PSQI – jak policzyć i opisać wynik jakości snu

Autor: Konrad Hryniewicz · Opublikowano: 28 października 2026 · Aktualizacja: 27 października 2026

Czym jest PSQI

PSQI (Pittsburgh Sleep Quality Index) to kwestionariusz samoopisowy, który ocenia jakość snu i jego zaburzenia w ostatnim miesiącu. Opracowali go Buysse i in. (1989) na Uniwersytecie w Pittsburghu z myślą o badaniach psychiatrycznych i praktyce klinicznej. Dziś to jedno z najczęściej używanych narzędzi do pomiaru jakości snu w pracach z psychologii, pielęgniarstwa i zdrowia publicznego. W pracach dyplomowych pojawia się zwykle obok miar stresu (np. PSS-10) albo objawów depresji i lęku.

PSQI różni się od większości kwestionariuszy, które student(ka) liczy w pracy. Wyniku nie dostajesz z prostej sumy odpowiedzi. Najpierw przeliczasz odpowiedzi na siedem komponentów, a dopiero komponenty sumujesz. Część pytań dotyczy godzin (pójścia spać, wstawania, czasu snu), więc trzeba je jeszcze przeliczyć na liczby. Ten wpis pokazuje, jak to zorganizować, co wolno policzyć samodzielnie i co trzeba wziąć z oficjalnego klucza.

Budowa: 19 pozycji, 7 komponentów, wynik 0–21

Według pracy źródłowej 19 pozycji samooceny tworzy siedem komponentów, a ich suma daje jeden wynik globalny (Buysse i in., 1989). Strona Center for Sleep and Circadian Science (CSCS) na Uniwersytecie w Pittsburghu dodaje, że każdy komponent ma zakres 0–3, gdzie 3 oznacza największe trudności. Wynik globalny mieści się więc w zakresie 0–21, a wyższy wynik oznacza gorszą jakość snu. Treści pytań tu nie przytaczamy.

Komponenty powstają z odpowiedzi w różny sposób. Część z nich opiera się na jednej odpowiedzi, inne łączą kilka odpowiedzi albo wymagają obliczeń na godzinach podanych przez badanego. Tak jest np. przy wydajności snu. Szczegółowe reguły przeliczeń, czyli który przedział minut lub procent daje 0, 1, 2 albo 3 punkty, weź z oficjalnych wytycznych punktacji PSQI. Udostępnia je strona CSCS razem z formularzem i artykułem źródłowym. Nie przepisuj progów z przypadkowych prezentacji ani prac dyplomowych. Ich wersje różnią się w szczegółach, a pomyłka w jednym komponencie przesuwa wynik globalny.

Kwestionariusz dotyczy jednego miesiąca. Strona CSCS podkreśla, że PSQI jest zwalidowany tylko dla tego okresu. Jeśli zmienisz go np. na „ostatni tydzień”, narzędzie traci status zwalidowanego (Center for Sleep and Circadian Science, b.d.).

Licencja: co trzeba zrobić przed badaniem

PSQI nie jest w domenie publicznej. Według strony CSCS narzędzie jest własnością University of Pittsburgh. Bez opłat można je powielać tylko do niekomercyjnych badań i celów edukacyjnych. Nie wolno go zmieniać bez pisemnej zgody uczelni, a użycie komercyjne podlega opłacie. Strona prosi o wypełnienie formularza zgłoszeniowego przy każdym zastosowaniu. Wśród przykładów wymienia projekt szkolny i pracę dyplomową, więc formularz dotyczy także licencjatu i magisterki. W publikacjach trzeba cytować Buysse i in. (1989).

Tłumaczenia na 56 języków udostępnia serwis MAPI po założeniu bezpłatnego konta. Strona CSCS podaje, że przekłady przeszły walidację językową. Dostępność wersji polskiej sprawdź w tym serwisie. Nie oznacza to, że mają polskie normy, i tego wpis nie omawia. Jeśli korzystasz z polskiej wersji z publikacji, zacytuj jej źródło i sprawdź warunki użycia. Ogólne zasady szukania i użycia narzędzi opisuje wpis gdzie znaleźć kwestionariusze psychologiczne.

