文献速递心脑血管急症消化、代谢与肾脏急症

习惯性睡眠时长纵向轨迹与心血管事件及全因死亡风险的关联

Association of Longitudinal Patterns of Habitual Sleep Duration With Risk of Cardiovascular Events and All-Cause Mortality.
PubMed 文献 · JAMA Netw Open · 2020-05-01
一句话结论开滦前瞻性队列显示,持续低睡眠或睡眠时长下降/不稳定轨迹与首发心血管事件及全因死亡风险升高相关,持续每晚≤5小时者风险最高。

该研究基于开滦前瞻性人群队列,纳入52 599名无房颤、心梗、卒中或癌症的中国成人,用2006、2008、2010三次自报夜间睡眠时长经潜在混合模型识别4年睡眠轨迹,随访至2017年。识别出正常稳定、正常下降、低水平上升、持续低水平4种轨迹。与正常稳定组相比,低水平上升轨迹首发心血管事件风险升高(HR 1.22,95%CI 1.04-1.43),正常下降轨迹全因死亡风险升高(HR 1.34,95%CI 1.15-1.57),持续低水平轨迹心血管事件(HR 1.47,95%CI 1.05-2.05)和死亡(HR 1.50,95%CI 1.07-2.10)风险最高。作者认为持续报告每晚睡眠不足5小时者应视为心血管事件和死亡更高风险人群。

要点

  • 持续低水平睡眠轨迹(4年均值4.2-4.9小时/晚)与最高风险相关:心血管事件HR 1.47(95%CI 1.05-2.05)、全因死亡HR 1.50(95%CI 1.07-2.10)。
  • 正常下降轨迹(7.0降至5.5小时/晚)与全因死亡风险升高相关(HR 1.34,95%CI 1.15-1.57),心血管事件风险未达统计学显著(HR 1.13,95%CI 0.97-1.32)。
  • 低水平上升轨迹(4.9升至6.9小时/晚)与首发心血管事件风险升高相关(HR 1.22,95%CI 1.04-1.43),全因死亡风险无显著差异(HR 0.95,95%CI 0.80-1.13)。
  • 单次测量呈U形关联:与每晚7.0至<8.0小时相比,<6.0小时复合结局HR 1.24(95%CI 1.10-1.39),8.0至<9.0小时HR 1.32(95%CI 1.21-1.44),≥9.0小时HR 1.45(95%CI 1.13-1.87)。
  • 作者认为,持续报告每晚睡眠≤5.0小时者应视为心血管事件和死亡更高风险人群。

适用人群与场景

  • 开滦社区前瞻性队列中2006、2008、2010三次调查均参与、且有睡眠时长报告的52 599名中国成人,基线平均年龄52.5(11.8)岁,男性40 087人(76.2%)、女性12 512人(23.8%)。
  • 排除2006至2010年死亡者、2010年前已诊断心血管事件或癌症者,以及三次调查中缺失睡眠时长者。

诊断标准与关键阈值

  • 睡眠时长轨迹由2006、2008、2010三次面对面访谈自报的 habitual 夜间睡眠时长,经潜在混合模型(截尾正态模型)识别为4类:正常稳定(7.4-7.5小时/晚,n=40 262)、正常下降(7.0降至5.5小时/晚,n=8074)、低水平上升(4.9升至6.9小时/晚,n=3384)、持续低水平(4.2-4.9小时/晚,n=879)。
  • 单次睡眠时长分组:<6小时为极短睡眠,6至<7小时为短睡眠,7至<8小时为参照,8至<9小时为长睡眠,≥9小时为极长睡眠。
  • 结局诊断:房颤依据标准12导联心电图由专科医师判读;心梗依据世界卫生组织MONICA标准(临床症状、心肌酶动态变化和心电图);卒中依据世界卫生组织标准(症状、脑CT或MRI神经影像及尸检报告),非致死性卒中定义为血管机制所致局灶性神经功能缺损持续超过24小时。

