学生运动员社交时差(Social Jetlag)与睡眠健康及学业表现：一项葡萄牙高校的横断面研究

本研究针对高校学生运动员在学业与竞技双重压力下可能出现的昼夜节律失调（即社交时差，Social Jetlag）问题展开调查。通过评估67名葡萄牙学生运动员的睡眠模式、时间类型(Chronotype)及心理指标，发现社交时差发生率较低（仅6%存在>2小时时差），且与学业成绩呈负相关。研究提示规律的运动作息可能具有保护作用，为优化运动员健康管理提供了重要依据。

　　

在当今高等教育与竞技体育深度融合的背景下，学生运动员（Student-athletes）群体面临着独特的挑战：他们既要完成繁重的学术任务，又要维持高强度的训练和比赛节奏。这种“双轨生涯”（Dual Career）虽然能促进个人全面发展，但也显著增加了身心压力，尤其是睡眠问题。已有研究表明，学生运动员普遍存在睡眠不足、失眠和日间疲劳等问题，这与他们紧凑的日程安排和高水平应激状态密切相关。更值得关注的是，昼夜节律（Circadian Rhythm）的紊乱——特别是生物钟与社会作息时间之间的错位，即“社交时差”（Social Jetlag, SJL）——可能进一步加剧其健康风险，影响运动恢复、认知功能和学业表现。然而，针对这一特定人群的社交时差研究仍属空白。

为此，由Daniel Ruivo Marques、Guilherme Agra Costa和Michael Grandner组成的研究团队开展了一项横断面研究，旨在调查葡萄牙高校学生运动员中社交时差的发生频率及其与睡眠、心理健康和学业-运动表现的关系。该研究已于2025年完成，成果发表在《Sleep Medicine: X》期刊上。

为开展本研究，团队招募了67名符合条件的高校学生运动员（平均年龄21.4岁），采用多项标准化问卷进行评估，包括：用于计算校正后社交时差（SJLsc）的睡眠时间自我报告、缩减版早晚型问卷（rMEQ）评估时间类型、格拉斯哥睡眠努力量表（GSES）测量入睡努力、日间嗜睡感知量表修订版（DSPS-R）和Epworth嗜睡量表（ESS）评估嗜睡程度、Kessler心理困扰量表（K10）筛查心理状态，以及运动表现感知问卷（SPPQ）和学业成绩自评。数据通过LimeSurvey平台在线收集，采用SPSS进行统计分析，包括相关分析、Kruskal-Wallis检验和效应量计算（Cohen’s d）。

描述性分析

参与者中以中度社交时差（1-2小时）为主（62.7%），仅6%呈现高时差（>2小时）。时间类型得分平均为13.78（SD=3.01），属中性偏晚类型；睡眠努力（GSES）均值为4.60，日间嗜睡（DSPS-R）为4.43，心理困扰（K10）为20.03，均处于中等水平。健康行为方面，BMI均值22.70（正常范围），烟酒咖啡摄入量较低。训练时间多集中于下午晚段和傍晚。学业成绩以14-15分（0-20分制）占比最高，多数人对成绩表示满意。

相关分析

社交时差与学业成绩呈显著负相关（r=-0.26, p<0.05），即时差越大，成绩越低。时间类型（rMEQ）与学业成绩正相关（r=0.27, p<0.05），晨型学生表现更佳。吸烟量与睡眠努力、嗜睡感知、心理困扰显著正相关，与学业满意度负相关。睡眠努力（GSES）与嗜睡感知（DSPS-R）正相关（r=0.31, p<0.05），但与嗜睡倾向（ESS）无关。学业满意度与运动表现感知（SPPQ）和睡眠满意度高度相关（r=0.44和0.56, p<0.01）。

社交时差频率

绝大多数参与者（94%）社交时差在2小时以内，其中31.3%小于1小时，62.7%为1-2小时，高时差者仅占6%。

时差等级与自评指标的关系

不同时差等级（<1h、1-2h、>2h）在各量表（如SPPQ、GSES、ESS、K10、DSPS-R）上均无显著差异。时间类型（rMEQ）差异接近显著（p=0.055），提示晨型可能伴随较低时差。

时差与时间类型分布

晚型、中型和晨型学生的平均时差分别为67.50、72.30和47.86分钟，晨型时差最小，但组间差异未达显著（p=0.503）。

与常模数据的比较

当前样本在时间类型（rMEQ）上显著低于常模（p<0.001, d=0.64），睡眠努力（GSES）更高（p=0.005, d=0.36），嗜睡感知（DSPS-R）更低（p<0.001, d=0.69），其他指标（如ESS、K10）与常模无显著差异。

本研究首次聚焦高校学生运动员的社交时差问题，发现该群体整体时差水平较低，且与学业表现显著相关。结果支持“结构化运动作息可能减少昼夜节律紊乱”的假设，提示学生运动员因其健康监测和规律生活，或受保护而避免严重时差。尽管统计力有限且依赖自评数据，但研究为运动睡眠科学提供了新视角，强调需关注时间类型与作息安排的匹配性。未来研究可结合可穿戴设备客观监测睡眠，并纳入训练时间、药物使用等调节变量，以深化机制理解和干预策略制定。