5.0 Q1|香港城市大学NHANES发文 | 睡眠效率变异性与老年人认知能力之间的关系
1.第一段–文章基本信息
文章题目：Association Between Sleep Efficiency Variability and Cognition Among Older Adults: Cross-Sectional Accelerometer Study
中文标题：睡眠效率变异性与老年人认知能力之间的关系：横断面加速度计研究
发表杂志：JMIR Aging
影响因子：1区，IF= 5.0
发表时间：2024年4月
2.第二段–研究思路
本研究思路
本文旨在探讨老年人日间睡眠效率变异性和认知功能之间的关系。研究基于美国国家健康与营养调查（NHANES）2011-2014年的数据，纳入了年龄超过65岁的参与者，这些参与者至少有5天的加速度计佩戴数据，并完成了3项认知测试：数字符号替换测试（DSST）、阿尔茨海默病注册联盟词汇学习测试（CERAD-WL）和动物流畅性测试（AFT）。研究使用数据驱动的机器学习算法从加速度计数据中提取睡眠效率，并定义睡眠效率变异为有效数据中所有夜晚睡眠效率的标准差。研究首先描述了参与者的特征，然后通过相关性分析和散点图探讨了平均睡眠效率与日间睡眠效率变异性的关系。随后，研究分别在未调整、调整人口统计学因素和调整全部混杂因素的模型中，分析了睡眠效率变异性和平均睡眠效率与认知测试得分的关系。结果显示，较高的睡眠效率变异与较低的DSST和AFT得分相关，而平均睡眠效率与DSST和AFT得分呈正相关。
3.第三段-Introdction
背景
健康的睡眠习惯有助于保护记忆和认知功能。随着年龄增长，睡眠质量会下降，而有认知障碍的老年人比无认知障碍的老年人睡眠质量更差。较低的睡眠效率（睡眠质量的替代指标）与老年人认知功能较差相关。尽管已有研究表明高质量睡眠可以降低认知障碍的风险，但一致的睡眠质量与认知功能之间的关系尚未得到充分研究。由于假设老年人每晚严格遵循一致的睡眠时间表是不合理的，因此有必要研究日间睡眠效率变异性与认知功能之间的关系。本研究通过横断面加速度计研究，旨在量化睡眠效率变异性与三项认知测试表现（评估记忆、类别词汇流畅性和持续注意力）之间的关联，同时调整人口统计学因素、慢性疾病、吸烟习惯、饮酒习惯、心血管风险因素、抑郁症状以及日常生活活动（ADL）和工具性日常生活活动（IADL）的测量结果。
4.第四段-Methods
方法
研究使用了美国国家健康与营养调查（NHANES）2011-2014年的数据。在此期间，部分参与者佩戴了ActiGraph GT3X+设备，该设备在收集完所有非加速度计数据后，连续测量了7天的活动水平。年龄超过60岁的参与者在2011-2014年期间还接受了认知测试。研究排除了年龄小于65岁、缺乏完整的认知测试数据或加速度计佩戴时间少于5天的参与者。
认知功能测量
NHANES 2011-2014年期间包括三项认知测试：数字符号替换测试（DSST）、阿尔茨海默病注册联盟词汇学习测试（CERAD-WL）和动物流畅性测试（AFT）（见表1）。对于AFT、CERAD-WL和DSST，得分越高表示认知功能越好。
睡眠指标的推导
睡眠效率是睡眠质量的替代指标，定义为实际睡眠时间与从入睡到最终醒来时间的总比值，其可能的取值范围为0到1，数值越高表示睡眠质量越好。每晚的睡眠效率值是通过一种无监督的隐马尔可夫模型（一种数据驱动的机器学习方法）来识别睡眠-觉醒状态得出的。该隐马尔可夫模型算法经过与金标准多导睡眠监测的验证，其准确率为85.7%，灵敏度为99.3%，并且比常用的监督算法表现更好。睡眠效率变异性定义为所有有效加速度计数据夜间的睡眠效率的标准差。为了便于比较，研究还进一步计算了每位参与者的平均睡眠效率。
协变量
年龄、性别、教育程度、婚姻状况、家庭收入、吸烟习惯、当前饮酒情况、抑郁症状、功能独立性测量、心脏病发作史、中风史以及关节炎、心脏病和糖尿病的诊断情况。