研究设计与关键结果

  • 研究类型:前瞻性、人群为基础的队列研究(开滦研究),样本量52 599人,随访352 413人年,平均随访6.7(1.1)年,期间死亡2361人、发生心血管事件2406例。
  • 与正常稳定轨迹相比,低水平上升轨迹首发心血管事件风险升高(HR 1.22,95%CI 1.04-1.43),正常下降轨迹心血管事件风险未达统计学显著(HR 1.13,95%CI 0.97-1.32),持续低水平轨迹心血管事件风险升高(HR 1.47,95%CI 1.05-2.05)。
  • 与正常稳定轨迹相比,正常下降轨迹全因死亡风险升高(HR 1.34,95%CI 1.15-1.57),低水平上升轨迹全因死亡风险无显著差异(HR 0.95,95%CI 0.80-1.13),持续低水平轨迹全因死亡风险升高(HR 1.50,95%CI 1.07-2.10)。
  • 单次2010年睡眠时长与复合结局呈U形关联:与每晚7.0至<8.0小时相比,<6.0小时HR 1.24(95%CI 1.10-1.39),6.0至<7.0小时HR 1.08(95%CI 0.98-1.20),8.0至<9.0小时HR 1.32(95%CI 1.21-1.44),≥9.0小时HR 1.45(95%CI 1.13-1.87)。
  • 2006至2010年平均睡眠时长与后续心血管事件风险无显著关联;平均睡眠时长与全因死亡:8.0至<9.0小时HR 1.11(95%CI 1.00-1.23),≥9小时HR 2.34(95%CI 1.46-3.72),<6小时HR 0.98(95%CI 0.84-1.14),6至<7小时HR 0.99(95%CI 0.89-1.09)。
  • 分层分析:年龄<65岁者中,持续低水平轨迹心血管事件HR 1.75(95%CI 1.17-1.62),低水平上升轨迹HR 1.28(95%CI 1.04-1.56);65岁及以上者中未观察到该关联。
  • 敏感性分析:排除随访前2年发生结局者、轮班工作者、随访期间发生癌症者、自报频繁打鼾者或将房颤从结局中剔除后,结果一致;进一步调整2006年睡眠时长未实质性改变结果。

证据类型、等级与局限

  • 证据类型:前瞻性、人群为基础的前瞻性队列研究(开滦研究),原文未给出证据等级或推荐强度。
  • 局限:队列仅纳入开滦社区中国成人且大多数为男性, findings 可能不能推广至其他人群。
  • 局限:使用自报睡眠时长替代客观睡眠测量可能产生潜在偏倚。
  • 局限:缺乏其他睡眠维度(如睡眠呼吸暂停、失眠等睡眠障碍、日间小睡时长和睡眠质量)进一步限制研究。
  • 局限:尽管对多个潜在协变量进行了统计调整,残余混杂和反向因果不能排除,结果应谨慎解读。
  • 局限:原文结论指出需要额外研究确认特定睡眠时长轨迹在风险预测中的效用,并探索生活方式改变和干预对睡眠轨迹及相关结局的影响。

对床旁实践的改变

  • 作者认为,持续报告每晚睡眠不足5小时者应被视为心血管事件和死亡更高风险人群。
  • 作者认为,纵向睡眠时长轨迹可能有助于比单次或平均测量更精确地识别不同风险群体以进行可能干预。
  • 作者认为,睡眠时长轨迹图可能揭示单次或平均测量无法捕捉的额外信息,更好理解睡眠时长变化的影响和时机有助于识别高风险人群并针对性干预以促进心血管健康和健康睡眠。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:JAMA Netw Open. 2020 May 22;3(5):e205246. doi: 10.1001/jamanetworkopen.2020.5246

