骨矿物质密度与睡眠障碍及睡眠时长的关联：观察性研究与孟德尔随机化研究的结果

《Annals of Plastic Surgery》：Association between bone mineral density, sleep disturbance, and sleep duration: Results from observational and mendelian randomization study

　　

研究目的：本研究结合美国全国代表性队列与两样本孟德尔随机化（MR）分析，探讨睡眠障碍和睡眠时长与双能X射线吸收法（DXA）测定的股骨颈及腰椎骨密度（BMD）之间的关联。

方法：纳入NHANES 2007–2010年的6421名参与者。采用多变量线性回归分析睡眠障碍、睡眠时长与BMD之间的关联。采用五种方法进行两样本MR分析（主要方法为逆方差加权法）以佐证观察性研究结果。

结果：睡眠障碍与股骨颈BMD呈负相关[β：?0.03；95%置信区间（CI）：?0.04至?0.02]，与腰椎BMD亦呈负相关（β：?0.01；95% CI：?0.02至0.00），经调整协变量后仍具统计学显著性（股骨颈：β：?0.01；95% CI：?0.02至?0.01；腰椎：β：?0.01；95% CI：?0.02至0.00）。睡眠时长与BMD之间未发现显著关联。MR分析显示睡眠障碍对BMD的影响呈现一致性的负向趋势（股骨颈：β：?0.039；95% CI：?0.142至0.063；腰椎：β：?0.041；95% CI：?0.182至0.101），但差异未达统计学显著性。睡眠时长与BMD之间未发现因果关系。

结论：睡眠障碍可能与骨丢失风险增加存在因果关联。延长睡眠时长似乎无法弥补睡眠障碍导致的骨密度下降。

引言

骨质疏松症是一种常见的全身性骨骼疾病，其特征为骨密度（BMD）降低、骨微结构退化以及骨折风险随之增加。其基础病理生理机制由骨重塑失衡驱动，即破骨细胞介导的骨吸收超过成骨细胞介导的骨形成，该过程受复杂的分子机制调控，涉及激素变化、炎症及免疫系统相互作用[1]。全球每年发生超过890万例骨折，约每三秒钟就有一例骨质疏松性骨折发生[2]。人口老龄化趋势进一步加剧了这一形势，导致骨质疏松症患者数量激增[3]。传统上，骨质疏松症被认为是一种主要影响老年女性及绝经后女性的慢性疾病[4]，而近期研究表明，骨质疏松症或骨量减少症在年轻成年人中也很常见，尤其是20至39岁人群[5]。因此，基于疾病病因学改善治疗和预防策略至关重要。骨丢失的危险因素包括饮酒[6]、吸烟[7]和糖尿病[8]。近期新兴研究表明，生活方式因素（如睡眠障碍）也在骨质疏松症的发生发展中扮演重要角色。

亮点

- 在美国大型队列中，睡眠障碍与股骨颈和腰椎骨密度（BMD）均呈负相关。
- 即使在按睡眠障碍状态分层后，睡眠时长与BMD之间仍未发现显著关联。
- 孟德尔随机化分析支持遗传性睡眠障碍易感因素与BMD之间存在一致的负向趋势，尽管该关联未达统计学显著性。
- 延长睡眠时长无法弥补与睡眠障碍相关的BMD损失。
- 观察性证据与遗传学证据相结合，强化了睡眠质量在骨骼健康中潜在的因果作用。

睡眠问题可表现为睡眠障碍以及睡眠时间过长或不足，其在骨量减少中的作用仍有争议。一些研究观察到低BMD与短睡眠时长或长睡眠时长之间存在相关性[9,10]，而其他研究则未发现显著关联[11,12]。睡眠障碍已被确立为慢性疾病的危险因素[13,14]。然而，Pan等人开展的一项前瞻性队列研究发现，睡眠障碍与任何骨骼部位的BMD之间均未发现显著关联[15]。这一发现可能与我们当前的认识及先前文献相矛盾，因为先前的文献表明睡眠中断可引发炎症、降低生长激素水平，最终导致骨丢失[16–18]。此外值得注意的是，个体通常会试图通过增加睡眠时长来弥补睡眠障碍，以减轻潜在的健康损害。一项针对美国成年人睡眠习惯的评估显示，工作日与休息日之间睡眠时长存在显著差异，同时睡眠障碍的患病率较高[19]。这些发现强调了进一步研究睡眠障碍和睡眠时长对整体健康结局影响的必要性。

