribuição de escores do Índice de Qualidade do
Sono de Pittsburgh (IQSP) por grupo. ...................................................................................... 81
Figura 3. Histograma representando a distribuição de escores da Escala de Sonolência de
Epworth (ESE) por grupo amostral. ......................................................................................... 83
Figura 4. Histograma da distribuição de escores de cronotipo para os grupos de estudo e
comparação. Histograma da distribuição de escores de cronotipo para os grupos de estudo e
comparação. .............................................................................................................................. 84
Figura 5. Gráfico em barras comparando os escores no teste TEM-R de acordo com a
variável gênero no grupo de estudo. ....................................................................................... 100
Figura 6. Gráfico de dispersão ilustrando a correlação entre os escores no teste AOL-D e a
variável Tempo total de escolaridade no grupo de estudo...................................................... 101
Figura 7. Gráfico em barras comparando os escores no teste TEM-R de acordo com a
variável Uso de Medicação no grupo de comparação. ........................................................... 114
Figura 8. Gráfico em barras comparando os escores no teste G-38 de acordo com a variável
Estado Civil no grupo de comparação. ................................................................................... 115
Figura 9. Representação gráfica do modelo de regressão múltipla para os escores de AOL-C.
................................................................................................................................................ 120
Figura 10. Representação gráfica do modelo de regressão múltipla para os escores de AOL-
D. ............................................................................................................................................ 121
Figura 11. Representação gráfica do modelo de regressão múltipla para os escores de TEM-
R. ............................................................................................................................................ 122
Figura 12. Representação gráfica do modelo de regressão múltipla para os escores de G-38.
................................................................................................................................................ 123

7
 LISTA DE TABELAS

Tabela 1. Resumo dos modelos principais de funções executivas. .......................................... 41

Tabela 2. Dados sociodemográficos de todos os participantes da amostra, do grupo
comparação e programadores. .................................................................................................. 73
Tabela 3. Dados dos questionários de sintomatologia depressiva, ansiosa e escores de fadiga
da amostra geral, programadores e não-programadores. .......................................................... 79
Tabela 4. Resultados da análise dos componentes do diário do sono para a amostra geral. .... 85
Tabela 5. Média, desvio padrão, valor de t e de p para a amostra geral e por grupo no
protocolo neuropsicológico (Combo Cognição). ..................................................................... 89
Tabela 6. Associações entre variáveis sociodemográficas no grupo de estudo........................ 92
Tabela 7. Associações entre variáveis sociodemográficas e de humor no grupo de estudo. ... 94
Tabela 8. Correlações e Associações entre dados sociodemográficos e parâmetros de sono no
grupo de estudo. ........................................................................................................................ 98
Tabela 9. Correlações e Associações entre variáveis de humor e variáveis do sono no grupo de
estudo ...................................................................................................................................... 103
Tabela 10. Correlações entre as variáveis do sono e escores neuropsicológicos no grupo de
estudo ...................................................................................................................................... 106
Tabela 11. Correlações entre as variáveis do sono e de uso de tecnologia para o trabalho no
grupo de estudo ....................................................................................................................... 108
Tabela 12. Associações entre as variáveis sociodemográficas no grupo de comparação. .... 109
Tabela 13. Associações entre parâmetros de sono e variáveis sociodemográficas no grupo
comparação. ............................................................................................................................ 112
Tabela 14. Correlações e Associações entre parâmetros do sono e variáveis de humor no
grupo de comparação. ............................................................................................................. 116
Tabela 15. Correlações entre parâmetros do sono e escores neurocognitivos para o grupo de
comparação ............................................................................................................................. 118
Tabela 16. Associações completas entre dados sociodemográficos no grupo de estudo. ...... 198
Tabela 17. Associações totais entre dados sociodemográficos e índices de humor e fadiga no
grupo de estudo. ...................................................................................................................... 200
Tabela 18. Associações totais entre dados sociodemográficos e parâmetros do sono no grupo
de estudo. ................................................................................................................................ 201
Tabela 19. Associações totais entre variáveis sociodemográficas e escores neuropsicológicos
no grupo de estudo. ................................................................................................................. 203
Tabela 20. Correlações e Associações completas entre parâmetros do sono e índices de humor
e fadiga no grupo de estudo. ................................................................................................... 204
Tabela 21. Correlações entre parâmetros de sono e escores neurocognitivos no grupo de
estudo. ..................................................................................................................................... 206
Tabela 22. Médias dos testes neurocognitivos de acordo com os índices de sono no grupo de
estudo ...................................................................................................................................... 207
Tabela 23. Correlações entre os parâmetros de sono e de uso de tecnologia no grupo de
estudo. ..................................................................................................................................... 208
Tabela 24. Associações entre as variáveis sociodemográficas no grupo comparação. .......... 210
Tabela 25. Associações entre as variáveis sociodemográficas e índices de humor e fadiga no
grupo comparação................................................................................................................... 212
Tabela 26. Associações entre parâmetros de sono e variáveis sociodemográficas no grupo
comparação. ............................................................................................................................ 213
Tabela 27. Associações entre dados sociodemográficos e escores neurocognitivos no grupo
comparação. ............................................................................................................................ 215

8
Tabela 28. Correlações e associações entre parâmetros do sono e índices de humor e fadiga no
grupo comparação................................................................................................................... 216
Tabela 29. Correlações entre parâmetros do sono e escores neurocognitivos para o grupo
comparação. ............................................................................................................................ 217

9
 LISTA DE SIGLAS

TICs: Tecnologias da Informação e Comunicação

ICTs: Information and Communications Technology
SMs: Salários mínimos.
IQSP: Índice da Qualidade do Sono de Pittsburgh
EES: Escala de Sonolência de Epworth
Cronotipo: Questionário de Matutinidade e Vespertinidade de Horne e Östberg:
FSS: Escala de Gravidade de Fadiga
PHQ-9: Patient Health Questionnaire (PHQ-9)
GAD-7: Generalized Anxiety Disorder (GAD-7) Scale
AOL: Teste de Atenção Online
AOL-A: Teste de Atenção Online, Subitem Atenção Alternada
AOL-C: Teste de Atenção Online , Subitem Atenção Concentrada
AOL-D: Teste de Atenção Online, Subitem Atenção Dividida
G-38: Teste Não-Verbal de Inteligência G-38
TEM-R: Teste de Memória de Reconhecimento
TDAH: Transtorno de Déficit de Atenção e Hiperatividade

10
RESUMO

Estudos recentes associam o uso prolongado e excessivo de Tecnologias da Informação

e Comunicação (TICS) à privação crônica de sono, com indicativos de piora na qualidade e

duração do sono, sono fragmentado e sonolência diurna, e alterações cognitivas como prejuízo

às funções executivas. No entanto, há poucos estudos que analisem o efeito das TICs como

ferramenta de trabalho em adultos fazendo uso constante e a longo prazo de tecnologia. Este

estudo teve o objetivo de avaliar a relação entre uso de tecnologia, privação de sono e alterações

nos processos executivos em uma amostra de programadores adultos (n = 21), em comparação

a um grupo de não programadores (n = 15). Para avaliação dos parâmetros de sono, utilizamos

o Índice da Qualidade do Sono de Pittsburgh, a Escala de Sonolência de Epworth, o

Questionário de Matutinidade e Vespertinidade de Horne e Östberg e diário do sono por duas

semanas. O uso de tecnologia foi avaliado através de um questionário online. O desempenho

executivo foi avaliado através de uma bateria online de testes neuropsicológicos remotos

composta pelo Teste de Atenção Online (Subitens de Atenção Alternada, Concentrada e

Dividida), Teste Não-Verbal de Inteligência G-38 e Teste de Memória de Reconhecimento

TEM-R. A influência de fatores de humor foi avaliada a partir dos questionários PHQ-9 de

depressão e GAD-7 de ansiedade, e a fadiga através da Escala de Gravidade de Fadiga.

RESULTADOS: Constatamos perfil de privação de sono crônica em ambos os grupos,

associada à má qualidade do sono e sonolência excessiva. Programadores apresentam maior

irregularidade nos horários de acordar e levantar comparados ao grupo comparação [t = 92,00;

p< ,016); t= 99,00; p <,028)], associadas principalmente à fadiga excessiva [Irregularidades do

Horário de Dormir (ρ = ,436, p<,038), Acordar (ρ = ,457, p<,028) e Levantar (ρ = ,464,

p<,026)], condizente com os efeitos de jet-lag social. Tanto as horas de sono totais no fim de

semana quanto a irregularidade do tempo total de cama foram negativamente correlacionados

11
ao desempenho em G-38 (ρ = -,548, p<,008; ρ = -,560, p<,007 respectivamente), sugestivo de

prejuízo ao desempenho executivo geral. A queixa de sono insuficiente previu o desempenho

em atenção sustentada (β: ,467; t = 2,981; p = ,006), enquanto o horário de acordar durante a

semana previu o desempenho em atenção seletiva [β: -1,063; t = -3,095; p < ,004]. O estado

civil previu o desempenho em memória de reconhecimento (β = ,451; t = 3,733; p = ,001) e

tanto o índice de fadiga quanto a frequência de postagens para o trabalho previram o

desempenho em flexibilidade cognitiva e memória operacional [(β: -,555; t = -3,309; p < ,003)

e (β: -528; t = -3,309; p< ,002) respectivamente]. Através do presente estudo observamos que

o uso de tecnologia para o trabalho relacionou-se à privação parcial crônica do sono, atraso de

fase e piora na qualidade do sono na população de profissionais da área, com subsequentes

prejuízos ao funcionamento executivo, como memória operacional e flexibilidade cognitiva, e

domínios associados como atenção seletiva e dividida.

Palavras-chave: sono; tecnologia da informação; privação de sono; funções executivas;

avaliação neuropsicológica

12
ABSTRACT

Recent studies associate the prolonged and excessive use of Information and

Communication Technologies (ICTs) with chronic sleep deprivation, with indications of

worsening sleep quality and lesser sleep duration, fragmented sleep and daytime sleepiness.

However, few studies analyze the effect of ICTs in adult professionals of the field, who are

subject to constant and long-term use of technology. Long-term effects of chronic sleep

deprivation include cognitive impairment to processes such as memory, attention and executive

functions. In view of these three factors - chronic sleep deprivation, prolonged use of

technology by professionals in the field and impairment of executive functions, this study aimed

to assess the relationship between technology use, sleep deprivation and potential executive

dysfunctions in a sample of adult programmers (n = 21), and a comparison group of non-

programmers (n = 15). To assess sleep parameters, we used the Pittsburgh Sleep Quality Index,

the Epworth Sleepiness Scale, the Horne and Östberg Morning and Evening Questionnaire, and

a two-week sleep diary. Technology use was assessed through an online questionnaire.

Executive performance was assessed through an online battery of remote neuropsychological

tests consisting of the Online Attention Test (Sub-items of Alternating, Focused and Divided

Attention), the G-38 Non-Verbal Intelligence Test and the TEM-R Recognition Memory Test.

The influence of mood factors was assessed using the PHQ-9 depression and GAD-7 anxiety

questionnaires, and fatigue levels were assed using the Fatigue Severity Scale. Instruments were

applied in relation to both the pre-COVID-19 period and the current period to reduce the

possible bias of the pandemic on the results. RESULTS: We found a profile of chronic sleep

deprivation in both groups, associated with poor sleep quality and excessive sleepiness.

Programmers have more irregularity in wake and getting up times than the comparison group

[t = 92.00; p< .016; t=99.00; p <.028], mainly associated with excessive fatigue [Bedtime

Irregularities (ρ = .436, p<.038), Waking Time (ρ = .457, p<.028) and Getting Up Time (ρ =

13
.464, p<.026)], consistent with the effects of social jet-lag. Both total weekend sleep hours and

total bedtime irregularity were negatively correlated with performance in G-38 (ρ = -.548,

p<.008; ρ = -.560, p<.007 respectively), suggestive of impairment to general executive

performance. Insufficient sleep predicted sustained attention performance (β: .467; t = 2.981; p

= .006), while waking time during the week predicted selective attention performance [β: -

1.063; t = -3.095; p < .004]. Marital status predicted performance in recognition memory (β =

.451; t = 3.733; p = .001) and both the fatigue index and the frequency of postings to work

predicted performance in cognitive flexibility and working memory [( β: -.555; t = -3.309; p <

.003) and (β: -528; t = -3.309; p< .002) respectively]. We conclude that usage of technology for

work is related to chronic partial sleep deprivation, phase delay and worsening of sleep quality

of professionals in the field, with subsequent impairment to executive functioning, including

working memory and cognitive flexibility, and to associated cognitive processes such as

selective and divided attention.

Keywords: sleep; informational technology; sleep deprivation; executive functions;

neuropsychological evaluation

14
Sumário
AGRADECIMENTOS ............................................................................................................... 3
LISTA DE FIGURAS ................................................................................................................ 7
LISTA DE TABELAS ............................................................................................................... 8
LISTA DE SIGLAS ................................................................................................................. 10
RESUMO ................................................................................................................................. 11
ABSTRACT ............................................................................................................................. 13
1. INTRODUÇÃO ................................................................................................................ 17
2.1 CONTEXTO DO TRABALHO ......................................................................................... 17
2.2. Privação de sono: Frequência nas Populações e Impactos para o Indivíduo..................... 19
2.3. Mecanismos de Regulação do Sono .................................................................................. 22
2.4. Déficits cognitivos relacionados à privação de sono ......................................................... 26
2.5. Por que a privação de sono se relaciona à perda cognitiva? .............................................. 29
2.6. Funções Executivas: Modelos e discussões ...................................................................... 33
1.6.1. Sistema Supervisionado de Atenção de Norman & Shallice (1986) ......................... 34
1.6.2. Modelo Clínico de Lezak (1995) ............................................................................... 35
2.6.3. Modelo de Autorregulação de Barkley (1997) ............................................................... 36
2.6.4 Modelo de Controle Cognitivo de Miller & Cohen (2001) ............................................. 37
2.6.5. Modelo de Cascata Temporal de Banich (2009) ............................................................ 38
2.6.6. Modelo de Miyake (2000) e Diamond (2013) ................................................................ 39
2.7. Privação de sono e prejuízo para funções executivas? ...................................................... 45
2.8. A influência da tecnologia sobre o sono ............................................................................ 49
2.8.1. Tecnologia e Trabalho: A visão acadêmica sobre programadores ................................. 53
2.9. Justificativa ........................................................................................................................ 58
3. OBJETIVOS: ........................................................................................................................ 59
4. HIPÓTESES: ........................................................................................................................ 59
4.1 PREDIÇÕES ...................................................................................................................... 60
5. METODOLOGIA................................................................................................................. 60
5.1. Procedimentos ................................................................................................................... 61
5.1.1. Procedimentos Éticos ..................................................................................................... 61
5.1.2 Protocolos e instrumentos utilizados ............................................................................... 62
5.1.3 Procedimentos ................................................................................................................. 68
5.2 Análise Estatística .............................................................................................................. 71
5. RESULTADOS ................................................................................................................. 73
6.1 Caracterização sociodemográfica da amostra geral............................................................ 73

15
6.2 Caracterização dos Hábitos de Uso de Tecnologia na Amostra Geral ............................... 75
6.3. Análise de sintomatologia depressiva e ansiosa na amostra geral..................................... 77
6.4 Caracterização da fadiga na amostra geral ......................................................................... 78
6.5 Análise das Variáveis do Sono Para a Amostra Geral........................................................ 80
6.5.1 Caracterização dos Hábitos de Sono por Grupo .............................................................. 80
6.5.2. Análise da Qualidade do Sono........................................................................................ 81
6.5.3. Análise da Sonolência Excessiva ................................................................................... 82
6.5.4. Análise do Cronotipo ...................................................................................................... 83
6.5.5. Análise dos Padrões e da Duração do Sono ................................................................... 85
6.6 Análise das Variáveis Cognitivas ....................................................................................... 88
6.7 Comparações adicionais entre grupos de estudo e comparação ......................................... 90
6.7.1 Caracterização das Diferenças de Uso de Tecnologia entre Grupos ............................... 90
6.8. Correlações e Associações................................................................................................. 91
6.8.1 Associações entre os dados sociodemográficos no grupo de estudo ............................... 91
6.8.2 Correlações entre dados sociodemográficos e questionários de humor e fadiga no grupo
de estudo ................................................................................................................................... 94
6.8.3 Correlações entre os dados sociodemográficos e variáveis do sono no grupo de estudo 96
6.8.4 Correlações entre os dados sociodemográficos e as variáveis cognitivas no grupo de
estudo ...................................................................................................................................... 100
6.8.5 Correlações entre as variáveis de sono, humor e fadiga no grupo de estudo ................ 102
6.8.6 Correlações entre as variáveis de sono e variáveis cognitivas no grupo de estudo ....... 104
6.8.7 Correlações entre as variáveis de sono e variáveis de uso de tecnologia no grupo de
estudo ...................................................................................................................................... 106
6.8.14 Regressão Múltipla das Variáveis Cognitivas para a Amostra Geral ......................... 120
6. Dados Suplementares: COVID-19 .................................................................................. 124
7.1 Dados Sociodemográficos na Amostra Geral ................................................................... 125
7.2 Humor e Fadiga na Amostra Geral ................................................................................... 126
7.3. Sono e COVID-19 na Amostra Geral .............................................................................. 127
7. Discussão......................................................................................................................... 129
8. Limitações ....................................................................................................................... 152
9. Conclusões ...................................................................................................................... 153
10. REFERÊNCIAS: ......................................................................................................... 154

16
 1. INTRODUÇÃO

2.1 CONTEXTO DO TRABALHO

Programação - ou seja, a escrita de códigos instrutivos que podem ser compreendidos e

executados por um dispositivo computacional (Mackenzie, 2003) - se tornou ubíqua na

sociedade moderna, com aplicações nas mais diversas esferas da economia, saúde, educação,

ciência, entretenimento e administração. Códigos de programação são essenciais para a

realização de transações bancárias, para a orientação espacial de aviões, para a operação de

maquinário médico especializado, para a funcionalidade de eletrodomésticos, e, é claro, para o

funcionamento de dispositivos eletroeletrônicos como computadores e celulares (Vann-Roy &

Haridi, 2004). Em todas as suas aplicações possíveis, o bom funcionamento e a efetividade do

código são fundamentais para a funcionalidade final do objeto ou processo em que este é

aplicado.

No entanto, a elaboração de códigos de computador necessita intrinsecamente de um

elemento humano: um programador. Também chamados de desenvolvedores digitais,

engenheiros de software, e outros termos afins da área de tecnologia da informação, os

programadores são os indivíduos que desempenham funções para a elaboração, manutenção e

atualização de códigos de computador, indo da própria escrita do código-fonte do zero até a

identificação e correção de erros (debugging), a manutenção de sistemas, a resolução de

problemas na interface com usuários, as atualizações de funcionalidades, entre outras funções

vitais para a operação de qualquer sistema que envolva código (Vann-Roy & Haridi, 2004). É

importante compreender que, sem o trabalho constante dos programadores, é impossível manter

o funcionamento adequado da sociedade moderna.

17
 Considerando essa importância, é necessária atenção ao programador como indivíduo -

como ser biopsicossocial com necessidades individuais, vivências e objetivos, além de produtor

de código. Na literatura acadêmica, em especial no que consta à neuropsicologia, como

discutiremos de forma aprofundada mais à frente, o programador é primariamente avaliado por

sua produtividade, níveis de estresse e formas de aprendizado (Fritz & Müller, 2016; Siegmund

et al, 2017; Peitek et al, 2019). Outras questões relevantes à sua prática e qualidade de vida,

como questões de sono e humor, são pouco exploradas, em especial no contexto brasileiro. Tal

lacuna é especialmente preocupante considerando-se os efeitos do uso excessivo de tecnologia

sobre o sono, a serem discutidos a fundo mais a frente, e a epidemia de distúrbios e alterações

do sono cada vez mais prevalentes na sociedade atual (Hirshkowitz et al, 2015).

Questionamentos a respeito da quantidade e qualidade do sono, flutuações do humor e prejuízo

cognitivo relacionados à exposição excessiva a tecnologia de seus a usuários se mostram

igualmente relevantes, ou até mesmo mais, a se aplicar a seus desenvolvedores, tendo em mente

a pertinência de suas funções.

Em relação a esse ponto, é importante compreender como as consequências de erros

cometidos por programadores podem ser catastróficas ou mesmo fatais. Podemos citar

exemplos como o da máquina de radiação médica Therac-25, que entre 1985 e 1987 esteve

envolvida em 6 acidentes envolvendo administração excessiva de radiação, com 3 fatalidades;

entre as principais causas do problema estava um erro de programação no código da máquina

(Leveson & Turner, 1993). Em 1995, um erro de programação na atualização do sistema de

comunicação à longa distância derrubou a rede de comunicação interestadual da empresa

americana AT&T (Burke, 1995), resultando em perdas econômicas consideráveis. Mais

recentemente, em 2018 e 2019, dois acidentes envolvendo o modelo Boeing 737 Max

resultaram na morte de 346 pessoas, e na proibição de voo dos modelos da aeronave por quase

dois anos, gerando bilhões em perda de faturamento da Boeing. Uma das principais falhas por

18
trás dos dois acidentes envolve erros no software atualizado do modelo 737 Max (Johnston &

Harris, 2019). Durante nossa pesquisa, não encontramos exemplos de erros similares

documentados em contexto brasileiro.

Portanto, tendo em vista a prevalência de alterações do sono na sociedade brasileira

atual (Barros et al, 2020), os efeitos do uso excessivo de tecnologia sobre o sono, a relação

intrínseca entre privação do sono e prejuízos cognitivos, a relevância dos profissionais

programadores para a sociedade moderna, e a lacuna a respeito de estudos sobre essa população

no contexto brasileiro, a pergunta de pesquisa que guia o presente trabalho é a seguinte:

Programadores apresentam mais alterações de sono e/ou prejuízos às funções executivas em

comparação a indivíduos não-programadores?

2.2. Privação de sono: Frequência nas Populações e Impactos para o Indivíduo

Estudos debatem sobre a quantidade de sono que seria ideal por noite; é difícil precisar

ou estimar um valor devido à influência de diversos fatores sincronizadores, que discutiremos

ao falar de mecanismos reguladores de sono, e às próprias diferenças individuais fenotípicas

nos padrões de sono. No geral, define-se que, para indivíduos adultos, 7h à 8h de sono por noite

pode ser uma quantidade de sono média que repercute em benefícios para a saúde física e mental

(Kripke, 2004; Watson et al, 2015; Hirshkowitz et al, 2015), e que menos 6h traz potenciais

prejuízos (Watson et al, 2015; Hirshkowitz et al, 2015). Entretanto, o modelo funcional da

Sociedade 24h amplia consideravelmente o número de indivíduos que experimentam menos de

7h de sono diário, resultando em péssima qualidade de sono.

Estatísticas relacionadas à baixa duração e qualidade do sono variam consideravelmente

entre países: na Noruega, 7.1% da população relata sono não-reparador e horas de sono

reduzidas (Uhlig et al, 2014), enquanto no Canadá, essa porcentagem é 13.4% (Morin, Leblanc

19
& Bélanger, 2011). Até 28% da população nos Estados Unidos identifica horas de sono

insuficientes e sono não-reparador (Ford et al, 2014), enquanto na Espanha a porcentagem

desses relatos chega a 38.2% da população (Madrid-Valero et al, 2017). No Brasil, ao menos

23% da população relata dormir horas de sono insuficientes, 27% percebem sono não-reparador

ou superficial, e 12% percebem sonolência diurna (Hirotsu et al, 2014). Ainda de acordo com

Hirotsu et al (2014), num estudo realizado com amostras representativas de todas as regiões

geográficas e divisões sociodemográficas do país, 76% da população brasileira relata pelo

menos uma demanda relacionada ao sono, o que evidencia a importância de pesquisas a respeito

do sono para a realidade brasileira.

Pessoas de todas as idades podem sofrer de privação de sono, com estudos realizados

em crianças, adolescentes, adultos e idosos. As consequências dessa privação podem variar de

acordo com a faixa etária, dependendo de fatores fisiológicos, ambientais e sociais (Maurice et

al, 2004). Os impactos da privação de sono na saúde incluem distúrbios metabólicos e

vasculares, tais como hipertensão (Liu et al, 2016), cardiopatias (Tobaldini, 2016), diabetes ou

resistência à insulina (Menna-Barreto, 2011; Barone, 2015; Anothaisintawee et al, 2016), assim

como distúrbios gastrointestinais, imunológicos endócrinos e dermatológicos (Liew & Aung,

2020). Além de prejuízos fisiológicos, a privação de sono também é associada à disfunção em

outras esferas da saúde, como o humor, a saúde mental, e a cognição, a ser discutida em detalhes

mais à frente.

No humor, o sono impacta na regulação emocional (Tempesta et al, 2010), com

alterações do sono frequentemente comórbidas com depressão e ansiedade (Baglioni et al,

2010). A relação do sono com a depressão é presente, visto que 90% dos indivíduos com

depressão têm prejuízos de sono, e os indivíduos com distúrbios de sono apresentam sintomas

depressivos (Jansson-Frojmark & Lindblom, 2008; Paunio et al, 2015). Outros estudos também

apontam para prejuízos de percepção emocional relacionados à privação de sono, com uma

20
perda por parte dos indivíduos privados de sono da autopercepção de emoções positivas (Rossa

et al, 2014), uma característica também presente em indivíduos deprimidos. Além de depressão

e ansiedade, outro transtorno frequentemente associado à privação de sono é o transtorno

afetivo bipolar (Ng et al, 2015; Bradley et al, 2017).

Além de figurar entre quadros clínicos de diversas etiologias, ou associada a transtornos

psiquiátricos, a privação de sono também é um sintoma importante para o diagnóstico de vários

transtornos do sono. A insônia é um dos mais frequentes, sendo atualmente considerada um

grave problema de saúde pública. Estudos epidemiológicos mostram que aproximadamente 43

a 48% da população de diversos países, contabilizadas através de meta-análise, apresenta

queixas de insônia, mas apenas cerca de 6-10% destes atende aos critérios para ser considerado

um distúrbio clinicamente classificado (Morphy et al 2007; Ohayon & Reynolds, 2009), com o

restante desses sintomas resultante de causas diversas, como outros quadros clínicos,

psiquiátricos ou a privação de sono. No Brasil, estudos quanto à prevalência de transtornos do

sono focam primariamente na região Sudeste do país, em grandes centros urbanos, com poucos

dados em relação a outras regiões ou à população brasileira como um todo. Como parte do

Estudo Epidemiológico de Sono do Brasil, realizado com amostras representativas da

população de São Paulo, algumas pesquisas apontam para uma prevalência de 45% para

sintomas regulares de insônia, e uma prevalência de 15% para sintomas considerados frequentes

e graves de insônia, ambas em adultos e idosos entre 20 e 80 anos (Castro et al, 2013). Em

relação a outros transtornos do sono, Tufik et al (2010), como parte da mesma iniciativa do

Estudo Epidemiológico de Sono do Brasil, identificaram 32,8% de prevalência para sintomas

de síndrome da apneia central do sono na mesma faixa etária (Tufik et al, 2010).

Estudos realizados durante a pandemia Sars-Cov-2 como o de Barros et al (2020)

atualizam a proeminência de alterações do sono na população brasileira: 43.5% da população

avaliada reportou ter desenvolvido novas alterações do sono durante o período de quarentena,

21
enquanto 48% relatou a piora de alterações do sono pré-existentes. O estudo não discriminou

diferentes alterações de sono entre si. Indivíduos jovens adultos, mulheres e/ou com histórico

prévio de depressão foram os mais afetados (Barros et al, 2020). Dados semelhantes são

encontrados por Lima et al (2021)

Vemos então que a privação de sono apresenta impactos diversos e significativos em

diversos aspectos da saúde do indivíduo afetado. Dada a variedade e amplitude dessa influência,

é de se esperar que vários fatores influenciem nas causas dessa privação. Primariamente, a

privação de sono pode ser relacionada à falta de sincronização dos mecanismos reguladores do

sono (Krause et al, 2017), como veremos a seguir.

2.3. Mecanismos de Regulação do Sono

Segundo Borbély (1982), revisado por Borbély & Achermann (2000) e por Borbérly et

al (2016), os reguladores do sono seriam fatores fundamentais para a indução e manutenção do

sono no indivíduo, o fator homeostático e o fator circadiano, que agem na regulação do sono de

forma independente, porém com interação constante. O processo homeostático determinaria,

pela quantidade de vigília e sono anteriores, momentos de maior ou menor propensão ao sono.

Essa variação ao longo do tempo se daria através de uma pressão para o sono, que seria

caracterizada por marcadores fisiológicos como a atividade de ondas lendas durante o sono não-

REM, ou no aumento da atividade de ondas theta (ondas longas) durante EEG em vigília

(Bobérly & Achermann, 2000). A adenosina, uma substância que age como neuromodulador

inibitório nas sinapses de glutamato (o principal neurotransmissor de sinapses excitatórias no

sistema nervoso central), seria outro marcador fisiológico possível da pressão homeostático

para o sono. Níveis maiores de adenosina extracelular são registrados ao longo da vigília, com

uma diminuição gradual dessa concentração durante o sono (Krause et al, 2017).

22
 Já o fator circadiano regularia a propensão do sono e vigília principalmente através da

ação do Núcleo Supraquiásmático (NSQ), localizado no hipotálamo. O NSQ gera ritmos de

forma endógena através da ação de neurônios especializados, os neurônios clock. Essas células

apresentam uma ativação cíclica na geração de pulsos elétricos através da expressão

programada de genes específicos chamados genes clock (Hastings, Maywood & Brancaccio,

2018). O NSQ, portanto, é denominado como oscilador, ou seja, uma estrutura que gera ritmos.

Esses ritmos endógenos funcionam de maneira independente a ciclos e ritmos externos ao

organismo, no entanto, ambos podem se relacionar através de um processo denominado

arrastamento. Por meio de vias de contato externo, como a incidência de luz sobre o trato

retinohipotalâmico, que se liga ao NSQ, se estabelece uma relação de fase e período fixa entre

um ritmo exógeno, como o ciclo claro-escuro, e o ritmo endógeno gerado pela ação do NSQ.

Esse processo permite ao oscilador modular, inibir e iniciar diferentes processos ajustados a

fases específicas e a condições externas ao organismo.

O NSQ tem importância fundamental no ajuste de outros osciladores do sistema ao ciclo

claro/escuro ambiental, como pequenos aglomerados de neurônios clock em outras partes do

encéfalo, no coração ou nos rins, e na manutenção das respostas entre esses osciladores, sendo

assim a principal estrutura que gera e sincroniza os ritmos, como um ‘marcapasso’ ou ‘relógio’

biológico (Brandstaetter 2004). Ele realiza essa função ao regular a produção de outras

substâncias que agem como arrastadores para os neurônios clock em outros tecidos, em um

processo denominado sincronização, ou seja, o estabelecimento de relação de fase estável entre

osciladores (Hastings, Maywood & Brancaccio, 2018). Um exemplo desse arrastamento se

daria através da produção de melatonina, o hormônio indutor do sono em humanos. A produção

de melanina em humanos varia ao longo do ciclo claro-escuro, com pico no início da noite e

reduzindo ao longo do período escuro e início do período claro (Zisapel, 2018). Essa variação

se dá devido a mudanças na incidência de luz nos receptores de melanina da retina (Zisapel,

23
2018). Informação sobre a variação do estímulo luminoso chega ao longo do dia ao NSQ através

do trato retinohipotalâmico, gerando constante feedback (retorno) de estímulos externos que

contribuem para a manutenção da vigília. Quando a incidência de luz começa a diminuir, ao

final do período claro e início do período escuro do dia, a diminuição de informações de

estímulo luminoso que chegam ao NSQ desencadeiam o aumento na liberação de melatonina.

Uma vez na corrente sanguínea, a melatonina age sobre receptores em diferentes órgãos,

influenciando, por exemplo, a produção de diversos hormônios como adrenalina, o hormônio

de crescimento humano, e hormônios de estimulação à tireoide e insulina (Hardeland et al,

2012). Dessa forma, o NSQ realiza o arrastamento entre o ciclo circadiano endógeno e fatores

externos, assim como regula a sincronização entre o próprio sistema de osciladores biológicos

(Wurtman, Axelrod & Philips, 1963; Moore & Eichler, 1972; Stephan & Zucker, 1972;

Simmoneuax & Ribelayga, 2003; Touitou, Reinber & Touitou, 2017).

Junto a esses osciladores biológicos centrais e periféricos, o NSQ forma um sistema –

O Sistema de Temporização Circadiane. São marcadores desse sistema a oscilação da

temperatura corporal ao longo do dia e a produção de hormônios como a melatonina e o cortisol

(Bobérly et al, 2016). A sincronização através do fator circadiano é de importante função

evolutiva, com o objetivo de antecipar o indivíduo a mudanças externas cíclicas, e manter os

ritmos de sistemas e órgãos de um organismo em relações de fases estáveis entre si ou em

diferentes níveis de sincronização – a chamada ordem temporal interna. Isso se daria, como

explicado anteriormente, através da sincronização dos osciladores periféricos promovida por

proteínas e neuromoduladores secretados durante o processo de arrastamento do próprio NSQ

(Moore-Ede & Sulzman, 1981).

Ainda de acordo com Borbély et al (2016), esses dois processos regulatórios do sono, o

homeostático e o circadiano, são sistemas independentes, mas inter-relacionados. No início da

fase de claro ambiental ou início do dia, a propensão ao sono pela regulação homeostática e

24
circadiana está baixa, favorecendo o despertar. Ao longo da fase de claro ambiental, o dia, a

propensão ao sono promovida pela regulação homeostática aumentará gradualmente, enquanto

que pela regulação circadiana essa propensão é baixa, favorecendo a manutenção da vigília ou

atividade. No início da fase de escuro ambiental, há uma maior propensão ao sono, promovida

pelos sistemas de regulação homeostática e circadiana, que coincidem, favorecendo o início do

sono. Ao longo da noite de sono, a propensão homeostática reduz gradativamente, com o sono

mantido pela regulação circadiana. (Borbély et al, 2016).

Menna-Barreto e Diéz-Noguera (2012) posteriormente propõem o conceito de

organização temporal externa, sugerindo que os referenciais externos devam ser compreendidos

não como fatores isolados que atuem separadamente e independentemente sobre os osciladores

circadianos, e sim como um conjunto de fatores que constituem juntos uma janela específica de

tempo no ambiente natural. Ao invés do arrastamento ocorrer em um período específico por um

único fator específico (por exemplo, no cair da noite, pela incidência menor de luminosidade),

a organização temporal externa propõe que vários fatores externos agiriam simultaneamente

sobre o indivíduo, influenciando conjuntamente a sincronização de fase do oscilador. Um

exemplo seria o de uma série de experimentos conduzidos por Diéz-Noguera em 2009: ao

apresentar a animais, presentes em um ambiente de luz fraca constante, diversos estímulos não-

fóticos (sons, vento, leves mudanças de temperatura, leve balanço das gaiolas, movimentação

de objetos) de forma repetitiva e regrada todos os dias por um período de pelo menos 50 dias,

o autor constatou que os animais passavam por um processo de arrastamento a esses estímulos

que, isoladamente, não seriam capazes de gerar essa sincronização (Menna-Barreto & Diéz-

Noguera, 2012). Os dois autores consideram a possibilidade de que o arrastamento ocorreu

através da presença repetitiva dos estímulos não-fóticos como um conjunto regrado, sugerindo

que uma conjunção de fatores individualmente pouco relevantes possam ter um impacto

considerável no funcionamento do Sistema de Temporização Circadiana. Ambos também

25
defendem que tal arranjo seria o mais próximo das condições normais do ambiente, onde os

indivíduos estão sujeitos a estímulos diversos além do fótico.

A privação de sono, portanto, envolveria primariamente distúrbios na interação entre os

fatores regularadores da manutenção do sono. Essa falta de sincronização ocorreria através da

atuação de agentes exógenos (como exposição à luminosidade, uso de medicações, ou mesmo

compromissos sociais como mudanças do horário de trabalho) ou endógenos (na alteração do

funcionamento de órgãos e processos corporais, ou na tradução gênica de genes recessivos)

sobre os osciladores circadianos e a pressão homeostática. É através da compreensão do

funcionamento correto desses mecanismos que podemos, então, explorar mais a fundo os

impactos cognitivos que se advém da privação de sono.

2.4. Déficits cognitivos relacionados à privação de sono

A literatura científica sobre o impacto do sono ou alterações do sono nos processos

cognitivos é extensa e muito divergente. Em relação à memória, alguns estudos exibem a

diminuição da performance da memória espacial enquanto em privação de sono (Hagewoud et

al, 2010; Wadhwa et al, 2017). Um estudo por Alzoubi et al (2016), realizado em ratos,

evidenciou perdas de memória espacial de curto e longo prazo nos animais após um protocolo

de privação de sono por quatro semanas. O mesmo estudo apontou para a manutenção da

capacidade mnemônica espacial normal em animais que, apesar de submetidos ao mesmo

protocolo de privação de sono, foram injetados com melatonina. Uma explicação para esse

fenômeno seria a de que os prejuízos de consolidação da memória espacial em privação de sono

são relacionados ao aumento de danos oxidativos aos neurônios, danos esses que podem ser

provocados por condições clínicas ou pelo próprio envelhecimento. A melatonina secretada

durante o sono tendo uma ação neuroprotetora contra esses danos, e, na privação de sono, uma

26
produção reduzida de melatonina traria mais danos a esses neurônios (Alzoubi et al, 2016;

Kwon et al, 2015).

Por outro lado, estudos de neuroimagem têm revelado mudanças biológicas na resposta

para perda de sono na memória de curto prazo e memória operacional (consolidação de

informações voltadas à execução de uma tarefa) (Chee & Chuah, 2007; Lim, Choo, & Chee,

2007; Chengyang et al, 2016), onde foi observado que a privação de sono produz um impacto

considerável nas funções neurais associadas com tarefas de memória de curto prazo visual.

Esses dados sinalizam que os efeitos da perda de sono nem sempre são identificados por

protocolos cognitivos, mas são identificados com mais eficácia por imageamento, que revela

mais claramente as mudanças biológicas. No entanto, a interpretação dos resultados de

imageamento deve considerar as diferenças de cada indivíduo quanto à adaptação à tarefa

escolhida, à dificuldade da tarefa e à vulnerabilidade a privação de sono (Chee & Chuah, 2008).

Studte, Bridger & Mecklinger (2015) investigaram os efeitos do sono na consolidação

da memória declarativa, mais especificamente da memória episódica (referente a eventos

autobiográficos) através do reconhecimento de itens. Os voluntários que tiveram oportunidade

de uma soneca por 90 minutos após o treino de tarefas de memória associativa tinham melhor

desempenho do que os voluntários que não cochilaram. Outros estudos sugerem que haveria

um período ótimo de tempo em que o sono, ou um estágio de sono específico, seria relevante à

consolidação de memória declarativa; em outros períodos o sono agiria na consolidação de

outras funções, como a memória de procedimento, um tipo de memória implícita (de ativação

inconsciente) voltada à realização de tarefas (Spencer, Walker & Stickgold, 2017).

Ainda na direção dos dados divergentes, Ellis et al (2014) investigaram a relação do

sono com habilidades de leitura, seguindo a hipótese de que indivíduos privados de sono

apresentariam prejuízo em processos relevantes à leitura, memória semântica (importante para

a compreensão de linguagem), acesso lexical (capacidade de acessar palavras adequadas ao

27
significado ou informação que se queira passar) e compreensão de leitura. Contrário ao previsto,

os autores não encontraram correlação entre qualidade e quantidade de sono com o desempenho

nas tarefas de leitura, com indivíduos classificados com má qualidade de sono apresentando

desempenho superior na tarefa de compreensão de leitura e manutenção do vocabulário usual,

ao invés da perda de compreensão e do uso de vocabulário mais simples que era esperado pela

equipe. Os autores elencam duas explicações possíveis para esses resultados contraditórios: a

primeira seria de que a realização da atividade de leitura em privação de sono levaria à ativação

de sistemas compensatórios, com mais áreas cerebrais sendo acionadas para compensar as

perdas de atenção e processamento relacionadas à privação de sono. A segunda explicação

estaria no possível aumento de processamento automático (processamento inconsciente de

informações) das palavras durante a privação de sono, sem necessitar de atenção sustentada

(capacidade de detectar e responder a estímulos prioritários ao longo de um período de tempo)

por um período tão longo (Ellis et al, 2014).

É importante frisar que a atenção sustentada está intimamente relacionada ao padrão de

sono e vigília. Visto que tal padrão se configura em um ciclo e ritmo biológico que apresenta

alternância entre os momentos de sono e vigília ao longo das 24 horas, com repetições regulares,

é necessário notar que os processos atencionais, sobretudo, a atenção sustentada, também

apresentam flutuação rítmica, com fases de maior alerta coincidindo com a fase de menor

propensão ao sono, e a pressão do sono (seja de origem circadiana, homeostática ou ambas)

coincidindo com prejuízo nos processos atencionais (Krause, 2017), ainda que alguns

indivíduos se mostrem mais resistentes a essa perda (Mollicone, 2010). Outros trabalhos

mostram que a duração encurtada de sono produz decréscimos na velocidade de processamento

em tarefas de tempo de reação simples, e um aumento nos erros de omissão (falha em reagir ao

estímulo) em tarefas como o teste de Stroop (Stenuit & Kerkhofs, 2008). Essas interferências

seriam relacionadas aos processos atencionais (Krause et al, 2017), com um possível aumento

28
do custo de manutenção da atenção sustentada durante a privação de sono (Massar, Lim, Samita

& Chee, 2019).

Massar, Lim, Sasmita e Chee (2019) exploraram outros aspectos do prejuízo na atenção

sustentada em situação de privação de sono, com achados sugerindo um custo maior dessa

capacidade atencional durante o estado de privação. De acordo com os autores, é observada

uma flutuação na capacidade de atenção sustentada dependendo do incentivo oferecido pela

tarefa. Isso se daria em razão do custo da atenção sustentada ser maior no indivíduo privado de

sono, tanto através da pressão do sono como por uma diminuição da motivação, o que levaria

o indivíduo a priorizar o esforço atencional em recompensas positivas mais imediatas

Vemos então que a privação de sono é relacionada a prejuízos em diversos processos

cognitivos, ainda que não estejam totalmente claros os mecanismos pelos quais esses prejuízos

ocorrem. Outros autores propuseram teorias para explicar os impactos que a privação de sono

têm sobre a perda cognitiva, sobre as quais iremos agora discutir.

2.5. Por que a privação de sono se relaciona à perda cognitiva?

Algumas hipóteses tentam explicar a relação entre privação de sono e os prejuízos

neurocognitivos discutidos anteriormente. A Hipótese da vigilância ou dos lapsos e

instabilidade na vigília (Dorrian, Rogers, & Dinges, 2005; Doran et al, 2001; Williams, 1959)

propõe que a interação entre a necessidade de sono e fatores circadianos de propensão ao sono

causa flutuação no estado de alerta, desestabilizando a performance cognitiva e neural. A

variabilidade no processo atencional causa lapsos atencionais, durante os quais os indivíduos

apresentariam variações na performance cognitiva ao longo do tempo, com lentificação nas

respostas requeridas pelo meio ambiente e deterioração em tarefas longas, simples e monótonas,

em que são requeridas velocidade de reação e vigilância (Almondes, 2019). Durmer & Dinges

29
(2005) e Lim & Dinges (2010) argumentam que os déficits na cognição estariam relacionados

ao papel da atenção sustentada em vários processos cognitivos que dependem dela. Entretanto,

a crítica a este modelo advém dos resultados contraditórios encontrados na avaliação da

memória de curto prazo, da memória operacional e dos processos das funções executivas.

O outro modelo que explica a relação dos prejuízos neurocognitivos ocasionados pelas

alterações de sono propõe que a perda de sono afeta essencialmente o córtex pré-frontal, o que

explicaria os prejuízos nas funções executivas que discutiremos em detalhes posteriormente. A

hipótese do lobo frontal ou da vulnerabilidade do córtex pré-frontal (Horne, 1993), referida

como uma abordagem neuropsicológica baseada no sono (Babkoff, Zukerman, Fostick, &

Artzi, 2005), sugere que a perda de sono impacta na eficiência do funcionamento do córtex pré-

frontal, produzindo mudanças no metabolismo cerebral, visualizadas através de técnicas de

imageamento cerebral, o que levaria a mudanças na cognição, emoção e comportamento

consistente com a disfunção do lobo pré-frontal (Killgore et al, 2008; Thomas et al., 2000;

Killgore, Balkin, &Wesensten, 2006).

Esse modelo também enfrenta críticas, com exames de neuroimagem apontando várias

áreas além do córtex pré-frontal que seriam afetadas durante a privação de sono (Chee & Choo,

2004; Um et al., 2005; Javaheipour et al, 2019). Em adição a esse ponto, o desempenho em

tarefas executivas mais complexas, como tarefas para manipulação de informações retidas pela

memória operacional verbal, tende a ser preservado mesmo em privação de sono (Tucker et al,

2010; Chee & Choo, 2004), sugerindo uma interrelação entre a tarefa, sua dificuldade e a

privação. Para explicar os resultados contraditórios, alguns autores têm proposto que o cérebro

aciona mecanismos compensatórios em resposta para a aumentada dificuldade na tarefa

(hipótese da adaptação compensatória – Chee et al, 2005; Drummond et al, 2000; Drummond

et al, 2005; Ellis et al, 2014; Whitney, Hinson & Nusban, 2019).

30
 Ainda há poucos estudos testando estas duas hipóteses. Além disso, há resultados

contraditórios e inconsistentes, principalmente relacionados à natureza e complexidade da

tarefa, e às condições experimentais envolvendo os indivíduos que, muitas vezes, não levam

em consideração as diferenças individuais, ou as diferenças entre privação de sono total aguda

e privação de sono parcial crônica.

A privação de sono total aguda se refere a episódios de vigília com duração maior ou

igual a 72 horas, acompanhada pela perda de 90% de sono REM e NREM. Este tipo de privação

é provocado, por exemplo, em situações de esquemas de turnos, afetando trabalhadores como

médicos e militares, assim como em situações clínicas como casos graves de insônia. Devido

ao controle que permite em situações laboratoriais, é o tipo de privação mais amplamente

descrito na literatura (Reynolds & Banks, 2010). Em relação à cognição, há processos que

sofrem prejuízo marcante em privação total aguda, como a atenção vigilante, a consolidação da

memória, a memória operacional espacial, a criatividade e a tomada de decisão (Heuer et al,

2005; Lo et al, 2012; Short & Banks, 2014; Krause, 2017). Pacientes em estado de privação

total aguda apresentam também aumento na sensação de sonolência e redução da capacidade

de percepção de erros quando comparados à própria performance anterior (Reynolds & Banks,

2010).

Já a restrição ou privação de sono parcial crônica se caracteriza pela redução progressiva

da quantidade de sono a cada dia. Esse processo pode decorrer de três formas: em função da

fragmentação do sono reduzindo o número total de horas dormidas (fragmentação do sono);

devido a distúrbios fisiológicos que reduzam ou eliminem uma fase específica do sono

(restrição seletiva do sono); ou através do débito de sono causado por horas reduzidas de sono

total, seja por demandas acadêmicas, de trabalho ou de estilo de vida, ou também por condições

clínicas como a insônia (Banks & Dinges, 2007). Em todos os três casos, os principais processos

cognitivos sensíveis à privação parcial crônica de sono incluem prejuízo à velocidade de

31
processamento, consolidação da memória de longo prazo, atenção sustentada e

comprometimento de funções executivas como a memória operacional (Lo et al, 2012; Short &

Banks, 2014; Cousins, Sasmita & Chee, 2017; Krause, 2017; Lowe, Safati & Hall, 2017), com

a restrição do sono prolongada tendo um efeito cognitivo e neurocomportamental negativo

semelhante ao de 3 dias de privação total do sono (Banks & Dinges, 2007). Entre tais estudos,

destacamos o conduzido recentemente por Lo & Chee (2020) com adolescentes, que aponta

para efeitos cumulativos de disfunção cognitiva após sucessivas noites de restrição do sono. De

acordo com os autores, adolescentes em privação parcial do sono apresentaram perdas

cognitivas nos domínios das funções executivas, em especial memória operacional, e

velocidade de processamento, que não se restituíram plenamente mesmo após um fim de

semana de sono irrestrito. Os resultados do estudo também apontam para a probabilidade de

aumento da disfunção cognitiva quando o indivíduo é exposto novamente a um estado de

restrição, após um período de sono irrestrito (Lo & Chee, 2020).

É importante notar que estudos já apontam para diferenças individuais fenotípicas em

relação à vulnerabilidade à privação de sono e ao grau de comprometimento (Banks & Dinges,

2007; Rupp et al, 2012; Krause, 2017). Alguns indivíduos se mostram mais resistentes à

prejuízos neurocomportamentais em estado de restrição do sono (Banks & Dinges, 2007),

enquanto outros se mostram resistentes à perda de atenção sustentada; outros ainda se mostram

especialmente vulneráveis à privação do sono em graus mais leves, o que sugere um possível

componente genético a ser estudado (Mollicone, 2010).

Como mencionado anteriormente, entre os fatores de discussão quanto às perdas

cognitivas relacionadas à privação de sono estão as funções executivas, com os prejuízos

relacionados a elas sendo pontos de discussão quanto da validade das três principais teorias a

respeito dos impactos da privação de sono. A fim de compreender melhor como se dão esses

32
prejuízos, se faz necessário conceituar melhor o que são as funções executivas e como se

organizam.

2.6. Funções Executivas: Modelos e discussões

As funções executivas compõem um conjunto de processos cognitivos complexos e

interdependentes, com atuação associada à ativação do córtex pré-frontal, que são fundamentais

para comportamentos autorreguladores e direcionados a objetivos (Friedman & Miyake, 2017),

como tomar decisões, reavaliar estratégias, traçar planos e se adaptar a circunstâncias novas

(Banich, 2009; Miyake & Friedman, 2012; Diamond, 2013). Esses processos são de sumária

importância para ações complexas de resposta ao ambiente, envolvendo o planejamento prévio,

o ajuste a estímulos e respostas ambientais, a modificação de estratégias ou a inibição de

impulsos com o objetivo de atingir uma meta. São, portanto, fundamentais ao funcionamento

do indivíduo em quase todas as esferas da vida, de tarefas diárias à realização de grandes

decisões.