Jak policzyć wynik krok po kroku

Krok 1. Zapisz godziny w formacie, który da się liczyć

W formularzu online odpowiedzi o godzinach przychodzą jako tekst, np. „23:30” albo „0:15”. Ustal jeden format (np. GG:MM) i sprawdź go przed analizą. Przygotowanie bazy opisuje wpis jak przygotować bazę danych do analizy. Największa pułapka to północ. Osoba, która kładzie się o 23:30 i wstaje o 7:00, spędza w łóżku 7.5 godziny, a nie −16.5. W R wystarczy liczyć różnicę w minutach modulo 24 × 60 (kod niżej).

Krok 2. Policz pomocnicze zmienne czasowe

Wydajność snu to stosunek czasu snu do czasu spędzonego w łóżku, wyrażony w procentach. W pięcioosobowym przykładzie z kodu wydajność wyniosła od 76.9% do 106.7%. Wartość powyżej 100% oznacza błąd danych: ktoś podał 8 godzin snu przy 7.5 godziny w łóżku. Takie przypadki oznacz i zdecyduj, co z nimi zrobić, zanim przeliczysz komponent. Regułę zapisz w książce kodowej.

Krok 3. Przelicz odpowiedzi na komponenty według klucza

Na tym etapie stosujesz oficjalne wytyczne punktacji. Każdy komponent zapisz jako osobną kolumnę (w przykładzie k1–k7) i sprawdź, czy przyjmuje tylko wartości 0–3. Przeliczenie wykonaj w skrypcie, nie ręcznie w arkuszu. Ułatwi to kontrolę i poprawki. Ogólną logikę takich przekształceń omawia wpis jak policzyć wynik kwestionariusza.

Krok 4. Zsumuj komponenty i ustal regułę dla braków

Wynik globalny to suma siedmiu komponentów. Strona CSCS i abstrakt pracy źródłowej nie podają reguły dla braków. Sprawdź ją w oficjalnych wytycznych. W przykładzie przyjęliśmy najostrożniejszą regułę: wynik globalny liczymy tylko przy komplecie siedmiu komponentów. Nie uzupełniamy go średnią, bo komponenty mierzą różne aspekty snu. Kryterium opisz w pracy (zob. braki danych). Wyniku nie zamieniaj na średnią 0–3. Zakres 0–21 i próg 5 dotyczą sumy (zob. wynik skali: średnia czy suma).

Interpretacja i próg „powyżej 5”

W pracy źródłowej wynik globalny większy niż 5 odróżniał osoby dobrze śpiące od źle śpiących z czułością 89.6% i swoistością 86.5% (Buysse i in., 1989). Grupę źle śpiących tworzyli pacjenci z depresją i z zaburzeniami snu. Strona CSCS opisuje wynik powyżej 5 jako sugerujący istotne trudności ze snem. Backhaus i in. (2002) uzyskali dla tego samego punktu odcięcia czułość 98.7% i swoistość 84.4% w porównaniu pacjentów z pierwotną bezsennością i osób zdrowych.

Zapamiętaj trzy zasady:

• Próg to „więcej niż 5”, czyli 6 i więcej. W kodzie pisz PSQI > 5, a nie >= 5.
• Kategoria „zły sen” nie jest diagnozą. PSQI nie rozpoznaje bezsenności ani innych zaburzeń snu. Pokazuje tylko, że ktoś zgłasza trudności. Wartości czułości i swoistości pochodzą z porównań grup klinicznych i zdrowych, więc w próbie studentów będą inne.
• Do analiz używaj wyniku ciągłego. Podział na dwie grupy traci informację, podobnie jak dzielenie medianą. Odsetek wyników powyżej 5 podawaj obok średniej jako opis próby.

Przykład: 240 osób studiujących

W badaniu symulowanym 240 osób studiujących wypełniło PSQI. Spośród nich 92 pracowały zarobkowo na zmiany nocne. Komponenty zostały już przeliczone według klucza. Dane są w pliku CSV. U 13 osób brakowało jednego komponentu: u 9 wydajności snu, a u 4 latencji. Ich wyniku globalnego nie liczyliśmy, więc do analizy weszło 227 osób.

Rysunek 1 pokazuje, że komponenty mają bardzo różne rozkłady. Leków nasennych nie przyjmowało 86.7% osób (wynik 0), a w zaburzeniach snu wynik 3 miało tylko 0.8%. To typowy efekt podłogi w młodej, nieklinicznej próbie. Każdy komponent to skala porządkowa o czterech wartościach, więc komponenty opisuj odsetkami, a nie tylko średnimi.

