失眠的长期轨迹及其生活方式与健康相关因素

《Sleep Health》：Long-term trajectories of insomnia and their lifestyle and health correlates

　　

**摘要**

**目的：** 失眠在普通人群中非常普遍。研究人员旨在识别长期失眠轨迹，检验轨迹归属的基线预测因素，并评估生活方式因素和健康结局在这些轨迹中的演变情况。

**方法：** 数据来源于瑞典纵向职业健康调查（Swedish Longitudinal Occupational Survey of Health, SLOSH），共纳入15,807名参与者，其在2010年至2018年间每两年进行一次重复睡眠评估。潜在类别轨迹模型（latent class trajectory modeling）识别出4条不同的失眠轨迹。多项逻辑回归（multinomial logistic regression）检验了轨迹归属的基线预测因素，重复测量回归模型（repeated-measures regression models）评估了与生活方式因素以及躯体疾病和精神疾病发病率的纵向关联。

**结果：** 共识别出4条轨迹，分别为：低水平稳定型、上升型、下降型和持续高水平失眠概率型。与低水平稳定型轨迹相比，所有高风险轨迹组在基线时均包含更高比例的女性、年龄较轻者、身体活动水平较低者、体质指数（body mass index, BMI）较高者，以及睡眠呼吸暂停（sleep apnea）、神经系统疾病和精神疾病患病率更高者。在随访期间，上升型和持续高水平轨迹组的体质指数增长更为迅速，而下降型轨迹组的身体活动水平有所增加。与未患病者相比，持续高水平失眠轨迹组的个体精神疾病发病率及睡眠时长的增加也更为迅速。

**结论：** 高风险失眠轨迹与不良生活方式特征及随时间推移的发病率增加相关，而失眠概率的下降则伴随着身体活动水平的增加。这些发现强调了失眠的动态性和异质性，以及生活方式因素和不断演变的发病率在长期失眠模式中的相关性。

**影响与相关性声明**

**已知内容：** 失眠症状在普通人群中很常见，并与生活质量受损以及精神和心脏代谢疾病风险增加相关。既往研究表明，失眠常随时间波动，存在持续、缓解和复发阶段。然而，很少有基于人群的重复长期评估的大型研究探讨不同失眠轨迹与生活方式因素及不断演变的发病率之间的关系。

**本研究的新增内容：** 本研究利用近十年内在大型人群队列中的重复测量，识别出4条不同的失眠概率轨迹，包括稳定型、上升型、下降型和持续高水平型。高风险轨迹与不良生活方式特征（包括较低的身体活动水平和较高的体质指数）以及更高的精神疾病发病率相关。失眠概率的改善伴随着身体活动水平的增加，凸显了失眠的动态性以及生活方式因素对长期睡眠健康的相关性。

**论文解读：失眠长期轨迹及其生活方式与健康相关因素**

**研究背景与目的**

失眠在普通人群中具有很高的患病率，并与生活质量受损、精神疾病及心脏代谢疾病风险增加以及医疗资源利用增多密切相关。纵向研究证据表明，失眠症状随时间推移可能缓解、复发或持续存在，良好睡眠与失眠之间的转换颇为常见。持续存在的失眠相较于发作性或缓解性症状似乎带来更大的健康风险，这强调了区分不同纵向病程的重要性。尽管既往研究已描述了失眠轨迹的异质性，但大部分现有证据基于有限的评估次数或相对较短的随访期，且较少有研究考察失眠轨迹与生活方式因素及发病率在较长时期内的同步变化。为此，本研究利用瑞典纵向职业健康调查（Swedish Longitudinal Occupational Survey of Health, SLOSH）中15,807名参与者的重复睡眠测量数据，旨在识别长期失眠轨迹、检验轨迹归属的基线预测因素，并评估生活方式因素及躯体疾病和精神疾病发病率在这些轨迹中的演变情况。