Historicamente, as primeiras investigações a respeito de mecanismos de controle do

comportamento remontam ao Século XIX, através do estudo de pacientes com alterações

comportamentais após lesões frontais (Hamdan & Pereira, 2009). Em 1840, médicos

americanos estudaram o emblemático caso de Phineas Gage, um operário de ferrovia com

severos danos ao lobo frontal após uma barra de ferro que atravessar seu crânio. Depois do

acidente, Gage apresentou profundas mudanças de personalidade e comportamento, incluindo

desinibição, impulsividade, agressividade e falta de respeito a normas sociais, que perduraram

até o fim de sua vida (Goldstein et al, 2014). O caso de Gage ajudou a motivar mais estudos

quanto às bases biológicas do comportamento, abrindo caminho para o que viria a se tornar o

estudo das funções executivas. Apesar disso, foi a partir dos trabalhos de Luria, estudando

veteranos da Segunda Guerra Mundial, que o primeiro modelo que relacionava lesões frontais

33
a perdas na capacidade de raciocínio, planejamento e controle do comportamento (Luria, 1981;

Hamdan & Pereira, 2009).

Há certa discordância na literatura sobre quantas e quais são essas funções, com diversos

processos como planejamento, flexibilidade cognitiva, memória operacional, tomada de

decisão, atenção, categorização, fluência, ou criatividade sendo elencados como funções

executivas por diferentes autores (Malloy-Diniz et al, 2008). Entre essas, três funções se

sobrepõem a outras como componentes fundamentais de um dos principais e mais atualizados

modelos do funcionamento executivo, o proposto por Miyake (2000) e Diamond (2013), assim

como preponderantes nas pesquisas relacionadas: a flexibilidade cognitiva, a memória

operacional e o controle inibitório. (Friedman & Miyake, 2017). Os modelos iniciais que

buscaram explicar as funções executivas se referiam em grande parte a unidades singulares de

controle, como a terceira unidade funcional de automonitoração de Luria (1966), o “sistema de

supervisão ativado” de Norman & Shallice (1986), ou a “central executiva” de Baddeley,

(1986). Um modelo de regulação unitária logo se mostrou limitado como construto para

compreender o funcionamento desses processos, a circuitaria neural envolvida ou os prejuízos

apresentados pelos pacientes, com trabalhos mais recentes propondo modelos de processos

independentes, porém altamente inter-relacionados. Listamos a seguir alguns dos modelos

historicamente mais relevantes para funções executivas, concluindo com o modelo que usamos

para embasar teoricamente a presente dissertação: o de Miyake (2000) e Diamond (2013).

1.6.1. Sistema Supervisionado de Atenção de Norman & Shallice (1986)

Norman & Shallice (1986) reconheceram isso ao revisar o modelo inicial de sistema de

supervisão ativado no que viria a ser o modelo de Sistema Supervisionado de Atenção, SAS

(1986). De acordo com o modelo, revisado por Shallice & Burgess (1996) e Struss et al (2002),

situações se dividiriam entre as que necessitam de atenção sustentada e as que podem ser

34
realizadas de forma automática. Essas situações demandariam ativações de diferentes

reguladores do processo atencional, ambos subsistemas do córtex pré-frontal: o organizador

pré-programado, que ativa ou inibe diferentes esquemas inatos ou aprendidos para realização

de ações simples, e o sistema supervisionado de atenção, que atua na manutenção da atenção

sustentada em tarefas que exigem estratégias mais complexas, como tomada de decisões ou

definição de objetivos. Shallice & Burgess (1996) subdividiram a ativação do SAS em três

etapas principais: a criação de novas estratégias/esquemas para situações novas, o que

envolveria planejamento e tomada de decisão; a implementação do novo esquema, o que

envolveria a memória operacional; e a regulação e monitoração desse esquema para

aprimoramento ou substituição. Esse modelo se mostra viável para compreensão de processos

atencionais e circuitarias neurais envolvidas na manutenção da atenção. No entanto, é um

modelo difícil de aplicar à prática clínica, pela dificuldade de adaptar metodologias para a

avaliação desses esquemas (Anderson, Jacobs & Anderson, 2010).

1.6.2. Modelo Clínico de Lezak (1995)

Lezak (1995) propõe uma estruturação de conceitos voltada para compreensão e

aplicação clínica, oposta ao viés teórico do modelo SAS, e é a primeira pessoa a usar o termo

“funções executivas” para se referir a seus conceitos. A estrutura proposta compreende quatro

grandes domínios de funções executivas: a Vontade, que seria a decisão ou intenção de realizar

uma ação ou comportamento, e influenciada pela iniciativa e consciência do indivíduo; o

Planejamento, que seria a capacidade de traçar passos e identificar consequências na busca de

um objetivo, com influência da memória operacional, controle inibitório e atenção sustentada;

a Ação Motivada, que se refere à aplicação e manutenção de comportamentos e processos

necessários para efetuar o plano traçado; e a Performance Efetiva, que seria a capacidade de

regular e corrigir o comportamento se necessário (Lezak, 1995). Os conceitos apresentados por

35
Lezak se mostram importantes menos como um modelo teórico detalhado, e mais como ponto

inicial para a unificação e direcionamento de mais pesquisas na área (Uehara et al, 2013).

2.6.3. Modelo de Autorregulação de Barkley (1997)

Outro construto que abrange múltiplos processos de funções executivas seria o modelo

de autorregulação proposto por Barkley (1997), fundamentado primariamente em pesquisas

sobre o Transtorno de Déficit de Atenção com Hiperatividade (TDAH), com o objetivo primário

de explicar déficits cognitivos e comportamentais associados a esse transtorno, como maior

frequência de erros de julgamento e tendência a ações impulsivas (Castellanos et al, 2006;

Barkley, 2012; Uehara, 2013). De acordo com o autor, o conceito-chave de autorregulação

abrangeria funções como planejamento, tomada de decisão, organização de pensamento interno

e controle de impulsos, e seria definido como “qualquer ação autodirecionada que altera a

probabilidade de uma resposta subsequente para alterar a chance de uma consequência futura”

(Barkley, 1997). Essa autorregulação teria como objetivo alterar o comportamento ou ações do

próprio indivíduo de forma a aumentar a probabilidade de alterar fatores externos a esse

indivíduo, como a chance de obter alimento, ou a chance de evitar um conflito. A capacidade

funcional de inibir respostas, como as sinapses inibitórias capazes de inibir uma reação

muscular, compõem um mecanismo importantíssimo para a manutenção da autorregulação,

visto que ela se torna impossível sem a capacidade de inibir e modular essas respostas. São três

as funções inibitórias primárias identificadas por Barkley como chaves para a autorregulação:

a inibição da resposta automática aprendida por reforço positivo (chamada resposta

prepotente), a inibição de uma estratégia inicial que não atinge o objetivo desejado, e a inibição

de estímulos distratores. Essas funções agiriam sobre a inibição do comportamento através da

inibição do sistema motor, atrasando a resposta motora/comportamental por tempo suficiente

para a ativação e intervenção dos mecanismos autorreguladores.

36
 Esse mecanismo inibitório influenciaria diretamente nos seguintes processos

fundamentais da autorregulação: memória operacional não-verbal, regulação de afetos,

memória operacional verbal (também chamada internalização da fala) e reconstituição. A

memória operacional não-verbal abarcaria a capacidade de recordar e reproduzir ações passadas

(como lembrar a forma correta de abrir um depósito), o senso de passado e futuro, o senso de

passagem de tempo e a organização temporal do comportamento. A regulação de afetos

abrangeria o controle da indução e da inibição de respostas emocionais, de motivações e do

estado excitatório, inibindo emoções, impulsos e excitações disfuncionais em uma situação. A

memória operacional verbal seria a organização de pensamento através de discurso interno, a

compreensão da linguagem em relação a si próprio e a compreensão de regras e moralidade. Já

a reconstituição seria a capacidade de analisar as respostas a uma ação ou comportamento,

sejam consequências ambientais ou comportamento de outros indivíduos, e de alterar a

estratégia de acordo. (Barkley, 2012). Apesar do potencial, o modelo de Barkley ainda precisa

ser apropriadamente fundamentado além de casos de TDAH, e falha em explicar pontos

importantes como as interrelações entre os quatro domínios e o nível da influência de cada uma

das três funções inibitórias sobre esses domínios (Barkley, 2012).

2.6.4 Modelo de Controle Cognitivo de Miller & Cohen (2001)

Outros modelos buscam a compreensão das funções executivas através de estudos do

córtex pré-frontal. Miller & Cohen (2001) propuseram um modelo de controle cognitivo com

base na potencialização de sinais em neurônios sensitivos, interneurônios ou neurônios motores

específicos. De acordo com os autores, o córtex pré-frontal pode ativar circuitos específicos

para potencializar os sinais de neurônios envolvidos em uma ação ou comportamento, agindo,

por exemplo, para potenciar a excitação de neurônios sensitivos para a percepção de um

estímulo, enquanto similarmente aumenta a potência de neurônios inibidores de estímulos

37
distratores, para a manutenção do mecanismo de atenção sustentada. Esse tipo de controle fino

da ativação neuronal ocorreria através das conexões entre a circuitaria cortical e outras áreas do

encéfalo, possibilitando a potencialização de outros processos como emoção, memória,

respostas motoras e inputs sensoriais, com modulação da própria atividade do córtex pré-frontal

através de respostas dos sistemas límbico, sensitivo e motor. De acordo com esse modelo, várias

funções executivas poderiam ser atribuídas à potencialização de circuitarias, como controle

inibitório, flexibilidade cognitiva ou ativação e inibição da memória operacional. No entanto,

os próprios autores apontam para limitações do modelo: levantam dúvidas quanto à capacidade

de processamento e gasto energético necessárias ao córtex pré-frontal para mapear e processar

praticamente infinitas interações neuronais simultaneamente, e reconhecem que a

potencialização e conexões de circuitaria não abarcam completamente a capacidade de

planejamento para eventos futuros ou a capacidade de modificação fluida de estratégias.

2.6.5. Modelo de Cascata Temporal de Banich (2009)

Ainda em uma abordagem baseada na compreensão do córtex pré-frontal, Banich e

colaboradores (2009) colheram evidências de imageamento durante aplicações do teste de

Stroop, que mede atenção seletiva e controle inibitório. Com base nesses dados, os autores

elaboraram um modelo voltado a processos cognitivos em sucessão temporal – uma “cascata

temporal” de processos associados a regiões distintas do córtex pré-frontal, com a região

dorsolateral ativada em processos inibitórios, a região medial relacionada à ativação e seleção

de informações relevantes à tarefa, e a região do córtex cingular anterior sendo mais responsiva

a estímulos externos, para modulação da resposta atual. O controle exercido pelas três áreas

segue uma ordem temporal de ativação, porém de intensidade e eficiência influenciadas pelo

funcionamento das outras. Por exemplo, o aumento de ativação da área medial do córtex pré-

frontal tende a se correlacionar a uma ativação menor do córtex cingular anterior especialmente

38
em pacientes jovens. Em pacientes mais velhos, tem-se o oposto, com menor ativação da área

medial, e uma atividade maior da área cingular como compensação.

2.6.6. Modelo de Miyake (2000) e Diamond (2013)

Miyake (2000) e posteriormente Diamond (2013) propuseram outro modelo, segundo o

qual existiriam três funções executivas centrais: controle inibitório, memória operacional e

flexibilidade cognitiva. A função de inibição envolveria o controle da atenção, pensamentos,

comportamento ou emoções para resistir a impulsos internos ou evitar distrações externas, o

que permitiria a adaptação do comportamento a novos cenários ao inibir uma estratégia

inadequada, ou a capacidade de ignorar estímulos desnecessários a um objetivo. De acordo com

Diamond (2013), esse processo inibitório se dividiria em duas classificações principais: o

controle de interferência, que inclui os processos de atenção seletiva (inibição da percepção de

estímulos distratores) e inibição cognitiva (inibição de pensamentos ou memórias indesejados),

e o autocontrole, que envolve a alteração do comportamento e reações emocionais através do

controle e supressão de impulsos internos e respostas prepotentes. A atenção seletiva agiria para

suprimir a atenção a estímulos menos importantes, como na inibição de música ou conversa

ambiente enquanto se estuda, possibilitando a concentração no objetivo prioritário (estudar). A

inibição cognitiva funciona junto à memória operacional, que discutiremos a seguir, ao inibir a

interferência de associações e pensamentos tangenciais durante o processamento e manipulação

de informações relevantes ao objetivo, como inibir a lembrança de outras tarefas a se realizar

enquanto se escreve uma lista de compras. Já o autocontrole agiria para a inibição de ações

impulsivas e vontades, como uma resposta agressiva durante uma discussão ou a tentação de

comer um doce durante a dieta, e também está envolvido na manutenção da disciplina, como a

capacidade de ignorar tentações e distrações momentâneas enquanto se realiza uma tarefa longa

39
e exigente. Um exemplo dessa disciplina seria o controle da vontade de checar as redes sociais

enquanto se escreve um texto.

A memória operacional envolve a capacidade de reter, relacionar e aplicar informações

que não estejam sendo percebidas, ou seja, que o indivíduo não esteja em contato naquele

momento. Classificada de acordo com o conteúdo em verbal e não-verbal (visuoespacial), a

memória operacional permite a um sujeito manter em mente, reorganizar e modificar

informações já armazenadas. Por isso mesmo, é uma função fundamental para vários outros

processos cognitivos, como interpretação da linguagem, realização de operações matemáticas,

tomada de decisão, associação de ideias, organização temporal de informações, raciocínio e

criatividade. Um exemplo possível da atuação da memória operacional envolveria associar um

número de telefone a uma pessoa, identificar a disposição dos algarismos no teclado do telefone

e executar as etapas motoras necessárias para discar corretamente.

Como parte fundamental da ação executiva, a memória operacional trabalha junto ao

controle inibitório em vários processos mais complexos, como na definição de objetivos e

decisões. Durante o processo de decisão, a memória operacional mantém, organiza e atualiza

as informações relevantes à decisão sendo tomada, enquanto o controle inibitório suprime

pensamentos distratores, estímulos irrelevantes e estratégias disfuncionais, permitindo uma

decisão mais ponderada e reflexiva, ao invés de uma escolha realizada por impulso. Diamond

(2013) chama atenção que, para alguns modelos, a memória operacional chega a ser identificada

com todas as funções executivas, com mesmo a inibição sendo derivada de um bom

funcionamento da memória operacional. Em seu modelo, no entanto, a autora defende que

ambos os processos são independentes, porém profundamente relacionados, e essenciais ao

funcionamento executivo.

Por fim, a flexibilidade cognitiva permite a mudança de foco entre diferentes estímulos,

processos cognitivos, prioridades e pontos de vista. É a função que possibilita manter e alternar

40
entre processos diferentes, se adaptar a novas situações, desenvolver novas estratégias, reavaliar

problemas e objetos por outras perspectivas, reorganizar prioridades e objetivos, reconhecer

tanto os próprios erros quanto oportunidades inesperadas, e a habilidade de pensamento não-

convencional (“fora da caixa”). É através da flexibilidade cognitiva que se pode, por exemplo,

alterar o foco entre duas ações simultâneas, como conversar e ler as notícias, ou realizar cálculos

enquanto se fala com outra pessoa. Essa função se desenvolve depois da memória operacional

e do controle inibitório, já que se baseia em e expande as funções realizadas pelas outras duas

de forma mais rápida e fluida: como exemplo, a inibição permitiria a supressão de uma

perspectiva anterior falha, enquanto a memória operacional possibilita o acesso a informações

anteriores para a elaboração de uma perspectiva nova, mas a flexibilidade cognitiva vai além,

para a elaboração de um novo ponto de vista e a possibilidade de outros mais. Portanto, esses

três processos principais encontram-se profundamente interligados, e a partir deles se

desenvolvem as funções executivas de maior complexidade, tais como o planejamento, a

resolução de problemas e o raciocínio (Diamond & Ling, 2016).

Um resumo do que foi discutido até agora quanto às características principais e

aplicação desses modelos pode ser visto na tabela abaixo (Tabela 1):

Tabela 1. Resumo dos modelos principais de funções executivas.

Modelo Características Principais

Sistema Supervisionado o Áreas corticais relevantes localizadas principalmente nos

de Atenção (1988) de
Norman & Shallice
lobos frontais;
o Fundamentado na criação de “esquemas”, circuitos
neurais associados a respostas comportamentais e
cognitivas específicas;
o O controle do comportamento é dividido em dois
subsistemas reguladores:

41
 o O organizador pré-programado ativa esquemas
inatos ou de ação simples;
o O Sistema Supervisionado de Atenção age sobre
situações mais complexas que precisem de atenção
sustentada, ou nas quais o esquema básico é
insuficiente;
o A ativação do SAS se subdivide em três etapas:
o Criação do esquema;
o Implementação do esquema;
o Regulação e correção do esquema;
o Prós: Explica bem a atividade neural para a atenção;
o Contra: Dificuldade em avaliar os esquemas para prática
clínica.
Modelo Clínico de o Cunhou o termo “Funções Executivas”
Lezak (1995) o Dividido em quatro processos:
o Vontade;
o Planejamento;
o Ação Motivada;
o Performance Efetiva;
o Prós: Tem amplo uso clínico, foi fundamental para a
unificação da área de pesquisa sobre as funções
executivas;
o Contras: Funciona melhor como conceituação do que
como modelo desenvolvido.
Modelo de o Fundamentado com bases em déficits cognitivos e
Autorregulação de comportamentais em TDAH;
Barkley (1997) o A autorregulação teria o objetivo de ajustar o
comportamento ou ações do próprio indivíduo para
aumentar a chance de influenciar fatores externos a esse
indivíduo;
o Considera três funções inibitórias:
o Inibição da resposta prepotente;
o Inibição de estratégias disfuncionais;

42
 o Inibição de estímulos distratores;
o Considera quatro processos autorreguladores:
o Memória operacional não-verbal;
o Regulação de afetos;
o Memória operacional verbal (também chamada
internalização da fala);
o Reconstituição;
o Contras: Falha em explicar as interrelações entre os quatro
domínios, o nível da influência de cada uma das três
funções inibitórias sobre esses domínios.
Modelo de Controle o Fundamentado na organização fisiológica do córtex pré-
Cognitivo de Miller & frontal;
Cohen (2001) o Através de conexões entre córtex pré-frontal com outras
áreas do cérebro, o córtex poderia potencializar sinapses
sensitivas, motoras e interneuronais;
o Essa potencialização permitiria o ajuste fino da percepção,
memória, emoção, reações motoras e controle do
comportamento através do reforço a sinapses excitatórias
ou inibitórias;
o Contras:
o Dúvidas quanto à energia e capacidade de
processamento necessários para manter a
potencialização simultânea em infinitas conexões
cerebrais;
o Potencialização e conexões neuronais não explica
completamente a complexidade de processos como
raciocínio e formulação de estratégias.
Modelo de Cascata o Fundamentado na organização fisiológica do córtex pré-
Temporal de Banich frontal;
(2009) o Três regiões diferentes do córtex pré-frontal agiriam sobre
diferentes processos cognitivos, de forma hierárquica:
o A primeira ativação, da região dorsolateral seria
relacionada a processos inibitórios;

43
 o A segunda ativação, da região medial, seria
relacionada à ativação e seleção de informações
relevantes à tarefa;
o A terceira ativação, da região do córtex cingular
anterior seria mais responsiva a estímulos externos
para modulação da resposta;
o O controle exercido pelas três áreas segue uma ordem
temporal de ativação, porém de intensidade e eficiência
distintas;
o Ativação maior de uma das três áreas implica numa
ativação reduzida da seguinte.
Modelo de Diamond o Define funções executivas como independentes, porém
(2013) e Miyake (2000) altamente interrelacionadas;
o Elege três funções executivas primárias:
o Memória Operacional, que permite manter em
mente, reorganizar e modificar informações já
armazenadas;
o Controle Inibitório, dividido entre controle de
interferência (referente a atenção e pensamentos) e
autocontrole (referente a comportamento e
emoções), para resistir a impulsos internos ou
evitar distrações externas;
o Flexibilidade Cognitiva, permite a mudança de
foco entre diferentes estímulos, processos
cognitivos, prioridades e pontos de vista;
o A memória operacional e o controle inibitório formam a
base mais fundamental do processamento executivo,
agindo em conjunto para o controle fino de
comportamento e cognição;
o A flexibilidade cognitiva se desenvolve a partir da
memória operacional e da inibição, e amplia a atuação de
ambos.

44
 o As três funções em conjunto possibilitam a ação de vários
processos mais complexos, como planejamento, tomada
de decisão ou criatividade.

Tendo em vista as discussões e a diversidade de modelos propostos na área, é importante

considerar no estudo das funções executivas tanto o arcabouço teórico que embasa a dissertação

proposta quanto os instrumentos apropriados para mensuração desses processos. Para esse

trabalho, usamos como base o modelo previamente discutido de Diamond e Miyake, com

enfoque na medição dos processos de flexibilidade cognitiva, memória operacional e inibição.

2.7. Privação de sono e prejuízo para funções executivas?

Os dados de impacto da privação de sono nos componentes das funções executivas são

limitados e também divergentes. Foi demonstrado que há redução na velocidade da

performance da flexibilidade cognitiva (Stenuit & Kerkhofs, 2008; Von Dongen et al, 2003),

com tanto Liu & Zhou (2016) quanto Honn, Hinson, Whitney, & Van Dongen (2019) apontando

para diminuição na percepção de estímulos ambientais em situação de privação de sono, o que

prejudicaria a flexibilidade cognitiva de forma independente a outras funções executivas como

atenção sustentada, lentificação do processamento ou memória operacional. A atenção dividida

(alternância da atenção entre mais de um estímulo) em si pode ser afetada pela perda de sono

comparada com atenção focal (priorização da atenção em um estímulo em detrimento de

outros), dependendo da natureza e complexidade da tarefa (Lin & Dinges, 2010).

Em relação ao componente de inibição, estudos com privação de sono exibem impacto

na tarefa Go-No Go, que mede a habilidade de inibir a resposta prepotente (resposta automática

associada ao estímulo por reforço positivo) (Stenuit & Kerkofs, 2008). Em privação de sono, é

identificado um aumento de erros de omissão (falha de resposta a um estímulo) relacionado

45
com a quantidade de horas acordado, com melhora após uma noite completa de sono

(Drummond et al, 2006). Entretanto, evidências de déficits no controle inibitório de

comportamentos durante privação de sono não têm sido replicadas em estudos com tarefas

complexas de múltiplas escolhas (Jennings, Monk & Van der Molen, 2003). Outros estudos

mais recentes apontam para prejuízos na tomada de decisão (capacidade de analisar opções em

uma situação incerta e escolher uma opção vantajosa) relacionados à perdas no controle

inibitório. Castro e Almondes (2018) identificaram perdas na tomada de decisão de médicos

em turnos noturnos de trabalho, quando comparados ao desempenho de antes do início do turno.

Já Chen et al (2017) avaliaram uma tendência à tomada de decisão baseada em hábitos, ou seja,

na repetição de respostas prepotentes independente da eficácia da estratégia, em indivíduos

privados de sono, o que é indicativo de perda do controle inibitório e flexibilidade cognitiva

durante a tomada de decisão (Chen et al, 2017).

Schmidt, Gay, Ghisletta & Van der Linden (2010) apontam que horas de sono reduzidas

estariam associadas à impulsividade, preocupações e pensamentos intrusivos, enquanto Rossa,

Smith, Allan & Sullivan (2014) sugerem um aumento de decisões de risco em jovens em estado

de privações de sono. De acordo com os autores, essas decisões de risco estariam associadas a

prejuízos na compreensão das consequências negativas, fornecendo indícios de que a redução

do sono impacta no controle cognitivo, especialmente em indivíduos mais novos.

A memória operacional tem dados mais divergentes, principalmente relacionados ao

tipo de tarefa utilizado para acessar esse processo. Alguns estudos têm demonstrado que,

usando tarefas simples com indivíduos privados de sono, há redução da acurácia da resposta

(Drummond et al., 2004; Habeck et al., 2004). Entretanto, utilizando tarefas mais complexas

como o N-back, teste que mede a memória operacional através do reconhecimento de um

estímulo N-posições anteriores em uma sequência, não foi encontrada interferência da privação

de sono especificamente sobre as funções executivas, o que foi sugerido se dever a mecanismos

46
compensatórios ativados durante a execução de tarefas mais complexas (Drummond et al.,

2004; Choo et al, 2005). Trabalhos como o de Tucker et al (2010) avaliam efeito mais

pronunciado da privação de sono sobre a atenção sustentada do que sobre as funções executivas,

com a memória operacional em específico não apresentando variação significativa decorrente

de privação de sono total aguda ou parcial crônica. O estudo identifica ainda falhas mais

frequentes e significativas em processos dependentes de atenção sustentada durante privação

aguda de sono do que em privação crônica, o que sugere mais uma vez que os impactos dos

diferentes tipos de privação sobre o funcionamento cognitivo sejam distintos entre si.

Ainda em relação ao N-back, Araújo (2012) investigou a relação entre qualidade de sono

e melhoria no desempenho, em crianças, para as funções de inteligência fluida, atenção,

visuoespacialidade (a capacidade de identificar e analisar informações visuais no espaço) e

memória operacional, através de intervenção com jogos virtuais. O principal jogo utilizado na

pesquisa, Brain Workshop, é baseado no paradigma N-Back. O estudo constata a melhora no

desempenho de visuoespacialidade, atenção e memória operacional do grupo experimental,

quando comparado ao desempenho desse mesmo grupo antes da intervenção com os jogos.

Entretanto, essa melhora do grupo experimental não foi significativa quando comparada ao

desempenho do grupo controle, que também apresentou melhora no desempenho nos mesmos

quesitos após a realização de uma tarefa livre com um software de desenho, ao invés da

intervenção com os jogos. O autor levanta a hipótese de que o ganho de memória operacional

do grupo experimental possa, nesse caso, ter sido um ganho indireto em função da melhora de

desempenho em visuoespacialidade e atenção, ao invés do Brain Workshop afetar diretamente

o desempenho de funções executivas.

Por outro lado, Gradisar et al (2008) encontraram prejuízo em tarefas mais complexas

de memória operacional, como reorganizar sequências de números e letras alfabeticamente e

numericamente numa ordem específica, quando comparando adolescentes que dormiram

47
menos de 7 horas por noite a adolescentes que dormiram entre 8 e 9 horas, ainda que, ao

contrário do esperado, não tenha sido verificada diferença significativa entre os adolescentes

que dormiram horas insuficientes e os que dormiram mais de 9 horas como recomendado

(Gradisar et al, 2008). Alguns anos mais tarde, Lo, et al (2016) encontraram prejuízos

relacionados a funções executivas em adolescentes submetidos à privação crônica de sono, com

prejuízos em testes de memória operacional, incluindo N-back. No entanto, esses prejuízos às

funções executivas foram menores e tardios comparados aos prejuízos atencionais, com atenção

sustentada sendo o domínio mais afetado. De acordo com os autores, tarefas mais simples e

monótonas apresentariam maiores prejuízos, e processos top-down como as funções executivas

seriam afetados por último após processos atencionais, o que é coerente com a teoria de

adaptação compensatória.

Mais recente, Santisteban et al (2019) apresentaram resultados de prejuízo de memória

operacional através do Span Espacial (versão digitalizada de Cubos de Corsi, teste que mede a

memória operacional visual) em pacientes adultos com privação de sono parcial crônica por

seis noites. Podemos inferir que, no geral, não há um consenso sobre o nível de prejuízo da

memória operacional em indivíduos privados de sono, nem qual seria o melhor instrumento

para medir esse prejuízo.

A pesquisa a respeito de prejuízo nas funções executivas em privação de sono está longe

de chegar a um consenso, com resultados divergentes, hipóteses variadas e modelos diversos.

Há discussões em relação aos instrumentos utilizados para acessar os processos, a manutenção

do desempenho em tarefas mais complexas comparada ao prejuízo a tarefas mais simples, e

como avaliar a ativação desses possíveis mecanismos compensatórios. Portanto, mais estudos

são necessários a fim de levantar informações e dados relacionados a essas questões, com o

objetivo de uma compreensão mais aprofundada desses fenômenos no futuro.

48
 Entre as possibilidades de novas pesquisas, podemos levantar as diferenças de

desempenho de acordo com a idade, e a proeminência de fatores ambientais cuja influência

sobre o sono ainda necessita de mais dados, como a tecnologia.

2.8. A influência da tecnologia sobre o sono

Um fator recente, porém de grande impacto, é a introdução de novas tecnologias no dia

a dia dos indivíduos. Essas novas tecnologias incluem computadores, tablets, smartphones, a

internet e redes sociais, ferramentas de uso frequente e disseminado em diferentes esferas da

vida (Smith, 2013). Envolvendo o âmbito profissional, com computadores se tornando

instrumentos essenciais em diversas áreas de atuação, a dimensão social, através do crescimento

das redes sociais para comunicação, compartilhamento de informações e relacionamentos

(Kaplan & Haenlein, 2010; Andreassen, 2015), ou envolvendo a dimensão do lazer, através do

consumo de entretenimento e produtos usando plataformas virtuais (Whitty & McLaughlin,

2007; Burgess & Green, 2018), o uso das interfaces de Tecnologias da Informação e

Comunicação (TICS; Salanova, Llorens & Cifre, 2013) se torna cada vez mais prevalente no

dia a dia da população, o que, naturalmente, leva a indagações sobre a interferência que o uso

excessivo dessas tecnologias possa ter na saúde, qualidade de vida ou funcionamento dos

indivíduos.

Uma das repercussões negativas desse uso excessivo é a influência da tecnologia na

qualidade, quantidade e timing (variação dos horários) do sono, através de agentes como

exposição à luz de eletrônicos ou o uso de mídias sociais antes de dormir em excesso (Shochat,

2012). Fatores como a frequência de luz azulada em aparelhos eletrônicos agiriam sobre as

pressões homeostática e circadiana, prejudicando a indução, latência e manutenção do sono

(Cajochen et al, 2006; Chellapa et al, 2011; Chellapa et al, 2013; Heo at al, 2017). Já outros

49
fatores, como o uso de mídia sociais, influiriam na privação do sono através do arrastamento

do sono, atrasando o horário habitual de sono e mantendo o indivíduo acordado em função do

uso dessas tecnologias na cama (Reynolds et al, 2015, Bartel & Gradisar, 2017; Exelmans &

Van Den Bulck, 2017), e através de excitação cognitiva ou estresse causados pelo tipo de mídia

consumida, como redes sociais e videogames (Levenson et al, 2016; Exelmans & Bulck, 2014).

Esse aumento de estresse se dá por consequência do uso excessivo de eletrônicos promover um

estado de maior excitabilidade e alerta voltado a captar e responder notificações mesmo ao

longo da noite, com tanto a maior excitabilidade quanto alerta sendo correlacionados à

autopercepção de má qualidade do sono (Murdock, Horrisian & Crichlow-Ball, 2017).

Fossum et al (2013) estudaram o impacto de diversos tipos de tecnologia, como

computadores, celulares, videogames, tablets, televisores e aparelhos de som em relação a

sintomas de insônia, sonolência diurna, autopercepção do sono, tendência à matutinidade e

cronotipo em estudantes entre 19 e 39 anos de idade. O uso de computadores foi negativamente

associado à maior tendência à matutinidade e diretamente associado a sintomas mais severos

de insônia, sugerindo que indivíduos que fazem uso de computadores durante a noite por longos

períodos apresentam dificuldade em iniciar atividades cedo e uma autopercepção pior do sono,

comparados aos que não façam esse uso (Fossum et al, 2013). O uso de celulares durante a noite

foi, da mesma forma, negativamente associado à matutinidade e diretamente associado à

insônia, o que é um resultado condizente com o de pesquisas posteriores (Exelmans & Van Den

Bulcks, 2015; Bhat et al, 2017). Curiosamente, em Fossum et al (2013), o uso de celulares

também foi diretamente associado ao cronotipo, com indivíduos de cronotipos vespertinos

tendendo a passar mais tempo usando o celular durante a noite comparado ao uso de outras

tecnologias. Os autores sugerem duas explicações possíveis para esse fenômeno: a primeira, de

que o uso excessivo do celular durante a noite seja um fator agravante em um atraso de fase, ou

seja, na desregulação da sincronização dos osciladores circadianos; a segunda, de que é possível

50
que indivíduos de cronotipos mais vespertinos somente se sintam mais despertos durante a

noite, e portanto usem mais o celular por não estarem com sono (Fossum et al, 2013).

Um estudo posterior, de Arora et al (2014) investigou o uso de vários dos mesmos

equipamentos eletrônicos, como celulares, videogames, computadores, televisores e aparelhos

de som, em relação aos parâmetros de sono em adolescentes de 11 a 13 anos. Ao contrário dos

resultados encontrados por Fossum et al (2013), a pesquisa de Arora et al (2014) destaca a

diminuição das horas médias de sono e o despertar precoce como associados ao uso de todas as

categorias de eletrônicos para os adolescentes, com algumas TICS específicas sendo associadas

a prejuízos específicos, como uso de celulares, videogames e aparelhos de som sendo

associados a dificuldades para cair no sono (Arora et al, 2014). Esses resultados poderiam

indicar um prejuízo maior ao sono em função do uso de TICS em adolescentes, quando

comparados a adultos.

A maior parte das pesquisas com enfoque na relação sono-tecnologia se volta ao efeito

que novas tecnologias como tablets e smartphones têm sobre o sono de crianças e adolescentes,

visto o uso dessas tecnologias ser proeminente nessas faixas etárias (Gradisar et al, 2013; Pew

Research Center, 2019). Diversos estudos apontam para o uso de dispositivos eletrônicos como

sendo prejudicial à qualidade, manutenção e timing do sono em crianças e adolescentes (Cain

& Gradisar, 2010; Bartel, Gradisar, & Williamson, 2015; Hale & Guan, 2015; Mazzer,

Bauducco, Linton & Boersma, 2018), com a percentagem de adolescentes relatando poucas

horas de sono e sono não-reparador aumentando consideravelmente nas últimas décadas

(Keyes, Maslowsky, Hamilton, & Schulenberg, 2015), enquanto as horas de uso de TICS

aumentam (Bucksch et al. 2016). Trabalhos apontam que crianças cujos pais limitam horários

para uso de eletrônicos dormem mais (Smith, Gradisar, King, & Short, 2017; Bartel, Gradisar

& Williamson, 2015), o que sugeriria uma relação direta entre a privação de sono em crianças

e adolescentes e o uso excessivo de tecnologia.

51
 Em relação a prejuízos de funções executivas relacionados à privação de sono e uso de

tecnologia nessa faixa etária, Lo et al (2016) encontraram prejuízo nas funções executivas e

atenção sustentada em adolescentes em privação crônica por sete noites. Esse prejuízo perdurou

mesmo após duas noites de recuperação, quando em comparação ao desempenho do grupo

controle (Lo et al, 2016). Já Baumgartner et al (2014) investigaram o hábito de multitasking

(realizar mais de uma tarefa simultaneamente, alternando o foco entre as funções) de

adolescentes no uso de mídias eletrônicas e possíveis impactos nas funções executivas, com

resultados indicativos de prejuízo no funcionamento, mas com desempenho mediano ou até

superior em testes de flexibilidade cognitiva (Baumgartner, 2014).

Adicionalmente, outro ponto de enfoque no estudo de crianças e adolescentes nessa área

é a relação entre saúde mental e uso de tecnologia, com trabalhos sugerindo uma relação direta

entre ansiedade, baixa autoestima e depressão em adolescentes relacionada ao uso de redes

sociais (Woods & Scott, 2016), e outros sugestivos de que adolescentes e crianças em

sofrimento psíquico buscariam apoio nas comunidades estabelecidas através dessas mídias

(Sampasa-Kanyinga & Lewis, 2015).

A outra população frequentemente estudada na relação da privação de sono e uso de

tecnologia são os estudantes universitários, especialmente associado com rendimento

acadêmico, estresse e transtornos de humor. Diversos pesquisadores apontam a relação entre

uso de celulares e internet, privação de sono e baixo rendimento acadêmico (Thomée,

Härenstam, & Hagberg, 2011; Li, Lepp & Barkley, 2015; Patrick et al, 2017), com resultados

sugerindo que a influência de dispositivos eletrônicos sobre o sono, seja causal ou como uma

estratégia para lidar com a latência originada por outros motivos, refletiria em um rendimento

acadêmico mais baixo em comparação ao rendimento de alunos que não relatam privação de

sono (Patrick et al, 2017). Por outro lado, trabalhos distintos encontraram resultados que

sugerem o uso de eletrônicos como estratégia para lidar com uma latência de sono já instalada,

52
sem determinar uma relação direta entre esse uso e a privação de sono (Tavernier &

Willoughby, 2014; Oliveira, 2016).

Pesquisas subsequentes se debruçaram sobre a relação entre as novas tecnologias,

ansiedade e depressão em jovens adultos (Thomée et al, 2005; Thomée, Härenstam & Hagberg,

2011; Rosen et al, 2016; Primack et al, 2017; Dhir, Yossatorn, Kaur & Chen, 2018), nos quais

o uso de tecnologia da informação em excesso, em especial redes sociais, seria relacionado ao

desenvolvimento e manutenção de sintomas depressivos ou ansiosos, ou entre tecnologia e

estresse (Thomée et al, 2005; Thomée, Härenstam & Hagberg, 2011), sugerindo que o uso de

eletrônicos e redes sociais poderia ser um fator de manutenção de estresse crônico já instalado

nessa população.

Algumas ressalvas importantes são necessárias em relação ao que foi encontrado até

agora sobre o estudo dos efeitos de tecnologia excessiva sobre o sono. A maioria dos estudos

sobre tecnologia e privação de sono avaliam primariamente a influência do uso de tecnologia

para o lazer, antes de dormir ou ao longo do dia, com poucos fazendo discriminação entre os

eletrônicos utilizados ou a motivação para o uso, como estudo, trabalho ou consumo de notícias

(Thomée et al, 2005). Também há poucos estudos que investiguem relações semelhantes em

idosos, em parte pelos índices menores de uso de tecnologia da informação por essa faixa etária

(Gradisar et al, 2013; Pew Research Center, 2019). Esses pontos sugerem que pesquisas mais

aprofundadas e em diversas faixas etárias são necessárias a fim de compreender plenamente a

relação das novas tecnologias sobre o sono, e de que forma podemos manter um uso saudável

dessas ferramentas em conjunto a noites de sono tranquilas.

2.8.1. Tecnologia e Trabalho: A visão acadêmica sobre programadores

53
 As novas tecnologias também influenciam em novos ritmos e formas de trabalho. O

rápido fluxo de informações e bens, assim como a comunicação quase instantânea e em alta

velocidade possibilitados pela difusão da internet e de computadores são fundamentais para a

manutenção dos novos horários de trabalho que nossa sociedade exige, como esquemas de

trabalhos em turno, teletrabalho e horas extras. Nesse contexto, profissionais especializados no

uso e desenvolvimento de novas tecnologias se tornam mais necessários ao funcionamento de

empresas e organizações, visto a importância de manter eletrônicos e redes digitais funcionais

e cada vez mais otimizados. No entanto, os impactos que os hábitos da prática da tecnologia de

informação têm sobre o sono ainda são pouco explorados.

Na interface da privação de sono com uso excessivo de tecnologia para o trabalho, Lanaj

& Barnes (2014) investigaram o uso de smartphones antes de dormir para funções de trabalho,

como responder a e-mails coorporativos, resultando em cansaço pela manhã e menos

engajamento no trabalho no turno seguinte, o que os autores associam à privação ou baixa

qualidade de sono advindo do uso do smartphone. O uso de smartphones também potencializou

os efeitos de outros aparelhos eletrônicos como computadores, televisões e tablets na privação

de sono, o que os autores atribuem ao estado de alerta em função das notificações e à associação

maior de smartphones a questões de trabalho comparados a outros aparelhos (Lanaj & Barnes,

2014). No entanto, os autores não investigaram diretamente a privação de sono ou o prejuízo

cognitivo associados a esse uso, somente o engajamento ao trabalho no dia seguinte.

Entre os profissionais que trabalham diretamente e por longos períodos com as novas

tecnologias estão os programadores. A maior parte dos estudos na área de neuropsicologia com

programadores investiga o processamento cerebral e as funções cognitivas envolvidos na escrita

de código, com autores como Siegmund (2014) estudando a escrita e compreensão de

linguagens de programação como tarefas cognitivas relacionadas à ativação de áreas cerebrais

envolvidas nos processos de memória operacional, atenção e linguagem, sugerindo um forte

54
componente desses processos na prática da programação (Siegmund et al, 2014; Peitek et al,

2019). Os autores também sugerem instrumentos como a ressonância magnética como recursos

possíveis para auxiliar no aprendizado e desempenho de trabalho desses programadores,

sugerindo seu uso como ferramentas capazes de identificar dificuldades individuais no

processamento de códigos mais complexos (Siegmund et al, 2017). Tais trabalhos não abordam

o sono como influência possível sobre esse processamento, e atém-se a investigar os processos

cognitivos envolvidos somente por meios objetivos.

Outros estudos relacionam a escrita e leitura de código a padrões de aumento e

diminuição da frequência de ondas alfa, associadas ao repouso ou inibição de atividade, e ondas

theta, associadas a períodos de atividade e vigília, através de instrumentos como o

eletroencefalograma, permitindo uma visualização mais clara do processamento de

informações por programadores (Crk, Kluthe & Stefik, 2015), enquanto outros ainda analisam

a ativação de regiões encefálicas específicas durante reconhecimento e compreensão de

códigos, assim como a distinção entre código e prosa, através de aparelhos de ressonância

magnética (Peitek et al, 2019; Floyd, Santander & Weimer, 2017) ou de medição do fluxo de

sangue cerebral (Nakagawa et al, 2014). Essas pesquisas apontam para diferenças no

processamento de tarefas com código em relação a outras tarefas relacionadas a linguagem,

como leitura de textos, e também sugerem a possibilidade de diversos tipos de recursos de

imageamento e EEG como ferramentas no aprendizado de linguagens de programação e para

análise do desempenho dos profissionais. Novamente, o sono não é uma variável considerada

no recorte de pesquisa desses trabalhos.

Autores como Fritz (2014) investigam diretamente produtividade, percepção de

dificuldade na tarefa e distrabilidade na escrita de código através do uso de instrumentos

neurofisiológicos. Em Fritz et al (2014), os autores investigam a percepção de dificuldades

durante o processo de elaboração do código por programadores através do uso de instrumentos

55
como o rastreio de olhar (dispositivo que rastreia direção e frequência do movimento dos olhos),

sensores da atividade elétrica da pele e eletroencefalograma, conseguindo prever as dificuldades

dos programadores durante a escrita e revisão do código com um grau final de acurácia acima

de 64.99% (Fritz et al, 2014). Em Fritz & Müller (2016), os autores utilizaram mais sensores

biométricos, como rastreio de olhar, medidores de condutividade da pele, medidores do ritmo

respiratório e batimentos cardíacos, e eletroencefalograma, para investigar a produtividade e

nível de conhecimento de programadores através de indícios neurofiosológicos. Mais uma vez,

os resultados foram positivos quanto ao potencial desse método para a medição de

produtividade e predição do nível de conhecimento do profissional. (Fritz & Müller, 2016).

Em relação especificamente ao sono em programadores, um dos estudos iniciais na área

foi o de Nishikitani et al (2005), em que os autores investigaram os impactos de horas extras,

estresses no trabalho e duração do sono em uma população de 377 trabalhadores de TI de uma

empresa japonesa da área. Apesar de terem averiguado sintomatologia depressiva através de

Escala de Depressão de Hamilton, e ansiedade e agressividade no trabalho através da escala

Profile of Mood Status (POMS), a duração do sono nesse protocolo foi obtida somente através

de autorrelato durante entrevista, sem averiguação por instrumentos subjetivos ou objetivos

mais aprofundados. Além disso, foram medidos sintomas clínicos através da entrevista com um

médico, utilizando uma lista de sintomas previamente listados. O estudo obteve resultados

indicativos de que a duração do sono estaria negativamente relacionada a sintomas clínicos em

homens e ao escore de ansiedade da POMS em mulheres, com a conclusão de que a duração do

sono seria um indicativo útil de sofrimento físico e psíquico em trabalhadores de TI.

Outro estudo inicial, de Kakinuma et al (2010), abordou o sono e distúrbios do sono em

profissionais da área de tecnologia da informação, em sua maioria engenheiros de software. A

pesquisa apontou para uma média de 5.8 horas de sono por noite para uma amostra de 391

profissionais, além de uma autopercepção elevada de fadiga e sintomatologia depressiva

56
(Kakinuma et al, 2010). A amostra foi dividida em dois grupos, tendo um deles recebido

intervenções de higiene de sono (psicoeducação quanto a hábitos de sono saudáveis ou

prejudiciais) durante a realização do experimento, e o outro recebendo as mesmas intervenções

após o experimento ter terminado. O grupo experimental apresentou um efeito positivo quanto

a estimular a reposição de sono com cochilos, mas não foram encontradas evidências de

alterações na eficiência de sono desses profissionais durante a noite (Kakinuma et al, 2010).

Posteriormente, Fucci et al (2020) promoveram um estudo quase-experimental para

investigar os efeitos da privação do sono sobre a performance de desenvolvedores de software.

Uma amostra de 45 estudantes universitários da área foi dividida entre dois grupos,

experimental e controle, com o grupo experimental sendo completamente privado de sono na

noite anterior à avaliação. Ambos os grupos foram submetidos a uma tarefa de prática de

desenvolvimento de software em Java (Test First Development practice - TFD), em que foram

avaliadas a qualidade do software resultante, a habilidade com que atingiram os objetivos

delineados pela tarefa e seu engajamento individual com a tarefa. Os autores observaram que o

grupo experimental apresentou qualidade significativamente reduzida do software resultante

(50% reduzida), assim como necessitaram de mais correções posteriores na sintaxe do código

(54% a mais de correções), em comparação ao grupo controle, o que sugere que uma noite de

privação total de sono já teria efeito negativo na produtividade do programador. O engajamento

dos programadores do grupo experimento com a tarefa, assim como sua habilidade em atingir

os objetivos delineados, também foram prejudicados.

Vemos assim que muitas das pesquisas relacionadas a programadores na área da

neuropsicologia se voltam para a sugestão de ferramentas para melhorar o desempenho e a

produtividade desses profissionais, seja buscando análises mais detalhadas do processamento

de código através de métodos diversos como ressonância magnética, eletroencefalograma,

medição de fluxo de sangue cerebral ou instrumentos neurofisiológicos. No que pudemos

57
constatar, estudos que se dediquem à análise dos padrões, qualidade e/ou privação do sono

dessa população são poucos, e estudos que analisem fatores cognitivos nesse grupo não foram

encontrados. Da mesma forma, não foram encontrados estudos a respeito dessa população

realizados no contexto brasileiro, o que sugere a necessidade de uma investigação inicial.

Considerando os aspectos apontados acima; considerando que a privação de sono

repercute no funcionamento diurno, o que torna este problema uma pauta para a saúde pública

pois atinge a todos de forma indiscriminada e em todas as áreas (saúde, trabalho, social);

considerando o papel cada vez mais abrangente e imprescindível das tecnologias e de

profissionais especializados em seu desenvolvimento; considerando as relações estabelecidas

sobre o uso de TICs e as repercussões para sono; propõe-se a presente pesquisa que tem como

objetivo geral investigar a prevalência de privação de sono e o desempenho das funções

executivas em programadores adultos, em comparação a uma população de não-programadores.

2.9. Justificativa

Considerando o discutido na introdução sobre a relevância do trabalho dos

programadores para o funcionamento da sociedade atual, o presente trabalho é importante por

avaliar questões de saúde relacionadas à prática de trabalho desses profissionais. É oportuna

por preencher a lacuna de estudos com essa população no contexto brasileiro. Por fim, o

trabalho também se mostra viável através de plataformas online seguras para a realização do

protocolo respeitando a privacidade dos participantes de ambos os grupos.

58
3. OBJETIVOS:

GERAL: Avaliar os padrões de sono e as funções executivas na população de

programadores adultos em comparação à população controle.

ESPECÍFICOS:

1. Comparar os parâmetros do sono em programadores com queixas em relação ao sono

àqueles que não fazem uso profissional de tecnologia;

2. Comparar o funcionamento executivo dos participantes no grupo de estudo e no grupo

comparação.

3. Avaliar os efeitos de variáveis intervenientes como indicativos de fadiga ou

sintomatologia depressiva e ansiosa em programadores;

4. Avaliar associação entre os parâmetros do sono, de fadiga e humor, dados

sociodemográficos e dados psicossociais entre si e aos domínios das funções

executivas analisados por meio da avaliação neuropsicológica.

4. HIPÓTESES:

H0: Não há evidências de que a população de programadores apresente indícios de

privação de sono, nem prejuízo aos domínios da memória operacional, flexibilidade

cognitiva e controle inibitório;

H1: Há evidências de que o uso de tecnologia para o trabalho se relaciona à privação de

sono na população de programadores, e de que essa privação está ligada a prejuízos no

domínios da memória operacional, flexibilidade cognitiva e controle inibitório;

59
 H2: Há diferença nas horas totais de uso de tecnologia entre programadores e não-

programadores, que se relacionam às diferenças nos parâmetros de sono e desempenho

cognitivo entre os dois grupos.

4.1 PREDIÇÕES

P1: Programadores apresentam perfil de privação do sono crônica e prejuízo cognitivo

às funções executivas relacionados às horas de uso de tecnologia ao longo do dia.

P2: Programadores apresentam parâmetros de sono e desempenho executivo

prejudicados quando comparados ao desempenho dos participantes do grupo

comparação.

5. METODOLOGIA

O presente trabalho é classificado, quanto à natureza, como aplicado; quanto ao

objetivo, como explorativo e descritivo; e quanto aos procedimentos técnicos, como

bibliográfico, experimental e de estudo de campo. O desenho do estudo configura corte

transversal com grupo de comparação.

Para compor o grupo de estudo, referidos, por simplicidade, como programadores,

foram aceitos indivíduos de ambos os sexos, que atingiram os seguintes critérios: 1)

Apresentam queixa em relação à qualidade e duração do sono, ou sono não-reparador; 2) Tem

idade variando entre 20 e 50 anos; 3) Exercem função de programador, ou seja, desempenham

função que envolva escrita e interpretação de linguagens de computação, seja com vínculo

empregatício, como freelancer ou estagiário em situação regular; e 4) Tiveram disponibilidade

em participar de todas as etapas da pesquisa.