尽管随机对照试验（RCT）仍是推断因果关系的金标准，但由于伦理限制和高昂成本，对睡眠行为的实验性干预往往不可行。孟德尔随机化（MR）提供了一种补充策略，即利用生殖系遗传变异——通常为SNP——作为可改变暴露的替代标记[20]。由于亲本等位基因在配子形成过程中随机传递，这些遗传工具在很大程度上独立于可能偏倚传统观察性分析的环境和生活方式混杂因素[21]。此外，由于基因型在受孕时即已确定且此后不再改变，它不会受到后续疾病状态的影响，从而有效避免了反向因果关系。因此，本研究采用国家健康和营养检查调查（NHANES）数据来探讨睡眠质量对BMD的因果效应。我们选择NHANES数据源，是因为其全国代表性抽样、标准化的基于DXA的骨密度评估以及全面的的人口学及临床协变量，这些共同确保了骨科流行病学研究的外部有效性和分析稳健性。随后，我们利用与睡眠质量和BMD相关的可用SNP通过两样本MR分析验证这些发现。据我们所知，目前尚无研究将美国全国代表性队列（NHANES）与两样本MR结合，同时评估睡眠障碍和睡眠时长对DXA测定股骨颈及腰椎BMD的影响。因此，本研究可能有助于弥补现有文献中的空白。该方法将为睡眠习惯对骨骼健康的影响提供更高水平的证据。本研究按照透明与包容教学及神经多样性（TITAN）指南2025版进行实施和报告[22]。

方法

数据来源与研究人群

NHANES项目由国家疾病控制和预防中心开展，是一项从美国非机构化平民代表样本中收集数据的综合性调查。该调查以两年为一个周期，采用分层、多阶段和随机抽样方法以确保数据的准确性。为收集所需信息，NHANES采用多种方法，包括入户访谈、体格检查和在流动检测中心（MEC）进行的血液检测。本研究采用横断面分析，使用了两个NHANES调查周期的数据，具体为2007–2008年和2009–2010年。研究聚焦于20岁及以上的成年参与者，最终共有6,421名个体符合纳入标准（图1）。所有NHANES参与者在最初参与调查前均提供了书面知情同意。NHANES方案经国家卫生统计中心（NCHS）研究伦理审查委员会审查并批准。由于本研究构成对公开发布的、去标识化的NHANES数据的二次分析，因此无需额外机构审查或单独的知情同意。

图1. 参与者纳入流程图。

结局变量

股骨颈和腰椎（L1至L4平均值）的BMD（g/cm2）通过双能X射线吸收法（DXA）测定。关于BMD检查的详细信息可参阅既往报告[23]。

暴露变量

睡眠障碍通过以下问题进行评估："您是否曾告知医生或其他卫生专业人员您有睡眠困难？"答案类别包括"是"、"否"、"拒绝回答"和"不知道"。若回答为"拒绝回答"或"不知道"，则视为缺失值。睡眠时长通过以下问题进行评估："您在工作日或工作日晚上通常睡多少小时？"答案类别从1到11不等，12表示睡眠时长≥12小时。根据国家睡眠基金会建议[24]，将睡眠时长分为三类：不足（<7小时/天）、充足（7至9小时/天）和过多（>9小时/天）。

