多维度睡眠健康与痴呆风险:英国生物银行的一项前瞻性研究

Multi-dimensional sleep health and dementia risk: a prospective study in the UK Biobank

英国英文科学研究
新闻源:BMC Medicine
2025-07-16 03:02:48阅读时长19分钟9288字
多维度睡眠健康痴呆风险睡眠健康评分睡眠健康模式阿尔茨海默病血管性痴呆全因痴呆失眠打鼾白天嗜睡

摘要

背景

各种睡眠特征之间的复杂相互作用可能通过不同的致病途径影响痴呆风险。然而,很少有研究探讨多维度睡眠健康与痴呆风险的关系,或者探索不同痴呆亚型的潜在病因异质性。

方法

我们的研究包括了313,248名在2006年至2010年间无痴呆的英国生物银行参与者,年龄≥50岁。通过初级保健、住院记录或死亡记录,使用验证算法识别事件性痴呆,直至2022年。基于七个自我报告的睡眠相关因素评估多维度睡眠健康,并以两种方式评估:(1)使用预先设定的睡眠健康评分(SHS),范围从0到7,分数越高表示睡眠越健康;(2)通过潜类分析确定数据驱动的睡眠健康模式。我们使用Cox比例风险模型估计多维度睡眠健康与全因痴呆、血管性痴呆(VaD)和阿尔茨海默病(AD)风险之间的关联。

结果

经过4,165,352人年的随访后,出现了7,458例事件性全因痴呆病例(1,636例VaD,3,376例AD)。在调整潜在混杂因素后,SHS为0-2(最差睡眠)与6-7(最佳睡眠)参与者的危险比(95% CI)分别为:全因痴呆1.76(1.52, 2.05)(p趋势<0.0001),VaD 2.13(1.61, 2.83)(p趋势<0.0001),AD 1.55(1.22, 1.97)(p趋势<0.57)。我们确定了六种多维度睡眠健康模式,包括相对健康的睡眠、伴有短睡眠时间的失眠、伴有晚间作息类型的非恢复性睡眠、伴有非恢复性睡眠的失眠、打鼾伴白天嗜睡和午睡以及严重扰乱的睡眠伴多种症状和白天功能障碍。相比于健康睡眠模式,其他五种睡眠模式均显著与8-85%的更高全因痴呆风险和11-148%的更高VaD风险相关,而只有严重扰乱的睡眠模式与56%的更高AD风险相关(95% CI: 1.21, 2.01)。

结论

无论通过简单的SHS评估还是通过睡眠集群特征描述,不良的多维度睡眠健康都与更高的事件性痴呆风险相关。多维度睡眠健康模式及其与不同痴呆结果的关联存在显著异质性。理解与痴呆风险相关的特定睡眠健康特征可能有助于识别高风险人群并提供更精准的干预措施。

背景

越来越多的证据支持睡眠健康在老年人群中的重要作用,展示了其对改善认知功能、减轻痴呆风险和促进整体健康老龄化方面的积极影响。先前的研究已将睡眠时长、睡眠质量及睡眠相关特征(如作息类型)以及睡眠障碍和相关的睡眠紊乱及日间症状与痴呆风险联系起来[1,2,3,4,5,6,7,8]。然而,这些研究的主要局限在于通常单独考察睡眠健康因素与痴呆风险的关系,忽略了多个睡眠表型的共现和潜在交互作用。需要一种更为全面的方法来充分理解睡眠健康与痴呆风险之间复杂的关联。

提出了多维度睡眠健康框架,以应对个体睡眠健康因素很少单独存在的事实[9, 10]。相反,某些睡眠因素往往聚集在一起,形成具有重要临床意义的独特睡眠表型[11, 12]。例如,失眠是一种高度异质性的疾病[13,14,15,16]。具体来说,伴有客观短睡眠时间的失眠被认为是一种更具生物学严重性的表型,与不良的心脏代谢和神经认知结局相关[13, 14]。共病性失眠和睡眠呼吸暂停(COMISA)代表了比单一疾病更强的糖尿病和心血管疾病的危险因素,在共同管理这两种疾病时提出了临床挑战[15, 16]。此外,失眠可能是由昼夜节律失调引起的,继发于共病条件(如慢性疼痛),或者是对压力生活事件的短暂反应。因此,不考虑其他共存的睡眠维度就考察睡眠健康因素与痴呆风险之间的关联,无法捕捉潜在的病因复杂性和睡眠问题的真实健康影响,可能导致误导性的结论。