引言

短睡眠时长和长睡眠时长均与心血管事件(CVEs)和全因死亡风险增加相关,也与高血压、糖尿病和肥胖等相关危险因素相关。1,2 然而,支持这些关联的证据基于单次基线睡眠时长测量,纵向睡眠时长模式的影响仍不清楚。尽管如此,有理由预期习惯性睡眠时长可能随时间变化,尤其是在老年人群中。3 此外,尽管因国家而异,睡眠时长呈现减少或增加的长期趋势,4 而单次测量可能使习惯性睡眠时长与不良健康结局之间的真实关联产生偏倚。最近一项研究5发现,每周午睡时长的长且不稳定的轨迹与肥胖和高血压风险增加相关,尽管这种关联在平均午睡时长方面不显著。此外,一项实验室研究6提示,反复睡眠不足的模式可能导致长期代谢变化,而周末补觉无法有效缓解这些变化。这些发现凸显了在单次或平均值测量之外考察长期睡眠时长模式效应的重要性,因为单次或平均值测量未能考虑睡眠时长随时间变化的影响。由于睡眠时长可能不是一个稳定的特征,随时间测量睡眠时长将更好地描述所关注的关联。此外,既往很少有研究充分考虑到其他危险因素(如血压和体重指数)的同期变化,这些变化可能混杂睡眠时长与不良健康结局之间的关联。据我们所知,长期轨迹与单次测量睡眠时长是否与CVEs和全因死亡相关,尚未在任何大规模人群中研究过。

因此,我们在一项大型前瞻性队列中研究了自我报告的夜间睡眠时长的轨迹模式与随后新发CVEs和全因死亡风险之间的关联,该轨迹模式源自4年间隔内的3次重复测量。为进行比较,我们还评估了基线单次睡眠测量和4年间隔内累积平均睡眠时长与新发CVEs和死亡风险的关联。我们假设人群中存在多种睡眠时长轨迹,并且与个体在4年间报告充足睡眠时长的模式相比,极端或不稳定的模式与随后7年随访期间CVEs和全因死亡风险增加相关。

方法

研究人群

开滦研究是一项正在进行的基于社区的前瞻性队列研究,旨在探讨心脏、脑血管及相关疾病的危险因素,详见其他地方。7,8 简言之,2006年至2007年(称为2006年调查),从中国唐山开滦社区招募了101 510名参与者(81 110名男性和20 400名女性),年龄18至98岁。所有参与者完成了面对面问卷调查(包括人口学特征、合并症、病史、用药情况以及生活方式因素,包括睡眠测量)、临床检查和实验室检测。随后,参与者每两年随访一次以更新数据,结局事件每年记录一次,直至死亡或2017年12月31日,以先发生者为准。在本研究中,我们纳入了参加2006年、2008年和2010年全部3次调查的57 927名个体。我们排除了2006年、2008年和2010年未报告睡眠时长的参与者。我们还排除了2006年至2010年期间死亡的参与者以及截至2010年诊断为CVEs或癌症的参与者,以尽量减少反向因果。在其余52 599名在2006年、2008年和2010年调查中报告了睡眠时长的参与者中构建了自我报告的睡眠时长轨迹,并用于评估2010年后与新发CVEs和全因死亡率的关联(参与者纳入流程图见 supplement 中的eFigure 1)。

本研究按照世界医学协会赫尔辛基宣言9的指南进行,并获得开滦总医院伦理委员会批准。所有参与者均提供了书面知情同意。本研究遵循加强观察性流行病学研究报告规范(STROBE)队列研究报告指南。

睡眠时长评估

主观的、习惯性的夜间睡眠时长每两年通过面对面访谈收集,问题是:“在过去12个月中,您平均每晚睡多少小时?”在我们的主要分析中,我们基于2006年、2008年和2010年睡眠时长的重复测量来确定睡眠时长轨迹。我们还检查了2010年单次睡眠时长测量以及2006年1月1日至2010年12月31日累计平均睡眠时长对2010年1月1日至2017年12月31日后续CVEs风险和全因死亡率风险的影响。美国心脏协会建议每晚7至9小时睡眠以促进心血管代谢健康。10 同样,国家睡眠基金会认为7至9小时为成年人适宜睡眠时长,7至8小时为老年人适宜睡眠时长。11 基于循证建议和既往研究,我们将2010年睡眠时长和平均睡眠时长分为5组(<6小时为极短睡眠时长;6至<7小时为短睡眠时长;7至<8小时为参照;8至<9小时为长睡眠时长;≥9小时为极长睡眠时长)。我们还在2010年调查中通过询问“您睡觉时通常打鼾吗?”收集打鼾状况,回答类别为从不/很少、偶尔和经常。