Para compor o grupo de comparação foram selecionados aqueles participantes que: 1)

Não apresentaram sintomas ou queixas de privação de sono ou transtornos do sono, como

60
queixas em relação à qualidade e duração do sono, ou sono não-reparador; 2) Tem idade

variando entre 20 e 50 anos; 3) Não fazem uso de tecnologia como computadores, tablets,

smartphones, televisores, celulares, smartwatches e qualquer outro tipo de eletrônico em sua

prática de trabalho, com uso de TICS apenas para momentos de lazer e interação social não

profissional; 4) Não realizam funções fisicamente exaustivas ou participem de turnos noturnos,

ou qualquer outra distribuição de trabalho que impacte diretamente nos padrões de sono; e 5)

Tiveram disponibilidade em participar de todas as etapas da pesquisa.

Foram excluídos da pesquisa indivíduos que se encaixassem nos seguintes critérios de

exclusão: 1) Apresentaram algum transtorno neurológico ou psiquiátrico que impacte no sono,

como doenças neurodegenerativas, traumatismos e hematomas subdurais recentes, transtornos

depressivos, transtornos ansiosos, transtorno afetivo bipolar, transtornos esquizoides ou que

apresentem sintomas psicóticos; 2) Apresentam algum transtorno clínico que impacte no sono,

como condições que causem dor crônica; 3) Fizerem uso de substâncias psicoativas e

medicamentos hipnóticos; e 4) Desistirem em alguma etapa da pesquisa.

Foram inicialmente recrutados 64 indivíduos, sendo 38 programadores e 26

participantes do grupo comparação. No entanto, 9 programadores e 8 outros voluntários não

finalizaram o protocolo após a etapa do diário do sono, resultando em 47 indivíduos, 29

programadores e 18 do grupo comparado, que concluíram todo o protocolo de pesquisa.

5.1. Procedimentos

5.1.1. Procedimentos Éticos

A participação de todos os voluntários é realizada mediante a assinatura de termo de

consentimento livre e esclarecido. O projeto foi submetido ao Comitê de Ética em Pesquisa da

61
Universidade Federal do Rio Grande do Norte, com CAE número 23720119.9.0000.5537, e

aprovado em 18 de Dezembro de 2019, sob o parecer número 3.780.884.

5.1.2 Protocolos e instrumentos utilizados

A primeira etapa da avaliação se deu através de um questionário online, distribuído por

e-mail para os programadores através de contato com o projeto Incuba Metrópole em Natal-

RN, e para os voluntários do grupo comparação após contato inicial através de postagens nas

redes sociais e divulgação na própria UFRN. O questionário necessitou de identificação e só

foi respondido uma vez por participante, após assinatura do termo de consentimento livre e

esclarecido.

Esse instrumento teve como objetivo levantar informações iniciais a respeito de

questões de sono (média de horas de sono, latência de sono, sono fragmentado, sonolência

diurna, sono não-reparador, outras queixas relacionadas ao sono e histórico de transtornos do

sono), transtornos neuropsiquiátricos (histórico, diagnósticos atuais, uso de medicação,

alterações de humor, delírios, alucinações), uso de tecnologia (horas de uso de tecnologia para

trabalho e para outros fins, tipo de mídia utilizado e tempo gasto em cada aparelho, as atividades

mais frequentes nesses aparelhos, frequência do uso de redes sociais e para quais funções) e

informações quanto ao trabalho (tipo de vínculo empregatício, horário de trabalho, funções

desempenhadas, horas de trabalho fora do turno habitual) pelos participantes dos dois grupos,

assim como seu interesse em continuar a participar da pesquisa e uma forma de contato para

essa continuidade. Com essa avaliação inicial, mapeamos o perfil da amostra e respondemos

aos critérios de inclusão e exclusão dos grupos de estudo e comparação.

Após a avaliação inicial online, os participantes participaram de uma entrevista

aprofundada a respeito das questões levantadas no questionário online, realizada através de

plataforma de teleconferência, como o Zoom ou Google Meet. Cada entrevista foi previamente

agendada e se deu de forma individual e sigilosa, com senha de entrada para a sessão, triagem

62
anterior para confirmar a identidade dos participantes e bloqueio de opções de gravação ou

compartilhamento do conteúdo. Aos dados obtidos durante a entrevista, os questionários e os

testes neuropsicológicos foram assegurados todos os cuidados éticos possíveis para garantir o

sigilo dos participantes, com armazenamento em nuvem mediante criptografia e acesso limitado

somente aos participantes da pesquisa.

Durante a entrevista, além de aprofundar as questões supracitadas, foram encaminhados

os links para que os participantes respondessem aos questionários de sono, assim como o

documento do diário do sono. Ao final da entrevista, os participantes foram instruídos quanto

ao preenchimento do diário de sono. Somente após o preenchimento completo do diário de sono

os sujeitos tiveram acesso ao link para continuidade da pesquisa com a avaliação

neuropsicológica.

Para a avaliação da privação de sono, tanto no grupo de estudo quanto no grupo de

comparação, foram utilizados os seguintes protocolos:

Diário do sono: Foi utilizado para obter um relato diário sobre o sono de um indivíduo, através

de um registro de informações como, o horário de dormir e acordar, cochilos ao longo do dia e

despertares noturnos. Os participantes registraram seu sono diariamente por cerca de 14 dias

consecutivos.

Entrevista clínica: Entrevista estruturada contendo informações sociodemográficas e de saúde,

uso de medicamentos com nomes e dosagens, tratamentos atuais e prévios, identificação de

queixas relacionadas ao sono (latência de sono, sono fragmentado, sonolência diurna, sono não-

reparador), ambiente em que se dorme, hábitos do sono, levantamento de queixas psicossociais,

e o histórico tanto familiar quanto individual relacionado a transtornos do sono, transtornos

psiquiátricos ou neurológicos. Irá se realizar de forma remota através de plataforma de

teleconferência.

63
Índice da Qualidade do Sono de Pittsburgh (IQSP): Instrumento desenvolvido por Buysse,

Reynolds, Monk, Berman e Kupfer (1989), sendo utilizado para quantificar a qualidade de sono

dos indivíduos. Ele é formado por 10 questões, que devem ser respondidas levando em

consideração o mês anterior à aplicação do teste. A pontuação do IQSP varia de 0 a 20, em que

pontuações de 0-4 indicam boa qualidade do sono, de 5-10 indicam qualidade ruim e acima de

10 indicam distúrbio do sono.

Escala de Sonolência de Epworth: Um questionário autoaplicável desenvolvido por Johns

(1991) para avaliar a sonolência diurna, com base em observações quanto à ocorrência e

natureza dessa sonolência. Consiste de oito questionamentos a respeito de situações de

comprovada indução ao sono, mensuradas através de uma escala de 0 a 3, sendo 0 “nunca

cochilaria” e 3 “grande probabilidade de cochilar”. O sujeito é instruído a pontuar de acordo

com sua probabilidade de adormecer nas situações descritas.

Questionário de Matutinidade e Vespertinidade de Horne e Östberg: Um instrumento de

avaliação, validado para o Brasil for Benedito-Silva, Menna-Barreto, Marques e Tenreiro

(1990), que mede preferências individuais de horário na realização de tarefas ao longo de 24h,

como os horários de maior disposição a realizar exercícios ou atividades acadêmicas. É

composto de 19 questões a respeito de situações do dia a dia, com a pontuação de 1 a 5 para

cada questão, e soma-se todos os pontos para obter a pontuação final. O escore final é indicativo

do cronotipo do indivíduo, indo de vespertino (16 a 30 pontos) a matutino (70 a 86 pontos),

com moderadamente vespertino (31 a 41 pontos) indiferente ou intermediário (42 a 58 pontos)

e moderadamente matutino (59 a 69 pontos) entre eles. O resultado do Questionário de

Matutinidade e Vespertinidade de Horne e Östberg é importante para definir o horário de

melhor desempenho de cada voluntário para a avaliação neuropsicológica.

Escala de Gravidade de Fadiga (FSS): É um método de avaliação do impacto da fadiga,

classificando o seu nível de fadiga. Validação brasileira (Valderramas et al, 2012).

64
 Para a avaliação dos sintomas psiquiátricos, tanto no grupo de estudo quanto no grupo de

comparação, foram utilizados os seguintes protocolos:

GAD-7: Um instrumento rápido e autoaplicado, projetado para avaliação, diagnóstico e

monitoramento de transtornos de ansiedade, desenvolvido por Sptizer et al (2006). Validado no

Brasil pelo MAPI Research Institute, 2006. A escala consiste em sete itens compreendendo

vários sintomas de ansiedade, que o sujeito atribui escores de 0 (nunca acontece) a 3 (acontece

quase todos os dias) com base em uma referência de tempo das últimas duas semanas. O escore

total vai de 0 a 21, sendo 10 identificado como indicativo de um transtorno de ansiedade.

PHQ-9: Um instrumento rápido e autoaplicado, projetado para diagnóstico, monitoramento e

avaliação de transtornos depressivos. Desenvolvido por Spitzer et al (1999) e validado para a

população brasileira por Osório, Mendes, Crippa e Loureiro (2009). Consiste em nove questões

abordando diferentes sintomas depressivos, que o sujeito, em seguida, atribui pontuações de 0

(nunca acontece) a 3 (acontece quase todos os dias) com base em uma referência de tempo das

últimas duas semanas. O escore total vai de 0 a 27, sendo 10 identificado como indicativo de

um transtorno depressivo.

Na segunda etapa da avaliação remota, foi realizada a avaliação das funções executivas,

através de uma bateria de testes neuropsicológicos de aplicação virtual e remota, validada e

normatizada para a população brasileira. A bateria em questão é o Combo Cognição

disponibilizado pela Editora Vetor. A escolha desses testes se deu em função das medidas de

segurança vigentes durante a pandemia COVID-19, sendo o combo cognição o único pacote de

testes neuropsicológicos de aplicação remota e computadorizada validado para a população

brasileira durante o período de realização do presente trabalho e a avaliar funções aproximadas

às funções executivas. Apesar dos testes descritos a seguir não avaliarem diretamente os

65
domínios de controle inibitório e flexibilidade cognitiva, eles podem ser utilizados para avaliar

a memória operacional, parte fundamental do modelo aqui descrito, assim como processos

fortemente interrelacionados com as funções executivas, como a atenção sustentada a, atenção

seletiva e o Fator G de inteligência.

De acordo com Miyake (2000), a atenção sustentada desempenha função importante na

manutenção ou supressão de informações na memória operacional, facilitando a execução de

processos como a manutenção de objetivos, o monitoramento de erros ou a eficácia na

manipulação e recuperação de informações (Miyake, 2000). Relação similar é ressaltada por

Diamond (2013) a respeito da atuação de processos como a atenção seletiva e a atenção

sustentada junto à memória operacional, que permitem a modulação e modificação de

informações da memória operacional em atuação independente, porém relacionada, ao controle

exercido pelo controle inibitório. Estudos mais recentes como o de van Moorselaar & Slagter

(2020) refletem a respeito do papel do controle inibitório como uma influência top-down (de

cima para baixo) na inibição de estímulos distratores, em que a atenção seletiva também

desempenha um papel. Os autores descrevem como a atuação do controle inibitório nessa

função pode ser influenciada pelas representações armazenadas pela memória operacional,

tanto sendo capaz de ressaltar quanto de inibir as informações armazenadas. Esses resultados

são similares ao descrito por Diamond (2013) sobre a forte influência mútua no funcionamento

adequado do controle inibitório e memória operacional. Além disso, van Moorselaar & Slagter

(2020) mencionam a influência da capacidade atencional seletiva como relevante na

manutenção e atualização dessas representações da memória operacional, e, consequentemente,

também sobre o processo inibitório (van Moorselaar & Slagter, 2020).

Diamond descreve ainda tanto em Diamond (2013) quanto em Diamond & Ling (2016)

a forte interrelação entre os processos de memória operacional e controle inibitório que

permitem um controle fino de objetivos e comportamentos, destacando o papel de funções

66
atencionais como atenção seletiva e sustentada para a manutenção apropriada dessas funções.

Trabalhos adicionais como o de Kuo et al (2012) apontam que indivíduos respondem mais

rapidamente a estímulos ligados a informações mantidas na memória operacional (como nomes

ou o posicionamento espacial de um local), e apresentam desempenho prejudicado em tarefas

de memória operacional quando a atenção é desviada, o que sugeriria a importância da relação

entre esses processos para o funcionamento executivo adequado (Kuo et al. 2012).

O Fator G de inteligência é um conceito psicométrico criado originalmente por

Spearman (1927) para explicar a correlação positiva entre diversos processos cognitivos

aparentemente distintos, propondo a ideia de um fator “geral” de inteligência que se relacionaria

ao desempenho cognitivo em diversas funções. Autores subsequentes aprofundaram o conceito

de G como distinto, porém fortemente correlacionado, a processos como a memória

operacional, a flexibilidade cognitiva, e ao funcionamento executivo global (Jensen & Weng,

2004; Friedman et al, 2008; Van Aken et al, 2016; Johann, Könen & Karbach, 2020). De acordo

com essa proposição, melhores desempenhos em tarefas designadas a medir o Fator G se

correlacionariam a um melhor desempenho executivo, em especial em tarefas de memória

operacional, cujos índices são mais fortemente relacionados a G (Friedman et al, 2008; Van

Aken et al, 2016).

Respeitando-se as considerações acima, o combo cognição é constituído pelos seguintes

instrumentos:

AOL – Teste de Atenção Online: Versão online validada e normatizada da Bateria

Psicológica para Avaliação da Atenção, elaborada por Rueda (2013). O Teste de Atenção

Online é composto de três subtestes que avaliam diferentes tipos de atenção: atenção alternada,

atenção concentrada/sustentada e atenção dividida. Esses processos atencionais são, de acordo

com Diamond (2013), fundamentais para o mecanismo das funções de memória operacional e

67
controle inibitório. Na realização do teste, o voluntário é apresentado a sequências de símbolos

diferentes, porém com elementos similares, e deve identificar apenas um estímulo de acordo

com as regras do teste.

G-38 – Teste Não-Verbal de Inteligência: Elaborado inicialmente por Boccalandro

(1979), objetiva avaliar o Fator G de inteligência, uma variável relacionada ao desempenho em

diversos tipos de habilidades cognitivas como memória operacional, raciocínio e velocidade de

processamento (Jensen & Weng, 1994). O teste é composto por diferentes itens envolvendo

raciocínios relacionados à compreensão de identidade e analogia, analogia numérica e analogia

espacial, em ordem crescente de dificuldade.

TEM-R (Teste de Memória de Reconhecimento): Elaborado por Rueda (2012), o teste

TEM-R avalia a memória operacional verbal e visual. O teste oferece figuras e palavras para

serem memorizados, e o sujeito deve posteriormente recordar quais itens foram apresentados

anteriormente, seja verbalmente ou visualmente.

5.1.3 Procedimentos aplicados

A primeira etapa da pesquisa consistiu na formação dos grupos de estudo e comparação.

O grupo de estudo foi composto por programadores adultos voluntários, enquanto o grupo

comparação foi composto por indivíduos adultos voluntários com distribuição de idade e gênero

semelhantes à do grupo de estudo, porém que não fazem uso de computadores, tablets,

smartphones, televisores, celulares, smartwatches ou outras tecnologias similares para fins de

trabalho. Os programadores voluntários foram contatados inicialmente através do Instituto

Metrópole Digital, da UFRN, e através do Incuba Metrópole, o programa de incubação de

empresas de Tecnologia da Informação que o Instituto desenvolve na área de Natal-RN.

Posteriormente, também foi realizada divulgação com programadores freelancers da região. O

contato inicial com os participantes do grupo de estudo se deu através de divulgação por e-mail

e diretamente com o Instituto Metrópole Digital e com as empresas do Incuba Metrópole, e,

68
posteriormente, através da divulgação da pesquisa em redes sociais voltadas a programadores

da área. Os voluntários do grupo de comparação foram recrutados através de postagens de

divulgação nas redes sociais em grupos ligados à Universidade.

Após concordarem com o termo de consentimento livre e esclarecido, seja por assinatura

ou por assinalar a opção de aceite do termo no TCLE virtual, os sujeitos de ambos os grupos

responderam ao questionário online para investigação inicial de sintomas e hábitos de sono,

sintomatologia neuropsiquiátrica, hábitos de uso de tecnologia e rotina de trabalho. O objetivo

do questionário inicial era o de mapear a amostra e levantar informações iniciais sobre essas

questões que possam ser aprofundadas durante a entrevista clínica subsequente. Após o

preenchimento do questionário, os sujeitos receberam em seu e-mail de contato tanto uma

confirmação do preenchimento do questionário quanto uma cópia de seu TCLE. Para cumprir

as medidas de segurança respiratória necessárias durante a pandemia COVID-19 e evitar riscos

a voluntários e pesquisadores, foi decidido realizar o protocolo somente online.

Aproximadamente 63 indivíduos, sendo 38 programadores e 25 não-programadores,

completaram essa etapa.

Após a realização do questionário, indivíduos de ambos os grupos seguiram para a

entrevista clínica aprofundada quanto às questões de histórico clínico, demandas de sono,

hábitos de trabalho e uso de tecnologia abordadas inicialmente pelo questionário online. A

entrevista foi realizada remotamente, através de plataforma de teleconferência como o Zoom e

Google Meet, em sala privativa, agendada previamente e criptografada com senha, disponível

somente entre o participante e o pesquisador, para resguardar o sigilo dos dados do participante.

Além disso, foram bloqueadas opções para compartilhar ou gravar os dados da entrevista a

partir da plataforma de teleconferência de qualquer forma. Concomitante à entrevista, os

voluntários responderam a um protocolo online de questionários sobre o sono, fadiga e humor,

69
e foram instruídos quanto ao preenchimento e entrega do diário de sono. Um total de 48

indivíduos completaram essa etapa, sendo 31 programadores e 17 não-programadores.

Considerando o impacto do presente momento socio-histórico sobre nossa amostra,

instruímos os participantes a responderem os questionários apresentados duas vezes: a primeira

a respeito de sua situação atual, e a segunda em relação ao período pré-COVID.

Foi solicitado que o diário do sono fosse preenchido por um período de 14 dias. Foram

disponibilizados métodos de contato por e-mail e telefone através dos quais os participantes

puderam tirar dúvidas quanto aos procedimentos e realizar a entrega do diário do sono. O

número de participantes que cumpriu adequadamente essa etapa e entregaram diários de sono

completos foi de 38, com 23 programadores e 15 não-programadores.

Na segunda etapa do protocolo remoto foi realizada a avaliação neuropsicológica. Os

participantes somente realizaram a avaliação neuropsicológica após a realização da entrevista

aprofundada e da entrega do diário do sono com 14 dias completos. Os indivíduos que

atenderam a esses critérios foram cadastrados na plataforma de atendimento online da Editora

Vetor (Editora licenciada de testes neuropsicológicos que dispõe de plataforma segura para

avaliação remota) e enviados um link seguro para a realização remota e individual dos testes

neuropsicológicos do Combo Cognição, composto pelo Teste de Atenção Online (AOL), G-38

(Teste Não-Verbal de Inteligência) e TEM-R (Teste de Memória de Reconhecimento). A

bateria foi realizada em sua totalidade através da plataforma online para esses testes validada e

disponibilizada no site da Editora Vetor. Em sua totalidade, 36 participantes completaram o

protocolo neuropsicológico, sendo 21 programadores e 15 não-programadores.

As informações da entrevista, do protocolo, do diário de sono e do questionário inicial

foram utilizadas para identificar e classificar a possível privação do sono em todos os indivíduos

dos dois grupos. Aos dados obtidos durante a entrevista, questionários e testes psicológicos

foram assegurados todos os cuidados éticos possíveis para garantir o sigilo dos participantes,

70
com armazenamento em nuvem mediante criptografia e acesso limitado somente aos

participantes da pesquisa. Indivíduos que, através dessa avaliação aprofundada, se encaixaram

nos critérios de exclusão tiveram a avaliação descontinuada. Com esses indivíduos foi realizada

uma entrevista devolutiva individual com os resultados da avaliação e o encaminhamento

adequado para as demandas de sono ou psiquiátricas a cada caso.

Seguido a esses procedimentos, realizamos a análise estatística desses dados, através de

caracterização por estatística descritiva e testes paramétricos detalhados mais à frente.

5.2 Análise Estatística

A análise dos dados foi realizada através do programa IBM SPSS (Statistical Package

for Social Sciences) versão 25.0, com nível de significância de 5% atribuído a todos os testes.

Foram realizadas estatísticas descritivas (mediana e frequência) e inferenciais para análise dos

dados.

Os parâmetros baseados nas respostas ao questionário sociodemográfico foram

analisados através do teste de Qui-Quadrado. Os parâmetros referentes aos questionários do

sono e humor foram avaliados quanto à normalidade através do teste de Shapiro-Wilk, e

posteriormente analisados através do teste t de Student, Mann-Whitney ou Wilcoxon

dependendo da distribuição encontrada. Hábitos de sono e sonolência diurna foram comparados

quanto à frequência pelo teste de McNemar. Os parâmetros obtidos a partir do diário de sono

(horários de dormir e acordar, duração do sono noturno, horários e duração do cochilo,

irregularidade nos horários de dormir e acordar entre semana e fim de semana - obtida pelo

desvio padrão dos horários de dormir e acordar na semana e fim de semana) foram comparados

através da Análise de Variância fatorial.

Para avaliação das funções executivas, os escores finais obtidos pela correção dos testes

neuropsicológicos foram analisados através de testes descritivos, comparados através do teste t

71
de Student e da Análise de Variância Fatorial, e correlacionados com o teste de Pearson ou de

Spearman dependendo da normalidade da distribuição. Foi realizada a regressão múltipla afim

de identificar modelos que pudessem explicar a variação dos escores dos testes

neuropsicológicos. A regressão foi realizada inicialmente a partir do método stepwise para

identificar as principais variáveis que influenciavam cada escore, seguida de análises

subsequentes de regressão backwards para identificar quais dessas variáveis teriam maior peso

em relação aos resultados obtidos.

Para todos os testes foi considerado um nível de significância de 0,05.

72
 5. RESULTADOS

6.1 Caracterização sociodemográfica da amostra geral

O número total de participantes no estudo foi de 63 pessoas. A maior parte da amostra

é composta de sujeitos do sexo masculino (77,8%), com predominância da faixa etária entre 18

e 24 anos (42,2%). Entre os fatores sociodemográficos, apenas a diferença no uso de álcool

entre participantes dos grupos de estudo e comparação foi significativa (t = 14,45, p<,002),

sugerindo que os participantes do grupo comparação consomem significativamente mais álcool

do que os programadores.

Mais informações a respeito da caracterização da amostra são descritas na Tabela 2 a

seguir.

Tabela 2. Dados sociodemográficos de todos os participantes da amostra, do grupo comparação

e programadores.

Variáveis Amostra Programadores Comparação Valores de

Total (n = 38) (n = 25) x²/p
(n = 63)
Sexo N (%) N (%) N (%)
Feminino 14 (22,2%) 4 (10,5%) 10 (40,0%) 8,69/0,006*
Masculino 49 (77,8%) 34 (89,5%) 15 (60,0%)
Idade N (%) N (%) N (%)
18-24 anos 27 (42,2%) 18 (47,4%) 9 (36,0%) 13,94/0,016*
25-30 anos 16 (25%)
5 (13,2%) 10 (40,0%)
30-35 anos 11 (17,2%)
9 (23,7%) 2 (8,0%)
35-40 anos 4 (6,3%)
40-45 anos 4 (6,3%)
4 (10,5%) 2 (8,0%)
45-50 anos 2 (3,1%) 2 (5,3%) 2 (8,0%)
Estado Civil N (%) N (%) N (%)
Solteiro 32 (50%) 16 (42,1%) 16 (64,0%) 2,76/,429
Estável 15 (23,4%) 10 (26,3%) 4 (16,0%)
Casado 16 (25%) 11 (28,9%) 5 (20,0%)
Divorciado 1 (1,6%) 1 (2,6%) 0

73
 Viúvo 0 0 0
Escolaridade N (%) N (%) N (%)
EM Completo 3 (4,7%) 1 (2,6%) 2 (8,0%) 5,44/,245
Curso técnico 1 (1,6%) 1 (2,6%) 0
Superior Incompleto 23 (35,9%) 11 (28,9%) 12 (48,0%)
Superior Completo 15 (23,4%) 12 (31,6%) 3 (12,0%)
Pós-graduação 22 (34,4%) 13 (34,2%) 8 (32,0%)
Escolaridade em anos: 17,88 (3,89)
Divide a casa com outras N (%) N (%) N (%)
pessoas? 1,48/,686
Moro sozinho 5 (7,8%) 3 (7,9%) 2 (8,0%)
2-4 pessoas 53 (82,8%) 32 (84,2%) 20 (80,0%)
5-7 pessoas 5 (7,8%) 3 (7,9%) 2 (8,0%)
8-10 pessoas 1 (1,6%) 0 1 (4,0%)
Mais de 10 pessoas 0 0 0
Renda N (%) N (%) N (%)
Sem renda própria 1 (1,6%) 0 1 (4,0%) 8,66/,278
Até 1 SM 2 (3,1%) 2 (5,3%) 0
De 1 a 3 SMs 17 (26,6%) 8 (21,1%) 9 (36,0%)
De 3 a 6 SMs 19 (29,7%) 14 (36,8%) 4 (16,0%)
De 6 a 9 SMs 9 (14,1%) 6 (15,8%) 3 (12,0%)
De 9 a 12 SMs 7 (10,9%) 5 (13,2%) 2 (8,0%)
Entre 12 e 15 SMs 3 (4,7%) 1 (2,6%) 2 (8,0%)
Acima de 15 SMs 6 (9,4%) 2 (5,3%) 4 (16,0%)
Comorbidades N (%) N (%) N (%)
Hipertensão 4 (6,3%) 4 (10,5%) 0 7,23/,204
Diabetes 2 (3,1%) 0 2 (8,0%)
Hipo/Hipertireoidismo 1 (1,6%) 1 (2,6%) 0
Cardiopatia 2 (3,1%) 1 (2,6%) 1 (4,0%)
Insuficiência Renal 0 0 0
Não apresento 48 (75%) 29 (76,3%) 18 (72,0%)
Outra 7 (10,9%) 3 (7,9%) 4 (16,0%)
Histórico Neurológico N (%) N (%) N (%)
Presente 6 (9,4%) 6 (15,8%) 0 4,53/0,33
Ausente 58 (90,6%) 32 (84,2%) 25 (100%)
Histórico Psicológico N (%) N (%) N (%)
Ausente 32 (50%) 22 (57,9%) 10 (40,0%) 5,95/,203
Ansiedade 6 (9,4%) 3 (7,9%) 7 (28,0%)

74
 Terapia 10 (15,6%) 3 (7,9%) 3 (12,0%)
Múltiplas razões 5 (7,8%) 4 (10,5%) 4 (16,0%)
Outros¹ 11 (17,2%) 6 (15,8%) 1 (4,0%)
¹TDAH, Transtorno de Estresse
Pós-Traumático, Depressão

Medicação Diária N (%) N (%) N (%)

Não utiliza 44 (68,8%) 28 (73,7%) 16 (64,0%) 1,06/,303
Utiliza 20 (31,3%) 10 (26,3%) 9 (36,0%)
Uso de Álcool N (%) N (%) N (%)
Regularmente 3 (4,7%) 0 3 (12,0%) 14,45/,002*
Ocasionalmente 39 (60,9%) 22 (57,9%) 16 (64,0%)
Não faço mais uso 15 (23,4%) 14 (36,8%) 1 (4,0%)
Nunca usei 7 2 (5,3%) 5 (20,0%)
(10,9%)
Uso de Cigarros N (%) N (%) N (%)
Regularmente 2 (3,1%) 0 2 (8,0%) 5,42/,143
Ocasionalmente 4 (6,3%) 3 (7,9%) 1 (4,0%)
Não faço mais uso 10 (15,6%) 4 (10,5%) 5 (20,0%)
Nunca usei 48 31 (81,6%) 17 (68,0%)
(75%)
Atividade Física N (%) N (%) N (%)
Frequentemente 14 (21,9%) 5 (13,2%) 9 (36,0%) 5,00/,171
Algumas vezes 14 (21,9%) 9 (23,7%) 4 (16,0%)
De vez em quando 17 10 (26,3%) 7 (28,0%)
Sou sedentário (26,6%) 14 (36,8%) 5 (20,0%)
19
(29,7%)
Legenda: Valores de X² correspondentes aos resultados do teste de Qui-Quadrado independente. * = p < 0,05.

6.2 Caracterização dos Hábitos de Uso de Tecnologia na Amostra Geral

No que compreendem os hábitos de uso de tecnologia, verificamos alta taxa de uso de

tecnologia pela amostra geral. A média relatada de horas de uso durante o tempo livre foi de

5,66 (σ=3,20), e a média para o trabalho foi de 6,39 (σ= 3,18), totalizando 12,05 horas gerais

de uso de tecnologia ao longo do dia, em média, para a amostra coletada. Para o grupo de

estudo, a média de horas de uso de tecnologia fora do horário de trabalho foi de 5,33h (σ=2,81),

75
e de 7,86h (σ=7,86) para uso dentro do horário de trabalho. Para os participantes do grupo de

comparação, as horas de uso de tecnologia foram de 6,12h (σ=3,71) no tempo livre e 4,20h

(σ=2,84) durante o horário de trabalho.

O uso de tecnologia antes de dormir também foi proeminente na amostra como um

todo. Na amostra geral, 89,4% dos participantes de ambos os grupos confirmaram fazer uso de

tecnologia até logo antes de dormir. Desses, 52,6% afirmaram utilizar o celular na cama até

sentir sono; 23,7% descreveram usar o computador; 2,6% utilizam videogames; e 10,5%

relatam assistir televisão até sentirem sono. No grupo de estudo, 88,8% relataram fazer uso de

tecnologia até ficar sonolentos, com 58,3% utilizando o celular e 19,4% o computador. No

grupo de comparação, 86,7% dos participantes afirmaram fazer uso de tecnologia antes de

dormir, com 46,7% afirmando utilizar primariamente o celular, e 30% utilizando o computador.

Para os participantes da amostra geral, entre as atividades de uso de tecnologia mais

frequentes realizadas ao longo do dia estão a checagem de e-mails pessoais, o acesso a redes

sociais, ouvir música, navegar na internet por lazer e acessar serviços de streaming (transmissão

de programas pela internet). O principal motivo citado para o uso de tecnologia nos dois grupos,

além do trabalho, foi para entretenimento, mencionado por 61,90% da amostra, seguido de

aprendizado e do acesso a notícias.

76
 Média de horas de uso de tecnologia por dia
14 13,19
12 10,32
10
7,86
8 6,12
6 5,33
4,2
4
2
0
Grupo de Estudo Grupo Comparação
Horas totais/dia Uso para Lazer/dia Uso para Trabalho/dia

Figura 1. Médias de horas de uso de tecnologia por dia para ambos os grupos.

Na imagem acima, o eixo das abcissas corresponde às horas de uso de tecnologia totais

por dia, assim como o uso para o trabalho ou lazer. O eixo das ordenadas corresponde à

frequência da distribuição dessas horas tanto no grupo de estudo quanto no grupo de

comparação.

Mais detalhes a respeito da caracterização do uso de tecnologia pelos dois grupos na

sessão 6.7.1.

6.3. Análise de sintomatologia depressiva e ansiosa na amostra geral

Entre os 63 participantes iniciais, 15 não realizaram as entrevistas ou responderam aos

questionários de sono, fadiga e humor, o que resulta em um total de 48 participantes cujos

resultados são discutidos nessa seção.

Considerando a relação entre sintomatologia ansiosa e depressiva e privação de sono,

analisamos a prevalência desses fatores entre os participantes da amostra. A maior parte (66%)

dos indivíduos pesquisados não apresentou sintomas significativos de ansiedade ou depressão.

No entanto, a porcentagem de participantes que pontuou significativamente em ambas as

77
escalas (31,2% da amostra geral tanto para depressão quanto para ansiedade) apresentou escores

significativamente mais altos do que o restante de seus respectivos grupos (de estudo ou de

comparação). Portanto, na continuidade das análises de humor, dividimos os participantes tanto

do grupo de estudo quanto do grupo de comparação entre os que apresentaram índices

significativos de depressão e/ou ansiedade comparados às médias de seus respectivos grupos

amostrais (referidos como Programadores+ e Comparação+) e os que não apresentaram esses

índices (referidos somente como programadores e comparação), com o objetivo de avaliar o

impacto dessas variáveis intervenientes sobre os resultados encontrados, e limitar a

possibilidade de vieses.

As médias dos participantes Programadores+ e Comparação+ foram consideravelmente

mais altas do que o escore médio de seus respectivos grupos, como detalhado na tabela 3. A

diferença entre os escores de ambas as escalas foi significativa tanto entre Comparação+ e

comparação [PHQ-9 (t = -5,866, p<,000), GAD-7 (t = -8,244, p<,000)] quanto entre

Programadores+ e programadores [PHQ-9 (t = -8,458, p<,000), GAD-7 (t = -9,484 p<,000)].

No entanto, as diferenças entre os escores de Programadores+ e Comparação+ para ambas as

escalas não foram significativas. Esses resultados são indicativos de que uma porcentagem

significativa dos indivíduos pesquisados apresenta sintomas depressivos e/ou ansiosos a nível

patológico que podem interferir nos parâmetros de sono e funcionamento executivo, e que essa

população é afetada a nível semelhante indepente do grupo amostral.

Mais detalhes a respeito dessas diferenças na tabela 3 mais abaixo.

6.4 Caracterização da fadiga na amostra geral

Os resultados da Escala de Gravidade de Fadiga (FSS) tanto para o grupo de estudo

quanto para o grupo de comparação são sugestivos de fadiga excessiva em relação à norma da

população brasileira. A diferença entre os escores dos grupos não foi significativa, o que indica

78
 que tanto programadores quanto não-programadores apresentaram níveis similares de fadiga

excessiva.

Considerando apenas os programadores, a diferença entre os participantes pouco

fatigados e muito fatigados foi significativa (t=-7,378, p<,000), sugerindo variação

considerável desse traço entre esses participantes.

Mais detalhes na Tabela 3 a seguir:

Tabela 3. Dados dos questionários de sintomatologia depressiva, ansiosa e escores de fadiga da

amostra geral, programadores e não-programadores.

Variáveis Amostra Programadores Comparação Valores de t/p Valores de t/p

Total (n = 31) (n = 17) intragrupo entre grupos
(n = 48) amostrais
GAD-7
Geral: 7,34±5,75 6,80±5,65 8,29±5,97 -,852/,399¹
Grupos+:
14,73±3,57 15,83±4,07 11,33±5,61 -7,355/,000²* -1,114/,285¹
Grupo médio:
3,88±2,21 4,54±3,18 4,88±4,51 -2,590/,000³* -934/,358¹

PHQ-9
Geral: 7,81±5,74 6,33±4,86 10,41±6,37 -8,667/,000²* -2,465/,018¹
Grupos+:
14,93±3,71 14,50±2,66 15,22±4,41 -5,665/,000³* -357/,726¹
Grupo médio:
4,47±2,57 4,29±2,56 5,00±2,72 -667/,510¹

FSS 38,68±11,67 38,48±11,03 39,06±13,08 -,165/.869¹

Legenda: Valores gerais se referem aos escores da amostra geral. Valores de Grupo+ se referem

exclusivamente aos participantes com maiores índices em cada grupo amostral. Valores de Grupo médio se referem

aos índices de cada grupo amostral excluindo-se os participantes com escores mais altos. Valores de t

correspondentes aos resultados do Teste T de Student. ¹ = valores de t referentes a comparações entre grupos

amostrais (estudo x comparação). ² = valores de t referentes a comparações intra-grupo (grupo+ x grupo médio)

79
para o grupo de estudo. ³ - valores de t referentes a comparações intra-grupo (grupo+ x grupo médio) para o grupo

de comparação. * = p < 0,05.

6.5 Análise das Variáveis do Sono Para a Amostra Geral

6.5.1 Caracterização dos Hábitos de Sono por Grupo

A caracterização dos hábitos de sono dos voluntários é realizada através das questões

iniciais a respeito do sono presentes no formulário sociodemográfico, assim como da entrevista

aprofundada, na aplicação do protocolo de sono e na realização do diário do sono.

Aproximadamente 48 indivíduos concluíram a aplicação do protocolo de questionários de sono,

sendo 31 programadores e 17 participantes do grupo comparação. Na etapa do diário do sono,

esse número caiu para 40 indivíduos totais, sendo 25 programadores e 17 não-programadores.

No entanto, 2 diários foram excluídos, totalizando uma amostra final de 23 programadores e 17

não-programadores para essa etapa.

De acordo com o questionário inicial, a média de horas de sono encontrada na amostra

geral é de aproximadamente 6,8h (σ = 0,99) o que coloca a amostra geral numa posição limítrofe

entre restrição do sono e número mínimo de horas recomendadas de sono por noite.

Considerando-se a divisão por grupos, a média de horas de sono do grupo controle foi de 6,9h

(σ = 1,13), e a média de horas de sono do grupo de estudo foi de 6,7h (σ = 0,95). A diferença

entre as médias dos dois grupos não foi significativa (p = ,660).

No grupo de estudo, 72,41% dos voluntários relatou ter tido a saúde mental afetada

negativamente durante o período de isolamento social, com 41,37% classificando suas

alterações como graves. Em relação ao grupo de comparação, 88,23% relataram alterações

negativas de sua saúde mental na pandemia, com 64,70% classificando esse impacto como

grave. A diferença entre esses valores não foi significativa estatisticamente (x²[4] = 3,043,

p<,551).

80
 Mais detalhes a respeito dos escores de cada um dos questionários se encontram na

tabela 4 a seguir, assim como mais detalhes a respeito dos resultados de IQSP, de Epworth e do

Questionário de Matutinidade-Vespertinidade podem ser encontrados nos gráficos nas sessões

6.5.2, 6.5.3 e 6.5.4 a seguir.

6.5.2. Análise da Qualidade do Sono

Em relação à qualidade do sono, os índices foram avaliados a partir dos escores dos

participantes no IQSP. Tanto a média da amostra geral quanto as médias dos grupos de estudo

e comparação foram indicativos de má qualidade do sono, o que sugere má qualidade de sono

prevalente em toda a população pesquisada. A diferença entre as médias dos dois grupos não

foi significativa. Especificamente entre programadores, nota-se diferença significativa entre os

que apresentaram índices mais próximos da média brasileira e os que apresentaram índices

bastante prejudicados (t=-,5839, p< ,000), o que sugere variância no relato da qualidade do sono

dentro dessa população. Mais detalhes da distribuição de escores por grupos na Figura 2 abaixo:

Figura 2. Histograma representando a distribuição de escores do Índice de Qualidade do Sono de Pittsburgh (IQSP) por grupo.

81
 Na figura acima, o eixo das abcissas corresponde aos escores dos voluntários no IQSP,

enquanto o eixo das ordenadas corresponde à frequência da distribuição dos escores na

população avaliada. O grupo de estudo é identificado pela cor azul, e o grupo de comparação

pela cor vermelha. A média de IQSP para a amostra geral foi de 6,50±3,18. Para o grupo de

estudo, a média foi de 6,24±3,06. Já para o grupo de comparação, foi de 6,94±3,43. A diferença

entre os grupos não foi significativa de acordo com o valor de u no teste de Mann-Whitney (u

= 199,500/ p<,281). O teste de Mann-Whitney foi utilizado para analisar os resultados de IQSP

devido à distribuição dos escores não seguir a distribuição normal de acordo com o teste de

Shapiro-Wilk.

6.5.3. Análise da Sonolência Excessiva

A análise da sonolência foi realizada através dos escores na Escala de Sonolência de

Epworth, detalhados mais a fundo na Figura 3 a seguir. Houve significância na diferença entre

as médias dos dois grupos nos escores de Epworth (t= -7,790, p = ,000), com sugestão de

maiores prejuízos por parte dos participantes do grupo de comparação. É possível que esses

resultados ocorram em função da diferença de distribuição entre os dois grupos, como pode ser

visto com mais detalhes na figura mais abaixo. Também é possível, considerando os efeitos do

período pandêmico sobre os hábitos dos participantes, que o uso de tecnologia mais tardio pelos

participantes do grupo comparação tenha resultado em um atraso de fase que se associa a

maiores índices de sonolência nesse grupo.

Importante notar que também foi constatada diferença significativa entre programadores

mais sonolentos e menos sonolentos (t=-8,077, p<,000), o que sugere que alguns programadores

sejam mais suscetíveis à sonolência relacionada à privação do sono crônica do que outros.

Mais detalhes da distribuição de escores por grupos na Figura 3 abaixo:

82
Figura 3. Histograma representando a distribuição de escores da Escala de Sonolência de Epworth (ESE) por grupo amostral.

Na imagem acima, o eixo das abcissas corresponde aos escores dos voluntários na ESE,

enquanto o eixo das ordenadas corresponde à frequência da distribuição dos escores na

população avaliada. O grupo de estudo é identificado pela cor azul, e o grupo de comparação

pela cor vermelha. A média de ESE para a amostra geral foi de 11,76±11,36. Para o grupo de

estudo, a média foi de 5,21±3,59. Para o grupo de comparação, foi de 22,94±11,40. A diferença

entre os grupos foi significativa de acordo com o valor de t no Teste t de Student (-7,790¹/

p<,000).

6.5.4. Análise do Cronotipo

A análise do cronotipo dos participantes foi realizada através dos escores no

Questionário de Matutinidade-Vespertinidade de Horne-Ostberg, versão MEQ-SA. Da

distribuição dos cronotipos pela amostra geral, a maioria foi de moderadamente vespertinos a

intermediários, correspondentes a 53,1% dos participantes. No entanto, a maioria de

intermediários se deve primariamente ao número maior de participantes do grupo de estudo em

83
comparação aos participantes do grupo de comparação, como pode ser visto na Figura 4 mais

abaixo. Entre os participantes do grupo de comparação, moderadamente vespertinos foram a

ligeira maioria.

Em relação aos cronotipos vespertinos, 17,2% da amostra geral foram identificados

como moderadamente vespertinos, com nenhum tendo sido classificado como definitivamente

vespertino. Entre os cronotipos matutinos, 25,4% da amostra foi identificada como

moderadamente matutina, e apenas 4,3% (n = 2) foram identificados como definitivamente

matutinos. A diferença entre as médias dos dois grupos não foi significativa através do Teste T

de Student (t =,600, p= ,551).

Mais detalhes na Figura 4 abaixo:

Figura 4. Histograma da distribuição de escores de cronotipo para os grupos de estudo e comparação. Histograma da
distribuição de escores de cronotipo para os grupos de estudo e comparação.

Na imagem acima, o eixo das abcissas corresponde aos escores dos voluntários no
Questionário de Vespertinidade e Matutinidade, enquanto o eixo das ordenadas corresponde à
frequência da distribuição dos escores. A indicação é majoritariamente de cronotipo
intermediário. A média de escores de cronotipo para a amostra geral foi de 51,21±10,85. Para

84
o grupo de estudo, a média foi de 51,45±11,26. Para o grupo de comparação, foi de
50,33±10,31.

6.5.5. Análise dos Padrões e da Duração do Sono

Uma análise mais aprofundada dos padrões e da duração do sono foi realizada com base

no relato obtido através do diário do sono. Dos 48 participantes que completaram a etapa de

entrevistas e questionários do protocolo, 8 não entregaram os diários do sono. Dos diários do

sono recebidos, 2 foram excluídos por estarem incompletos, resultando em um uma amostra

final de n = 38 para a seguinte etapa. Destes, 23 são programadores e 15 são não-programadores.

Após a realização do teste de Shapiro-Wilk de normalidade para verificar as distribuições das

variáveis, elas foram avaliadas de acordo com o teste T de Student ou com o teste de Mann-

Whitney, como detalhado na Tabela 4 abaixo:

Tabela 4. Resultados da análise dos componentes do diário do sono para a amostra geral.

Variáveis do Amostra Programadores Comparação Valores de t ou

Diário do Sono Total (n = 38) (n = 23) (n = 15) u/p
Horário de Deitar
(hh:mm)
Semana 23:59 ± 1:16 23:54 ±1:18 24:06 ± 1:15 -,458¹/,649
Fim de 24:02 ± 1:25 23:56 ± 1:22 24:10 ± 1:33 -,503¹/,618
Semana
Horário de
Dormir (hh:mm)
Semana 24:36 ± 1:19 24:28 ± 1:21 24:49 ± 1:16 -,816¹/,420
Fim de 24:34 ± 1:21 24:20 ± 1:05 24:55 ± 1:40 136,00²/,276
Semana
Horário Final de
Uso de
Tecnologia
(hh:mm)

85
 Semana 24:08 ± 1:37 24:07 ± 1:35 24:09 ± 1:43 -0,75¹/,941
Fim de 24:07 ± 1:39 23:55 ± 1:30 24:27 ± 1:50 115,00²/,126
Semana
Latência
Estimada (Em
minutos)
Semana 20,53 ± 15,26 9,78 ± 18,52 23,57 ± 8,72 147,00²/,446
Fim de 21,27 ± 23,27 17,51 ± 11,82 27,05 ± 34,67 -1,222¹/,230
Semana
Fragmentação do
Sono (Episódios) 10,08 ± 15,26 10,30 ± 18,52 9,73 ± 8,72 147,500²/,453
Horário de
Despertar
(hh:mm)
Semana 07:43 ± 1:14 07:25 ± 1:09 08:11 ± 1:14 -1,957¹/,058
Fim de 08:09 ± 1:31 07:49 ± 1:20 08:40 ± 1:40 -1,712¹/,095
Semana
Horário de
Levantar
(hh:mm)
Semana 08:06 ± 1:22 07:49 ± 1:19 08:32 ± 1:21 -1,511¹/,140
Fim de 08:32 ± 1:31 08:13 ± 1:22 09:02 ± 1:39 -1,643¹/,109
Semana
Sono Total
Estimado (em
minutos)
Semana 421,8 ± 47 420,6 ± 40 424,2 ± 58 -,341¹/,735
Fim de 432 ± 64 431,4 ± 59 432 ± 73 ,063¹/,950
Semana
Irregularidade
(Delta)
Deitar 0,04 0,04 0,05 115,00²/,089
Dormir 0,05 0,05 0,05 144,00²/,408

86
 Acordar 0,04 0,03 0,06 92,00²/,016*
Levantar 0,05 0,03 0,07 99,00²/,028*
Latência 11,59 8,88 15,74 141,00²/,359
Tempo na 0,02 0,02 0,02 ,346¹/,744
Cama

Legenda: Os horários de deitar, dormir, de uso de tecnologia, de despertar e de acordar são apresentados

pela média dos horários de todos os participantes do diário do sono, não em quantidade de horas totais. A latência

e o sono total são expressos através do total em minutos. A fragmentação do sono é representada em episódios por

semana. A Irregularidade é representada pelo valor de delta, calculado a partir da diferença no desvio padrão dos

horários de deitar, dormir, acordar, levantar, latência e do tempo de cama entre o registrado no fim de semana e na

semana. ¹ = Valor de T de Student. ² = Valor de U de Mann-Whitney. * = p < 0,05. A aplicação do teste T ou do

teste de Mann-Whitney é de acordo com a distribuição dos dados avaliada através do teste de Shapiro-Wilk.

No geral, não houve diferença significativa entre as médias da semana e do fim de

semana para os horários de deitar, dormir, utilizar tecnologia, acordar ou levantar, nem da

latência ou do total de sono estimado entre os dois grupos. Da mesma forma, não foi encontrada

diferença significativa na média dos horários da semana ou do fim de semana, incluindo latência

e tempo de sono total, entre o grupo de estudo e de comparação. Não foram identificadas

diferenças significativas no número de episódios de fragmentação do sono, no relato de

sonolência diurna nem na frequência e duração de cochilos entre os dois grupos durante o

período de duas semanas coletado. Cochilos foram comuns tanto no grupo de estudo quanto de

comparação, com média de 1 cochilo por dia, de duração média de 30 minutos.

No que se refere às irregularidades entre os horários da semana e do fim de semana,

apenas as diferenças entre as irregularidades de acordar e levantar dos dois grupos são

significativas (u = 92,00 e p= <,16 para a irregularidade do horário de acordar; u= 99,00 e p <

0,28 para o horário de levantar) de acordo com o teste de Mann-Whitney. Esse resultado é

indicativo de que os programadores apresentam maior irregularidade dos horários de acordar e

87
levantar quando comparados a não-programadores, o que é sugestivo de alterações no timing

(variação dos horários) do sono desses indivíduos ao longo da semana.

6.6 Análise das Variáveis Cognitivas

Em relação ao desempenho cognitivo da amostra, nem programadores nem participantes

do grupo comparação apresentaram prejuízo cognitivo significativo em nenhum dos cinco

testes. O resultado obtido foi de acordo com os critérios da Tabela de Percentis de 2017 da

região Nordeste, a mais atualizada para a faixa etária e localização geográfica disponível na

plataforma da Editora Vetor para o Combo Cognição. Os resultados da amostra geral foram

considerados de medianos a médio-superiores em todos os testes avaliados.

Ao considerar as médias de desempenho dos dois grupos separadamente, os escores do

grupo de estudo foram no geral superiores aos escores do grupo de comparação, com a única

exceção sendo o teste de AOL-C, em que a média do grupo controle foi ligeiramente superior

(56,96±5,56 > 55,50±11,80), sugerindo desempenho menos acurado por parte dos

programadores no quesito de atenção sustentada. No entanto, a diferença entre os escores dos

dois grupos não apresentou valor significativo para nenhum dos testes neurocognitivos, tendo

sido avaliada através do Teste T de Student ou do Teste de Mann-Whitney dependendo da

indicação de normalidade da distribuição através do Teste de Shapiro-Wilk.

