先看重點
在1074名有加速度計資料的65歲以上美國成年人中,睡眠效率的逐日波動越大,數字符號替換測試(校正後β = -2.01,每增加10%)和動物流暢性測試(-0.84)的得分越低,但詞語學習測試無此關聯。資料為橫斷面,認知變差也可能反過來擾亂睡眠。
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
睡眠質量較好與老年期較好的思維能力相關,但睡眠逐夜的穩定性是否也重要尚不清楚。作者利用加速度計資料和3項認知測試,檢驗睡眠效率的逐日變異性是否與認知功能相關。
研究對象與方法
橫斷面分析,使用美國國家健康與營養調查(NHANES)中65歲以上、加速度計佩戴至少5天且完成數字符號替換測試(DSST)、CERAD詞語學習子測試(CERAD-WL)和動物流暢性測試(AFT)的成年人。睡眠效率由機器學習演算法得出。模型校正了年齡、性別、教育、收入、婚姻狀況、憂鬱症狀、糖尿病、吸菸、飲酒、關節炎、心臟病、既往心肌梗死、既往中風,以及日常生活活動能力和工具性日常生活活動能力。作者還檢驗了平均睡眠效率作為對照。
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在1074名老年人中,平均睡眠效率低者的睡眠效率變異性更高(Pearson r = -0.63)。
- 2校正後,平均睡眠效率更高(每增加10%)與更高的DSST得分(β = 2.25,95%置信區間0.61至3.90)和AFT得分(β = 0.91,95%置信區間0.27至1.56)相關。
- 3在未校正模型中,變異性更大(每增加10%)與更差的得分相關:DSST β = -3.34(95%置信區間-5.33至-1.34),CERAD-WL β = -1.00(95%置信區間-1.79至-0.21),AFT β = -1.02(95%置信區間-1.68至-0.36)。
- 4在完全校正模型中,變異性仍與較低的DSST(β = -2.01,95%置信區間-3.62至-0.40)和AFT(β = -0.84,95%置信區間-1.47至-0.21)得分相關,但與CERAD-WL無關(β = -0.65,95%置信區間-1.39至0.08)。
限制與不確定性
- 1橫斷面研究,無法說明睡眠不穩是否導致認知變差,還是認知衰退使睡眠更不規律。
- 2變異性與平均效率高度相關(r = -0.63),因此難以分離變異性的獨立貢獻。
- 3睡眠效率來自加速度計演算法而非多導睡眠監測,最少5天的記錄對逐夜變化的觀察也有限。
- 4本解讀僅基於摘要。
日常健康啟示
結果提示,除總體睡眠質量外,睡眠規律穩定對老年人的思維能力可能也有意義,但並不能證明穩定睡眠就能保護認知。如果擔心記憶或睡眠問題,請諮詢醫師。
如何連結自己的資料
許多手錶和指環會給出睡眠效率,你可以在幾週內檢視它逐夜的波動範圍。裝置估計不如實驗室檢測精確,應在同一裝置上比較自己的波動,而不是與他人比較絕對數值。
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 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.
來源與署名
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 · 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
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
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
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
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