**研究方法与技术**

SLOSH是一项始于2006年的针对在职成年人的持续纵向队列研究，其研究对象最初通过瑞典工作环境调查（Swedish Work Environment Surveys, SWES）抽取，覆盖全国16至64岁的就业人群。随访数据通过邮寄问卷每两年收集一次。失眠采用基于症状的标准进行定义，要求同时存在夜间睡眠紊乱和日间后果：每周至少3次出现至少1种夜间睡眠紊乱（入睡困难、反复觉醒或早醒），同时每周至少2次出现持续性疲劳。身体活动采用四级自报测量，低身体活动定义为类别1-2，高身体活动定义为类别3-4。利用瑞典唯一的个人身份识别号，将问卷数据与瑞典国家患者登记册和死因登记册关联，以获取心血管疾病（ICD-10代码I00-I99）、癌症（ICD-10代码C00-C97）、神经系统疾病（ICD-10代码G00-G99）和精神疾病（ICD-10代码F00-F99）的患病及新发诊断信息。在29,651名符合条件的参与者中，有15,807人在2010年至2018年间至少提供了3次调查数据而被纳入分析。研究采用分组轨迹建模（group-based trajectory modeling）识别失眠的纵向轨迹，多项逻辑回归考察轨迹归属的基线预测因素，广义混合模型（generalized mixed models）评估时间变化因素与轨迹组的纵向关联。统计分析使用SAS 9.4版本完成。

**主要研究结果**

**轨迹识别：** 分组轨迹建模基于重复测量的夜间失眠症状和日间疲劳识别出4条失眠概率轨迹：低水平稳定型（第1组，n=12,873，81.4%）、上升型（第2组，n=1,732，11.0%）、下降型（第3组，n=339，2.1%）和持续高水平型（第4组，n=863，5.5%）。下降型轨迹的特征是最初失眠症状负担较高，随后失眠概率随时间逐渐降低，符合部分缓解的模式。

**基线预测因素：** 与低水平稳定型轨迹相比，所有高风险轨迹组中女性、年龄较轻、低身体活动、较高体质指数、睡眠呼吸暂停、神经系统疾病和精神疾病的几率均更高。其中，睡眠呼吸暂停和精神疾病与轨迹归属的关联最强，尤其是在持续高水平失眠概率组中，精神疾病的比值比（odds ratio, OR）为2.95（95%置信区间 2.36-3.70），睡眠呼吸暂停的OR为4.74（95%置信区间 3.40-6.60）。当前吸烟和心血管疾病与上升型和持续高水平失眠组的归属几率增加相关，但与下降型失眠组无关。

**纵向变化：** 所有轨迹组中，心血管疾病、癌症、神经系统疾病和精神疾病的患病率均随时间增加，符合队列中老龄化相关疾病负担累积的预期。与低水平稳定组相比，上升型和持续高水平组的体质指数随时间增长更为陡峭（β=0.20，95%置信区间分别为0.17-0.23和0.16-0.25，对比低水平稳定组β=0.10，95%置信区间0.08-0.11）；下降型轨迹组的身体活动水平在随访期间增加更为显著；持续高水平组的心理疾病随时间增加更快（β=0.21，95%置信区间0.16-0.26，对比低水平稳定组β=0.14，95%置信区间0.12-0.15），且报告睡眠时长的上升趋势也更明显（β=0.10，95%置信区间0.08-0.12，对比低水平稳定组β=0.07，95%置信区间0.06-0.07）。

**讨论与结论**

本研究通过以人为中心的建模方法，识别出4条不同的失眠概率轨迹，支持失眠应被视为一种动态状态的观念。基线因素如女性、年龄较轻、低身体活动、较高体质指数、睡眠呼吸暂停以及神经系统和精神疾病，一致地区分了高风险失眠轨迹与低水平稳定轨迹。睡眠呼吸暂停与持续高水平失眠轨迹之间的强关联，与失眠和阻塞性睡眠呼吸暂停共病（co-morbid insomnia and sleep apnea, COMISA）的既往证据一致。纵向变化方面，持续或恶化的失眠往往伴随不良生活方式和心理健康状况，而失眠改善则伴随着身体活动的增加。持续高水平失眠组中精神疾病增加更快，结合基线时精神疾病的关联，提示失眠与精神疾病可能共享潜在的生物学机制。报告睡眠时长的更快速增加应谨慎解读，可能反映卧床时间延长或对睡眠质量差的代偿反应，而非睡眠改善。研究局限包括：队列仅包含在职成年人，可能限制向非就业人群或重症患者的推广性；轨迹分析要求至少参与3次调查，可能选择更稳定的参与者；失眠症状和生活方式因素均基于自我报告，可能存在错分偏倚；职业因素和失眠治疗等信息未纳入分析，可能存在残余混杂。

研究结论指出，工作人群中的失眠遵循不同的长期轨迹。高风险轨迹以不良生活方式特征和随时间增加的发病率为特征，而失眠概率下降则伴随着身体活动增加。这些发现支持将失眠概念化为一种动态且异质的状况，并强调了生活方式因素、精神易感性和不断演变的发病率在塑造长期失眠模式中的相关性。