Considerando somente o desempenho dos programadores, houve diferença significativa

entre participantes menos prejudicados e mais prejudicados cognitivamente nos escores de

todos os testes [TEM-R (t=-,7068, p<,000); AOL-A (t=-7,126, p<,000); AOL-C (t=-4,065,

p<,001); AOL-D (t=-6,046, p<,000); G-38 (t=-5,219, p<,000)]. No entanto, a diferença entre

os escores cognitivos não foi significativa quando comparados os grupos de programadores

mais e menos afetados pelos índices de irregularidade dos horários do sono, má qualidade do

88
sono ou sonolência, o que implica que nenhum desses fatores do sono seja o preditor principal

da vulnerabilidade do desempenho cognitivo.

É possível que uma conjunção de fatores influa nas variações de desempenho cognitivo

entre programadores, ao invés de um fator específico como irregularidade do sono ou má

qualidade do sono,. Esses resultados são discutidos mais a frente, na seção 6.8.1.4, em relação

aos modelos de regressão múltipla para os escores de cada teste neurocognitivo.

Mais detalhes a respeito dos resultados gerais dos testes neuropsicológicos na Tabela 5,

abaixo. Resultados adicionais e as comparações realizadas considerando os índices de sono

podem ser encontradas nos apêndices.

Tabela 5. Média, desvio padrão, valor de t e de p para a amostra geral e por grupo no protocolo
neuropsicológico (Combo Cognição).

Testes Amostra Programadores Comparação Valores de t ou

Neuropsicológicos Total (n = 21) (n = 15) u/p
(n = 36)
AOL
Atenção 59,10±5,75 59,36±3,84 58,65±8,22 ,275¹/,785
Alternada
Atenção
56,04±9,87 55,50±11,80 56,96±5,56 123,500²/,505
Concentrada
Atenção
Dividida 41,90±16,04 42,20±15,39 41,38±17,71 136,500²/824
G-38 28,65±5,04 29,54±4,25 27,15±6,05 1,298¹/,203
TEM-R 23,14±10,06 24,31±9,41 21,15±11,1 1,128¹/,267

Legenda: AOL = Teste de Atenção Online. AOL-A = Teste de Atenção Online, subitem de Atenção

Alternada. AOL-C = Teste de Atenção Online, subitem de Atenção Concentrada. AOL-D: Teste de Atenção

Online, subitem de Atenção Dividida. G-38 = Teste Não-Verbal de Inteligência G-38. TEM-R = Teste de Memória

de Reconhecimento (TEM-R). ¹ = Valor de T de Student. ² = Valor de U de Mann-Whitney. * = p <0,05.

89
6.7 Comparações adicionais entre grupos de estudo e comparação

6.7.1 Caracterização das Diferenças de Uso de Tecnologia entre Grupos

A maior parte dos participantes do grupo de comparação (94,11%) admitiu aumento no

número de horas de uso de tecnologia durante o período pandêmico em função das normas de

isolamento social, estabelecimento de teletrabalho e medidas de Ensino à Distância (EAD).

Como comparativo, 48,27% dos programadores notaram fazer mais uso de tecnologia durante

esse período, com a maioria (51,72%) afirmando que seu uso não mudou significativamente

comparado ao período pré-pandêmico. A diferença de horas de uso de tecnologia no trabalho

por ambos os grupos foi significativa (t = 5,361; p = ,001), assim como o aumento da frequência

de uso durante o período pandêmico (x²[2] = 11,519, p<,003). Esses resultados sugerem que,

apesar dos membros do grupo de comparação terem mudado drasticamente seus hábitos de uso

de tecnologia, o grupo de estudo ainda utiliza tecnologia por mais tempo para o trabalho e como

um todo, e não alterou seu consumo comparado ao período antes da COVID-19.

No que constam hábitos de prevenção ao excesso de luz ou uso excessivo de tecnologia,

aproximadamente 52,8% dos programadores avaliados utiliza filtros de luz azul em seus

dispositivos eletrônicos, enquanto 2,8% utilizam um programa para limitar suas horas de uso

ao longo do dia. Os 44,4% restantes não fazem uso de nenhum recurso citado. Entre os não-

programadores, apenas 43,3% faz uso de filtros de luz azul, com a maioria de 56,7% não

utilizando nenhum recurso para limitar a exposição à luz dos dispositivos. Nenhum recurso para

limitar as horas de uso de tecnologia foi mencionado pelos participantes do grupo comparação.

Por fim, em relação ao perfil de trabalho do grupo de estudo, a maior parte dos

programadores relata trabalhar de 31 a 40 horas semanais diretamente com computador

(39,5%), com uma porcentagem significativa (26,3%) que trabalha acima de 40 horas. A

maioria segue uma jornada de trabalho habitual na faixa entre 8h e 19h, com aproximadamente

18,4% relatando trabalhar no turno noturno, até meia noite com uso da internet. Além da carga

90
horária da empresa, trabalho freelance (comissionado) é comum, com uma média de 5,76 horas

(σ=8,18) dedicadas a esse tipo de função ao longo da semana, focadas primariamente no horário

entre 18h-24h, o que resulta em horas adicionais de uso de tecnologia para a escrita do código

comissionado. Outras 7,25h ao longo da semana são dedicadas a funções adicionais à de

programador, como funções administrativas, em que 76,2% da amostra declarou ainda fazer

amplo uso de tecnologia para exercer.

Em adição a esses pontos, a maior parte dos profissionais avaliados declarou estudar

código fora do horário de trabalho para exercer suas funções, o que é correspondente a mais

horas de uso de internet, visto que as informações para esses estudos se encontram

primariamente online. A média de horas de estudo de código por semana, além do horário de

trabalho, foi de 9,05 (σ= 15,29). Horas extras também foram citadas como frequentes

dependendo da complexidade dos projetos realizados. A média de horas extras relatadas ao

longo da semana foi de 6,26 (σ= 15,73) para a amostra coletada. No total, a média de horas de

trabalho e uso de tecnologia relacionada ao trabalho pelos programadores da amostra chegou a

68,32h por semana.

6.8. Correlações e Associações

6.8.1 Associações entre os dados sociodemográficos no grupo de estudo

Entre as variáveis sociodemográficas, foram encontradas associações significativas entre

as variáveis de Faixa Etária, Estado Civil, Escolaridade (Categoria) e Tempo Total de

Escolaridade no grupo de estudo [x² = 26,464, p<,004; 42,045, p<,000; x² = 25,284, p<,009; ρ

= ,509, p<,001], sugerindo que o nível de escolaridade, a tendência a relacionamentos sérios e

a idade apresentam forte interrelação na amostra coletada. A tendência seria de participantes

91
 mais velhos apresentarem mais anos de escolaridade, assim como maior índice de

relacionamentos sérios, que participantes mais jovens.

Em menor grau, o histórico de doenças crônicas foi associado ao nível de escolaridade

dos participantes (x²= 22,225, p<,024) e ao tempo total de escolaridade (F[5,58]= 2,351;

p<,052), o que sugere que a tendência a doenças crônicas se manifeste principalmente em

participantes de escolaridade mais alta.

Mais detalhes a respeito desses resultados na Tabela 6 abaixo. Resultados

complementares podem ser encontrados nos apêndices.

Tabela 6. Associações entre variáveis sociodemográficas no grupo de estudo.

Renda
Faixa Mensal Histórico Tempo total
Etária (em de de
(em Estado Escolaridade salários- Doenças escolaridade
Gênero anos) Civil (categoria) mínimos) Crônicas² (em anos)²
Faixa Etária (em x² de Pearson 3,481 1 26,464** 42,045* 29,704 0,293 25,284**
anos)

Sig. (2 0,481 0,004 0,00 0,195 0,074 0,009

extremidades)

N 38 38 38 38 38 38 38
**
Estado Civil x² de Pearson ,313 26,464 1 16,955 18,174 0,079 10,351

Sig. (2 0,957 0,004 0,072 0,462 0,636 0,598

extremidades)

N 38 38 38 38 38 38 38
Escolaridade x² de Pearson 1,007 42,045* 16,955 1 25,093 22,225* ,509*²
(categoria)

Sig. (2 0,862 0,000 0,072 0,223 0,024 0,001

extremidades)

N 38 38 38 38 38 38 38
Renda Mensal x² de Pearson 6,362 29,704 18,174 25,093 1 0,235 25,000
(em salários-
mínimos)
Sig. (2 0,360 0,195 0,462 0,223 0,156 0,081
extremidades)

N 38 38 38 38 38 38 38

92
Tempo total de Correlação de -0,067 0,293 0,079 ,509** 0,235 [5,58] 1
escolaridade (em Pearson/F de 2,351
anos) Fisher
Sig. (2 0,689 0,074 0,636 0,001 0,156 0,052
extremidades)

N 38 38 38 38 38 38 38
Legenda: x² referente ao valor de x² no teste de Qui-Quadrado Independente. Coeficiente de correlação referente
ao ρ de Pearson como aplicado no teste de correlação ponto-biserial. Entre as variáveis de Escolaridade em anos
e Histórico de doenças crônicas, o valor apresentado se refere ao F de Fisher devido à quantidade de grupos. * =
p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

93
6.8.2 Correlações entre dados sociodemográficos e questionários de humor e fadiga no grupo

de estudo

Entre os participantes do grupo de estudo, foram identificadas associações significativas entre

as variáveis de Uso de Álcool (F[2,27]= 3,876; p<,033) e Uso de Cigarros (F[2,27]= 3,441; p<,047)

e os escores em GAD-7, sugerindo uso mais frequente dessas substâncias entre programadores com

maiores índices de ansiedade. Similarmente, a frequência de atividades físicas também foi maior entre

os programadores mais ansiosos, tanto em relação ao escore bruto de GAD-7 (F[3,26]= 4,438;

p<,012) quanto em relação ao grupo de Programadores+ para ansiedade (x² = 9,445; p<,024).

De forma semelhante grupo de Programadores+ tanto para depressão (x² = 5,972; p<,057)

quanto para ansiedade (x² = 7,861; p<,020) apresentou associação significativa com o uso de álcool,

reafirmando a ligação entre esse uso mais frequente e alterações de humor na população estudada.

Mais detalhes a respeito desses resultados podem ser encontrados na Tabela 7 abaixo.

Resultados não significativos podem ser encontrados no Apêndice F.

Tabela 7. Associações entre variáveis sociodemográficas e de humor no grupo de estudo.

Frequência
Uso de
Histórico Diário de Uso de Uso de atividades
Psicológico Medicação Álcool Cigarro físicas
Escores F de Fisher [4,25] [1,28] [2,27] [2,27] [3,26]
no PHQ-9 1,418 1,329 2,357 2,101 3,125

Sig. (2 0,247 0,259 0,114 0,142 0,043

extremidades)

N 30 30 30 30 30
Escores F de Fisher [4,25] [1,28] [2,27] [2, 27] [3,26]
no GAD-7 1,424 ,003 3,876* 3,441* 4,438*

Sig. (2 0,255 0,956 0,033 0,047 0,012

extremidades)

N 30 30 30 30 30
*
Depressão x² de Pearson 4,144 0,003 5,972 5,004 5,416
por
Grupo+

94
 Sig. (2 0,387 0,843 0,057 0,082 0,144
extremidades)

N 30 30 30 30 30
*
Ansiedade x² de Pearson 4,261 0,067 7,861 5,308 9,445*
por
Grupo+
Sig. (2 0,372 0,795 0,020 0,070 ,024
extremidades)

N 30 30 30 30
Legenda: F de Fisher referente ao valor de F no teste Anova-One Way. x² referente ao valor de x² no teste de Qui-
Quadrado Independente. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com
análise do SPSS

95
6.8.3 Correlações entre os dados sociodemográficos e variáveis do sono no grupo de estudo

Entre os participantes do grupo de estudo, o Uso Diário de Medicação foi positivamente

correlacionado à latência durante a semana (ρ =,344, p<,035) e ao Horário de Acordar durante a

semana (ρ =,329, p<,044), o que sugere maiores índices de latência e um horário de despertar médio

mais tardio entre esses participantes. Em adição a isso, verificamos correlações entre o Uso de

Medicação e o escore de IQSP (ρ = ,434, p<,003), o que sugere maiores prejuízos à qualidade do sono

entre esses mesmos participantes.

O tempo de Escolaridade em Anos foi positivamente correlacionado à frequência de episódios

de Fragmentação do sono (ρ =,323, p<,048), o que sugere maior frequência de fragmentação do sono

entre os participantes de maior escolaridade. Esse mesmo fator foi negativamente correlacionado ao

Horário de Deitar no fim de semana (ρ = -,448, p<,005) e ao Horário de Acordar no fim de semana

(ρ = -,323, p<,048), o que sugere que os participantes de escolaridade mais alta apresentem horários

mais tardios durante esse período livre.

Correlações negativas significativas foram encontradas para o grupo de estudo entre o Gênero

e o Horário de Deitar no fim de semana (-,325, p<,047), o que sugere que as programadoras tendam

a deitar mais tarde durante esses dias do que seus colegas homens. Correlação similar foi atestada

entre o tempo total de escolaridade e o horário de deitar no fim de semana (ρ = -,448, p<,005), o que

sugere um horário de deitar mais tardio entre os participantes com escolaridade mais baixa.

A Faixa Etária foi associada ao horário de acordar durante a semana [F[4,18]= 4,067; p<,016]

e ao horário de deitar durante o fim de semana [F[4,18]= 5,312; p<,005], o que indica que a idade dos

programadores influencia esses horários. Similarmente, a faixa etária também é associada às

irregularidades de dormir (F [4,18]=40,994; p<,000), acordar (F [4,18]= 5,210) e levantar (F [4,18]=

3,400; p<,031), sugerindo que participantes mais jovens a apresentem maiores índices de

irregularidade entre os horários de sono e despertar da semana e do fim de semana que participantes

mais velhos.

96
 Por fim, o estado civil dos participantes foi associado à latência durante a semana (F [3,19]=

16,072; p<,000), o que é indicativo de maior latência entre os participantes em relacionamentos do

que os participantes solteiros.

Mais informações a respeito desses resultados na Tabela 9 a seguir. Os resultados

complementares não-significativos podem ser encontrados no Apêndice F.

97
 Tabela 8. Correlações e Associações entre dados sociodemográficos e parâmetros de sono no grupo de estudo.

Índice
de Horas
Qualida Escala Fragment Totais Horári Horári Irregulari
de do de Latênci ação do Horário Horário de Horári o de o de Horas Irregulari Irregularid Irregularida dade do
Sono de Sonolên a sono de de Sono o de Latênc Acord Levant Totais dade do ade do de do Horário
Pittsbur cia de (Sema (episódios Acordar Levantar (Sema Deitar ia ar ar de Sono Horário Horário de Horário de de
gh Epworth na) /período) (Semana) (Semana) na) (FDS) (FDS) (FDS) (FDS) (FDS) de Deitar Dormir Acordar Levantar
Faixa F de Fisher [4,24] [4,24] [4,18] 0,076 [4,18] [4,18] [4,18] [4,18] [4,18] [4,18] [4,18] [4,18] [4,18] [4,18] [4,18] [4,18]
Etária 1,646 2,178 ,874 4,067* 2,007 1,567 5,312* ,422 2,275 1,415 1,438 1,105 40,994** 5,210** 3,400**
(em anos)
Sig. (2 0,195 0,102 0,499 0,652 0,016 0,137 0,226 0,005 0,791 0,101 0,269 0,262 0,385 0,000 0,006 0,031
extremidad
es)
N 46 46 38 38 38 38 38 38 38 38 38 38 38 38 38 38
Estado F de Fisher [3,25] [3,25] [3,19] -0,051 [3, 19] [3,19] [3,19] [3,19] [3,19] [3,19] [3,19] [3,19] [3,19] [3,19] [3,19] 1,760 [3,19]
Civil ,041 ,674 16,072 ,784 1,654 ,946 868 ,480 1,700 1,415 ,621 1,591 1,452 ,851
**
Sig. (2 0,988 0,576 0,000 0,760 0,518 0,211 0,438 0,475 0,700 0,201 0,269 0,610 0,224 0,259 0,189 0,483
extremidad
es)
N 46 46 38 38 38 38 38 38 38 38 38 38 38 38 38 38
** *
Gênero¹ Correlação -0,069 ,378 -0,066 -0,031 -0,048 0,040 0,202 -,325 -0,004 -0,063 -0,054 0,079 0,050 -0,130 -0,052 -0,042
de Pearson

Sig. (2 0,649 0,010 0,694 0,854 0,773 0,811 0,225 0,047 0,979 0,707 0,746 0,638 0,768 0,437 0,758 0,801
extremidad
es)
N 46 46 38 38 38 38 38 38 38 38 38 38 38 38 38 38
* ** *
Tempo Correlação 0,168 -0,031 -0,096 ,323 -0,245 -0,209 0,008 -,448 -0,029 -,323 -0,272 -0,023 -0,090 -0,222 0,010 0,061
total de de Pearson
escolarida
de (em Sig. (2 0,269 0,839 0,566 0,048 0,138 0,207 0,961 0,005 0,864 0,048 0,099 0,889 0,589 0,180 0,955 0,716
anos)¹ extremidad
es)

98
 N 45 45 38 38 38 38 38 38 38 38 38 38 38 38 38 38
** * * ** ** **
Uso Correlação ,434 0,205 ,344 0,006 ,329 0,302 -0,132 0,189 0,211 0,263 0,279 -0,095 ,478 ,426 ,430 ,382*
Diário de de Pearson
Medicaçã
o¹ Sig. (2 0,003 0,173 0,035 0,970 0,044 0,066 0,428 0,255 0,204 0,110 0,090 0,568 0,002 0,008 0,007 0,018
extremidad
es)
N 46 46 38 38 38 38 38 38 38 38 38 38 38 38 38 38
Legenda: F de Fisher referente ao valor de F no teste Anova-One Way. ¹ =Coeficiente de correlação referente ao ρ de Pearson como aplicado no teste de correlação ponto-

biserial. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS

99
6.8.4 Correlações entre os dados sociodemográficos e as variáveis cognitivas no grupo de estudo

Duas associações principais foram encontradas entre os dados sociodemográficos e as variáveis

cognitivas no grupo de estudo. A primeira foi a correlação positiva moderada entre o escore de AOL-

D e o tempo de escolaridade em anos (ρ = ,579; p<,005), que sugere melhor desempenho em atenção

divida e flexibilidade cognitiva entre os participantes de escolaridade mais alta.

A segunda associação encontrada foi entre o desempenho em TEM-R e o gênero dos

participantes [F (1) = 4,055; p<,044], que sugere melhor desempenho em memória operacional entre

participantes homens do que entre participantes mulheres. É possível, no entanto, que essa diferença

se dê devido à própria diferença significativa entre homens e mulheres na composição do grupo de

estudo, com o número reduzido de mulheres reduzindo a média obtida.

Resultados complementares podem ser encontrados no Apêndice F.

Figura 5. Gráfico em barras comparando os escores no teste TEM-R de acordo com a variável gênero no grupo de estudo.

100
Figura 6. Gráfico de dispersão ilustrando a correlação entre os escores no teste AOL-D e a variável Tempo total de escolaridade no
grupo de estudo.

101
6.8.5 Correlações entre as variáveis de sono, humor e fadiga no grupo de estudo

Entre os parâmetros de sono e os índices de humor e fadiga no grupo de estudo, as principais

correlações ocorreram entre os episódios de fragmentação do sono durante a noite e as pontuações

em PHQ-9 e GAD=7 (ρ = ,593, p<,003; ρ = ,628, p<,001 respectivamente), o que sugere que maiores

índices de depressão ou ansiedade ambos correspondem à maior frequência de episódios de

fragmentação do sono durante a noite. Em adição a isso, os episódios de fragmentação do sono

também foram significativamente associados aos participantes do grupo de Programadores+ que

relataram maiores índices de depressão (ρ = ,628, p<,001), mas não significativamente aos que

relataram maiores índices de ansiedade (ρ = ,514, p<,012), o que sugere uma associação mais forte

entre a fragmentação do sono e a sintomatologia depressiva do que ansiosa no grupo pesquisado.

Os escores em IQSP foram positivamente correlacionados ao índice de Fadiga (ρ =,374,

p<,046) e aos escores em PHQ-9 (ρ = ,396, p<,034), sugerindo pior qualidade do sono entre os

participantes mais fatigados e de maiores índices de sintomatologia depressiva. Em adição a isso, o

índice de fadiga também foi significativamente correlacionado às Irregularidades do Horário de

Dormir (ρ = ,436, p<,038), Acordar (ρ = ,457, p<,028) e Levantar (ρ = ,464, p<,026), o que sugere

maiores queixas relacionadas à fadiga entre os participantes de horários mais irregulares do grupo de

estudo.

Por fim, o escore em GAD-7 foi negativamente correlacionado ao Horário de Dormir no fim de

semana (ρ = -,423, p<,044), o que indica um horário de despertar mais matutino entre os participantes

com maiores indícios de ansiedade do grupo de estudo.

O índice de IQSP também foi associado ao grupo de Programadores+ tanto em relação aos

escores de ansiedade [F (1,44) = 5,928; p<,019] quanto de depressão [F (1,44) = 4,372; p<,042], o

que é indicativo de índices mais pronunciados de má qualidade do sono entre os indivíduos mais

afetados por sintomas ansiosos ou depressivos dentro do grupo de estudo.

102
 Similarmente, o grupo de Programadores+ com maiores índices de ansiedade apresentou

associações adicionais com as variáveis de horas totais de sono durante a semana [F (1,36) = 3,934;

p<,055), latência no fim de semana [F (1,36) = 4,979; p<,032) e irregularidade da latência (F (1,36)

= 5,584; p<,024), indicando influência da sintomatologia ansiosa sobre a latência e o tempo de sono

desses indivíduos. Os Programadores+ com maiores índices de depressão, por sua vez, apresentaram

associação às variáveis de irregularidade de acordar [F (1,36) = 4,410; p<,043] e levantar [F (1,36) =

4,881; p<,034], o que sugere maior disparidade entre esses horários na semana para o fim de semana

entre os programadores com maiores índices de sintomatologia depressiva.

Todos os resultados, inclusive os não-significativos, podem ser encontrados no Apêndice F. A

Tabela 9 abaixo ilustra os principais resultados encontrados:

Tabela 9. Correlações e Associações entre variáveis de humor e variáveis do sono no grupo de estudo

Escala de Escores Escores

Ansiedade Depressão
Severidade no no
Por Grupo+¹ por Grupo+¹
de Fadiga PHQ-9 GAD-7

Correlação de [1,44] [1,44]

,374* ,396* 0,268
Índice de Pearson 5,928* 4,372*
Qualidade do Sono
de Pittsburgh (Pós- Sig. (2
0,046 0,034 0,159 0,019 0,042
COVID) extremidades)

N 29 29 29 29 29

Correlação de
0,157 ,593** ,628** ,628** ,514*
Pearson
Fragmentação do
sono
Sig. (2
(episódios/período) 0,476 0,003 0,001 0,001 0,012
extremidades)

N 23 23 23 23 23

Correlação de
0,068 -0,331 -,423* [1,45] ,021 [1,36] 1,589
Pearson
Horário de Dormir
(Fim de Semana) Sig. (2
0,759 0,123 0,044 0,884 0,216
extremidades)

N 23 23 23 23 23
Horas Totais de Correlação de -0,266 -0,029 0,144 [1,36] 3,934* [1,36]
Sono (Semana) Pearson ,933

103
 Sig. (2 0,219 0,897 0,511 0,055 0,341
extremidades)

N 23 23 23 23 23
Latência (Fim de Correlação de 0,161 0,403 0,359 [1,36] 4,979* [1,36]
Semana) Pearson ,028

Sig. (2 0,464 0,057 0,093 0,032 0,869

extremidades)

N 23 23 23 23 23

Correlação de
,436* 0,077 -0,059 [1,36] ,321 [1,36] ,155
Pearson
Irregularidade do
Horário de Dormir Sig. (2
0,038 0,728 0,79 0,574 0,574
extremidades)

N 23 23 23 23 23

Correlação de [1,36]
,457* 0,181 -0,005 [1,36] ,041
Pearson 4,410*
Irregularidade do
Horário de
Sig. (2
Acordar 0,028 0,409 0,983 0,841 0,043
extremidades)

N 23 23 23 23 23

Correlação de [1,36]
,464* 0,242 0,079 [1,36] ,008
Irregularidade do Pearson 4,881*
Horário de
Sig. (2
Levantar 0,026 0,267 0,718 0,927 0,034
extremidades)
N 23 23 23 23 23

Irregularidade da Correlação de 0,279 0,412 0,263 [1,36] [1,36] ,095

Latência Pearson 5,584*

Sig. (2 0,198 0,051 0,226 0,024 0,759

extremidades)

N 23 23 23 23 23
Legenda: Coeficiente de correlação referente ao ρ de Pearson. ¹= Coeficiente de correlação correspondente ao F de
Fisher em análise realizada através de ANOVA One-Way. * = p<,005 bicaudal de acordo com análise do SPSS. ** =
p<,001 bicaudal de acordo com análise do SPSS.

6.8.6 Correlações entre as variáveis de sono e variáveis cognitivas no grupo de estudo

Poucas correlações foram identificadas entre as variáveis de sono e as variáveis cognitivas

averiguadas na amostra geral. Dentre elas, a Irregularidade do Tempo de Cama foi moderadamente e

negativamente correlacionada ao desempenho em G-38 (ρ =-,441, p<,009), o que sugere um

104
desempenho prejudicado em habilidades de flexibilidade cognitiva e memória operacional associados

ao aumento da irregularidade no tempo na cama. O escore em AOL-C foi negativamente

correlacionado à latência durante a semana (ρ =-,346, p<,045), o que sugere um desempenho

prejudicado em atenção sustentada entre participantes que apresentaram maior latência.

Similarmente, há indicações de que o desempenho em AOL-D tenha sido menor entre participantes

com horário de acordar mais tardio durante a semana (ρ =,-344, p<,046). Mais detalhes a respeito

desses resultados disponíveis no Apêndice F.

Entre o grupo de estudo, foram averiguadas correlações entre a Irregularidade da Latência e o

desempenho em AOL-A (ρ = ,446, p<,037), o que indica melhor desempenho em atenção alternada

apresentaram maior distoância na latência da semana para o fim de semana. Similarmente, foi

encontrada correlação positiva entre a Irregularidade do Horário de Dormir e o desempenho em TEM-

R (ρ = ,457, p<,032), o que sugere melhor desempenho em memória operacional e memória de

reconhecimento entre os participantes que apresentaram diferenças mais marcantes no horário de

dormir da semana para o fim de semana. O desempenho em TEM-R também foi positivamente

correlacionado aos escores de Epworth (ρ = ,431, p<,045), sugerindo melhor desempenho entre os

participantes do grupo de estudo que apresentaram maiores índices de sonolência.

Entre as correlações negativas, tanto as horas de sono totais no fim de semana quanto a

irregularidade do tempo total de cama foram negativamente correlacionados ao desempenho em G-

38 (ρ = -,548, p<,008; ρ = -,560, p<,007 respectivamente), o que similarmente sugere prejuízo a

domínios cognitivos de memória operacional e flexibilidade cognitiva, assim como ao desempenho

executivo geral. Por fim, o escore em Epworth também foi negativamente correlacionado ao

desempenho em AOL-D (ρ = -,504, p<,017), sugerindo maiores prejuízos em atenção dividida entre

a população com maiores índices de sonolência nesse grupo.

Mais informações a respeito do desempenho do grupo de estudo na Tabela 12 a seguir, com

os demais sendo encontrados no Apêndice F.

105
Tabela 10. Correlações entre as variáveis do sono e escores neuropsicológicos no grupo de estudo

TEM-R AOL-A AOL-C AOL-D G-38

Correlação de
,431* -0,19 0,139 -,504* 0,143
Escala de Pearson
Sonolência de
Epworth Sig. (2
0,045 0,396 0,536 0,017 0,527
(Pós-COVID) extremidades)

N 22 22 22 22 22

Correlação de
-0,312 -0,107 0,248 0,185 -,548**
Pearson
Horas Totais
de Sono (Fim
Sig. (2
de Semana) 0,158 0,637 0,266 0,411 0,008
extremidades)

N 22 22 22 22 22

Correlação de
,457* -0,137 -0,286 -0,193 0,181
Pearson
Irregularidade
do Horário de
Sig. (2
Dormir 0,032 0,542 0,196 0,39 0,42
extremidades)

N 22 22 22 22 22

Correlação de
-0,147 ,446* 0,246 0,258 0,003
Pearson
Irregularidade
da Latência Sig. (2
0,513 0,037 0,27 0,246 0,99
extremidades)

N 22 22 22 22 22

Correlação de
-0,271 -0,035 0,121 0,127 -,560**
Irregularidade Pearson
de Tempo
Total na Sig. (2
0,223 0,877 0,592 0,574 0,007
Cama extremidades)

N 22 22 22 22 22
Legenda: Coeficiente de correlação referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise do SPSS.
** = p<,001 bicaudal de acordo com análise do SPSS.

6.8.7 Correlações entre as variáveis de sono e variáveis de uso de tecnologia no grupo de estudo

Em relação ao grupo de programadores, analisamos as relações entre as variáveis de sono e de

uso de tecnologia, em especial para o trabalho. Entre os resultados encontrados, os escores da Escala

106
de Sonolência de Epworth foram positivamente e significativamente correlacionados às horas de uso

de tecnologia para o trabalho (ρ =-,599, p<,000), o que sugere que horas prolongadas de uso de

tecnologia para o trabalho se relacionam ao aumento nos níveis de sonolência do indivíduo. Em

adição a isso, os escores de Epworth ainda foram negativamente correlacionados às horas de trabalho

por semana (ρ = -,537, p<,000) e às horas de estudo de código (ρ = -,545, p<,000), o que sugeriria

que participantes com maiores índices de sonolência dedicam menos horas por semana a essas tarefas.

Adicionalmente, a Irregularidade do Horário de Dormir foi significativamente e positivamente

correlacionadas às horas de trabalho freelance (ρ =,514, p<,001), o que sugere um aumento da

irregularidade relacionado ao trabalho comissionado extra e à extensão das horas de trabalho dos

programadores. Similarmente, a Irregularidade do Horário de Dormir também foi correlacionada à

quantidade de Horas Extras por semana (ρ = ,348, p<,032), o que indica maior irregularidade entre

os programadores que relatam maior frequência de Horas Extras. A frequência de uso de Tecnologia

durante a semana também foi correlacionada à frequência de Horas Extras (ρ = ,403, p<,012),

sugerindo maior uso de tecnologia entre os participantes que relatam mais horas extras semanais.

O uso de tecnologia durante o fim de semana foi negativamente correlacionado às Horas de

Estudo de Código (ρ = -,399, p<,014), sugerindo que o uso de tecnologia no tempo livre seja mais

frequente entre os programadores que dedicam menos tempo estudando código. Similarmente, tanto

a Irregularidade do Horário de Deitar quanto de Dormir foram negativamente correlacionadas ao

Horário Usual de Trabalho [(ρ = -,348, p<,032) e (ρ = -,338, p<,038) respectivamente], sugerindo

maior irregularidade dos horários de início do sono entre os participantes com horários de trabalho

mais tardios.

Mais informações a respeito desses índices mais importantes na Tabela 11 a seguir, com os

demais sendo encontrados no Apêndice F.

107
Tabela 11. Correlações entre as variáveis do sono e de uso de tecnologia para o trabalho no grupo de
estudo
Horas Horas
de de
Horas de Trabalh Estudo
Uso de Horas de Horas Horas de o em de Horário Horas
Tecnologi Uso de de Trabalho Outras Código Usual de Extras
a ao Tecnologi Trabalh Freelanc Funções por Trabalho por
Longo do a para o o por e por por Seman (categoria Seman
Dia Trabalho Semana Semana Semana a ) a
Escala de Correlação 0,192 -,599** -,537** -0,270 0,002 -,545** -0,174 -0,257
Sonolência de Pearson
de Epworth
(Pós- Sig. (2 0,206 0,000 0,000 0,070 0,992 0,000 0,248 0,084
COVID) extremidades
)
N 45 46 46 46 29 46 46 46
Horário em Correlação 0,270 0,168 0,015 0,301 0,244 0,204 -0,053 ,403*
que usou de Pearson
tecnologia
(Semana) Sig. (2 0,106 0,315 0,929 0,066 0,261 0,218 0,752 0,012
extremidades
)
N 37 38 38 38 23 38 38 38
*
Horário em Correlação 0,112 -0,144 -0,257 0,029 0,181 -,399 0,069 -0,211
que usou de Pearson
tecnologia
(Fim de Sig. (2 0,514 0,394 0,124 0,865 0,421 0,014 0,685 0,210
Semana) extremidades
)
N 36 37 37 37 22 37 37 37
*
Irregularidad Correlação 0,239 -0,054 -0,070 0,014 -0,151 0,041 -,348 0,088
e do Horário de Pearson
de Deitar
Sig. (2 0,153 0,747 0,677 0,932 0,490 0,809 0,032 0,601
extremidades
)
N 37 38 38 38 23 38 38 38
** *
Irregularidad Correlação 0,164 0,110 0,148 ,514 0,117 0,115 -,338 ,348*
e do Horário de Pearson
de Dormir
Sig. (2 0,333 0,512 0,376 0,001 0,594 0,493 0,038 0,032
extremidades
)
N 37 38 38 38 23 38 38 38
Legenda: Coeficiente de correlação referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise do SPSS.
** = p<,001 bicaudal de acordo com análise do SPSS

108
6.8.8 Correlações entre as variáveis sociodemográficas no grupo comparação

As associações significativas encontradas entre as variáveis sociodemográficas nesse grupo

foram semelhantes às encontradas no grupo de estudo. Associações entre Faixa Etária x Estado Civil

(x² [8] = 20,431; p<,006), Faixa Etária x Escolaridade (x² [12] = 25,770; p<,003) e Estado Civil x

Escolaridade (x² [6] 13,768; p<,032), assim como a correlação encontrada entre Faixa Etária x Tempo

Total de Escolaridade (ρ =,588; p<,003), são portanto similarmente indicativas de que o nível de

escolaridade, a tendência a relacionamentos sérios e a idade são fortemente interrelacionados entre

os indivíduos do grupo comparação como no grupo de estudo. Similarmente ao encontrado entre

programadores, indivíduos mais velhos do grupo de comparação tendem a estar em relacionamentos

sérios e apresentar mais anos de escolaridade total que indívuos mais jovens.

Os principais índices mencionados podem ser encontrados na tabela a seguir, com os demais

encontrados no Apêndice F.

Tabela 12. Associações entre as variáveis sociodemográficas no grupo de comparação.

Faixa Tempo total
Etária de
(em Estado Escolaridade escolaridade
Gênero anos) Civil (categoria) (em anos)¹
Faixa Etária (em x² de Pearson [4] 1,000 [8] [12] ,588**
**
anos) 5,052 20,431** 25,770

Sig. (2 0,564 0,006 0,003 0,003

extremidades)

N 25 25 25 25 24
**
Estado Civil x² de Pearson [2] 205 [8] 1,000 [6] 13,768 0,342
20,431

Sig. (2 0,902 0,006 0,032 0,102

extremidades)

N 25 25 25 25 24
**
Escolaridade x² de Pearson [3] [12] 25, ,601 1,000 ,504*
(categoria) 7,503 770**

Sig. (2 0,100 0,003 0,001 0,012

extremidades)

109
 N 25 25 25 25 24
** *
Tempo total de Coeficiente 0,117 ,588 0,342 ,504 1,000
escolaridade (em de Correlação
anos)¹
Sig. (2 0,587 0,003 0,102 0,012
extremidades)

N 24 24 24 24 24
Legenda: Coeficiente de associação referente ao h de Kruskal-Wallis. ¹=Coeficiente de correlação referente ao ρ de
Spearman. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.
A variável Histórico Neurológico é ausente no grupo comparação e não foi incluída.

6.8.9 Correlações entre as variáveis sociodemográficas e índices de humor e fadiga no grupo

comparação

Apenas uma correlação significativa foi encontrada entre variáveis sociodemográficas e índices

de humor e fadiga nesse grupo: entre os índices de fadiga excessiva e o tempo de escolaridade ( ρ =,

587; p<,017), o que indica níveis de fadiga excessiva maiores entre os participantes de mais

escolaridade.

Mais detalhes a respeito da análise utilizada podem ser encontrados no Apêndice F.

6.8.10 Associações entre as variáveis sociodemográficas e parâmetros do sono no grupo

comparação

Entre os parâmetros de sono e variáveis sociodemográficas, encontramos algumas associações

relevantes. Entre elas, o uso de medicação foi correlacionado à latência durante a semana (ρ =,680,

p<,005), o que sugere maior latência por parte dos participantes que não utilizam medicação. O uso

de medicação diário também foi positivamente associado às irregularidades dos horário de deitar (ρ

=,588, p<,021), dormir (ρ =,711, p<,003), acordar (ρ =,557, p<,031) e levantar (ρ = ,557, p<,031),

que sugere que os indivíduos que não fazem uso de medicação também apresentam maior

irregularidade nos horários de sono entre a semana e o fim de semana. Esse resultado é semelhante

ao encontrado no grupo de estudo.

O gênero foi negativamente correlacionado ao horário de uso de tecnologia no fim de semana

(ρ = -, 557, p<,031), assim como às irregularidades de acordar (ρ = -,526, p<,044) e levantar (ρ = -

,588, p<,021). Esse resultado sugere que as participantes femininas do grupo comparação tendem a

110
dormir mais cedo e apresentar menores índices de irregularidade entre os horários de despertar da

semana e do fim de semana comparadas aos participantes masculinos.

A faixa etária dos participantes foi associada aos horários de acordar, tanto durante a semana

(x² [2] = 7,490, p<,0,024) quanto no fim de semana (x² [2] = 10,652, p<,005), assim como ao horário

de levantar da cama nos fins de semana (x² [2]) = 10,633, p<,005) e às horas de sono totais no fim de

semana (x² [2] 9,048, p<,011). Essas associações sugerem diferenças significativas entre os horários

de despertar dos participantes mais velhos e mais jovens, o que é condizente com a tendência

observada entre os participantes mais jovens a horários de despertar mais tardios e menos horas de

sono no fim de semana em comparação aos participantes mais velhos.

Por fim, a variável de histórico psicológico foi associada à irregularidade do tempo de latência

na cama (x² [4] = 9,504 p<,050), o que sugere que indíviduos com histórico psicológico prévio

apresentam maior latência antes de cair no sono do que indivíduos sem esse histórico. Esse resultado

é condizente com o encontrado na análise dos índices de humor da população de estudo, em que

principalmente a presença de sintomatologia ansiosa foi associada a maiores índices de latência.

111
Tabela 13. Associações entre parâmetros de sono e variáveis sociodemográficas no grupo comparação.
Horário Horas
Índice em que Horári Horári Totais
de usou o de o de de Irregula Irregul
Qualida Horário tecnoloAcorda Levant Sono ridade aridade Irregular
de do Escala de Latênci de gia r (Fim ar (Fim (Fim do do idade do Irregularid
Sono de Sonolênc a Acordar (Fim de de de de Horário Horári Horário ade do Irregular
Pittsbur ia de (Seman (Semana Semana Seman Seman Seman de o de de Horário de idade da
gh Epworth a) ) ) a) a) a) Deitar Dormir Acordar Levantar Latência
Faixa H de [2] [2] 4,366 [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] 0,557 [2]
Etária (em Kruskal- 2,828 1,315 7,490* 3,01510,652 10,633 9,048** 0,265 0,265 0,387 1,690
anos) Wallis ** **
Sig. (2 0,243 0,113 0,518 0,024 0,221 0,005 0,005 0,011 0,876 0,581 0,824 0,757 0,429
extremidad
es)
N 17 17 15 15 15 15 15 15 15 15 15 15 15
Histórico H de [4] [4] 6,971 [4] [4] [4] [4] [4] [4] [4] [4] [4] [4] 5,392 [4]
Psicológic Kruskal- 3,910 2,229 6,150 0,982 0,660 1,223 3532 4,227 3,517 6,510 9,504*
o Wallis
Sig. (2 0,418 0,137 0,684 0,188 0,913 0,956 0,874 0,473 0,376 0,475 ,164 0,249 0,050
extremidad
es)
N 17 17 15 15 15 15 15 15 15 15 15 15 15
* * *
Gênero Coeficiente -0,231 0,205 0,000 -0,186 -,557 -0,278 -0,139 0,217 -0,217 -0,433 -,526 -,588 -0,309
de
Correlação
Sig. (2 0,373 0,431 1,000 0,508 0,031 0,315 0,620 0,438 0,438 0,107 0,044 0,021 0,262
extremidad
es)
N 17 17 15 15 15 15 15 15 15 15 15 15 15
** * ** * *
Uso Diário Coeficiente 0,185 -0,012 ,680 0,247 0,155 -0,103 -0,032 -0,124 ,588 ,711 ,557 ,557 0,402
de de
Medicação Correlação
¹ Sig. (2 0,478 0,963 0,005 0,374 0,582 0,714 0,909 0,660 0,021 0,003 0,031 0,031 0,137
extremidad
es)

112
 N 17 17 15 15 15 15 15 15 15 15 15 15 15
Legenda: Coeficiente de associação referente ao h de Kruskal-Wallis. ¹= Variáveis de Gênero e Uso de Medicação avaliadas através do ρ de Spearman em correlação Ponto-
Biserial. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS. A variável Histórico Neurológico é ausente no grupo
comparação e não foi incluída.

113
6.8.11 Correlações entre as variáveis sociodemográficas e variáveis cognitivas no grupo
comparação

Entre os indivíduos do grupo comparação, foi encontrada forte associação entre a variável de

Estado Civil e o escore no teste G-38 (x² [2]= 8,221, p<,016). Esse resultado sugere que os

participantes em relacionamentos estáveis apresentaram um desempenho melhor em domínios de

memória operacional e flexibilidade cognitiva de acordo com o averiguado pelo teste G-38 do que os

participantes solteiros.

Em adição a isto, o desempenho de memória operacional e memória de reconhecimento de

acordo com TEM-R foi correlacionado ao uso diário de medicação (ρ = ,636, p<,020 de acordo com

a correlação Ponto-Biserial), o que indica melhores desempenhos por parte dos indivíduos do grupo

que não fazem uso de medicação constante.

As figuras abaixo ilustram melhor as associações encontradas. As outras associações entre essas

variáveis podem ser encontradas no Apêndice F.

Figura 7. Gráfico em barras comparando os escores no teste TEM-R de acordo com a variável Uso de Medicação no
grupo de comparação.

114
Figura 8. Gráfico em barras comparando os escores no teste G-38 de acordo com a variável Estado Civil no grupo de
comparação.

6.8.12. Correlações entre os parâmetros de sono e índices de humor e fadiga no grupo

comparação

Entre os participantes do grupo de comparação, foram identificadas fortes correlações positivas

entre os parâmetros de sono e os escores de PHQ-9. Tanto as irregularidades dos horários de deitar

quanto de dormir foram significativamente correlacionadas aos escores de PHQ-9 (ρ = ,831, p<,000;

ρ = ,721, p<,002 respectivamente). Associações semelhantes foram encontradas especialmente entre

os indivíduos do grupo Comparação+ (x²[1]= 5,317, p<,021 para as três irregularidades de dormir,

acordar e levantar entre os indivíduos desse grupo). Esses resultados sugerem maiores variações no

timing de deitar e dormir entre os participantes do grupo comparação com maiores indícios de

sintomas depressivos.

Por outro lado, houve correlações positivas entre os escores de GAD-7 no grupo comparação e

o índice de IQSP (p = ,599, p<,011), assim como entre GAD-7 e o aumento na latência (p = ,540,

p<,038), o que aponta para a influência da sintomatologia ansiosa tanto na má qualidade quanto na

diminuição da propensão ao sono, gerando maior latência. Ainda em relação aos escores de ansiedade,

115
 houve correlação negativa entre GAD-7 e as horas totais de sono durante a semana (p = -,627,

p<,012), o que aponta que participantes ansiosos do grupo comparação dormem menos ao longo da

semana que os participantes menos ansiosos. Similarmente, os indíviduos com maiores índices de

ansiedade desse grupo apresentam fortes associações ao horário de levantar e às horas totais de sono

durante a semana (x²[1]= 4,371, p<,037; x²[1]= 6,153, p<,013), sugerindo a influência da

sintomatologia ansiosa sobre os horários de sono desses participantes.

Por fim, a Escala de Fadiga foi negativamente correlacionada ao horário de acordar no fim de

semana, sugerindo que participantes do grupo comparação com níveis mais altos de fadiga busquem

dormir mais nos fins de semana.

Mais detalhes a respeito desses resultados na tabela 14 a seguir. Resultados adicionais podem

ser encontrados no Apêndice F.

Tabela 14. Correlações e Associações entre parâmetros do sono e variáveis de humor no grupo de
comparação.
Horas
Índice Horário Totais Irregul
de Horário de de Irregu aridad
Qualida Horário de Horas Acorda Sono larida e do Irregulari
de do Latênci de Levanta Totais r (Fim (Fim de do Horári dade do Irregularida
Sono de a Acordar r de Sono de de Horári o de Horário de do
Pittsbur (Seman (Semana (Semana (Semana Semana Seman o de Dormi de Horário de
gh a) ) ) ) ) a) Deitar r Acordar Levantar
Escala de Coeficiente 0,057 0,064 -0,311 -0,018 -0,186 -,551* -0,355 0,460 0,274 0,145 0,125
Severidade de de
Fadiga Correlação
Sig. (2 0,828 0,820 0,259 0,950 0,507 0,033 0,194 0,085 0,324 0,606 0,657
extremidad
es)
N 17 15 15 15 15 15 15 15 15 15 15
* ** ** *
Escores no Coeficiente ,490 0,253 -0,032 0,134 -0,450 -0,284 -0,369 ,831 ,721 ,569 ,561*
PHQ-9 de
Correlação
Sig. (2 0,046 0,363 0,909 0,635 0,092 0,306 0,176 0,000 0,002 0,027 0,029
extremidad
es)
N 17 15 15 15 15 15 15 15 15 15 15
* * *
Escores no Coeficiente ,599 ,540 -0,372 -0,414 -,627 -0,209 -0,477 0,479 0,396 0,405 0,372
GAD-7 de
Correlação
Sig. (2 0,011 0,038 0,172 0,125 0,012 0,455 0,072 0,071 0,144 0,135 0,172
extremidad
es)
N 17 15 15 15 15 15 15 15 15 15 15
116
Depressão por H de [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] 5,317*
Grupo+ Kruskal- 2,412 1,085 0,121 0,164 3,013 0,567 0,567 7,085 5,317* 5,317*
Wallis
Sig. (2 0,120 0,298 0,728 0,685 0,083 0,452 0,452 0,008 0,021 0,021 0,021
extremidad
es)
N 17 15 15 15 15 15 15 15 15 15 15
Ansiedade por H de [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] 1,381 [1] 1,091
Grupo+ Kruskal- 2,970 2,455 3,341 4,371* 6,153** 2,258 3,598 0,835 0,273
Wallis
Sig. (2 0,085 0,117 0,068 0,037 0,013 0,133 0,058 0,361 0,602 0,240 0,296
extremidad
es)
N 17 15 15 15 15 15 15 15 15 15 15

Legenda: Coeficiente de correlação referente ao ρ de Spearman. Coeficiente de associação referente ao h de Kruskal-

Wallis. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

117
6.8.13. Correlações entre parâmetros do sono e escores neurocognitivos no grupo comparação

Entre os participantes do grupo comparação, encontramos correlações positivas significativas

entre o desempenho em TEM-R, referente à memória operacional e memória de reconhecimento, e o

horário de levantar dos participantes no fim de semana (ρ = ,667, p<,018), sugerindo um desempenho

melhor no teste entre os participantes com horário de levantar mais tardio. Similarmente, o

desempenho de atenção dividida em acordo com AOL-D foi correlacionado aos índices de sonolência

em Epworth (,603, p<,002), sugerindo melhor desempenho no teste por parte dos indivíduos com

maiores índices de sonolência.

Entre as correlações negativas encontradas, destacam-se as correlações entre os escores em

atenção sustentada de acordo com AOL-C e os horários de dormir durante a semana (ρ = -,618,

p<,024), de uso de tecnologia durante a semana (ρ = -,592, p<,043), de deitar no fim de semana (ρ =

-,592, p<,043), de dormir no fim de semana (ρ = -,690, p<,013), e de uso de tecnologia no fim de

semana (ρ = -,732, p<,007), que indicariam que participantes que usaram tecnologia até mais tarde

no fim de semana apresentaram resultados mais prejudicados na avaliação da atenção sustentada de

acordo com AOL-C. Similarmente, o desempenho de AOL-D foi correlacionado negativamente ao

horário de acordar durante a semana (ρ = -,588, p<,044), o que sugere um desempenho mais

prejudicado em atenção dividida entre os participantes de horários de despertar mais tardios.

Correlações adicionais não-significativas podem ser encontradas no Apêndice F. As principais

correlações são encontradas na Tabela 15 abaixo:

Tabela 15. Correlações entre parâmetros do sono e escores neurocognitivos para o grupo de
comparação
Horário Horári Horári Horário Horári
em que o de o de em que o de
Horário usou Horário Deitar Dormir usou Levant
Escala de de tecnolog de (Fim (Fim tecnolog ar (Fim
Sonolênc Dormir ia Acordar de de ia (Fim de
ia de (Seman (Semana (Semana Seman Seman de Seman
Epworth a) ) ) a) a) Semana) a)

118
 TEM- Coeficien 0,138 0,099 0,347 0,481 0,263 0,130 0,119 ,667*
R te de
Correlaçã
o
Sig. (2 0,653 0,747 0,269 0,114 0,409 0,688 0,712 0,018
extremida
des)
N 13 13 12 12 12 12 12 12
AOL- Coeficien 0,211 -,618* -,592* -0,472 -,592* -,690* -,732** -0,472
C te de
Correlaçã
o
Sig. (2 0,490 0,024 0,043 0,121 0,043 0,013 0,007 0,121
extremida
des)
N 13 13 12 12 12 12 12 12
* *
AOL- Coeficien ,603 -0,169 -0,361 -,588 -0,298 -0,273 -0,336 -0,441
D te de
Correlaçã
o
Sig. (2 0,029 0,580 0,249 0,044 0,347 0,390 0,285 0,151
extremida
des)
N 13 13 12 12 12 12 12 12
Legenda: Coeficiente de correlação referente ao ρ de Spearman. * = p<,005 bicaudal de acordo com análise do SPSS.
** = p<,001 bicaudal de acordo com análise do SPSS.

