非糖尿病非裔美国孕妇的睡眠质量与血糖变异性

《Journal of Obstetric, Gynecologic, & Neonatal Nursing》：Sleep Quality and Glycemic Variability Among Nondiabetic African American Pregnant Women

　　

摘要

目的：考察非糖尿病非裔美国孕妇睡眠健康与血糖结果之间个体间和个体内的关联。

设计：随机对照试验基线数据的二次分析。

设置：美国一家大型城市学术医疗中心附属的产前护理诊所。

参与者：非糖尿病非裔美国孕妇（孕 16-22 周），年龄 18 至 42 岁，单胎妊娠，体重指数为 24 至 45 kg/m2（N = 55）。

方法：我们使用匹兹堡睡眠质量指数 [PSQI] 评估过去一个月的基线主观睡眠质量。我们使用腕式 Fitbit Inspire 2 连续 7 天客观测量睡眠（时长、效率、时相和规律性）。我们使用 7 天连续血糖监测测量血糖结果（葡萄糖均值和标准差、葡萄糖波动幅度均值 [MAGE]、变异系数 [CV]）。我们使用多变量回归评估参与者之间的个体间关联，并使用包含 7 天重复每日测量的线性混合效应模型评估个体内关联。

结果：主观睡眠质量较差（由 PSQI 测量）与较高的葡萄糖 SD (B = 0.42, 95% 置信区间 [CI] [0.07, 0.76], p = .02)、较高的 MAGE (B = 1.10, 95% CI [0.30, 1.91], p = .01) 和更大的 CV (B = 0.44, 95% CI [0.12, 0.75], p = .01) 显著相关。Fitbit Inspire 2 测量的客观睡眠维度与血糖结果无显著关联。

结论：在非糖尿病非裔美国孕妇中，较差的主观睡眠质量与较大的血糖变异性相关。评估感知睡眠质量可能有助于识别早期妊娠代谢风险，并值得作为产前护理中可改变的目标进行进一步研究。

非裔美国孕妇（AAPW）经历着不成比例的心代谢和妊娠相关并发症，包括严重的产妇发病率和妊娠相关死亡率（Ahmad 等人，2026；Montalmant & Ettinger，2024）。这些差异导致产妇死亡率的显著差异，AAPW 经历妊娠相关死亡的风险是非西班牙裔白人妇女的两到三倍（Petersen 等人，2019）。即使考虑到社会经济因素，这些不平等现象依然存在，反映了行为、生理和结构性因素的结合（Crear-Perry 等人，2021）。睡眠障碍在 AAPW 中比在非西班牙裔白人、西班牙裔/拉丁裔和亚裔美国孕妇中更常见，这使得睡眠成为与代谢健康相关的潜在可改变的行为因素（Feinstein 等人，2020；Johnson 等人，2019）。

睡眠健康是多维度的，可以通过主观和客观测量来评估（Buysse，2014）。主观睡眠质量，通常用匹兹堡睡眠质量指数（PSQI）测量，指的是对睡眠满意度、痛苦和日间后果的感知。来自体动记录仪或可穿戴设备的客观睡眠测量量化了睡眠期间可观察到的睡眠模式。由于主观和客观测量通常仅中度相关，且可能与健康结果有不同的关联，因此同时考察两者可以更全面地描述睡眠健康及其在妊娠期间的心代谢相关性（Johnson 等人，2019）。

血糖变异性，定义为血糖浓度随时间的波动，反映了代谢不稳定，并预测即使在非糖尿病个体中，发展胰岛素抵抗、妊娠期糖尿病（GDM）和心血管疾病的风险增加（Yu 等人，2020；Zhou 等人，2025）。在先前的研究中，研究人员将较高的血糖变异性与不良妊娠结果联系起来，包括高血压疾病（Tano 等人，2025；Yu 等人，2020）和胎儿生长模式异常（Hernandez 等人，2011；Yu 等人，2020）。

尽管睡眠健康可能影响妊娠期血糖调节，但在产前护理中很少进行评估。尽管有证据将睡眠障碍与代谢失调联系起来，涉及不同人群，如绝经后妇女（Singh 等人，2023）和健康年轻成年人（Wang 等人，2016），但大多数研究妊娠期睡眠和葡萄糖生理学的研究人员只考察了单一的睡眠维度，并且主要包含非西班牙裔白人参与者（Feinstein 等人，2020；Jiang 等人，2024；Li 等人，2024）。AAPW 的证据尤其有限，尽管与非西班牙裔白人孕妇相比，AAPW 的睡眠时长更短（每晚少约 30 分钟），主观睡眠质量更差，睡眠呼吸障碍发生率更高（Feinstein 等人，2020；Johnson 等人，2019），同时患妊娠期糖尿病和高血压疾病的风险高出两到三倍（Petersen 等人，2019）。

