睡眠质量与跌倒风险：ELSA研究的横断面与前瞻性队列研究

《Brain and Behavior》：Sleep Quality and Falls Risk in the ELSA Study: A Cross-Sectional and Prospective Cohort Study

　　

摘要

背景
随着人口老龄化，跌倒是公共卫生面临的重大挑战。既往研究表明，睡眠质量差可能增加跌倒风险，但针对英国50岁及以上成人的证据仍然有限。本研究旨在探讨睡眠质量与跌倒及新发跌倒之间的关联，并分析潜在的内在机制。

方法
本研究分析了英国老龄化纵向研究（English Longitudinal Study of Ageing, ELSA）的数据。在基线时评估睡眠质量与跌倒的横断面关联，并通过第4波至第8波之间为期4年的随访数据进行前瞻性分析，评估新发跌倒情况。睡眠质量采用Jenkins睡眠量表（Jenkins Sleep Scale, JSS）进行测量。采用Logistic回归模型评估关联，采用限制性立方样条（restricted cubic spline, RCS）分析剂量-反应关系。应用机器学习方法识别跌倒风险因素，并通过中介分析探索潜在的作用路径。

结果
横断面分析共纳入9,734名参与者（平均年龄68.11岁；女性占54.34%），其中2,446人报告发生跌倒。在校正协变量后，较差的睡眠质量与较高的跌倒风险独立相关（OR = 1.07，95% CI: 1.05–1.09，p < 0.0001）。前瞻性分析共纳入3,224名参与者（平均年龄68.32岁；女性占53.16%），其中1,452人报告发生新发跌倒。研究结果与横断面分析相似（OR = 1.04，95% CI: 1.01–1.07，p < 0.05）。RCS分析显示，随着睡眠质量变差，跌倒风险增加（总体p值 < 0.05）。LASSO回归和Boruta算法均识别出抑郁症状为不同研究设计中的关键变量。中介分析表明，抑郁症状分别介导了睡眠质量与跌倒及新发跌倒关联的28.24%和28.20%。

结论
在50岁及以上成人中，睡眠质量差与跌倒风险升高显著相关。抑郁症状可能部分介导了这一关联。同时针对睡眠质量和抑郁症状的干预措施可能有助于减少该人群的跌倒风险。

睡眠质量与跌倒风险：基于ELSA研究的系统解读

一、研究背景与目的

跌倒是指个体非故意地倒落至地面或更低平面的事件，在65岁及以上人群中，自1990年以来跌倒发生率已上升182%，给个人、家庭和社会带来沉重负担。睡眠质量作为包含主观感受与客观指标的多维概念，其评估工具包括匹兹堡睡眠质量指数、Jenkins睡眠量表及失眠严重程度指数。既往研究提示睡眠质量差与跌倒风险增加存在关联，然而基于英国50岁及以上全国代表性人群的横断面与前瞻性整合证据仍较缺乏。此外，神经生物学研究表明，睡眠紊乱可能通过损害前额叶皮层功能和海马依赖过程扰乱认知与情绪调节相关脑网络，从而增加抑郁症状易感性；而抑郁症状又可能通过认知衰退、注意力受损和运动协调能力下降进一步增加跌倒风险。因此，睡眠质量、抑郁症状与跌倒之间可能存在复杂的通路联系。本研究基于ELSA数据，结合机器学习算法与中介分析方法，系统探究睡眠质量与跌倒及新发跌倒的关联，并评估抑郁症状的中介作用，旨在为跌倒预防策略提供循证依据。

二、研究方法概述

本研究数据来源于英国老龄化纵向研究，这是一项覆盖英格兰50岁及以上成人的全国代表性队列研究，通过面对面计算机辅助个人访谈和自填问卷每两年收集一次数据。横断面分析以第4波为主，并纳入第6、8波新增队列，排除重复个体后共9,734人；前瞻性分析纳入基线未发生跌倒者3,224人，随访至第6波和第8波。睡眠质量采用JSS进行评估，包含入睡困难、夜间反复醒来、醒后疲倦和整体睡眠不满意四个条目，总分范围4至16分，并划分为好、中等和差三组。主要统计方法包括：多变量Logistic回归分析评估关联，限制性立方样条分析剂量-反应关系，LASSO回归结合Boruta算法筛选关键变量，中介分析检验潜在路径，并开展亚组与敏感性分析验证结果稳健性。

