基于机器学习与传统方法评估炎症指标与中青年女性睡眠障碍的关联：α-1-酸性糖蛋白的关键作用及抑郁介导机制分析

《European Journal of Medical Research》：Assessing the association between multiple indicators of inflammation and sleep disorders in young and middle-aged women: insights from traditional and machine learning approaches

本研究针对炎症与睡眠障碍相互作用机制尚不明确的问题，利用NHANES(2015-2020)数据库对2,342名中青年女性开展横断面研究。通过机器学习算法结合传统统计方法，发现α-1-酸性糖蛋白(AGP)、C反应蛋白(CRP)和那不勒斯预后评分(NPS)与睡眠障碍呈显著正相关，其中AGP的预测价值最高(AUC=0.586)。中介分析显示抑郁症状介导了AGP对睡眠障碍影响的15.1%。该研究为睡眠障碍的炎症机制提供了新的生物标志物依据，发表于《European Journal of Medical Research》。

　　

当我们谈论睡眠问题时，往往只关注表面的失眠症状，却忽略了身体内部可能存在的炎症信号。近年来，科学家们逐渐认识到睡眠障碍与炎症反应之间存在着复杂的双向关系——睡眠不足会加剧炎症，而慢性炎症又可能进一步扰乱睡眠质量，形成恶性循环。尽管C反应蛋白(CRP)等传统炎症标志物与睡眠障碍的关联已被部分证实，但医学界对更多新型炎症指标在这一领域的作用仍知之甚少。

在这一背景下，Tang等研究人员在《European Journal of Medical Research》上发表了一项创新性研究，他们首次系统评估了包括α-1-酸性糖蛋白(AGP)、那不勒斯预后评分(NPS)等在内的多种炎症指标与中青年女性睡眠障碍的关联。这项研究不仅采用了传统的统计分析方法，还引入了机器学习算法，为理解睡眠障碍的病理生理机制提供了新的视角。

研究人员开展此项研究主要采用了几个关键技术方法：基于美国国家健康与营养调查(NHANES)2015-2020年数据的横断面研究设计，纳入2,342名20-49岁女性参与者；运用LASSO回归和弹性网络回归进行特征筛选，并建立11种机器学习模型（包括LGBM、XGBoost等）评估炎症指标的预测价值；采用多变量逻辑回归和限制性立方样条模型分析炎症标志物与睡眠障碍的剂量反应关系；通过中介效应分析探讨抑郁症状在AGP与睡眠障碍关系中的介导作用；使用受试者工作特征(ROC)曲线比较各炎症指标的预测性能。

基线特征

研究人群的平均年龄为34.5岁，睡眠障碍患病率为49.39%。随着AGP四分位数的升高，参与者表现出更低的家庭收入贫困比(PIR)、更高的体重指数(BMI)、升高CRP水平和更高的糖尿病患病率，提示炎症状态与社会经济因素和代谢健康密切相关。

机器学习模型识别关键炎症指标

通过特征选择过程，研究确定了18个与睡眠障碍相关的预测因子。在11种机器学习模型中，轻量梯度提升机(LGBM)表现最优，其曲线下面积(AUC)达到0.890，表明模型具有出色的判别能力。SHAP分析显示，抑郁症状、BMI和AGP是预测睡眠障碍最重要的三个变量，其中AGP在所有炎症相关指标中贡献度最高。

炎症指标与睡眠障碍的关联

多变量逻辑回归分析显示，当作为连续变量时，AGP、NPS和CRP均与睡眠障碍风险呈显著正相关。完全调整混杂因素后，AGP的关联强度最大(OR=1.583)，其次是NPS(OR=1.119)和CRP(OR=1.021)。当将这些指标转换为分类变量时，发现了有趣的阈值效应：AGP和NPS仅在最高浓度组(Q4)保持正相关，而CRP则表现出U型关系——低浓度组(Q2)呈负相关，高浓度组(Q4)呈正相关。血小板与高密度脂蛋白比值(PHR)仅在Q2组显示正相关。

炎症指标的预测性能

单独炎症标志物的ROC分析表明，AGP的预测能力最强(AUC=0.586)，虽然未达到独立诊断标准(AUC>0.7)，但优于其他评估的炎症指标，包括CRP、NPS、系统性免疫炎症指数(SII)和中性粒细胞百分比与白蛋白比值(NPAR)。

敏感性分析与机制探索

中介分析揭示了一个重要机制：抑郁症状介导了AGP与睡眠障碍之间总效应的15.1%，表明炎症可能部分通过影响心理健康进而干扰睡眠。亚组分析显示，AGP与睡眠障碍的正相关趋势在所有人群中一致，但在超重人群(BMI 25-29.9 kg/m²)中关联最强(OR=3.925)。E值敏感性分析表明，未测量的混杂因素不太可能完全解释观察到的关联。

这项研究的重要发现在于首次系统比较了多种炎症指标与睡眠障碍的关联，并确定了AGP在这一关系中的核心地位。与传统的CRP不同，AGP具有独特的生物学特性——作为一种低分子量、亲脂性的急性期蛋白，它能够穿过血脑屏障，直接与中枢神经系统相互作用。研究人员推测，AGP可能通过调节下丘脑-垂体-肾上腺轴功能或影响转录因子激活蛋白-1(AP-1)的DNA结合活性，进而影响促炎细胞因子(如IL-6、TNF-α)的释放，这些细胞因子正是已知的睡眠碎片化和非恢复性睡眠的介质。

研究的临床意义在于为睡眠障碍的早期识别提供了新的生物标志物选择。虽然AGP单独应用的诊断准确性有限，但结合其他指标可能改善睡眠障碍的风险分层。此外，抑郁症状的中介作用提示，对于高AGP水平的患者，联合抗炎和抗抑郁干预可能更有效地改善睡眠问题。

当然，这项研究也存在一些局限性。横断面设计无法确定因果关系，相对有限的样本量可能影响亚组分析的精确度，睡眠障碍的评估主要依赖自我报告而非客观的多导睡眠图监测。未来需要更大规模的纵向研究来验证这些发现，并进一步阐明AGP在睡眠-觉醒调节中的具体分子机制。

总体而言，这项研究深化了我们对炎症与睡眠障碍复杂关系的理解，为开发针对睡眠障碍的炎症靶向干预策略提供了新的理论依据。在精准医疗时代，识别特定的炎症内型可能有助于实现睡眠障碍的个性化治疗，而AGP作为这一领域的潜在生物标志物，值得在未来的研究中给予更多关注。