睡眠健康存在既定的年龄和性别差异。随着年龄的增长,睡眠时长趋于减少[17],失眠症状在女性中更为普遍[18],而睡眠呼吸暂停在男性中更为常见[19]。然而,目前尚不清楚年龄和性别如何改变睡眠健康与痴呆风险之间的关系。作为一种可能可改变的生活方式因素,睡眠健康可能与遗传易感性相互作用,加剧或减轻痴呆风险。然而,这些基因-睡眠互动尚未完全阐明,尤其是在多维度睡眠健康的背景下。在本研究中,我们旨在推导出多维度框架下的睡眠健康模式,并评估不同睡眠健康模式如何与英国生物银行中的事件性痴呆风险相关。多维度睡眠健康通过预先设定的睡眠健康评分(SHS)和基于七个自我报告因素的数据驱动的睡眠健康模式进行评估。我们假设更多的不健康睡眠因素会更强烈地与痴呆风险增加相关,并且这种关联会在识别出的不同睡眠健康模式中有所不同。

方法

研究人群

英国生物银行是一项大规模队列研究,招募了超过50万名年龄在37至73岁之间的英国成年人,旨在改善多种疾病的预防、诊断和治疗。在基线(2006-2010年),参与者完成了综合问卷调查(包括睡眠健康)、体格测量,并提供了用于生化检测和基因分型的生物样本。疾病发生情况通过链接医疗保健数据前瞻性识别。我们的研究聚焦于基线时年龄≥50岁的384,940名参与者。排除了任何睡眠健康因素信息缺失或无效的参与者(n = 71,531)或已有痴呆的参与者(n = 161)后,313,248名参与者被纳入分析。

睡眠评估

参与者完成了一份触屏问卷,评估他们在七个重要维度上的睡眠健康:(1)睡眠时长,(2)失眠症状,(3)非恢复性睡眠,(4)打鼾,(5)白天嗜睡,(6)小憩,以及(7)作息类型。评估问题及回答的详细分类见补充文件1:表S1。简而言之,在排除了报告睡眠时间<3小时或>14小时的参与者后,我们将睡眠时长分为短(<7小时)、中(7-8小时)和长(>8小时),以允许与痴呆结果的潜在非线性关系。为了反映作息类型是一个连续梯度特质(20),作息类型被分为早晨型(明确的“早起”型)、中间型(更“早起”而非“晚睡”型,或更“晚睡”而非“早起”型)和晚上型(明确的“晚睡”型)。其余五个因素作为二元变量进行评估。由于睡眠障碍在老年人群中很常见,报告“有时”经历失眠、白天嗜睡或小憩的参与者与报告“从未/很少”的参与者合并。这种分类有助于集中在临床上相关的睡眠模式上,同时尽量减少因短期、偶发性睡眠障碍导致的潜在误分类。

SHS是预先设定的,符合每个七项标准得1分,否则得0分:7-8小时的睡眠时间、没有频繁的失眠症状、白天嗜睡或小憩、没有自报打鼾、恢复性睡眠和中间型作息。SHS范围从0到7,得分越高表示睡眠越健康。根据分布情况,SHS进一步分为四组,分别代表最小(6-7)、轻度(5)、中度(3-4)和重度(0-2)睡眠障碍。

为了评估基线自我报告睡眠测量的稳定性,我们在两组参与者中计算了SHS的组内相关系数(ICC)和个别睡眠因素的Cohen's kappa值。第一组包括2009-2013年重复睡眠评估的12,010名参与者,第二组包括2019-2023年重复评估的3,318名参与者。对于第一组,SHS的ICC(平均相隔4.2年测量)为0.58,Cohen's kappa值从嗜睡的0.35到打鼾的0.65不等。相比之下,对于第二组(评估相隔12.2年),SHS的ICC为0.43,kappa值从嗜睡的0.22到打鼾的0.53不等。总体而言,自我报告的睡眠健康在老年人中随时间保持适度稳定,即使超过十年。