CVEs和死亡的评估

主要结局包括全因死亡率和首次发生的CVE(致死性或非致死性CVE,包括心房颤动、心肌梗死和卒中)。死亡信息从生命统计办公室收集。医生诊断的CVE及CVE病史每年从4个互补来源收集:(1)市政社会保险机构,覆盖所有参与者;(2)11家附属医院的出院登记中心;(3)死亡证明;(4)自2006年起的两年一次访谈。所有通过《国际疾病分类及相关健康问题统计分类》第十版编码或问卷识别的潜在CVE均由3名心脏病学家和放射学家组成的委员会进行确认和验证,该委员会对研究设计不知情。心房颤动根据专科医生判读的标准12导联心电图表现进行诊断。心肌梗死依据世界卫生组织《心血管疾病趋势和决定因素多国监测(MONICA)》标准12,基于临床症状以及心肌酶水平和心电图的动态变化进行诊断。致死性心肌梗死病例,包括因心脏骤停导致的心源性猝死,通过病历、尸检报告或列明冠心病或心肌梗死为死因的死亡证明予以确认。卒中依据世界卫生组织标准13,基于症状及脑部计算机断层扫描或磁共振成像扫描的神经影像和尸检报告进行诊断。致死性卒中通过记录、脑部尸检和列明卒中为死因的死亡证明予以确认。非致死性卒中定义为由血管机制引起的突发局灶性神经功能缺损,持续超过24小时。在本研究中,我们考察了2种主要卒中亚型:脑梗死和脑出血(不包括硬膜外、硬膜下或蛛网膜下腔出血)。

潜在协变量的评估

人口学特征(如年龄、性别、教育程度、收入水平、职业、家族史和婚姻状况)、合并疾病(如糖尿病、高血压、高脂血症)、药物使用(如降压药、降糖药和降脂药)以及生活方式因素(如吸烟状况、饮酒状况、体力活动和习惯性盐摄入量)的数据通过2010年调查期间的问卷收集。身高、体重、腰围和臀围等人体测量参数由受过培训的护士测量。血压采用水银血压计在坐位测量3次,详见其他文献。8分析采用多次血压测量的均值。体重指数按体重(千克)除以身高(米)的平方计算。采集空腹血样(>12小时)并在开滦总医院实验室进行分析,以获得生化参数,包括空腹血糖、高敏C反应蛋白和肌酐水平。估计肾小球滤过率采用慢性肾脏病流行病学协作组肌酐方程计算。14

统计分析

数据分析于2019年7月1日至10月31日进行。拟合潜类别混合模型以识别具有相似睡眠时长潜在轨迹的亚组。15 我们使用删失正态模型估计多条轨迹,该模型适用于连续结局。我们检验了具有不同数量和形式(例如,截距、线性或二次斜率)的潜在模式的模型。模型拟合使用贝叶斯信息准则进行评估。我们以5个类别且所有轨迹类别均为二次形式启动模型,然后将贝叶斯信息准则与4、3、2和1个类别的模型进行比较。确定4个类别的模型拟合最佳,随后我们比较了不同函数形式模型的贝叶斯信息准则。最终,模型包含3个具有线性阶项的类别和1个具有至多二次阶项的类别。我们还计算了最终分组归属的平均后验估计概率以检验判别力。每位参与者的随访人年从2010年调查完成日期计算至发生心血管事件(CVEs)、死亡、失访(52 599人中的1778人[3.4%])或2017年12月31日,以最先发生者为准。使用Cox比例风险回归模型估计暴露因素(例如,睡眠时长轨迹、2010年单次测量值以及2006-2010年累积均值)与 incident CVEs 风险及全因死亡率之间的关联。校正模型包括2010年基线睡眠时长、年龄、性别、婚姻状况、职业、收入水平、教育程度、吸烟和饮酒状况、盐摄入量、卒中及心肌梗死家族史、糖尿病(定义为自报医生诊断病史、目前服用降糖药物或空腹血糖浓度≥126 mg/dL[转换为毫摩尔每升,乘以0.0555])、高血压(定义为自报医生诊断病史、收缩压≥140 mm Hg或舒张压≥90 mm Hg,或目前使用降压药)、打鼾状况,以及2006年至2010年期间的平均体重指数、收缩压和舒张压、估算肾小球滤过率、空腹血糖水平和高敏C反应蛋白水平。潜在混杂因素基于与睡眠时长及死亡和CVEs风险相关因素的先验知识进行选择。比例风险假设通过基于Schoenfeld残差的检验和对数-对数检查进行评估,无变量违反该假设。

