发表在gydF4y2Ba在gydF4y2Ba第十卷第十期(2022年):10月gydF4y2Ba

本文的预印本(早期版本)可在gydF4y2Bahttps://preprints.www.mybigtv.com/preprint/39150gydF4y2Ba,首次出版gydF4y2Ba.gydF4y2Ba
客观推式睡眠反馈对日常生活中习惯性睡眠行为和瞬间症状的影响:使用医疗物联网系统的移动健康干预试验gydF4y2Ba

客观推式睡眠反馈对日常生活中习惯性睡眠行为和瞬间症状的影响:使用医疗物联网系统的移动健康干预试验gydF4y2Ba

客观推式睡眠反馈对日常生活中习惯性睡眠行为和瞬间症状的影响:使用医疗物联网系统的移动健康干预试验gydF4y2Ba

原始论文gydF4y2Ba

1gydF4y2Ba东京大学教育研究生院,日本东京gydF4y2Ba

2gydF4y2Ba东京大学医学研究生院,日本东京gydF4y2Ba

3.gydF4y2Ba胚胎科学技术前驱研究,日本科学技术厅,日本埼玉gydF4y2Ba

4gydF4y2Ba大阪大学工学大学院,日本大阪gydF4y2Ba

通讯作者:gydF4y2Ba

Hiroki Takeuchi,硕士gydF4y2Ba

教育研究生院gydF4y2Ba

东京大学gydF4y2Ba

7-3-1, Hongo村gydF4y2Ba

Bunkyo-kugydF4y2Ba

东京,113 - 8654gydF4y2Ba

日本gydF4y2Ba

电话:81 03 5841 3968gydF4y2Ba

电子邮件:gydF4y2Batakeuchi@p.u-tokyo.ac.jpgydF4y2Ba


背景:gydF4y2Ba睡眠有益于身心健康。一些移动和可穿戴的睡眠跟踪设备已经被开发出来,个性化的睡眠反馈是这些设备中最常见的功能。到目前为止,还没有研究实施客观的推送式反馈信息,并调查接受睡眠反馈时习惯性睡眠行为和日常症状的特征。gydF4y2Ba

摘要目的:gydF4y2Ba我们进行了一项移动健康干预试验,以检查发送客观的推送式睡眠反馈是否会改变日本办公室职员自我报告的情绪、身体症状和睡眠行为。gydF4y2Ba

方法:gydF4y2Ba共有31名上班族(平均年龄42.3岁,SD 7.9岁;男女比例21:10)于2020年11月30日至12月19日参加了一项2组干预试验。参与者被要求使用智能手机应用程序每天5次表明他们的瞬间情绪和身体症状(抑郁情绪、焦虑、压力、嗜睡、疲劳和颈部和肩部僵硬)。此外,每天下班后对日常工作表现进行一次评估。他们被随机分配到反馈组或对照组,分别在每天早上在应用程序上收到或没有收到关于他们睡眠状态的消息。所有参与者都在非惯用手腕上佩戴活动监测器,通过监测器,客观的睡眠数据被记录在服务器上的网络上。根据服务器上估计的睡眠数据,生成个性化的睡眠反馈信息,并使用应用程序发送给反馈组的参与者。这些过程是完全自动化的。gydF4y2Ba

结果:gydF4y2Ba使用分层统计模型,我们检查了试验期间睡眠变量(睡眠时间和睡眠中点)和日常工作表现的统计属性差异。使用线性混合效应模型检验情绪和身体症状日斜率的组间差异。我们发现在睡眠中点的个体内残差之间存在显著的组间差异(预期差异的后验:−15,95%可信间隔−26到−4分钟),表明反馈组的睡眠时间更稳定。然而,两组在日常工作表现上没有显著差异。我们还发现了嗜睡日斜率的显著组间差异(gydF4y2BaPgydF4y2Ba<.001),疲劳(gydF4y2BaPgydF4y2Ba=.002)、颈肩僵硬(gydF4y2BaPgydF4y2Ba<.001),这在很大程度上是由于反馈组在起床时间比对照组得分更高。gydF4y2Ba