119
6.8.14 Regressão Múltipla das Variáveis Cognitivas para a Amostra Geral

A fim de avaliar quais das variáveis registradas podem ter influenciado mais fortemente o

desempenho cognitivo dos participantes da amostra geral, foi realizada também a regressão múltipla

entre o desempenho nos testes neuropsicológicos e as variáveis sociodemográficas, de sono, humor e

fadiga. Dos cinco testes observados, apenas as variáveis analisadas para o teste AOL-A não

resultaram em um modelo estatisticamente significativo. Isso se deu possivelmente devido ao AOL-

A demonstrar pouca sensitividade nos resultados obtidos pela nossa amostra, o não permitiria

predições mais robustas a partir das variáveis encontradas.

Figura 9. Representação gráfica do modelo de regressão múltipla para os escores de AOL-C.

O modelo é estatisticamente significativo [F (4,28) = 5,783; p < 0,02; R² = ,452]. As variáveis

identificadas como parte do modelo foram: Horas de Trabalho Freelance por Semana (β: -,345; t = -

2,403; p = ,023), Sono Insuficiente (β: ,467; t = 2,981; p = ,006), Tempo Total de Escolaridade (em

anos) (β: ,301; t = 1987; p = ,057) e Leitura e Envio de e-mails Pessoais (β: -420; t = -2,403; p =

,023), sendo sono insuficiente a variável mais significativa. O resultado sugere que o sono insuficiente

120
seja um fator fortemente relacionado ao desempenho do voluntário em tarefas de atenção

concentrada, e, subsequentemente, em tarefas de memória operacional.

Figura 10. Representação gráfica do modelo de regressão múltipla para os escores de AOL-D.

O modelo é estatisticamente significativo [F (4,28) = 6,203 ; p < ,001 ; R² = ,470], composto

pelas variáveis de: Histórico Neurológico (β: -,404 ; t = -2,809; p < ,009), Histórico de Doenças

Crônicas (β: ,330; t = 2,346; p < ,026), Horário de Acordar (semana) [β: -1,063; t = -3,095; p < ,004]

e Horário de Levantar (semana) [β: ,699; t = 2,042; p < ,051]. Dentre as variáveis supracitadas, a mais

significativa foi a média do horário de acordar no diário do sono. O resultado sugere que menor

variabilidade no horário de acordar esteja relacionada a um desempenho superior em atenção dividida

121
 Figura 11. Representação gráfica do modelo de regressão múltipla para os escores de TEM-R.

O modelo é estatisticamente significativo [F (5,27) = 9,003; p < 0,01 ; R² = ,625]. As variáveis

identificadas incluíram: Tempo Total de Escolaridade (em anos) (β = -,307/ t= -2,415; p = ,023), os

hábitos de Leitura e Envio de E-Mails Pessoais (β = -,345; t = -2,349 ; p = ,026), o Envio de E-Mails

Relacionados ao Trabalho (β = -,346; t = -2,347 ; p = ,027), a média do horário de Uso de Tecnologia

Durante a Semana (β: ,219; t = 1,724; p = ,096) e o Estado Civil do voluntário (β = ,451; t = 3,733; p

= ,001). Dentre as variáveis citadas, o estado civil foi a mais significativa. O resultado é sugestivo de

que participantes em relações sérias, em sua maioria os participantes mais velhos, tenham um

desempenho geral melhor em memória operacional.

122
Figura 12. Representação gráfica do modelo de regressão múltipla para os escores de G-38.

O modelo é estatisticamente significativo [F(2,29) = 7,007; p < ,003; R² = ,326). As variáveis

identificadas incluem o escore de FSS antes da pandemia Sars-COV-2 (β: -,555; t = -3,309; p < ,003)

e o Compartilhamento de Postagens em Redes Sociais para o Trabalho (β: -528; t = -3,309; p< ,002).

Ambas as variáveis foram significativas. Os resultados sugerem que indivíduos de desempenho mais

prejudicado em quesitos de memória operacional e flexibilidade cognitiva reportam histórico de

fadiga prévio e uso frequente de tecnologia para o trabalho.

123
 6. Dados Suplementares: COVID-19

Em dezembro de 2019, uma nova doença, a Síndrome Respiratória Aguda Grave de

Coronavírus 2 (Sars-COV-2), também referida como COVID-19, foi inicialmente identificada em

Wuhan, província de Hubei, China (N.Zhu et al, 2020), e rapidamente se tornou pandêmica. No

meses seguintes, a doença se espalhou mundialmente, com mais de 248 milhões de casos confirmados

e 5 milhões de mortes ao redor do planeta (até o início de Novembro de 2021) (Dong et al, 2020). No

Brasil, o governo declarou estado de emergência em Fevereiro de 2020 (Ministério da Saúde, 2020a),

com o primeiro caso confirmado de infecção por COVID-19 em território brasileiro anunciado em 26

de Fevereiro de 2020. Desde então, a doença se espalhou por todas as regiões brasileiras (Ministério

da Saúde, 2020b), com 21.8 milhões de casos confirmados e mais de 600 mil mortos até o início de

Novembro 2021 (Dong et al, 2020).

Verifica-se na literatura que uma situação de pandemia afeta significativamente os hábitos

de sono e a saúde mental dos indivíduos. De acordo com Brooks et al (2020), indivíduos que passaram

pelo isolamento social e quarentena durante a pandemia COVID-19 relatam maior prevalência de

alterações psicológicas, de sono e de humor como depressão, estresse, humor negativo, irritabilidade,

sintomas de estresse pós-traumático e insônia, quando comparados a indivíduos que não estiveram

em quarentena. Foram identificados também pelo mesmo estudo aumentos na incidência de doenças

psiquiátricas e de sofrimento psíquicos associados à frustração, ao tédio e a medos como o de ser

infectado ou passar por perdas financeiras (Brooks et al, 2020). Outro estudo, conduzido por

Casagrande et al (2020) identificou aumento no relato de alterações do sono da população italiana em

quarentena comparado aos índices da população antes do período pandêmico. Entre as alterações

identificadas se destacam principalmente prejuízo na qualidade do sono, sonolência diurna e aumento

da latência, com a diferença entre os escores da população no Índice de Qualidade do Sono de

Pittsburgh em relação à latência sendo significativo em relação ao período pré-pandêmico

(Casagrande et al, 2020).

124
 Considerando a importância desse momento socio-histórico, durante a realização do atual

trabalho analisamos também dados referentes à pandemia e realizamos comparações entre o obtido

durante o período pandêmico e o período anterior. Nessa seção, analisamos alguns desses dados como

complementares aos objetivos gerais e específicos do presente trabalho.

7.1 Dados Sociodemográficos na Amostra Geral

Apenas 4 indivíduos, equivalente a 6,25% da amostra, relataram ter contraído COVID-19

durante a realização do protocolo, sendo 3 do grupo comparação e 1 programador. Considerando o

baixo percentual, escolhemos não realizar análises inferenciais comparando os voluntários com

diagnóstico positivo para COVID-19 aos de diagnóstico negativo. Todos os voluntários que

avançaram para a fase de entrevistas (n= 49) aderiram às medidas de isolamento social pelo menos

parcialmente, fazendo uso de máscaras, utilizando protocolos de higienização e evitando

aglomerações. Dentre esses avaliados, 41,3% afirmaram acompanhar informações a respeito da

progressão da pandemia todos os dias, e 34,8% relataram se informar sobre algumas vezes por

semana. Os principais motivos citados para esse acompanhamento foram ansiedade, receio de se

contaminar ou contaminar entes queridos, e o hábito de checar notícias diariamente. Entre os 23,9%

que evitam informações a respeito da progressão da COVID-19, foram citados principalmente os

motivos de ansiedade e falta de confiança nas pesquisas e/ou na mídia como justificativas para essa

decisão.

Aproximadamente 67,4% dos avaliados avaliaram que a COVID-19 teve um impacto negativo

sobre seu trabalho. No grupo de estudo, 68,96% relataram efeitos negativos da pandemia sobre seu

trabalho, com 41,37% relatando um efeito pouco grave. Já no grupo de comparação, 64,70% dos

voluntários afirmaram terem seu trabalho impactado negativamente pela COVID-19, com 58,82%

definindo esse impacto como grave. A diferença entre esses percentuais dos dois grupos não foi

estatisticamente significativa (x²[4] = 12,661, p<,013).

125
 Indivíduos de ambos os grupos citaram dificuldades semelhantes no teletrabalho, como se

dividir entre tarefas domésticas e funções da empresa, se distrair mais facilmente, e a queda na

produtividade em casa. No entanto, parte dos programadores relatou ter realizado teletrabalho no

passado, o que não foi afirmado por nenhum dos indivíduos do grupo comparação. Pode-se concluir

que a população programadora se adaptou mais rapidamente ao novo regime de trabalho comparados

aos não-programadores devido à experiência prévia.

Aproximadamente 32,6% da amostra pesquisada relatou que a pandemia afetou seriamente e

negativamente seus hábitos de sono, enquanto 19,6% relataram alterações negativas em menor grau.

Por outro lado, 15,2% afirmaram que o isolamento social foi bastante positivo para seu regime de

sono, e 17,2% também registraram mudanças positivas no sono em menor grau. Para o grupo de

estudo, a porcentagem de voluntários que perceberam piora em seus hábitos de sono chega a 48,27%.

No grupo comparação, esse percentual chega a 58,82%. A diferença entre esses valores não foi

estatisticamente significativa (x²[4] = 3,760; p<,439).

Entre as alterações negativas citadas por participantes de ambos os grupos estão horários

tardios para dormir e acordar, aumento da latência e sensação de sono não reparador. A principal

alteração positiva citada foi a possibilidade de horas extras de sono em função dos horários flexíveis

do regime de trabalho remoto.

7.2 Humor e Fadiga na Amostra Geral

Considerando a relação entre sintomatologia ansiosa e depressiva e alterações do sono em

períodos de crise, analisamos também a prevalência desses fatores entre os participantes da amostra

em relação ao período de quarentena. Aproximadamente 78,3% da população entrevistada relatou

perceber piora na saúde mental durante o período de pandemia, com as queixas mencionadas

incluindo aumento da ansiedade, sensação de medo e solidão. No grupo de estudo, 72,41% dos

voluntários relatou ter tido a saúde mental afetada negativamente durante esse período de isolamento

social, com 41,37% classificando suas alterações como graves. Em relação ao grupo comparação,
126
88,23% relataram alterações negativas de sua saúde mental na pandemia, com 64,70% classificando

esse impacto como grave. A diferença entre esses valores não foi significativa estatisticamente (x²[4]

= 3,043, p<,551).

Utilizamos 10 como ponto de corte indicativo de um transtorno depressivo ou ansioso para os

questionários GAD-7 e PHQ-9. A média geral da amostra para o questionário GAD-7 de ansiedade

foi de 6,43 (σ= 4,96) em relação ao período antes da pandemia COVID-19, e 7,34 (σ=5,75) em relação

ao período pandêmico, o que indica a influência do momento sociohistórico sobre o humor dos

voluntários. Alteração similar foi encontrada também entre os escores da escala PHQ-9 de

sintomatologia depressiva, com média de 5,28 (σ=3,53) para o período pré-pandêmico e 7,81

(σ=5,75) durante o período pandêmico. Dentre essas médias, apenas a diferença entre os escores do

questionário PHQ-9 foi significativa para a amostra geral (t= -1,350; p=,000).

No que se refere às diferenças dos escores de ambas as escalas entre os grupos, um efeito

similar em relação ao período pandêmico ainda pode ser observado. Tanto programadores quanto

não-programadores apresentaram aumento dos índices quando comparados a seus escores em relação

ao período Pré-COVID, com os participantes do grupo comparação apresentando pontuações maiores

em ambos tanto antes quanto depois das normas de isolamento social. Apesar disso, a diferença entre

os escores dos dois grupos não foi significativa. Os escores encontrados sugerem possíveis

transtornos depressivos somente entre os membros do grupo comparação no período pós-COVID

(10,41±6,37), o que pode ter contribuído para os resultados encontrados.

7.3. Sono e COVID-19 na Amostra Geral

Aproximadamente 47,61% da amostra geral relatou abertamente sobre queixas de sono, com

a maior parte dessas queixas reportadas pelo grupo de estudo (50% contra 44% do grupo

comparação). Dentre essas queixas, insônia, dificuldade em iniciar o sono e sonolência foram mais

mencionadas, com pelo menos 18,42% dos programadores e 8% dos não-programadores

mencionando queixas múltiplas. Quando questionados a respeito de queixas de sono específicas (sono
127
fragmentado, sonolência diurna, dificuldade em iniciar o sono e sono não reparador) o grupo de

estudo relatou ainda maior frequência de queixas do que o grupo comparação, em especial quanto a

sonolência diurna (44,73% > 24%). A diferença entre a frequência de queixas dos dois grupos não

foi estatisticamente significativa de acordo com o teste de Qui-Quadrado Independente (Dificuldade

em iniciar o sono: x²[5] = 1,331, p<,932; Sono fragmentado: x²[5] = ,682, p<,984; Sono insuficiente:

x²[5] = 5054, p<,409; Sonolência Diurna: x²[5] = 7,802, p<,167).

Aproximadamente 32,6% da amostra pesquisada relatou que a pandemia afetou seriamente e

negativamente seus hábitos de sono, enquanto 19,6% relataram alterações negativas em menor grau.

Por outro lado, 15,2% afirmaram que o isolamento social foi bastante positivo para seu regime de

sono, e 17,2% também registraram mudanças positivas no sono em menor grau. Para o grupo de

estudo, a porcentagem de voluntários que perceberam piora em seus hábitos de sono chega a 48,27%.

No grupo comparação, esse percentual chega a 58,82%. A diferença entre esses valores não foi

estatisticamente significativa (x²[4] = 3,760; p<,439).

No que se referem aos escores dos questionários de sono avaliados, verifica-se um aumento

considerável da pontuação de ambos os grupos em todos os instrumentos após a pandemia COVID-

19. Os escores de IQSP foram indicativos de baixa qualidade do sono para ambos os grupos em

relação ao período pré-pandêmico, com agravo se estabelecendo após as medidas de isolamento

social. Os escores da Escala de Sonolência de Epworth não foram sugestivos de sonolência excessiva

para nenhum dos dois grupos em relação ao período pré-pandêmico. No entanto, o grupo comparação

apresentou um aumento considerável dos escores no período pós-pandêmico, enquanto a população

de programadores manteve um escore estável, indicando que a pandemia não impactou

significativamente os índices de sonolência pré-existentes no grupo de estudo.

Em relação à diferença entre os escores pré e pós pandêmico dos dois grupos, verifica-se

diferença significativa apenas para Epworth (p <,000).

128
 7. Discussão

O presente estudo objetivou avaliar e relacionar os padrões de sono, padrões de uso de

tecnologia e o desempenho executivo em programadores adultos, em comparação ao desempenho de

um grupo comparativo de não-programadores. Para tanto, avaliamos os hábitos de sono e de uso de

tecnologia para o lazer e para o trabalho, os índices de qualidade do sono, sonolência, o cronotipo, os

padrões de sono através do diário do sono, e o desempenho das funções executivas (memória

operacional, controle inibitório e flexibilidade cognitiva) nos participantes de ambos os grupos.

Avaliamos também os índices de fadiga, assim como a presença de sintomas ansiosos e/ou

depressivos, como variáveis que poderiam enviesar os parâmetros pesquisados.

Iniciamos com a predição de que a exposição prolongada a tecnologia para trabalho e

entretenimento afetasse os padrões de sono e a qualidade do sono, configurando um quadro de

privação do sono crônica que afetaria o funcionamento executivo. Essa expectativa foi parcialmente

confirmada. De fato averiguamos fortes correlações entre o uso de tecnologia, parâmetros de sono e

funcionamento cognitivo entre os participantes do grupo de estudo, que sugerem ligações mais

profundas entre esses fenômenos na população de programadores natalense. Assim como condições

associadas como má qualidade do sono, sonolência diurna excessiva e altos índices de fadiga.

De acordo com nossos dados, o programador natalense médio relata pelo menos uma queixa de

sono frequente, principalmente dificuldade em iniciar o sono e/ou sonolência diurna. Antes da

pandemia, já apresentava má qualidade do sono, que se agravou durante o período pandêmico. Suas

horas de uso de tecnologia tanto na semana quanto no fim de semana podem ser correlacionadas ao

timing, qualidade e duração do sono, assim como sonolência, alterações de humor e índices de fadiga.

No entanto, prejuízos cognitivos associados aos prejuízos de sono não foram encontrados, com

escores classificados entre médio a médio superior para sua faixa etária e nível de escolaridade.
129
Embora correlações tenham sido encontradas entre as variáveis de sono e uso de tecnologia e o

desempenho cognitivo, sua generalização é limitada devido ao número reduzido da amostra. O

principal índice que pôde ser relacionado à redução de horas de trabalho e aumento de episódios de

distração foi a sonolência, sugerindo que os padrões de sono influam diretamente na qualidade do

trabalho exercido por essa população.

Esses resultados vão ao encontro do registrado na literatura. Ferguson et al (2019) analisam os

efeitos da sonolência sobre erros no trabalho em uma amostra de trabalhadores australianos,

encontrando relações significativas entre a frequência de erros cometidos sob efeito de sonolência

diurna excessiva e a privação de sono crônica durante a noite. Em especial, foram encontradas

relações entre os erros cometidos durante períodos de maior sonolência com índices demográficos,

incluindo participantes mais jovens e de nível educacional mais alto, como também verificado no

nosso estudo. De acordo com os autores, esses participantes relatam com maior frequência dormirem

mais tarde do que o planejado, mesmo que apenas uma ou duas horas a menos, o que levaria à privação

do sono e à demanda de sonolência diurna excessiva. Participantes que relatam a restrição do sono

dessa maneira em Ferguson (2019) foram significativamente relacionados à tendência de cometer

mais erros sob sonolência e de se queixar de sono insuficiente. Similar a esses resultados,

encontramos no presente trabalho relações entre sonolência e queixas de sono insuficiente sobre o

desempenho do grupo de estudo, ainda que não se tenha averiguado prejuízo executivo em si.

Similarmente, em nossas predições, esperávamos uma diferença marcante entre os parâmetros

de sono, uso de tecnologia e desempenho cognitivo do grupo de estudo para o grupo comparação. No

entanto, isso não se confirmou, com os hábitos de sono dos dois grupos se mostrando bastante

aproximados, e com o desempenho médios dos não-programadores sendo inferior ao dos

programadores, resultando numa amostra geral bastante próxima. Considerando o momento

130
sociohistórico de realização desse trabalho, consideramos que a pandemia Sars-COV-2 tenha

influência sobre essa similaridade entre os grupos.

Com base nas informações relatadas no questionário inicial, nos índices referentes aos períodos

pré e pós pandêmico e nos relatos dos participantes de ambos os grupos durante a entrevista

aprofundada, podemos inferir que o período de quarentena e distanciamento social aproximou

consideravelmente os hábitos e a vivência diária do grupo comparação à rotina usual do grupo de

estudo, dificultando a análise das diferenças entre ambos os grupos. Não apenas os não-

programadores relatam fazer muito mais uso de tecnologia no período pós-pandêmico, como o

isolamento em casa se reflete na tendência a horários tardios e menos uniformes do que seu usual no

período pré-pandêmico, como constatado na literatura (Riemann et al, 2020). Em comparação, os

participantes do grupo de estudo relatam menos alterações de seus hábitos e demonstram horários

mais uniformes, apesar de também tardios em comparação a seus horários pré-pandêmicos. Esses

resultados sugerem que os programadores se adaptaram mais facilmente a essa mudança de horários

que os participantes do grupo de comparação.

Há poucas informações demográficas a respeito da população de programadores na literatura.

Um estudo por Baltes & Diehl (2016) caracteriza a dificuldade em conseguir amostras representativas

com esse grupo, ressaltando a dificuldade em aproximação dos pesquisadores com as empresas da

área, taxas baixas de engajamento da população e a falta de recursos que permitam traçar perfis

demográficos dos trabalhadores de TI mesmo em países desenvolvidos. Na dissertação de mestrado

conduzida por Yamanoe (2018), aponta-se para uma população primariamente jovem e com forte

presença masculina. No entanto, por ser um estudo qualitativo, a amostra trabalhada por Yamanoe

foi limitada a aproximadamente 14 sujeitos, o que limita também as generalizações demográficas que

possam ser feitas através dela.

131
 Considerando isso, buscamos através da presente amostra traçar um perfil médio dos

programadores de Natal-RN que pudesse embasar futuros estudos e auxiliar nas medidas de contato

com essa população considerando a relevância estrutural de sua função para a sociedade e a lacuna

de estudos a respeito desse grupo no contexto brasileiro. Constatamos que os programadores

potiguares são em sua maioria homens entre 24-30 anos, solteiros, com ensino superior completo e

renda média de 3 a 6 salários-mínimos por mês. A maioria não apresenta histórico clínico,

neurológico ou psicológico significativo. Em relação a hábitos de saúde, fazem uso social de álcool

e não fumam. São majoritariamente sedentários. A maior parte apresenta poucos indícios de

alterações do humor como depressão e ansiedade. Entre os indivíduos dessa população que

demonstram maiores indícios de sintomatologia relativa ao humor, a tendência é maior a apresentar

traços de ansiedade do que de depressão. No entanto, os que apresentam histórico prévio de

sintomatologia depressiva e ansiosa se mostram mais vulneráveis à má qualidade do sono e condições

associadas como fadiga excessiva e sonolência diurna excessiva, o que vai de acordo ao encontrado

previamente na literatura (Alvaro et al, 2013; Fang et al, 2019).

Em relação ao gênero, o número de homens que compõem o grupo dos programadores foi

significativamente maior do que o número de mulheres. Isso é condizente com o relatado na literatura

a respeito da população de desenvolvedores digitais, em que, apesar do aumento no número de

desenvolvedoras mulheres ao longo dos anos, continua sendo uma população predominantemente

masculina (Burnett et al, 2010; Yamanoe, 2018). De forma semelhante, a média de idade do grupo

de estudo apresenta maioria de jovens adultos, na faixa entre 18-24 anos, idade similar à encontrada

em estudos com essa população em outros países (Nakagawa et al, 2014; Siegmund et al, 2014;

Siegmund et al, 2017; Elvsashegen et al, 2019) e outras regiões do Brasil (Yamanoe, 2018). Essa

faixa etária também é esperada considerando como os primeiros contatos com essa população foram

realizados através das organizações de um centro universitário.

132
 No presente estudo, verificamos diversas correlações entre a idade, escolaridade, estado civil

e renda da população, em especial no grupo de estudo. Os dados encontrados sugerem que

programadores mais velhos apresentam maiores índices de escolaridade e renda, o que também é

coerente com o encontrado na literatura. Yamanoe (2018) identifica contínuo processo de

aperfeiçoamento profissional e progressão de carreira ao longo da idade entre os desenvolvedores

digitais paranaenses, ainda que a maioria seja caracterizada como muito jovem. Os resultados são

sugestivos de que programadores que conseguiram se consolidar no campo através de experiência e

aperfeiçoamento tendem a serem melhor recompensados, o que também foi encontrado entre os

desenvolvedores natalenses da presente pesquisa.

A idade e a escolaridade são variáveis demográficas importantes no processo de avaliação

neuropsicológica, exercendo influências moderadoras independentes sobre o desempenho cognitivo

(Lam et al, 2013). Enquanto o processo de envelhecimento geralmente é associado à lentificação das

funções cognitivas (Juan & Adlard, 2019), a escolaridade agiria como um fator protetivo sobre o

desempenho cognitivo através da reserva cognitiva (Satz, Cole, Hardy, & Rassovsky, 2011). A

reserva cognitiva (Satz et al, 2011) seria a capacidade de manter o funcionamento cognitivo usual,

mesmo com evidências de danos clínicos prévios, através da adaptação e compensação de funções

que se mantenham preservadas. Entre os fatores que mais afetam essa capacidade está a educação,

com pessoas de alta escolaridade apresentando maior capacidade compensatória e apresentando

desempenho mais preservado em testes neuropsicológicos, o que poderia explicar o desempenho geral

da nossa amostra (Satz et al, 2011).

Ainda assim, entre os dados que encontramos, registramos correlações que indicam melhor

desempenho cognitivo entre os participantes mais velhos, o que iria de encontro ao registrado na

literatura. É possível que outros fatores como a irregularidade nos horários de sono e de trabalho

133
possam ter influído nesse resultado, considerando que encontramos maior frequência de horários

irregulares e noturnos entre os participantes mais jovens do grupo de estudo. Trabalhos como o de

Chellapa, Morris & Sheer (2019) analisam a relação entre a irregularidade dos horários de trabalho e

prejuízo cognitivo a longo prazo, sugerindo que longos turnos de trabalho irregular, primariamente à

noite, sejam associados a prejuízos ao domínio de atenção sustentada, aumento na sonolência

subjetiva e prejuízo da qualidade do sono, similar ao que encontramos no presente trabalho, em uma

amostra primariamente jovem. De acordo com a literatura, trabalhadores mais velhos podem se

mostrar mais vulneráveis aos prejuízos associados às irregularidades do sono e do trabalho, ainda que

os resultados sejam mistos (Rouch et al, 2005; Saksvik, 2011; Bokenberger et al, 2017). Considerando

que os programadores veteranos que compõem a nossa amostra demonstraram horários mais

matutinos e estáveis do que os programadores mais jovens, essa estabilidade poderia explicar a

diferença de desempenho encontrada.

Ainda em relação aos dados sociodemográficos, constatamos diferença significativa no uso

de álcool entre os participantes do grupo de estudo e do grupo de comparação, com maior frequência

nesse consumo pelos não-programadores. Na literatura, há evidências de que o álcool em excesso é

neurotóxico (Clark, Thatcher & Tapert, 2008) e pode ter influências negativas sobre o funcionamento

cognitivo mesmo em populações mais jovens, sendo associado a prejuízos de memória operacional,

memória episódica verbal e aprendizagem (Nguyen-Louie et al, 2016; Carbia et al, 2017; Hendriks

et al, 2020). No entanto, estudos a respeito dos efeitos cognitivos em indivíduos jovens que

consomem doses médias a moderadas de álcool não indicam prejuízo significativo em relação a

indivíduos abstêmios de mesma idade (Hendriks et al, 2020). Considerando essas informações e os

dados coletados, não podemos concluir que o uso de álcool tenha influência significativa sobre os

resultados prejudicados do nosso grupo comparação.

134
 Como esperado, a população de programadores apresenta mais horas de exposição total às TICS

do que os indivíduos do grupo comparação, mesmo considerando o aumento do uso de tecnologia

pelos não-programadores durante o período de pandemia. Apesar da média de horas de consumo do

grupo comparação durante o tempo livre ser ligeiramente maior, as horas totais de uso de tecnologia

pelo grupo de estudo ainda superam o total do grupo comparação. De fato, o uso de tecnologia pelos

programadores pode ser caracterizado como ubíquo, perpassando diversas atividades laborais,

acadêmicas, sociais e de lazer. Apresentando continuidade e até mesmo simultaneidade entre o

período de uso para o trabalho e para o tempo livre.

O perfil de consumo de tecnologia entre os dois grupos no tempo livre não foi muito diferente,

com o uso de tecnologia para entretenimento e o engajamento em redes sociais sendo proeminentes

entre os dois grupos. A maior frequência de utilização de redes sociais foi associada a maiores índices

de sintomatologia depressiva e ansiosa, e à má qualidade do sono, principalmente entre os indivíduos

do grupo de estudo. Na literatura, vários trabalhos documentam associações entre o uso excessivo de

redes sociais e alterações do sono e humor, primariamente em adolescentes e jovens adultos do sexo

feminino (Thomée et al, 2005; Huang et al, 2020; Hena & Gamy, 2020). No presente trabalho,

identificamos correlações similares, ainda que em menor grau, em uma amostra de maioria masculina.

Levantamos para trabalhos futuros a discussão sobre possíveis diferenças de gênero na manifestação

dessas alterações em usuários de redes sociais.

O hábito de usar tecnologia até sentir sono é extremamente frequente entre os indivíduos de

ambos os grupos avaliados, com proeminência do uso de tecnologia até o último minuto antes de

dormir. Consequentemente, o horário de uso de tecnologia, tanto na semana quanto no fim de semana,

foi fortemente correlacionado aos horários de dormir e acordar em ambos os grupos, sendo a relação

mais forte entre os membros do grupo de estudo. Isso sugere que o uso da tecnologia antes de dormir

tenha efeito considerável sobre o timing (horário) do sono, o que é coerente com achados anteriores

135
da literatura (Cain & Gradisar, 2010; Mazzer, Bauducco, Linton & Boersma, 2018). Similarmente,

horários tardios de uso de tecnologia também são associados à percepção de baixa qualidade do sono

(Oliveira, 2016; Patrick et al, 2017), perfil semelhante ao que encontramos na amostra geral do

presente trabalho. Na literatura, o timing irregular do sono é associado ao atraso de fase do sono entre

o padrão de exposição à luz ao longo dia e o fator circadiano do sono, o que prejudica o mecanismo

de arrastamento e previne uma relação de fase fixa entre os ritmos endógeno e exógeno (Wittman et

al, 2006). Subsequentemente, demandas como o atraso no início de sono e a autopercepção de má

qualidade do sono são associadas a esse atraso de fase (Philips et al, 2017), condições também

encontradas no presente estudo.

O uso de cochilos de até 1h para compensar essa irregularidade de horários e os efeitos da má

qualidade do sono e sonolência diurna excessiva é um hábito comum na nossa amostra que também

é discutido na literatura (Hilditch et al, 2017). Trabalhos como o de Salentin et al (2017) discutem o

papel de cochilos em condições de restrição de sono parcial crônica, apontando que a estratégia

apresenta um efeito limitado de atenuar a percepção subjetiva de sonolência até algumas horas após

o cochilo no máximo. Ainda de acordo com os mesmos autores, medidas objetivas de sonolência

apontam para um retorno ao estado de sonolência pré-cochilo poucas horas antes do retorno de acordo

com a percepção subjetiva de sonolência do indivíduo. Traços como esses limitariam a viabilidade

de cochilos como estratégia compensatória em situação de privação do sono.

Entre os dispositivos usados antes de dormir, os celulares foram os mais proeminentes na

amostra coletada. Como detalhado em nossa revisão bibliográfica, a utilização de smartphones já é

associada na literatura a prejuízos na qualidade e quantidade do sono através da exposição à luz azul

e à excitabilidade cognitiva relacionada à frequência de notificações e conteúdo consumido (Fossum

et al, 2013; Yang et al, 2019; Huang et al, 2020). Os resultados que encontramos seguem ao encontro

dessas alterações descritas, com índices maiores de uso de tecnologia antes de dormir sendo

136
associados à irregularidade do sono, baixa qualidade do sono e horas reduzidas de sono. O uso

excessivo de tecnologia ao longo da semana também foi associado às queixas de dificuldade em

iniciar o sono, sono insuficiente e sonolência diurna, assim como ao aumento da latência, o que

também vai ao encontro do registrado previamente na literatura (Murdock, Horrisian & Crichlow-

Ball, 2017).

A relação entre uso de tecnologia e privação e má qualidade do sono foi mais forte entre os

participantes do grupo de estudo do que do grupo comparação, apesar dos índices do grupo

comparação serem mais prejudicados. É possível que essa relação não tenha sido encontrada no grupo

de comparação devido ao número reduzido de voluntários impedir a realização de análises mais

robustas.

Em relação ao trabalho, os programadores apresentam uma jornada de trabalho estendida.

Apesar da possibilidade de horários flexíveis, a maioria concentra suas horas de trabalho numa

jornada usual aproximada entre 8h e 20h, com variações individuais consideráveis. Esses resultados

são parcialmente congruentes aos encontrados por Claes et al (2018), ao descreverem que em média

dois terços dos engenheiros de software seguem um horário de trabalho aproximado entre 10h e 18h,

e não trabalham normalmente durante o fim de semana e à noite. Os autores reforçam que a variação

entre indivíduos e projetos dentro dessa estimativa é grande (Claes et al, 2018). Nos dados que

encontramos, a maior parte dos desenvolvedores pesquisados trabalha em projetos da empresa numa

faixa de horário similar ao descrito, porém estende o horário hábil de trabalho para projetos freelance

durante a noite, chegando a estender seu horário de trabalho entre as 20h-0h. Em adição a isso,

indivíduos que realizam funções adicionais como gestores ou administradores também resultam em

uma jornada de trabalho estendida.

137
 Constatamos que essa jornada de trabalho é significativamente associada à má qualidade do

sono e à irregularidade do horário de sono dos programadores, em especial a prática de trabalhos

freelance e a prática de funções adicionais que também utilizam computadores. É possível que isso

se deva à carga estendida de trabalho levando diretamente à extensão dos horários de uso de

tecnologia para cumprir prazos de projetos, como registrado por Claes et al (2018), ainda que a

frequência em que esse hábito foi registrado na presente pesquisa seja maior do que a registrada no

artigo, possivelmente pelas diferenças de contextos socioeconômicos em que ambos os trabalhos

foram desenvolvidos.

Verificamos também que os índices de sonolência após a pandemia são negativamente

correlacionados às horas de trabalho e estudo de código por semana, indicativo de que programadores

com maiores índices de sonolência apresentam rendimento mais baixo. Trabalhos como os de

Ferguson et al (2019) apontam para maiores indícios de prejuízos relacionados à privação do sono e

sonolência diurna excessiva entre indivíduos mais jovens e de horários de trabalho não-fixos, como

trabalho em turnos noturnos, variáveis ou rotativos. Encontramos tendências semelhantes entre os

participantes no presente estudo, com maiores irregularidades de deitar, dormir, acordar e levantar

entre participantes mais jovens e de horários mais flexíveis. De acordo com os autores, além das horas

irregulares do trabalho, o hábito de trabalhar durante a hora anterior ao sono também foi associado

ao maior índice de erros devido à sonolência (Ferguson, 2019), um hábito que também é verificado

principalmente entre os participantes de nossa amostra.

Outro fator de peso sobre os escores obtidos em relação ao humor foi evidentemente o atual

momento socio-histórico da pandemia Sars-Cov-2. Constatamos no presente trabalho diferenças

significativas entre os escores de PHQ-9 antes e depois da pandemia para a amostra geral, o que

sugere um aumento na incidência de sintomas depressivos na população estudada após o início das

medidas de contenção para COVID-19. Esses achados são congruentes com os de Goularte et al

138
(2020) e Barros et al (2020) sobre os efeitos da pandemia e do distanciamento social sobre o humor

da população brasileira, sendo notado em ambos maior incidência de sintomas depressivos e ansiosos.

Similarmente, na presente pesquisa, os escores de GAD-7 aumentaram após a pandemia, ainda que a

diferença entre os dois grupos não tenha sido significativa. Esse resultado ainda é sugestivo de agravo

da sintomatologia ansiosa durante o período pandêmico, apontado na literatura como mais comum

entre indivíduos jovens adultos (Barros et al, 2020), maioria na nossa amostra. De acordo com

Casagrande et al (2020), entre os fatores que influenciam a prevalência tanto de sintomatologia

ansiosa quanto de sofrimento psíquico durante o período de isolamento social está a faixa etária mais

jovem do que 30 anos. Similarmente, Yuksel et al (2020), em um estudo internacional realizado em

59 países, apontam que maiores índices de alterações de humor foram encontrados em indivíduos

mais jovens do que 30 anos na maior parte dos países pesquisados, o que é condizente com a faixa

etária e resultados encontrados na nossa amostra.

É interessante notar que, tanto para sintomatologia ansiosa quanto depressiva, os

programadores apresentaram menor impacto negativo da pandemia do que o grupo comparação, o

que pode sugerir a atuação de um fator protetivo. É possível que a maior familiaridade dos

programadores com interações laborais e sociais através da tecnologia permita que o impacto

emocional negativo sobre eles seja menor, em comparação à população que não tinha essa

experiência. Também é possível que, por realizar uma função que se adapte mais facilmente ao

teletrabalho, os programadores apresentem menos angústia relacionada a dificuldades financeiras e

outros fatores agravantes que podem estar em questão entre os membros do grupo comparação.

Apesar dos escores encontrados em PHQ-9 não terem sugerido prevalência de transtornos

depressivos para o grupo de estudo, a pontuação no questionário foi significativamente correlacionada

à má qualidade do sono, queixas de fadiga excessiva, sonolência diurna excessiva, sono insuficiente,

dificuldade em iniciar o sono e horas de uso de tecnologia para esse grupo, em especial no período

139
Pós-COVID. Essas correlações se encaixam com o discutido anteriormente à respeito da associação

entre depressão, ansiedade, uso de tecnologia, qualidade e duração do sono na literatura durante a

revisão bibliográfica (Thomée et al, 2005; Thomée, Härenstam & Hagberg, 2011; Rosen et al, 2016;

Primack et al, 2017; Dhir, Yossatorn, Kaur & Chen, 2018).

Por outro lado, um estudo recente por Stankovic et al (2021) não relacionou o uso de celulares

ao aumento de sintomatologia depressiva, e sim a uma redução desses sintomas. Os autores levantam

a possibilidade de que smartphones possam ser utilizados como métodos de enfrentamento para

mediar os níveis de estresse e, através disso, reduzir a incidência de sintomas depressivos. Os

resultados que encontramos não se alinham aos descritos por Stankovic et al, já que, no presente

estudo, a correlação entre sintomatologia depressiva e uso de tecnologia antes de dormir, incluindo

celulares, foi positiva. No entanto, não discriminamos entre diferentes dispositivos ao analisar o uso

de tecnologia pelos participantes, podendo um efeito similar ao descrito no artigo não ser identificado

em função disso.

Como esperado, encontramos um perfil compatível ao de privação do sono parcial

crônica/restrição do sono nos participantes de ambos os grupos. De acordo com os critérios delineados

por Reynolds & Banks (2010), a privação de sono parcial crônica se refere primariamente à redução

progressiva da quantidade de sono durante o período observado. Durante o período de

acompanhamento pelo diário do sono na presente pesquisa, nota-se um padrão de restrição da

quantidade do sono durante a semana (dias úteis) e a tentativa de compensação com horas extras de

sono no fim de semana, conceito geralmente referido como jet-lag social (Wittman et al, 2006). O

jet-lag social se refere à discrepância de horários, como os horários de sono, entre dias de trabalho e

dias livres. Tal discrepância geralmente ocorre em indivíduos de cronotipos mais vespertinos, cujos

horários sociais matutinos como trabalho e estudos conflituam com a tendência biológica a horários

vespertinos, gerando débito de sono que é compensado em dias livres.

140
 Entre os dois grupos, os programadores apresentaram a maior tendência ao jet-lag social,

estendendo as horas de sono durante o fim de semana para compensar os horários restritos durante a

semana, enquanto os não-programadores manifestaram perfil de continuidade da privação do sono

durante o fim de semana, estendendo os horários de uso de tecnologia no tempo livre.

Como descrito em Baek et al (2020), mesmo um curto período de restrição do sono é

significativamente associado ao aumento nos índices de fadiga, sonolência e estresse, com forte

intercorrelação também entre esses três fatores. Correlação similar entre restrição do sono, fadiga e

sonolência pôde ser constatada também no nosso trabalho, associada a uma população mais jovem

do que a discutida por Baek et al (2020).

No que se referem aos escores dos questionários de sono avaliados, verifica-se uma piora

considerável na pontuação de ambos os grupos em todos os instrumentos após a pandemia COVID-

19, o que também é coerente com a literatura atual. Estudos como o de Barros (2020) e Goularte

(2020) relatam piora considerável de alterações de sono pré-existentes na população brasileira durante

o período de isolamento, e o desenvolvimento de novas alterações em indivíduos que não as

apresentavam antes. No presente trabalho, ambos os grupos apresentaram indicativos de má qualidade

do sono em IQSP antes do período pandêmico, que se intensificaram durante a pandemia.

Similarmente, os resultados da Escala de Gravidade de Fadiga (FSS) apresentam sinais de fadiga

excessiva principalmente na população de programadores já no período pré-pandêmico, com piora

notável para os índices de ambos os grupos após a quarentena.

Apesar de nenhum dos dois grupos apresentar médias condizentes com sonolência diurna

excessiva antes da pandemia, a diferença entre os valores de Epworth Pré e Pós-COVID foi

significativa, sugerindo um aumento drástico no nível de sonolência excessiva apresentada pelos

141
participantes durante esse período. Curiosamente, enquanto o grupo de estudo apresenta maior

sonolência antes do período pandêmico, o grupo comparação relata um aumento significativo da

sonolência durante o isolamento. Considerando as dificuldades relatadas por esses indivíduos a

respeito de mudanças de hábitos para se adequar às demandas de teletrabalho e ensino à distância, é

possível que os impactos negativos advindos do período pandêmico sejam mais visíveis nesses

indivíduos do que nos programadores, cuja rotina não foi tão seriamente afetada. É possível que os

hábitos de uso de tecnologia dos programadores permitam que eles se adaptem ao isolamento com

menores índices de sofrimento psíquico, o que se refletiria em escores mais estáveis de sono e humor.

A avaliação do cronotipo apontou para proeminência de indivíduos intermediários na amostra

geral, seguidos de indivíduos vespertinos moderados, matutinos moderados e definitivamente

matutinos. Apesar das diferenças entre os escores de ambos os grupos em relação ao cronotipo não

serem significativas, o grupo comparação apresentou maior tendência à vespertinidade. As

correlações significativas identificadas entre o valor do cronotipo e a média de horários de acordar e

levantar durante a semana, assim como às médias dos horários de deitar, acordar e levantar no fim de

semana, apontam para a ideia de que indivíduos matutinos tendem a acordar e levantar mais cedo do

que indivíduos vespertinos, o que também é condizente ao encontrado previamente na literatura

(Enright & Refinetti, 2016; Taylor & Hassler, 2018). O horário de uso de tecnologia foi

negativamente associado ao cronotipo, o que indica que indivíduos vespertinos tendem a estender

suas horas de uso de tecnologia até mais tarde do que os matutinos, relação que também foi encontrada

em Fossum et al (2013).

Verificamos diferença significativa entre as irregularidades de acordar e levantar dos dois

grupos, indicando que o grupo comparação apresenta maior variação dos horários de despertar e

levantar do que o grupo de estudo. Os programadores apresentaram em média horários regrados para

acordar e levantar, com maiores variações nos horários de dormir. Tanto os horários de início do sono

142
quanto os horários de despertar de ambos os grupos foram fortemente correlacionados aos horários

de uso de tecnologia, indicando a força da associação entre esse uso noturno de tecnologia e os

horários do indivíduo. No entanto, essa relação foi mais uma vez mais forte entre os indivíduos do

grupo de estudo.

É importante notar que a variação individual entre as irregularidades é considerável, com o

grupo de estudo compreendendo desde indivíduos matutinos de horários fixos até indivíduos que

chegaram a passar 24h em privação total de sono. A alta variância nos hábitos de sono se correlaciona

também à variância nos hábitos e nos horários de trabalho, com programadores de jornadas mais

definidas apresentando horários mais rígidos e geralmente dormindo mais cedo, o que se relaciona

com os resultados de Claes et al (2018) a respeito da variação na jornada de trabalho dessa população.

O presente trabalho encontrou correlações w associações significativas entre má qualidade do

sono, fadiga, sonolência e sintomatologia depressiva e ansiosa, tanto na amostra geral quanto no

grupo de estudo. A relação entre alterações do sono, ansiedade e depressão foi amplamente abordada

na literatura nas últimas décadas, sendo caracterizada como bidirecional (Riemann et al, 2020). Há

forte tendência a alterações do sono comórbidas em indíviduos depressivos, assim como a índices

mais elevados de sintomatologia depressiva entre indivíduos insones ou privados de sono (Raniti et

al, 2016; Freeman et al, 2020). De fato, em indivíduos que apresentam tanto alterações do sono quanto

depressão, tratar apenas uma das condições sem considerar a outra sendo prejudicial para a

continuidade do tratamento e aumentando os riscos de recaída (Freeman et al, 2020). Similarmente,

a ansiedade também apresenta altos níveis de comorbidade com a depressão (Baglioni et al, 2010) e

com alterações do sono, mesmo em graus leves de restrição do sono (Baglioni et al, 2010; Sullivan

& Ordiah, 2018; Cox & Olatunji, 2016).

143
 Os resultados do presente estudo se encaixam nos achados dessa linha teórica, visto a alta taxa

de correlação encontrada entre os índices de PHQ-9 e GAD-7 na amostra geral e nos grupos, as

correlações significativas entre os escores de ambos os questionários e a piora considerável em

índices de qualidade do sono associada. As três condições também são significativamente afetadas

por estressores psicossociais como a situação de pandemia (Riemann et al, 2020; Casagrande et al,

2020; Barros et al, 2020; Yuksel et al, 2020), o que é congruente com os achados na nossa pesquisa

de escores agravados nos questionários relacionados ao período Pós-COVID em comparação ao

período Pré-COVID.

As mudanças relatadas entre os participantes a respeito hábitos de sono durante a pandemia,

como aumento da latência e atraso dos horários de sono e despertar, são similares às encontradas em

diversos estudos de outros países, sugerindo que sejam mudanças associadas ao período de

isolamento e tensão da pandemia (Yuksel et al, 2020). Na Itália, Marelli et al (2020) descrevem um

aumento significativo no horário de dormir e duração da latência, assim como um horário de despertar

mais tardio, na população italiana em comparação ao período Pré-COVID-19. Essa tendência a

dormir e acordar mais tarde foi associada à piora na qualidade do sono, ao aumento de sintomas

associados à privação do sono, à dificuldade em iniciar o sono e ao aumento de sintomas depressivos

e ansiosos, todas relações também constatadas no presente estudo.

No entanto, é importante destacar que nossa avaliação do sono se deu unicamente através de

métodos subjetivos. Há discussão na literatura a respeito da possível divergência de resultados entre

métodos objetivos de avaliação do sono, como actigrafia ou polissonografia, e métodos objetivos

como o diário do sono empregado em nosso protocolo. Estudos como os de Shockman et al (2018)

Te Lindert et al (2019) apontam para divergências significativas entre esses métodos, especialmente

em relação aos vieses do participante em subestimar ou hiperestimar os horários e as horas de sono

totais. Outros estudos, como o de Lucas-Thompson, Crain & Brossoit (2020) não relatam diferenças

144
significativas entre medidas objetivas e subjetivas de sono, mesmo em amostras mais jovens como

adolescentes. No entanto, realizar estudos com métodos objetivos em situação de pandemia incorreria

em sérios riscos para participantes e pesquisadores. Ressaltamos através disso como a comparação

entre métodos objetivos e subjetivos pode ser importante para o desenvolvimento de futuros

trabalhos.

Ao contrário do esperado, o grupo de estudo não apresentou prejuízos cognitivos em relação ao

grupo comparação, e de fato apresentam desempenho melhor que os não-programadores na maioria

dos testes realizados. Entre os fatores que potencialmente influem nesse resultado, podemos citar o

número reduzido de participantes de ambos os grupos que finalizaram o protocolo de pesquisa, o que

limita o poder de generalização dos resultados obtidos. Da mesma forma, ressaltamos as diferenças

entre os dois grupos no processamento de impactos negativos do momento pandêmico, com o grupo

comparação apresentando índices que denotam mais dificuldade em adaptação à nova rotina do que

o grupo de estudo. É possível que essa dificuldade tenha influenciado os resultados dos testes

neurocognitivos.

Entre os resultados apresentados, destaca-se o desempenho em AOL-C, o único teste em que a

média do grupo de estudo foi mais baixa do que a do grupo comparação. Ainda que essa diferença

não seja significativa, o desempenho mais baixo em AOL-C pode sugerir maior dificuldade em

atenção sustentada por parte dessa população. Isso é congruente com estudos como os de Tucker

(2010) e Lo et al (2016), que apontam a atenção sustentada como um dos principais processos

cognitivos a serem abalados em privação crônica do sono como a encontrada na população estudada.

Ambos os estudos apontam que o impacto sobre as funções executivas apresenta tamanho de efeito

menor do que o impacto sobre a atenção sustentada, o que, em conjunto com o número limitado da

amostra que concluiu o protocolo, podem ter impedido que pudéssemos averiguar esse tamanho de

145
efeito de maneira adequada. Novamente, os nossos resultados de prejuízos primários à atenção

sustentada entre programadores se mostram coerentes com a hipótese da adaptação compensatória.

Na literatura, há pelo menos um estudo inicial que sugere uma associação entre os níveis de

fadiga de desenvolvedores e prejuízos na atenção sustentada: o trabalho de Sarkar & Parnin (2017)

avaliou os níveis de atenção e frequência de erros através da observação de variáveis do trabalho dos

programadores (movimentação do mouse e teclas, correções realizadas e tempo dedicado a cada

arquivo) utilizando um plug-in (programa de computador) específico, e os comparou aos escores de

um questionário específico de fadiga. No entanto, considerando a patente do plug-in e o n reduzido

de 9 desenvolvedores elencado por esse trabalho, os resultados obtidos não são generalizáveis nem

facilmente replicáveis. Apesar dessas limitações, os resultados obtidos na presente dissertação são

congruentes com os apontados por Sarkar & Parnin, considerando que averiguamos prejuízo de

atenção sustentada associada à fadiga no grupo de estudo em contraste com o grupo comparação.

Trabalhos como o de Xiao et al (2015) e o de Guo et al (2016) exploraram através de métodos

objetivos, como Event-Related Potentials (ERPs – Potenciais Associados a Eventos), a associação

entre fadiga e prejuízo atencional. Xiao et al (2015) aponta para uma relação significativa entre fadiga

e atenção sustentada, sugerindo que o aumento na frequência de erros e omissões no desempenho de

sujeitos fatigados se dê em função de prejuízos à atenção sustentada, o que é similar ao encontrado

por Sarkar & Parnin. Similarmente, Guo et al (2016) avaliam a possibilidade de que a fadiga possa

agir na modulação de processos cognitivos mais complexos, como o funcionamento executivo,

devido ao prejuízo à atenção sustentada. Os autores sugerem que a diminuição dos recursos

atencionais disponíveis durante um período extenso de fadiga leve ao aumento nos tempos de reação

e diminuição da acurácia das respostas. Ambos esses resultados vão ao encontro do discutido por

Almondes et al (2019) a respeito da possibilidade de lapsos atencionais afetarem o desempenho

146
executivo, como a influência top-down do controle inibitório e da memória operacional na percepção

e correção de erros, como de acordo com a hipótese de lapsos ou instabilidade da vigilância.

