动态卧室温度控制在真实家庭中的睡眠应用现场评估：实施保真度与探索性睡眠结果

《BUILDING AND ENVIRONMENT》：Field evaluation of dynamic bedroom air-temperature control for sleep in real homes: implementation fidelity and exploratory sleep outcomes

　　

摘要
实验室研究发现表明，与睡眠期间夜间体温调节变化相一致的"降-升"温度曲线可能有助于改善睡眠。然而，这种曲线模式尚未在真实卧室环境中经过实验验证。我们开发了一个可扩展的研究原型，使用红外智能控制器将预设的夜间温度曲线应用于普通的分体式空调。动态温度曲线设置为：相对于每位参与者睡前习惯性设定温度降低 X°C，在入睡时恢复至习惯性设定温度，在早期睡眠阶段再降低至 X°C，最后在后期睡眠阶段恢复至习惯性设定温度。我们在新加坡对18名参与者开展了一项微随机化试验，每位参与者至少收集30个研究夜晚的数据，并对实施保真度和睡眠相关结局进行了评估。总体而言，285个有效动态夜晚中有44%达到了对齐标准，即卧室中实际实现的温度曲线与目标温度曲线相符。其中9户家庭被归类为对齐组，其余9户未被归类为对齐组。该对齐率低于我们的预期，表明目标曲线在真实卧室中往往难以实现。在动态控制下，参与者对更凉爽的睡前环境表现出更强的偏好（），但整体睡眠结局未显示出明确的干预效果。总体而言，该原型表明该曲线模式可在部分家庭中实施，但44%的对齐率仅代表有限的实施成功率，尚不足以支撑可靠的推广部署。未来研究应着重于通过部署前的卧室筛查和校准来提高实施保真度。

引言
睡眠对人类健康至关重要。充足的睡眠支持身体和心理恢复以及认知功能[1]。相反，睡眠不足与多种负面后果相关，如心血管代谢风险增加（例如高血压和血糖调节受损）、免疫功能减弱以及心理健康状况下降[2]。人类睡眠通常分为两个主要阶段：非快速眼动睡眠（NREM）和快速眼动睡眠（REM），两者均发挥重要但不同的作用[3]。NREM睡眠包括慢波睡眠（SWS），又称深度睡眠。在健康成年人中，NREM睡眠，尤其是SWS，通常集中在前半夜，尽管其数量和分布会因年龄和健康状况而异。SWS支持身体修复、免疫功能和激素调节。随着夜晚的推移，REM睡眠在后半夜变得更加突出，并与情绪调节、记忆巩固和创造力相关[4]。

体温调节与睡眠启动、睡眠维持以及睡眠阶段间的转换密切相关[5]。在从清醒到睡眠的过渡过程中，核心体温自然下降，这一过程得益于皮肤散热增加。具体而言，远端皮肤区域（如手部和足部）通常发生血管扩张，增加皮肤血流量并促进散热[6]。核心体温通常在凌晨时段达到最低值，然后随着身体准备苏醒而在清晨再次升高[5]。超出睡眠者热中性范围的 ambient 温度会干扰睡眠期间的正常体温调节反应，从而扰乱睡眠；该范围受床上用品、衣物、湿度、年龄和健康状况等因素影响[7]。过热会限制散热并延迟核心体温的预期下降，而过冷则可能引发血管收缩、颤抖和代谢产热增加。此类干扰已被证实与更频繁的觉醒、减少的SWS以及缩短的REM睡眠时段有关（图1）。

多项实验室研究表明，旨在促进人体体温调节的"降-升"温度曲线模式相比整夜恒定中性温度可带来更好的睡眠相关结局。例如，Teramoto等人的研究报告表明，"降-升"曲线模式带来的核心体温下降幅度大于"升-降"曲线模式，且参与者报告的主观睡眠质量也更好[8]。类似地，Togo等人发现，在动态控制下，核心体温的最低值出现时间延迟，且SWS持续时间更长[9]。在略偏温暖的设置中，Lan等人测试了动态控制，观察到REM入睡可能延迟，但整体睡眠质量和热舒适度未显示明显变化[10]。此外，他们建议睡眠后期轻微升温，在热舒适范围内，可能有助于身体准备苏醒并减少制冷能耗[11]。最近，Zhang等人设计了季节性特定曲线模式，报告在冬季动态曲线显著增加了深度睡眠比例，而在夏季测试条件未导致睡眠质量显著差异[12]。总体而言，在实验室研究中动态温度曲线模式显示出改善睡眠结局的潜力。基于这些结果和内部研究，一些空调（AC）和智能家居公司已开发了基于物联网（IoT）的产品，允许用户在家中应用这种夜间温度曲线[13]、[14]。然而，实验室发现可能无法直接转化为真实卧室场景。与严格控制的环境相比，现场条件往往表现出更大的温度波动，由于建筑条件和暖通空调（HVAC）系统的局限性，目标曲线模式难以准确遵循。鉴于现场证据有限，目前尚不清楚这些动态曲线模式在住宅环境中是否有效。