结论:gydF4y2Ba这是第一个移动健康研究,证明客观的推式睡眠反馈可以改善健康办公室职员的睡眠时间和身体症状。未来的研究应该纳入旨在改善睡眠习惯的具体行为指导,并检查这些指导的有效性。gydF4y2Ba

JMIR Mhealth Uhealth 2022;10(10):e39150gydF4y2Ba

doi: 10.2196/39150gydF4y2Ba

关键字gydF4y2Ba



移动医疗技术的发展gydF4y2Ba

互联网和通信技术、移动传感设备和物联网(IoT)的最新发展使纵向多维信息的获取成为可能,包括实时生理、行为和环境数据。例如,消费级可穿戴健身追踪器(如Fitbit、Garmin和Jawbone)可以客观、重复地记录身体活动、睡眠和心率等健康相关信息。gydF4y2Ba

通过使用智能手机及其短信,有可能在最佳时间提供有效的支持,以提高人们对健康状况的认识,并改善对干预试验的依从性。作为日常生活的一部分,移动设备在改变与健康相关的行为方面很有用。根据这些技术进步及其适用性,移动医疗等移动设备支持的医疗和公共卫生实践[gydF4y2Ba1gydF4y2Ba,gydF4y2Ba2gydF4y2Ba,近年来备受关注。自2017年以来,商业应用程序商店中已经提供了超过32.5万个移动健康应用程序,并且可用应用程序的数量还在继续增长[gydF4y2Ba3.gydF4y2Ba].移动健康应用程序已用于几项针对身体活动的干预试验[gydF4y2Ba4gydF4y2Ba-gydF4y2Ba6gydF4y2Ba]、吸烟[gydF4y2Ba7gydF4y2Ba,gydF4y2Ba8gydF4y2Ba],以及自杀意念[gydF4y2Ba9gydF4y2Ba],而它们的实用性和有效性已得到证实。gydF4y2Ba

习惯性睡眠行为对健康的影响gydF4y2Ba

睡眠是恢复的重要方面。事实上,充足和高质量的睡眠与更好的身心健康息息相关。gydF4y2Ba10gydF4y2Ba-gydF4y2Ba12gydF4y2Ba]和改善日间功能,包括减轻身体症状[gydF4y2Ba13gydF4y2Ba,gydF4y2Ba14gydF4y2Ba],工作表现更佳[gydF4y2Ba15gydF4y2Ba],以及改善生活质素[gydF4y2Ba16gydF4y2Ba].gydF4y2Ba

尽管研究兴趣集中在睡眠时间和质量的重要性上,但最近的研究表明,睡眠时间和习惯性睡眠行为的稳定性对健康也起着重要作用。事实上,睡眠时间延迟与肥胖有关。gydF4y2Ba17gydF4y2Ba]、充血性心力衰竭[gydF4y2Ba18gydF4y2Ba],血糖控制不佳[gydF4y2Ba19gydF4y2Ba],以及抑郁症状加重[gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba21gydF4y2Ba].更多的研究表明,日常睡眠行为(即持续时间、时间和质量)的可变性,即个体内部可变性[gydF4y2Ba22gydF4y2Ba],与生理功能障碍有关[gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba],不利的医疗和精神健康状况[gydF4y2Ba25gydF4y2Ba],以及心理健康欠佳[gydF4y2Ba26gydF4y2Ba].因此,多层面监测和调节习惯性睡眠行为有助于预防和支持身心健康问题。gydF4y2Ba

移动和可穿戴技术在改善睡眠中的应用gydF4y2Ba

睡眠数据,以及其他与健康相关的行为和生理数据,可以通过移动设备实时收集。移动或可穿戴传感设备(如床传感器、智能手机应用程序和活动监控器)的广泛使用使得实时监测睡眠行为变得更加容易和普遍。gydF4y2Ba27gydF4y2Ba].尽管大多数消费设备没有获得食品和药物管理局作为医疗设备的许可,但它们有望提供机会在大规模人群中纵向跟踪习惯性睡眠行为[gydF4y2Ba28gydF4y2Ba].例如,Crowley等人[gydF4y2Ba29gydF4y2Ba试图将消费者可穿戴设备纳入促进健康的试验。他们在12个月的时间里调查了565名员工在改善身体活动和睡眠方面的效果,发现在整个研究期间,睡眠时间稳步增加。gydF4y2Ba