Ainda a respeito dos processos atencionais, estudos realizados em outras populações, como o

de Kim et al (2011) em adolescentes, e o de Ancker et al (2017) em profissionais de saúde, apontam

para prejuízos de atenção dividida relacionados ao jet-lag social e fadiga. Considerando que, no

presente estudo, o desempenho em AOL-D foi negativamente correlacionado a Epworth para

indivíduos do grupo de estudo e positivamente correlacionado para o grupo comparação, é possível

que relação similar possa ser encontrada entre os desenvolvedores. No geral, a possibilidade de

futuras pesquisas a respeito de déficits atencionais na população de programadores deve ser

considerada.

Aparentemente em contradição ao encontrado na literatura, ambos os grupos apresentaram

correlação entre o desempenho em TEM-R e os índices de sonolência de acordo com Epworth, o que

indicaria melhores desempenhos por parte dos voluntários com maiores índices de queixa de

sonolência. É possível que isso se deva através de uma ação compensatória, em função da maior

complexidade da tarefa do TEM-R, ou em função da reserva cognitiva dos voluntários de alta

escolaridade levando à menor acurácia do teste.

Avaliamos diferenças significativas entre os programadores de melhor e pior desempenho nos

testes neurocognitivos, o que indica alta variância desse desempenho na população estudada. Essas

diferenças entre escores cognitivos não se mantém quando dividimos a população entre grupos de

acordo com os índices de má qualidade do sono, sonolência excessiva, ou diferenças na irregularidade

do sono, o que indica que esses fatores do sono por si só não explicam a variância dos resultados

cognitivos entre programadores. É possível, considerando a variância encontrada, que alguns

147
participantes sejam mais vulneráveis ao prejuízo cognitivo associado à privação do sono crônica,

enquanto outros se mostrem mais resistentes a esse prejuízo.

Esses resultados são congruentes com os de pesquisas anteriores, que avaliam um fator de traço

genético na vulnerabilidade do indivíduo a prejuízos em privação do sono. Trabalhos seminais como

o de Van Dogen et al (2004) e o de Banks & Dinges (2007) já descrevem as diferenças de desempenho

neurocomportamental em indivíduos privados de sono como traços inerentes e singulares. Os autores

notam que a vulnerabilidade cognitiva à privação do sono se mantém constante no mesmo indivíduo

entre diferentes testagens, e que mesmo entre indivíduos da mesma população há grande variação na

susceptibilidade ou resistência ao prejuízo cognitivo em privação do sono (Van Dogen et al, 2004;

Banks & Dinges, 2007; Rupp et al, 2012). Um estudo mais recente por Yamanazaki & Goel (2020)

observa propensões semelhantes a prejuízos neurocognitivos em indivíduos submetidos tanto à

privação do sono aguda quanto crônica, concluindo que o grau de vulnerabilidade individual se

mantenha o mesmo independente do tipo de privação do sono afetando o indivíduo. Apesar disso,

fatores como gênero, escolaridade, faixa etária não foram preditores de vulnerabilidade de acordo

com os autores (Yamanazaki & Goel, 2020).

É possível, como foi sugerido por Mollicone (2010) e Arnardottir et al (2014) que haja um

componente genético que melhor preveja essa vulnerabilidade. Essa possibilidade explicaria de forma

satisfatória a variância nos resultados neurocognitivos do presente estudo, em que alguns

programadores apresentariam maior resistência individual aos prejuízos associados à privação do

sono, enquanto outros se mostrariam mais vulneráveis. Investigações futuras a respeito da resistência

à privação do sono como traço dentro da comunidade de programadores, especialmente em

comparação à população não-programadora, podem aprofundar melhor esses resultados.

148
 Os resultados das regressões múltiplas realizadas sugerem influência tanto de fatores de sono,

como sono insuficiente, restrição do sono e histórico de fadiga, quanto de uso de tecnologia, como a

frequência de uso de mídias sociais, sobre os escores no protocolo neuropsicológico, o que vai de

acordo ao esperado em nossas hipóteses. A análise de AOL-C identificou como fator preditor

primariamente a queixa de sono insuficiente (β: ,467; t = 2,981; p = ,006), o que vai de acordo ao

descrito na literatura sobre a importância do ciclo sono-vigília na manutenção da atenção sustentada,

como detalhado a fundo na nossa revisão bibliográfica. Como apontado por Krause et al (2017) e por

Massar et al (2019), o aumento na frequência de lapsos atencionais durante a manutenção de atenção

sustentada pode ser relacionado à maior propensão ao sono, com o aumento da pressão para o sono

coincindindo com diminuição do alerta e prejudicando a manutenção da atenção (Massar et al, 2019).

Considerando o discutido previamente a respeito da relevância da atenção sustentada para o

funcionamento adequado da memória operacional e do controle inibitório, como delineado por

Miyake (2000) e Diamond (2013), o sono insuficiente como preditor apresenta respaldo na literatura.

A análise do domínio de atenção divida, através de AOL-D, apontou para o timing do sono

como o fator mais importante do modelo, em especial o horário de acordar durante a semana [β: -

1,063; t = -3,095; p < ,004]. Tanto o horário de acordar quanto de levantar da cama, delineados pelo

diário do sono, se relacionam à questão de jet-lag social previamente mencionada. Na literatura,

trabalhos como o de McGowan et al (2020) analisam a relação entre o jet-lag social e a performance

neurocognitiva individual em domínios como a atenção e o controle inibitório, numa população

composta primariamente por adultos jovens. Os autores concluem que maiores índices de

irregularidade de horários e jet-lag social foram significativamente associados a uma frequência

maior de erros de repetição relacionada à prejuízos de atenção sustentada, relação que se manteve

mesmo ao se controlar por fatores intervenientes como a má qualidade do sono (McGowan et al,

2020). Poucas informações a respeito da relação entre atenção dividida especificamente e jet-lag

149
social foram encontradas na literatura, com o resultado que encontramos indicando o potencial de

novas pesquisas a respeito.

A análise preditora dos resultados de TEM-R, referente à memória operacional e memória de

reconhecimento, resultou no fator mais significativo do modelo sendo o estado civil dos participantes

(β = ,451; t = 3,733; p = ,001). Há indícios na literatura de que o casamento possa ser um fator

protetivo contra prejuízos de memória, como a memória de reconhecimento que também compõe o

TEM-R. Estudos como o de Mousavi-Nassab et al (2012) apontam para performances superiores em

memória episódica de reconhecimento em indivíduos casados em comparação a indivíduos solteiros,

mesmo ao controlar por fatores intervenientes como nível educacional, doenças, idade cronológica e

atividades de lazer. Os autores teorizam que isso ocorra em função da frequente estimulação cognitiva

mútua que ocorre durante um relacionamento, o que levaria a uma maior reserva cognitiva por parte

desses indivíduos (Mousavi-Nassab et al, 2012). Também é possível que outros fatores associados,

como maior estabilidade de horários na rotina dos participantes em relações estáveis, tenha

desempenhado um efeito positivo sobre seu desempenho em comparação aos participantes solteiros,

cujos horários irregulares foram mais associados à fadiga e má qualidade do sono.

Por fim, a análise de G-38, referente primariamente aos domínios de memória operacional e

flexibilidade cognitiva, resultou em duas variáveis preditoras significativas: o índice de fadiga

referente ao período anterior à COVID-19 (β: -,555; t = -3,309; p < ,003) e o Compartilhamento de

Postagens em Redes Sociais para o Trabalho (β: -528; t = -3,309; p< ,002). Esses resultados são

congruentes com o apontado anteriormente a respeito da relação entre fadiga e lapsos atencionais,

que levariam a uma lentificação do processamento executivo e maior propensão a erros. Como

descrito em estudos como o de Levenson et al (2016), o uso de redes sociais por períodos prolongados

ou durante a noite é fortememente associado ao aumento na excitação cognitiva, o que a longo prazo

pode se relacionar ao aumento nos níveis de fadiga. Análises mais robustas a respeito dessas relações

150
não são possíveis devido ao número reduzido de participantes limitar a quantidade de observações

obtidas para fundamentar as regressões. No entanto, os resultados que encontramos podem servir

como ponto de partida para futuros estudos nesse sentido com mais participantes.

Apesar de não termos averiguado prejuízo cognitivo associado, pudemos constatar o perfil de

privação crônica do sono, assim como a má qualidade do sono e a fadiga excessiva, na população de

programadores. Como delineado na fundamentação teórica do presente trabalho, a restrição do sono

e o sono de má qualidade são prejudiciais para a saúde dos indivíduos afetados, com consequências

negativas em diversas esferas da vida dos sujeitos afetados. Portanto, podemos através dos resultados

desse trabalho apontar para a população de programadores como um grupo de trabalhadores de risco

em relação à privação crônica do sono. Encontramos também correlações entre os hábitos de uso de

tecnologia, os hábitos de sono e o desempenho cognitivo que podem apontar para novas vertentes de

pesquisa a serem estudadas.

Podemos através da presente pesquisa visualizar também os impactos da pandemia sobre a

população brasileira, em especial natalense, durante esse período. Não só isso, como identificamos

os programadores como um possível grupo menos afetado pelos impactos biopsicossociais desses

acontecimentos, o que pode ser relevante em pesquisas futuras.

Por fim, sugerimos que futuras pesquisas foquem na utilização de instrumentos objetivos,

como actigrafia, polissonografia, eletroencefalograma ou neuroimagem, para comparar aos escores

subjetivos de sono e cognição, como era a intenção inicial do presente projeto. Similarmente,

pesquisas longitudinais podem avaliar mais profundamente e à longo prazo algumas das relações

apontadas por esse trabalho, podendo caracterizar com mais detalhes as relações entre sono e uso de

tecnologia. Considerando também os impactos identificados no nosso grupo comparação ao longo

dessa pesquisa, sugerimos que estudos futuros busquem realizar comparações com grupos

151
controle/comparação de pouquíssimo contato com tecnologia, a fim de melhor visualizar os

resultados.

8. Limitações

A principal limitação da presente pesquisa se deve ao número reduzido de participantes,

especialmente no que se refere a participantes do grupo comparação. O acesso tanto a programadores

quanto a não-programadores se mostrou difícil durante o período pandêmico, com baixo engajamento

e alta taxa de desistência durante a realização do protocolo de pesquisa. Portanto, a amostra limitada

reduz o potencial de generalização dos dados obtidos.

Em adição a isso, é possível que a limitação ao uso de tecnologia incluída nos critérios de

inclusão do grupo comparação também reduza o potencial de generalização dos dados, considerando

que exclui outros grupos de não-programadores que façam uso mais frequente de tecnologia em suas

atividades laborais.

Outra limitação a ser considerada é o momento socio-histórico em que esse trabalho foi

conduzido: no segundo semestre de 2020, durante a quarentena da pandemia Sars-COV-2. O período

pandêmico impediu a utilização de testes neurocognitivos específicos para a medição de funções

executivas, visto que as opções presentes para esses construtos são, em sua maioria, de aplicação

presencial, e as alternativas virtuais específicas para medição de funções executivas não apresentavam

validação para a população brasileira. Apesar de termos encontrado uma alternativa de correlatos

cognitivos válidos para a nossa análise, a impossibilidade de avaliar diretamente as FEs é uma

limitação a ser considerada.

Em adição a isso, em função da adaptação do protocolo de pesquisa para a realização remota,

não foi possível elencar testes objetivos para comparação com o relato subjetivo dos voluntários.

Apesar do alto grau de confiabilidade dos instrumentos utilizados, a avaliação subjetiva é por natureza

sujeita a possíveis vieses dos voluntários, em especial se tratando dos índices referentes ao período

pré-COVID, temporalmente anteriores à aplicação do protocolo.

152
 9. Conclusões

➢ Constatamos evidências de privação do sono crônica na população de programadores,

associada a sono de má qualidade, sonolência excessiva e irregularidade dos horários do sono

compatível com situação de jet-lag social. Esses resultados são fortemente correlacionados às

horas de uso de tecnologia, o que aponta para a influência do uso de tecnologia para o trabalho

sobre a quantidade e qualidade do sono entre esses profissionais.

➢ Foram identificados indícios de prejuízos ao domínio de atenção sustentada associados à

privação de sono crônica entre a população de programadores, o que corrobora o encontrado

na literatura. Similarmente, o desempenho em atenção dividida foi fortemente correlacionado

à irregularidade dos horários de despertar e à sonolência entre os programadores, sugerindo

influência do timing do sono e da sonolência diurna excessiva associados à privação do sono

no desempenho atencional, o que também corrobora o descrito na literatura. As horas totais de

sono e a irregularidade do tempo total de cama foram correlacionados a desempenhos

inferiores no desempenho executivo geral através do Fator G de inteligência. Esses resultados

são sugestivos de potencial prejuízo executivo, em especial ao domínio de memória

operacional. No entanto, estudos mais aprofundados são necessários.

➢ Os participantes do grupo comparação apresentam um número significativamente menor de

horas de uso de tecnologia em comparação aos membros do grupo de estudo. No entanto, as

horas totais de sono, qualidade do sono e índices de sonolência diurna excessiva de ambos os

grupos foram bastante similares, com diferenças significativas entre as irregularidades dos

horários de acordar e despertar que apontam para maiores índices de jet-lag social entre

programadores. Identificamos possíveis efeitos da pandemia Sars-Cov-2 na similaridade do

prejuízo aos parâmetros de sono dos dois grupos, assim como no desempenho inferior dos

participantes do grupo comparação na avaliação neurocognitiva.

153
 10. REFERÊNCIAS:

Almondes, K. M (2019). Como Avaliar em Neuropsicologia do Sono, 1st edition. Pearson Clinical.
ISBN: 978-85-8040-865-2
Almondes, K. M. (2013). Psicologia da saúde e cronobiologia: diálogo possível?. Psicologia Ciência
e Profissão, vol.33, n.3, pp. 646-655. http://dx.doi.org/10.1590/S1414-98932013000300010
Alzoubi, K. H., Mayyas, F. A., Khabour, O. F., Salama, F. M. B., Alhashimi, F. H., & Mhaidat, N.
M. (2016). Chronic melatonin treatment prevents memory impairment induced by chronic sleep
deprivation. Molecular neurobiology, 53(5), 3439-3447. https://doi.org/10.1007/s12035-015-9286-z
American Psychiatric Association. (2013). Diagnostic and Statistical Manual of Mental Disorders.
5th ed. Washington, DC: American Psychiatric Association.
https://doi.org/10.1176/appi.books.9780890425596
Ancker, J. S., Edwards, A., Nosal, S., Hauser, D., Mauer, E., & Kaushal, R. (2017). Effects of
workload, work complexity, and repeated alerts on alert fatigue in a clinical decision support system.
BMC medical informatics and decision making, 17(1), 1-9. https://doi.org/10.1186/s12911-017-
0430-8
Anderson, V., Jacobs, R., & Anderson, P. J. (Eds.). (2010). Executive functions and the frontal lobes:
A lifespan perspective. Psychology Press. https://doi.org/10.4324/9780203837863
Andreassen, C. S. (2015). Online social network site addiction: A comprehensive review. Current
Addiction Reports, 2(2), 175-184. https://doi.org/10.1007/s40429-015-0056-9
Anothaisintawee, T., Reutrakul, S., Van Cauter, E., & Thakkinstian, A. (2016). Sleep disturbances
compared to traditional risk factors for diabetes development: systematic review and meta-analysis.
Sleep medicine reviews, 30, 11-24. https://doi.org/10.1016/j.smrv.2015.10.002
Araújo, D. D. F. (2012). Avaliação da relação entre qualidade de sono e uma intervenção com jogos
para o desempenho de crianças e adolescentes (Master's thesis, Universidade Federal do Rio Grande
do Norte). https://repositorio.ufrn.br/jspui/handle/123456789/17510
Arnardottir, E. S., Nikonova, E. V., Shockley, K. R., Podtelezhnikov, A. A., Anafi, R. C., Tanis, K.
Q., ... & Pack, A. I. (2014). Blood-gene expression reveals reduced circadian rhythmicity in
individuals resistant to sleep deprivation. Sleep, 37(10), 1589-1600.
https://doi.org/10.5665/sleep.4064
Arora, T., Broglia, E., Thomas, G. N., & Taheri, S. (2014). Associations between specific
technologies and adolescent sleep quantity, sleep quality, and parasomnias. Sleep medicine, 15(2),
240-247. https://doi.org/10.1016/j.sleep.2013.08.799

154
Baek, Y., Jung, K., & Lee, S. (2020). Effects of sleep restriction on subjective and physiological
variables in middle-aged Korean adults: an intervention study. Sleep medicine, 70, 60-65.
https://doi.org/10.1016/j.sleep.2020.02.006
Baglioni, C., Spiegelhalder, K., Lombardo, C., & Riemann, D. (2010). Sleep and emotions: A focus
on insomnia. Sleep Medicine Reviews, 14(4), 227–238. https://doi.org/10.1016/j.smrv.2009.10.007
Barkley, R. A. (1997). Behavioral inhibition, sustained attention, and executive functions:
constructing a unifying theory of ADHD. Psychological bulletin, 121(1), 65.
https://psycnet.apa.org/doi/10.1037/0033-2909.121.1.65
Barkley, R. A. (2012). Executive functions: What they are, how they work, and why they evolved.
Guilford Press. ISBN: 9781462505357 146250535X
Baltes, S., & Diehl, S. (2016, September). Worse than spam: Issues in sampling software developers.
In Proceedings of the 10th ACM/IEEE International Symposium on Empirical Software Engineering
and Measurement (pp. 1-6). https://doi.org/10.1145/2961111.2962628
Barone, Mark Thomaz Ugliara, Wey, Daniela, Schorr, Fabiola, Franco, Denise Reis, Carra, Mario
Kehdi, Lorenzi Filho, Geraldo, & Menna-Barreto, Luiz. (2015). Sleep and glycemic control in type
1 diabetes. Archives of Endocrinology and Metabolism, 59(1), 71-78.
https://dx.doi.org/10.1590/2359-3997000000013
Bartel, K., & Gradisar, M. (2017). New directions in the link between technology use and sleep in
young people. In Sleep disorders in children (pp. 69-80). Springer, Cham.
https://doi.org/10.1007/978-3-319-28640-2_4
Bartel, K., van Maanen, A., Cassoff, J., Friborg, O., Meijer, A. M., Oort, F., ... & Gradisar, M. (2017).
The short and long of adolescent sleep: the unique impact of day length. Sleep medicine, 38, 31-36.
https://doi.org/10.1016/j.sleep.2017.06.018
Baumgartner, S. E., Weeda, W. D., van der Heijden, L. L., & Huizinga, M. (2014). The Relationship
Between Media Multitasking and Executive Function in Early Adolescents. The Journal of Early
Adolescence, 34(8), 1120–1144. https://doi.org/10.1177/0272431614523133
Beijamini, F., Pereira, S. I. R., Cini, F. A., & Louzada, F. M. (2014). After being challenged by a
video game problem, sleep increases the chance to solve it. PloS one, 9(1), e84342.
https://doi.org/10.1371/journal.pone.0084342
Benedito-Silva, A. A., Menna-Barreto, L., Marques, N., & Tenreiro, S. (1990). A self-assessment
questionnaire for the determination of morningness-eveningness types in Brazil. Progress in Clinical
and Biological Research, 341,89-98. PMID: 2217379
Bhat, S., Pinto-Zipp, G., Upadhyay, H., & Polos, P. G. (2018). “To sleep, perchance to tweet”: in-
bed electronic social media use and its associations with insomnia, daytime sleepiness, mood, and
sleep duration in adults. Sleep health, 4(2), 166-173. https://doi.org/10.1016/j.sleh.2017.12.004
155
Borbély A. A. (1982). A two process model of sleep regulation. Human neurobiology, 1(3), 195–204.
Borb, A. A., & Achermann, P. (1999). Sleep homeostasis and models of sleep regulation. Journal of
biological rhythms, 14(6), 559-570. https://doi.org/10.1177%2F074873099129000894
Borbély, A. A., Daan, S., Wirz‐Justice, A., & Deboer, T. (2016). The two‐process model of sleep
regulation: a reappraisal. Journal of sleep research, 25(2), 131-143. https://doi.org/10.1111/jsr.12371
Bradley, A. J., Webb-Mitchell, R., Hazu, A., Slater, N., Middleton, B., Gallagher, P., ... & Anderson,
K. N. (2017). Sleep and circadian rhythm disturbance in bipolar disorder. Psychological medicine,
47(9), 1678-1689. https://doi.org/ 017/S0033291717000186
Brandstaetter, R. (2004). Circadian lessons from peripheral clocks: is the time of the mammalian
pacemaker up? Proceedings of the National Academy of Sciences ofthe United States of America,
101, 5699-5700. https://doi.org/10.1073/pnas.0401378101
Burke, D. (1995). All circuits are busy now: The 1990 AT&T long distance network collapse.
California Polytechnic State University. CSC440-01
Bucksch, J., Sigmundova, D., Hamrik, Z., Troped, P. J., Melkevik, O., Ahluwalia, N., et al. (2016).
International trends in adolescent screen-time behaviors from 2002 to 2010. Journal of Adolescent
Health, 58, 417–425. https://doi.org/10.1016/j.jadohealth.2015.11.014
Burgess, J., & Green, J. (2018). YouTube: Online video and participatory culture. John Wiley &
Sons.
Burnett, M., Fleming, S. D., Iqbal, S., Venolia, G., Rajaram, V., Farooq, U., ... & Czerwinski, M.
(2010, September). Gender differences and programming environments: Across programming
populations. In Proceedings of the 2010 ACM-IEEE international symposium on empirical software
engineering and measurement (pp. 1-10). https://doi.org/10.1145/1852786.1852824
Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., & Kupfer, D. J. (1989). The Pittsburg
sleep quality index: a new instrument for psychiatric practice and research. Psychiatry Research, 28,
193-213. https://doi.org/10.1016/0165-1781(89)90047-4
Cain, N., & Gradisar, M. (2010). Electronic media use and sleep in school-aged children and
adolescents: A review. Sleep medicine, 11(8), 735-742. https://doi.org/10.1016/j.sleep.2010.02.006
Cajochen, C., Jud, C., Münch, M., Kobialka, S., Wirz‐Justice, A., & Albrecht, U. (2006). Evening
exposure to blue light stimulates the expression of the clock gene PER2 in humans. European Journal
of Neuroscience, 23(4), 1082-1086. https://doi.org/10.1111/j.1460-9568.2006.04613.x
Carbia, C., Cadaveira, F., Caamano-Isorna, F., Rodriguez-Holguin, S., & Corral, M. (2017). Binge
drinking during adolescence and young adulthood is associated with deficits in verbal episodic
memory. PLoS One, 12(2), e0171393. https://doi.org/10.1371/journal.pone.0171393

156
Casagrande, M., Favieri, F., Tambelli, R., & Forte, G. (2020). The enemy who sealed the world:
Effects quarantine due to the COVID-19 on sleep quality, anxiety, and psychological distress in the
Italian population. Sleep medicine, 75, 12-20. https://doi.org/10.1016/j.sleep.2020.05.011
Castellanos, F. X., Sonuga-Barke, E. J., Milham, M. P., & Tannock, R. (2006). Characterizing
cognition in ADHD: beyond executive dysfunction. Trends in cognitive sciences, 10(3), 117-123.
https://doi.org/10.1016/j.tics.2006.01.011
Castro, E. D. A. S., & de Almondes, K. M. (2018). Sleep pattern and decision-making in physicians
from mobile emergency care service with 12-h work schedules. International Journal of
Neuroscience, 128(6), 530-539. https://doi.org/10.1080/00207454.2017.1400970
Castro, L. S., Poyares, D., Leger, D., Bittencourt, L., & Tufik, S. (2013). Objective prevalence of
insomnia in the São Paulo, Brazil epidemiologic sleep study. Annals of neurology, 74(4), 537-546.
https://doi.org/10.1002/ana.23945
Chee, M.W., & Choo, W.C. (2004). Functional imaging of working memory after 24 hr of total sleep
deprivation. Journal of Neuroscience, 24, 4560–4567. https://doi.org/10.1523/JNEUROSCI.0007-
04.2004
Chee, M.W., &Chuah, L.Y. (2007). Functional neuroimaging and behavioral correlates of capacity
decline in visual short-term memory after sleep deprivation. Proceedings of the National Academy of
Science of the United States of America, 104(22), 9487–9492.
https://doi.org/10.1073/pnas.0610712104
Chee, M. W., & Chuah, L. Y. (2008). Functional neuroimaging insights into how sleep and sleep
deprivation affect memory and cognition. Current opinion in neurology, 21(4), 417-423.
https://doi.org/10.1097/WCO.0b013e3283052cf7
Chengyang, L., Daqing, H., Jianlin, Q. et al. Brain Imaging and Behavior (2017) 11: 954.
https://doi.org/10.1007/s11682-016-9570-1
Chellappa, S. L., Steiner, R., Oelhafen, P., Lang, D., Götz, T., Krebs, J., & Cajochen, C. (2013). Acute
exposure to evening blue‐enriched light impacts on human sleep. Journal of sleep research, 22(5),
573-580. https://doi.org/10.1111/jsr.12050
Chellappa, S. L., Steiner, R., Blattner, P., Oelhafen, P., Götz, T., & Cajochen, C. (2011). Non-visual
effects of light on melatonin, alertness and cognitive performance: can blue-enriched light keep us
alert?. PloS one, 6(1), e16429. https://doi.org/10.1371/journal.pone.0016429
Chen, J., Liang, J., Lin, X., Zhang, Y., Zhang, Y., Lu, L., & Shi, J. (2017). Sleep deprivation promotes
habitual control over goal-directed control: behavioral and neuroimaging evidence. Journal of
Neuroscience, 37(49), 11979-11992. https://doi.org/10.1523/JNEUROSCI.1612-17.2017

157
Choo, W.-C., Lee, W.-W., Venkatraman, V., Sheu, F.-S., & Chee, M. W. L. (2005). Dissociation of
cortical regions modulated by both working memory load and sleep deprivation and by sleep
deprivation alone. NeuroImage, 25(2), 579–587. https://doi.org/10.1016/j.neuroimage.2004.11.029
Clark, D. B., Thatcher, D. L., & Tapert, S. F. (2008). Alcohol, psychological dysregulation, and
adolescent brain development. Alcoholism: Clinical and Experimental Research, 32(3), 375-385.
https://doi.org/10.1111/j.1530-0277.2007.00601.x
Claes, M., Mäntylä, M. V., Kuutila, M., & Adams, B. (2018, May). Do programmers work at night
or during the weekend?. In Proceedings of the 40th International Conference on Software Engineering
(pp. 705-715). https://doi.org/10.1145/3180155.3180193
Conway, A. R., Kane, M. J., & Engle, R. W. (2003). Working memory capacity and its relation to
general intelligence. Trends in cognitive sciences, 7(12), 547-552.
https://doi.org/10.1016/j.tics.2003.10.005
Colom, R., Martínez-Molina, A., Shih, P. C., & Santacreu, J. (2010). Intelligence, working memory,
and multitasking performance. Intelligence, 38(6), 543-551.
https://doi.org/10.1016/j.intell.2010.08.002
Cox, R. C., & Olatunji, B. O. (2016). A systematic review of sleep disturbance in anxiety and related
disorders. Journal of anxiety disorders, 37, 104-129. https://doi.org/10.1016/j.janxdis.2015.12.001
Crk, I., Kluthe, T., & Stefik, A. (2016). Understanding programming expertise: an empirical study of
phasic brain wave changes. ACM Transactions on Computer-Human Interaction (TOCHI), 23(1), 2.
https://doi.org/10.1145/2829945
Diamond, A. (2013). Executive functions. Annual Review of Psychology, 64, 135–168
https://doi.org/10.1146/annurev-psych-113011-143750
Diamond, A., & Ling, D. S. (2016). Conclusions about interventions, programs, and approaches for
improving executive functions that appear justified and those that, despite much hype, do not.
Developmental cognitive neuroscience, 18, 34-48. https://doi.org/10.1016/j.dcn.2015.11.005
Dhir, A., Yossatorn, Y., Kaur, P., & Chen, S. (2018). Online social media fatigue and psychological
wellbeing—A study of compulsive use, fear of missing out, fatigue, anxiety and depression.
International Journal of Information Management, 40, 141-152.
https://doi.org/10.1016/j.ijinfomgt.2018.01.012
Dong, E., Du, H., & Gardner, L. (2020). An interactive web-based dashboard to track COVID-19 in
real time. The Lancet infectious diseases, 20(5), 533-534. https://doi.org/10.1016/S1473-
3099(20)30120-1
Doran, S.M., Van Dongen, H.P., &Dinges, D.F. (2001). Sustained attention performance during sleep
deprivation: Evidence of state instability. Archives of Italian Biology, 139(3), 253–267.
https://doi.org/10.4449/aib.v139i3.503
158
Drummond, S. P. A., Walker, M. Almklo Fernandez-Mendoza, J., Calhoun, S., Bixler, E. O., Pejovic,
S., Karataraki, M., Liao D., ..., &Vgontzas, A. N. (2010). Insomnia with objective short sleep duration
is associated with deficits in neuropsychological performance: a general population study. Sleep,
33(4), 459-65. https://doi.org10.1161/HYPERTENSIONAHA.112.193268.
Drummond, S.P., Bischoff-Grethe, A., Dinges, D.F., Ayalon, L., Mednick, S.C., &Meloy, M.J.
(2005). The neural basis of the psychomotor vigilance task. Sleep, 28(9), 1059–1068.
https://doi.org/10.1093/sleep/28.9.1059
Drummond, S.P., Brown, G.G., Gillian, J., Stricker, J., Wong, E., & Buxton, R. (2000). Altered brain
response to verbal learning following sleep deprivation. Nature, 403, 655–657.
https://doi.org/10.1038/35001068
Drummond, S.P., Brown, G.G., Salamat, J.S., &Gillin, J.C. (2004). Increasing task difficulty
facilitates the cerebral compensatory response to total sleep deprivation. Sleep, 27, 445–451.
https://doi.org/10.1093/sleep/27.3.445
Drummond, S.P., Gillin, J.C., & Brown, G.G. (2001). Increased cerebral response during a divided
attention task following sleep deprivation. Journal of Sleep Research, 10, 85–92.
https://doi.org/10.1046/j.1365-2869.2001.00245.x
Drummond, S.P., Meloy, M.J., Yanagi, M.A., Orff, H.J., & Brown, G.G. (2005). Compensatory
recruitment after sleep deprivation and the relationship with performance. Psychiatry Research, 140,
211–223. https://doi.org/10.1016/j.pscychresns.2005.06.007
Durmer, J.S., & Dinges, D.F. (2005). Neurocognitive consequences of sleep deprivation. Seminars in
Neurology, 25(1), 117–129. https://doi:10.1055/s-2005-867080
Ellis, S.K., Walczyk, J.J., Bulboltz, W., & Felix, V. (2014). The relationship between self-reported
sleep quality and reading comprehension skills. Sleep Science, 7, 189-196.
https://doi.org/10.1016/j.slsci.2014.12.001
Enright, T., & Refinetti, R. (2017). Chronotype, class times, and academic achievement of university
students. Chronobiology international, 34(4), 445-450.
https://doi.org/10.1080/07420528.2017.1281287
Exelmans L, Van den Bulck J. Sleep quality is negatively related to video gaming volume in adults.
J Sleep Res 2015;24(2):189–96 https://doi.org/10.1111/jsr.12255
Exelmans, L., & Van den Bulck, J. (2016). Bedtime mobile phone use and sleep in adults. Social
Science & Medicine, 148, 93-101. https://doi.org/10.1016/j.socscimed.2015.11.037
Exelmans, L., & Van den Bulck, J. (2017). Bedtime, shuteye time and electronic media: sleep
displacement is a two‐step process. Journal of sleep research, 26(3), 364-370.
https://doi.org/10.1111/jsr.12510

159
Ferguson, S. A., Appleton, S. L., Reynolds, A. C., Gill, T. K., Taylor, A. W., McEvoy, R. D., &
Adams, R. J. (2019). Making errors at work due to sleepiness or sleep problems is not confined to
non-standard work hours: results of the 2016 Sleep Health Foundation national survey.
Chronobiology international, 36(6), 758-769. https://doi.org/10.1080/07420528.2019.1578969
Freeman, D., Sheaves, B., Waite, F., Harvey, A. G., & Harrison, P. J. (2020). Sleep disturbance and
psychiatric disorders. The Lancet Psychiatry, 7(7), 628-637. https://doi.org/10.1016/S2215-
0366(20)30136-X
Friedman, N. P., & Miyake, A. (2017). Unity and diversity of executive functions: Individual
differences as a window on cognitive structure. Cortex, 86, 186-204.
https://doi.org/10.1016/j.cortex.2016.04.023
Fossum, I. N., Nordnes, L. T., Storemark, S. S., Bjorvatn, B., & Pallesen, S. (2014). The association
between use of electronic media in bed before going to sleep and insomnia symptoms, daytime
sleepiness, morningness, and chronotype. Behavioral sleep medicine, 12(5), 343-357.
https://doi.org/10.1080/15402002.2013.819468
Fritz, T., Begel, A., Müller, S. C., Yigit-Elliott, S., & Züger, M. (2014, May). Using psycho-
physiological measures to assess task difficulty in software development. In Proceedings of the 36th
international conference on software engineering (pp. 402-413). ACM.
https://doi.org/10.1145/2568225.2568266
Fritz, T., & Müller, S. C. (2016, March). Leveraging biometric data to boost software developer
productivity. In 2016 IEEE 23rd International Conference on Software Analysis, Evolution, and
Reengineering (SANER) (Vol. 5, pp. 66-77). IEEE. https://doi.org10.1109/SANER.2016.107.
Ford, E. S., Wheaton, A. G., Cunningham, T. J., Giles, W. H., Chapman, D. P., & Croft, J. B. (2014).
Trends in outpatient visits for insomnia, sleep apnea, and prescriptions for sleep medications among
US adults: findings from the National Ambulatory Medical Care survey 1999-2010. Sleep, 37(8),
1283-1293. https://doi.org/10.5665/sleep.3914
Gradisar, M., Terrill, G., Johnston, A., & Douglas, P. (2008). Adolescent sleep and working memory
performance. Sleep and Biological Rhythms, 6(3), 146-154. https://doi.org/10.1111/j.1479-
8425.2008.00353.x
Gradisar M, Wolfson AR, Harvey AG, Hale L, Rosenberg R, Czeisler CA. The sleep and
technology use of Americans: findings from the National Sleep Foundation's 2011 Sleep in America
poll. J Clin Sleep Med 2013;9(12):1291. https://doi.org/10.5664/jcsm.3272
Grandner, M. A. (2019). Epidemiology of insufficient sleep and poor sleep quality. In Sleep and
Health (pp. 11-20). Academic Press. https://doi.org/10.1016/B978-0-12-815373-4.00002-2

160
Goldstein, S., Naglieri, J. A., Princiotta, D., & Otero, T. M. (2014). Introduction: A history of
executive functioning as a theoretical and clinical construct. In Handbook of executive functioning
(pp. 3-12). Springer, New York, NY. https://doi.org/10.1007/978-1-4614-8106-5_1
Habeck, C., Rakitin, B.C., Moeller, J., Scarmeas, N., Zarahn, E., Brown, T., Stern, Y., 2004. An
event-related fMRI study of the neurobehavioral impact of sleep deprivation on performance of a
delayed-matchto-sample task. Brain Res. Cogn. Brain Res. 18, 306 – 321.
https://doi.org/10.1016/j.cogbrainres.2003.10.019
Hardeland, R., Madrid, J. A., Tan, D. X., & Reiter, R. J. (2012). Melatonin, the circadian
multioscillator system and health: the need for detailed analyses of peripheral melatonin signaling.
Journal of pineal research, 52(2), 139-166. https://doi.org/10.1111/j.1600-079X.2011.00934.x
Hale, L., & Guan, S. (2015). Screen time and sleep among school-aged children and adolescents: a
systematic literature review. Sleep medicine reviews, 21, 50-58.
https://doi.org/10.1016/j.smrv.2014.07.007
Hagewoud, R., Havekes, R., Novati, A., Keijser, J. N., Van der Zee, E. A., & Meerlo, P. (2010). Sleep
deprivation impairs spatial working memory and reduces hippocampal AMPA receptor
phosphorylation. Journal of sleep research, 19(2), 280-288. https://doi.org/10.1111/j.1365-
2869.2009.00799.x
Hastings, M. H., Maywood, E. S., & Brancaccio, M. (2018). Generation of circadian rhythms in the
suprachiasmatic nucleus. Nature Reviews Neuroscience, 19(8), 453. https://doi.org/10.1038/s41583-
018-0026-z
Hena, M., & Garmy, P. (2020). Social Jetlag and Its Association With Screen Time and Nighttime
Texting Among Adolescents in Sweden: A Cross-Sectional Study. Frontiers in neuroscience, 14, 122.
https://doi.org/10.3389/fnins.2020.00122
Hendriks, H., van de Rest, O., Snippe, A., Kieboom, J., & Hogenelst, K. (2020). Alcohol
Consumption, Drinking Patterns, and Cognitive Performance in Young Adults: A Cross-Sectional
and Longitudinal Analysis. Nutrients, 12(1), 200. https://doi.org/10.3390/nu12010200
Heo JY, Kim K, Fava M, Mischoulon D, Papakostas GI, Kim MJ, Kim DJ, Chang KA, Oh Y, Yu
BH, Jeon HJ. Effects of smartphone use with and without blue light at night in healthy adults: a
randomized, double-blind, cross-over, placebo-controlled comparison. J Psychiatry Res 2017;87:61–
70 https://doi.org/10.1016/j.jpsychires.2016.12.010
Hilditch, C. J., Dorrian, J., & Banks, S. (2017). A review of short naps and sleep inertia: do naps of
30 min or less really avoid sleep inertia and slow-wave sleep?. Sleep medicine, 32, 176-190.
https://doi.org/10.1016/j.sleep.2016.12.016

161
Hirshkowitz, M., Whiton, K., Albert, S. M., Alessi, C., Bruni, O., DonCarlos, L., ... & Neubauer, D.
N. (2015). National Sleep Foundation’s sleep time duration recommendations: methodology and
results summary. Sleep health, 1(1), 40-43. https://doi.org/10.1016/j.sleh.2014.12.010
Hirotsu, C., Bittencourt, L., Garbuio, S., Andersen, M. L., & Tufik, S. (2014). Sleep complaints in
the Brazilian population: Impact of socioeconomic factors. Sleep Science, 7(3), 135-142.
https://doi.org/10.1016/j.slsci.2014.08.001
Honn, K. A., Hinson, J. M., Whitney, P., & Van Dongen, H. P. A. (2019). Cognitive flexibility: a
distinct element of performance impairment due to sleep deprivation. Accident Analysis &
Prevention, 126, 191-197. https://doi.org/10.1016/j.aap.2018.02.013
Horne, J. A., & Östberg, O. (1975). A self-assessment questionnaire to determine morningness-
eveningness in human circadian rhythms. International Journal of Chronobiology, 4(2),97-110.
PMID: 1027738
Huang, Q., Li, Y., Huang, S., Qi, J., Shao, T., Chen, X., ... & Chen, H. (2020). Smartphone use and
sleep quality in Chinese college students: a preliminary study. Frontiers in Psychiatry, 11.
https://doi.org/10.3389/fpsyt.2020.00352
International Labour Organization. (Org.). Report II: Measurement of working time. Geneva: ILO;
2008. ISBN : 92-2-121621-7
Jansson-Frojmark, M., & Lindblom, K. (2008). A bi-directional relationship between anxiety and
depression, and insomnia? A prospective study in the general population. Journal of Psychosomatic
Research, 64, 440–443. https://doi.org/10.1016/j.jpsychores.2007.10.016
Javaheipour, N., Shahdipour, N., Noori, K., Zarei, M., Camilleri, J., Laird, A., ... & Khazaie, H.
(2019). Functional brain alterations in acute sleep deprivation: an activation likelihood estimation
meta-analysis. Sleep medicine reviews. https://doi.org/10.1016/j.smrv.2019.03.008
Jaeggi, S. M., Buschkuehl, M., Perrig, W. J., & Meier, B. (2010). The concurrent validity of the N-
back task as a working memory measure. Memory, 18(4), 394-412.
https://doi.org/10.1080/09658211003702171
Johann, V., Könen, T., & Karbach, J. (2020). The unique contribution of working memory, inhibition,
cognitive flexibility, and intelligence to reading comprehension and reading speed. Child
Neuropsychology, 26(3), 324-344. https://doi.org/10.1080/09297049.2019.1649381
Johns, M. W. (1991). A new method for measuring daytime sleepiness: the Epworth sleepiness scale.
sleep, 14(6), 540-545. https://doi.org/10.1093/sleep/14.6.540
Johnston, P., & Harris, R. (2019). The Boeing 737 MAX saga: lessons for software organizations.
Software Quality Professional, 21(3), 4-12. https://doi.org/10.1016/j.eng.2019.11.002
Juan, S. M., & Adlard, P. A. (2019). Ageing and cognition. Biochemistry and Cell Biology of Ageing:
Part II Clinical Science, 107-122. https://doi.org/10.1007/978-981-13-3681-2_5
162
Kakinuma, M., Takahashi, M., Kato, N., Aratake, Y., Watanabe, M., Ishikawa, Y., ... & Tanaka, K.
(2010). Effect of brief sleep hygiene education for workers of an information technology company.
Industrial health, 1006240002-1006240002. https://doi.org/10.2486/indhealth.MS1136
Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities
of Social Media. Business horizons, 53(1), 59-68. https://doi.org/10.1016/j.bushor.2009.09.003
Kerkhof GA, Epidemiology of Sleep and Sleep Disorders in The Netherlands, Sleep Medicine (2016),
https://doi.org/10.1016/j.sleep.2016.09.015
Keyes, K. M., Maslowsky, J., Hamilton, A., & Schulenberg, J. (2015). The great sleep recession:
Changes in sleep duration among US adolescents, 1991–2012. Pediatrics, 135, 460–468
https://doi.org/10.1542/peds.2014-2707
Killgore, W.D., Balkin, T.J., &Wesensten, N.J. (2006). Impaired decision making following 49 h of
sleep deprivation. Journal of Sleep Research, 15(1), 7–13. https://doi.org/10.1111/j.1365-
2869.2006.00487.x
Killgore, W.D., Kahn-Greene, E.T., Lipizzi, E.L., Newman, R.A., Kamimori, G.H., &Balkin, T.J.
(2008). Sleep deprivation reduces perceived emotional intelligence and constructive thinking skills.
Sleep Medicine, 9(5), 517–526. https://doi.org/10.1016/j.sleep.2007.07.003
Kim, S. J., Lee, Y. J., Cho, S. J., Cho, I. H., Lim, W., & Lim, W. (2011). Relationship between
weekend catch-up sleep and poor performance on attention tasks in Korean adolescents. Archives of
pediatrics & adolescent medicine, 165(9), 806-812. https://.doi.org/10.1001/archpediatrics.2011.128
Kolla, B. P., He, J. P., Mansukhani, M. P., Frye, M. A., & Merikangas, K. (2020). Excessive
sleepiness and associated symptoms in the US adult population: prevalence, correlates, and
comorbidity. Sleep health, 6(1), 79-87. https://doi.org/10.1016/j.sleh.2019.09.004
Kosti, M. V., Georgiadis, K., Adamos, D. A., Laskaris, N., Spinellis, D., & Angelis, L. (2018).
Towards an affordable brain computer interface for the assessment of programmers’ mental
workload. International Journal of Human-Computer Studies, 115, 52-66.
https://doi.org/10.1016/j.ijhcs.2018.03.002
Krause, A. J., Simon, E. B., Mander, B. A., Greer, S. M., Saletin, J. M., Goldstein-Piekarski, A. N.,
& Walker, M. P. (2017). The sleep-deprived human brain. Nature Reviews Neuroscience, 18(7), 404.
http://dx.doi.org/10.1038/nrn.2017.55
Kripke, D.F. (2004). Do we sleep too much? Sleep, 27(1), 13–14. PMID: 14998231
Kwon, K. J., Lee, E. J., Kim, M. K., Jeon, S. J., Choi, Y. Y., Shin, C. Y., & Han, S. H. (2015). The
potential role of melatonin on sleep deprivation-induced cognitive impairments: implication of FMRP
on cognitive function. Neuroscience, 301, 403-414.
https://doi.org/10.1016/j.neuroscience.2015.05.079

163
Kuo, B. C., Stokes, M. G., & Nobre, A. C. (2012). Attention modulates maintenance of
representations in visual short-term memory. Journal of cognitive neuroscience, 24(1), 51-60.
https://doi.org/10.1162/jocn_a_00087
Lam, M., Eng, G. K., Rapisarda, A., Subramaniam, M., Kraus, M., Keefe, R. S., & Collinson, S. L.
(2013). Formulation of the age–education index: Measuring age and education effects in
neuropsychological performance. Psychological assessment, 25(1), 61.
https://doi.org/10.1037/a0030548
Lanaj, K., Johnson, R. E., & Barnes, C. M. (2014). Beginning the workday yet already depleted?
Consequences of late-night smartphone use and sleep. Organizational Behavior and Human Decision
Processes, 124(1), 11-23. https://doi.org/10.1016/j.obhdp.2014.01.001
Lee, S., Buxton, O. M., Andel, R., & Almeida, D. M. (2019). Bidirectional associations of sleep with
cognitive interference in employees' work days. Sleep health, 5(3), 298-308.
https://doi.org/10.1016/j.sleh.2019.01.007
Lee, S., Hooshyar, D., Ji, H., Nam, K., & Lim, H. (2018). Mining biometric data to predict
programmer expertise and task difficulty. Cluster Computing, 21(1), 1097-1107.
https://doi.org/10.1007/s10586-017-0746-2
Leveson, N. G., & Turner, C. S. (1993). An investigation of the Therac-25 accidents. Computer,
26(7), 18-41. https://doi.org/10.1109/MC.1993.274940
Levenson JC, Shensa A, Sidani JE, Colditz JB, Primack BA. The association between social media
use and sleep disturbance among young adults. Prev Med 2016;85:36–41
https://doi.org/10.1016/j.ypmed.2016.01.001
Lezak, M. D., Howieson, D. B., Loring, D. W., & Fischer, J. S. (2004). Neuropsychological
assessment. Oxford University Press, USA. https://doi.org/10.1007/s00415-005-0003-0
Li, J., Lepp, A., & Barkley, J. E. (2015). Locus of control and cell phone use: Implications for sleep
quality, academic performance, and subjective well-being. Computers in Human Behavior, 52, 450-
457. https://doi.org/10.1016/j.chb.2015.06.021
Liew, S. C., & Aung, T. (2020). Sleep deprivation and its association with diseases-A review. Sleep
medicine. https://doi.org/10.1016/j.sleep.2020.07.048
Lim, J., &Dinges, D.F. (2010). A meta-analysis of the impact of short-term sleep deprivation on
cognitive variables. Psychological Bulletin, 136(3), 375–389. https://doi.org/10.1037/a0018883
Lim, J., Choo, W.C., & Chee, M.W. (2007). Reproducibility of changes in behaviour and fMRI
activation associated with sleep deprivation in a working memory task. Sleep, 30(1), 61–70.
https://doi.org/10.1093/sleep/30.1.61
Liu, R. Q., Qian, Z., Trevathan, E., Chang, J. J., Zelicoff, A., Hao, Y. T., ... & Dong, G. H. (2016).
Poor sleep quality associated with high risk of hypertension and elevated blood pressure in China:
164
results from a large population-based study. Hypertension Research, 39(1), 54.
https://doi.org/10.1038/hr.2015.98
Lo, J. C., Groeger, J. A., Santhi, N., Arbon, E. L., Lazar, A. S., Hasan, S., ... & Dijk, D. J. (2012).
Effects of partial and acute total sleep deprivation on performance across cognitive domains,
individuals and circadian phase. PloS one, 7(9), e45987.
https://doi.org/10.1371/journal.pone.0045987
Lo, J. C., Ong, J. L., Leong, R. L., Gooley, J. J.,& Chee, M. W. (2016). Cognitive performance,
sleepiness, and mood in partially sleep deprived adolescents: the need for sleep study. Sleep, 39(3),
687-698. https://doi.org/10.5665/sleep.5552
Lowe, C. J., Safati, A., & Hall, P. A. (2017). The neurocognitive consequences of sleep restriction:
A meta-analytic review. Neuroscience and biobehavioral reviews, 80, 586–604.
https://doi.org/10.1016/j.neubiorev.2017.07.010
Lucas-Thompson, R. G., Crain, T. L., & Brossoit, R. M. (2021). Measuring sleep duration in
adolescence: comparing subjective and objective daily methods. Sleep Health, 7(1), 79-82.
https://doi.org/10.1016/j.sleh.2020.06.005
Lund, H. G., Reider, B. D., Whiting, A. B., & Prichard, J. R. (2010). Sleep patterns and predictors of
disturbed sleep in a large population of college students. Journal of adolescent health, 46(2), 124-132.
https://doi.org/10.1016/j.jadohealth.2009.06.016
Luria, A. R. (1981). Fundamentos de neuropsicologia. São Paulo, SP: Editora da Universidade de São
Paulo. ISBN: 85-216-0152-2
Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking
through programming: What is next for K-12? Computers in Human Behavior, 41, 51–61.
https://doi.org/10.1016/j.chb.2014.09.012
Madrid-Valero, J. J., Martínez-Selva, J. M., Couto, B. R. D., Sánchez-Romera, J. F., & Ordoñana, J.
R. (2017). Age and gender effects on the prevalence of poor sleep quality in the adult population.
Gaceta sanitaria, 31, 18-22. https://doi.org/10.1016/j.gaceta.2016.05.013
Malloy-Diniz, L. F., Sedo, M., Fuentes, D., & Leite, W. B. (2008). Neuropsicologia das funções
executivas. Neuropsicologia: teoria e prática. Porto Alegre: Artmed, 187. ISBN: 978-85-8271-056-2
Marelli, S., Castelnuovo, A., Somma, A., Castronovo, V., Mombelli, S., Bottoni, D., ... & Ferini-
Strambi, L. (2021). Impact of COVID-19 lockdown on sleep quality in university students and
administration staff. Journal of Neurology, 268(1), 8-15. https://doi.org/10.1007/s00415-020-10056-
6
Massar, S. A., Lim, J., Sasmita, K., &Chee, M. W. (2019). Sleep deprivation increases the costs of
attentional effort: performance, preference and pupil size. Neuropsychologia, 123, 169-177.
https://doi.org/10.1016/j.neuropsychologia.2018.03.032
165
Maurice M. Ohayon, Mary A. Carskadon, Christian Guilleminault, Michael V. Vitiello, Meta-
Analysis of Quantitative Sleep Parameters From Childhood to Old Age in Healthy Individuals:
Developing Normative Sleep Values Across the Human Lifespan, Sleep, Volume 27, Issue 7, October
2004, Pages 1255–1273, https://doi.org/10.1093/sleep/27.7.1255
Mazzer, K., Bauducco, S., Linton, S. J., & Boersma, K. (2018). Longitudinal associations between
time spent using technology and sleep duration among adolescents. Journal of adolescence, 66, 112-
119. https://doi.org/10.1016/j.adolescence.2018.05.004
Millman RP; Working Group on Sleepiness in Adolescents/Young Adults; AAP Committee on
Adolescence. Excessive sleepiness in adolescents and young adults: causes, consequences, and
treatment strategies. Pediatrics. 2005 Jun;115(6):1774-86. doi: 10.1542/peds.2005-0772. PMID:
15930245.
Miyake, A., Friedman, N. P., Emerson, M. J., Witzki, A. H., Howerter, A., & Wager, T. D. (2000).
The Unity and Diversity of Executive Functions and Their Contributions to Complex “Frontal Lobe”
Tasks: A Latent Variable Analysis. Cognitive Psychology, 41(1), 49–100.
https://doi.org/10.1006/cogp.1999.0734
Moore-Ede, M. C., & Sulzman, F. M. (1981). Internal temporal order. In Biological rhythms (pp.
215-241). Springer, Boston, MA. https://doi.org/10.1007/978-1-4615-6552-9_12
Moore, R. Y., & Eichler, V. B. (1972). Loss of a circadian adrenal corticosterone rhythm following
suprachiasmatic lesions in the rat. Brain research. https://psycnet.apa.org/doi/10.1016/0006-
8993(72)90054-6
Morphy, H., Dunn, K. M., Lewis, M., Boardman, H. F., & Croft, P. R. (2007). Epidemiology of
insomnia: a longitudinal study in a UK population. Sleep, 30(3), 274-280.
https://doi.org/10.1093/sleep/30.3.274
Mousavi-Nasab, S. M., Kormi-Nouri, R., Sundström, A., & Nilsson, L. G. (2012). The effects of
marital status on episodic and semantic memory in healthy middle-aged and old individuals.
Scandinavian journal of psychology, 53(1), 1–8. https://doi.org/10.1111/j.1467-9450.2011.00926.x
Murdock, K. K., Horissian, M., & Crichlow-Ball, C. (2017). Emerging adults’ text message use and
sleep characteristics: A multimethod, naturalistic study. Behavioral sleep medicine, 15(3), 228-241.
https://doi.org/10.1080/15402002.2015.1120203
Mollicone, D. J., Van Dongen, H., Rogers, N. L., Banks, S. & Dinges, D. F. (2010) Time of day
effects on neurobehavioral performance during chronic sleep restriction. Aviat. Space Environ. Med.
81, 735–744 https://doi.org/10.3357/ASEM.2756.2010
Morin, C. M., LeBlanc, M., Bélanger, L., Ivers, H., Mérette, C., & Savard, J. (2011). Prevalence of
insomnia and its treatment in Canada. The Canadian Journal of Psychiatry, 56(9), 540-548.
https://doi.org/10.1177%2F070674371105600905
166
Nakagawa, T., Kamei, Y., Uwano, H., Monden, A., Matsumoto, K., & German, D. M. (2014, May).
Quantifying programmers' mental workload during program comprehension based on cerebral blood
flow measurement: a controlled experiment. In Companion Proceedings of the 36th International
Conference on Software Engineering (pp. 448-451). ACM. https://doi.org/10.1145/2591062.2591098
Ng, T. H., Chung, K. F., Ho, F. Y. Y., Yeung, W. F., Yung, K. P., & Lam, T. H. (2015). Sleep–wake
disturbance in interepisode bipolar disorder and high-risk individuals: A systematic review and meta-
analysis. Sleep medicine reviews, 20, 46-58. https://doi.org/10.1016/j.smrv.2014.06.006
Nguyen‐Louie, T. T., Tracas, A., Squeglia, L. M., Matt, G. E., Eberson‐Shumate, S., & Tapert, S. F.
(2016). Learning and memory in adolescent moderate, binge, and extreme‐binge drinkers.
Alcoholism: clinical and experimental research, 40(9), 1895-1904.
https://doi.org/10.1111/acer.13160
Norman, D. A., & Shallice, T. (1986). Attention to action. In Consciousness and self-regulation (pp.
1-18). Springer, Boston, MA. https://doi.org/10.1007/978-1-4757-0629-1_1
Oliveira, M. L. C. D. (2016). Relação entre o uso de" mídias eletrônicas" e os hábitos de sono,
sonolência diurna e processos cognitivos em adolescentes (Master's thesis, Brasil).
Patrick, Y., Lee, A., Raha, O., Pillai, K., Gupta, S., Sethi, S., ... & Smith, S. F. (2017). Effects of sleep
deprivation on cognitive and physical performance in university students. Sleep and biological
rhythms, 15(3), 217-225. https://doi.org/10.1007/s41105-017-0099-5
Paunio, T., Korhonen, T., Hublin, C., Partinen, M., Koskenvuo, K., Koskenvuo, M., & Kaprio, J.
(2015). Poor sleep predicts symptoms of depression and disability retirement due to depression.
Journal of affective disorders, 172, 381-389. https://doi.org/10.1016/j.jad.2014.10.002
Peitek, N., Siegmund, J., Apel, S., Kästner, C., Parnin, C., Bethmann, A., ... & Brechmann, A. (2018).
A look into programmers' heads. IEEE Transactions on Software Engineering.
https://doi.org/10.1109/TSE.2018.2863303
Pereira, Alexandre Alves, Ceolim, Maria Filomena, & Neri, Anita Liberalesso. (2013). Association
between insomnia symptoms, daytime napping, and falls in community-dwelling elderly. Cadernos
de Saúde Pública, 29(3), 535-546. https://dx.doi.org/10.1590/S0102-311X2013000300011
Pereira, Érico Felden, Barbosa, Diego Grasel, Andrade, Rubian Diego, Claumann, Gaia Salvador,
Pelegrini, Andreia, & Louzada, Fernando Mazzilli. (2015). Sono e adolescência: quantas horas os
adolescentes precisam dormir?. Jornal Brasileiro de Psiquiatria, 64(1), 40-44.
https://dx.doi.org/10.1590/0047-2085000000055
Pew Research Center. Mobile fact sheet. [homepage on the internet]. Available from:
https://www.pewinternet.org/2019/06/13/mobile-technology-and-home-broadband-2019/; 2019.
[Updated June 13 2019; Cited July 15 2019].

