编辑推荐：
为探究新冠疫情下泉州大学生睡眠质量受影响情况并建立预测模型，福建医科大学第二附属医院研究人员开展相关研究。结果显示部分学生睡眠受影响，ANN 模型预测效果佳。推荐阅读，助您了解疫情对大学生睡眠影响及模型应用。
2020 年，新冠疫情如同一头闯入世界的 “猛兽”，在全球范围内掀起轩然大波。这场公共卫生危机不仅严重冲击了全球公共卫生体系，还深刻地改变了人们的日常生活和健康状况。就拿睡眠这件事来说，以往大家可能觉得睡个好觉是再平常不过的事，可疫情一来，很多人的睡眠质量都大不如前。据研究，疫情期间全球睡眠障碍的患病率飙升至 40.49%，人们要么入睡困难，要么睡不踏实，这背后的原因可不少，像疫情带来的心理压力、生活方式的改变等等。
大学生这个群体，本应是活力满满的，但在疫情的影响下，他们的睡眠也出现了不少问题。大学生正处在青春时期，面对突发状况，应对能力可能相对不足。再加上学业压力、就业压力等，在疫情的笼罩下，他们更容易产生负面情绪，进而影响睡眠质量，陷入恶性循环。而且，睡眠质量和心理健康之间存在着复杂的双向关系，睡眠不好会影响心理健康，而心理状态不佳又会反过来加重睡眠问题，还可能引发焦虑、抑郁等心理疾病，甚至导致一些危险行为。
可监测睡眠质量并不是一件容易的事。一方面，大家常常忽视睡眠质量的重要性，没意识到睡不好会带来这么多健康问题；另一方面，准确评估睡眠模式往往需要去专业机构做昂贵的诊断，或者购买专门的设备，这对大学生来说不太现实。虽然机器学习等技术在睡眠质量监测方面有一定应用，但大多是针对日常生活场景，在公共卫生紧急事件背景下的研究还比较少。为了弄清楚大学生在疫情期间的睡眠状况，找到影响他们睡眠质量的因素，并建立有效的预测模型，福建医科大学第二附属医院的研究人员在《BMC Public Health》期刊上发表了一篇名为《Sleep quality of college students during the COVID-19 pandemic: a cross - sectional study and the development of a prediction model》的论文。
这项研究采用了多种技术方法。研究人员先通过问卷调查收集数据，问卷包括一般信息问卷和匹兹堡睡眠质量指数（PSQI，用于评估睡眠质量，得分范围 0 - 21 分，分数越高睡眠质量越差，PSQI≤7 表示睡眠质量 “良好”，PSQI＞7 表示存在睡眠障碍）问卷两部分。接着，运用单变量和多变量回归分析、LASSO 回归（一种能通过构建惩罚函数消除不重要变量，优化模型的收缩估计方法）以及 Boruta 算法（基于随机森林，通过迭代去除不重要特征的算法）来挑选影响睡眠质量的预测因素。最后，构建了 8 种机器学习模型，像自动多层感知器（AutoMLP）、人工神经网络（ANN）、深度学习（DL）等，通过交叉验证（将数据分为训练集和验证集，用训练集构建模型，用验证集检验模型准确性）来评估这些模型的性能。
下面来看看具体的研究结果。在参与者特征方面，研究人员从泉州四所高校收集了 5253 名全日制大学生的问卷数据，其中有效问卷 4959 份，有效率达 94.4%。结果显示，3502 名学生（70.6%）睡眠质量良好，1457 名学生（29.4%）睡眠质量差，平均 PSQI 得分为 6.02 ± 3.21，高于全国平均水平，而且男生的睡眠质量比女生更差。
在对比泉州学生和全国平均睡眠质量时发现，疫情期间，泉州的 4959 名参与者在睡眠质量、入睡时间、睡眠效率、日间功能障碍和 PSQI 得分这些方面都比全国平均水平高，差异具有统计学意义，但在睡眠时间、睡眠障碍和催眠药物使用方面没有明显差异。
为了找到影响睡眠质量的关键因素，研究人员进行了一系列分析。通过多变量和单变量逻辑回归分析，初步确定了一些可能的因素，再经过 LASSO 回归和 Boruta 算法筛选，最终确定年龄、专业、呼吸病史、咖啡饮用频率、熬夜频率、上网时长、突发变化和对闭环管理的不耐烦程度这 8 个因素是影响大学生睡眠质量的重要预测因素。
在睡眠质量预测模型的开发和验证上，研究人员将 70% 的参与者数据作为训练集，30% 作为独立验证集。结果发现，在训练集和验证集中，ANN 模型的 AUC 值都比较高，分别为 0.733 和 0.738，在所有模型中表现最佳。而且，所有模型的校准度都不错，Brier 得分都比较低。通过决策曲线分析和临床影响曲线分析发现，当阈值概率大于一定值时，这些模型在判断睡眠质量方面都有较高的临床效率，能为临床决策提供参考。
综合研究结果和讨论部分，我们可以得出这样的结论：在泉州新冠疫情期间，高校采取的封锁管理措施虽然有效控制了疫情传播，但对大学生的睡眠质量产生了负面影响，近三成学生存在睡眠障碍。研究构建的机器学习模型中，ANN 模型表现最为出色，在预测大学生睡眠质量方面具有较高的准确性和特异性。这一研究结果意义重大，高校管理者可以根据这些发现，更加关注大学生的身心健康和睡眠质量，在严格落实防控措施的同时，尽早采取有针对性的干预措施，比如加强心理健康教育、提供心理咨询服务等。而且，研究确定的影响睡眠质量的因素，也能为公共卫生决策提供参考，助力制定改善大学生睡眠质量和心理健康的策略。不过，这项研究也存在一些局限性，比如是横断面研究，无法确定因果关系；数据存在主观性，可能受社会期望偏差影响；研究区域局限，样本存在性别和专业比例不平衡等问题。但这也为后续研究指明了方向，未来可以进一步改进研究方法，完善睡眠质量预测模型，为大学生的健康保驾护航。
