跳到正文
可穿戴与测量科学横断面研究3 分钟阅读

老年人睡眠效率逐夜波动越大,认知测试得分越低

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Association Between Sleep Efficiency Variability and Cognition Among Older Adults: Cross-Sectional Accelerometer Study. · JMIR aging · 2024 · 论文原文 ↗

先看重点

在1074名有加速度计数据的65岁以上美国成年人中,睡眠效率的逐日波动越大,数字符号替换测试(校正后β = -2.01,每增加10%)和动物流畅性测试(-0.84)的得分越低,但词语学习测试无此关联。数据为横断面,认知变差也可能反过来扰乱睡眠。

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

睡眠质量较好与老年期较好的思维能力相关,但睡眠逐夜的稳定性是否也重要尚不清楚。作者利用加速度计数据和3项认知测试,检验睡眠效率的逐日变异性是否与认知功能相关。

研究了谁,如何研究

横断面分析,使用美国国家健康与营养调查(NHANES)中65岁以上、加速度计佩戴至少5天且完成数字符号替换测试(DSST)、CERAD词语学习子测试(CERAD-WL)和动物流畅性测试(AFT)的成年人。睡眠效率由机器学习算法得出。模型校正了年龄、性别、教育、收入、婚姻状况、抑郁症状、糖尿病、吸烟、饮酒、关节炎、心脏病、既往心肌梗死、既往卒中,以及日常生活活动能力和工具性日常生活活动能力。作者还检验了平均睡眠效率作为对照。

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
    在1074名老年人中,平均睡眠效率低者的睡眠效率变异性更高(Pearson r = -0.63)。
  2. 2
    校正后,平均睡眠效率更高(每增加10%)与更高的DSST得分(β = 2.25,95%置信区间0.61至3.90)和AFT得分(β = 0.91,95%置信区间0.27至1.56)相关。
  3. 3
    在未校正模型中,变异性更大(每增加10%)与更差的得分相关:DSST β = -3.34(95%置信区间-5.33至-1.34),CERAD-WL β = -1.00(95%置信区间-1.79至-0.21),AFT β = -1.02(95%置信区间-1.68至-0.36)。
  4. 4
    在完全校正模型中,变异性仍与较低的DSST(β = -2.01,95%置信区间-3.62至-0.40)和AFT(β = -0.84,95%置信区间-1.47至-0.21)得分相关,但与CERAD-WL无关(β = -0.65,95%置信区间-1.39至0.08)。

局限与不确定性

  1. 1
    横断面研究,无法说明睡眠不稳是否导致认知变差,还是认知衰退使睡眠更不规律。
  2. 2
    变异性与平均效率高度相关(r = -0.63),因此难以分离变异性的独立贡献。
  3. 3
    睡眠效率来自加速度计算法而非多导睡眠监测,最少5天的记录对逐夜变化的观察也有限。
  4. 4
    本解读仅基于摘要。

对日常健康的启示

结果提示,除总体睡眠质量外,睡眠规律稳定对老年人的思维能力可能也有意义,但并不能证明稳定睡眠就能保护认知。如果担心记忆或睡眠问题,请咨询医生。

如何联系自己的数据

许多手表和指环会给出睡眠效率,你可以在几周内查看它逐夜的波动范围。设备估计不如实验室检测精确,应在同一设备上比较自己的波动,而不是与他人比较绝对数值。

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 efficiency is often used as a measure of sleep quality. Getting sufficiently high-quality sleep has been associated with better cognitive function among older adults; however, the relationship between day-to-day sleep quality variability and cognition has not been well-established.

Objective

We aimed to determine the relationship between day-to-day sleep efficiency variability and cognitive function among older adults, using accelerometer data and 3 cognitive tests.

Methods

We included older adults aged >65 years with at least 5 days of accelerometer wear time from the National Health and Nutrition Examination Survey (NHANES) who completed the Digit Symbol Substitution Test (DSST), the Consortium to Establish a Registry for Alzheimer's Disease Word-Learning subtest (CERAD-WL), and the Animal Fluency Test (AFT). Sleep efficiency was derived using a data-driven machine learning algorithm. We examined associations between sleep efficiency variability and scores on each cognitive test adjusted for age, sex, education, household income, marital status, depressive symptoms, diabetes, smoking habits, alcohol consumption, arthritis, heart disease, prior heart attack, prior stroke, activities of daily living, and instrumental activities of daily living. Associations between average sleep efficiency and each cognitive test score were further examined for comparison purposes.

Results

A total of 1074 older adults from the NHANES were included in this study. Older adults with low average sleep efficiency exhibited higher levels of sleep efficiency variability (Pearson r=-0.63). After adjusting for confounding factors, greater average sleep efficiency was associated with higher scores on the DSST (per 10% increase, β=2.25, 95% CI 0.61 to 3.90) and AFT (per 10% increase, β=.91, 95% CI 0.27 to 1.56). Greater sleep efficiency variability was univariably associated with worse cognitive function based on the DSST (per 10% increase, β=-3.34, 95% CI -5.33 to -1.34), CERAD-WL (per 10% increase, β=-1.00, 95% CI -1.79 to -0.21), and AFT (per 10% increase, β=-1.02, 95% CI -1.68 to -0.36). In fully adjusted models, greater sleep efficiency variability remained associated with lower DSST (per 10% increase, β=-2.01, 95% CI -3.62 to -0.40) and AFT (per 10% increase, β=-.84, 95% CI -1.47 to -0.21) scores but not CERAD-WL (per 10% increase, β=-.65, 95% CI -1.39 to 0.08) scores.

Conclusions

Targeting consistency in sleep quality may be useful for interventions seeking to preserve cognitive function among older adults.

来源与署名

Association Between Sleep Efficiency Variability and Cognition Among Older Adults: Cross-Sectional Accelerometer Study.

Sakal C, Li T, Li J, Yang C, Li X.

JMIR aging · 2024-04-04

DOI: 10.2196/54353 ↗PubMed · 38596863 ↗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 →