痴呆确认

痴呆病例通过链接初级保健、住院记录或死亡记录,使用基于《国际疾病分类第十次修订版》(ICD-10)代码的验证算法进行识别[21]。基线时的自报病史被纳入以识别现有痴呆。感兴趣的结局包括事件性全因痴呆及其亚型阿尔茨海默病(AD)和血管性痴呆(VaD)(补充文件1:表S2)。在一项先前的验证研究中,涉及120名英国生物银行参与者,他们至少有一个医疗记录中的痴呆代码(包括63个AD代码和16个VaD代码),该算法显示识别全因痴呆的阳性预测值(PPV)为82.5%,而对于AD(71.4%)和VaD(43.8%)的PPV较低[20]。

统计分析

我们使用线图显示每个性别的各睡眠健康因素和SHS的年龄趋势。我们计算了总体样本和SHS类别中连续变量的均值和标准差以及分类变量的百分比。使用Cox比例风险模型估计SHS类别(SHS 6-7作为参考)与事件性痴呆风险之间的关联的风险比(HRs)和95%置信区间(CI)。为了考虑不同年龄组痴呆基线风险的变化,我们在Cox模型中使用年龄作为时间尺度。每位参与者从完成基线睡眠评估时的年龄开始贡献人年,直到以下事件最早发生的年龄为止:痴呆诊断、死亡、失访或截止日期(2022年12月31日)。我们还估计了以年龄为时间尺度的Kaplan-Meier曲线,考虑左截断和右删失。基于Schoenfeld残差未检测到比例风险假设的显著偏离。我们考虑了两个主要的多变量模型:模型1调整了年龄(以月为单位)、性别、种族和民族、Townsend剥夺指数、教育年限、就业状态和痴呆家族史;模型2进一步调整了吸烟状况、酒精消费、身体活动和体重指数。作为敏感性分析,我们在模型3中额外添加了总胆固醇、HDL胆固醇、收缩压、舒张压、HbA1c和抑郁,这可能是连接睡眠健康与痴呆发展的中间途径。所有分析均针对全因痴呆以及VaD和AD分别进行。通过将SHS作为连续变量建模来测试线性趋势。

为了处理潜在的反向因果关系,我们排除了随访最初5年内诊断的痴呆病例并重复主要分析。我们进行了亚组分析,检查SHS与全因痴呆和痴呆亚型风险关联是否因年龄(≥60岁,<60岁)、性别(男性、女性)和AD的多基因风险评分(PRS)(按三分位数划分)而不同。使用似然比检验评估亚组差异的统计学显著性,比较包含和不包含连续SHS与亚组因子乘法交互项的模型。

接下来,我们使用潜类分析(LCA)将参与者分组为共享相似睡眠健康模式的集群,使用R包poLCA[21, 22]。LCA是一种数据驱动的方法,根据观察到的响应模式和使用期望最大化算法估计的群体成员概率来识别未观察到的子群。鉴于样本量庞大,我们根据可解释性和防止过度拟合确定了最优的集群数量,确保最小的集群包含>1%的总样本。我们还计算了每个参与者属于分配集群的后验预测概率,作为模型拟合的度量。每个集群内的睡眠健康因素分布使用蜘蛛图可视化。我们使用Cox模型进行了类似的前瞻性分析,以估计根据识别的睡眠健康集群调整协变量后的痴呆风险,按照上述模型2进行调整。

我们进行了额外的次要分析,以更深入地了解观察到的关联。首先,为了进一步探索衍生的多维度睡眠健康模式的临床相关性,我们检查了SHS和睡眠健康集群与根据ICD-10代码G47定义的临床诊断睡眠障碍的横断面和前瞻性关联。其次,为了便于与之前的研究(未将其分析样本限制为50岁及以上者)[4,5,6]进行比较,我们还使用多变量Cox模型评估了个别睡眠健康风险因素与痴呆风险的关联。第三,由于不良睡眠健康可能增加痴呆发病前的早逝风险,从而导致偏倚解释[23],我们使用R包_cmprsk_进行了竞争风险Cox分析,将非痴呆相关死亡作为竞争事件[24]。所有分析均在英国生物银行研究分析平台上使用RStudio(版本4.4.0)进行。

