运动情境睡眠质量量表（ECSQS）的信效度研究

《Healthcare》：Exercise-Context Sleep Quality Scale (ECSQS): Validity and Reliability Study

　　

摘要 背景： 本研究旨在开发一项有效且可靠的测量工具，用于评估规律运动成人群体在运动情境下的睡眠质量及睡眠感知。方法： 基于上述目标，研究人员开发了运动情境睡眠质量量表（Exercise-Context Sleep Quality Scale, ECSQS），并在两个独立样本上分别进行了探索性因子分析（Exploratory Factor Analysis, EFA）与验证性因子分析（Confirmatory Factor Analysis, CFA）。研究确定该量表由12个条目及三个因子构成，分别为“运动相关睡眠感知”（Perception of Exercise-Related Sleep）、“睡眠卫生与环境因素”（Sleep Hygiene and Environmental Factors）及“总体睡眠充足性”（General Sleep Adequacy）。探索性因子分析结果显示，总解释方差为56.8%，高于社会科学领域结构效度所推荐的阈值标准。结果： 验证性因子分析结果表明，根据χ2/df比值、RMR、RMSEA以及GFI、AGFI、NFI、IFI、TLI和CFI等拟合指数，三因子模型对数据表现出良好的拟合水平。在信度分析中，第一个因子的Cronbach's α系数为0.83，第二和第三个因子分别为0.65和0.64；总量表的Cronbach's α与McDonald's ω值均为0.77。区分效度通过Fornell–Larcker准则得到支持，而收敛效度仅获得部分支持，原因在于平均方差抽取量（Average Variance Extracted, AVE）低于0.50。组合信度（Composite Reliability, CR）值处于可接受水平。条目区分度分析显示，所有条目的条目-总分相关均高于0.30，且在下、上27%分组比较中，Cohen's d效应量大多处于“大”或“非常大”水平；上述结果表明，该量表能够有效区分运动情境下睡眠质量水平低与高的个体。结论： 研究结果表明，ECSQS能够通过三维结构有效且充分可靠地测量规律运动者的睡眠质量，且作为首批针对运动情境的土耳其语睡眠质量量表之一，填补了运动科学与睡眠科学文献中的重要测量空白。

运动情境睡眠质量量表（ECSQS）论文主体解读

一、研究背景与问题提出

睡眠质量在学术研究中被概念化为一种主观评估的因变量，其受到环境刺激与运动行为的双重影响。既往研究普遍认可规律运动对睡眠结构的保护与促进作用，如有氧运动可通过调节昼夜节律改善睡眠质量，抗阻训练亦被证实可提高睡眠效率并减轻失眠症状。然而，运动与睡眠之间的关系并非简单的线性关联，而是受运动强度、时长、时机以及个体恢复状态等多种情境因素调节。例如，临睡前进行高强度运动可能延长入睡潜伏期并产生刺激效应。与此同时，环境与行为因素同样对睡眠产生重要影响，包括夜间蓝光屏幕暴露抑制褪黑素分泌、噪声与光照导致睡眠碎片化、运动后高热量或过饱饮食扰乱昼夜节律等。

当前广泛使用的睡眠测量工具，如匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index, PSQI）和爱普沃斯嗜睡量表（Epworth Sleepiness Scale, ESS），主要聚焦于总体睡眠主诉、日间嗜睡及一般睡眠卫生因素，并未在其条目结构中明确操作化运动特异性变量，如运动后急性唤醒、延迟性肌肉酸痛或训练负荷等。因此，这些工具在以运动为核心常规行为的群体中，如休闲运动成人、竞技运动员或基于运动的康复项目患者，其评估敏感性有限。正是基于这一测量空白，研究人员开发了运动情境睡眠质量量表（ECSQS），旨在将运动相关维度整合进符合当代心理测量学标准的睡眠质量评估框架中。

二、研究设计与主要技术方法

本研究采用定量研究模型中的问卷调查设计。样本选自土耳其奥斯曼尼耶省（Osmaniye）规律运动的成人群体，采用便利抽样法，共招募620名参与者，均分为两个独立样本（EFA样本n = 310，CFA样本n = 310），年龄范围为18至55岁。EFA数据收集时间为2026年1月3日至3月13日，CFA数据收集时间为2026年4月9日至5月9日。量表开发过程首先通过文献综述及与五名体育科学学院专家（运动心理学教授两名、测量与评价副教授一名、运动生理学助理教授一名、教练教育讲师一名）进行面对面访谈，采用4点评分制评估条目的相关性、清晰性与代表性，并计算内容效度指数（Content Validity Index, CVI）与内容效度比（Content Validity Ratio, CVR），据此删除或修订条目。初始条目池共21项，经专家评审后删除4项低相关条目并修改若干表述，形成17项版本。随后通过探索性因子分析，剔除因子载荷低于0.40或存在多重交叉载荷的条目，最终形成12项量表。数据分析采用IBM SPSS Statistics 22.0与AMOS 24.0软件包，通过Kaiser–Meyer–Olkin（KMO）系数与Bartlett球形检验评估因子分析适宜性，采用主轴因子法（Principal Axis Factoring, PAF）配合Promax斜交旋转提取因子，并辅以平行分析确定因子数量。验证性因子分析采用最大似然（Maximum Likelihood, ML）估计法评估模型拟合，信度分析采用Cronbach's α与McDonald's ω系数，条目区分度通过上下27%分组独立样本t检验及Cohen's d效应量评估，共同方法偏差采用Harman单因子检验评估。研究获得奥斯曼尼耶科库特阿塔大学健康科学研究伦理委员会批准（编号E.230784）。

