多维睡眠健康与全因死亡率：睡眠心脏健康研究中的反事实风险估算及成分特异性贡献

《Sleep Medicine》：Multidimensional sleep health and all-cause mortality: Counterfactual risk estimation and component-specific contributions in the sleep heart health study

　　

摘要

背景

多维睡眠健康与死亡率相关，但大多数证据基于传统的关联模型，且在假设睡眠健康改善下的人群水平风险方面提供的信息有限。

方法

我们纳入了睡眠心脏健康研究（SHHS）中的 4382 名成人，具有基线多导睡眠图、基于问卷的睡眠评估、协变量和死亡率随访。评估了六个睡眠健康领域：时长、连续性、时机、嗜睡/清醒度、架构和睡眠障碍。计算了从 0 到 6 的复合睡眠健康评分，评分越高表示睡眠健康越好。基于 Cox 模型的 g-computation 估计了 1 年、5 年和 10 年的人群标准化死亡率风险。实用情景将每位参与者的观测评分提高最多 1 或 2 分，上限为 6 分；成分特异性分析将个别领域设定为健康水平，而其他领域保持观测值。

结果

在中位随访 4327 天期间，发生了 926 例死亡。每高 1 分的评分与较低的全因死亡率相关（HR, 0.924; 95% CI, 0.875-0.977）。观测评分下的标准化 10 年风险为 16.78%。将评分提高最多 1 分和 2 分分别产生 15.82%（RD, ?0.96 个百分点；95% CI, ?1.63 至 ?0.34）和 15.06%（RD, ?1.72 个百分点；95% CI, ?2.92 至 ?0.61）的风险。灵活建模表明存在温和的非线性并减弱了增量估计。连续性和时机具有最大的单独成分特异性风险差异，但在 Holm 校正后均未保持显著。

结论

更好的多维睡眠健康与较低的死亡率相关。实用的假设性改善与标准化 10 年死亡率风险的温和降低相关。

引言

睡眠是维持身心健康的基本生物过程。近年来，睡眠健康的概念已从单一维度（例如睡眠时长）发展为多维构念。2025 年，美国心脏协会将多维睡眠健康定义为“适应个体、社会和环境需求并促进整体健康的睡眠 - 觉醒模式”，涵盖时长、连续性、时机、规律性、日间功能、睡眠架构和睡眠障碍等领域 [1]。这一转变将睡眠健康定位为公共卫生和心脏代谢风险评估的关键组成部分。

虽然单个睡眠维度与死亡风险相关，但新兴证据表明，复合评估可能比任何单一指标提供更全面的预后信息。在多民族动脉粥样硬化研究中，Chung 等人从 13 个多导睡眠图和体动记录仪指标中推导出了有利的睡眠健康评分；评分每高 1 个标准差（反映更好的睡眠健康），全因死亡风险降低 25%，其中夜间规律性、总睡眠时间和呼吸暂停低通气指数是最大的驱动因素 [2]。相比之下，在睡眠心脏健康研究中，Xing 等人开发了一种结合血氧饱和度、睡眠纺锤波密度、睡眠效率和快速眼动百分比的特定死亡率风险评分；这里，评分每增加 1 分（反映更差的睡眠健康），死亡风险增加 10% [3]。全国健康访谈调查的分析显示，遵守健康的睡眠模式与患有动脉粥样硬化性心血管疾病的成人全因死亡率降低 26% 以及预期寿命延长约 3 年相关 [4]。综上所述，这些研究强调了多维睡眠评估在死亡风险分层中的预测价值。

重要的是，预测和人群标准化假设对比解决的是不同的问题。现有研究已确立关联和预后效用，但对于在睡眠健康分布发生特定变化下模型基于的绝对风险会有何不同提供的信息有限。此外，复合评分通常使用数据驱动方法推导，对改变临床可解释的睡眠维度的含义洞察有限。

在潜在结果框架下，g-computation 可作为标准化程序，用于在指定的假设暴露情景下预测结果，并在观测协变量分布上对这些预测取平均值。这些对比可以表示为人群水平的风险差和风险比 [5]。在多维睡眠健康的背景下，g-computation 允许评估对整体睡眠健康的联合干预和对个别睡眠维度的成分特异性干预，为系统水平和维度特异性效应提供互补的见解 [6]。