协变量

本研究的协变量包括性别、年龄、种族、教育程度、贫困收入比、健康保险状况、吸烟、饮酒、身体质量指数（BMI）、糖尿病和高血压。年龄和BMI作为连续变量处理，其余协变量的分类如下：性别（男性或女性）、种族（非西班牙裔白人、非西班牙裔黑人、墨西哥裔美国人或其他）、教育程度（大学及以上学历、部分大学学历或高中及以下）、贫困收入比（≤130%、131–338%或≥339%）、健康保险、吸烟、饮酒、糖尿病（定义为临床诊断为糖尿病或空腹血糖升高（≥7.0 mmol/L）、HbA1c（≥6.5%）或非空腹血糖（≥11.1 mmol/L））、以及高血压（定义为临床诊断为高血压或收缩压≥140 mmHg和/或舒张压≥90 mmHg）。体力活动通过全球体力活动问卷收集，并根据是否达到2018年体力活动指南分为体力活动组和不活动组[25]。体力活动的计算公式可参阅既往研究[26,27]。

统计分析

所有分析均应用调查权重，以考虑NHANES数据库对全体美国非机构化平民人群的代表性。为比较睡眠障碍组与非睡眠障碍组的基线特征，连续变量采用t检验，分类变量采用卡方检验。为考察BMD、睡眠障碍和睡眠时长之间的关系，采用多变量广义线性回归分析，计算β值及95%置信区间（CI），并在不同模型中调整匹配变量，包括未调整模型（未调整任何混杂因素）、模型1（调整年龄、性别、种族）和模型2（进一步调整贫困收入比、保险覆盖、教育程度、吸烟、饮酒、高血压、糖尿病和BMI）。为评估睡眠时长对BMD的影响与睡眠障碍的交互作用，按睡眠障碍状态进行分层亚组分析。

孟德尔随机化

暴露位点遗传变异的数据资源

睡眠时长相关的SNP来源于基于UK Biobank数据集进行的大规模全基因组关联研究（GWAS）。UK Biobank主要包含欧洲血统参与者，这在很大程度上减少了与种族或民族相关的群体分层混杂因素，确保了更高的遗传同质性，从而增强了所选遗传工具的效度[28]。本研究共识别出78个与连续睡眠时长相关的SNP，以及27个与短睡眠时长（<7小时）相关的SNP和8个与长睡眠时长（>8小时）相关的SNP[29]。

对于睡眠障碍，SNP提取自FinnGen数据库（https://finngen.gitbook.io/documentation/），该数据库包含377,277名个体的数据。在FinnGen数据库时，GWAS数据使用芬兰人群专用的SISu v4参考面板进行基因分型填补。根据FinnGen（https://risteys.finngen.fi），睡眠障碍表型是失眠、嗜睡、睡眠-觉醒节律障碍、梦魇和噩梦以及其他睡眠障碍的复合表型。

结局位点遗传变异的数据资源

为与观察性研究的变量保持一致，我们从遗传性骨质疏松症因素联盟（GEFOS）开展的大规模GWAS荟萃分析中选取了与股骨颈和腰椎BMD相关的SNP，该分析纳入了53,236名欧洲血统参与者[30]。股骨颈和腰椎（L1–L4）的BMD通过双能X射线吸收法（DXA）测定。每个小等位基因频率（MAF）大于0.5%的变异体均测试其对BMD的影响，模型中调整了性别、年龄、年龄的平方（age2）和体重，且BMD测量值已标准化为均值为0、标准差为1。该标准化有助于最小化不同DXA设备之间差异可能带来的偏倚。

MR分析中SNP的选取

为确保所选SNP的质量，采取了多项质控步骤。首先，与暴露相关的SNP需要达到全基因组显著性水平（P < 5 × 10??）。其次，处于连锁不平衡（LD）中的暴露位点工具SNP可能导致结果偏倚；因此，我们基于欧洲人1000 Genomes Project的LD参考面板[31]，以R2 < 0.001和10,000 kb的窗口大小进行聚类（clumping），并剔除了未出现在LD参考面板中的SNP。第三，剔除了小等位基因频率（MAF）低于0.01的SNP。第四，若暴露位点的SNP未出现在结局数据中，则将其移除。第五，对模糊型（如A/G与A/C）或回文型SNP（含A/T或G/C碱基对）进行一致性校正，部分SNP因此从先前选定的集合中被排除。长睡眠时长的SNP数量过少，无法检验其效应，因此被排除在MR分析之外。