此外,用于治疗睡眠障碍的移动健康应用程序发展迅速[gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba31gydF4y2Ba],目前有超过2000个针对睡眠的移动健康应用程序可在商业应用程序商店中使用[gydF4y2Ba32gydF4y2Ba].普兰塔拉等[gydF4y2Ba33gydF4y2Ba,gydF4y2Ba34gydF4y2Ba他开发了一款名为“增强睡眠弹性”的交互式应用程序,并研究了其作为睡眠行为治疗的临床可行性。他们报告说,使用这款应用程序改善了失眠的严重程度和整体睡眠质量,而且这款应用程序并不逊于传统的面对面睡眠治疗。此外,Hoersch等人[gydF4y2Ba35gydF4y2Ba]和库恩等人[gydF4y2Ba36gydF4y2Ba]进行了随机对照试验,并报告说,与候补对照组参与者相比,接受移动健康干预的参与者失眠严重程度和睡眠质量有所改善。gydF4y2Ba

剩余的问题gydF4y2Ba

尽管移动健康应用程序和移动传感技术快速发展,但最近的评论表明,检验移动健康应用程序有效性的科学试验有限[gydF4y2Ba32gydF4y2Ba],需要进一步的研究来测试客观数据是否能提高睡眠结果[gydF4y2Ba37gydF4y2Ba].这项调查移动健康应用程序在增强睡眠方面的作用的研究有几个局限性。首先,大多数移动健康试验都没有客观地评估睡眠行为[gydF4y2Ba31gydF4y2Ba],所提供的反馈取决于参与者的自我报告评估。虽然一些研究将可穿戴设备纳入试验[gydF4y2Ba38gydF4y2Ba,gydF4y2Ba39gydF4y2Ba,他们只使用这些测量来评估试验的效果,而不是客观化反馈。考虑到自我管理习惯性睡眠行为对预防未来健康问题的重要性,在应用程序中实现客观的睡眠反馈是有益的。其次,之前的移动健康研究专注于改善习惯性睡眠行为的有限方面,如睡眠质量和睡眠时间[gydF4y2Ba31gydF4y2Ba],而睡眠的动态方面,包括试验期间睡眠测量的个体内部变化,往往被忽视。据我们所知,Murawski等人只有1项mHealth研究[gydF4y2Ba40gydF4y2Ba报告了睡眠行为的动态方面,并发现睡眠时间的可变性在他们干预后得到了改善,这是通过自我报告问卷评估的。研究睡眠行为的动态特征,可以深入了解在响应反馈信息或其他干预时,睡眠自我调节过程的典型特征。最后,鉴于睡眠的广泛影响,包括心理健康,睡眠与白天功能的协变关系,如情绪、身体症状和工作表现,应该进行检查。协变关系可能包含有关从属效应的重要信息,有助于对睡眠自我管理的全面理解。gydF4y2Ba

客观的gydF4y2Ba

这项研究的目的是进行一项移动健康试验,使用智能手机应用程序和可穿戴活动监测器向健康的参与者发送客观的推送式睡眠反馈。具体来说,我们检查了每天发送睡眠反馈信息是否会改变参与者的睡眠行为和自我报告的症状,特别是抑郁情绪、焦虑、压力、嗜睡、疲劳以及颈部和肩部僵硬。我们对客观测量的睡眠变量的统计特性和使用生态瞬时评估(EMA)记录的白天瞬时症状的特征进行了探索性分析。gydF4y2Ba


研究设计gydF4y2Ba

在这项研究中,我们对一家保险公司的办公室职员进行了随机方便抽样,并将他们分为对照组和反馈组,进行了两组干预试验。通过比较各组在习惯性睡眠行为(睡眠时间和睡眠中点)、瞬间症状(抑郁情绪、焦虑、压力、嗜睡、疲劳、颈肩僵硬)和日常工作表现方面的特征,我们研究了个性化睡眠反馈的效果。为了尽量减少回溯性回忆造成的记忆失真,研究人员在智能手机应用程序上实时记录了瞬间的症状。使用可穿戴设备客观地测量习惯性睡眠行为。试验前评估了可能的外部变量,包括试验前心理症状、习惯性睡眠行为和工作表现。gydF4y2Ba