结果

基线时的平均年龄为60.5岁(SD:5.5),其中45.2%的参与者为男性,96.0%为白人(表1)。与睡眠健康最佳(SHS 6-7分)的参与者相比,睡眠健康较差的参与者更有可能是男性、非白人、社会经济地位低下、受教育程度低,且失业或无法工作。较低的SHS与当前/曾经吸烟、减少饮酒、较低的身体活动、较高的BMI和HbA1c、较低的总胆固醇和HDL胆固醇以及较高比例的抑郁相关。痴呆家族史和AD的PRS在SHS类别之间没有显著差异。

表1 英国生物银行中50岁及以上无临床诊断痴呆的参与者按多维度睡眠健康评分类别划分的基线特征(2006-2010)

完整表格

年龄和性别相关的多维度睡眠健康趋势

我们观察到随着年龄增长,自报早晨型作息增加,而晚上型作息减少,男女模式相似(图1a)。总体上,短睡眠和长睡眠的患病率在男女之间相似。随着年龄增长,男性的短睡眠下降,长睡眠增加,而女性的这些患病率估计相对稳定。失眠症状和非恢复性睡眠在各个年龄段中女性始终比男性更普遍。然而,仅在男性中观察到失眠的患病率随年龄增长而增加,缩小了老年组中的性别差异。男女的非恢复性睡眠随年龄增长而下降。相反,打鼾、白天嗜睡和小憩的患病率在男性中始终高于女性,男性显示出更明显的年龄相关白天嗜睡和小憩增加。打鼾在两性中都随着年龄增长而减少。总体上,女性的平均SHS略高于男性,且随着年龄增长,性别差异有所扩大(图1b)。

图1

英国生物银行(2006-2010)中男性(蓝色)和女性(红色)多维度睡眠健康的年龄趋势。a 个体睡眠健康因素。b 睡眠健康评分(SHS)。注意SHS的y轴从5.3到5.5,尽管完整的SHS量表范围从0到7。

完整图像

睡眠健康评分与痴呆风险

经过4,165,352人年的随访后,出现了7,458例事件性全因痴呆病例(1,636例VaD和3,376例AD;表2和补充文件1:图S1)。与SHS为6-7(最佳睡眠健康)的参与者相比,在考虑社会人口统计因素、痴呆家族史和生活方式因素后,全因痴呆的HR(95% CI)分别为:SHS为5时为1.07(1.01, 1.13),SHS为3-4时为1.18(1.11, 1.25),SHS为0-2(最差睡眠健康)时为1.76(1.52, 2.05)(p趋势<0.0001)。我们观察到与VaD的更强关联。跨SHS类别的可比HR(95% CI)分别为1.00(参考值)、1.17(1.04, 1.32)、1.36(1.20, 1.54)和2.13(1.61, 2.83)(p趋势<0.0001)。相比之下,仅在SHS为0-2与6-7的参与者之间观察到AD风险增加(HR:1.55;95% CI:1.22, 1.97)。在SHS为5或3-4的参与者中未发现增加的风险(p趋势=0.57)。进一步调整心血管风险因素和抑郁症略微减弱了关联,但并未大幅改变这些结果。

表2 多维度睡眠健康评分与50岁及以上英国生物银行参与者全因痴呆、血管性痴呆和阿尔茨海默病风险的关联(2006-2022)

完整表格

在排除随访前5年内诊断的痴呆病例后,关联模式基本保持不变(补充文件1:表S3)。在按年龄(补充文件1:表S4)、性别(补充文件1:表S5)和AD的PRS(补充文件1:表S6)定义的亚组中,持续观察到较低SHS与痴呆风险增加的关联。然而,<60岁与≥60岁的参与者之间的关联显著更强(交互作用p<0.05),以及遗传易感性较低与较高的参与者之间的关联显著更强(交互作用p<0.001)。虽然女性的关联估计值一般大于男性,但仅SHS与VaD风险关联的性别差异达到统计学显著性(交互作用p=0.03)。

多维度睡眠健康模式与痴呆风险

LCA模型确定了六种多维度睡眠健康模式(图2):