Średni wynik globalny wyniósł M = 6.59 (SD = 3.30; Me = 7, IQR: 4–8; zakres 0–19), a skośność 0.57. Wynik powyżej 5 miało 137 osób, czyli 60.4% (95% CI [53.9, 66.5], metoda Wilsona; zob. przedział ufności dla proporcji). Tak wysoki odsetek w próbie studentów nie oznacza, że 60% badanych ma zaburzenia snu. Oznacza, że wielu z nich zgłasza trudności, które przekraczają próg przesiewowy.

Praca nocna a jakość snu

Osoby pracujące na zmiany nocne (n = 94) miały wyższy wynik niż pozostałe (n = 133): M = 7.27 (SD = 3.38) wobec 6.12 (SD = 3.16). Test t Welcha dał t(191.90) = 2.58, p = .011. Różnica wyniosła 1.15 punktu, 95% CI [0.27, 2.02], a d Cohena = 0.35, 95% CI [0.09, 0.62]. Wynik powyżej 5 miało 64.9% osób pracujących nocą i 57.1% pozostałych. Badanie jest przekrojowe, więc nie wiemy, czy praca nocna pogarsza sen, czy różnicę tłumaczą inne cechy tych osób (zob. korelacja a przyczynowość). Szczegóły testu omawia wpis test t Studenta krok po kroku.

Rzetelność i struktura czynnikowa

Buysse i in. (1989) uzyskali akceptowalną spójność wewnętrzną i rzetelność test–retest. Backhaus i in. (2002) podają korelację test–retest wyniku globalnego .87 u pacjentów z bezsennością. Przegląd 37 badań (Mollayeva i in., 2016) ocenił spójność wewnętrzną jako dobrą, ale znalazł rozbieżności w analizach czynnikowych. Część autorów proponuje trzy czynniki: wydajność snu, postrzeganą jakość snu i zaburzenia w ciągu dnia (Cole i in., 2006). Przegląd Manzara i in. (2018) wskazuje jednak, że proponowane struktury wymagają dalszej walidacji, a wiele badań pomijało podstawowe kroki EFA i CFA.

W pracy dyplomowej licz więc wynik globalny tak, jak przewidzieli autorzy. Rzetelność podaj dla siedmiu komponentów. W przykładzie, na 227 pełnych rekordach, alfa wyniosła α = .74, a omega McDonalda z modelu jednoczynnikowego ω = .75. Korelacje komponentów z resztą skali mieściły się w przedziale .24–.62. Najsłabiej wiązał się komponent leków nasennych, co przy 86.7% zer nie dziwi. Wartość alfy w okolicach .70–.80 przy siedmiu zróżnicowanych komponentach jest typowa. Nie usuwaj komponentu, żeby ją podnieść, bo wynik przestanie być wynikiem PSQI. Dlaczego omega bywa lepszym wyborem niż alfa, wyjaśnia McNeish (2018), a interpretację alfy – wpis alfa Cronbacha. Jeśli chcesz sprawdzić strukturę czynnikową, zacznij od wpisu o analizie czynnikowej EFA i CFA.

Jak opisać PSQI w pracy

Pierwszy wzór opisuje narzędzie w rozdziale metodologicznym, a drugi – wyniki. W nawiasach kwadratowych uzupełnij dane własnego badania. Strukturę takiego akapitu omawia wzór opisu narzędzia badawczego.

# B158 – PSQI: wynik globalny 0–21 z siedmiu komponentów 0–3, braki, próg > 5, rzetelność, porównanie grup
# (dane symulowane, set.seed(1581)). 240 osób studiujących; 92 pracują zarobkowo na zmiany nocne.
# Kolumny k1–k7 to komponenty już przeliczone według oficjalnego klucza PSQI (University of Pittsburgh):
# k1 subiektywna jakość snu, k2 latencja snu, k3 czas snu, k4 wydajność snu, k5 zaburzenia snu,
# k6 leki nasenne, k7 zaburzenia funkcjonowania w ciągu dnia. Treści pytań i klucza przeliczeń nie odtwarzamy.
suppressPackageStartupMessages({ library(psych); library(DescTools) })
set.seed(1581)
n <- 240
nocki <- rbinom(n, 1, 0.38)
theta <- rnorm(n, 0.45 * nocki, 1)                     # ukryta skłonność do złego snu
lad <- c(0.80, 0.65, 0.60, 0.55, 0.60, 0.35, 0.65)     # siła związku komponentu z theta
progi <- list(c(-0.9, 0.7, 1.9), c(-0.5, 0.6, 1.5), c(-0.6, 0.8, 1.9), c(0.0, 0.9, 1.7),
              c(-1.6, 0.6, 2.3), c(1.1, 1.6, 2.1), c(-0.6, 0.7, 1.9))
kom <- sapply(1:7, function(j) {
  y <- lad[j] * theta + rnorm(n, 0, sqrt(1 - lad[j]^2))
  findInterval(y, progi[[j]])
})
colnames(kom) <- paste0("k", 1:7)
kom[sample(n, 9), 4] <- NA                             # brak wydajności snu (np. niepełne godziny)
kom[sample(n, 4), 2] <- NA                             # brak latencji
dane <- data.frame(id = 1:n, praca_nocna = ifelse(nocki == 1, "tak", "nie"), kom)
write.csv(dane, "../psqi-dane-przyklad.csv", row.names = FALSE, na = "")
k <- paste0("k", 1:7)