为弥补这一差距，我们开发了一种基于物联网的研究原型，用于在住宅卧室中实施预设的动态空调温度曲线模式，并在新加坡开展了现场评估。主要目的是考察此类曲线模式在实际居住卧室中的实现情况，次要目的是探索其与热舒适度和睡眠相关结局的关联。具体而言，我们的目标是：(1)开发一种可通过红外信号控制普通空调的物联网系统，在参与者报告准备入睡后自动按照预设曲线调节卧室温度；(2)利用卧室中收集的环境传感器数据评估实际温度与目标曲线的吻合程度；(3)使用以下方法评估睡眠相关结局：(i)参与者每日自评的睡眠质量和热舒适度，以及(ii)从Apple Watch收集的睡眠和生理指标。据我们所知，本研究是首批在居住住宅卧室中对预设睡眠期间动态卧室空气温度曲线进行真实家庭现场评估的研究之一。

研究片段
研究概述与受试者
本研究作为HEATS（Heat Exposure, AcTivity, and Sleep）现场研究的第二阶段进行。HEATS是一个为期三年的研究项目，旨在改善日常暴露于高温环境下人群的睡眠结局。HEATS现场研究的第一阶段专注于收集成年工作人群的卧室环境条件和睡眠质量数据；第一阶段的研究设计已在先前文献中描述[15]。第二阶段（即本研究）评估了动态温度控制策略的家庭实施可行性。

卧室环境条件概述
18名参与者共提供了627个有效夜晚的数据。经过数据质量控制后，剩余570个夜晚用于睡眠结局分析，包括285个基线夜晚和285个动态夜晚。表2总结了18户家庭的基线卧室条件。总体而言，基线条件下卧室中位温度范围为20.0至27.8°C，中位数为25.7°C，四分位距（IQR）为24.2–27.0°C。相对湿度普遍较高，中位数为74%（IQR：

真实卧室中动态温度控制的实际考量
现场结果提出了三个将动态温度控制应用于真实卧室时的实际考量：卧室和空调系统能否产生预期的温度变化、控制阶段应如何定时，以及住宅空调系统引入了哪些局限性。以下对这些问题进行讨论。

结论
本研究是对预设睡眠期间动态空调控制策略在真实住宅卧室中进行现场评估的首批研究之一。该策略在18户新加坡家庭中进行评估，但285个有效动态夜晚中仅有44%达到了对齐标准，且家庭间存在较大差异。9户家庭（占总数的半数）被归类为对齐组，其动态夜晚中有56–93%达到对齐（中位数：67%；IQR：58–81%），而其余9户家庭被归类为

可重复性
本工作及其分析可通过GitHub仓库中提供的数据和代码进行重复。

CRediT作者贡献声明
Wenhao Zhang：撰写–原始稿，可视化，软件，方法论，调查研究，正式分析，数据管理，概念化。Adrian Chong：撰写–审阅与编辑，监督。Hui Zhang：撰写–审阅与编辑，监督，方法论。Stefano Schiavon：撰写–审阅与编辑，监督，资源，项目管理，方法论，经费获取，概念化。Clayton Miller：撰写–审阅与编辑，监督，资源，项目

生成式人工智能及AI辅助技术在写作过程中的声明
在准备本工作过程中，作者使用ChatGPT进行语法检查和语言润色。在使用该工具/服务后，作者根据需要对内容进行了审阅和编辑，并对已发表文章的内容承担全部责任。

资助
本研究得到新加坡总理办公室国家研究基金会（National Research Foundation）下属的研究卓越与技术创新校园（Campus for Research Excellence and Technological Enterprise，CREATE）项目资助。

利益冲突声明
作者声明不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。

致谢
我们感谢Mario Frei博士和Yun Xuan Chua女士在数据收集方面提供的帮助。我们感谢HEATS团队，特别是June Chi-Yan Lo教授和Xiaojun Fan博士，感谢他们对动态温度控制曲线设计的贡献。我们对参与者参与本研究表示衷心感谢。

Wenhao Zhang | Adrian Chong | Hui Zhang | Stefano Schiavon | Clayton Miller
新加坡国立大学，建筑环境系，新加坡，新加坡