  • 睡眠模式1(N = 209,918):相对健康的睡眠。
  • 睡眠模式2(N = 37,671):失眠(80.8%)伴短睡眠时间(98.4%)和早晨型作息(51.6%)。
  • 睡眠模式3(N = 33,112):非恢复性睡眠(100%)伴晚上型作息(26.0%)。
  • 睡眠模式4(N = 15,031):失眠(63.3%)伴短睡眠时间(99.9%)、非恢复性睡眠(82.6%)和晚上型作息(38.9%)。
  • 睡眠模式5(N = 14,269):小憩(94.2%)伴打鼾(46.9%)、长睡眠时间(23.8%)和白天嗜睡(17.4%)。
  • 睡眠模式6(N = 3,247):严重扰乱的睡眠伴多种症状和日间功能障碍。

图2

英国生物银行(2006-2010)中通过潜类分析方法识别的多维度睡眠健康模式集群

完整图像

六个识别的集群的平均后验概率均>0.7(分别为0.86、0.73、0.86、0.93、0.89、0.81),表明集群内部可靠性高,集群间区分良好。社会人口统计、生活方式和共病因素的分布也在六个睡眠健康模式中有所不同(补充文件1:表S7)。

与相对健康的睡眠模式相比,其他五种睡眠模式与全因痴呆风险显著增加相关(图3a和补充文件1:图S1)。与睡眠模式1相比,多变量调整后的HR(95% CI)分别为:模式2为1.08(1.01, 1.16),模式3为1.19(1.10, 1.29),模式4为1.34(1.20, 1.49),模式5为1.12(1.02, 1.22),模式6为1.85(1.59, 2.16)。对于VaD,观察到了类似的关联模式,且关联估计值始终强于全因痴呆(VaD的可比HR范围:1.11-2.48)。然而,只有严重扰乱的睡眠与AD风险增加相关。与睡眠模式1相比,睡眠模式6与56%更高的AD风险相关(95% CI:1.21, 2.01),而睡眠模式2-5与AD风险无关联。

图3

50岁及以上英国生物银行参与者(2006-2022)中多维度睡眠健康与全因痴呆、血管性痴呆和阿尔茨海默病风险的关联。a 通过潜类分析识别的多维度睡眠健康模式。样本量(%)为睡眠模式1为209,918(67.0%),模式2为37,617(12.0%),模式3为33,112(10.6%),模式4为15,031(4.8%),模式5为14,269(4.6%),模式6为3,247(1.0%)。b 个体睡眠健康因素。对于短和长睡眠时间,对照组为中等睡眠时间。对于早晚作息类型,对照组为中间型作息。所有估计值均调整了年龄(以月为单位)、性别、种族/民族、Townsend剥夺指数、教育年限、就业状态、痴呆家族史、吸烟状况、饮酒、身体活动和体重指数。

完整图像

次要分析

SHS和睡眠健康集群与基线和随访期间临床诊断的睡眠障碍强烈相关(补充文件1:表S8和S9)。例如,与SHS为6-7的参与者相比,SHS为0-2的参与者基线时患睡眠障碍的几率高出341%(95% CI:3.88, 4.99),随访期间发展为临床诊断睡眠障碍的风险增加4.59倍(95% CI:4.11, 5.12)。在评估个体睡眠健康因素的次要分析中(图3b),白天嗜睡、非恢复性睡眠、小憩、短/长睡眠时间和早晚作息类型与8-30%更高的全因痴呆风险和16-45%更高的VaD风险相关。与AD的关联较弱且不一致,仅白天嗜睡、小憩和短/长睡眠时间与8-20%更高的AD风险相关。失眠症状和打鼾单独考察时与全因痴呆或痴呆亚型风险增加无关。在竞争风险分析中,不良睡眠健康与痴呆发病前的早逝风险显著增加相关(补充文件1:表S10)。然而,将这些非痴呆相关死亡视为竞争事件并未改变SHS或多维度睡眠健康模式与全因痴呆风险的关联。

