智能手机评估的睡眠模式与日本员工工作生产力损失的关联：一项基于真实世界数据的大规模研究

《npj Digital Medicine》：Association of sleep patterns assessed by a smartphone application with work productivity loss among Japanese employees

本研究针对睡眠障碍对职场生产力（即“出勤主义”）的潜在影响，通过智能手机应用收集日本7.9万名员工超过210万夜的客观睡眠数据，首次多维度揭示睡眠时长（TST）、潜伏期、碎片化（%WASO）、时型（MSFsc）及社会时差（social jetlag）与生产力损失的关联。研究发现睡眠时长与生产力呈U型曲线关系，而睡眠质量差、时型延迟和社会时差大的群体生产力损失更显著。通过无监督聚类识别出五类睡眠表型，其中“社会时差型”和“睡眠质量差型”员工的生产力损失最严重。该研究为基于智能设备的睡眠健康干预提供了精准化方向。

　　

在现代快节奏社会中，睡眠不足已成为威胁公共健康的隐形危机。尤其在工作压力巨大的日本，员工平均睡眠时间不足7小时，远低于经济合作与发展组织（OECD）国家的平均水平。睡眠问题不仅影响个人健康，更可能导致“出勤主义”（presenteeism）——即员工虽出勤但工作效率低下的现象。传统研究多依赖主观问卷，存在回忆偏差且难以反映真实睡眠模式。为此，筑波大学国际综合睡眠医学研究所（WPI-IIIS）的Jaehoon Seol、Masao Iwagami和Masashi Yanagisawa团队联合开展了一项大规模真实世界研究，通过智能手机应用追踪日本员工的睡眠模式，系统分析其与工作生产力的关联。成果发表于《npj Digital Medicine》。

研究团队利用日本广泛使用的睡眠监测应用“Pokémon Sleep”，收集了2025年2月至5月期间99,746名参与者的睡眠数据。经过严格筛选，最终纳入79,048名在职员工（平均年龄37.5岁，47.8%为女性），累计分析超过210万夜的睡眠记录。关键技术方法包括：基于科尔-克里普克（Cole-Kripke）算法的智能手机加速度计睡眠分期、广义加性模型（GAM）分析睡眠变量与生产力得分（SPQ）的非线性关系、UMAP降维与Leiden算法无监督聚类识别睡眠表型，并控制年龄、性别、BMI、轮班状态等混杂因素。

睡眠变量与生产力的非线性关联

广义加性模型显示，睡眠时长（TST）与生产力损失呈U型曲线关系：每晚睡眠少于6小时或超过9小时均与更高的出勤主义评分相关。而睡眠潜伏期延长、睡眠碎片化指数（%WASO）升高、时型（MSF_sc）延迟以及社会时差增大均会线性加剧生产力损失。双变量热图进一步表明，最优生产力出现在睡眠时长6–9小时且其他睡眠参数均较佳的群体中。

五类睡眠表型及其特征

通过无监督聚类，研究识别出五类显著不同的睡眠表型：

1. 1.
   健康睡眠型（Healthy Sleepers）：睡眠参数均衡优良，生产力最高；
2. 2.
   长时睡眠型（Long Sleepers）：总睡眠时间最长，但生产力略低于健康组；
3. 3.
   碎片化睡眠型（Fragmented Sleepers）：%WASO显著升高，但生产力损失不显著；
4. 4.
   睡眠质量差型（Poor Sleepers）：睡眠潜伏期长且碎片化高，失眠和日间嗜睡风险显著；
5. 5.
   社会时差型（Social Jetlaggers）：时型延迟且社会时差大，生产力损失最严重。
   

睡眠表型与临床症状的关联

与社会时差型和睡眠质量差型相比，健康睡眠型群体出现失眠症状（AIS≥6）和过度日间嗜睡（ESS≥11）的风险显著更低。社会时差型的失眠风险比值比（OR）达1.56，嗜睡风险OR为1.59，均高于其他表型。

讨论与意义

本研究首次通过大规模真实世界数据证实，睡眠的多个维度（时长、质量、时型、规律性）共同影响职场生产力。尤其值得注意的是，社会时差型员工的生产力损失甚至超过睡眠质量差型，提示生物钟与社会作息不匹配可能是比单纯睡眠不足更严重的生产力“杀手”。这一发现对职场健康管理具有重要启示：企业需重视员工的个体化睡眠节律，而非仅关注睡眠时长。

研究的局限性在于横断面设计无法推断因果关系，且样本来源为自我选择的智能手机用户，可能存在选择偏倚。然而，其创新性在于将智能手机睡眠监测与无监督聚类结合，为睡眠健康精准分型提供了可行路径。未来研究可探索针对不同睡眠表型的干预措施（如时序疗法对社会时差型、认知行为疗法对睡眠质量差型），并评估其对企业生产力和经济收益的实际影响。

综上，这项研究为睡眠科学和职业健康领域提供了三方面核心贡献：一是确立了多维度睡眠健康评估框架，二是揭示了生物节律失调对生产力的突出影响，三是证明了智能手机作为规模化睡眠监测工具的潜力。在睡眠问题日益严峻的当下，这些发现为构建“睡眠友好型”社会提供了关键科学依据。