167
Primack, B. A., Shensa, A., Escobar-Viera, C. G., Barrett, E. L., Sidani, J. E., Colditz, J. B., & James,
A. E. (2017). Use of multiple social media platforms and symptoms of depression and anxiety: A
nationally-representative study among US young adults. Computers in human behavior, 69, 1-9.
https://doi.org/10.1016/j.chb.2016.11.013
Purim, K. S. M., Guimarães, A. T. B., Titski, A. C. K., & Leite, N. E. I. V. A. (2016). Privação do
sono e sonolência excessiva em médicos residentes e estudantes de medicina. Rev. Col. Bras. Cir,
43(6), 438-444. https://doi.org/10.1590/0100-69912016006005
Reynolds, C.M., Gradisar, M., Kar, K., Perry, A., Wolfe, J., Short, M.A., 2015. Adolescents who
perceive fewer consequences of risk-taking choose to switch off games later at night. Acta Paediatr.
104 (5), 222e227 n/aen/a. http://doi.org/10.1111/apa.12935
Ricker, T. J., Nieuwenstein, M. R., Bayliss, D. M., & Barrouillet, P. (2018). Working memory
consolidation: insights from studies on attention and working memory. Annals of the New York
Academy of Sciences, 1424(1), 8-18. https://doi.org/10.1111/nyas.13633
Riemann, D., Krone, L. B., Wulff, K., & Nissen, C. (2020). Sleep, insomnia, and depression.
Neuropsychopharmacology, 45(1), 74-89. https://doi.org/10.1038/s41386-019-0411-y
Román-González, M., Pérez-González, J. C., & Jiménez-Fernández, C. (2017). Which cognitive
abilities underlie computational thinking? Criterion validity of the Computational Thinking Test.
Computers in Human Behavior, 72, 678-691. https://doi.org/10.1016/j.chb.2016.08.047
Rosen, L., Carrier, L. M., Miller, A., Rokkum, J., & Ruiz, A. (2016). Sleeping with technology:
cognitive, affective, and technology usage predictors of sleep problems among college students. Sleep
health, 2(1), 49-56. https://doi.org/10.1016/j.sleh.2015.11.003
Rosen, L. D., Whaling, K., Carrier, L. M., Cheever, N. A., & Rokkum, J. (2013). The media and
technology usage and attitudes scale: An empirical investigation. Computers in human behavior,
29(6), 2501-2511. https://doi.org/10.1016/j.chb.2013.06.006
Rossa, K. R., Smith, S. S., Allan, A. C., & Sullivan, K. A. (2014). The effects of sleep restriction on
executive inhibitory control and affect in young adults. Journal of Adolescent Health, 55(2), 287-292.
https://doi.org/10.1016/j.jadohealth.2013.12.034
Rupp, T. L., Wesensten, N. J. & Balkin, T. J. (2012). Trait-like vulnerability to total and partial sleep
loss. Sleep 35, 1163–1172. https://doi.org/10.5665/sleep.2010
Salanova, M., Llorens, S., & Cifre, E. (2013). The dark side of technologies: Technostress among
users of information and communication technologies. International Journal of Psychology, 48(3),
422-436. https://doi.org/10.1080/00207594.2012.680460
Saletin, J. M., Hilditch, C. J., Dement, W. C., & Carskadon, M. A. (2017). Short daytime naps briefly
attenuate objectively measured sleepiness under chronic sleep restriction. Sleep, 40(9).
https://doi.org/10.1093/sleep/zsx118
168
Sampasa-Kanyinga, H., & Lewis, R. F. (2015). Frequent use of social networking sites is associated
with poor psychological functioning among children and adolescents. Cyberpsychology, Behavior,
and Social Networking, 18(7), 380-385. https://doi.org/10.1089/cyber.2015.0055
Sarkar, S., & Parnin, C. (2017, May). Characterizing and predicting mental fatigue during
programming tasks. In 2017 IEEE/ACM 2nd International Workshop on Emotion Awareness in
Software Engineering (SEmotion) (pp. 32-37). IEEE. https://doi.org/
https://doi.org/10.1109/SEmotion.2017.2
Santisteban, J. A., Brown, T. G., Ouimet, M. C., & Gruber, R. (2019). Cumulative mild partial sleep
deprivation negatively impacts working memory capacity but not sustained attention, response
inhibition, or decision making: a randomized controlled trial. Sleep health, 5(1), 101-108.
https://doi.org/10.1016/j.sleh.2018.09.007
Satz, P., Cole, M. A., Hardy, D. J., & Rassovsky, Y. (2011). Brain and cognitive reserve: mediator
(s) and construct validity, a critique. Journal of clinical and experimental neuropsychology, 33(1),
121-130. https://doi.org/10.1080/13803395.2010.493151
Schmidt, R. E., Gay, P., Ghisletta, P., & Van der Linden, M. (2010). Linking impulsivity to
dysfunctional thought control and insomnia: a structural equation model. Journal of Sleep Research,
19(1‐Part‐I), 3-11. https://doi.org/10.1111/j.1365-2869.2009.00741.x
Schokman, A., Bin, Y. S., Simonelli, G., Pye, J., Morris, R., Sumathipala, A., ... & Glozier, N. (2018).
Agreement between subjective and objective measures of sleep duration in a low-middle income
country setting. Sleep health, 4(6), 543-550. https://doi.org/10.1016/j.sleh.2018.08.008
Short, M. A., & Banks, S. (2014). The functional impact of sleep deprivation, sleep restriction, and
sleep fragmentation. In Sleep deprivation and disease (pp. 13-26). Springer, New York, NY.
https://doi.org/10.1007/978-1-4614-9087-6_2
Siegmund, J., Kästner, C., Apel, S., Parnin, C., Bethmann, A., Leich, T., ... & Brechmann, A. (2014,
May). Understanding understanding source code with functional magnetic resonance imaging. In
Proceedings of the 36th International Conference on Software Engineering (pp. 378-389). ACM.
https://doi.org/10.1145/2568225.2568252
Siegmund, J., Peitek, N., Parnin, C., Apel, S., Hofmeister, J., Kästner, C., ... & Brechmann, A. (2017,
August). Measuring neural efficiency of program comprehension. In Proceedings of the 2017 11th
Joint Meeting on Foundations of Software Engineering (pp. 140-150). ACM.
https://doi.org/10.1145/3106237.3106268
Simonneaux, V., & Ribelayga, C. (2003). Generation of the melatonin endocrine message in
mammals: a review of the complex regulation of melatonin synthesis by norepinephrine, peptides,
and other pineal transmitters. Pharmacological reviews, 55(2), 325-395.
https://doi.org/10.1124/pr.55.2.2
169
Smith, A. (2013). Smartphone ownership–2013 update. Pew Research Center: Washington DC, 12,
2013. No DOI found.
Smith, L. J., Gradisar, M., King, D. L., & Short, M. (2017). Intrinsic and extrinsic predictors of video-
gaming behaviour and adolescent bedtimes: The relationship between flow states, self-perceived risk-
taking, device accessibility, parental regulation of media and bedtime. Sleep Medicine, 30, 64–70
https://doi.org/10.1016/j.sleep.2016.01.009
Shochat, T. (2012). Impact of lifestyle and technology developments on sleep. Nature and science of
sleep, 4, 19. https://dx.doi.org/10.2147%2FNSS.S18891
Spencer, R. M., Walker, M. P., & Stickgold, R. (2017). Sleep and memory consolidation. In Sleep
disorders medicine (pp. 205-223). Springer, New York, NY. https://doi.org/10.1007/978-1-4939-
6578-6_13
Spearman, C. (1927). The abilities of man: Their nature and measurement. Journal of Philosophical
Studies, 2(8).
Spitzer, R. L., Kroenke, K., & Williams, J. B. W. (1999). Validation and utility of a self-report version
of PRIME-MD: the PHQ primary care study. Journal of the American Medical Association, 282(18),
1737-1744 https://doi.org/10.1001/jama.282.18.1737
Spitzer, R. L., Kroenke, K., Williams, J. B. W., & Löwe, B. (2006). A brief measure for assessing
generalized anxiety disorder: the GAD-7. Archives of Internal Medicine, 166(10), 1092-1097.
https://doi.org/10.1001/archinte.166.10.1092
Stanković, M., Nešić, M., Čičević, S., & Shi, Z. (2021). Association of smartphone use with
depression, anxiety, stress, sleep quality, and internet addiction. Empirical evidence from a
smartphone application. Personality and Individual Differences, 168, 110342.
https://doi.org/10.1016/j.paid.2020.110342
Stenuit, P., & Kerkhofs, M. (2008). Effects of sleep restriction on cognition in women. Biological
Psychology, 77(1), 81–88. https://doi.org/10.1016/j.biopsycho.2007.09.011
Stephan, F. K., & Zucker, I. (1972). Circadian rhythms in drinking behavior and locomotor activity
of rats are eliminated by hypothalamic lesions. Proceedings of the National Academy of Sciences,
69(6), 1583-1586. https://doi.org/10.1073/pnas.69.6.1583
Stephan, F. K., & Zucker, I. (1972). Rat drinking rhythms: central visual pathways and endocrine
factors mediating responsiveness to environmental illumination. Physiology & behavior, 8(2), 315-
326. https://doi.org/10.1016/0031-9384(72)90379-4
Studte, S., Bridger, E., Mecklinger, A. (2015). Nap sleep preservers associative but not item memory
performance. Neurobiol Learn Mem, 120, 84-93. https://doi.org/10.1016/j.nlm.2015.02.012

170
Sullivan, K., & Ordiah, C. (2018). Association of mildly insufficient sleep with symptoms of anxiety
and depression. Neurology, Psychiatry and Brain Research, 30, 1-4.
https://doi.org/10.1016/j.npbr.2018.03.001
Tavernier, R., & Willoughby, T. (2014). Sleep problems: predictor or outcome of media use among
emerging adults at university?. Journal of sleep research, 23(4), 389-396.
https://doi.org/10.1111/jsr.12132
Te Lindert, B. H., Blanken, T. F., van der Meijden, W. P., Dekker, K., Wassing, R., van der Werf, Y.
D., ... & Van Someren, E. J. (2020). Actigraphic multi‐night home‐recorded sleep estimates reveal
three types of sleep misperception in Insomnia Disorder and good sleepers. Journal of sleep research,
29(1), e12937. https://doi.org/10.1111/jsr.12937
Tempesta, D., Couyoumdjian, A., Curcio, G., Moroni, F., Marzano, C., DeGennaro, L., & Ferrara,
M. (2010). Lack of sleep affects the evaluation of emotional stimuli. Brain Research Bulletin, 82,
104–108. https://doi.org/10.1016/j.brainresbull.2010.01.014
Thomée, S., Härenstam, A., &Hagberg, M. (2011). Mobile phone use and stress, sleep disturbances,
and symptoms of depression among young adults-a prospective cohort study. BMC public health,
11(1), 66. https://doi.org/10.1186/1471-2458-11-66
Thurstone, L. L., & Thurstone, T. G. (1941). Factorial studies of intelligence. Psychometric
Monographs, 2, 94. OCLC: 14734479
Tobaldini, E., Costantino, G., Solbiati, M., Cogliati, C., Kara, T., Nobili, L., & Montano, N. (2017).
Sleep, sleep deprivation, autonomic nervous system and cardiovascular diseases. Neuroscience &
Biobehavioral Reviews, 74, 321-329. https://doi.org/10.1016/j.neubiorev.2016.07.004
Touitou, Y., Reinberg, A., & Touitou, D. (2017). Association between light at night, melatonin
secretion, sleep deprivation, and the internal clock: Health impacts and mechanisms of circadian
disruption. Life sciences, 173, 94-106. https://doi.org/10.1016/j.lfs.2017.02.008
Tucker, A.M., Whitney, P., Belenky, G., Hinson, J.M., & Van Dongen, H.P. (2010). Effects of sleep
deprivation on dissociated components of executive functioning. Sleep, 33(1), 47–57.
https://doi.org/10.1093/sleep/33.1.47
Tufik, S., Santos-Silva, R., Taddei, J. A., & Bittencourt, L. R. A. (2010). Obstructive sleep apnea
syndrome in the Sao Paulo epidemiologic sleep study. Sleep medicine, 11(5), 441-446.
https://doi.org/10.1016/j.sleep.2009.10.005
Uehara, E., Charchat-Fichman, H., & Landeira-Fernandez, J. (2013). Funções executivas: Um retrato
integrativo dos principais modelos e teorias desse conceito. Neuropsicologia Latinoamericana, 5(3).
http://dx.doi.org/10.5579/rnl.2013.145

171
Uhlig BL, Sand T, Odegård SS, et al. Prevalence and associated factors of DSM-V insomnia in
Norway: the Nord-Trøndelag Health Study (HUNT 3). Sleep Med. 2014;15:708–13.
https://doi.org/10.1016/j.sleep.2014.01.018
Valderramas, S., Feres, A. C., Melo, A. (2012). Reliability and validity study of a Brazilian-
Portuguese version of the fatigue severity scale in Parkinson's disease patients. Arq. Neuro-
Psiquiatr. [online]. 2012, vol.70, n.7, pp. 497-500. ISSN 0004-
282X. http://dx.doi.org/10.1590/S0004-282X2012000700005.
Van Aken, L., Kessels, R., Wingbermühle, E., Van der Veld, W., & Egger, J. (2016). Fluid
intelligence and executive functioning more alike than different? Acta Neuropsychiatrica, 28(1), 31-
37. doi:10.1017/neu.2015.46
Van Dongen, P. A., Baynard, M. D., Maislin, G., & Dinges, D. F. (2004). Systematic interindividual
differences in neurobehavioral impairment from sleep loss: evidence of trait-like differential
vulnerability. Sleep, 27(3), 423-433. https://doi.org/10.1093/sleep/27.3.423
Van-Roy, P., & Haridi, S. (2004). Concepts, techniques, and models of computer programming. MIT
press. ISBN 0-262-22069-5
Wadhwa, M., Kumari, P., Chauhan, G., Roy, K., Alam, S., Kishore, K., ... & Panjwani, U. (2017).
Sleep deprivation induces spatial memory impairment by altered hippocampus neuroinflammatory
responses and glial cells activation in rats. Journal of neuroimmunology, 312, 38-48.
Consensus Conference Panel, Watson, N. F., Badr, M. S., Belenky, G., Bliwise, D. L., Buxton, O.
M., ... & Tasali, E. (2015). Recommended amount of sleep for a healthy adult: a joint consensus
statement of the American Academy of Sleep Medicine and Sleep Research Society. Journal of
Clinical Sleep Medicine, 11(6), 591-592. https://doi.org/10.5664/jcsm.4758
Whitney, P., Hinson, J. M., & Nusbaum, A. T. (2019). A dynamic attentional control framework for
understanding sleep deprivation effects on cognition. Progress in brain research, 246, 111-126.
https://doi.org/10.1016/bs.pbr.2019.03.015
Whitty, M. T., & McLaughlin, D. (2007). Online recreation: The relationship between loneliness,
Internet self-efficacy and the use of the Internet for entertainment purposes. Computers in Human
Behavior, 23(3), 1435-1446. https://doi.org/10.1016/j.chb.2005.05.003
Wittmann, M., Dinich, J., Merrow, M., & Roenneberg, T. (2006). Social jetlag: misalignment of
biological and social time. Chronobiology international, 23(1-2), 497-509.
https://doi.org/10.1080/07420520500545979
Woods, H. C., & Scott, H. (2016). # Sleepyteens: Social media use in adolescence is associated with
poor sleep quality, anxiety, depression and low self-esteem. Journal of adolescence, 51, 41-49.
https://doi.org/10.1016/j.adolescence.2016.05.008

172
Wurtman, R. J., Axelrod, J., & Phillips, L. S. (1963). Melatonin Synthesis in thepineal gland: control
by light. Science, 142(3595), 1071-1073. https://doi.org/10.1126/science.142.3595.1071
Yamazaki, E. M., & Goel, N. (2020). Robust stability of trait-like vulnerability or resilience to
common types of sleep deprivation in a large sample of adults. Sleep, 43(6), zsz292.
https://doi.org/10.1093/sleep/zsz292
Yamanoe, M. C. P. (2018). Formação para o trabalho, pelo trabalho e para além do trabalho: análise
dos processos formativos de programadores de software da região Sudoeste do Paraná. (Master's
thesis, Universidade Tecnológica Federal do Paraná.)
http://repositorio.utfpr.edu.br/jspui/handle/1/3100
Yang, J., Fu, X., Liao, X., & Li, Y. (2020). Association of problematic smartphone use with poor
sleep quality, depression, and anxiety: A systematic review and meta-analysis. Psychiatry research,
284, 112686. https://doi.org/10.1016/j.psychres.2019.112686
Yuksel, D., McKee, G. B., Perrin, P. B., Alzueta, E., Caffarra, S., Ramos-Usuga, D., ... & Baker, F.
C. (2021). Sleeping when the world locks down: Correlates of sleep health during the COVID-19
pandemic across 59 countries. Sleep Health. https://doi.org/10.1016/j.sleh.2020.12.008
Zisapel, N. (2018). New perspectives on the role of melatonin in human sleep, circadian rhythms and
their regulation. British Journal of Pharmacology, 175(16), 3190–3199.
https://.doi.org/10.1111/bph.14116

173
 Apêndice A

Carta de Aceite do Comitê de Ética de Pesquisa (CEP)

174
175
 Apêndice B

Questionário Sociodemográfico, de Hábitos de Sono, Uso de Tecnologia e Hábitos de

Trabalho Online

QUESTIONÁRIO SOCIODEMOGRÁFICO
1) Gênero
a) Masculino
b) Feminino
c) Outro
2) Idade
a) Entre 18 e 24 anos
b) Entre 25 e 30 anos
c) Entre 30 e 35 anos
d) Entre 35 e 40 anos
e) Entre 40 e 45 anos
f) Acima de 50 anos
3) Estado civil
a) Solteiro
b) Relacionamento estável
c) Casado
d) Divorciado
e) Viúvo
4) Escolaridade
a) Fundamental Incompleto
b) Fundamental Completo
c) Ensino médio Incompleto
d) Ensino médio Completo
e) Curso Técnico
f) Superior Incompleto
g) Superior Completo
h) Pós-Graduação
5) Sua escolaridade em anos (a partir da alfabetização): (Escreva por extenso)
6) Quantas pessoas moram com você?
a) Moro sozinho
b) 2-4 pessoas
c) 5-7 pessoas
d) 8-10 pessoas
e) Mais de 10 pessoas
7) Qual é aproximadamente sua renda familiar mensal?
a) Nenhuma renda
b) Até 1 salário mínimo (até R$ 998,00)
c) De 1 a 3 salários mínimos (entre R$ 998,00 até R$ 2994,00)
176
 d) De 3 a 6 salários mínimos (entre R$ 2994,00 até R$ 5988,00)
e) De 6 a 9 salários mínimos (entre R$ 5988,00 até R$ 8982,00)
f) De 9 a 12 salários mínimos (entre R$ 8982,00 até R$ 11976,00)
g) Entre 12 e 15 salários mínimos (entre R$ 11976,00 até R$ 14970,00)
h) Acima de 15 salários mínimos (Acima de R$ 14970,00)

HISTÓRICO CLÍNICO

1) Você está ou esteve em tratamento por alguma doença crônica? Se sim, qual?
a) Hipertensão
b) Diabetes
c) Hiper/hipotireoidismo
d) Cardiopatia (doença cardíaca)
e) Insuficiência renal
f) Tenho diagnóstico de outra doença (Espaço para escrita por extenso)
g) Nunca fui diagnosticado com alguma doença crônica.
2) Você já passou por acompanhamento neurológico por algum motivo, como por exemplo um
acidente de trânsito, uma concussão grave ou um acidente vascular encefálico? Se sim, qual?
a) Sim. (Espaço para escrita por extenso)
b) Não.
3) Você passa ou já passou por acompanhamento psiquiátrico e/ou psicológico? Por qual razão?
a) Sim. (Espaço para escrita por extenso)
b) Não.
4) Você faz ou já fez recentemente (esse ano ou o anterior) uso prolongado de medicação? Se sim,
qual? (Espaço para escrita por extenso)
5) Você já fez ou faz uso de álcool?
a) Faço uso de álcool regularmente
b) Faço uso ocasional
c) Já fiz, não faço mais
d) Nunca consumi álcool de nenhuma forma.
6) Você já fez ou faz uso de cigarro?
a) Faço uso de cigarro regularmente
b) Faço uso ocasional
c) Já fiz, não faço mais
d) Nunca fumei.
7) Você costuma praticar atividade física regularmente?
a) Sim, pratico frequentemente.
b) Sim, mas pratico apenas algumas vezes por semana.
c) Pratico de vez em quando.
d) Não, sou sedentário.

SONO
1) Você considera que tem problemas de sono? Se sim, qual?
a. Sim. (Espaço para escrita por extenso)
b. Não.

177
 2) Você nota dificuldade em iniciar o sono?
a. (Escala de intensidade do sintoma: 0. Nunca 1. Raramente 2. Às vezes, de forma
infrequente ou até 1 vez por semana. 3. Usualmente, até duas vezes por semana. 4.
Frequentemente, três ou mais vezes por semana 5. Todos os dias)
3) Você acorda com frequência durante a noite (sono fragmentado)?
a. (Escala de intensidade do sintoma: 0. Nunca 1. Raramente 2. Às vezes, de forma
infrequente ou até 1 vez por semana. 3. Usualmente, até duas vezes por semana. 4.
Frequentemente, três ou mais vezes por semana 5. Todos os dias)
4) Você sente que seu sono é insuficiente (sono não-reparador?)
a. (Escala de intensidade do sintoma: 0. Nunca 1. Raramente 2. Às vezes, de forma
infrequente ou até 1 vez por semana. 3. Usualmente, até duas vezes por semana. 4.
Frequentemente, três ou mais vezes por semana 5. Todos os dias)
5) Você se sente sonolento na manhã seguinte?
a. (Escala de intensidade do sintoma: 0. Nunca 1. Raramente 2. Às vezes, de forma
infrequente ou até 1 vez por semana. 3. Usualmente, até duas vezes por semana. 4.
Frequentemente, três ou mais vezes por semana 5. Todos os dias)
6) Quantas horas de sono, em média, você dorme por noite? (Espaço para escrita por extenso)
7) Você nota outros problemas em relação ao seu sono?
a. Se revira muito na cama durante a noite?
b. Roncos?
c. Boca seca na manhã seguinte?
d. Pesadelos frequentes?
e. Sonhos vívidos (muito realistas)?
f. Dores e incômodo frequentes nas pernas, quando deitado por muito tempo?
g. Sonambulismo?
8) Você costuma beber café, chá (preto ou mate) ou refrigerante?
a. Sim, consumo alguma dessas bebidas várias vezes durante o dia.
b. Sim, consumo alguma dessas bebidas pelo menos uma vez por dia.
c. Sim, consumo alguma dessas bebidas ocasionalmente.
d. Não, raramente consumo alguma dessas bebidas.
e. Não consumo nenhuma dessas bebidas em momento algum.
9) Você divide o quarto com outra pessoa?
a. Não, somente eu durmo no meu quarto.
b. Sim, divido com meu cônjuge.
c. Sim, divido com um (ou mais) irmãos.
d. Sim, divido com um colega de quarto.
e. Outros (Espaço para escrita por extenso)
10) Algo no seu quarto lhe incomoda enquanto está dormindo (ex: entrada de luz, barulhos altos
próximos, colchão novo)? (Espaço para escrita por extenso)
11) Faz uso de medicação para dormir? Se sim, qual?
a. Sim. (Espaço para escrita por extenso)
b. Já fiz, mas não mais. (Espaço para escrita por extenso)
c. Nunca fiz uso de medicação para dormir.

TECNOLOGIA
178
1. Considerando seu tempo livre, quantas vezes você realiza as seguintes atividades durante o
dia? (escala de frequência de uso: 0. Nunca 1. Uma vez por dia 2. Algumas poucas vezes
durante o dia. 3. Várias vezes ao longo do dia. 4. A cada hora. 5. Mais de uma vez por hora).
a. Checar e-mails pessoais
b. Checar redes sociais
c. Falar com um parente ou amigo através de rede social
d. Falar por rede social com uma pessoa que você conhece somente pela internet
(amigo virtual)
e. Usar a internet para se informar sobre as notícias do dia
f. Usar a internet para o lazer
g. Tirar fotos com o celular
h. Gravar vídeos com o celular
i. Compartilhar conteúdo nas redes sociais
j. Ouvir música no celular, computador ou outro aparelho
k. Jogar no celular
l. Jogar num console específico ou no computador (sozinho)
m. Jogar num console específico ou no computador (em grupo)
n. Fazer videoconferência ou ligação pela internet
o. Assistir televisão
p. Assistir serviços de streaming
q. Ler no celular, tablet ou num leitor de livros
r. Alguma outra função? (Escreva por extenso)
2. Considerando seu tempo no trabalho, quantas vezes você realiza as seguintes atividades
durante o dia? (escala de frequência de uso: 0. Nunca 1. Uma vez por dia 2. Algumas poucas
vezes durante o dia. 3. Várias vezes ao longo do dia. 4. A cada hora. 5. Mais de uma vez por
hora).
a. Checar e-mails do trabalho
b. Checar redes sociais da empresa
c. Falar com um colega de trabalho através de rede social
d. Falar por rede social com um colaborador que você conhece somente pela internet
e. Usar a internet para se informar sobre as notícias do dia
f. Tirar fotos com o celular
g. Gravar vídeos com o celular
h. Compartilhar conteúdo nas redes sociais
i. Ouvir música no celular, computador ou outro aparelho
j. Jogar no celular
k. Fazer videoconferência ou ligação pela internet
l. Ler no celular, tablet ou num leitor de livros
m. Alguma outra função? (Escreva por extenso)
3. Quantas horas por dia você gasta, em média, usando a tecnologia voltada ao seu trabalho?
4. Quantas horas por dia você gasta, em média, usando a tecnologia para outros motivos que
não seu trabalho?
5. Você usou a tecnologia no trabalho para outras funções (ex: assistiu um vídeo no YouTube,
ou jogou uma partida de um jogo)? Lembrando que esses dados são sigilosos e seu
empregador não terá acesso a eles.
6. Quais seus principais motivos para usar tecnologia, afora o trabalho?
a. Ficar a par das notícias
b. Fonte de entretenimento
179
 c. Entrar em contato com amigos e familiares
d. Conhecer pessoas novas
e. Aprender sobre diversos assuntos
f. Outro (Espaço para escrita por extenso)
7. Faz uso de tecnologia antes de dormir?
a. Sim, fico no computador até sentir sono.
b. Sim, fico no celular até sentir sono.
c. Sim, fico jogando videogame até sentir sono.
d. Sim, fico vendo televisão até sentir sono.
e. Não, eu paro de usar tecnologia até 1h antes de dormir.
f. Não, eu paro de usar tecnologia até 2h antes de dormir.
8. Você usa filtros de luz azul ou algum outro programa que controle sua exposição à
tecnologia?
a. Sim, uso bloqueadores.
b. Sim, uso um programa de limite de horas.
c. Sim, uso outro programa.
d. Não, não uso nada do gênero.

TRABALHO
1) Quantas horas você trabalha na empresa por semana?
a. Sem jornada fixa, até 10 horas semanais.
b. De 11 a 20 horas semanais.
c. De 21 a 30 horas semanais.
d. De 31 a 40 horas semanais.
e. Mais de 40 horas semanais
2) Quantas horas por semana você trabalha por fora da empresa (freelance, outras empresas)?
3) Quantas horas por semana você trabalha em outra função que não envolva programação?
4) Caso trabalhe em outra função além de programação, essa função envolve uso frequente do
computador?
a. Sim
b. Não
5) Quantas horas por semana você estuda ou pesquisa código para aplicar no seu trabalho?
6) Qual, é aproximadamente, o horário do seu turno de trabalho habitual?
a. Das 7h às 14h
b. Das 8h às 15h
c. Das 9h às 18h
d. Das 10h às 19h
e. Das 11h às 20h
f. Das 18h às 00h (turno noturno)
g. Outra opção (Espaço para escrita por extenso)
h. Tenho turnos flexíveis (Espaço para escrita por extenso)
7) Quantas horas por semana você trabalha em questões da empresa além do seu turno normal
de trabalho?
8) Você costuma programar durante a noite? Se sim, em que horários?
a. Entre 18h-20h
b. Entre 20h-21h
180
 c. Entre 22h e 0h
d. Entre 0h e 3h
e. Entre 3h e 6h
9) Você sente que seu sono atrapalha seu desempenho no trabalho?
a. Sim, sinto que meu sono atrapalha bastante meu desempenho.
b. O sono me incomoda um pouco, mas consigo compensar.
c. O sono incomoda, mas não acredito que afete meu desempenho.
d. Não, não acho que o sono atrapalhe o meu desempenho.

181
 Apêndice C

Protocolo de Avaliação dos Parâmetros do Sono

C1. Índice de Qualidade do Sono de Pittsburgh

182
183
C2. Questionário de Matutinidade e Vespertinidade de Horne e Östberg

184
185
186
187
188
189
190
C3. Escala de Sonolência de Epworth

191
C4. Diário do Sono

192
 Apêndice D

Escalas de Avaliação de Humor e Fadiga

D1. Escala de Gravidade da Fadiga

D2. PHQ-9 (PATIENT HEALTH QUESTIONNAIRE)

193
D3. GAD-7 (Generalyzed Anxiety Disorder Scale)

194
195
 Apêndice E

Descrição do Combo Cognição

E1. TESTE DE ATENÇÃO ONLINE

Versão online validada e normatizada da Bateria Psicológica para Avaliação da Atenção, elaborada

por Rueda (2013). O Teste de Atenção Online é composto de três subtestes que avaliam diferentes

tipos de atenção: atenção alternada, atenção concentrada e atenção dividida. Esses processos

atencionais são, de acordo com Diamond (2013), fundamentais para o mecanismo das funções

executivas de controle inibitório e flexibilidade cognitiva. O voluntário é apresentado a sequências

de símbolos diferentes, porém com elementos similares, e deve identificar apenas um estímulo de

acordo com as regras do teste. O teste é realizado em uma plataforma online segura disponibilizada

pela própria editora, e pode ser acessado através de laptops e desktops. A aplicação dura em média

oito minutos.

Por ser um teste psicológico, de acordo com a Resolução CFP n.º 002/2003 do Conselho Federal de

Psicologia, não é possível reproduzir ou xerocar o AOL.

E2. TESTE NÃO-VERBAL DE INTELIGÊNCIA (G-38)

Elaborado inicialmente por Boccalandro (1979), objetiva avaliar o Fator G de inteligência, uma

variável relacionada ao desempenho em diversos tipos de habilidades cognitivas como raciocínio e

velocidade de processamento (Jensen & Weng, 1994). O teste é composto por diferentes itens

envolvendo raciocínios relacionados à compreensão de identidade e analogia, analogias numéricas

de adição e subtração, e analogia espacial através de mudança de posição, em ordem crescente de

196
dificuldade. O teste é realizado em uma plataforma online segura disponibilizada pela própria editora,

e pode ser acessado através de laptops e desktops. A aplicação dura em média trinta minutos.

Por ser um teste psicológico, de acordo com a Resolução CFP n.º 002/2003 do Conselho Federal de

Psicologia, não é possível reproduzir ou xerocar o G-38.

E3. TESTE DE MEMÓRIA DE RECONHECIMENTO (TEM-R)

Elaborado por Rueda (2012), o teste TEM-R avalia a memória operacional verbal e visual. O teste

oferece figuras e palavras para serem memorizados, e o sujeito deve posteriormente recordar quais

itens foram apresentados anteriormente, seja verbalmente ou visualmente. O teste é realizado em uma

plataforma online segura disponibilizada pela própria editora, e pode ser acessado através de laptops

e desktops. A aplicação dura em média dez minutos.

Por ser um teste psicológico, de acordo com a Resolução CFP n.º 002/2003 do Conselho Federal de

Psicologia, não é possível reproduzir ou xerocar o TEM-R.

197
 Apêndice F

Tabelas de Correlações e Associações Adicionais

Tabela 16. Associações completas entre dados sociodemográficos no grupo de estudo.

Renda
Faixa Tempo total Mensal Histórico
Etária de (em de Uso
(em Estado Escolaridade escolaridade salários- Doenças Histórico Diário de Uso de
Gênero anos) Civil (categoria) (em anos)¹ mínimos) Crônicas Psicológico Medicação Álcool
Gênero x² de Pearson 1 [4] 3,481 [3] 0,313 [4] 1,007 [1,36] 0,162 [6] 6,362 [4] 2,464 [4] [1] 2,607 [2]
3,852 2,192

Sig. (2 0,481 0,957 0,909 0,689 0,384 0,651 0,426 0,106 0,334
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Faixa Etária x² de Pearson [4] 3,481 1 [12] [16] [4,33] 4,967 [24] [16] [16] [4] [8]
(em anos) 26,464** 42,045** 29,704 25,284 12,942 6,178 8,443

Sig. (2 0,481 0,009 0,000 0,003 0,195 0,065 0,677 0,186 0,391
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Estado Civil x² de Pearson [3] 0,313 [12] 1 [12] 16,955 [3,34] 0,042 [18] [12] [12] [3] [6]
26,464** 18,174 10,351 11,540 3,930 7,095

Sig. (2 0,957 0,009 0,151 0,734 0,444 0,585 0,483 0,269 0,312
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Escolaridade x² de Pearson [4] 1,007 [16] [12] 1 [4, 33] [16] [16] [16] 23,803 [4] [8]
(categoria) 42,045** 16,955 6,718** 22,225 22,225 5,711 11,251

Sig. (2 0,909 0,000 0,151 0,000 0,136 0,136 0,094 0,222 0,188
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Tempo total F de Fisher [1,36] [4,33] [3,34] [4, 33] 1 [6, 31] [4,33] [4,33] [1,36] [2,35]
de 0,162 4,967 0,042 6,718** 2,520** 3,085* 1,177 0,002 1,850
escolaridade
(em anos)¹ Sig. (2 0,689 0,003 0,734 0,000 0,042 0,029 0,339 0,967 0,172
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Renda x² de Pearson [6] 6,362 [24] [18] [16] 22,225 [6, 31] 1 [24] [24] 26,015 [6] 7,614 [12]
Mensal (em 29,704 18,174 2,520** 25,000 19,848
salários-
mínimos) Sig. (2 0,384 0,195 0,444 0,136 0,042 0,406 0,352 0,268 0,070
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Histórico de x² de Pearson [4] 2,464 [16] [12] [16] [4,33] [24] 1 [16] 23,701 [4] [8]
Doenças 25,284 10,351 22,225 3,085* 25,000 12,215** 10,269
Crônicas
Sig. (2 0,651 0,065 0,585 0,136 0,029 0,406 0,096 0,016 0,247
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Histórico x² de Pearson [4] [16] [12] [16] 23,803 [4,33] 1,177 [24] [16] 1 [4] 2,118 [8]
Psicológico 3,852 12,942 11,540 26,015 23,701 19,996*

Sig. (2 0,426 0,677 0,483 0,094 0,339 0,352 0,096 0,714 0,011
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Uso Diário x² de Pearson [1] 2,607 [4] [3] [4] [1,36] 0,002 [6] 7,614 [4] [4] 2,118 1 [2] 1,970
de 6,178 3,930 5,711 12,215*
Medicação
Sig. (2 0,106 0,186 0,269 0,222 0,967 0,268 0,016 0,714 0,373
extremidades)

N 38 38 38 38 38 38 38 38 38 38
*
Uso de x² de Pearson [2] [8] [6] [8] 11,251 [2,35] 1,850 [12] [8] [8] 19,996 [2] 1,970 1
Álcool 2,192 8,443 7,095 19,848 10,269

198
 Sig. (2 0,334 0,391 0,312 0,188 0,172 0,070 0,247 0,011 0,373
extremidades)

N 38 38 38 38 38 38 38 38 38 38
Legenda: Coeficiente de correlação referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS

199
 Tabela 17. Associações totais entre dados sociodemográficos e índices de humor e fadiga no grupo de estudo.

Faixa Tempo total Frequência

Etária de Uso Diário de
(em Estado escolaridade Histórico de Uso de Uso de atividades
Gênero anos) Civil (em anos)¹ Psicológico Medicação¹ Álcool Cigarro físicas
Escala de F de Fisher [1,28] [3] [3,26] -0,282 [4,25] [1,28] [2,27] [2,27] [3,26]
Severidade de 0,341 6,590² 0,540 1,234 1,423 0,253 0,119 2,445
Fadiga
Sig. (2 0,564 0,086 0,659 0,131 0,322 0,243 0,779 0,888 0,086
extremidades)

N 30 30 30 30 30 30 30 30 30
Escores no F de Fisher [1] [4,25] [3,26] -0,036 [4,25] [1,28] [2] [2,27] [3,26]
PHQ-9 0,094² 1,397 0,213 1,418 1,329 4,317 2,101 3,125*

Sig. (2 0,759 0,264 0,887 0,850 0,257 0,259 0,116 0,142 0,043
extremidades)

N 30 30 30 30 30 30 30 30 30
Escores no F de Fisher [1,28] [4,25] [3,26] -0,011 [4,25] [1,28] [2,27] [2,27] [3,26]
GAD-7 1,760 1,725 0,898 1,424 0,003 3,876* 3,441* 4,438*

Sig. (2 0,195 0,176 0,456 0,955 0,255 0,956 0,033 0,047 0,012
extremidades)

N 30 30 30 30 30 30 30 30 30
Depressão por x² de Pearson [1] [4] [3] 0,188 [4] 4,144 [1] 0,039 [2] [2] [3] 5,416
Grupo+ 2,154 3,878 1,857 6,067* 5,004

Sig. (2 0,169 0,423 0,603 0,320 0,387 0,843 0,048 0,082 0,144
extremidades)

N 30 30 30 30 30 30 30 30 30
Ansiedade por x² de Pearson [1] [4] [3] 0,126 [4] 4,261 [1] 0,067 [2] [2] [3] 9,445*
Grupo+ 0,817 4,732 4,321 7,861* 5,308

Sig. (2 0,366 0,316 0,229 0,505 0,372 1,000 0,020 0,070 0,024
extremidades)

N 30 30 30 30 30 30 30 30 30
Legenda: Coeficiente de correlação referente ao ρ de Pearson. ² = Referente ao h de Kruskal-Wallis devido à
distribuição da variância de acordo com o teste de Levene. * = p<,005 bicaudal de acordo com análise do SPSS. ** =
p<,001 bicaudal de acordo com análise do SPSS.

200
 Tabela 18. Associações totais entre dados sociodemográficos e parâmetros do sono no grupo de estudo.

Horário
Índice Horário em que Horário
de em que Horário Horário usou Horário de Horas
Qualida Horário Horário usou Horário de Horas de tecnolo Latênci de Levanta Totais Irregulari Irregulari Irregulari Irregulari
Escore de do Escala de de de tecnolo Fragmentaçã de Levanta Totais Horário Dormir gia a (Fim Acordar r (Fim de Sono Irregulari dade do dade do dade do dade de
de Sono de Sonolênc Deitar Dormir gia o do sono Acordar r de Sono de Deitar (Fim de (Fim de de (Fim de de (Fim de dade do Horário Horário Horário Irregularid Tempo
Cronoti Pittsbur ia de (Seman (Seman (Seman Latência (episódios/p (Seman (Seman (Seman (Fim de Semana Semana Semana Semana Semana Semana Horário de de de ade da Total na
po gh Epworth a) a) a) (Semana) eríodo) a) a) a) Semana) ) ) ) ) ) ) de Deitar Dormir Acordar Levantar Latência Cama
Gênero Correlaç 0,165 -0,069 ,378** 0,178 0,186 -0,259 -0,066 -0,031 -0,048 0,040 0,202 -,325* 0,012 0,136 -0,004 -0,063 -0,054 0,079 0,050 -0,130 -0,052 -0,042 -0,053 -0,106
ão de
Pearson
Sig. (2 0,268 0,649 0,010 0,162 0,145 0,116 0,694 0,854 0,773 0,811 0,225 0,047 0,945 0,422 0,979 0,707 0,746 0,638 0,768 0,437 0,758 0,801 0,751 0,534
extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Faixa F de [4,25] [4,24] [4,24] [4, 33] [4,33] [4] [4] 3,305¹ [4,18] 0,395 [4] [4] [4,18] [4,18] [4,18] [4,17] [4,18] [4] [4] [4,18] [4] [4] [4,18] [4,18] [4] 3,780¹ [4,18]
Etária Fisher 1,150 1,646 2,178 0,291 0,253 4,532¹ 6,340¹ 5,437¹ 1,567 5,312** 0,118 0,281 0,422 6,803¹ 4,831¹ 1,438 4,254¹ 3,897¹ 5,210** 3,400* 0,315
(em
anos) Sig. (2 0,356 0,195 0,102 0,882 0,906 0,339 0,508 0,809 0,175 0,245 0,226 0,005 0,974 0,886 0,791 0,147 0,305 0,262 0,373 0,420 0,006 0,031 0,437 0,864
extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Estado F de [2] [3,25] [2] [2] [2] [3,19] [3,19] [3,19] 0,172 [3,19] [3,19] [3,19] [3,19] [2] [2] [3,18] [3,19] [2] [3,19] [3,19] [2] [3,19] [3,19] [3,19] [3,19]
Civil Fisher 2,095¹ 0,041 1,239¹ 1,887¹ 1,362¹ 0,307 16,072** 0,784 1,654 0,946 0,868 1,134¹ 2,226¹ 0,649 0,480 2,226¹ 0,621 1,591 3,088¹ 1,760 0,851 0,431 0,128

Sig. (2 0,351 0,988 0,538 0,389 0,506 0,820 0,000 0,914 0,518 0,211 0,438 0,475 0,567 0,329 0,594 0,700 0,329 0,610 0,224 0,214 0,189 0,483 0,733 0,942
extremid
ades)
N 47 46 47 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Escolari F de [2,27] [2,26] [2,26] [4] [4] [2,20] [2,20] [2,20] 0,843 [2,20] [2,20] [2] [2,20] [2] [2] [2] [2,20] [2,20] [2,20] [2] [2,20] [2,20] [2,20] [2] 0,291¹ [2,20]
dade Fisher 0,270 1,314 0,731 9,009¹ 7,576¹ 2,315 1,376 2,492 1,145 0,005¹ 3,733* 2,208¹ 0,007¹ 0,024¹ 1,581 1,161 0,115 1,034¹ 1,174 1,278 0,700 0,414
(categor
ia) Sig. (2 0,766 0,286 0,491 0,061 0,108 0,125 0,275 0,455 0,108 0,338 0,998 0,042 0,332 0,997 0,168 0,230 0,334 0,892 0,596 0,329 0,300 0,508 0,864 0,667
extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
* ** *
Tempo Correlaç -0,096 0,168 -0,031 -0,013 -0,006 -0,248 -0,096 ,323 -0,245 -0,209 0,008 -,448 -0,030 0,083 -0,029 -,323 -0,272 -0,023 -0,090 -0,222 0,010 0,061 -0,151 -0,049
total de ão de
escolari Pearson
dade Sig. (2 0,525 0,269 0,839 0,920 0,962 0,133 0,566 0,048 0,138 0,207 0,961 0,005 0,856 0,627 0,864 0,048 0,099 0,889 0,589 0,180 0,955 0,716 0,367 0,774
(em extremid
anos) ades)
N 46 45 45 62 62 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Históric F de [4,25] [3] [4,24] [3] [3] [4,18] [4,18] [4,18] 0,363 [4,18] [4,18] [4,18] [4,18] [4,18] [4,17] [4,18] [4,18] [4,18] [4,18] [3] [4,18] [4,18] [4,18] [4,18] [3]
o Fisher 1,441 7,242¹ 1,309 4,009¹ 4,172¹ 0,227 19,131** 0,605 0,116 0,750 0,899 0,210 0,647 4,898 1,278 1,344 1,11 0,135¹ 0,228 0,816 0,578 14,805** 3,356¹
Psicológ
ico Sig. (2 0,250 0,065 0,295 0,261 0,243 0,920 0,000 0,832 0,664 0,975 0,571 0,485 0,929 0,637 0,008 0,315 0,292 0,383 0,987 0,919 0,531 0,682 0,000 0,340
extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37

201
Uso Correlaç -0,023 ,434** 0,205 0,199 0,204 0,288 ,344* 0,006 ,329* 0,302 -0,132 0,189 0,190 -0,131 0,211 0,263 0,279 -0,095 ,478** ,426** ,430** ,382* 0,261 0,002
Diário ão de
de Pearson
Medicaç Sig. (2 0,880 0,003 0,173 0,117 0,109 0,079 0,035 0,970 0,044 0,066 0,428 0,255 0,254 0,440 0,204 0,110 0,090 0,568 0,002 0,008 0,007 0,018 0,114 0,990
ão extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Uso de F de [1,28] [3] [1,27] [1,36] [1,36] [1,21] [1,21] [1,21] 0,000 [1,21] [1,21] [1,21] [1,21] [1,21] [1,20] [1,21] [1,21] [1,21] [1,21] [3] [2] [3] [1,21] [1,21] [1,21]
Álcool Fisher 0,472 7,242¹ 8,414** 0,676 0,716 1,992 1,385 2,691 1,466 0,196 0,360 0,566 1,884 0236 0,535 0,464 0,195 0,135¹ 1,278¹ 1,752¹ 2,850 0,000 0,024

Sig. (2 0,460 0,065 0,007 0,416 0,403 0,173 0,252 0,993 0,116 0,239 0,663 0,555 0,460 0,185 0,632 0,473 0,503 0,663 0,987 0,734 0,625 0,106 0,997 0,877
extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Frequên F de [2,27] [3] [2,26] [2,35] [2,35] [2,20] [2,20] [2,20] 0,116 [2,20] [2,20] [2,20] [2,20] [2,20] [2,19] [3] [2,20] [2,20] [2,20] [3] [2,20] [2,20] [2,20] [3] 2,027¹ [2,20]
cia de Fisher 0,281 6,024¹ 1,126 0,607 0,560 0,577 0,084 0,053 2,586 1,242 0,271 0,788 0,417 4,413¹ 0,031 0,000 1,648 2,231¹ 0,081 0,684 3,495* 0,452
atividad
es Sig. (2 0,757 0,110 0,340 0,550 0,576 0,571 0,919 0,891 0,949 0,100 0,310 0,765 0,469 0,665 0,220 0,970 1,000 0,218 0,526 0,923 0,516 0,050 0,567 0,643
físicas extremid
ades)
N 47 46 46 63 63 38 38 38 38 38 38 38 38 37 38 38 38 38 38 38 38 38 38 37
Legenda: F de Fisher referente ao teste de ANOVA. Coeficiente de correlação referente ao ρ de Pearson. ¹= Resultado referente ao h de Kruskal-Wallis devido ao resultado do teste de Levene. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal
de acordo com análise do SPSS.

