《Sleep Epidemiology》：Poor Sleep Quality Among Hospital-Based Healthcare Workers: Quality of Life and Pre-Sleep Digital Device Use in a Single-Centre Cross-Sectional Study
编辑推荐：
摘要专业翻译
目的： 医疗专业人员工作于可能对睡眠和健康产生不利影响的高要求环境中。本研究探讨了医疗专业人员睡眠质量、生活质量、睡前智能手机使用与认知功能之间的关联。
方法： 本研究最初注册为一项针对医院医疗专业人员睡眠模式与认知变化的纵向研究；因参与者岗位变
摘要专业翻译
目的： 医疗专业人员工作于可能对睡眠和健康产生不利影响的高要求环境中。本研究探讨了医疗专业人员睡眠质量、生活质量、睡前智能手机使用与认知功能之间的关联。
方法： 本研究最初注册为一项针对医院医疗专业人员睡眠模式与认知变化的纵向研究；因参与者岗位变动和职责调整导致的失访使纵向随访未能完成，因此本文所报告的分析为基线数据的横断面分析。来自印度卡纳塔克邦一家三级教学医院的98名参与者（58名护士、31名临床研究协调员、8名研究生医学培训生、1名其他医院技术人员）完成了匹兹堡睡眠质量指数（PSQI）、蒙特利尔认知评估（MoCA）、世界卫生组织生活质量量表简表（WHOQOL-BREF）及一份睡前智能手机使用问卷。另有2名已入组参与者在审计后发现其PSQI总分超出量表有效范围且无法恢复原始数据而被排除。研究采用Spearman相关分析（因数据非正态分布而指定为主要方法，同时报告Pearson相关作为敏感性分析）、独立样本比较及多元线性回归（校正年龄、性别、手机使用、职业及生活方式协变量）。
结果： 45.9%的参与者（45/98；95% CI 36.4–55.8%；平均PSQI 5.33 ± 2.75）存在睡眠质量不佳（PSQI >5）。PSQI评分与WHOQOL-BREF评分呈显著负相关（Spearman ρ = ?0.41，Pearson r = ?0.47；均p < 0.001）。睡眠质量不佳者报告的生活质量低于睡眠良好者（均差 = 10.21分；Cohen's d = 0.76）。睡前智能手机使用与较差的睡眠质量呈正相关（Spearman ρ = 0.30，Pearson r = 0.28；均p < 0.01）。在校正年龄、性别、手机使用、职业及生活方式协变量的多变量模型中，PSQI在所拟合模型内与生活质量独立相关（标准化β = ?0.42，p < 0.001）。睡眠质量与MoCA评分之间未发现显著关联（Spearman ρ = 0.02，p = 0.88）；一项未预期的探索性关联——睡前手机使用与MoCA评分之间的正相关（Spearman ρ = 0.31，p = 0.002，BH校正后p = 0.005）——被报告并谨慎解读。
结论： 在本单中心便利样本（包括护士、临床研究协调员、研究生医学培训生及其他医院技术人员）中，睡眠质量不佳较为普遍，并在所拟合模型内与生活质量降低相关。睡前智能手机使用是睡眠质量较差的横断面行为相关因素，也是未来干预研究的候选靶点。本研究最初注册为睡眠与认知变化的纵向研究；因失访未能完成纵向随访，本文所报告的结果仅为横断面、基线关联。
论文解读
一、研究背景与研究意义
睡眠对于身体恢复、情绪调节和认知表现至关重要。医疗专业人员——尤其是护士和研究生医学学员——长期处于高压工作环境中，面临长时间工作、轮班制度和不可预测的排班安排，这些因素会扰乱昼夜节律并损害睡眠质量。虽然慢性睡眠障碍对老年人的长期神经退行性后果已被广泛记录，但对年轻在职医疗专业人员中中度睡眠障碍的即时生活质量后果的关注相对较少。
职业健康文献已确立，医护人员睡眠障碍的发生率显著高于普通人群，并对医疗差错、工作场所事故和职业倦怠产生下游影响。然而，大多数现有研究关注极端睡眠剥夺或长期认知结局，在理解日常中度睡眠障碍如何影响年轻专业劳动力的日常健康方面存在空白。
另一个新兴关注点是睡前数字设备使用在睡眠医学中的作用。智能手机和平板电脑发出的蓝光会抑制褪黑素分泌并延迟昼夜节律时相，可能加剧已有的睡眠困难。医护人员经常因专业沟通和压力缓解而使用设备，可能尤其暴露于这种模式。识别晚间设备使用与睡眠质量之间的关系，为行为干预提供了可操作的靶点。