最后，连续睡眠时长、短睡眠时长和睡眠障碍筛选出的SNP数量分别为56个、18个和13个，详细信息列于补充数字内容表S2，可在以下网址获取：https://links.lww.com/MS9/B371。

**MR分析与敏感性分析**

本研究采用两样本孟德尔随机化（MR）分析，探讨连续睡眠时长、短睡眠时长和睡眠障碍对股骨颈和腰椎骨矿物质密度（BMD）的因果效应。研究采用了多种MR方法，包括随机效应模型下的逆方差加权（IVW）方法、MR-Egger回归、加权中位数法、简单众数法和加权众数法。其中，IVW方法被视为主要方法，因为它通过Meta分析结合每个SNP因果效应的Wald比值，从而得出更准确的估计值[32]。若各种方法得出的效应趋势一致，将增强因果关系的证据。为应对多效性工具变量（IVs）可能引入的偏倚，研究进行了敏感性分析。使用Cochran Q统计量量化异质性，显著性水平P < 0.05表示存在显著异质性。利用MR-Egger截距评估水平多效性的可能性，显著性水平P < 0.05表示可能存在水平多效性。此外，当观察到水平多效性时，采用MR-PRESSO方法检测异常值。在连续睡眠时长与腰椎BMD关联的敏感性分析中，检测到显著异质性（P = 0.017），并通过MR-PRESSO分析识别出潜在异常SNP rs1991556。因此，该SNP被排除在后续MR分析之外。此外，还进行了逐个剔除分析，以评估特定变异是否对结果产生重大影响。

所有分析均使用R软件（版本4.2.3；http://www.R-project.org，R基金会）完成，并采用R包"TwoSampleMR"进行MR分析。P值小于0.05被视为具有统计学显著性。

**结果**

**人口特征**

研究参与者的基线特征汇总于表1。在纳入研究的6421名参与者中，对照组和病例组的平均年龄分别为42.9 ± 0.3岁和47.1 ± 0.4岁（P < 0.0001）。性别差异显著，睡眠障碍组女性比例更高，而无睡眠障碍组男性占主导。与病例组相比，对照组在股骨颈（0.856 ± 0.003 vs. 0.821 ± 0.004，P < 0.0001）和腰椎（1.040 ± 0.003 vs. 1.026 ± 0.004，P = 0.013）BMD均较高。在睡眠时长方面，睡眠障碍参与者报告的睡眠不足多于对照组，倾向于延长其睡眠时长。同样，对照组中身体活跃个体的比例更高。在种族、保险覆盖、吸烟、饮酒、BMI、高血压和糖尿病状态方面也存在统计学差异（P < 0.05）。

**表1** 按睡眠障碍状态分组的参与者基线特征。

| 特征 | 无睡眠障碍组 BMD | 睡眠障碍组 | P值 |
|------|----------------|-----------|-----|
| 股骨颈 | 0.856 ± 0.003 | 0.821 ± 0.004 | <0.0001 |
| 腰椎 | 1.040 ± 0.003 | 1.026 ± 0.004 | 0.013 |
| 睡眠时长 | <0.0001 | | |
| 　　不足 | 32.50 (1.04) | 49.59 (1.95) | |
| 　　充足 | 65.79 (1.12) | 48.34 (1.87) | |
| 　　过量 | 1.71 (0.21) | 2.07 (0.47) | |
| 　　身体活跃 | 69.5 (1.0) | 65.2 (1.6) | 0.02 |
| 　　年龄 | 42.9 ± 0.3 | 47.1 ± 0.4 | <0.0001 |
| 　　性别 | <0.0001 | | |
| 　　　　男性 | 53.0 (0.9) | 40.1 (2.0) | |
| 　　　　女性 | 47.0 (0.9) | 59.9 (2.0) | |
| 　　种族 | <0.0001 | | |
| 　　　　非西班牙裔白人 | 67.1 (2.5) | 78.9 (2.3) | |
| 　　　　非西班牙裔黑人 | 10.8 (1.0) | 9.2 (1.0) | |
| 　　　　墨西哥裔美国人 | 10.0 (1.4) | 4.6 (1.1) | |
| 　　　　其他 | 12.1 (1.3) | 7.3 (1.0) | |
| 　　教育背景 | 0.1 | | |
| 　　　　大专及以上 | 29.1 (1.5) | 27.2 (1.7) | |
| 　　　　部分大专 | 29.7 (0.7) | 32.8 (1.3) | |
| 　　　　高中及以下 | 41.2 (1.7) | 40.0 (2.2) | |
| 　　贫困收入比 | 0.4 | | |
| 　　　　≤130% | 20.1 (1.1) | 20.5 (1.6) | |
| 　　　　131–338% | 32.6 (1.2) | 30.5 (1.7) | |
| 　　　　≥339% | 47.3 (1.6) | 49.0 (2.3) | |
| 　　健康保险 | 77.0 (1.1) | 85.9 (1.2) | <0.0001 |
| 　　吸烟 | 42.5 (1.5) | 53.0 (1.6) | <0.0001 |
| 　　饮酒 | 89.6 (0.6) | 92.1 (0.9) | 0.04 |
| 　　BMI | 27.54 ± 0.12 | 28.28 ± 0.15 | <0.001 |
| 　　高血压 | 27.1 (1.1) | 39.9 (1.0) | <0.0001 |
| 　　糖尿病 | 9.2 (0.6) | 13.7 (1.0) | <0.0001 |

