生活质量对睡眠质量的影响：基于机器学习的中国大学生压力与焦虑非线性中介效应研究

本研究针对中国大学生睡眠质量下降这一公共卫生问题，通过7128名学生的多区域样本，首次采用机器学习揭示生活质量(QoL)通过感知压力(PS)和睡眠焦虑(SA)的序列中介路径对睡眠质量(SQ)的非线性影响。研究发现QoL与SQ存在阈值效应，而PS被识别为最关键预测因子，为制定精准干预策略提供了理论依据。

　　

在中国高校扩招与社会竞争加剧的背景下，大学生睡眠质量问题日益凸显。研究显示15%-23.3%的中国大学生存在睡眠障碍，这种状况不仅导致学习效率下降、情绪调节能力减弱，还与吸烟、酗酒等健康风险行为显著相关。更令人担忧的是，智能手机使用导致的昼夜节律紊乱使问题雪上加霜。与此同时，全球范围内大学生睡眠问题造成的经济损失高达GDP的1%-3%，这使得探索睡眠质量的影响机制成为当务之急。

传统研究多关注睡眠对健康的影响，而来自江苏省高校哲学社会科学研究重大项目团队的研究人员另辟蹊径，首次从生活质量(QoL)这一上游因素切入，通过7128名18-28岁中国大学生的多区域样本，结合机器学习技术揭示了QoL通过感知压力(PS)和睡眠焦虑(SA)影响睡眠质量(SQ)的复杂机制。这项发表在《Journal of Affective Disorders》的研究不仅证实了线性中介路径，更发现了关键的非线性关系：当QoL超过特定阈值时，其对SQ的改善效应会显著增强；而高水平的PS和SA则会导致SQ加速恶化。

研究采用分层随机和滚雪球抽样确保区域多样性，运用普通最小二乘回归和偏差校正Bootstrap法(5000次重采样)分析序列中介效应，并通过机器学习探索变量间的非线性模式。描述性统计显示样本平均QoL得分为3.53(满分5分)，而反向计分的SQ均值为1.91，表明整体睡眠质量欠佳。相关性分析发现QoL各维度与SQ均呈显著正相关(r=0.32-0.41)，其中心理健康的关联最强。

在"QoL与睡眠质量"部分，研究证实QoL的四个维度(生理健康、心理健康、社会关系、环境质量)均能独立预测SQ，支持了QoL作为多维建构的理论价值。通过机器学习发现的非线性模式显示，当QoL超过3.7分时，其对SQ的改善效应出现明显拐点，这为制定干预阈值提供了依据。

关于"感知压力的中介作用"，研究发现PS在QoL-SQ关系中承担着核心中介角色(间接效应占比42.1%)。特征重要性分析将PS列为最强预测因子，其与SQ的负向关联呈现加速下降曲线，表明高压力学生的睡眠质量可能面临崩溃风险。

"睡眠焦虑的中介作用"分析显示，SA作为情境特异性焦虑，在PS与SQ之间起桥梁作用。值得注意的是，SA≥3.5分的学生表现出更陡峭的SQ下降趋势，这解释了为何针对普通焦虑的干预对睡眠问题效果有限。

研究最创新的发现体现在"感知压力与睡眠焦虑的序列中介"路径。结构方程模型显示QoL→PS→SA→SQ的链式效应占总效应的38.7%，且该路径在QoL<3.2分的学生群体中更为显著。这种压力-焦虑的恶性循环机制，为理解睡眠问题维持机制提供了新视角。

讨论部分指出，该研究首次将QoL概念化为影响SQ的上游因素，突破了传统生物医学模式的局限。发现的非线性关系表明，针对QoL的干预可能存在效益临界点，而高压力学生需要优先获得帮助。从公共卫生角度，这种"生活质量-心理压力-睡眠健康"的整合模型，为制定阶梯式校园干预策略提供了科学依据。

研究局限性包括横断面设计无法确定因果关系，以及未考虑遗传等生物因素。未来研究可通过纵向设计和多组学方法进一步验证。尽管如此，这项开创性工作为改善大学生睡眠健康提供了新思路——与其单纯治疗睡眠症状，不如通过提升整体生活质量来构建抵御压力的心理资源，这种治本之策可能带来更持久的干预效果。