尽管实验室条件下睡眠剥夺会急性损害注意力、工作记忆和执行功能，但在真实世界的年轻健康成人样本中，习惯性自我报告睡眠质量与认知筛查表现之间的关系尚不明确。年轻人可能拥有更大的认知储备或代偿能力，可缓冲适度睡眠紊乱带来的影响。
本研究对现有文献有三方面贡献：第一，报告了南亚医院职业样本的数据，将护理人员与临床研究协调员相结合，后者尽管具有可比的轮班相关工作模式，但通常未出现在该文献中；第二，在同一基线样本中联合评估了睡眠质量、WHOQOL-BREF四个领域的生活质量、认知筛查和自我报告的睡前数字设备使用，从而可以探索这些领域之间的关系；第三，透明地展示了完整数据审计和重分析对真实职业健康数据集的影响——包括对无效子样本的纠正、回归模型的扩展以及多重检验的校正——因为由此产生的变化（修正的患病率估计、增强的主要关联以及先前报告的次要相关性的消失）说明了此类横断面分析对数据清理和分析选择的敏感性。
二、研究设计与方法概述
本研究为横断面观察性研究，报告了一项最初注册为前瞻性纵向研究项目的基线数据。研究在印度卡纳塔克邦Belagavi的一家三级教学医院开展，伦理批准由机构伦理委员会（EC/NEW/INST/2022/2571）获得。纳入标准为21–50岁成年人，在医院担任护士或注册为研究生医学生至少三个月。排除标准包括诊断的神经系统疾病、近三个月使用影响睡眠或认知的药物、需要治疗的精神疾病、创伤性脑损伤史或昏迷状态以及妊娠。招募于2024年1月4日至2024年4月20日进行。
研究采用普遍抽样方法，共入组100名参与者，其中2名因PSQI总分（25和28）超出量表有效范围（0–21）且无法从原始数据重建而被排除，最终分析样本为98人。审计发现32.7%的参与者为临床研究协调员或医院技术人员而非护士或研究生医学培训生，构成方案偏离，但研究人员将其保留在主要分析中，并进行了仅限护士和研究生培训生的敏感性分析。
数据收集工具包括：匹兹堡睡眠质量指数（PSQI）评估过去一个月的睡眠质量；蒙特利尔认知评估（MoCA）进行认知筛查；世界卫生组织生活质量量表简表（WHOQOL-BREF）评估四个领域的生活质量；以及单项自报睡前手机使用时长。此外还收集了生活方式协变量（茶、咖啡、酒精、烟草使用和体育锻炼）和职业信息。所有工具均以英文原版实施。
统计分析方面，由于PSQI、WHOQOL-BREF总分、睡前手机使用和MoCA均显著偏离正态分布（Shapiro-Wilk检验），Spearman's ρ被指定为主要相关系数，Pearson's r作为敏感性分析。采用Benjamini-Hochberg错误发现率校正处理多重检验。多元线性回归以WHOQOL-BREF总分为因变量，PSQI、年龄、性别、睡前手机使用、职业、茶、咖啡、酒精使用和体育锻炼为自变量。回归诊断包括方差膨胀因子、Cook's距离和残差正态性检验。
三、研究结果
参与者特征： 最终分析样本为98名医院医护人员，以年轻人为主（平均年龄27.36 ± 5.41岁，中位数26岁），性别分布接近均衡（51.0%女性）。职业构成为：护士59.2%（n=58）、临床研究协调员31.6%（n=31）、研究生医学培训生8.2%（n=8）、其他医院技术人员1.0%（n=1）。大多数未婚（69.4%），合并症极少。
描述性统计： 校正后样本的平均PSQI为5.33 ± 2.75（范围1–17）。使用>5的有效截止值，45.9%的参与者（45/98；Wilson 95% CI 36.4–55.8%）被分类为睡眠质量不佳者。平均MoCA为24.99 ± 2.63（范围17–30）；55.1%的参与者得分低于常规正常阈值26。WHOQOL-BREF领域得分以身体健康领域最高（15.86 ± 2.57），社会关系领域最低（14.73 ± 3.78）。平均睡前手机使用时间为47.04 ± 44.58分钟。
相关分析： PSQI与WHOQOL-BREF之间的关联（主要分析）显著且稳健（Spearman ρ = ?0.41，Pearson r = ?0.47；均校正后p < 0.001）。PSQI与手机使用之间的预设次要分析同样一致（Spearman ρ = 0.30，校正后p = 0.005；Pearson r = 0.28，校正后p = 0.015）。探索性分析中，PSQI与MoCA之间未检测到有意义的相关（Spearman ρ = 0.02，校正后p = 0.88）。两项未预设的探索性关联在校正后显著：睡前手机使用与WHOQOL-BREF呈负相关（Spearman ρ = ?0.27，校正后p = 0.011），与MoCA呈正相关（Spearman ρ = 0.31，校正后p = 0.005）——后者为反直觉发现，被报告为需要复制的探索性结果。