从机制上讲，睡眠不足会激活下丘脑 - 垂体 - 肾上腺（HPA）轴和交感神经系统，并提高促进胰岛素抵抗的皮质醇和儿茶酚胺，而不规则的睡眠 - 觉醒模式导致的昼夜节律紊乱进一步损害了已经因妊娠生理性胰岛素抵抗而受损的β细胞功能和外周胰岛素敏感性（Reutrakul 等人，2018；Stenvers 等人，2019）。需要研究同时考察多个睡眠健康维度与非糖尿病 AAPW 客观测量的连续血糖监测（CGM）派生的血糖变异性的关系，以改善对该高风险人群中可改变的睡眠相关行为目标的理解，从而降低心代谢风险。为解决这一空白，本研究的目的是考察非糖尿病 AAPW 在早至中期妊娠期间睡眠健康与血糖结果之间个体间和个体内的关联。我们使用了与 CGM 配对的主观和客观睡眠测量。我们假设较差的主观睡眠健康（较高的 PSQI 评分）和较差的客观睡眠（时长较短、效率较低、时相较晚、不规则性较大）将在个体间分析与较高的平均葡萄糖和较大的血糖变异性相关，并且以睡眠时长较短、睡眠效率较低或睡眠时相较晚为特征的夜晚将在个体内时间序列分析中与次日的血糖结果恶化相关。

方法

设计

我们的研究是对母研究“改善睡眠并降低孕妇心代谢风险的行为增强（BETTER）”基线数据的二次分析，BETTER 是一项旨在评估针对睡眠的干预措施对 AAPW 睡眠和母体葡萄糖代谢影响的行为生活方式咨询试验（临床试验注册号 NCT05234125）。我们根据流行病学观察性研究报告加强（STROBE）指南报告了此次二次分析的结果（von Elm 等人，2007）。所有母研究程序均按照机构指南进行，参与者在首次预约时提供了书面知情同意，在任何与研究相关的活动发生之前，以确保其隐私得到保护。BETTER 试验方案经伊利诺伊大学芝加哥分校机构审查委员会批准（IRB 编号 2021-0918）。我们为本研究分析的数据是在随机化之前的基线评估期间收集的，当时没有参与者接受过干预。因此，研究结果反映了睡眠健康与血糖调节之间自然发生的关联，并未受到干预的混杂。

参与者和设置

参与者的招募标准为（Irsheed 等人，2025）：AAPW，年龄 18 至 42 岁，单胎妊娠，孕周 16 至 22 周，孕前体重指数（BMI）为 24 至 45 kg/m2。患有确诊糖尿病、未确诊睡眠呼吸暂停（定义为通过 WatchPAT One 测定的呼吸暂停低通气指数 [AHI] ≥ 15）和多胎妊娠者被排除。

对于母研究，在初始 28 个月的招募期间（2022 年 10 月 1 日至 2025 年 2 月 28 日）招募了 111 名 AAPW，并对其参与给予了补偿。对于此次二次分析，我们纳入了 55 名完成基线评估并在个体间分析中提供至少 3 天有效睡眠和 CGM 数据的参与者。对于个体内纵向分析，我们纳入了 51 名拥有至少 3 天匹配每日睡眠和 CGM 数据的参与者。由于匹配的每日数据不足，我们排除了 4 名参与者进行个体内分析。

数据收集

对于母研究，参与者完成自报睡眠问卷，进行 7 天可穿戴睡眠监测，并在 7 天期间使用 CGM。医学、产科、社会经济、行为和临床数据在基线（孕 16-22 周）时通过电子健康记录审查、身体测量和在线调查收集。我们选择早至中期妊娠窗口（孕 16-22 周）作为评估睡眠 - 葡萄糖关系的时间点，这是在最大生理性胰岛素抵抗和常规妊娠期糖尿病筛查之前。这一时间框架也与母试验的资格标准相一致，并为符合条件的参与者在分娩前完成干预期及干预后评估提供了充足的时间。