本研究的目的是表征睡眠心脏健康研究中多维睡眠健康与全因死亡率之间的关联，并估计在指定的假设睡眠健康情景下的人群标准化死亡率风险。除了固定评分水平外，我们还评估了从每位参与者观测评分出发的实用增量改善、成分特异性情景和探索性联合领域情景。

章节片段

参与者

我们分析了睡眠心脏健康研究（SHHS）的数据，这是一项由美国国家心脏、肺和血液研究所发起的美国多中心、基于社区的队列研究，旨在检查睡眠呼吸障碍的健康后果 [7]。参与者通过 Framingham、Hagerstown、Minneapolis/St. Paul、Sacramento、Pittsburgh、Tucson、纽约和 Strong Heart Study 站点的既定流行病学亲本队列和中心招募。亲本队列中 40 岁或以上的参与者是

结果

在 5804 名可用的 SHHS1 参与者中，1422 名根据预设分析标准被排除，剩余 4382 名参与者（图 S1）。中位年龄为 63 岁，50.9% 为女性，中位 BMI 为 27.4 kg/m²。队列以白人为主（84.5%）；现患高血压为 41.4%，糖尿病 6.8%，心血管疾病 15.0%。根据观测睡眠健康评分的基线特征见表 1。在睡眠领域方面，67.9% 具有推荐时长，

讨论

在这个基于社区的队列中，更好的多维睡眠健康与较低的全因死亡率相关，但这种关系比整个 0-6 评分范围内的均匀线性梯度更为复杂。连续评分提供了整体的反向总结关联，而灵活分析表明超额风险主要集中在多维睡眠健康最差的参与者中。实用假设性增加最多 1 或 2 分

结论

在这个基于社区的队列中，更好的多维睡眠健康与较低的全因死亡率相关。基于从观测睡眠健康分布出发的适度改善的人群标准化情景表明，10 年死亡率风险有较小但可能有意义的绝对降低，尽管其大小对函数形式和额外的临床调整敏感。最高的超额风险集中在整体睡眠

CRediT 作者贡献声明

Qingfeng Zhang: 写作 – 初稿，方法学，正式分析，概念化。Beini Zhou: 写作 – 初稿，正式分析。Yuhan Wang: 写作 – 审阅和编辑，调查，数据整理。Jingyi Zhang: 写作 – 审阅和编辑，调查。Yixuan Wang: 写作 – 审阅和编辑，资源，调查，资金获取。Ke Hu: 写作 – 审阅和编辑，监督，项目管理，概念化。

数据共享

本研究使用的数据通过国家睡眠研究资源（NSRR）在批准的数据使用协议下从睡眠心脏健康研究（SHHS）获得。SHHS 数据集可供合格研究人员通过 NSRR（https://sleepdata.org）在注册和批准数据访问请求后使用。作者不被允许重新分发原始个体层面 SHHS 数据。本研究中使用的分析代码可向通讯作者索取

伦理声明

睡眠心脏健康研究（SHHS）已获各参与中心的机构审查委员会批准，并已获得所有参与者的书面知情同意。本研究中使用的去标识化 SHHS 数据集是在数据使用协议下从国家睡眠研究资源（NSRR）获得的。本次对去标识化数据的二次分析经武汉大学人民医院伦理委员会审查和批准。

稿件准备过程中生成式人工智能和人工智能辅助技术的声明

在准备图形摘要期间，作者使用 DeepSeek 生成图像初稿。使用此工具后，作者仔细审阅、验证和编辑了输出，以确保准确性、清晰性并符合期刊标准。作者对发表工作的内容承担全部责任。

资金支持

本研究由中国博士后科学基金资助：2025M782238。

利益冲突声明

作者声明他们不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

致谢

睡眠心脏健康研究（SHHS）由国家心脏、肺和血液研究所合作协议U01HL53916（加州大学戴维斯分校）、U01HL53931（纽约大学）、U01HL53934（明尼苏达大学）、U01HL53937和U01HL64360（约翰霍普金斯大学）、U01HL53938（亚利桑那大学）、U01HL53940（华盛顿大学）、U01HL53941（波士顿大学）和U01HL63463（凯斯西储大学）支持。国家睡眠研究资源由支持

Qingfeng Zhang|Beini Zhou|Yuhan Wang|Jingyi Zhang|Yixuan Wang|Ke Hu