亚组分析（睡眠良好者与睡眠不佳者比较）： 睡眠良好者（n=53）的WHOQOL-BREF得分显著高于睡眠不佳者（n=45）（均差 = 10.21分；t = 3.74，p < 0.001；d = 0.76，中到大效应量）。睡眠不佳者睡前手机使用平均比睡眠良好者多24.6分钟（Mann-Whitney U = 834.5，p = 0.010）。MoCA得分在两组间无显著差异（均差 = 0.15分；t = 0.27，p = 0.79；d = 0.06）。
多元线性回归： 以WHOQOL-BREF总分为因变量的扩展回归模型显著（n = 96；R2 = 0.301，校正R2 = 0.228；F[9, 86] = 4.12，p < 0.001）。PSQI是模型中唯一与WHOQOL-BREF得分独立相关的变量（B = ?2.17，95% CI ?3.20至?1.15，标准化β = ?0.42，p < 0.001）；PSQI每增加1分（睡眠更差），WHOQOL-BREF估计降低2.17分。年龄、性别、手机使用、职业、茶、咖啡和锻炼均未达显著水平；酒精使用呈非显著趋势（B = ?6.38，p = 0.096）。回归诊断未显示模型假设的实质性违反。仅限护士和研究生培训生的敏感性分析（n = 66）未实质性改变主要PSQI–WHOQOL-BREF关联（Spearman ρ = ?0.39，Pearson r = ?0.48，均p < 0.01），表明样本职业构成并非驱动核心发现的因素。
四、讨论与结论总结
讨论部分总结： 本研究有四项主要发现：睡眠质量不佳普遍存在（45.9%）且与生活质量显著降低相关；睡前数字设备使用是睡眠质量较差的横断面行为相关因素；MoCA测量的认知功能与睡眠质量在基线样本中无显著关联；以及一项未预期的发现——睡前手机使用越多与MoCA得分越高相关，属于需要复制的探索性结果。
PSQI与WHOQOL-BREF之间的负相关（Spearman ρ = ?0.41，Pearson r = ?0.47）和中到大亚组效应量（d = 0.76）是本研究最稳健的发现。该发现在Spearman和Pearson分析中一致，在多变量模型校正后持续存在，且在仅限护士和研究生培训生的敏感性分析中保持稳健。然而，鉴于横断面设计，残余混杂和反向因果无法排除。
睡前手机使用与PSQI的一致正相关（Spearman ρ = 0.30，p = 0.003）识别出一个具体、合理的行为相关因素。睡眠不佳者每晚睡前手机使用平均比睡眠良好者多24.6分钟。但反向因果无法排除：失眠个体可能正是因为无法入睡而增加设备使用。在多变量模型中，手机使用在纳入PSQI和其他协变量后不再与生活质量独立相关（标准化β = ?0.03，p = 0.78）。
PSQI与MoCA之间缺乏有意义关联（Spearman ρ = 0.02，p = 0.88）应被解读为在该基线横断面样本中未检测到关联，而非睡眠与认知无关的证据。可能的解释包括：年轻人可能通过认知储备缓冲适度睡眠紊乱；MoCA主要设计用于检测老年人的神经退行性衰退，对年轻高功能样本的亚临床变异可能敏感性不足；更敏感的工具可能揭示筛查工具无法捕捉的效应。55.1%的参与者得分低于常规MoCA阈值26，但研究人员警告不应将此解读为广泛认知损伤的证据，因为该阈值主要源自老年人群研究，印度人群的规范研究已发现相当比例的认知正常成人得分低于标准阈值。
结论部分翻译： 本单中心便利样本（包括护士、临床研究协调员、研究生医学培训生及其他医院技术人员）中，近半数（45.9%）参与者符合PSQI标准的睡眠质量不佳，且睡眠质量较差与所拟合模型内的生活质量降低相关。睡前数字设备使用是睡眠质量较差的横断面行为相关因素，代表未来干预研究的候选靶点，但需要纵向数据来确定方向性，且本研究未测试任何干预措施。睡眠质量与MoCA评估的认知功能在基线时未发现显著关联；由于本研究最初注册的纵向认知变化结局因参与者失访而未能完成，这一零结果应被理解为基线探索性结果，而非睡眠与认知在该人群中无关的证据。这些发现强调了睡眠健康作为值得进一步职业研究的主题，包括对晚间设备使用限制、睡眠卫生教育和排班调整等工作场所干预措施的正式评估，本研究均未测试这些措施。需要采用客观睡眠测量和重复认知评估的纵向研究来确定该人群的睡眠紊乱是否与认知随时间的变化相关。