按性别、年龄(<65岁 vs ≥65岁)、高血压(是 vs 否)、糖尿病(是 vs 否)、肾功能(估算肾小球滤过率<60 vs ≥60 mL/min/1.73 m2)和体重指数(以体重千克数除以身高米数的平方计算;<25.0 vs ≥25.0 kg/m2)进行分层分析,以检验潜在的统计学交互作用。鉴于对反向因果关系的担忧,我们在排除随访前2年内发生心血管事件(CVEs)或死亡的参与者后,重新检验了睡眠时长轨迹的效应。此外,为校正睡眠呼吸暂停的效应,我们通过排除自报打鼾者进行了敏感性分析。考虑到轮班工作的影响,我们还剔除了潜在的轮班工作者。为排除体重变化和疲劳的影响,我们进一步排除了随访期间发生癌症者。由于心房颤动通常不被视为CVE,我们在结局中不纳入心房颤动重新分析了数据。我们还对2006年的睡眠时长进行了校正,以检验睡眠时长轨迹与CVEs或死亡率之间的关联是否归因于单次睡眠时长测量。所有分析均使用SAS软件9.4版(SAS Institute, Inc)进行,双侧P < .05表示差异有统计学意义。

结果

在2006年、2008年和2010年的3轮调查中,101 510人参与了至少1次调查,86 615人参与了超过1次调查,57 927人参与了全部3次调查。最后这一组构成了研究样本。我们排除了2978名未报告睡眠时长的参与者、885名在2006年至2010年间死亡的参与者,以及1465名截至2010年已诊断为CVE或癌症的参与者。与具有3次完整睡眠时长数据的参与者相比,因睡眠时长数据缺失而被排除的参与者年龄更大(平均[SD]年龄,57.7[12.0] vs 49.0[11.8]岁;P < .001),且更可能为女性(724[24.3%] vs 12 571[23.9%];P < .001),但未来发生CVEs的风险(年龄和性别校正风险比[HR],0.95;95% CI,0.81-1.12)和死亡风险(年龄和性别校正HR,1.09;95% CI,0.95-1.25)相似。最终纳入研究的52 599名参与者中(基线平均[SD]年龄,52.5[11.8]岁),40 087名(76.2%)为男性,12 512名(23.8%)为女性。在4年跨度内识别出4种离散的睡眠时长轨迹(图):40 262名参与者(76.5%)在整个期间维持正常睡眠时长(正常-稳定组;平均范围,7.4至7.5小时);879名(1.7%)在整个期间睡眠时长相对较短(低-稳定组;平均范围,4.2至4.9小时);8074名(15.4%)起始为正常水平并经历睡眠时长下降(正常-下降组;平均睡眠时长下降,7.0至5.5小时);3384名(6.4%)起始为短睡眠时长并经历睡眠时长增加(低-增加组;平均睡眠时长增加,4.9至6.9小时)。各轨迹组中每个个体归属于最终组别的平均(SD)概率范围为0.70(0.15)至0.91(0.13)。2010年参与者按睡眠时长轨迹分组的基本特征见表1。