测量

人体测量

受训研究护士在基线评估期间使用直立秤和壁挂式身高计测量身高和体重，并将体重（公斤）除以身高（米）的平方（kg/m2）来计算 BMI。

睡眠健康和身体活动测量

我们使用主观和客观测量方法跨多个维度评估睡眠健康。

主观睡眠质量

我们使用 PSQI 评估主观睡眠质量，这是一个 19 项自我评分工具，采用 4 点李克特量表。PSQI 用于评估过去一个月睡眠的七个组成部分：主观睡眠质量、入睡潜伏期、睡眠时长、睡眠效率、睡眠干扰、睡眠药物使用和白日功能障碍。每个组成部分的评分为 0 到 3 分，分数相加产生一个全球评分，范围从 0 到 21；分数越高表示主观睡眠质量越差。全球评分大于 5 表示主观睡眠质量较差（Buysse 等人，1989）。研究表明 PSQI 在孕妇中具有良好的有效性和可靠性（Cronbach’s α = .83；Christian 等人，2019；Zhong 等人，2015）。

客观睡眠测量和身体活动

我们使用 Fitbit Inspire 2 收集客观睡眠数据，这是一款经过验证的消费级腕式可穿戴设备（Fitbit LLC，旧金山），参与者连续佩戴 7 天以推导睡眠时长、效率、时相、规律性以及作为协变量记录的平均每日步数。Fitbit Inspire 2 此前已通过与多导睡眠图比较验证了估计睡眠参数的准确性（Lim 等人，2023）。

睡眠时长定义为睡眠所花费的总时间。为了最佳健康，成年人通常每晚应获得 7 至 9 小时的睡眠（Watson 等人，2015）。睡眠效率是睡眠时间与在床总时间的比率。睡眠时相计算为睡眠开始和最终醒来时间之间的中点，以小时表示，并在 24 至 48 小时锚定量表上表示（例如，如果睡眠开始时间为晚上 11:00，醒来时间为早上 7:00，中点将为凌晨 3:00，表示为 27.00 h），以保持统计模型中的连续性并防止环绕效应。该指标反映了由昼夜节律钟调节的睡眠 - 觉醒周期的时相。睡眠规律性表示睡眠 - 觉醒计划的一致性，计算为评估期间睡眠中点的标准差（SD）（Reed & Sacco，2016；St-Onge 等人，2025；Watson 等人，2015）。

血糖测量

我们通过 7 天 CGM 数据评估血糖调节。参与者在上臂连续佩戴 Dexcom G6 Pro CGM 传感器（Dexcom Inc., San Diego）7 天，这是一种工厂校准的微创设备。CGM 传感器使用小型皮下电极每 5 分钟自动记录一次组织间液葡萄糖浓度。该传感器已针对静脉血糖测量进行验证，并显示出高准确性（Castorino 等人，2020）。我们指示参与者在监测期间保持正常的日常活动、饮食和身体活动模式。我们使用 iglu R 包的函数作为主要实现，从原始 CGM 轨迹计算 CGM 派生指标，并使用独立的 base-R 计算进行交叉验证，并在 iglu 程序失败时作为内部备用方案。所有计算均由具有代谢数据分析领域专长的研究共同作者（W.A.）完成。

非裔美国孕妇在妊娠期经历不成比例的睡眠障碍和心代谢风险。

对于个体间分析，我们计算血糖控制指标为整个 7 天监测期间所有连续血糖监测读数的平均值，这为每位参与者产生一个总结值。对于个体内分析，我们从午夜到晚上 11:59 之间收集的所有 CGM 读数计算每日值，以便考察睡眠与次日活动血糖结果之间的日间关联。

血糖控制指标包括 (a) 平均血糖 (mg/dl) 或给定时间范围内的平均血糖水平；(b) 血糖标准差 (SD)，一种血糖波动性指标，表示给定时间范围内血糖值相对于同一时期平均血糖的离散程度 (Lazar et al., 2023)；(c) 血糖波动幅度均值 (MAGE, mg/dl)，一种衡量日间血糖波动幅度的指标，作为血糖波动性指数，非糖尿病人群中的典型值约为 27 mg/dl (Akasaka et al., 2017)；以及 (d) 变异系数 (CV)，计算为血糖 SD/均值?100，一种血糖波动性的标准化指标，在非糖尿病个体中通常在 17% 左右波动 (Rodríguez García et al., 2025; Shah et al., 2019)。有效 CGM 数据少于 3 天的参与者被排除在分析之外。至少需要 3 天的有效 CGM 数据，这与先前的可靠性标准一致 (Shah et al., 2019)。

