睡眠特征与人体表型的全关联分析：揭示睡眠监测在健康预测中的新价值

来自多学科团队的研究人员通过分析6,366名成人（3,043名男性，3,323名女性）16,812晚的家庭睡眠呼吸暂停监测数据，探究448项睡眠特征与16大身体系统的关联。研究发现，内脏脂肪组织（VAT）与经性别、年龄和体重指数（BMI）校正后的外周呼吸暂停-低通气指数相关性最强；睡眠特征可独立预测超过15%的身体指标（涉及15个系统），尤其对胰岛素抵抗、血脂（如甘油三酯）和心血管指标的预测优于年龄、BMI和VAT。肠道菌群通路和饮食（女性更显著）对阻塞性睡眠呼吸暂停（OSA）症状的预测贡献突出。该研究为睡眠监测在健康风险评估中的转化应用提供了新依据。

　　睡眠检测技术不仅是诊断睡眠障碍的金标准，其捕获的多样化生物标志物更能为全身健康提供“窗口”。这项基于人类表型计划队列的研究，通过分析6,366名受试者（男女比例接近1:1）长达16,812晚的家庭睡眠呼吸暂停监测(HSAT)数据，系统解析了448项睡眠参数与16大生理系统的关联网络。令人瞩目的是，内脏脂肪组织(VAT)与经性别、年龄和体重指数(BMI)校正后的外周呼吸暂停-低通气指数(AHI)展现出最强关联性。机器学习模型揭示，睡眠特征可独立预测15个身体系统中超过15%的指标——尤其在胰岛素敏感性、甘油三酯(TG)等心血管代谢指标预测方面，其贡献值甚至超越传统风险因子（年龄/BMI/VAT）。有趣的是，肠道菌群相关代谢通路和饮食模式（女性群体效应更显著）对临床阻塞性睡眠呼吸暂停(OSA)症状（如嗜睡）的预测力拔得头筹。生活方式因素联合解释超50%的睡眠变异度，暗示“睡眠-菌群-代谢”轴或成干预新靶点。该研究为开发基于睡眠大数据的健康预警系统基石。