202
 Tabela 19. Associações totais entre variáveis sociodemográficas e escores neuropsicológicos no grupo de estudo.

Renda
Faixa Tempo total Mensal Histórico
Etária de (em de
(em Escolaridade escolaridade salários- Doenças Histórico Histórico Uso de
Gênero anos) (categoria) (em anos)² mínimos) Crônicas Neurológico Psicológico Álcool
TEM- F de Fisher [1,20] [4] [2,19] 0,577 -,445* [5,16] [4,17] -0,273 [4,17] [2,19]
R 4,205 3,585¹ 5,717** 2,667 0,652 2,130

Sig. (2 0,054 0,465 0,571 0,038 0,003 0,068 0,219 0,633 0,146
extremidades)

N 22 22 22 22 22 22 22 22 22
*
AOL- F de Fisher [1,20] [4] [2,19] 0,806 -,476 [5] 8,127¹ [4] 0,032¹ [4,17] [2,19]
A 2,189 2,535¹ 8,519¹ 3,636* 0,672

Sig. (2 0,155 0,638 0,461 0,025 0,149 0,074 0,887 0,026 0,523
extremidades)

N 22 22 22 22 22 22 22 22 22
AOL- F de Fisher [1,20] [4] [2,19] 0,491 0,263 [5,16] [4] 0,109¹ [3] 3,322¹ [2]
C 0,892 8,500¹ 1,198 4,519¹ 2,301¹

Sig. (2 0,356 0,075 0,620 0,237 0,353 0,340 0,629 0,345 0,317
extremidades)

N 22 22 22 22 22 22 22 22 22
AOL- F de Fisher KRUS [4,17] [2,19] 1,867 -0,292 [5,16] [4,17] -0,314 [4,17] [2]
D 2,375 0,330 2,750 1,337 0,916¹

Sig. (2 0,171 0,093 0,182 0,187 0,888 0,062 0,155 0,297 0,633
extremidades)

N 22 22 22 22 22 22 22 22 22
G-38 F de Fisher [1,20] [4,17] [2,19] 0,074 -0,113 [5,16] [4,17] -0,148 [4,17] [2,19]
0,603 0,415 2,178 0,601 0,641 0,679

Sig. (2 0,447 0,796 0,929 0,617 0,108 0,667 0,511 0,640 0,519
extremidades)

N 22 22 22 22 22 22 22 22 22
Legenda: : F de Fisher referente ao teste de ANOVA. ¹= Resultado referente ao h de Kruskal-Wallis devido ao resultado

do teste de Levene. ²= Coeficiente de correlação referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise

do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

203
 Tabela 20. Correlações e Associações completas entre parâmetros do sono e índices de humor e fadiga no grupo de estudo.

Horár
io em
Índice que
de Horário Horári usou Horário Horário Horas
Qualid Escala Horár Horár em que Horário Horário Horas Horário o de tecno de de Totais
ade do de io de io de usou de de Totais de Dormir logia Latênci Acorda Levant de Irregular Irregular Irregular Irregular Irregulari
Sono Sonolê Deita Dorm tecnolo Latênci Fragmentaç Acorda Levant de Deitar (Fim (Fim a (Fim r (Fim ar (Fim Sono idade do idade do idade do idade do dade de Duraçã
de ncia de r ir gia a ão do sono r ar Sono Sonolênci (Fim de de de de de de (Fim de Horário Horário Horário Horário Irregulari Tempo Frequên o de
Pittsbur Epwort (Sem (Sem (Seman (Seman (episódios/p (Seman (Seman (Seman a Diurna Seman Seman Sema Seman Seman Seman Seman de de de de dade da Total na cia de cochilo
gh h ana) ana) a) a) eríodo) a) a) a) (diário) a) a) na) a) a) a) a) Deitar Dormir Acordar Levantar Latência Cama cochilos s
Escala Correlaç ,374* -0,217 - - 0,405 0,127 0,157 0,262 0,253 -0,266 ,594** 0,143 0,068 0,032 0,161 0,252 0,289 -0,038 0,240 ,436* ,457* ,464* 0,279 0,208 -0,297 0,174
de ão de 0,123 0,104
Severi Pearson
dade Sig. (2 0,046 0,259 0,518 0,583 0,055 0,563 0,476 0,227 0,243 0,219 0,003 0,516 0,759 0,886 0,464 0,247 0,182 0,865 0,270 0,038 0,028 0,026 0,198 0,342 0,168 0,428
de extremid
Fadiga ades)
N 29 29 30 30 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
* ** **
Escore Correlaç ,396 0,021 0,144 0,162 0,040 0,152 ,593 0,134 0,249 -0,029 ,745 -0,110 -0,331 - 0,403 0,078 0,094 0,019 0,047 0,077 0,181 0,242 0,412 0,064 -0,298 -0,255
s no ão de 0,147
PHQ-9 Pearson
Sig. (2 0,034 0,913 0,449 0,393 0,856 0,489 0,003 0,541 0,251 0,897 0,000 0,616 0,123 0,513 0,057 0,725 0,669 0,932 0,831 0,728 0,409 0,267 0,051 0,773 0,167 0,239
extremid
ades)
N 29 29 30 30 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
** ** *
Escore Correlaç 0,268 0,000 0,295 0,308 0,028 -0,019 ,628 0,146 0,226 0,144 ,635 -0,088 -,423 - 0,359 0,123 0,137 0,114 -0,128 -0,059 -0,005 0,079 0,263 0,040 -0,293 -0,045
s no ão de 0,116
GAD- Pearson
7 Sig. (2 0,159 0,998 0,113 0,098 0,897 0,933 0,001 0,505 0,301 0,511 0,001 0,688 0,044 0,607 0,093 0,575 0,534 0,606 0,559 0,790 0,983 0,718 0,226 0,856 0,174 0,839
extremid
ades)
N 29 29 30 30 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
F de [1,28] [1,27] [1] [1] [1,21] [1,21] [1] 5,720¹* [1,21] [1,21] [1,21] [1,21] [1,21] [1] [1,20 [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21]
Fisher 0,179 2,120 0,300 0,787 0,275 0,017 0,004 0,276 0,162 13,493** 1,757 0,894¹ ] 2,298 0,003 0,043 0,378 0,378 0,405 0,044 0,332 1,985 0,299 1,646 1,003
¹ ¹ 0,056
Depres Sig. (2 0,675 0,157 0,584 0,375 0,606 0,896 0,017 0,949 0,605 0,691 0,001 0,199 0,344 0,815 0,144 0,955 0,837 0,545 0,545 0,532 0,835 0,571 0,173 0,590 0,213 0,328
são extremid
por ades
Grupo
+
N 29 29 30 30 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 29 29 29 29 29
F de [1,27] [1,27] [1] [1] [1,21] [1,21] [1] 3,786¹ [1,21] [1,21] [1,21] [1,21] [1] [1] [1,20 [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21] [1,21]
Fisher 1,539 0,145 0,102 0,207 0,313 0,045 0,145 0,007 0,006 11,976** 0,818¹ 0,600¹ ] 1,208 0,404 0,218 0,043 0,120 0,327 0,012 0,206 1,985 1,182 0,091 0,417
¹ ¹ 0,007
Ansied Sig. (2 0,225 0,707 0,750 0,649 0,582 0,834 0,052 0,707 0,934 0,937 0,002 0,366 0,438 0,933 0,284 0,532 0,645 0,838 0,733 0,574 0,914 0,655 0,173 0,289 0,766 0,526
ade extremid
por ades
Grupo
+

204
N 29 29 30 30 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 29

Legenda: : F de Fisher referente ao teste de ANOVA. ¹= Resultado referente ao h de Kruskal-Wallis devido ao resultado do teste de Levene. ²= Coeficiente de correlação

referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

205
 Tabela 21. Correlações entre parâmetros de sono e escores neurocognitivos no grupo de estudo.

Horário Horári Horári Horas

Índice Horário Horári Horári em que o de o de Totais
de em que Horári Horári Horas o de o de usou Latênc Acord Levant de
Qualida Escala Horári Horári usou o de o de Totais Deitar Dormi tecnolo ia ar ar Sono Irregularid
de do de o de o de tecnolo Latênci Fragmentação Acorda Levant de (Fim r (Fim gia (Fim (Fim (Fim (Fim Irregularid Irregularid Irregularid Irregularid ade de Duraç
Sono de Sonolên Deitar Dormir gia a do sono r ar Sono de de (Fim de de de de de ade do ade do ade do ade do Irregularid Tempo Frequên ão de
Pittsbur cia de (Sema (Sema (Seman (Sema (episódios/perí (Sema (Sema (Sema Seman Seman Semana Seman Seman Seman Seman Horário de Horário de Horário de Horário de ade da Total na cia de cochil
gh Epworth na) na) a) na) odo) na) na) na) a) a) ) a) a) a) a) Deitar Dormir Acordar Levantar Latência Cama cochilos os
TE Correlação -0,035 ,431* 0,246 0,120 0,075 -0,032 -0,240 0,110 -0,041 -0,190 0,216 -0,123 -0,192 -0,254 -0,067 -0,118 -0,312 0,357 ,457* 0,336 0,217 -0,147 -0,271 0,108 0,089
M-R de Pearson

Sig. (2 0,877 0,045 0,269 0,596 0,739 0,889 0,283 0,627 0,855 0,398 0,335 0,586 0,404 0,255 0,766 0,600 0,158 0,103 0,032 0,126 0,332 0,513 0,223 0,632 0,692
extremida
des)
N 22 22 22 22 22 22 22 22 22 22 22 22 21 22 22 22 22 22 22 22 22 22 22 22 22
AO Correlação 0,073 -0,190 -0,283 -0,291 -0,271 0,154 -0,302 -0,323 -0,169 -0,123 -0,239 -0,034 -0,137 0,247 -0,241 -0,251 -0,107 0,239 -0,137 0,076 0,104 ,446* -0,035 -0,139 -0,016
L-A de Pearson

Sig. (2 0,745 0,396 0,202 0,188 0,222 0,494 0,172 0,142 0,451 0,587 0,285 0,881 0,554 0,267 0,280 0,260 0,637 0,283 0,542 0,736 0,644 0,037 0,877 0,539 0,942
extremida
des)
N 22 22 22 22 22 22 22 22 22 22 22 22 21 22 22 22 22 22 22 22 22 22 22 22 22
AO Correlação 0,196 0,139 -0,077 -0,160 -0,223 -0,392 0,065 -0,082 -0,037 0,246 -0,029 0,010 -0,179 0,393 0,042 0,073 0,248 -0,004 -0,286 -0,274 -0,242 0,246 0,121 0,306 0,350
L-C de Pearson

Sig. (2 0,383 0,536 0,732 0,478 0,318 0,071 0,774 0,716 0,871 0,269 0,897 0,964 0,436 0,070 0,852 0,746 0,266 0,986 0,196 0,217 0,278 0,270 0,592 0,166 0,111
extremida
des)
N 22 22 22 22 22 22 22 22 22 22 22 22 21 22 22 22 22 22 22 22 22 22 22 22 22
AO Correlação -0,026 -,504* -0,193 -0,246 -0,202 -0,150 -0,181 -0,258 -0,082 0,149 -0,156 -0,111 -0,213 0,307 -0,077 -0,011 0,185 0,061 -0,193 -0,041 0,034 0,258 0,127 0,289 0,414
L-D de Pearson

Sig. (2 0,909 0,017 0,389 0,271 0,366 0,505 0,419 0,247 0,717 0,509 0,488 0,622 0,354 0,165 0,734 0,961 0,411 0,788 0,390 0,855 0,881 0,246 0,574 0,193 0,055
extremida
des)
N 22 22 22 22 22 22 22 22 22 22 22 22 21 22 22 22 22 22 22 22 22 22 22 22 22
G- Correlação 0,109 0,143 0,198 0,045 0,044 -0,268 -0,298 -0,012 0,123 -0,251 0,179 0,082 -0,158 -0,169 -0,215 -0,262 -,548** 0,373 0,181 0,406 0,406 0,003 -,560** 0,263 -0,075
38 de Pearson

Sig. (2 0,630 0,527 0,378 0,842 0,845 0,228 0,178 0,956 0,586 0,260 0,425 0,718 0,493 0,453 0,336 0,238 0,008 0,088 0,420 0,061 0,061 0,990 0,007 0,236 0,740
extremida
des)
N 22 22 22 22 22 22 22 22 22 22 22 22 21 22 22 22 22 22 22 22 22 22 22 22 22

Legenda: Coeficiente de correlação referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS

206
 Tabela 22. Médias dos testes neurocognitivos de acordo com os índices de sono no grupo de estudo

Ir.
Ir. Ir. Ir. Ir.
Pittsburgh Epworth Ir. Deitar Tempo
Dormir Acordar Levantar Latência
de Cama

Teste T -0,494 -1,302 -0,13 -1,508 -0,412 -0,379 1,164 0,722

TEM-R Sig. (2
0,622 0,208 0,898 0,141 0,683 0,707 0,253 0,476
extremidades)

N 22 22 22 22 22 22 22 22

Teste T -0,656 1,164 -0,573 -0,141 0,108 -0,041 -1,145 0,484

AOL-A Sig. (2
0,519 0,258 0,571 0,889 0,914 0,967 0,261 0,632
extremidades)

N 22 22 22 22 22 22

Teste T -0,264 -0,331 0,353 0,31 1,118 1,219 -0,123 1,526

AOL-C Sig. (2
0,792 0,741 0,726 0,759 0,272 0,232 0,903 0,137
extremidades)

N 22 22 22 22 22 22 22 22

Teste T -0,387 -1,616 1,499 2,014 -0,009 -0,47 -0,747 0,215

AOL-D Sig. (2
0,703 0,106 0,144 0,053 0,993 0,641 0,461 0,831
extremidades)

N 22 22 22 22 22 22 22

Teste T -1,217 -0,242 0,002 -0,614 -0,224 0,068 0,849 0,64

G-38 Sig. (2
0,238 0,812 0,998 0,544 0,824 0,946 0,403 0,527
extremidades)

N 22 22 22 22 22 22 22 22
Legenda: Valor de t referente ao Teste T. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS

207
 Tabela 23. Correlações entre os parâmetros de sono e de uso de tecnologia no grupo de estudo.

Índice
de
Qualid
ade do Escala Horário Horári Horári Horas
Sono de Horário Horári Horári em que o de o de Totais
de Sonolên Horári em que Horári Horári Horas o de o de usou Latên Acord Levan de
Pittsbur cia de Horári o de usou o de o de Totais Deitar Dormi tecnolo cia ar tar Sono Irregularid
gh Epwort o de Dormi tecnolo Latênc Fragmentação Acord Levant de Sonolên (Fim r (Fim gia (Fim (Fim (Fim (Fim Irregularid Irregularid Irregularid Irregularid ade de Duraç
(Pós- h (Pós- Deitar r gia ia do sono ar ar Sono cia de de (Fim de de de de de ade do ade do ade do ade do Irregularid Tempo Frequên ão de
COVI COVID (Sema (Sema (Seman (Sema (episódios/per (Sema (Sema (Sema Diurna Sema Sema Semana Sema Sema Sema Sema Horário de Horário de Horário de Horário de ade da Total na cia de cochil
D) ) na) na) a) na) íodo) na) na) na) (diário) na) na) ) na) na) na) na) Deitar Dormir Acordar Levantar Latência Cama cochilos os
Horas Correlaçã -0,033 0,027 0,157 0,157 0,317 -0,078 -0,220 0,179 0,109 -0,231 -0,100 0,357 0,344 0,079 -0,127 0,367 0,400 0,097 0,298 0,249 0,071 -0,017 -0,034 0,332 0,012 0,205
de Uso o de
de Pearson
Tecnolo Sig. (2 0,867 0,891 0,352 0,353 0,140 0,724 0,312 0,414 0,621 0,290 0,650 0,094 0,107 0,726 0,565 0,085 0,059 0,660 0,167 0,252 0,747 0,939 0,878 0,122 0,955 0,348
gia para extremida
o des)
Trabalh
N 29 29 37 37 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
o
Horas Correlaçã -0,031 0,323 0,231 0,230 0,112 -0,020 0,007 0,096 0,002 -0,138 0,007 0,173 0,152 -0,076 -0,070 0,128 0,165 0,036 0,355 0,311 0,126 0,007 -0,061 0,167 0,191 0,276
de o de
Trabalh Pearson
o por Sig. (2 0,873 0,088 0,164 0,165 0,612 0,929 0,974 0,664 0,994 0,531 0,974 0,429 0,489 0,736 0,749 0,560 0,451 0,872 0,097 0,148 0,566 0,976 0,782 0,447 0,381 0,203
Semana extremida
des)
N 29 29 38 38 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
Horas Correlaçã -0,109 0,062 0,136 0,142 ,451* -0,217 -0,164 0,394 0,350 -0,232 -0,126 0,377 0,127 0,150 -0,160 0,194 0,159 -0,238 0,188 ,632** ,435* ,460* -0,142 -0,100 -0,209 -
de o de 0,233
Trabalh Pearson
o Sig. (2 0,574 0,750 0,417 0,396 0,031 0,319 0,456 0,063 0,102 0,287 0,567 0,077 0,563 0,504 0,467 0,375 0,469 0,274 0,391 0,001 0,038 0,027 0,519 0,650 0,338 0,284
Freelan extremida
ce por des)
Semana
N 29 29 38 38 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
Horas Correlaçã 0,200 0,002 0,203 0,209 0,244 -0,063 0,119 0,219 0,055 -0,102 0,319 0,219 0,196 0,181 0,067 0,338 0,299 0,107 -0,151 0,117 -0,095 -0,148 0,156 0,235 -0,222 -
de o de 0,137
Trabalh Pearson
o em Sig. (2 0,298 0,992 0,228 0,215 0,261 0,776 0,589 0,315 0,802 0,644 0,138 0,316 0,371 0,421 0,760 0,115 0,165 0,628 0,490 0,594 0,665 0,501 0,478 0,281 0,309 0,534
Outras extremida
Funções des)
por
N 29 29 37 37 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
Semana
Horas Correlaçã ,429* -0,276 -0,140 -0,139 0,361 0,310 -0,344 0,246 0,309 -0,009 -0,017 0,221 0,316 -0,302 0,017 0,275 0,291 0,079 ,437* 0,165 0,376 0,395 0,171 0,132 -0,298 -
de o de 0,028
Estudo Pearson
de Sig. (2 0,020 0,148 0,401 0,404 0,091 0,150 0,108 0,259 0,151 0,968 0,939 0,311 0,142 0,172 0,937 0,204 0,178 0,720 0,037 0,452 0,077 0,062 0,436 0,549 0,168 0,901
Código extremida
por des)
Semana
N 29 29 38 38 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23

208
HorárioCorrelaçã 0,021 0,191 0,096 0,092 -0,128 -0,128 -0,294 -0,145 -0,113 -0,180 0,145 -0,007 0,209 0,257 -0,034 0,044 0,015 0,005 -0,104 -0,310 -0,235 -0,167 0,042 0,148 -0,209 -
Usual o de 0,137
de Pearson
TrabalhSig. (2 0,914 0,320 0,568 0,582 0,561 0,560 0,173 0,508 0,608 0,412 0,509 0,974 0,339 0,249 0,876 0,842 0,946 0,982 0,638 0,150 0,280 0,446 0,849 0,501 0,339 0,534
o extremida
(categor
des)
ia)
N 29 29 38 38 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23
Horas Correlaçã 0,146 0,156 -0,122 -0,121 ,551** -0,124 -0,249 0,375 0,387 -0,373 -0,005 ,484* 0,232 -0,150 -0,200 0,222 0,217 -,462* ,425* ,497* ,496* ,478* 0,070 -0,299 -0,040 0,052
Extras o de
por Pearson
Semana Sig. (2 0,450 0,418 0,465 0,468 0,006 0,572 0,252 0,078 0,068 0,079 0,981 0,019 0,287 0,506 0,361 0,310 0,320 0,026 0,043 0,016 0,016 0,021 0,752 0,165 0,855 0,815
extremida
des)
N 29 29 38 38 23 23 23 23 23 23 23 23 23 22 23 23 23 23 23 23 23 23 23 23 23 23

Legenda: Coeficiente de correlação referente ao ρ de Pearson. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS

209
 Tabela 24. Associações entre as variáveis sociodemográficas no grupo comparação.

Renda
Faixa Tempo total Mensal Histórico
Etária de (em de Uso
(em Estado Escolaridade escolaridade salários- Doenças Histórico Diário de Uso de
Gênero anos) Civil (categoria) (em anos)¹ mínimos) Crônicas Psicológico Medicação Álcool
Gênero x² de Pearson 1,000 [4] 5,022 [2] 0,205 [3] 7,503 [1] 0,314 [6] 9,010 [3] 3,375 [4] 3,693 [1] 0,263 [3]
1,931

Sig. (2 0,282 0,902 0,057 0,575 0,173 0,337 0,449 0,691 0,587
extremidades)

N 25 25 25 25 24 25 25 25 25 25
Faixa Etária (em x² de Pearson [4] 1,000 [8] [12] 25,770* [2] 8,880* [24] [12] [12] 13,607 [3] 1,966 [9]
anos) 5,022 20,431** 21,249 15,167 5,508

Sig. (2 0,282 0,009 0,012 0,012 0,624 0,232 0,326 0,579 0,788
extremidades)

N 25 25 25 25 24 25 25 25 25 25
*
Estado Civil x² de Pearson [2] [8] 1,000 [6] 13,768 [2] 5,625 [12] [6] 5,945 [8] 6,565 [2] 3,293 [6]
0,205 20,431** 11,398 4,722

Sig. (2 0,902 0,009 0,032 0,060 0,495 0,429 0,584 0,193 0,580
extremidades)

N 25 25 25 25 24 25 25 25 25 25
**
Escolaridade x² de Pearson [3] ,787 [6] 1,000 [3] 7,816* [18] [9] 7,261 [16] 19,327 [4] 6,224 [12]
(categoria) 7,503 13,768* 18,580 11,631

Sig. (2 0,057 0,000 0,032 0,050 0,418 0,610 0,252 0,183 0,476
extremidades)

N 25 25 25 25 24 25 25 25 25 25
Tempo total de x² de Pearson [1] [2] [2] 5,625 [3] 7,816* 1,000 [6] 2,747 [3] 3,003 [4] 3,278 [1] 0,326 [3]
escolaridade (em 0,314 8,880* 4,025
anos)
Sig. (2 0,575 0,012 0,060 0,050 0,840 0,391 0,512 0,568 0,259
extremidades)

N 24 24 24 24 24 24 24 24 24 24
Renda Mensal x² de Pearson [6] [24] [12] [18] 18,580 [6] 2,747 1,000 [18] [24] 24,331 [6] 6,443 [18]
(em salários- 9,010 21,249 11,398 11,116 19,716
mínimos)
Sig. (2 0,173 0,624 0,495 0,418 0,840 0,889 0,443 0,375 0,349
extremidades)

N 25 25 25 25 24 25 25 25 25 25

210
 Histórico de x² de Pearson [3] [12] [6] 5,945 [9] 7,261 [3] 3,003 [18] 1,000 [12] 14,094 [3] 5,855 [9]
Doenças Crônicas 3,375 15,167 11,116 8,646

Sig. (2 0,337 0,232 0,429 0,610 0,391 0,889 0,295 0,119 0,471
extremidades)

N 25 25 25 25 24 25 25 25 25 25
Histórico x² de Pearson [4] [12] [8] 6,565 [16] 19,327 [4] 3,278 [24] [12] 1,000 [4] 2,714 [12]
Psicológico 3,693 13,607 24,331 14,094 12,986

Sig. (2 0,449 0,326 0,584 0,252 0,512 0,443 0,295 0,607 0,370
extremidades)

N 25 25 25 25 24 25 25 25 25 25
Uso Diário de x² de Pearson [1] [3] 1,966 [2] 3,293 [4] 6,224 [1] 0,326 [6] 6,443 [3] 5,855 [4] 2,714 1,000 [3]
Medicação 0,263 1,918

Sig. (2 0,691 0,579 0,193 0,183 0,568 0,375 0,119 0,607 0,590
extremidades)

N 25 25 25 25 24 25 25 25 25 25
Uso de Álcool x² de Pearson [3] [9] 5,508 [6] 4,722 [12] 11,631 [3] 4,025 [18] [9] 8,646 [12] 12,986 [3] 1,918 1,000
1,931 19,716

Sig. (2 0,587 0,788 0,580 0,476 0,259 0,349 0,471 0,370 0,590
extremidades)

N 25 25 25 25 24 25 25 25 25 25
Legenda: Coeficiente de Associação correspondente ao valor de x² no teste de Qui-Quadrado. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

211
Tabela 25. Associações entre as variáveis sociodemográficas e índices de humor e fadiga no grupo comparação.

Renda
Faixa Tempo total Mensal Histórico Frequência
Etária de (em de Uso de
(em Estado Escolaridade escolaridade salários- Doenças Histórico Diário de Uso de Uso de atividades
Gênero anos) Civil (categoria) (em anos)¹ mínimos) Crônicas Psicológico Medicação Álcool Cigarro físicas
Escala de H de [1] [2] [2] [3] 1,934 ,587* [6] 2,203 [2] 2,185 [3] 3,086 [1] 0,086 [3] [3] [3] 7,382
Severidade de Kruskal- 0,114 2,987 3,170 4,370 4,094
Fadiga (Pós- Wallis
COVID) Sig. (2 0,736 0,225 0,205 0,586 0,017 0,900 0,335 0,379 0,769 0,224 0,251 0,061
extremidades)

N 17 17 17 17 16 17 17 17 17 17 17 17
Escores no PHQ- H de [1] [2] [2] [3] 3,544 0,407 [6] 4,884 [2] 3,870 [3] 1,938 [1] 0,345 [3] [3] [3] 2,641
9 (Pós-COVID) Kruskal- 1,574 0,954 2,811 3,625 2,245
Wallis
Sig. (2 0,210 0,621 0,245 0,315 0,118 0,559 0,144 0,585 0,557 0,305 0,523 0,450
extremidades)

N 17 17 17 17 16 17 17 17 17 17 17 17
Escores no H de [1] [2] [2] [3] 3,772 0,217 [6] 8,295 [2] 0,382 [3] 2,796 [1] 0,022 [3] [3] [3] 0,974
GAD-7 (Pós- Kruskal- 0,461 1,779 0,362 2,806 2,562
COVID) Wallis
Sig. (2 0,497 0,411 0,834 0,287 0,419 0,052 0,826 0,424 0,883 0,422 0,464 0,807
extremidades)

N 17 17 17 17 16 17 17 17 17 17 17 17
Depressão por x² de Pearson [1] [2] [2] [3] 2,496 [1] 2,849 [6] 4,641 [2] 2,709 [4] 6,506 [1] 1,672 [3] [3] [3] 1,811
Grupo+ 0,558 0,590 5,496 1,758 4,100

Sig. (2 0,637 0,745 0,065 0,476 0,091 0,591 0,258 0,164 0,335 0,624 0,251 0,613
extremidades)

N 17 17 17 17 16 17 17 17 17 17 17 17
Ansiedade por x² de Pearson [1] [2] [2] [3] 3,835 [1] 0,159 [6] 8,073 [2] 1,253 [4] 5,439 [1] 0,238 [3] [3] [3] 0,515
Grupo+ 1,449 2,470 1,955 2,592 3,749

Sig. (2 0,355 0,291 0,376 0,280 0,690 0,223 0,534 0,245 1,000 0,459 0,290 0,916
extremidades)

N 17 17 17 17 16 17 17 17 17 17 17 17
Legenda: Coeficiente de associação referente ao h de Kruskal-Wallis. ¹=Coeficiente de correlação referente ao ρ de Spearman. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

212
 Tabela 26. Associações entre parâmetros de sono e variáveis sociodemográficas no grupo comparação.
Índice Horas
de Horário Horári Horári Horário Horári Horári Totais
Qualida Escala de em que Horário Horário o de o de em que o de o de de Irregula Irregul
de do Sonolênc Horário Horário usou de de Horas Deitar Dormir usou Latênc Acorda Levant Sono ridade aridade Irregular Irregularida
Escore Sono de ia de de de tecnolog Latênci Fragmentação Acorda Levanta Totais (Fim (Fim tecnolog ia (Fim r (Fim ar (Fim (Fim do do idade do Irregularid de de
de Pittsbur Epworth Deitar Dormir ia a do sono r r de Sono de de ia (Fim de de de de Horário Horári Horário ade do Irregular Tempo
Cronoti gh (Pós- (Pós- (Seman (Seman (Semana (Seman (episódios/perío (Seman (Seman (Seman Seman Seman de Seman Seman Seman Seman de o de de Horário de idade da Total na
po COVID) COVID) a) a) ) a) do) a) a) a) a) a) Semana) a) a) a) a) Deitar Dormir Acordar Levantar Latência Cama
Gênero¹ Coeficiente 0,289 -0,231 0,205 0,140 0,152 -0,449 0,000 -0,031 -0,186 -0,062 0,433 -0,402 -0,464 -,557* 0,248 -0,139 -0,278 0,217 -0,217 -0,433 -,526* -,588* -0,309 -0,054
de
Correlação
Sig. (2 0,261 0,373 0,431 0,503 0,468 0,093 1,000 0,912 0,508 0,826 0,107 0,137 0,082 0,031 0,373 0,620 0,315 0,438 0,438 0,107 0,044 0,021 0,262 0,855
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Faixa H de [2] [2] [2] 4,366 [4] [4] [2] [2] [2] 2,352 [3] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] 0,557 [2] [2] 3,862
Etária (em Kruskal- 2,410 2,828 8,452 7,427 3,468 1,315 7,490* 5,335 4,348 4,223 3,015 3,015 5,520 10,652 10,652 9,048* 0,265 1,087 0,387 1,690
anos) Wallis ** **
Sig. (2 0,300 0,243 0,113 0,076 0,115 0,177 0,518 0,309 0,024 0,069 0,114 0,121 0,221 0,221 0,063 0,005 0,005 0,011 0,876 0,581 0,824 0,757 0,429 0,145
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Estado H de [2] [2] [2] 5,436 [2] [2] [2] [2] [2] 2,689 [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] [2] 4,380 [2] [2] 2,631
Civil Kruskal- 1,808 0,012 1,534 1,897 2,675 1,755 2,697 2,609 0,870 3,495 3,122 3,474 2,390 0,274 0,750 0,462 0,795 0,137 3,750 2,097
Wallis
Sig. (2 0,405 0,994 0,066 0,464 0,387 0,263 0,416 0,261 0,260 0,271 0,647 0,174 0,210 0,154 0,303 0,872 0,687 0,794 0,672 0,934 0,153 0,112 0,351 0,268
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Escolarida H de [3] [3] [3] 2,962 [3] [3] [3] [3] [3] 2,987 [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] 3,195 [3] [3] 3,672
de Kruskal- 1,911 2,839 6,283 6,610 0,496 4,295 1,455 3,345 1,575 1,145 0,195 0,195 4,621 0,220 0,300 4,521 3,825 2,695 3,530 4,495
(categoria) Wallis
Sig. (2 0,591 0,417 0,398 0,099 0,085 0,920 0,231 0,394 0,693 0,341 0,665 0,766 0,978 0,978 0,202 0,974 0,960 0,210 0,281 0,441 0,317 0,363 0,213 0,299
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Tempo Coeficiente 0,088 0,296 0,140 -0,116 -0,038 -0,148 0,301 0,350 -0,208 0,013 -0,312 -0,500 -0,443 -0,389 0,464 -0,423 -0,404 -0,378 0,334 0,126 -0,027 -0,032 -0,208 -0,121
total de de
escolarida Correlação
de (em Sig. (2 0,746 0,266 0,606 0,589 0,858 0,598 0,275 0,201 0,457 0,965 0,257 0,057 0,098 0,152 0,081 0,116 0,136 0,165 0,224 0,656 0,924 0,909 0,457 0,681
anos)¹ extremidad
es)
N 16 16 16 24 24 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Histórico H de [4] [3] [3] 6,726 [3] [3] [3] [3] [3] 1,345 [3] [3] [3] [3] [3] [3] [2] [3] [3] [3] [3] [3] [3] [3] 3,802 [3] [3] 4,696
Psicológic Kruskal- 1,405 3,347 3,350 2,806 1,019 2,160 5,673 6,352 0,373 1,643 1,645 0,754 2,031 0,496 1,093 2,717 2,379 1,019 4,400 8,050*
o Wallis
Sig. (2 0,843 0,341 0,081 0,341 0,422 0,797 0,540 0,718 0,129 0,096 0,946 0,650 0,649 0,860 0,566 0,920 0,779 0,437 0,498 0,797 0,218 0,284 0,045 0,195
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Uso Diário Coeficiente -0,281 0,185 -0,012 0,358 0,388 0,294 ,680** 0,016 0,247 0,263 -0,278 0,155 0,124 0,155 0,356 0,186 0,340 -0,124 ,588* ,711** ,557* ,557* 0,402 0,089
de de
Correlação

213
Medicação Sig. (2 0,275 0,478 0,963 0,079 0,055 0,287 0,005 0,956 0,374 0,343 0,315 0,582 0,660 0,582 0,193 0,507 0,215 0,660 0,021 0,003 0,031 0,031 0,137 0,763
¹ extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Uso de H de [3] [3] [3] 3,744 [3] [3] [3] [3] [3] 2,580 [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] 1,439 [3] [3] 3,435
Álcool Kruskal- 1,782 3,053 3,606 4,573 2,844 1,355 1,418 1,751 3,748 1,173 0,764 1,766 1,387 3,975 4,366 1,740 2,139 0,218 1,364 4,393
Wallis
Sig. (2 0619 0,384 0,290 0,307 0,206 0,416 0,716 0,461 0,701 0,626 0,290 0,760 0,858 0,622 0,709 0,264 0,225 0,628 0,544 0,975 0,714 0,697 0,222 0,329
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Frequênci H de [3] [3] [3] 5,448 [3] [3] [3] [3] [3] 0,909 [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] [3] 3,756 [3] [3] 5,202
a de Kruskal- 1,093 1,411 3,514 3,665 1,665 4,765 1,424 0,557 2,390 1,065 1,333 1,333 0,690 3,401 2,633 5,201 3,576 7,381 4,381 5,581
atividades Wallis
físicas Sig. (2 0,779 0,703 0,142 0,319 0,300 0,645 0,190 0,823 0,700 0,906 0,495 0,785 0,721 0,721 0,876 0,334 0,452 0,158 0,289 0,061 0,223 0,289 0,134 0,158
extremidad
es)
N 17 17 17 25 25 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Legenda: Coeficiente de associação referente ao h de Kruskal-Wallis. ¹=Coeficiente de correlação referente ao ρ de Spearman de acordo com a correlação Ponto-Biserial. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com
análise do SPSS.

214
Tabela 27. Associações entre dados sociodemográficos e escores neurocognitivos no grupo comparação.

Renda
Faixa Tempo total Mensal Histórico Frequência
Etária de (em de Uso de
(em Estado Escolaridade escolaridade salários- Doenças Histórico Diário de Uso de Uso de atividades
Gênero anos) Civil (categoria) (em anos)¹ mínimos) Crônicas Psicológico Medicação Álcool Cigarro físicas
TEM-R H de 0,201 [2] 5,237 [2] 0,345 [3] 0,414 0,072 [6] 6,928 [2] 0,405 [3] 2,071 ,636* [3] 3,083 [3] 1,734 [3] 3,671
Kruskal-
Wallis
Sig. (2 0,510 0,073 0,841 0,937 0,815 0,328 0,817 0,558 0,020 0,379 0,629 0,299
extremidades)

N 13 13 13 13 13 13 13 13 13 13 13 13
AOL-A H de 0,135 [2] 0,597 [2] 0,737 [3] 4,130 -0,145 [6] 4,585 [2] 4,568 [3] 5,102 -0,170 [3] 2,581 [3] 6,660 [3] 0,189
Kruskal-
Wallis
Sig. (2 0,661 0,742 0,692 0,248 0,637 0,598 0,102 0,164 0,578 0,461 0,084 0,979
extremidades)

N 13 13 13 13 13 13 13 13 13 13 13 13
AOL-C H de 0,449 [2] 0,675 [2] 4,395 [3] 1,581 0,323 [6] 5,124 [2] 0,966 [3] 2,750 -0,043 [3] 1,428 [3] 4,446 [3] 3,173
Kruskal-
Wallis
Sig. (2 0,124 0,714 0,111 0,664 0,282 0,528 0,617 0,432 0,890 0,699 0,217 0,366
extremidades)

N 13 13 13 13 13 13 13 13 13 13 13 13
AOL-D H de 0,201 [2] 5,300 [2] 2,267 [3] 2,523 0,366 [6] 5,058 [2] 0,316 [3] 4,387 -0,063 [3] 2,222 [3] 0,331 [3] 4,617
Kruskal-
Wallis
Sig. (2 0,511 0,071 0,322 0,471 0,219 0,536 0,854 0,223 0,837 0,528 0,954 0,202
extremidades)

N 13 13 13 13 13 13 13 13 13 13 13 13
G-38 H de 0,224 [2] 4,346 [2] [3] 4,057 -0,154 [6] 6,141 [2] 1,662 [3] 3,071 0,446 [3] 4,187 [3] 3,557 [3] 2,909
Kruskal- 8,221*
Wallis
Sig. (2 0,463 0,114 0,016 0,255 0,615 0,408 0,436 0,381 0,127 0,186 0,313 0,406
extremidades)

N 13 13 13 13 13 13 13 13 13 13 13 13
Legenda: Coeficiente de associação referente ao h de Kruskal-Wallis. ¹ = Coeficiente de correlação referente ao ρ de Spearman. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

215
 Tabela 28. Correlações e associações entre parâmetros do sono e índices de humor e fadiga no grupo comparação.
Índice
de
Qualida Horário Horári Horári Horas
de do Escala Horário Horári Horári em que o de o de Totais
Sono de de em que Horári Horário o de o de usou Latênc Acord Levant de
Pittsbur Sonolên Horári Horári usou o de de Horas Deitar Dormi tecnolo ia ar ar Sono Irregularid
Escore gh cia de o de o de tecnolo Latênci Fragmentação Acorda Levant Totais (Fim r (Fim gia (Fim (Fim (Fim (Fim Irregularid Irregularid Irregularid Irregularid ade de
de (Pós- Epworth Deitar Dormir gia a do sono r ar de Sono de de (Fim de de de de de ade do ade do ade do ade do Irregularid Tempo
Cronoti COVID (Pós- (Sema (Sema (Seman (Sema (episódios/perí (Sema (Seman (Seman Seman Seman Semana Seman Seman Seman Seman Horário de Horário de Horário de Horário de ade da Total na
po ) COVID) na) na) a) na) odo) na) a) a) a) a) ) a) a) a) a) Deitar Dormir Acordar Levantar Latência Cama
Escala Coeficient -0,233 0,057 -0,160 -0,442 -0,335 -0,158 0,064 0,173 -0,311 -0,018 -0,186 -0,263 -0,354 -0,283 0,349 -,551* -0,481 -0,355 0,460 0,274 0,145 0,125 -0,100 -0,239
de e de
Severida Correlação
de de Sig. (2 0,367 0,828 0,539 0,076 0,188 0,575 0,820 0,538 0,259 0,950 0,507 0,344 0,195 0,307 0,202 0,033 0,069 0,194 0,085 0,324 0,606 0,657 0,722 0,410
Fadiga extremida
(Pós- des)
COVID)
N 17 17 17 17 17 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
* ** ** * *
Escores Coeficient -0,209 ,490 -0,401 -0,107 0,011 0,235 0,253 0,310 -0,032 0,134 -0,450 0,084 0,032 0,111 0,207 -0,284 -0,170 -0,369 ,831 ,721 ,569 ,561 0,224 0,013
no e de
PHQ-9 Correlação
(Pós- Sig. (2 0,420 0,046 0,111 0,683 0,966 0,399 0,363 0,260 0,909 0,635 0,092 0,765 0,909 0,693 0,458 0,306 0,544 0,176 0,000 0,002 0,027 0,029 0,422 0,964
COVID) extremida
des)
N 17 17 17 17 17 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Escores Coeficient -0,062 ,599* -0,115 -0,345 -0,116 0,212 ,540* 0,161 -0,372 -0,414 -,627* 0,164 0,253 0,238 0,461 -0,209 -0,224 -0,477 0,479 0,396 0,405 0,372 0,412 0,055
no e de
GAD-7 Correlação
(Pós- Sig. (2 0,812 0,011 0,660 0,175 0,657 0,449 0,038 0,567 0,172 0,125 0,012 0,558 0,363 0,392 0,084 0,455 0,422 0,072 0,071 0,144 0,135 0,172 0,127 0,853
COVID) extremida
des)
N 17 17 17 17 17 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
** * *
Depress H de [1] [1] [1] [1] [1] [1] [1] [1] 0,166 [1] [1] 0, [1] [1] [1] [1] [1] [1] [1] [1] [1] 7,085 [1] 5,357 [1] 5,357 [1] 5,357* [1] 0,013 [1] 0,691
ão por Kruskal- 0,838 2,142 1,023 0,148 0,037 0,567 1,085 0,121 164 3,013 0,054 0,013 0,054 0,215 0,567 0,121 0,567
Grupo+ Wallis
Sig. (2 0,360 0,120 0,312 0,700 0,847 0,452 0,298 0,684 0,728 0,685 0,083 0,817 0,908 0,817 0,643 0,452 0,728 0,452 0,008 0,021 0,021 0,021 0,908 0,406
extremida
des)
N 17 17 17 17 17 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Ansieda H de [1] [1] [1] [1] [1] [1] [1] [1] 0,039 [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] 0,835 [1] 0,273 [1] 1,381 [1] 1,091 [1] 2,881 [1] 0,080
de por Kruskal- 0,003 2,970 0,365 2,923 0,570 0,273 2,455 3,341 4,371* 6,153** 0,017 0,426 0,835 2,886 2,258 2,063 3,590
Grupo+ Wallis
Sig. (2 0,960 0,085 0,546 0,087 0,450 0,601 0,117 0,844 0,068 0,037 0,013 0,896 0,514 0,361 0,089 0,133 0,151 0,058 0,361 0,602 0,240 0,296 0,090 0,777
extremida
des)
N 17 17 17 17 17 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 14
Legenda: Coeficiente de correlação referente ao ρ de Spearman. Coeficiente de associação referente ao h de Kruskal-Wallis. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

216
 Tabela 29. Correlações entre parâmetros do sono e escores neurocognitivos para o grupo comparação.
Índice Horas
de Horário Horári Horári Horário Horári Horári Totais
Qualida Escala de em que o de o de em que o de o de de
de do Sonolênc Horário Horário usou Fragment Horário Horário Horas Deitar Dormir usou Latênci Acorda Levant Sono Irregulari Irregular Irregulari
Escore Sono de ia de de de tecnolog Latênci ação do de de Totais (Fim (Fim tecnolog a (Fim r (Fim ar (Fim (Fim Irregulari Irregulari dade do idade do dade de
de Pittsbur Epworth Deitar Dormir ia a sono Acordar Levantar de Sono de de ia (Fim de de de de dade do dade do Horário Horário Irregularida Tempo
Cronoti gh (Pós- (Pós- (Seman (Seman (Semana (Seman (episódios (Semana (Semana (Semana Seman Seman de Seman Seman Seman Seman Horário Horário de de de da Total na
po COVID) COVID) a) a) ) a) /período) ) ) ) a) a) Semana) a) a) a) a) de Deitar de Dormir Acordar Levantar Latência Cama
TEM- Coeficien -0,270 0,006 0,138 0,168 0,099 0,347 0,502 -0,303 0,481 0,348 0,084 0,263 0,130 0,119 0,436 0,573 ,667* -0,065 0,284 0,404 0,368 0,326 0,109 0,112
R te de
Correlaçã
o
Sig. (2 0,372 0,986 0,653 0,583 0,747 0,269 0,096 0,339 0,114 0,268 0,795 0,409 0,688 0,712 0,157 0,052 0,018 0,841 0,371 0,193 0,239 0,301 0,736 0,728
extremida
des)
N 13 13 13 13 13 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12
AOL- Coeficien -0,053 0,132 0,098 -0,080 -0,249 -0,154 -0,056 0,012 -0,235 -0,283 -0,147 0,200 0,067 -0,102 0,053 -0,139 -0,144 -0,271 -0,109 -0,091 0,049 -0,049 -0,116 -0,176
A te de
Correlaçã
o
Sig. (2 0,864 0,667 0,749 0,794 0,411 0,632 0,862 0,970 0,462 0,373 0,648 0,533 0,837 0,753 0,871 0,667 0,656 0,395 0,736 0,778 0,879 0,879 0,720 0,585
extremida
des)
N 13 13 13 13 13 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12
AOL- Coeficien 0,195 -0,039 0,211 -0,495 -,618* -,592* -0,106 0,337 -0,472 -0,257 0,000 -,592* -,690* -,732** -0,007 -0,508 -0,472 -0,078 -0,155 -0,099 -0,268 -0,338 -0,268 -0,275
C te de
Correlaçã
o
Sig. (2 0,523 0,899 0,490 0,085 0,024 0,043 0,744 0,283 0,121 0,419 1,000 0,043 0,013 0,007 0,983 0,092 0,121 0,811 0,631 0,760 0,400 0,283 0,400 0,387
extremida
des)
N 13 13 13 13 13 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12
AOL- Coeficien 0,044 -0,142 ,603* -0,314 -0,169 -0,361 0,021 0,143 -,588* -0,502 0,018 -0,298 -0,273 -0,336 0,239 -0,291 -0,441 -0,023 -0,364 -0,403 -0,354 -0,326 -0,161 -0,212
D te de
Correlaçã
o
Sig. (2 0,886 0,642 0,029 0,297 0,580 0,249 0,948 0,657 0,044 0,096 0,957 0,347 0,390 0,285 0,455 0,358 0,151 0,944 0,244 0,194 0,259 0,301 0,617 0,508
extremida
des)
N 13 13 13 13 13 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12
G-38 Coeficien -0,238 -0,283 0,544 0,160 -0,012 -0,250 0,172 -0,005 -0,183 -0,280 0,264 -0,091 -0,130 -0,292 0,275 0,308 0,232 -0,144 -0,246 -0,011 -0,292 -0,341 0,211 -0,433
te de
Correlaçã
o
Sig. (2 0,434 0,349 0,055 0,602 0,968 0,434 0,592 0,987 0,570 0,378 0,408 0,778 0,687 0,358 0,388 0,330 0,468 0,654 0,441 0,974 0,358 0,278 0,511 0,160
extremida
des)
N 13 13 13 13 13 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12
Legenda: Coeficiente de correlação referente ao ρ de Spearman. * = p<,005 bicaudal de acordo com análise do SPSS. ** = p<,001 bicaudal de acordo com análise do SPSS.

217
 Apêndice G

Conteúdo Adicional Relevante Produzido Durante o Mestrado

G1. Artigo Submetido

G2. Minicurso Ministrado no XII Simpósio de Psicobiologia

218
G3. Apresentação de Banner na 40° Reunião Anual da Sociedade Brasileira de Psicologia

219
220