在352 413人年的随访期间(平均[SD]随访时间,6.7[1.1]年),共有4418名参与者死亡(n = 2361)或发生心血管事件(CVE)(n = 2406)。睡眠时长轨迹与CVE风险和全因死亡率显著相关(表2)。与正常-稳定组(连续4年维持每晚7.0至8.0小时睡眠时长)相比,在调整潜在混杂因素后,低-稳定型和低-递增型模式与首次CVE风险显著升高相关。CVE的调整后HR分别为:低-递增型1.22(95% CI,1.04-1.43),正常-递减型1.13(95% CI,0.97-1.32),低-稳定型1.47(95% CI,1.05-2.05)。相对于正常-稳定组,正常-递减型和低-稳定型睡眠时长模式者的全因死亡风险显著升高。死亡的调整后HR分别为:正常-递减型1.34(95% CI,1.15-1.57),低-递增型0.95(95% CI,0.80-1.13),低-稳定型1.50(95% CI,1.07-2.10)。排除随访前2年内发生的结局事件、轮班工作者、随访期间发生癌症者、自报频繁打鼾者或心房颤动后的敏感性分析显示结果一致(表3)。此外,进一步调整2006年的睡眠时长并未实质性改变我们的结果。我们还按年龄、性别和基线合并症进行了分层分析(表4及补充材料中的e表1和e表2)。未观察到任何医学合并症的显著交互作用,按基线体重状态和性别分层时结果相似。然而,按年龄组分层时,在65岁以下的参与者中,低-稳定型(HR,1.75;95% CI,1.17-1.62)和低-递增型(HR,1.28;95% CI,1.04-1.56)组与CVE的关联被发现,而在65岁及以上者中则未发现。

2010年单次睡眠时长与CVE和死亡的U型关联见补充材料中的e图2。每晚睡眠时长为7.0至8.0小时的参与者所有结局的风险最低。调整潜在混杂因素后,短睡眠时长和长睡眠时长均与CVE和死亡相关。与每晚睡眠7.0至不足8.0小时相比,复合结局的调整后HR分别为:每晚睡眠不足6.0小时者1.24(95% CI,1.10-1.39),每晚睡眠6.0至不足7.0小时者1.08(95% CI,0.98-1.20),每晚睡眠8.0至不足9.0小时者1.32(95% CI,1.21-1.44),每晚睡眠至少9.0小时者1.45(95% CI,1.13-1.87)。CVE和全因死亡率分别分析的结果相似(补充材料e表3)。相比之下,2006年至2010年期间的平均睡眠时长与后续CVE风险无关。较长睡眠时长(8.0至<9.0小时的HR为1.11[95% CI,1.00-1.23];每晚≥9小时的HR为2.34[95% CI,1.46-3.72])而非较短睡眠时长(每晚<6小时的HR为0.98[95% CI,0.84-1.14];每晚6至<7小时的HR为0.99[95% CI,0.89-1.09])与全因死亡风险相关(补充材料e表4)。

图。开滦研究中2006年至2010年期间的睡眠时长轨迹。正常-稳定睡眠时长模式为每晚7.4至7.5小时;低-升高模式,平均从每晚4.9小时增加至6.9小时;正常-降低模式,平均从每晚7.0小时减少至5.5小时;低-稳定模式,范围为每晚4.9至4.2小时。 查看原图 ↗
表1。按睡眠时长轨迹分组的研究参与者特征 查看原表 ↗
表2。2006年至2010年期间睡眠时长轨迹与心血管事件及全因死亡率的关联 查看原表 ↗
表3。关于睡眠时长轨迹组与首次CVE及全因死亡率关联的敏感性分析 查看原表 ↗
表4。睡眠时长轨迹组与首次CVE及全因死亡复合终点之间的关联,按年龄、性别和基线合并症分层 查看原表 ↗

