跳到正文
可穿戴与测量科学横断面研究3 分钟阅读

腕戴传感器测得的睡眠差异见于各类精神科诊断,但效应较小

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Association of accelerometer-derived sleep measures with lifetime psychiatric diagnoses: A cross-sectional study of 89,205 participants from the UK Biobank. · PLoS medicine · 2021 · 论文原文 ↗

先看重点

在89205名英国生物银行参与者中,有终身住院精神科诊断者在10项腕戴加速度计睡眠指标中,中位数有8.5项与其他人不同,但效应较小(最大β为-0.11,95%置信区间-0.13至-0.10,见于抑郁症与睡眠效率)。这是横断面分析,诊断往往早于睡眠记录。

证据类型

横断面研究

解读依据

公开摘要

阅读重点

关联与混杂

研究在问什么

睡眠问题既是许多精神障碍的症状,也是危险因素,腕戴加速度计能在大规模人群中客观测量睡眠。作者检验了加速度计睡眠指标与精神科诊断及遗传风险评分的关系。

研究了谁,如何研究

英国生物银行的事后横断面分析。从2013至2015年89205名43至79岁参与者(女性占56%,97%自报为白人)的7天加速度计记录中提取10项睡眠指标(就寝时间、起床时间、睡眠时长、入睡后清醒时间、睡眠效率、觉醒次数、最长睡眠片段、小睡次数,以及就寝时间和睡眠时长的变异性)。与重度抑郁症、焦虑障碍、双相障碍/躁狂和精神分裂症谱系障碍的终身住院诊断,以及抑郁症、双相障碍和精神分裂症的多基因风险评分作比较。模型校正年龄、季节、性别、汤森剥夺指数和10个基因型主成分。

主要发现

以下为作者报告的结果。数字须连同人群和不确定性一起阅读。

  1. 1
    睡眠差异非常普遍:每种诊断在10项睡眠指标中中位数有8.5项与之相关。
  2. 2
    睡眠质量指标(如睡眠效率)总体上比单纯睡眠时长受影响更大。
  3. 3
    效应较小。最大的是终身住院重度抑郁症诊断与睡眠效率的关联,β=-0.11(95%置信区间-0.13至-0.10;p=3×10-56)。
  4. 4
    这些关联在不同血统和性别中大体可重复,加速度计指标与自我报告的睡眠一致。

局限与不确定性

  1. 1
    基于加速度计的睡眠估计是通过活动推断睡眠,作者将其列为局限。
  2. 2
    精神科诊断与加速度计记录之间存在时间间隔,因此没有测到确诊时的睡眠。
  3. 3
    横断面事后分析,效应方向未知;样本97%自报为白人,且只计入住院诊断。
  4. 4
    本解读仅基于摘要。

对日常健康的启示

各类精神科诊断都伴有睡眠差异,尤其是睡眠质量而不仅是时长,但每项差异都很小。拥有某种睡眠模式并不意味着你已有或会得精神疾病。对情绪或睡眠的担忧应与医生讨论。

如何联系自己的数据

腕戴可穿戴设备也提供类似指标,如睡眠效率、觉醒次数、就寝时间及其变异性。请使用同一设备,比较自己数周的均值,尤其是就寝时间是否规律,不要过度解读某一晚或很小的差别。

如何理解这类证据

同一时期的测量通常不能确定方向或因果;症状可能改变行为,不能只按行为导致症状解释。

作者的结构化摘要 English

以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。

Background

Sleep problems are both symptoms of and modifiable risk factors for many psychiatric disorders. Wrist-worn accelerometers enable objective measurement of sleep at scale. Here, we aimed to examine the association of accelerometer-derived sleep measures with psychiatric diagnoses and polygenic risk scores in a large community-based cohort.