数据以均数 ± 标准误表示连续变量，以百分比（标准误）表示分类变量。连续变量采用加权t检验，分类变量采用卡方检验计算P值。加粗值表示统计学显著性（P < 0.05）。BMI，身体质量指数。

**睡眠障碍、睡眠时长与BMD的关联**

如表2所示，睡眠障碍与股骨颈（β = ?0.03；95% CI：?0.04至?0.02）和腰椎（β = ?0.01；95% CI：?0.02至0.00）BMD均呈负相关。即使在调整已知混杂因素后，该关联仍具有统计学显著性，股骨颈为（β = ?0.01；95% CI：?0.02至?0.01），腰椎为（β = ?0.01；95% CI：?0.02至0.00）。令人意外的是，无论股骨颈还是腰椎，在调整混杂因素后，睡眠时长与BMD之间均未观察到显著关联。随后，当按睡眠障碍状态对受试者进行分层以探讨睡眠时长的影响时，各组间未见显著差异（P > 0.05），详见补充数字内容表S3，可在以下网址获取：https://links.lww.com/MS9/B371。为进一步阐明睡眠时长的影响，我们呈现了睡眠障碍受试者按睡眠时长分组的股骨颈和腰椎BMD分布（图2），与上述结果一致。

**图2.** 按睡眠时长分组的睡眠障碍参与者的BMD分布：(a) 股骨颈和(b) 腰椎。

**表2** 睡眠障碍、睡眠时长与股骨颈和腰椎BMD的关联。

| 模型 | 粗模型 | 模型1 | 模型2 |
|------|--------|--------|--------|
| 　　 | β (95% CI) P值 | β (95% CI) P值 | β (95% CI) P值 |
| 股骨颈 | | | |
| 睡眠障碍 | | | |
| 　　无 | 参考 | 参考 | 参考 |
| 　　有 | ?0.03 (?0.04, ?0.02) <0.0001 | ?0.01 (?0.02, 0.00) 0.03 | ?0.02 (?0.02, ?0.01) 0.001 |
| 腰椎 | | | |
| 睡眠障碍 | | | |
| 　　无 | 参考 | 参考 | 参考 |
| 　　有 | ?0.01 (?0.02, 0.00) 0.01 | ?0.01 (?0.02, 0.00) 0.24 | ?0.01 (?0.02, 0.00) 0.03 |
| 股骨颈 | | | |
| 睡眠时长 | | | |
| 　　充足 | 参考 | 参考 | 参考 |
| 　　不足 | 0.01 (0.00, 0.02) 0.02 | 0 (?0.01, 0.01) 0.49 | ?0.01 (?0.01, 0.00) 0.22 |
| 　　过量 | ?0.01 (?0.05, 0.03) 0.57 | ?0.01 (?0.04, 0.02) 0.46 | 0 (?0.03, 0.03) 0.97 |
| 腰椎 | | | |
| 睡眠时长 | | | |
| 　　充足 | 参考 | 参考 | 参考 |
| 　　不足 | 0 (0.00, 0.01) 0.29 | 0 (?0.01, 0.01) 0.82 | ?0.01 (?0.02, 0.00) 0.10 |
| 　　过量 | 0.01 (?0.02, 0.05) 0.50 | 0.01 (?0.03, 0.05) 0.60 | 0.02 (?0.02, 0.06) 0.29 |