讨论

本研究提供了新的发现,表明睡眠时长轨迹与首次CVE和死亡风险显著相关,即使在调整了单次基线睡眠时长测量后亦然,并支持了单次睡眠时长测量与不良健康结局相关的传统证据。在4年跨度内识别出四种异质性睡眠时长轨迹,这些模式与随后的死亡和CVE风险相关。与符合正常睡眠模式的正常-稳定时长轨迹相比,低-升高和低-稳定时长轨迹与CVE风险增加相关,而低-稳定和正常-降低轨迹与全因死亡风险增加相关。表现为低-稳定睡眠模式、在4年评估期内维持夜间睡眠时长少于5.0小时的参与者,死亡和CVE风险最高。还观察到基线单次睡眠时长测量与未来不良事件之间的U形关联。短睡眠时长(每晚<6.0小时)和长睡眠时长(每晚8.0至<9.0小时)的参与者不良健康结局风险增加,无论其较早的睡眠模式如何。这些发现表明,长期睡眠时长轨迹与随后的CVE和死亡风险相关,此外还有更接近事件发生时间的单次测量。

据我们所知,本研究是首个在大型前瞻性队列中探讨睡眠持续时间纵向模式与心血管事件(CVEs)及全因死亡率关联的研究。以往关于睡眠持续时间与健康关联的研究通常仅在1个时间点测量睡眠持续时间,很少有研究考察2个时间点睡眠持续时间变化的影响,且据我们所知,尚无研究考虑较长时期内的睡眠持续时间模式。我们的结果得到了一项既往研究的支持,该研究显示,在2个阶段测量到睡眠持续时间减少或增加的参与者具有更高的全因死亡风险。16 本研究扩展了这些发现,表明不仅是2个时间点之间睡眠持续时间的变化很重要,某些睡眠持续时间轨迹也与CVEs和死亡相关。睡眠减少模式可能代表睡眠持续时间的逐渐缩短,这可能是由心理社会因素和医学共病引起的睡眠障碍所促成的。然而,在调整社会人口学变量、打鼾频率和现有医学疾病后,与死亡的关联并未显著改变。经历睡眠增加模式的个体可能代表那些最初睡眠持续时间不足、随后通过延长睡眠来补偿睡眠债的人。最近一项研究6发现,“补觉”不能缓解与睡眠不足相关的代谢紊乱,甚至可能使其恶化。这一发现提示,睡眠剥夺具有长期不良后果,可能无法通过睡眠补偿来改善。此外,睡眠持续时间增加模式可能仅仅是亚临床疾病的标志,观察到的与CVEs的关联可能源于反向因果关系。然而,进一步排除最初2年内发生事件的参与者并未改变结果。

我们观察到,短而稳定的睡眠模式与全因死亡率和CVEs的最高风险相关。同样,一项职业队列研究的发现17显示,长期睡眠持续时间不足(定义为相隔4至7年的2个阶段内睡眠<7.0小时/天)与25年期间的全因死亡相关。经历短而稳定模式的参与者可能代表那些存在慢性睡眠剥夺的人,包括自发晚睡的短睡眠者和强制性短睡眠者,如轮班工作者或有睡眠问题的人。进一步排除可能的轮班工作者和自报频繁打鼾者后,结果相似,提示长期缺乏睡眠本身可能对健康产生有害影响。自报每晚持续睡眠5.0小时或更少的人可能被视为CVE和死亡的高风险人群。

一些机制可能解释了长期睡眠不足与心血管事件(CVEs)及死亡风险之间的关联。有证据表明,睡眠债对碳水化合物代谢以及胰岛素、皮质醇和瘦素等内分泌激素水平具有不良影响,这可能促成食欲和葡萄糖代谢的改变,并加速肥胖和糖尿病的发展。18,19 在习惯性睡眠模式正常的成年男性中,限制睡眠会导致交感神经系统活性、血清去甲肾上腺素和促炎细胞因子(白细胞介素1β、白细胞介素6和C反应蛋白)升高,而这些因素与心血管疾病和死亡独立相关。20,21 睡眠延长与不良结局之间关联的机制被认为更具推测性。睡眠时间增加可能代表未诊断疾病的标志物或未控制的合并症(如阻塞性睡眠呼吸暂停)的影响,从而导致死亡和CVEs风险。此外,那些最初睡眠时间不足的人可能已开始延长睡眠以补偿睡眠债,并可能形成了睡眠时间增加的模式。证据还表明,主观长睡眠模式者可能存在睡眠效率差,而睡眠效率差与死亡风险增加相关。22 需要进一步研究来检验这种睡眠时间增加与健康结局之间的潜在关联。