**分析** 我们使用描述性统计量检查所有研究变量的分布，识别异常值，并评估缺失数据。因主要分析所需数据不完整而无法满足要求的参与者被排除在相应的分析之外。纳入分析的参与者的协变量数据是完整的。我们使用均值和标准差总结连续变量，对于非正态分布数据，使用中位数以及第一和第三四分位数 (Q1 和 Q3)，并将分类变量表示为频率和百分比。我们对所有连续研究变量进行了双变量 Pearson 相关分析，包括睡眠维度（PSQI 全球评分以及客观测量的睡眠持续时间、睡眠效率、睡眠时间和睡眠规律性）和血糖结果（平均血糖、血糖 SD、MAGE 和 CV），以描述初步关联并指导后续模型规范。

我们调整了所有回归模型，包括母亲年龄、孕周、妊娠期 BMI、平均每日步数和受教育程度。这些潜在协变量是基于已确定的与妊娠期睡眠和心脏代谢生理学之间的关联而预先确定的。我们还使用逐步回归对所有结果变量进行了筛选，并在多元分析中保留了 p 值 <.20 的协变量。我们在协变量筛选过程中评估了额外的睡眠相关变量，例如 AHI，但由于这些变量与血糖结果缺乏关联（所有 p 值 > .20），因此未纳入最终模型。

**个体间关联** 进行多元线性回归模型以检查个体间关联。每个睡眠维度分别作为每个血糖结果（平均血糖、血糖 SD、MAGE 和 CV）的预测因子进行测试。选择这种方法是为了减少相关睡眠维度之间的多重共线性，并隔离与血糖调节相关的特定领域关联。

**个体内时间关联** 我们使用线性混合效应模型来检查夜间睡眠健康维度（睡眠时间、持续时间和效率）与血糖结果（平均血糖、血糖 SD、MAGE 和 CV）之间的个体内关联。睡眠规律性未纳入个体内分析，因为它本质上是一个反映多日睡眠 - 觉醒模式一致性的个体间构念，而个体内分析检查的是睡眠持续时间、效率和时间相对于每个人平均值的夜间偏差。我们将夜间睡眠健康维度滞后 1 天，以便每晚的睡眠预测次日的血糖结果。对于每个睡眠变量，我们计算了以人为中心的个体内偏差，以捕捉相对于个体平均值的夜间波动，这作为协变量纳入其中。我们在所有模型中包含了时间，以考虑时间趋势和测量期间结果潜在的潜在变化。模型包括参与者的随机截距和自回归一阶残差结构，以考虑重复观测的聚集性和序列相关性。我们使用 STATA Version 17 软件进行所有统计分析，统计显著性设定为 p < .05，符合观察性健康研究中回归分析的传统标准。

**结果** 我们的研究包括了 55 名非糖尿病非裔美国孕妇（AAPW）孕中期的数据。对于个体内纵向分析，纳入了 51 名具有至少 3 天匹配睡眠和 CGM 数据的参与者；这一子群体在人口统计学和临床上与完整的个体间样本（n = 55）相当，具有相似的年龄均值（29.5 对 29.6 岁）、孕周均值（17.7 周）、教育程度（约 64% 完成高中或以下）和 BMI 均值（32.9 对 33.2 kg/m2）。此外，纳入此次要分析的参与者（n = 55）在年龄（p = .42）、孕周（p = .67）、BMI（p = .31）、教育（p = .58）或收入（p = .49）方面，与因数据不足而被排除的参与者（111 名中的 56 名）没有显著差异。

**样本特征** 队列的特征是存在重大的社会经济劣势；约三分之二的参与者（n = 35）具有高中或以下教育程度，三分之一（n = 18）报告家庭年收入低于 25,000 美元，大多数（n = 45）未婚。总体而言，参与者表现出主观睡眠质量差和客观睡眠持续时间短，且睡眠中点明显延迟。平均血糖值在正常临床范围内；然而，参与者表现出显著的血糖波动性，特别是在升高的 MAGE 中反映出来（表 1）。