粗模型：未调整协变量；模型1：调整年龄、性别、种族；模型2：进一步调整贫困收入比、保险覆盖、教育、吸烟、饮酒、高血压、糖尿病。加粗值表示统计学显著性（P < 0.05）。BMI，身体质量指数；physical activity，身体活动。

**MR分析**

在遗传变异的MR分析中，采用IVW方法评估睡眠障碍与股骨颈BMD（β = ?0.039；95% CI：?0.142至0.063）和腰椎BMD（β = ?0.041；95% CI：?0.182至0.101）之间的因果关联趋势，与观察性研究结果相似（表3），尽管未观察到显著差异。加权中位数法（股骨颈：β = ?0.080；95% CI：?0.215至0.056；腰椎：β = ?0.054；95% CI：?0.229至0.121）、MR-Egger回归（股骨颈：β = ?0.052；95% CI：?0.454至0.350；腰椎：β = ?0.095；95% CI：?0.676至0.485）和简单众数法（股骨颈：β = ?0.070；95% CI：?0.327至0.187；腰椎：β = ?0.120；95% CI：?0.454至0.214）显示一致的效应估计值（补充数字内容表S4，可在以下网址获取：https://links.lww.com/MS9/B371）（图3a, b）。MR分析未观察到多效性效应（股骨颈P = 0.950，腰椎P = 0.852）。同样未检测到潜在异质性（股骨颈P = 0.641，腰椎P = 0.146）。睡眠障碍的漏斗图和逐个剔除图展示于补充数字内容图S1和S2，可在以下网址获取：https://links.lww.com/MS9/B371。

**图3.** 孟德尔随机化分析睡眠障碍（a：股骨颈；b：腰椎）、睡眠时长（c：股骨颈；d：腰椎）和短睡眠时长（e：股骨颈；f：腰椎）对骨矿物质密度（BMD）因果效应的散点图。

**表3** MR分析中IVW法的结果。

| 暴露因素 | 结局 | SNP数量 | β | 95% CI | P值 | Q-P值 | MR Egger截距 | MR Egger截距P值 |
|----------|------|---------|-----|---------|-----|--------|--------------|----------------|
| 睡眠障碍 | 股骨颈BMD | 13 | ?0.039 | (?0.142, 0.063) | 0.449 | 0.641 | 0.001 | 0.950 |
| 睡眠障碍 | 腰椎BMD | 13 | ?0.041 | (?0.182, 0.101) | 0.574 | 0.146 | 0.003 | 0.852 |
| 睡眠时长 | 股骨颈BMD | 56 | 0.001 | (?0.001, 0.004) | 0.337 | 0.266 | 0.007 | 0.109 |
| 睡眠时长 | 腰椎BMD | 55 | ?0.002 | (?0.005, 0.001) | 0.243 | 0.172 | 0.009 | 0.095 |
| 短睡眠时长 | 股骨颈BMD | 18 | 0.055 | (?0.061, 0.171) | 0.352 | 0.530 | 0.017 | 0.105 |
| 短睡眠时长 | 腰椎BMD | 18 | 0.010 | (?0.151, 0.171) | 0.904 | 0.113 | 0.004 | 0.765 |

