跳到正文
穿戴裝置與測量科學橫斷面研究3 分鐘閱讀

腕戴感測器測得的睡眠差異見於各類精神科診斷,但效應較小

MoveVitals 編輯部 · 研究發表 · 解讀更新

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 · 論文原文 ↗

先看重點

在89205名英國生物銀行參與者中,有終身住院精神科診斷者在10項腕戴加速度計睡眠指標中,中位數有8.5項與其他人不同,但效應較小(最大β為-0.11,95%置信區間-0.13至-0.10,見於憂鬱症與睡眠效率)。這是橫斷面分析,診斷往往早於睡眠記錄。

證據類型

橫斷面研究

解讀依據

公開摘要

閱讀重點

關聯與混雜

研究在問什麼

睡眠問題既是許多精神障礙的症狀,也是危險因素,腕戴加速度計能在大規模族群中客觀測量睡眠。作者檢驗了加速度計睡眠指標與精神科診斷及遺傳風險評分的關係。

研究對象與方法

英國生物銀行的事後橫斷面分析。從2013至2015年89205名43至79歲參與者(女性佔56%,97%自報為白人)的7天加速度計記錄中提取10項睡眠指標(就寢時間、起床時間、睡眠時長、入睡後清醒時間、睡眠效率、覺醒次數、最長睡眠片段、小睡次數,以及就寢時間和睡眠時長的變異性)。與重度憂鬱症、焦慮障礙、雙相障礙/躁狂和精神分裂症譜系障礙的終身住院診斷,以及憂鬱症、雙相障礙和精神分裂症的多基因風險評分作比較。模型校正年齡、季節、性別、湯森剝奪指數和10個基因型主成分。

主要發現

以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。

  1. 1
    睡眠差異非常普遍:每種診斷在10項睡眠指標中中位數有8.5項與之相關。
  2. 2
    睡眠質量指標(如睡眠效率)總體上比單純睡眠時長受影響更大。
  3. 3
    效應較小。最大的是終身住院重度憂鬱症診斷與睡眠效率的關聯,β=-0.11(95%置信區間-0.13至-0.10;p=3×10-56)。
  4. 4
    這些關聯在不同血統和性別中大體可重複,加速度計指標與自我報告的睡眠一致。

限制與不確定性

  1. 1
    基於加速度計的睡眠估計是透過活動推斷睡眠,作者將其列為侷限。
  2. 2
    精神科診斷與加速度計記錄之間存在時間間隔,因此沒有測到確診時的睡眠。
  3. 3
    橫斷面事後分析,效應方向未知;樣本97%自報為白人,且只計入住院診斷。
  4. 4
    本解讀僅基於摘要。

日常健康啟示

各類精神科診斷都伴有睡眠差異,尤其是睡眠質量而不僅是時長,但每項差異都很小。擁有某種睡眠模式並不意味著你已有或會得精神疾病。對情緒或睡眠的擔憂應與醫師討論。

如何連結自己的資料

腕戴穿戴式裝置也提供類似指標,如睡眠效率、覺醒次數、就寢時間及其變異性。請使用同一裝置,比較自己數週的均值,尤其是就寢時間是否規律,不要過度解讀某一晚或很小的差別。

如何理解這類證據

同一時期的測量通常不能確定方向或因果;症狀可能改變行為,不能只按行為導致症狀解釋。

作者的結構化摘要 English

以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。

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.

來源與署名

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 · 所記錄的開放授權: cc by ↗

摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。

MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱

來源查核日期 2026-11-01

實用健康指南

放在一起讀

·世代研究

加速度計處理方法不同,身體活動與中風、心肌梗死的關聯曲線也不同

在英國生物銀行中,基線無心血管疾病的90237名成年人追蹤至2022年12月,共發生1298例中風和2031例心肌梗死;中高強度身體活動(MVPA)與這兩種結局的關聯曲線形狀,取決於加速度計資料的處理方法。就中風而言,只有機器學習法得到直線下降的風險;就心肌梗死而言,機器學習法和LFENMO法呈曲線下降,活動計數法呈直線下降。摘要沒有給出風險比,只能說明不同方法的結論不一致,不能說明哪種方法更正確,而且這些只是觀察性關聯。

Preventive Medicine

重點論文精講閱讀論文 →
·測量驗證研究/回顧

智慧手錶資料能當「證人」嗎:心率驗證得最充分,其餘證據參差

一項圍繞數字取證展開的系統評價和統合分析,梳理了四大主流品牌智慧手錶的驗證研究,發現心率是研究最多、也最準確的指標。步數、距離、能量消耗、活動分類和睡眠的驗證不夠一致,結果因品牌、方案和報告方式而異。摘要沒有給出彙總資料,且多數研究是在健康族群中、於實驗室內完成的,所以無法說明某一塊手錶對某個人在日常生活中的表現。

Forensic Science International

重點論文精講閱讀論文 →
·回顧的回顧

活動追蹤器:每天多走約1800步,對其他健康指標影響較小

這項傘形綜述彙總了39篇系統評價和統合分析,涉及163992名參與者;結果顯示使用活動追蹤器與身體活動增加相關(標準化均數差SMD為0.3–0.6),相當於每天多走約1800步、多步行40分鐘,體重減輕約1公斤。對血壓、膽固醇、糖化血紅蛋白、生活質量和疼痛的影響通常很小,且多數不顯著。摘要沒有說明這些專案裡追蹤器還搭配了什麼,也沒有說明各評價之間重疊多少,因此不能把效果完全歸功於裝置本身。

The Lancet Digital Health

重點論文精講閱讀論文 →
·測量驗證研究/回顧

七款睡眠追蹤裝置:識別睡著很準,識別醒著和睡眠分期較差

在睡眠實驗室裡,34名健康的年輕成年人連續三晚佩戴七款消費級睡眠追蹤裝置中的若干款。與多導睡眠監測相比,所有裝置識別睡眠都很準(靈敏度均不低於0.93),但識別清醒較差(特異度0.18–0.54),七款中有五款與研究用活動記錄儀(特異度0.39)持平或更好;睡眠分期的估計結果不穩定。受試者是18至35歲的健康成年人,臥床時間固定為8小時,每款裝置只在其中11至20人身上測試,因此對有睡眠問題的人幾乎沒有參考價值。

Sleep

重點論文精講閱讀論文 →
穿戴裝置與測量科學 →