Methods and findings

In this post hoc cross-sectional analysis of the UK Biobank cohort, 10 interpretable sleep measures-bedtime, wake-up time, sleep duration, wake after sleep onset, sleep efficiency, number of awakenings, duration of longest sleep bout, number of naps, and variability in bedtime and sleep duration-were derived from 7-day accelerometry recordings across 89,205 participants (aged 43 to 79, 56% female, 97% self-reported white) taken between 2013 and 2015. These measures were examined for association with lifetime inpatient diagnoses of major depressive disorder, anxiety disorders, bipolar disorder/mania, and schizophrenia spectrum disorders from any time before the date of accelerometry, as well as polygenic risk scores for major depression, bipolar disorder, and schizophrenia. Covariates consisted of age and season at the time of the accelerometry recording, sex, Townsend deprivation index (an indicator of socioeconomic status), and the top 10 genotype principal components. We found that sleep pattern differences were ubiquitous across diagnoses: each diagnosis was associated with a median of 8.5 of the 10 accelerometer-derived sleep measures, with measures of sleep quality (for instance, sleep efficiency) generally more affected than mere sleep duration. Effect sizes were generally small: for instance, the largest magnitude effect size across the 4 diagnoses was β = -0.11 (95% confidence interval -0.13 to -0.10, p = 3 × 10-56, FDR = 6 × 10-55) for the association between lifetime inpatient major depressive disorder diagnosis and sleep efficiency. Associations largely replicated across ancestries and sexes, and accelerometry-derived measures were concordant with self-reported sleep properties. Limitations include the use of accelerometer-based sleep measurement and the time lag between psychiatric diagnoses and accelerometry.

Conclusions

In this study, we observed that sleep pattern differences are a transdiagnostic feature of individuals with lifetime mental illness, suggesting that they should be considered regardless of diagnosis. Accelerometry provides a scalable way to objectively measure sleep properties in psychiatric clinical research and practice, even across tens of thousands of individuals.

来源与署名

Association of accelerometer-derived sleep measures with lifetime psychiatric diagnoses: A cross-sectional study of 89,205 participants from the UK Biobank.

Wainberg M, Jones SE, Beaupre LM, Hill SL, Felsky D, Rivas MA, Lim ASP, Ollila HM, Tripathy SJ.

PLoS medicine · 2021-10-12

DOI: 10.1371/journal.pmed.1003782 ↗PubMed · 34637446 ↗Europe PMC · 记录的开放许可: cc by ↗

摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。

MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅

来源核验日期 2026-11-01

实用健康指南

放在一起读

·队列研究

加速度计处理方法不同,身体活动与卒中、心肌梗死的关联曲线也不同

在英国生物银行中,基线无心血管疾病的90237名成年人随访至2022年12月,共发生1298例卒中和2031例心肌梗死;中高强度身体活动(MVPA)与这两种结局的关联曲线形状,取决于加速度计数据的处理方法。就卒中而言,只有机器学习法得到直线下降的风险;就心肌梗死而言,机器学习法和LFENMO法呈曲线下降,活动计数法呈直线下降。摘要没有给出风险比,只能说明不同方法的结论不一致,不能说明哪种方法更正确,而且这些只是观察性关联。

Preventive Medicine

重点论文精讲阅读论文 →
·测量验证研究/综述

智能手表数据能当“证人”吗:心率验证得最充分,其余证据参差

一项围绕数字取证展开的系统评价和荟萃分析,梳理了四大主流品牌智能手表的验证研究,发现心率是研究最多、也最准确的指标。步数、距离、能量消耗、活动分类和睡眠的验证不够一致,结果因品牌、方案和报告方式而异。摘要没有给出汇总数据,且多数研究是在健康人群中、于实验室内完成的,所以无法说明某一块手表对某个人在日常生活中的表现。

Forensic Science International

重点论文精讲阅读论文 →
·综述的综述

活动追踪器:每天多走约1800步,对其他健康指标影响较小

这项伞形综述汇总了39篇系统评价和荟萃分析,涉及163992名参与者;结果显示使用活动追踪器与身体活动增加相关(标准化均数差SMD为0.3–0.6),相当于每天多走约1800步、多步行40分钟,体重减轻约1公斤。对血压、胆固醇、糖化血红蛋白、生活质量和疼痛的影响通常很小,且多数不显著。摘要没有说明这些项目里追踪器还搭配了什么,也没有说明各评价之间重叠多少,因此不能把效果完全归功于设备本身。

The Lancet Digital Health

重点论文精讲阅读论文 →
·测量验证研究/综述

七款睡眠追踪设备:识别睡着很准,识别醒着和睡眠分期较差

在睡眠实验室里,34名健康的年轻成年人连续三晚佩戴七款消费级睡眠追踪设备中的若干款。与多导睡眠监测相比,所有设备识别睡眠都很准(灵敏度均不低于0.93),但识别清醒较差(特异度0.18–0.54),七款中有五款与研究用活动记录仪(特异度0.39)持平或更好;睡眠分期的估计结果不稳定。受试者是18至35岁的健康成年人,卧床时间固定为8小时,每款设备只在其中11至20人身上测试,因此对有睡眠问题的人几乎没有参考价值。

Sleep

重点论文精讲阅读论文 →
可穿戴与测量科学 →