《Sleep Epidemiology》：Cross-lagged associations of work schedules, commuting, and bedtime screen use with weekday sleep duration in Japanese workers
编辑推荐：
较长的通勤时间（commuting time）和较早的工作开始时间（work start time）与较短的工作日睡眠时长（weekday sleep duration）相关。就寝屏幕使用时间（screen-use timing）与睡眠时长（sleep dur
较长的通勤时间（commuting time）和较早的工作开始时间（work start time）与较短的工作日睡眠时长（weekday sleep duration）相关。就寝屏幕使用时间（screen-use timing）与睡眠时长（sleep duration）呈现双向关联（reciprocal associations）。在日本劳动者中，工作时机（work timing）而非总工作时长（total hours）与工作日睡眠（weekday sleep）相关。
由 Kentaro Matsui 等开展的本研究关注日本正式劳动者工作日睡眠时长的可改变相关因素。研究背景在于，有偿工作的时间组织，包括工作开始时间、工作时长和通勤，会限制工作日可用于睡眠的时间；就业成人工作日睡眠不足与日间嗜睡、注意和警觉受损以及职业事故和伤害风险升高相关。周末补觉可能诱导社会时差（social jetlag），昼夜节律错位（circadian misalignment）可损害神经认知表现。24小时的一天需容纳工作、家务、休闲和睡眠，理解这些竞争性时间需求如何影响睡眠时长对制定干预措施至关重要。尽管成人最佳功能推荐每晚7–9小时睡眠，但当代工作模式和社会需求常使在职个体难以延长工作日睡眠。横断面研究已识别较长工作时间、较长通勤时间和较早开始时间与睡眠时长缩短相关；家务活动也被认为与睡眠机会窗竞争；当工作和通勤压缩晚间时，睡前媒体使用可能反映工作后恢复受限，而非简单生活方式选择。既往研究少以前瞻设计同时比较这些工作相关和行为因素与后续睡眠时长的相对强度，且同一职业人群中重复评估时间使用和睡眠仍不常见。因此，研究人员使用交叉滞后面板模型（cross-lagged panel model, CLPM；用于评估两个时间点变量间自回归与交叉滞后路径的模型）评估两波双向关联，旨在为职业健康干预提供依据。
在方法上，本研究为两波网络调查，样本队列来源于 Cross Marketing Inc. 管理的网络调查面板，采用按年龄（20–39、40–59、60+岁）和性别分层随机抽样，纳入20岁及以上成人。T1为2022年8月17–23日，T2为2022年11月16–24日。最终纳入两次调查均有效、正式员工且不从事夜班或轮班者508人。变量包括工作日睡眠时长、每周工作时长、通勤时间、工作开始时间、家务时间和末次屏幕使用至睡眠时间。分析采用 Pearson 相关和两波 CLPM，使用 R 的 lavaan 包和 MLR 估计，控制年龄、性别、教育、身体疾病、精神疾病，并以比较拟合指数（comparative fit index, CFI）、Tucker-Lewis 指数（Tucker-Lewis index, TLI）、近似误差均方根（root mean square error of approximation, RMSEA）和标准化残差均方根（standardized root mean square residual, SRMR）评价拟合。
在“3. Results”中，参与者与描述性结果显示，T1 收到1221份回答，T2 有941人（77.1%）随访；排除年龄、身高、睡眠时长不一致或不可信数据后余818人，再排除非工人和夜班或轮班者后最终分析508人（初始样本41.6%）。平均年龄47.4（14.3）岁，女性40.4%，大学/大专以上61.6%；身体疾病22.8%，精神疾病2.8%。T1和T2平均工作日睡眠时长分别为6.27（1.24）小时和6.25（1.21）小时。与失访合格参与者相比，分析样本女性比例更低；其他基线特征无显著差异，最大剩余差异为就寝屏幕使用（p=0.051）。T1和T2约60%参与者每周工作40小时或以上，约75%往返通勤在60分钟内，约70%工作开始时间集中在8:00–9:59，约70%每日家务少于2小时；约一半参与者在睡前1小时内使用屏幕，27–31%在床上使用屏幕。相关分析显示，T1和T2较短工作日睡眠时长与身体疾病、较长通勤时间、较早工作开始时间以及末次屏幕使用至睡眠时间较短呈弱相关；较长每周工作时长与较早工作开始时间和较短每日家务时间呈弱相关；年龄与身体疾病呈中度相关；女性与较短每周工作时长呈弱相关，与较长每日家务时间呈中度相关。