**表 1. 参与者特征 (N = 55)**
变量类别和变量 n % 均值±SD 中位数 (Q1, Q3)
人口统计学和临床特征
平均年龄 (岁) 29.60 5.51
平均孕周 (周) 17.70 2.70
多产妇 (≥2 次妊娠) 45 81.82
就业状况
全职工作 25 45.45
兼职工作 5 9.10
失业 16 29.09
学生/自雇/不愿回答 9 16.36
家庭收入水平
24,999 美元或以下 18 32.73
25,000–49,999 美元 11 20.00
50,000–74,999 美元 9 16.36
75,000 美元或以上 6 10.91
不愿回答 11 20.00
教育程度
高中或以下 35 63.64
高等教育 20 36.36
婚姻状况
已婚 (或普通法) 10 18.18
单身/离婚/无回答 45 81.82
种族
非西班牙裔非裔美国孕妇 51 92.73
黑人，西班牙裔血统 4 7.27
BMI (kg/m2) 33.15 5.10
空腹血糖 (mg/dl) 80(77.00, 87.00)
平均每日步数 6,269.42(4,551.57, 8,073.86)
睡眠健康和血糖参数
PSQI 评分 6.94 3.07
睡眠持续时间 (分钟) 369.25 6.15 小时 68.52 1.14 小时
睡眠效率 (%) 88.58 1.94
睡眠时间 (中点，小时)a 27.86 凌晨 3:51 1.41
睡眠规律性 (睡眠中点的 SD) 1.65(1.17, 2.16)
平均血糖 (mg/dl) 100.88 12.49
血糖 SD 16.21(13.94, 18.30)
MAGE (mg/dl) 41.98(37.34, 46.70)
CV (%) 16.17(13.82, 18.31)
注。Q1 = 第一四分位数 (第 25 百分位数)；Q3 = 第三四分位数 (第 75 百分位数)；AAPW = 非裔美国孕妇；BMI = 体重指数；PSQI = 匹兹堡睡眠质量指数；MAGE = 血糖波动幅度均值；CV = 变异系数。
a睡眠时间值以 24 至 48 小时锚定刻度表示，以防止回归模型中的环绕效应 (例如，27.86 小时 ≈ 凌晨 3:51)。

**睡眠健康维度与血糖结果之间的关联** 对于个体间分析，调整了母亲年龄、孕周、BMI、平均每日步数和受教育程度的多元回归模型表明，主观睡眠质量较差与更大的血糖波动性显著相关。三种互补的波动性指标（血糖 SD、MAGE 和 CV）之间的关联一致，支持了结果的稳健性。较高的 PSQI 评分与较高的血糖 SD (B = 0.42, 95% 置信区间 (CI) [0.07, 0.76], p = .02)、较高的 MAGE (B = 1.10, 95% CI [0.30, 1.91], p = .01) 和较大的 CV (B = 0.44, 95% CI [0.12, 0.75], p = .01) 相关。没有客观测量的睡眠维度与任何血糖结果显著相关（表 2）。PSQI 与血糖结果指标之间的显著关联如图 1 所示。对于个体内分析，夜间睡眠维度与次日上午血糖结果之间未观察到显著关联（表 3）。

**表 2. 睡眠健康维度与血糖结果个体间关联的回归分析结果 (N = 55)**
睡眠健康维度 平均血糖 血糖 SD MAGE CV
B 95% CI B 95% CI B 95% CI B 95% CI
睡眠质量 (PSQI) ?0.23 [?1.35, 0.89] 0.42? [0.07, 0.76] 1.10? [0.30, 1.91] 0.44? [0.12, 0.75]
睡眠持续时间 ?0.01 [?0.06, 0.03] 0.002 [?0.01, 0.02] 0.01 [?0.03, 0.05] 0.004 [?0.01, 0.02]
睡眠效率 0.41 [?1.30, 2.12] 0.42 [?0.13, 0.98] 1.12 [?0.19, 2.42] 0.33 [?0.19, 0.85]
睡眠时间 ?0.25 [?2.67, 2.17] 0.03 [?0.78, 0.84] 0.41 [?1.49, 2.31] 0.05 [?0.69, 0.80]
睡眠规律性 ?1.10 [?3.93, 1.73] ?0.02 [?0.97, 0.93] 0.32 [?1.92, 2.55] 0.09 [?0.79, 0.96]
注。调整后的模型包括母亲年龄、孕周、体重指数；平均每日步数和受教育程度。值报告至小数点后两位，除非 B 系数 < 0.005，则报告至小数点后三位以避免舍入为 0.00。MAGE = 血糖波动幅度均值；CV = 变异系数；B = 非标准化回归系数；CI, 置信区间；PSQI = 匹兹堡睡眠质量指数。
?p < .05。