讨论

在这项前瞻性研究中,无论是通过简单SHS评估还是通过睡眠集群特征描述,多维度睡眠健康在考虑了一系列协变量后与事件性痴呆风险相关。SHS与全因痴呆和VaD风险呈剂量-反应关系,而仅有最低SHS与AD风险增加相关。同样,与其他五种识别的睡眠健康模式相比,健康睡眠模式与全因痴呆和VaD风险增加相关,而只有严重扰乱的睡眠模式与更高的AD风险相关。我们的研究结果强调了采用多维度方法评估睡眠健康的重要性,揭示了与痴呆结果的异质性关联。

实验研究提供了关于睡眠障碍如何加速神经退行性进展和痴呆发展的机制性见解。健康睡眠可能通过加强现有的神经连接、促进淋巴系统清除废物以减少β-淀粉样蛋白沉积和支持整体血管健康来减轻痴呆病理[25]。相反,失眠和睡眠呼吸暂停等睡眠障碍可能导致睡眠片段化和脑缺氧,增强神经炎症并损害负责认知功能的大脑区域[26, 27]。尽管有令人信服的实验证据,最近的《柳叶刀》委员会报告并未将睡眠健康纳入生命历程模型中的14个可改变痴呆风险因素,理由是“来自人类研究的一致证据不足”[28]。

以前研究缺乏一致证据的一个可能原因是主要关注单个睡眠维度,而没有考虑不同睡眠领域之间的复杂关系以及睡眠健康表型的异质性。正如我们的SHS分析所支持的那样,更多的不健康睡眠因素与更高的痴呆风险呈剂量-反应关系。虽然许多不健康的睡眠因素往往同时出现,但它们的聚集程度可以根据年龄、性别和其他研究样本特征而有很大差异。因此,不考虑其他睡眠相关变量就考察个体睡眠健康因素可能导致不同研究中关联的方向和强度存在很大差异。

LCA结果进一步强调了考虑睡眠健康表型异质性的重要性。例如,我们确定了两种以失眠伴短睡眠时间为特征的睡眠健康模式(模式2和模式4)。尽管这些模式基于自报短睡眠时间,它们并不完全符合先前建立的客观短睡眠时间失眠表型[13, 14],但它们在其他睡眠健康因素方面表现出不同的特征。模式2以高比例的早晨型作息而没有报告非恢复性睡眠为特征,而模式4以高比例的晚上型作息和存在非恢复性睡眠为特征。此外,这两种模式与不同程度的痴呆风险相关——与模式1相比,模式2的风险增加了8%,模式4的风险增加了34%。结合个体睡眠因素分析,总体上与失眠症状无关联,这些发现表明失眠症状仅在伴有其他不利睡眠因素(如短睡眠时间、非恢复性睡眠)时与痴呆风险增加相关。单独的失眠症状似乎与痴呆风险几乎没有关联。类似异质性也出现在打鼾中。虽然单独的打鼾与痴呆风险无关,但在存在白天嗜睡或小憩的情况下与风险增加相关(模式5)。模式5可能代表“过度嗜睡的睡眠呼吸暂停”表型,这已被证明与心血管疾病风险增加有关,但在临床环境中仍经常未被诊断[29,30,31]。这也解释了观察到的与VaD更强关联的原因,鉴于睡眠呼吸暂停在涉及痴呆的血管病理中的明确作用,包括系统性炎症、葡萄糖调节异常和高血压[32,33,34,35]。

值得注意的是,最近的一项英国生物银行研究报告称,与晚上型相比,早晨型的痴呆风险较低[4]。这种昼夜型的二分法忽略了沿连续谱中间类别的大多数人[36]。我们的结果表明,先前与早晨型相关的较低痴呆风险实际上是由报告“更早起而非更晚睡”的中间类型驱动的。事实上,与报告“更早起”或“更晚睡”的人相比,自认为“绝对早起”的人在痴呆,特别是VaD方面面临更高的风险。众所周知,自然老化过程会使昼夜节律相位提前变得更加早起[37],这些观察结果表明,一些老年人的早晨型可能是加速老化的标志,可能促成神经退行性疾病和痴呆的发展。未来的研究需要进一步细分昼夜型表型,以更好地理解其潜在的遗传和生物学差异。