股骨颈BMD，股骨颈骨矿物质密度；腰椎BMD，腰椎骨矿物质密度。

在探讨睡眠时长与BMD因果关联的MR分析中，采用IVW方法未发现股骨颈（β：0.001；95% CI：?0.001至0.004）和腰椎（β：?0.002；95% CI：?0.005至0.001）的证据。加权中位数法、MR-Egger回归、简单众数法和加权众数法证实了效应估计值（图3c, d；补充数字内容表S4，可在以下网址获取：https://links.lww.com/MS9/B371）。同时，MR-Egger回归未检测到多效性效应（股骨颈P = 0.109，腰椎P = 0.095）。所选SNP之间未发现显著异质性（股骨颈P = 0.266，腰椎P = 0.172）。睡眠时长的漏斗图和逐个剔除图展示于补充数字内容图S3和S4，可在以下网址获取：https://links.lww.com/MS9/B371。

在探讨短睡眠时长与BMD因果关联的MR分析中，IVW结果显示股骨颈（β：0.055；95% CI：?0.061至0.171）和腰椎（β：0.010；95% CI：?0.151至0.171）无显著差异。加权中位数法、MR-Egger回归、简单众数法和加权众数法也显示相似结果（图3e, f；补充数字内容表S4，可在以下网址获取：https://links.lww.com/MS9/B371）。所选SNP之间未发现多效性效应证据（股骨颈P = 0.105，腰椎P = 0.765）或异质性（股骨颈P = 0.530，腰椎P = 0.113）。短睡眠时长的漏斗图和逐个剔除图展示于补充数字内容图S5和S6，可在以下网址获取：https://links.lww.com/MS9/B371。

**讨论**

据我们所知，本研究是首个结合全国性代表性美国队列（NHANES）与两样本MR分析，同时评估睡眠障碍和睡眠时长对DXA测量的股骨颈和腰椎BMD影响的调查。本研究对收集数据的深入分析对骨质疏松症患者的管理和随访以及该领域的进一步研究具有重要意义——鉴于睡眠行为是一种可短期、中期和长期调整的生活方式参数，随后可能引起BMD变化，该领域具有重大的社会经济影响。我们的发现揭示睡眠障碍与股骨颈和腰椎BMD均呈负相关。然而，睡眠时长与BMD之间未观察到显著关系。进一步按睡眠障碍分层未支持睡眠时长与BMD之间存在明确关系。MR研究结果显示，使用显著遗传变体评估睡眠障碍与BMD之间的关联呈一致趋势，尽管未达到统计学显著性。

现有文献关于睡眠障碍与BMD关联的研究结果不一致。在一项10.7年的老年人前瞻性队列研究中，未观察到睡眠障碍与髋部、脊柱和全身BMD之间的显著关联[15]。相反，Yen等人报道，患有睡眠呼吸暂停或非呼吸暂停睡眠障碍的参与者与无睡眠障碍者相比，骨质疏松症发生率更高[33]。此外，先前对横断面研究的Meta分析表明，存在睡眠问题的人群骨质疏松症风险增加[34]。在本研究中，在大型队列中调整已知混杂因素后，我们一致观察到睡眠障碍与BMD之间的负相关。此外，我们的MR分析提示与睡眠障碍相关的遗传变体与BMD之间存在负相关，尽管未达到统计学显著性。这意味着睡眠障碍暴露增加可能导致随后骨质流失和骨质疏松症。

迄今为止，关于睡眠障碍相关骨质流失机制的研究有限。睡眠剥夺和睡眠片段化后交感神经系统活动增加已被确认为一个重要 contributing factor[35]。交感神经活动升高可能通过瘦素诱导的信号通路增强骨吸收并减少骨形成[36]。此外，阻塞性睡眠呼吸暂停通过各种途径加重骨质流失[37]，包括氧化应激[38]、炎症标志物升高[39]和糖皮质激素调节改变[37]。与既往研究一致[11,15,40]，我们当前的结果不支持睡眠时长与DXA测量的BMD之间存在关联。尽管这一发现似乎与其他基于人群的研究结果矛盾[9,10]，但采用遗传变量作为工具变量并排除其他混杂因素影响的MR分析结果更具说服力。解释这一现象的一种可能机制是，不同研究定义短睡眠或长睡眠时长的标准、参与者的基线状况以及BMD的测量方法各不相同[9,11,12,35]，从而增加了研究间的结果异质性。因此，需要进一步开展随机对照试验来调查这些关联。