教育津贴的方法gydF4y2Ba

我们使用EMA方法实时获取瞬时情绪和身体症状数据(即抑郁情绪、焦虑、压力、疲劳、嗜睡和颈部和肩部僵硬)。EMA是一种实时、多时间点记录参与者行为、心理状态和身体症状的方法,可以收集自我报告和客观数据,具有信度和生态效度。因此,EMA避免了自我报告数据中回顾性回忆的潜在扭曲[gydF4y2Ba41gydF4y2Ba,gydF4y2Ba42gydF4y2Ba].gydF4y2Ba

医疗物联网系统gydF4y2Ba

我们开发了一个基于云的医疗物联网(HIT)系统,可以连续获取健康相关信息,包括瞬间症状、生物信号和周围环境信息,记录为日常生活的一部分。HIT系统由云服务器和智能手机应用程序(分别为HIT服务器和HIT应用程序)组成。HIT应用程序配备了EMA,用户可以记录自己日常生活中的瞬间症状(gydF4y2Ba多媒体附件1gydF4y2Ba).此外,HIT应用程序可以连接各种物联网设备,包括本研究中使用的专有活动监控器(Sciencenet设备,Sciencenet Inc),使用蓝牙低能耗(BLE)。数据从IoT设备传输到HIT服务器。该应用程序兼容安卓和iOS操作系统。HIT服务器可以存储、集成和管理应用程序上传的数据,并向HIT应用程序用户发送个性化消息(推送式反馈消息)。HIT系统已用于实时评估自我报告的症状[gydF4y2Ba43gydF4y2Ba].gydF4y2Ba

参与者gydF4y2Ba

在保险公司工作的31名办公室职员参与了这项研究。参与者平均年龄为42.3岁(SD 7.9岁),男女比例为21:10。在试验期间,应雇主要求,所有参与者都在家工作,以防止COVID-19的传播。gydF4y2Ba

使用R统计软件(4.0.2版;R Foundation for Statistical Computing),使样本量的比例为1:1。没有观察到年龄和性别的分层。共同作者KS独立于主要研究员HT进行了这种随机化。虽然作者HT在随机分配后也被告知谁被分配到哪个组,但在试验期间他不被允许与参与者联系。gydF4y2Ba

在试验期间,反馈组的参与者每天早上都会收到关于他们当前睡眠状态的个性化信息,而对照组的参与者则没有收到任何信息。对照组16人,男9人,女7人,平均年龄44.1岁(SD 8.3岁)。反馈组15人,其中男性12人,女性3人,平均年龄40.5岁(SD 7.2岁)。gydF4y2Ba

仪器gydF4y2Ba

基线调查问卷gydF4y2Ba

在试验前,参与者完成了一份基线问卷,包括他们的人口统计信息(年龄、性别和BMI)、心理症状(抑郁和焦虑症状)、习惯性睡眠行为(习惯性睡眠时长和自我报告的睡眠质量)和自我报告的工作表现。基线问卷所列项目将在后面各节列出。gydF4y2Ba

心理症状gydF4y2Ba

使用日本版贝克抑郁量表第二版(BDI-II)评估抑郁症状[gydF4y2Ba44gydF4y2Ba,gydF4y2Ba45gydF4y2Ba].BDI-II是一个21项自我报告量表,用于测量抑郁症的存在和严重程度(得分范围为0-63)。日本版BDI-II的内部一致性(Cronbach α=.87)和项目同质性已得到证实[gydF4y2Ba45gydF4y2Ba].BDI-II根据总分将个体分为4类:轻度抑郁或无抑郁,0至13分;轻度抑郁,14 - 19岁;中度抑郁,20 ~ 28岁;重度抑郁症,29到63岁。以≥14分作为抑郁症的临床分界点。gydF4y2Ba