# Krok 1. Kontrola: każdy komponent ma wartości 0–3 albo brak
all(as.matrix(dane[, k]) %in% c(0:3, NA))
table(braki = rowSums(is.na(dane[, k])))

# Krok 2. Wynik globalny = suma siedmiu komponentów (0–21); liczony tylko przy komplecie komponentów
dane$PSQI <- ifelse(rowSums(is.na(dane[, k])) == 0, rowSums(dane[, k]), NA)
c(waznych = sum(!is.na(dane$PSQI)), bez_wyniku = sum(is.na(dane$PSQI)))

# Krok 3. Statystyki opisowe wyniku globalnego
p <- na.omit(dane$PSQI)
round(c(M = mean(p), SD = sd(p), Me = median(p), Q1 = quantile(p, .25, names = FALSE),
        Q3 = quantile(p, .75, names = FALSE), min = min(p), max = max(p), skosnosc = skew(p)), 2)

# Krok 4. Odsetek wyników > 5 (próg Buysse i in., 1989) z 95% CI Wilsona
zly <- sum(p > 5)
round(c(n = zly, BinomCI(zly, length(p), method = "wilson")[1, ] * 100), 1)

# Krok 5. Rozkład komponentów: odsetki odpowiedzi 0–3 i średnie
round(t(sapply(dane[, k], function(x) 100 * prop.table(table(factor(x, levels = 0:3))))), 1)
round(colMeans(dane[, k], na.rm = TRUE), 2)

# Krok 6. Rzetelność: alfa i omega (model jednoczynnikowy) dla siedmiu komponentów
pelne <- na.omit(dane[, k])
nrow(pelne)
a <- psych::alpha(pelne, warnings = FALSE)
fa1 <- fa(pelne, nfactors = 1, cor = "cor")
lam <- as.numeric(fa1$loadings); omega_t <- sum(lam)^2 / (sum(lam)^2 + sum(1 - lam^2))
round(c(alfa = a$total$raw_alpha, omega = omega_t, r_poz_min = min(a$item.stats$r.drop),
        r_poz_max = max(a$item.stats$r.drop)), 2)
round(setNames(a$item.stats$r.drop, k), 2)

# Krok 7. Praca nocna a wynik globalny: test t Welcha, d Cohena z 95% CI, odsetek wyników > 5
d <- dane[!is.na(dane$PSQI), ]
aggregate(PSQI ~ praca_nocna, d, function(v) round(c(n = length(v), M = mean(v), SD = sd(v), Me = median(v)), 2))
tt <- t.test(PSQI ~ praca_nocna, d)                    # znak t: grupa „nie” minus „tak”
round(c(t = unname(tt$statistic), df = unname(tt$parameter), roznica = unname(diff(tt$estimate)),
        lo = -tt$conf.int[2], hi = -tt$conf.int[1]), 2)
format.pval(tt$p.value, digits = 3)
round(CohenD(d$PSQI[d$praca_nocna == "tak"], d$PSQI[d$praca_nocna == "nie"], conf.level = .95)[1:3], 2)
round(100 * prop.table(table(d$praca_nocna, d$PSQI > 5), 1), 1)