下载：下载高分辨率图像 (197KB) 下载：下载全尺寸图像
**图 1. 55 名非糖尿病非裔美国孕妇中匹兹堡睡眠质量指数 (PSQI) 全球评分与血糖波动性测量之间的个体间关联。** (A) 血糖标准差 (SD, mg/dl)。(B) 血糖波动幅度均值 (MAGE, mg/dl)。(C) 变异系数 (CV, %)。每个点代表 1 名参与者，红线表示拟合回归。较高的 PSQI 评分表示睡眠质量较差，与更大的血糖波动性（血糖 SD、MAGE 和 CV）相关。

**表 3. 夜间睡眠健康维度与次日上午血糖结果之间的个体内时间关联 (N = 51)**
睡眠健康维度 平均血糖 血糖 SD MAGE CV
B 95% CI B 95% CI B 95% CI B 95% CI
睡眠持续时间偏差 ?0.004 [?0.01, 0.004] ?0.002 [?0.01, 0.002] ?0.01 [?0.02, 0.01] ?0.001 [?0.01, 0.003]
睡眠效率偏差 0.11 [?0.10 0.32] 0.04 [?0.09, 0.17] 0.08 [?0.34, 0.51] 0.012 [?0.11, 0.13]
睡眠时间偏差 ?0.05 [?0.37, 0.26] 0.003 [?0.18, 0.19] 0.14 [?0.47, 0.75] 0.004 [?0.17, 0.18]
注。由于匹配的日常数据不足，从总样本中排除了 4 名参与者。值报告至小数点后两位，除非 B 系数和 95% CI 界值 < 0.005，则报告至小数点后三位以避免舍入为 0.00。MAGE = 血糖波动幅度均值；CV = 变异系数；B = 非标准化回归系数；CI, 置信区间。
?p < .05。

**讨论** 我们确定了非糖尿病非裔美国孕妇（AAPW）中多个睡眠健康维度与母体血糖调节之间复杂关系的新见解，这是一个面临重大且持续的心脏代谢差异的人群。主观睡眠质量较差持续与更大的血糖波动性相关，包括较高的血糖 SD、MAGE 和 CV，这与母亲年龄、孕周、BMI、平均每日步数和受教育程度无关。与观察到的关联一致，PSQI 每增加 1-SD（相当于 3.07 分；通过将非标准化系数 B 乘以观察到的 PSQI 标准差得出），血糖 SD 增加 1.28 mg/dl，MAGE 增加 3.39 mg/dl，CV 增加 1.34%。鉴于先前证据将升高的血糖波动性与随后的胰岛素抵抗和妊娠期糖尿病风险联系起来 (Hunt et al., 2022; Ku et al., 2024; Quah et al., 2022)，这些效应大小具有临床意义。

主观睡眠质量较差与非裔美国孕妇中更大的血糖波动性相关，这表明睡眠是心脏代谢风险识别的一个可改变因素。重要的是，目前的研究通过也关注血糖 SD、MAGE 和 CV 扩展了文献，这些指标比单独的平均血糖或糖化血红蛋白 A1c 更灵敏地捕捉代谢压力和不稳定，并强调主观睡眠障碍可能与非糖尿病孕妇中更频繁和更宽的血糖波动有关，即使她们的平均血糖在临床上正常。鉴于该队列的高风险特征（平均 BMI 在肥胖范围内且 PSQI 评分表明睡眠质量差），这些发现表明，感知的睡眠困扰可能代表一个潜在有用的标志物，值得作为非裔美国孕妇代谢调节异常的产前筛查指标进行进一步评估。这些发现与已知的机制一致，即睡眠差激活 HPA 轴和交感神经系统，促进胰岛素抵抗和血糖不稳定 (Fuller-Rowell et al., 2019)。

与先前显示睡眠质量差与 GDM 风险增加相关的研究一致 (Cai et al., 2017; Chen et al., 2022; Zhou et al., 2023)，我们的发现通过将关联扩展到 CGM 衍生的血糖波动性而不是传统的口服葡萄糖耐量测试基础结果，扩展了这部分文献。虽然以前的工作主要依赖于第二或第三孕期的单时间点葡萄糖评估，但我们的研究捕捉了非糖尿病妇女孕早期至中期的动态葡萄糖波动。因此，鉴于很少有先前的研究人员使用 CGM 评估非糖尿病孕妇人群的血糖波动性，应与目前的研究谨慎比较。