三、研究结果

3.1 探索性因子分析（EFA）

探索性因子分析前，KMO值为0.82，表明样本量处于极佳水平；Bartlett球形检验显著（χ²(105) = 1146.32，p < 0.001），说明条目间存在足够相关性以进行因子分析。分析获得三个特征值大于1的因子，第一因子解释31.07%方差，第二因子解释14.23%，第三因子解释11.50%，累计解释56.8%总方差，超过社会科学领域50%的可接受阈值。第一因子命名为“运动相关睡眠感知”，条目载荷介于0.65至0.81；第二因子命名为“睡眠卫生与环境因素”，载荷介于0.71至0.75；第三因子命名为“总体睡眠充足性”，载荷介于0.65至0.80。条目共同度（h2）介于0.44至0.69，因子间相关系数介于0.472至0.547，表明各分量表中等程度相关但概念上可区分。平行分析进一步确认了保留三个因子的合理性。信度分析显示，因子1的Cronbach's α与McDonald's ω均为0.83，条目-总分相关介于0.52至0.71；因子2的α与ω均为0.65，条目-总分相关介于0.37至0.52；因子3的α与ω均为0.64，条目-总分相关介于0.42至0.48。总量表12个条目的α与ω均为0.77，表明量表总体信度令人满意。

3.2 验证性因子分析（CFA）

验证性因子分析采用ML估计法。Mardia多元偏度与峰度统计量均显著，表明数据未完全满足多元正态性假设，但鉴于样本量为310且拟合指数处于可接受水平，ML估计对该数据结构具有稳健性。模型拟合结果显示：χ²/df = 2.15，低于5的阈值，表明模型拟合良好；RMR = 0.057处于可接受范围；RMSEA = 0.06表明拟合可接受；增量拟合指数GFI = 0.94、AGFI = 0.91、NFI = 0.94、IFI = 0.94、TLI = 0.92、CFI = 0.94，均高于推荐阈值。标准化因子载荷方面，第一因子条目载荷介于0.55至0.83，第二因子介于0.57至0.77，第三因子介于0.56至0.67，所有载荷均高于0.50的推荐阈值且显著（p < 0.001）。组合信度（CR）方面，因子1为0.82，因子2为0.80，因子3为0.74，均处于可接受水平；平均方差抽取量（AVE）分别为0.40、0.41和0.39，低于0.50的常规标准，表明收敛效度仅获得部分支持。根据Fornell–Larcker准则，各因子√AVE值均高于因子间相关系数（F1–F2 = 0.25；F1–F3 = 0.43；F2–F3 = 0.28），支持三个因子的区分效度。条目区分度方面，所有条目-总分相关高于0.30，Cohen's d效应量介于1.20至1.80，表明条目具有非常强的区分能力。

3.3 量表计分

ECSQS由12个条目组成，采用5点Likert计分，最低分为12分，最高分为60分，得分越高表示运动情境下睡眠质量越高。因子1包含6个条目，因子2包含3个条目，因子3包含3个条目。反向表述条目（ECSQS8、ECSQS12、ECSQS17）经反向计分后与其他条目相加得到总分。描述性统计显示，参与者在各因子上报告了中等水平的睡眠质量，因子1变异性最大，因子3应答最为一致。

四、讨论与结论

讨论部分指出，ECSQS的三因子12条目结构在统计上获得了良好支持，56.8%的总解释方差超过社会科学量表开发研究中常用的可接受阈值。因子1的高内部一致性（α = 0.83）表明该维度对运动相关睡眠感知的测量较为稳健，而因子2和因子3的信度系数（0.64–0.65）处于临界可接受水平，提示子量表分数应谨慎解释，总量表分数作为主要指标更为可靠。与Kredlow等及Buman和King的研究发现一致，运动对睡眠的影响在客观参数上表现明确，但主观睡眠质量分数的改善并不一致，这进一步印证了在运动人群中采用情境敏感型测量工具的必要性。验证性因子分析的良好拟合指数与显著标准化载荷为结构效度提供了证据，但AVE值低于0.50表明收敛效度有限，这可能与条目涵盖运动类型、环境因素及总体睡眠等广泛维度有关。条目区分度分析显示量表能有效区分高、低睡眠质量水平的个体。共同方法偏差经Harman单因子检验确认不构成主要问题。研究局限性包括样本来自奥斯曼尼耶省便利抽样、受教育程度偏高、未检验重测信度及未与常用睡眠工具进行比较。研究结论为：EFA与CFA结果支持量表的结构效度；Cronbach's α、McDonald's ω及CR值支持内部一致性；AVE值低于0.50表明收敛效度仅获部分支持；Fornell–Larcker准则提供了区分效度证据；高效应量的条目区分度表明量表能可靠区分运动情境睡眠质量水平不同的个体。ECSQS可作为研究和应用场景中的有效工具，为运动-睡眠关系研究提供情境敏感的评估手段。