从脑网络到睡眠感知：EEG衍生的全局效率与大学生主观睡眠质量相关

《Nature and Science of Sleep》：From Brain Networks to Sleep Perception: EEG-Derived Global Efficiency is Associated with Subjective Sleep Quality in University Students

　　

目的：客观睡眠生理与主观睡眠体验之间的对应关系仍知之甚少。传统多导睡眠图（PSG）主要捕捉睡眠宏观结构，可能无法反映感知睡眠质量背后大规模神经整合过程。本研究检验了以EEG衍生的全局效率（GE）量化的睡眠阶段特异性脑网络连接，是否与健康大学生的日间嗜睡和失眠严重程度相关。方法：在这项横断面观察性研究中，对52名健康男性大学生进行夜间全夜PSG记录。采用去偏加权相位滞后指数（dwPLI）测量功能连接以最小化容积传导效应。在N3和REM睡眠期间计算五个经典频带的GE。使用Epworth嗜睡量表（ESS）和失眠严重程度指数（ISI）评估主观睡眠结局。采用线性和多元回归分析评估GE、主观睡眠测量和常规PSG参数之间的关联。结果：观察到网络拓扑的阶段依赖性差异，REM睡眠期间alpha频带GE较低，N3睡眠期间delta频带GE较低。较高的日间嗜睡（ESS）与REM睡眠期间delta、beta和gamma频带GE增加相关，而N3睡眠期间较高的theta频带GE与较低的失眠严重程度（ISI）相关。基于GE的模型解释了主观结局的少量方差（ISI：R2=0.082；ESS：R2=0.190）。常规PSG宏观结构指标与主观睡眠测量无显著关联。结论：EEG衍生的GE显示与主观睡眠结局存在阶段和频带特异性关联，在常规宏观结构PSG测量之外贡献有限。这些发现提供了初步证据，表明睡眠网络拓扑可能部分捕捉标准睡眠架构指标未完全反映的主观睡眠体验方面。基于EEG的GE可作为主观睡眠体验的潜在网络水平相关物，提示非临床人群中睡眠生理与感知睡眠质量之间存在可能的网络水平联系。

研究背景与动机

睡眠感知与客观生理的脱节是睡眠神经科学长期未解的问题。流行病学显示超过半数大学生报告睡眠质量差，即便PSG显示的睡眠时长与效率正常，仍常诉晨起不解乏，提示传统宏观结构指标（如睡眠分期比例、睡眠效率）无法充分解释主观体验。既往频谱EEG特征与主观睡眠质量关联弱且不一致，而图论框架下的全局效率（Global Efficiency, GE）可量化大规模脑网络的信息整合与分离平衡。已有研究提示NREM深睡以功能分离为主、REM以整合为主，精神疾病与失眠中存在GE异常增高（恶性高连接），但健康大学生整夜睡眠中阶段与频带特异的GE是否关联日间嗜睡与失眠严重度仍缺乏证据。为此，研究人员在《Nature and Science of Sleep》报道了这项横断面观察研究，旨在判断EEG衍生GE能否超越传统PSG宏观结构，捕捉主观睡眠质量的网络水平相关物。

主要技术方法概要

研究人员招募印度理工学院曼迪分校52名19至30岁健康男性大学生，进行适应夜后全夜PSG记录（19通道10-20系统，采样500Hz）。EEG经0.5至45Hz带通与50Hz陷波滤波、ICA去眼肌电伪迹、平均参考，按AASM手动核对YASA自动分期，仅保留无伪迹N3与REM期30秒时段。功能连接采用去偏加权相位滞后指数（dwPLI）在delta/theta/alpha/beta/gamma五频带计算19通道两两连接，按70%强度阈值（敏感分析60%、80%）建网，用Brain Connectivity Toolbox算GE（不二值化）。统计上以FDR校正配对t检验比较阶段差异，简单线性回归初筛GE与ESS/ISI关联，再以年龄BMI为基模，分别用宏观结构变量（%REM、睡眠效率、WASO、SOL）和筛选后GE变量建多元回归，并进行分层回归、留一交叉验证与半偏相关分析。

研究结果

比较N3与REM睡眠的全局效率：FDR校正后alpha与delta频带存在阶段差异。N3的alpha-GE高于REM（p=0.022），N3的delta-GE低于REM（p=0.001），theta/beta/gamma无显著差异，反映深睡与REM分别呈局部同步-全局分离和相对整合的拓扑模式。

全局效率与主观睡眠质量关联：REM期delta（β=0.313,p=0.023）、beta（β=0.326,p=0.018）、gamma（β=0.343,p=0.013）GE越高，ESS越高；N3期theta-GE越高，ISI越低（β=-0.274,p=0.040），N3其他频带及REM对ISI无显著预测。

多元线性回归分析睡眠架构与全局效率：预测ISI时，人口学模型（R²=0.058）与宏观结构模型（R²=0.067）均不显著，GE模型显著（R²=0.082,p=0.040），由N3-theta-GE负向驱动；预测ESS时，宏观结构模型不显著（R²=0.016），GE模型显著（R²=0.190,p=0.017），REM期delta/beta/gamma-GE集体贡献，但各自未独立显著。分层回归GE增量不显著（ISI ΔR²=0.049,p=0.113；ESS ΔR²=0.131,p=0.085），LOOCV外推性能低（ISI -0.100，ESS -0.295）。

讨论浓缩

阶段特异GE差异与既往NREM分离、REM整合一致；N3 delta-GE偏低契合深睡全局整合下降。REM期快频（beta/gamma）及慢频（delta）GE升高伴日间嗜睡，被解释为清醒样网络解除不完全、REM功能分离不足，类似临床恶性高连接的非最优配置。N3 theta-GE高关联低ISI，反映深睡慢振荡协调更连贯，支持深睡网络完整性塑造失眠感知。宏观结构PSG与主观指标脱钩再次被验证；GE虽在样本内显著，但增量有限、交叉验证不稳，提示其中小型队列（n=52男）探索性结论需谨慎。局限含横断面、仅男性、传感器水平未溯源、缺REM密度与睡眠误感知直接测量、未做多重比较强校正及先验功效分析。

结论翻译

本研究证明睡眠期间大规模EEG网络整合可提供主观睡眠质量的潜在网络水平相关物。利用全夜EEG与图论分析，研究人员显示GE在N3与REM睡眠中呈阶段与频带特异组织，并与日间嗜睡和失眠严重度的个体差异选择性相关。REM期网络整合升高伴随更高日间嗜睡，而深N3期更强theta频带整合伴随更低失眠严重度，尽管组水平睡眠架构完好。这些发现支持以网络为基础理解睡眠感知的框架，其中主观睡眠体验可能反映特定睡眠阶段大规模神经整合与分离的平衡。EEG衍生GE可作为一种有用客观测量，用于探究非临床人群睡眠生理与主观睡眠质量的关系。