已认识到，应用于大样本数据的IVW方法可能会趋向于无效假设；然而，加权中位数、MR-Egger、简单众数和加权众数方法之间方向一致的估计值佐证了IVW的 findings，为对MR数据的解读提供了支持。在我们的研究中，股骨颈和腰椎的BMD在观察性研究和MR研究中均使用DXA进行评估，为临床应用提供了简明的证据。总体而言，使用DXA评估中心骨骼部位的BMD是评估骨质疏松风险的首选方法，这是由于其经证实的优势，例如以最高准确度预测髋部骨折风险、便于将BMD结果通过T值整合到世界卫生组织骨质疏松定义中，以及监测治疗反应[41]。在先前的研究中[35,42]，BMD或骨硬度是使用定量超声（QUS）系统测量的，这限制了其关于睡眠障碍与BMD之间负相关关系的结论的普遍适用性。尽管QUS已被证明在测量BMD方面与DXA一样准确[35]，但对于患有某些特定疾病的患者，其在诊断骨质流失方面并无价值[43–45]。本研究具有多项优势。首先，据我们所知，本研究首次将具有全国代表性的美国队列与两样本MR相结合，同时评估睡眠障碍和睡眠时长对DXA测量的股骨颈和腰椎BMD的影响。其次，使用NHANES数据，凭借其全国代表性抽样、标准化的基于DXA的骨骼评估以及全面的人口统计学和临床协变量，确保了研究结果的外部有效性和分析稳健性。第三，MR分析的结合通过利用遗传变异来加强因果推断，与传统的观察性研究相比，这些遗传变异不易受到混杂和反向因果的影响。第四，对收集数据进行的深入分析对骨质疏松患者的管理和随访可能具有重要含义，因为睡眠行为是一种可改变的生活方式参数，可在不同时间范围内进行调整，从而影响BMD变化。然而，本研究也存在若干需要承认的局限性。第一，NHANES数据仅限于美国非机构化平民人口，这可能限制了我们的发现向其他种族群体、机构化个体或非美国地区的普遍适用性。第二，如表1所示，对照组（无睡眠障碍）中测得的较高BMD值可能至少部分归因于该组由更年轻的个体、更高比例的体力活动参与者和更高比例的男性组成，而这些都是已知与较高BMD相关的因素，这种组间不平衡代表了在解释观察到的关联时需要考虑的潜在混杂问题。第三，尽管我们通过多变量调整和分层控制已知混杂因素，但固有偏倚的可能性——包括选择偏倚（针对自报睡眠变量）、回忆偏倚和来自未测量因素（如轮班工作、环境噪音、影响睡眠或骨代谢的药物使用）的残余混杂——不能完全排除，即使经过进一步分层也是如此。第四，由于长睡眠时长在主要GWAS研究[29]中的SNP数量有限，我们未将长睡眠时长纳入MR分析以进一步丰富我们的发现。第五，未测量远端桡骨BMD；该部位越来越多地在广泛退行性变或多发性椎体骨折的情况下进行评估，并且已确定骨骼的不同区域受骨质疏松以及用于治疗该骨代谢疾病的药物影响不同，因此远端桡骨数据的缺失可能限制了我们骨健康评估的全面性。第六，尽管GEFOS联盟将BMD标准化为均值零、标准差一，但这可能无法完全纠正因不同DXA设备而异的差异，因为腰椎扫描的具体区域可能因机器和中心而异，潜在地留下残余测量偏倚。第七，按睡眠障碍状态分层的亚组分析可能带有固有的选择偏倚，因为协变量的分布在各个分层间可能变得不平衡，且分层变量本身可能与未测量的混杂因素相关，从而扭曲观察到的关联。

结论

本研究的大规模队列和MR分析结果为睡眠障碍与骨质流失风险增加之间的潜在因果关联提供了证据。此外，没有证据表明延长睡眠时间可以补偿睡眠障碍造成的骨质流失。这些发现需要通过RCT进行进一步验证。