# Krok 8. Pomocniczo: czas w łóżku przez północ i wydajność snu (godziny snu / godziny w łóżku × 100)
# Przykład pięciu osób; przeliczenie wydajności na komponent 0–3 weź z oficjalnego klucza.
spac <- c("23:30", "00:15", "22:45", "01:30", "23:00")
wstaje <- c("07:00", "07:30", "06:15", "08:00", "06:30")
sen_h <- c(6.5, 6.0, 7.0, 5.0, 8.0)
min_od_polnocy <- function(x) { h <- as.numeric(substr(x, 1, 2)); m <- as.numeric(substr(x, 4, 5)); 60 * h + m }
w_lozku <- (min_od_polnocy(wstaje) - min_od_polnocy(spac)) %% (24 * 60) / 60
data.frame(spac, wstaje, w_lozku_h = w_lozku, sen_h, wydajnosc_proc = round(100 * sen_h / w_lozku, 1))

[1] TRUE
braki
  0   1 
227  13 
   waznych bez_wyniku 
       227         13 
       M       SD       Me       Q1       Q3      min      max skosnosc 
    6.59     3.30     7.00     4.00     8.00     0.00    19.00     0.57 
     n    est lwr.ci upr.ci 
 137.0   60.4   53.9   66.5 
      0    1    2   3
k1 15.8 57.1 23.3 3.8
k2 26.7 41.5 24.2 7.6
k3 22.9 52.1 21.2 3.8
k4 48.9 29.4 16.0 5.6
k5  3.3 65.8 30.0 0.8
k6 86.7  7.9  3.3 2.1
k7 26.2 50.0 21.2 2.5
  k1   k2   k3   k4   k5   k6   k7 
1.15 1.13 1.06 0.78 1.28 0.21 1.00 
[1] 227
     alfa     omega r_poz_min r_poz_max 
     0.74      0.75      0.24      0.62 
  k1   k2   k3   k4   k5   k6   k7 
0.62 0.54 0.49 0.42 0.41 0.24 0.51 
  praca_nocna PSQI.n PSQI.M PSQI.SD PSQI.Me
1         nie 133.00   6.12    3.16    6.00
2         tak  94.00   7.27    3.38    7.00
      t      df roznica      lo      hi 
  -2.58  191.90    1.15    0.27    2.02 
[1] "0.0106"
     d lwr.ci upr.ci 
  0.35   0.09   0.62 
     
      FALSE TRUE
  nie  42.9 57.1
  tak  35.1 64.9
   spac wstaje w_lozku_h sen_h wydajnosc_proc
1 23:30  07:00      7.50   6.5           86.7
2 00:15  07:30      7.25   6.0           82.8
3 22:45  06:15      7.50   7.0           93.3
4 01:30  08:00      6.50   5.0           76.9
5 23:00  06:30      7.50   8.0          106.7

Najczęstsze błędy przy PSQI

• Suma wszystkich odpowiedzi zamiast sumy komponentów. Godzin, minut i ocen częstości nie dodaje się bezpośrednio. Najpierw przeliczasz je na siedem komponentów 0–3.
• Progi komponentów przepisane z nieoficjalnego źródła. Reguły przeliczeń weź z wytycznych punktacji PSQI i zacytuj Buysse i in. (1989).
• Czas w łóżku liczony bez uwzględnienia północy. Daje ujemne godziny albo wydajność snu powyżej 100%. Sprawdź oba przypadki przed przeliczeniem.
• Zmieniony okres oceny, np. „ostatni tydzień” zamiast miesiąca, albo przeredagowane pytania. Według strony CSCS wersja zmieniona nie jest już zwalidowana, a modyfikacje wymagają zgody.
• Próg >= 5 zamiast > 5. Zawyża odsetek osób źle śpiących.
• „60% studentów ma zaburzenia snu”. Próg przesiewowy nie jest rozpoznaniem. Pisz o odsetku osób zgłaszających złą jakość snu.
• Użycie bez zgłoszenia. Strona CSCS prosi o formularz także przy pracy dyplomowej.

Plan całej analizy kwestionariusza, od czyszczenia danych po rzetelność, znajdziesz w przewodniku po analizie kwestionariusza. Jeśli chcesz, żeby ktoś sprawdził przeliczenie komponentów i dobór analiz w Twojej pracy, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Jak policzyć wynik globalny PSQI?

Najpierw przelicz odpowiedzi na siedem komponentów (każdy 0–3) według oficjalnych wytycznych punktacji, a potem je zsumuj. Wynik globalny ma zakres 0–21, a wyższy oznacza gorszą jakość snu (Buysse i in., 1989). Nie sumuj surowych odpowiedzi, bo część z nich to godziny i minuty.

Co oznacza wynik PSQI powyżej 5?