焦虑症状评估使用日版状态-特质焦虑量表(STAI)表格Y [gydF4y2Ba46gydF4y2Ba].STAI是一个标准化的自我报告量表,用于测量状态焦虑和特质焦虑,共有20个项目(分别为STAI Y-1和STAI Y-2)。STAI Y-1衡量的是一个人目前感到焦虑的强度,而STAI Y-2衡量的是一个人感到焦虑的频率。每个子量表的得分从20到80不等,得分越高表明焦虑程度越高。gydF4y2Ba

习惯性睡眠行为gydF4y2Ba

工作日和休息日的习惯性睡眠时间(SLgydF4y2BawgydF4y2Ba和SLgydF4y2BafgydF4y2Ba他们分别用一个问题(“你工作日睡多久?”和“如果明天是假日,你睡多久?”)。这些测量结果被用来计算一个指数,代表试验期间参与者的睡眠状态。使用匹兹堡睡眠质量指数(PSQI)评估睡眠质量。PSQI是一种自我报告量表,用于评估前一个月的睡眠质量[gydF4y2Ba47gydF4y2Ba,gydF4y2Ba48gydF4y2Ba].PSQI由19个项目组成,包括自我报告的睡眠质量、睡眠潜伏期、睡眠时间、习惯性睡眠效率、睡眠障碍、睡眠药物的使用和白天功能障碍。得分从0到21,总分越高,睡眠质量越差。该问卷的强信度和效度已在最近的荟萃分析中得到证实[gydF4y2Ba49gydF4y2Ba].gydF4y2Ba

自我报告的工作表现gydF4y2Ba

自我报告的工作表现采用世界卫生组织健康与工作表现问卷(HPQ)来衡量[gydF4y2Ba50gydF4y2Ba,gydF4y2Ba51gydF4y2Ba].HPQ要求参与者在0到10的自我锚定量表上对他们过去四周的整体工作表现进行打分:“如果从0到10,你会给过去四周的正常工作表现打多少分?”该分数将原始分数乘以10,转换为100分制,分数越高表示工作表现越好。gydF4y2Ba

EMA问卷gydF4y2Ba

参与者使用HIT应用程序每天回答5次EMA问卷。EMA包括以下测量值:gydF4y2Ba

  1. 使用抑郁和焦虑情绪量表对抑郁情绪和焦虑进行评分[gydF4y2Ba52gydF4y2Ba].这个量表包括以下9个代表情绪状态的形容词:“活力充沛”、“阴郁”、“关心”、“快乐”、“不愉快”、“焦虑”、“快乐”、“沮丧”和“担心”。在这9个项目的基础上,计算出焦虑情绪(“关心”、“焦虑”和“担心”得分的总和)、积极情绪(“精力充沛”、“快乐”和“开朗”得分的总和)和消极情绪(“沮丧”、“不愉快”和“沮丧”得分的总和)。抑郁情绪分数由后2项情绪分数合并得出:(300分积极情绪分数)+消极情绪分数。由此产生的抑郁情绪分数被重新划分为0到100的范围。gydF4y2Ba
  2. 身体症状,包括压力、嗜睡、疲劳、脖子和肩膀僵硬,根据参与者被问及是否感到“有压力”、“困”或“疲劳”以及“脖子和肩膀是否僵硬”时的反应进行评级。gydF4y2Ba
  3. 下班后的日常工作表现被评估,问题是“你如何评价你今天的工作表现?”gydF4y2Ba

这些测量值使用屏幕上显示的从0到100的可视模拟刻度进行评级。在完成每一份EMA问卷后,所有分数立即转移到HIT服务器。gydF4y2Ba

睡眠监测gydF4y2Ba

在试验期间,参与者被要求在非惯用手腕上佩戴腕带式活动监测器,除非在洗澡、淋浴、进行严格锻炼或任何其他可能损坏设备的活动时除外。该设备配备了三轴压电加速度计,能够检测身体加速度的微小变化(≥0.01 G/rad/s)。我们证实,该设备的性能相当于研究级活动记录仪(amlatory Monitors Inc),后者广泛应用于临床环境。比较分析结果载于gydF4y2Ba多媒体附件2gydF4y2Ba.gydF4y2Ba