在 CLPM 结果中，模型拟合为 χ
2(45)=179.226，p<0.001，CFI=0.947，TLI=0.851，RMSEA=0.079［90% CI：0.067–0.091］，SRMR=0.059，仅 SRMR 满足预设标准。所有变量的自回归路径从 T1 到 T2 均显著。较长通勤时间（β=–0.064，p=0.022）和较早工作开始时间（β=0.072，p=0.010）与 T2 较短工作日睡眠时长相关。末次屏幕使用至睡眠时间与工作日睡眠时长呈双向关系：T1 屏幕使用更接近睡眠与 T2 较短工作日睡眠相关（β=–0.091，p=0.032），反之亦然（β=–0.091，p=0.036）。T1 每周工作时长与 T2 工作日睡眠时长无显著关联。其他变量中，T1 较长每日家务时间与 T2 较短每周工作时长（β=–0.097，p=0.002）和较晚工作开始时间（β=0.059，p=0.035）相关。所有显著交叉滞后系数绝对值均低于0.10。
“4. Discussion”总结认为，本纵向研究使用交叉滞后面板分析检验工作日程、通勤和晚间行为与工作日睡眠时长的前瞻关联。基线较长通勤时间和较早工作开始时间与随访时较短睡眠时长相关，而总工作时长无显著前瞻关联。就寝屏幕使用与睡眠时长存在双向前瞻关联，可能反映随时间相互强化的模式。既往研究提示睡眠时长受社会因素影响，美国时间使用调查曾识别工作时长、通勤时间和照护责任与短睡眠相关，但为横断面分析，未澄清前瞻关联。本研究总工作时长与睡眠时长的前瞻关联不显著；家务虽类似照护需求，也未显示与睡眠时长的前瞻关联；作为次要发现，较长家务时间与后续较短工作时间和较晚工作开始时间相关，可能提示劳动者围绕家庭责任调整有偿工作日程，而非削减睡眠。相反，工作日程特征，尤其是较早工作开始时间和较长通勤时间，显示与随访时较短睡眠时长显著前瞻相关。醒来时间主要由工作开始时间决定，但就寝时间未必成比例调整，并受昼夜偏好和社会义务影响，故个体层面就寝调整可能更困难。长通勤可能使醒来时间早于正式工作开始时间，并因更晚到家而延迟就寝。日本劳动者中通勤时间而非总工作时长与睡眠债相关，与本研究一致。日本通勤费用常由雇主报销，可能鼓励劳动者住得更远，但本研究未测量报销和居住情况。工作日程和通勤塑造大多数正式劳动者日常 routine，个体层面小关联在职业人群中仍可能对应明显负担。睡前屏幕使用与工作日睡眠时长的双向关联与既往理论框架一致，机制可能包括光介导的昼夜效应和认知情绪唤醒延迟入睡；较短睡眠预测后续就寝屏幕使用增加，符合就寝拖延概念；睡眠减少与自我调节能力降低相关，可能增加通过屏幕活动延迟就寝的倾向。但因果方向和个体内反馈过程不能由此推断。职业健康方面，既往随机对照试验显示教育方法改善睡眠卫生仅适度增加实际睡眠，通常不超过30分钟；组织层面灵活排班可减少早开始对睡眠时长的影响，延迟上学时间可延长学生睡眠，工作场所类似调整可能有益；通勤时间与睡眠减少相关支持混合工作模型和邻近办公室减少旅行时间；个体层面晚间 routine 包括睡前设备使用可能是行为指导目标。既往研究显示改善睡眠时长常需同时管理日程和晚间 routine。局限包括：三个月随访期较短且两波处于不同季节，季节变化可能影响睡眠；两波设计不适合标准 RI-CLPM 以分离个体内效应和稳定个体间差异；模型拟合并非所有指标一致；关键变量依赖自报，存在回忆和社会赞许偏倚，缺乏客观测量；网络调查可能引入选择偏倚，参与者数字素养和调查参与动机可能较高，影响屏幕使用结果外推；女性保留率较低，报告睡前无屏幕使用者也有类似较弱倾向；未评估心理压力、工作反刍及其对工作时长和屏幕时间的影响；未测量混杂如家庭环境、工作场所压力源、影响睡眠习惯的生理因素和研究期间生活事件。
“5. Conclusion”翻译：较长的通勤时间和较早的工作开始时间与较短的工作日睡眠时长存在前瞻性关联。睡前媒体使用与睡眠时长呈现双向前瞻性关联。因此，工作日程特征和晚间行为可能是理解工作日睡眠时长的相关因素。未来研究应检验工作场所排班实践（开始时间和通勤需求）以及夜间屏幕使用指导是否影响睡眠结局。由于较短的睡眠时长也预测随后的就寝屏幕使用，此类指导可能需要确保充足的睡眠机会，而非仅以屏幕使用为目标。研究还应在多样化职业人群中检查社会文化决定因素、家庭责任以及政策层面因素，如通勤相关政策和排班安排。