三、主要研究结果

3.1 基线特征

横断面分析中，跌倒组相比于非跌倒组年龄更大、女性及不在职者比例更高，JSS评分更高、睡眠质量好者比例更低、睡眠时间更短。跌倒组高血压、糖尿病、心脏病和慢性肺病患病率更高，抑郁症状也更严重。前瞻性分析中新发跌倒组的年龄、性别、职业、JSS评分、睡眠质量、教育程度、婚姻状况、体力活动、饮酒、心脏病和抑郁症状等分布与横断面分析相似，但睡眠时长、高血压、糖尿病和慢性肺病无显著组间差异。

3.2 睡眠质量与跌倒的关联

横断面分析显示，JSS评分与跌倒风险显著正相关，且在校正全部协变量后关联仍稳健（OR = 1.07，95% CI: 1.05–1.09，p < 0.0001）。相对于睡眠质量差的参与者，睡眠质量中等（OR = 0.76）和良好（OR = 0.65）者的跌倒风险均显著降低。RCS分析显示JSS评分与跌倒风险呈线性正相关（总体p值 < 0.001，非线性p值 > 0.05）。前瞻性分析中，JSS评分每增加1分，新发跌倒风险增加4%（OR = 1.04，95% CI: 1.01–1.07，p < 0.05），睡眠质量好者新发跌倒风险较睡眠质量差者低27%（OR = 0.73，95% CI: 0.57–0.93，p = 0.01），结果与横断面分析一致。

3.3 变量筛选

LASSO回归和Boruta算法在横断面分析中共同识别出心脏病、抑郁症状、JSS评分、年龄和婚姻状况为关键变量；在前瞻性分析中共同识别出心脏病、抑郁症状、JSS评分和年龄为关键变量。两种机器学习方法在不同研究设计中的结果具有一致性，增强了变量选择结果的可靠性。

3.4 中介效应分析

中介分析显示，在横断面分析中，抑郁症状显著介导JSS评分与跌倒的关联，中介比例为28.24%；在前瞻性分析中，抑郁症状显著介导JSS评分与新发跌倒的关联，中介比例为28.20%。年龄因本质上具有时间依赖性而未作为中介变量纳入，婚姻状况因主要反映社会背景也未纳入中介分析。

3.5 亚组分析

横断面分析中，年龄、性别和体力活动对睡眠质量与跌倒的关联存在显著交互作用。良好的睡眠质量与跌倒风险降低之间的关联在60–70岁成人、男性和体力活动频率较低的参与者中更为明显。尽管关联强度在不同亚组间存在差异，但整体方向一致：较好的睡眠质量与较低的跌倒可能性相关。前瞻性分析中，各亚组均未观察到统计学显著的交互作用。

3.6 敏感性分析

排除睡眠时长小于6小时或大于9小时的参与者后，睡眠质量与跌倒及新发跌倒的关联仍然稳健。睡眠时长本身在横断面分析中与跌倒呈U型非线性关联，最低风险出现于约6.85小时，但在前瞻性分析中无显著关联。进一步调整第6波镇静催眠药使用情况或排除相关用药者后，主要发现保持稳定，抑郁症状的中介效应依然显著。

四、讨论与结论

本研究基于ELSA全国代表性队列数据，采用横断面和前瞻性双重设计证实睡眠质量差与跌倒和新发跌倒风险升高显著相关。睡眠质量差可能通过损害肌原纤维蛋白合成、降低线粒体呼吸能力等途径影响神经肌肉功能；同时，睡眠紊乱可通过下丘脑-垂体-肾上腺轴功能改变和情绪调节受损促进抑郁症状发生，而抑郁症状又通过执行功能障碍、精神运动减慢和注意力缺陷等机制增加跌倒易感性。抑郁症状在睡眠质量与跌倒关联中发挥部分中介作用，提示其可能是可干预的重要靶点。非药物干预如针对失眠的认知行为疗法、有氧运动、抗阻训练和太极等，已被证实可同时改善睡眠质量和缓解抑郁症状。本研究存在以下局限：跌倒事件基于自我报告可能引入回忆偏倚；缺乏客观睡眠测量手段；随访过程中存在失访偏倚；未能获得精确的跌倒时间数据而使用Logistic回归而非生存分析；结果外推至其他人群需谨慎。未来研究应整合可穿戴设备获取客观睡眠与活动监测数据，开展更大规模和跨地区研究，以进一步优化老年人跌倒风险管理策略。

研究结论：本研究通过横断面和前瞻性设计，证实以JSS测量的睡眠质量差与跌倒和新发跌倒风险升高显著相关，该发现在敏感性和亚组分析中保持稳定。LASSO回归和Boruta算法识别出的抑郁症状介导了这一关联。未来研究应评估同时改善睡眠质量和抑郁症状的干预措施是否能够降低跌倒风险，从而为50岁及以上成人制定临床可行的跌倒预防策略提供支持。该论文发表于《Brain and Behavior》。