该设备被配置为每当参与者启动应用程序时,使用HIT应用程序将物理活动数据传输到HIT服务器。我们使用过零计数,即每个epoch计算加速度信号水平超过0的次数[gydF4y2Ba53gydF4y2Ba],每分钟累积,计算客观睡眠变量。gydF4y2Ba

为了估计睡眠变量,我们采用了带有韦氏重录规则的Cole-Kripke算法[gydF4y2Ba54gydF4y2Ba,gydF4y2Ba55gydF4y2Ba]的过零计数数据,以确定所记录的1分钟时间是睡眠还是清醒。接下来,我们引入了睡眠概率函数(SPF) θgydF4y2Ba(t)gydF4y2Ba如下:gydF4y2Ba

在哪里gydF4y2BatgydF4y2Ba表示转换为数值的时钟时间(例如,3 AM转换为3.00,6:30 PM转换为18.50)。因此,SPF是一个从0到1的值,代表昼夜节律振荡。gydF4y2Ba

然后对有效SPF参数(βgydF4y2Ba0gydF4y2Ba,βgydF4y2Ba1gydF4y2Ba,和βgydF4y2Ba2gydF4y2Ba)来拟合实际的Cole-Kripke识别,使用伯努利逻辑回归模型。gydF4y2Ba

CKgydF4y2Ba(t) ~伯努利(θ(t))…gydF4y2Ba (2)gydF4y2Ba

CK (gydF4y2BatgydF4y2Ba)表示时钟时间为时的Cole-Kripke识别结果gydF4y2BatgydF4y2Ba;CK (gydF4y2BatgydF4y2Ba) = 0和CK(gydF4y2BatgydF4y2Ba) = 1表示当时的epochgydF4y2BatgydF4y2Ba分别被标记为清醒和睡眠。gydF4y2Ba

最后,我们对平方波形函数θ ' (gydF4y2BatgydF4y2Ba)从θ(gydF4y2BatgydF4y2Ba),通过引入起始和偏移量(gydF4y2BatgydF4y2Ba在gydF4y2Ba而且gydF4y2BatgydF4y2Ba从gydF4y2Ba分别)。gydF4y2Ba

有效的gydF4y2BatgydF4y2Ba在gydF4y2Ba而且gydF4y2BatgydF4y2Ba从gydF4y2Ba都是为了最大化gydF4y2BaRgydF4y2Ba2gydF4y2Baθ ' (t)和CK(t)之间的值,使用Nelder-Mead方法。我们假设gydF4y2BatgydF4y2Ba在gydF4y2Ba而且gydF4y2BatgydF4y2Ba从gydF4y2Ba分别表示就寝时间和起床时间;因此,睡眠时间和睡眠中点是根据他们的间隔和中点来确定的。我们确认该算法的执行水平相当于Action-W版本2软件(AW2软件,Ambulatory Monitors Inc),该软件用于分析研究级活动记录仪数据(gydF4y2Ba多媒体附件2gydF4y2Ba).gydF4y2Ba

根据工作日和休息日的习惯性睡眠时长计算平均每天睡眠时长(gydF4y2Ba年代gydF4y2BawgydF4y2Ba而且gydF4y2Ba年代gydF4y2BafgydF4y2Ba,分别为),使用以下公式:gydF4y2Ba

这代表了每天的预期睡眠时间,因为参与者每周工作5天。睡眠债和累积睡眠债的定义如下:gydF4y2Ba

睡眠负债=平均睡眠时长−估计睡眠时长…gydF4y2Ba(5)gydF4y2Ba
累积睡眠债= Σsleep债…gydF4y2Ba(6)gydF4y2Ba

因此,睡眠债表示每天睡眠不足,累积睡眠债表示随着时间的推移累积的价值。在试用期间,使用HIT应用程序将这些值自动发送给反馈组的参与者。gydF4y2Ba

数据收集协议gydF4y2Ba

训练有素的研究人员为参与者提供了关于研究目的和潜在风险的全面解释。随后,他们签署了知情同意书并完成了基线调查问卷。此外,他们还收到了一份睡眠卫生指南,列出了改善他们习惯性睡眠行为或健康状况的白天活动(gydF4y2Ba多媒体gydF4y2Ba).然后,他们被要求在智能手机上安装HIT应用程序,并在非惯用手腕上佩戴活动监测器。所有参与者都接受了应用程序和活动监视器的使用指导。使用这些仪器,我们反复实时测量他们的瞬间症状和身体活动数据。使用通信服务和视频会议系统,尽可能多地在网上展示设置和操作程序。gydF4y2Ba