W pracy źródłowej wynik większy niż 5 odróżniał osoby dobrze i źle śpiące z czułością 89.6% i swoistością 86.5% (Buysse i in., 1989). Oznacza złą jakość snu w samoopisie, a nie rozpoznanie zaburzenia snu. W kodzie zapisz go jako PSQI > 5.

Czy PSQI można używać bezpłatnie w pracy magisterskiej?

Według strony University of Pittsburgh PSQI można bezpłatnie powielać do niekomercyjnych badań i celów edukacyjnych, ale nie wolno go zmieniać bez pisemnej zgody. Strona prosi o wypełnienie formularza zgłoszeniowego przy każdym użyciu, także w pracy dyplomowej. Użycie komercyjne jest płatne.

Gdzie znaleźć klucz do punktacji komponentów PSQI?

Oficjalne wytyczne punktacji („PSQI Scoring”) udostępnia strona PSQI Center for Sleep and Circadian Science na Uniwersytecie w Pittsburghu, razem z formularzem i artykułem źródłowym. Z nich weź reguły przeliczeń minut, godzin i częstości na punkty 0–3 i zacytuj Buysse i in. (1989).

Czy PSQI ma podskale, które można analizować osobno?

Oficjalnie PSQI ma siedem komponentów i jeden wynik globalny. Cole i in. (2006) zaproponowali model trzech czynników, ale przegląd Manzara i in. (2018) wskazuje, że różne struktury czynnikowe wymagają dalszej walidacji. Komponenty możesz opisać, ale hipotezy testuj zwykle na wyniku globalnym.

Powiązane hasła

Przeczytaj też

@article{backhaus2002test, author={Backhaus, Jutta and Junghanns, Klaus and Broocks, Andreas and Riemann, Dieter and Hohagen, Fritz}, title={{Test–retest reliability and validity of the Pittsburgh Sleep Quality Index in primary insomnia}}, journal={Journal of Psychosomatic Research}, year={2002}, volume={53}, number={3}, pages={737--740}, doi={10.1016/s0022-3999(02)00330-6}}

@article{buysse1989pittsburgh, author={Buysse, Daniel J. and Reynolds, III, Charles F. and Monk, Timothy H. and Berman, Susan R. and Kupfer, David J.}, title={{The Pittsburgh Sleep Quality Index: A new instrument for psychiatric practice and research}}, journal={Psychiatry Research}, year={1989}, volume={28}, number={2}, pages={193--213}, doi={10.1016/0165-1781(89)90047-4}}

@misc{psqipittnd, author={{Center for Sleep and Circadian Science}}, title={{The Pittsburgh Sleep Quality Index (PSQI)}}, publisher={University of Pittsburgh, Department of Psychiatry}, url={https://www.sleep.pitt.edu/psqi}}

@article{cole2006validation, author={Cole, Jason C. and Motivala, Sarosh J. and Buysse, Daniel J. and Oxman, Michael N. and Levin, Myron J. and Irwin, Michael R.}, title={{Validation of a 3-factor scoring model for the Pittsburgh Sleep Quality Index in older adults}}, journal={Sleep}, year={2006}, volume={29}, number={1}, pages={112--116}, doi={10.1093/sleep/29.1.112}}

@article{manzar2018dimensionality, author={Manzar, Md Dilshad and BaHammam, Ahmed S. and Hameed, Unaise Abdul and Spence, David Warren and Pandi-Perumal, Seithikurippu R. and Moscovitch, Adam and Streiner, David L.}, title={{Dimensionality of the Pittsburgh Sleep Quality Index: A systematic review}}, journal={Health and Quality of Life Outcomes}, year={2018}, volume={16}, number={1}, eid={89}, doi={10.1186/s12955-018-0915-x}}

@article{mcneish2018thanks, author={McNeish, Daniel}, title={{Thanks coefficient alpha, we’ll take it from here}}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}

@article{mollayeva2016pittsburgh, author={Mollayeva, Tatyana and Thurairajah, Pravheen and Burton, Kirsteen and Mollayeva, Shirin and Shapiro, Colin M. and Colantonio, Angela}, title={{The Pittsburgh sleep quality index as a screening tool for sleep dysfunction in clinical and non-clinical samples: A systematic review and meta-analysis}}, journal={Sleep Medicine Reviews}, year={2016}, volume={25}, pages={52--73}, doi={10.1016/j.smrv.2015.01.009}}