本研究的发现为睡眠时间长期模式与CVEs和死亡之间的关联提供了独特见解。这些异质性轨迹可能有助于比睡眠时间的单次或均值测量更准确地识别高危个体。例如,尽管本研究中短单次测量睡眠时间与CVEs风险之间的关联重复了既往证据的发现,23,24 但我们发现低-增加模式而非正常-减少模式与CVEs风险相关。此外,那些呈短至增加睡眠模式的参与者尽管睡眠时间表面上有所改善,仍倾向于具有增加的风险,这表明睡眠不足可能具有长期不良后果,以及稳定充足睡眠的重要性。相反,4年间隔期间较短的均值睡眠时间与全因死亡风险无关。绘制睡眠时间轨迹与健康结局的关联可能揭示单次或均值测量无法捕获的额外信息。更好地理解睡眠时间变化的影响和时机可能有助于识别更高风险人群,进而可针对这些人群采取干预措施以促进心血管健康和健康睡眠。

优势与局限性

本研究的优势包括采用习惯性睡眠时间的纵向评估,在大型社区人群中考察长期睡眠模式与CVEs和死亡率的关联。我们还根据4年内这些生物标志物的3次测量结果,对平均体重指数、血压、空腹血糖和高敏C反应蛋白浓度及估算肾小球滤过率以及其他心血管危险因素进行了调整,这可能大大减少未测量的残余混杂。

本研究存在若干局限性值得注意。首先,我们的队列仅纳入来自开滦社区的中国成年人,且大多数为男性;因此,研究结果可能无法推广至其他人群。然而,在来自不同地理区域、具有不同文化背景和收入水平的个体中,已观察到习惯性睡眠时长与心血管事件(CVEs)风险及死亡率之间存在相似的关联,提示这些数据具有广泛的普适性。23,25 其次,使用自我报告的睡眠时长替代客观睡眠时长测量可能产生潜在偏倚。然而,在一般人群的大型研究中,使用客观方法(如多导睡眠图)可能不可行。既往研究表明,主观估计的睡眠时长与通过活动记录仪和多导睡眠图监测的睡眠参数高度相关。26,27 重要的是,睡眠模式是基于随时间进行的重复测量来识别的,这可能减少错分。第三,缺乏其他睡眠维度,如睡眠障碍(如睡眠呼吸暂停和失眠)、日间小睡时长和睡眠质量,进一步限制了研究。我们尝试通过排除频繁打鼾者和轮班工作者来校正睡眠障碍,结果保持不变。日间小睡时长作为对夜间睡眠债的补偿或一种习惯性行为,可能进一步影响特定夜间睡眠时长个体的CVEs风险。23 尽管睡眠质量也与不良结局风险相关,10,24 但既往研究28报告7至8小时睡眠时长与更好的睡眠质量存在强关联,我们旨在聚焦睡眠时长,因为其比睡眠质量更可能是一个可改变的因素。28 需要进一步开展包含详细睡眠参数的研究来重复我们的发现。此外,尽管对多个潜在协变量进行了统计调整,残余混杂和反向因果关系仍不能排除,结果应谨慎解读。

结论

总之,本研究的发现为习惯性睡眠时长与CVEs及死亡率之间的关联提供了新的见解,强调了睡眠时长的时间性而非静态行为的重要性。较低或不稳定模式的睡眠时长轨迹与后续首次CVEs和全因死亡风险增加显著相关。需要进一步研究来证实特定睡眠时长轨迹在风险预测中的效用,并探索在常规临床实践和公共卫生环境中生活方式改变和干预对睡眠轨迹及相关结局的影响。

参考来源

  1. Wang YH, Wang J, Chen SH, et al. Association of Longitudinal Patterns of Habitual Sleep Duration With Risk of Cardiovascular Events and All-Cause Mortality. JAMA Netw Open. 2020. PMID: 32442289. doi:10.1001/jamanetworkopen.2020.5246
  2. 全文:PMC7244989(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7244989/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。