我们的分析表明,SHS和识别的睡眠健康模式与VaD风险的关联比AD更强。与VaD的强关联可能归因于睡眠健康对血管风险因素的公认影响[38],尽管调整多个心血管风险因素仅略微削弱了关联。然而,这并不能解释在AD诊断中观察到的较弱关联,其中常常伴随血管病理[39]。有可能的是,在七十多岁时进行的一次睡眠评估可能不是衡量AD的最佳指标,因为AD通常涉及数十年的淀粉样蛋白和tau蛋白聚集,然后才会出现临床症状。此外,由于并非所有事件性痴呆病例都有亚型信息并且受到测量误差的影响,选择偏差和潜在的错误分类可能会影响观察到的关联。

自我报告的睡眠评估通常是临床评估中风险评估、诊断和潜在干预的第一步。如本研究所示的自我报告睡眠健康表型的异质性强调了采取多维方法评估睡眠健康的需求,以更准确地识别个体对睡眠障碍的易感性差异。例如,虽然睡眠模式1代表了最健康的睡眠组,痴呆风险最低,但仍表现出几个不利的睡眠健康因素——39.8%的人报告大声打鼾,17.5%的人报告失眠症状,10.5%的人报告短睡眠时间,7.8%的人报告长睡眠时间,但几乎没有人报告非恢复性睡眠、小憩或嗜睡。尚不清楚哪些因素可能导致夜间症状与日间功能之间的这种分歧。可能的解释包括睡眠问题的慢性或严重性效应,或其他影响“弹性”或对睡眠中断脆弱性的遗传、社会环境或生物因素。尽管如此,我们的数据支持在评估痴呆风险因素时考虑睡眠中断对日间功能影响的重要性。

在解释结果时应考虑一些问题。首先,每个睡眠健康维度都是通过一个单项问题进行评估的,未能充分反映潜在睡眠障碍的严重性、症状异质性或慢性性。此外,这些评估未涵盖常通过客观方法测量的其他重要睡眠健康维度,如睡眠规律性[40,41,42]、慢波睡眠[8, 43]和低氧负担[44,45,46],这些已被证明与心代谢疾病和痴呆的风险相关。不过,从这些简要评估中得出的多维度睡眠健康模式与普遍存在和事件性临床诊断的睡眠障碍显示出强关联。其次,我们的分析依赖于在中年进行的一次睡眠评估。虽然这次一次性评估显示出随时间的适度稳定性,但它未能充分捕捉早期生活的睡眠健康或随时间的变化,这应在未来的研究所调查[47, 48]。此外,使用流行睡眠健康暴露的信息对干预的启示有限,因为缺乏关于睡眠问题的发生和持续时间的信息,并可能引入选择偏差和不当的混杂因素调整[49]。第三,如验证研究[20]所示,痴呆结果的误分类以及由于初级保健数据链接不完整而导致的痴呆诊断或亚型信息缺失可能在任一方向引入偏倚。第四,尽管LCA有许多优点,但这种数据驱动的方法在应用于不同人群时可能面临再现性挑战,因其概率性质和模型复杂性。然而,我们的LCA识别的几种睡眠健康模式与已建立的睡眠表型一致,支持其普遍性。第五,我们的观察性研究未提供因果关系的证据。几项孟德尔随机化研究报道了睡眠特征在痴呆中的因果作用的弱证据[4, 5, 50,51,52]。然而,这些孟德尔随机化研究及其相关的全基因组关联研究都有一个关键限制:它们集中于单一睡眠因素,而不是考虑多维度睡眠健康模式。最后,英国生物银行的志愿采样过多代表了更健康的白人参与者和更高的社会经济地位,可能会使观察到的关联产生偏差,并限制其对英国普通人群的外推[53]。

结论

通过多维度方法评估的不良睡眠健康与更高的痴呆风险相关。关于睡眠健康模式及其与痴呆结果的关联存在相当大的异质性。识别与痴呆风险相关的特定睡眠健康模式可以帮助确定高风险人群,并指导更有针对性的干预措施的发展。


(全文结束)

声明:本文仅代表作者观点,不代表本站立场,如有侵权请联系我们删除。

本页内容撰写过程部分涉及AI生成(包括且不限于题材,素材,提纲的搜集与整理),请注意甄别。