尽管如此，新兴证据表明，较高的血糖波动性可能与孕期后期发生胰岛素抵抗或 GDM 的风险增加相关 (Ku et al., 2024; Quah et al., 2022)。除了妊娠之外，升高的 MAGE 也被确定为患有既存心血管疾病患者心血管风险的显著预测因子 (Darouei et al., 2025)，这强调了葡萄糖波动的更广泛心脏代谢相关性。虽然这些研究人员没有直接评估睡眠质量，但他们的发现强调了妊娠期即使血糖波动性的适度波动也具有潜在的临床重要性，以及其与随后胰岛素抵抗、GDM 和心脏代谢疾病风险的潜在联系。

**主观与客观睡眠结果之间的差异** 我们观察到主观和客观睡眠测量之间存在明显的差异；主观睡眠质量较差与更大的血糖波动性相关，而客观测量的睡眠持续时间、效率、时间和规律性则没有。这种差异可能代表了测量时间范围和潜在构念之间的差异。PSQI 反映了过去一个月内的习惯性睡眠体验和感知的睡眠相关困扰，而基于 Fitbit 的测量捕捉的是大约 7 天内的短期行为睡眠模式。

此外，这些措施捕捉了睡眠的不同维度。主观睡眠质量涵盖了感知的休息恢复情况、睡眠不满意度和日间损伤等体验因素，这些因素可能更直接地反映与压力相关的生理激活。基于可穿戴设备的指标量化了睡眠 - 觉醒模式，但可能无法捕捉非恢复性睡眠、认知觉醒或细微的睡眠碎片化。此外，消费级设备在检测入睡后觉醒方面的特异性有限，可能会低估睡眠中断情况（de Zambotti 等，2018 年；Haghayegh 等，2019 年；Lee 等，2025 年）。

这种差异表明，感知的睡眠障碍可能与由慢性压力通路介导的代谢过程联系更紧密，而非孤立的睡眠行为参数，特别是在面临较高心理压力的人群中，例如非洲裔美国孕妇（AAPW）。因此，主观睡眠评估可能提供客观测量手段无法捕捉的独特且具有临床意义的见解，这支持在产前护理中纳入主观睡眠筛查，以增强对早期代谢易感性的检测。

在个体间水平上，客观测量的睡眠维度与血糖变异性之间缺乏显著关联，这进一步强调了怀孕期间睡眠 - 代谢关系的复杂性。当孤立地检查持续时间等个别睡眠参数和效率时，可能无法充分捕捉睡眠障碍的多维性和情境依赖性本质。此外，该队列中相对较高的平均睡眠效率可能限制了变异性，并降低了检测关联的能力。这些发现表明，仅靠行为睡眠指标可能不足以识别代谢风险，特别是在没有主观睡眠体验作为背景时。

未发现夜间客观睡眠测量值与次日血糖结果之间存在显著的个体内关联。尽管先前的研究发现主要将睡眠质量差和一致性差与更差的代谢调节联系起来（Huang，2025 年；Huang & Redline，2019 年；Reutrakul & Van Cauter，2018 年；Zuraikit 等，2020 年），但个体内的日度睡眠波动可能不同于稳定的习惯性模式及其相关的代谢特征。这种阴性发现可能反映了几个因素，包括相对较短的监测窗口，这可能限制了捕捉睡眠和葡萄糖模式中有意义变异性的能力，以及可穿戴设备衍生测量值在检测与急性代谢反应相关的夜间睡眠中断波动方面的灵敏度有限。此外，参与者是在孕早期至中期进行评估的，此时胰岛素抵抗仍在发展中，葡萄糖调节的生理缓冲作用可能会减弱短期效应。综合这些考虑因素，检测个体内的睡眠 - 葡萄糖耦合可能需要更长的监测期、更灵敏的测量方法，以及在代谢需求增加的妊娠后期进行评估。未来的研究人员应评估妊娠全程的睡眠 - 葡萄糖关系，以确定关键窗口并为干预的最佳时机提供依据。

