基于NHANES活动记录数据的衰老与活动模式研究：系统生物学视角下的昼夜节律表型分析

本综述利用NHANES大样本活动记录数据，通过无监督机器学习分析年龄分层的活动模式，揭示衰老过程中睡眠-觉醒时序（chronotype）、活动强度（MIMS）及昼夜节律参数（如睡眠 onset/wake proxies）的系统性变化，为个性化健康干预和生物钟网络建模提供表型标志物。

　　

研究背景

理解个体活动模式对健康评估和疾病管理具有重要意义。活动模式反映了全天体力活动和行为的时序、强度及规律性，为评估生活方式、习惯和整体功能状态提供关键窗口。在昼夜节律生物学中，生物节律与社会作息之间的错位（如轮班工作、社交时差）可能导致睡眠障碍、认知功能下降及心理健康问题。临床上，活动模式的监测有助于诊断睡眠障碍、抑郁和昼夜节律失调等相关疾病。尤其值得注意的是，在衰老背景下，活动模式会随年龄增长发生显著变化，这些变化与身体健康状况、功能状态及慢性疾病风险密切相关。

活动记录法（actigraphy）作为一种非侵入性的活动监测方法，通过腕戴式加速度传感器记录手腕运动，从而揭示外部因素（如工作需求、社会活动或环境光照）对活动时序的影响。该方法广泛用于睡眠研究，因其便捷性、经济性及长时间实时数据采集能力而备受青睐。活动记录可客观追踪睡眠和活动，减少回忆偏倚，并准确识别个体的时间型（chronotype）。此外，活动记录数据还可揭示全天的活动节律，反映能量水平和行为偏好，尤其在疾病状态下患者活动模式的变异评估中具有重要价值。

研究方法与数据

本研究数据来源于美国国家健康与营养调查（NHANES）2011–2013年度的活动监测数据。共有14,111名受试者参与了为期7天的连续活动记录，设备采用腕戴式ActiGraph GT3X+加速度计，以每分钟为单位记录三轴加速度数据（变量名PAXMTSM）。该变量通过汇总x、y、z轴的分钟级加速度测量值得出，代表该分钟内的总运动强度。

为探究成年人群的年龄依赖性活动模式变化，受试者被分为四个年龄组：19–30岁（青年成年期）、31–50岁（中年期）、51–70岁（老年成年期）和71–80岁（高龄期）。这一划分与广泛接受的医学主题词（MeSH）分类一致，确保了研究结果在不同生命阶段和行为模式中的适用性。

数据分析首先将原始分钟级数据重构为三维矩阵（分钟、小时、天数），并计算每小时平均活动值，生成一个7天×24小时的紧凑矩阵以突显整体活动模式。通过自相关函数（ACF）分析检测内在周期性，计算时间滞后最多168小时（7天）下的活动信号相似性。周期峰值间隔用于估计主导周期性，并通过卡方检验评估其与24小时周期的对齐程度。只有那些表现出显著24小时周期性的受试者数据被纳入后续分析。

每位受试者的数据最终被汇总为“平均日”活动曲线，即对所有记录日的每分钟活动值取平均，得到Y(t), t=1,...,1440。为进一步简化，该曲线通过分段常数近似转化为每小时平均活动曲线y_pa(τ), τ=1,...,24。这一表征用于后续的无监督聚类分析。

聚类分析与动态表型提取

每个年龄组的活动曲线通过K均值聚类被划分为不同表型类别。聚类数目通过组内平方和（WCSS）曲线的一阶和二阶导数分析确定，以客观识别聚类效果趋于稳定的拐点。最终，四个年龄组分别被划分为具有代表性的活动模式簇，其聚类中心通过分段常数函数进一步近似，以提取关键参数如睡眠开始时间（SOT）和醒来时间（WT）的代理指标。

此外，研究还计算了每个聚类中心活动曲线的导数，以识别活动上升和下降的时段。基于导数信息，定义了三个核心指标：

• •
  放松期（winding down period）：即活动导数小于0的时间段积分，反映活动减缓的持续时间；
• •
  放松期活动量（winding down activity）：该时段内总活动水平的积分；
• •
  总活动量（overall activity）：全天活动水平的积分。

这些指标用于量化不同年龄组在活动过渡动力学和能量分配方面的差异。

研究结果

通过对10,016名受试者的活动记录分析，研究发现年龄增长伴随活动模式的显著变化。年轻组（19–30岁）表现出延迟的时间型，即更晚的睡眠开始和醒来时间，而老年组则呈现提前且更加结构化的作息。放松期随年龄增长而延长，总活动水平逐渐下降。

具体而言，放松期持续时间在年轻个体中较短，表明他们能够更快地从活动状态过渡到休息状态；而在老年组（尤其是71–80岁）中，放松期显著延长，表明活动减缓的过程更加缓慢。放松期活动量在年轻组中较高，说明即便在活动下降阶段，年轻人仍维持较高的运动水平；而老年人该时段活动量普遍较低。

总活动量随着年龄增长呈现明显下降趋势。中年组（31–50岁）活动水平最高，而高龄组（71–80岁）活动量最低，这与年龄相关的运动能力下降、健康限制和生活方式改变一致。

研究还提出了“警觉时间”（Time to Alertness, TtA）的概念，定义为从活动导数为零（状态转换点）到活动导数达到峰值的时间间隔。TtA在年轻组中与醒来时间呈强相关（R2=0.867），表明年轻人在晚起时因生物钟与社会时间错位而表现出更明显的睡眠惯性。该相关性在中年组减弱（R2=0.779），在51–70岁组进一步降低（R2=0.214），到71–80岁组几乎消失（R2=0.027）。这一发现反映了随着年龄增长，昼夜节律振幅减弱、生物钟调控能力下降的现象。

睡眠开始和醒来时间的累积分布分析表明，年轻组更倾向于晚睡晚起，而老年组则普遍早睡早起。极性图示进一步证实了这一趋势，并显示睡眠持续时间在老年组中有所缩短。

讨论与结论

本研究通过大规模活动记录数据的无监督分析，揭示了衰老过程中活动模式、睡眠-觉醒时序和过渡动力学的系统性变化。这些变化不仅反映了生物学上的昼夜节律调整，还受到行为习惯、社会因素和健康状态的共同影响。

从系统生物学视角看，分钟级活动数据可作为行为“组学”信号，通过平均日宏观可观测量的提取和聚类，得到可解释的动态表型。这些表型参数——如睡眠开始/醒来时间代理、放松期活动及时长、警觉时间——与经典系统概念（相位、振幅、过渡动力学）相对应，为睡眠-觉醒调控的机制模型提供了人口规模的约束条件。

研究的优势在于其数据驱动的无监督分析方法、基于大样本的年龄分层策略以及可翻译的临床标志物提取。然而，平均日表征可能掩盖短期波动和个体内变异，且7天记录时长限制了对非24小时节律的探测能力。

这些发现对公共卫生和临床实践具有重要启示。年龄特异的活动模式标准可为个性化干预提供依据，例如通过调整光照时间、活动安排和社会作息以优化老年群体的生物钟对齐。此外，所提取的动态表型可用于生物钟模型校准和干预措施的效果预测。

综上所述，本研究通过NHANES活动记录数据的系统分析，揭示了衰老过程中的行为表型变化，并为跨生命周期的健康管理提供了新的生物标志物和理论框架。