您的睡眠追蹤器可能會為您提供的資訊不僅僅是您的睡眠訊息,具體而言,它還可能為您提供有關糖尿病和睡眠呼吸中止症等慢性病以及 COVID-19 等疾病的資訊。
這是一項研究的結果之一,該研究分析了約 33,000 人 500 萬個夜晚的睡眠數據。根據新的分析,研究人員確定了五種主要的睡眠類型,他們稱之為睡眠表型,並可進一步分為 13 種亞型。
研究人員還發現,與僅依靠一個人的平均睡眠表型相比,一個人在睡眠表型之間切換的方式和頻率可以提供兩到十倍多的與檢測健康狀況相關的資訊。
這項研究發表在 2024 年 6 月 20 日的《npj Digital Medicine》雜誌。
研究人員利用從Oura Ring(一種追蹤睡眠、皮膚溫度和其他資訊的智慧手環)收集的數據,對個人進行了幾個月的觀察,記錄他們是否患有糖尿病和睡眠呼吸中止症等慢性健康問題,或患有以下疾病: COVID-19 和流感。
研究小組發現,隨著時間的推移,人們經常在睡眠表型之間轉換,反映個人健康狀況的變化,並透過研究人員創建的數據驅動的睡眠景觀創建類似於個人旅行日誌的內容。
「我們發現睡眠品質的微小變化可以幫助我們識別健康風險。這些微小的變化不會出現在普通的夜晚或調查問卷中,因此它確實說明了可穿戴設備如何幫助我們發現會被忽略的健康風險 」該研究的資深作者之一、加州大學聖地亞哥分校雅各布斯工程學院和 Halicioglu 數據科學研究所的教員本傑明·斯馬爾 (Benjamin Smarr) 說道。
此外,研究人員強調,長期追蹤人口規模的睡眠變化可以解鎖與公共衛生相關的新見解,例如這些睡眠景觀模式的某些變化是否可以為慢性病或脆弱性提供早期預警到的感染。
研究團隊的工作是基於來自舊金山加州大學的 TempPredict 資料集的新分析,該資料集是使用 2020 年 COVID-19 大流行期間佩戴市售 Oura Ring 的人收集的資料創建的。
這項分析由加州大學聖地牙哥分校生物工程系教授 Shu Chien -- Gene Lay 的 Smarr 和加州大學聖地牙哥分校電機與電腦工程系的 Edward Wang 教授領導,並參與了這項研究。是執業睡眠臨床醫生阿什利·E·梅森(Ashley E. Mason) 教授。主要作者是加州大學聖地牙哥分校雅各布斯工程學院電機與電腦工程系的研究生 Varun Viswanath。
五種睡眠類型
這是研究人員根據約 33,000 人 500 萬個夜晚的睡眠數據挑選出來的五種睡眠表型。雖然研究涉及許多因素,但研究人員也發現了一些有助於直觀區分 5 種睡眠表型的趨勢。
- 表型 1:我們所認為的「正常」睡眠。在這種表型中,人們至少連續六天獲得大約八小時不間斷的睡眠。這是美國國立衛生研究院推薦的睡眠類型,也是研究人員發現的最常見的睡眠類型。
- 表型2:人們大約有一半的晚上會連續睡覺,但另一半晚上只睡很短的時間,少於三小時。
- 表型 3:人們大多是連續睡眠,但每週大約有一個晚上會出現睡眠中斷的情況。夜間中斷的特徵是一段時間較長的睡眠(約5小時)和一段時間較短的睡眠(不足3小時)。
- 表型 4:人們再次大部分時間連續睡眠。但他們會經歷罕見的夜晚,長時間的睡眠會被半夢半醒。
- 表型5:人們每晚只睡很短的時間。這種表型是研究人員發現的最罕見的,代表睡眠極度失調。
追蹤睡眠類型的變化
為了測量睡眠表型如何隨時間變化,Viswanath 建構了所有 500 萬個夜晚的空間模型,其中表型被表示為不同的島嶼,由大部分相似的睡眠週組成。隨著時間的推移,出現了不同的模式,使研究人員能夠對每個人在島嶼之間的路線進行模型建立。
從那時起,有助於區分患有糖尿病和睡眠呼吸中止症等慢性疾病的人並不是他們的平均表型。相反,是他們在這個睡眠景觀中的島嶼之間切換的頻率。這樣,即使某人很少改變表型,他們確實改變的事實仍然可以提供有關他們健康狀況的有用資訊。
數據顯示,對大多數人來說,連續幾個月沒有幾個晚上睡眠中斷的情況是很少見的。 「我們發現睡眠中斷發生方式的微小差異可以告訴我們很多資訊。即使這些情況很少見,但它們的頻率也很能說明問題。因此,這不僅僅是你睡得好不好的問題,而是隨著時間的推移睡眠模式的問題關鍵訊息隱藏在那裡,」合著者、加州大學聖地牙哥分校電氣和電腦工程系教員王說。
相反,人們不會傾向於保持睡眠中斷所定義的模式。但他們出現特定睡眠模式中斷的頻率很大程度上說明了他們的表現如何。
論文的通訊作者維斯瓦納特(Viswanath)說:「如果你想像存在一種睡眠類型的景觀,那麼問題就不再在於你傾向於住在該景觀中的哪裡,而在於你離開該地區的頻率。
先前的研究
在 6 月 20 日發表的這篇新論文中,研究小組修改了先前研究中使用的技術,該研究是迄今為止最大的類似睡眠調查,從英國生物銀行提取了大約 103,000 個夜晚的數據。先前的研究著眼於睡眠時間和覺醒以及許多相關特徵,然後建構了夜晚相互關係的「景觀」。但之前的研究人員沒有做兩件關鍵的事情:他們無法跨越時間,因為每個人只有兩到三個晚上;他們無法將由此產生的睡眠模式與健康結果連結起來。
其他大規模睡眠分析則著眼於簡單睡眠特徵的高度差異,例如人們睡眠的總時間。
相較之下,這項新工作首次證實研究人員可以量化人們睡眠隨時間變化的動態,並利用這種量化讓人們更了解自己的睡眠健康狀況。研究還証實,睡眠的這些變化可能說明多種疾病的風險更高。
鄭醫師補充:
這篇研究是透過穿戴裝置對睡眠大數據分析,可信度極高,未來這類穿戴裝置紀錄的健康訊息及回饋分析,定人會越加普及和方便,且讓我們拭目以待。
參考文獻:
- Varun K. Viswanath, Wendy Hartogenesis, Stephan Dilchert, Leena Pandya, Frederick M. Hecht, Ashley E. Mason, Edward J. Wang, Benjamin L. Smarr. Five million nights: temporal dynamics in human sleep phenotypes. npj Digital Medicine, 2024; 7 (1) DOI: 10.1038/s41746-024-01125-5
留言列表