局限性

在解释我们的发现时，必须考虑几个局限性。我们进行了二次分析，这限制了我们要检查长期关系或测试干预效果的能力。我们的分析仅限于干预前的基线数据；因此，专注于睡眠的试验参与者可能引入了选择偏差，因为自愿参与的女性在睡眠担忧、健康参与度或其他未测量特征方面可能与更广泛的非洲裔美国孕妇（AAPW）人群存在系统性差异。尽管基于现有的人口统计和临床特征，纳入分析的研究参与者与那些被排除的研究参与者没有显著差异，但由于纳入标准要求有足够的睡眠和 CGM（连续血糖监测）数据，因此不能完全排除选择偏差。特别是，111 名入组参与者中有 55 名（50%）被纳入主要分析，这可能限制了这些发现向更广泛非糖尿病非洲裔美国孕妇（AAPW）人群的外推性。数据完整的参与者可能在未测量特征上与数据不足的参与者不同，这可能限制了发现向更广泛 AAPW 人群的外推性。需要未来进行样本量更大且采取策略以最小化可穿戴设备和 CGM 数据缺失的研究，以确认这些发现。

还应注意到与测量相关的局限性。我们使用 PSQI（匹兹堡睡眠质量指数）评估主观睡眠质量，这依赖于过去一个月的回顾性自我报告，可能会受到回忆偏差、当前情绪或近期睡眠体验的影响，而不是反映整个回忆期的平均睡眠质量。此外，客观睡眠和连续血糖监测的 7 天评估窗口可能不足以捕捉习惯性模式或周与周之间的变异性。更长的监测期（例如，2-4 周）可能会产生睡眠健康和血糖调节更稳定的估计值，并增强个体内关联的检测。

适度的样本量进一步限制了检测较小效应的统计效力，并限制了向这一特定非糖尿病 AAPW 队列之外的外推性。此外，客观睡眠指标来源于消费级可穿戴设备 Fitbit Inspire 2；该设备虽然已验证可用于估计睡眠持续时间和效率，但不能提供临床级体动记录仪或多导睡眠图那样的精度，特别是在检测短暂觉醒或碎片化睡眠方面。最后，主要分析主要采用横断面设计，这阻止了关于睡眠 - 葡萄糖关联方向性的因果推断。

意义

我们的发现表明，主观睡眠质量代表了一个潜在有用的标志物，值得进一步评估作为 AAPW 早期代谢失调的产前筛查指标。将 PSQI 等简短工具纳入常规产前护理可能会增强早期风险识别并支持及时的预防策略，且分数大于 5 可作为实用的阈值，以提示更密切的代谢监测或针对性咨询。将睡眠评估整合到产前工作流程中是可行的，并且可以与现有的临床评估一起实施。重要的是，应在更广泛的社会健康决定因素框架内考虑睡眠健康，因为该人群的睡眠障碍通常是由结构性、环境性和心理压力因素塑造的。护士和助产士处于有利地位，可以提供睡眠健康教育、识别情境障碍，并协调解决睡眠、营养、身体活动和压力的跨学科护理。综合这些方法，可能会改善早期检测并支持怀孕期间更公平的心血管代谢结果。

未来研究方向

未来的研究人员应采用纵向设计并进行重复评估，以更好地表征整个怀孕期间的睡眠 - 葡萄糖关系，并确定脆弱的关键窗口。需要采用高级因果建模方法的研究来阐明个体内的睡眠 - 葡萄糖动态，特别是在面临不成比例的心血管代谢风险的 AAPW 中。基于这些发现，随机试验应评估以睡眠为重点的干预措施是否能降低血糖变异性并降低 GDM（妊娠期糖尿病）的风险。将客观睡眠监测延长至更长时间（例如，2-4 周）可能会在平衡参与者负担的同时改善对个体内变异性的检测。最后，需要进行实施研究，以确定将睡眠筛查和干预策略整合到常规产前护理中的可行性和有效性，以支持可扩展和公平的产妇健康改善。

结论

我们的发现表明，在非糖尿病 AAPW 的怀孕第二孕期，较差的主观睡眠质量独立地与增加的血糖变异性相关。这强调了在怀孕早期作为心血管代谢风险筛查的一部分评估睡眠健康的潜在价值，特别是在 AAPW 中。临床医生可以考虑将简短的睡眠质量评估纳入这一高风险群体的常规产前护理中，以帮助识别可能受益于更密切代谢监测或支持性干预的患者。

Ghada Abu Irsheed|Nicole Genao|Lila Siwakoti|Alana Steffen|William Ackerman|Lauretta Quinn|Lillian Borbas|Genesis Alameda|Rashmika Maganuru|Nisaa Nazeer|Arushi Virmani|Larisa Burke|Bilgay Izci Balserak