统计学方法
使用均值和标准差报告数值变量的参与者特征，使用计数和百分比报告分类变量。研究首先使用皮尔逊相关系数和散点图检查平均睡眠效率和日间睡眠效率变异性之间的关系。随后，根据以往研究的截止值，研究绘制了按正常与低（≥0.85与<0.85）睡眠效率分层的睡眠效率变异性分布图。研究首先检查了睡眠效率变异性与DSST、CERAD-WL和AFT得分之间的单变量关联。人口统计学模型调整了年龄、性别、教育程度、婚姻状况和家庭收入。最后，本研究的完整模型进一步调整了抑郁症状、ADL和IADL评分、吸烟习惯、饮酒习惯、糖尿病、关节炎、心脏病、中风史和心脏病发作史。所有单变量、人口统计学和完整模型也使用平均睡眠效率而不是日间变异性重新拟合，以便进行比较。随后进行了敏感性分析，排除了平均睡眠效率和日间变异性极端异常值（≤1百分位或≥99百分位的观测值）。还检查了同时包含平均值和睡眠效率变异性的模型（多媒体附录2）。
5.第五段-Results
结果
描述性统计
研究共纳入了1074名NHANES参与者，平均年龄为72.3岁，其中女性占49%。97.8%的参与者有≥7晚的睡眠数据。整个队列的平均睡眠效率为0.94，DSST、CERAD-WL和AFT的平均得分分别为46.7、25.0和16.8。平均睡眠效率与日间睡眠效率变异性之间的相关系数为−0.63，表明平均睡眠效率越低，睡眠效率的变异性越高。研究发现，平均睡眠效率较低的老年人比睡眠效率正常的老年人具有更高的睡眠效率变异性。
关联分析
在单变量模型中，较高的睡眠效率变异性与DSST（每增加10%，β=−3.34）、CERAD-WL（每增加10%，β=−1.00）和AFT（每增加10%，β=−1.02）得分较低相关。在完整模型中，经过调整所有混杂因素后，较高的睡眠效率变异性仍然与DSST（每增加10%，β=−2.01）和AFT（每增加10%，β=−0.84）得分较低相关，但与CERAD-WL得分无关（每增加10%，β=−0.65）。相反，较高的平均睡眠效率与DSST（每增加10%，β=2.25）和AFT（每增加10%，β=0.91）得分较高相关，但与CERAD-WL得分无关（每增加10%，β=0.46）。这表明睡眠效率的变异性与平均睡眠效率对认知功能的影响方向相反。
敏感性分析
在敏感性分析中，研究排除了平均睡眠效率和睡眠效率变异性的极端异常值（≤1百分位或≥99百分位的观测值）。结果显示，在完整模型中观察到的所有显著结果仍然显著。这表明研究结果具有稳健性，排除极端值后，睡眠效率变异性与DSST和AFT得分之间的负相关关系依然存在。
6.第六段–结论与启发
结论与启发
结论
本研究表明，较高的日间睡眠效率变异性与两项认知测试（DSST和AFT）得分较低相关。我们的研究结果可能激励未来开展因果推断研究，以确定保持睡眠质量的一致性是否是维持老年人认知功能的有效干预目标。
【光速科研启发】
选题：研究聚焦老年人日间睡眠效率变异性与认知功能之间的关系，填补了当前研究中关于睡眠质量一致性与认知功能关联的空白，具有重要的临床和公共卫生意义。
统计学：采用多变量线性回归模型，评估睡眠效率变异性与认知测试得分之间的关系，并通过逐步调整混杂因素（包括人口统计学因素、慢性疾病、生活方式等）来确保结果的稳健性。同时，使用敏感性分析排除极端值的影响，进一步验证了结果的可靠性。
数据库：利用美国国家健康与营养调查（NHANES）数据库，确保样本的代表性和数据的丰富性。通过对参与者进行严格的筛选，排除不符合条件的样本，提高了研究样本的质量，为研究结果提供了坚实的基础。
启发：研究提示在制定老年人认知功能保护策略时，应考虑睡眠质量的一致性，而不仅仅是平均睡眠效率。通过分析发现，睡眠效率变异性对认知功能的影响与平均睡眠效率相反，这为未来干预措施提供了新的方向。此外，利用加速度计这种非侵入性工具测量睡眠效率，具有易于获取和适用于大规模人群研究的优势，为公共卫生干预提供了可行的途径。