试验的概述显示在gydF4y2Ba图1gydF4y2Ba.这次试验进行了近3周(从2020年11月30日到12月19日)。在试验期间,参与者被要求在预定时间的+10分钟至- 10分钟内(上午10点和下午2点)随机选择时间完成EMA问卷(见EMA问卷部分)。此外,他们被要求在醒来、完成工作和上床睡觉的时候完成EMA(分别是起床时间、下班时间和就寝时间)。gydF4y2Ba

每天上午9点,使用本地数据分析服务器对HIT服务器上的身体活动数据进行整理和分析,以估计睡眠持续时间、睡眠债务和累积睡眠债务。在估计睡眠数据的基础上,生成个性化的睡眠反馈信息,并发送给反馈组的参与者。他们被告知自己的睡眠状况(估计的睡眠债和累积的睡眠债),并被要求参考减少睡眠债的指导方针来计划和调整他们的白天活动。这条信息是这样写的:“你昨天累积了XX分钟的睡眠债。你目前的总债务是XX分钟。“睡眠债”对身心健康都有负面影响。调整你白天的行为来抵消你的债务。”gydF4y2Ba

如果在上午9点之前还没有将足够的体育活动数据(<720条/天)上传到服务器,则会向参与者发送另一条消息,要求他们确认活动监控器与应用程序的BLE配对:“似乎您的数据尚未上传成功。我们将在下午1点再次分析数据。请在此之前检查您的HIT应用程序的BLE连接。”下午1点对相关参与者执行相同的计算过程。这些流程由本地服务器执行,并且是完全自动化的。gydF4y2Ba

在试用期结束后,参与者对自己在前两周的整体工作表现进行自我锚定评分,评分范围从1到10。问题是这样的:“如果从0到10分,你给过去两周的工作表现打几分?”HPQ最初用于评估过去一个月的工作表现,本研究中使用的量表被修改为评估过去两周的表现,与调查期间相对应。gydF4y2Ba

‎gydF4y2Ba
图1。审判概述。HIT:医疗保健物联网。gydF4y2Ba
查看此图gydF4y2Ba

统计分析gydF4y2Ba

睡眠变量,包括睡眠时间和睡眠中间时间,以及每天的工作表现,每天记录一次,而情绪和身体症状则使用基于智能手机的EMA每天记录几次。由于这种数据记录频率的差异,我们使用不同的模型来分析得到的数据的群体差异。gydF4y2Ba

对于睡眠变量和日常工作表现,我们构建了一个层次贝叶斯模型来捕捉日常趋势、基线水平和个体内部稳定性,如下所示:gydF4y2Ba

ygydF4y2BaijkgydF4y2Ba=βgydF4y2BaijgydF4y2Ba 0gydF4y2Ba +βgydF4y2Ba我gydF4y2Ba 1gydF4y2Ba 一天gydF4y2BaijkgydF4y2Ba+ egydF4y2BaijkgydF4y2Ba
βgydF4y2BaijgydF4y2Ba 0gydF4y2Ba =βgydF4y2Ba我gydF4y2Ba 0gydF4y2Ba + rgydF4y2BaijgydF4y2Ba 0gydF4y2Ba
egydF4y2BaijkgydF4y2Ba~ NgydF4y2Ba(0gydF4y2Ba,σgydF4y2Ba我gydF4y2Ba ygydF4y2Ba)gydF4y2Ba
rgydF4y2BaijgydF4y2Ba 0gydF4y2Ba ~ NgydF4y2Ba(0gydF4y2Ba,σgydF4y2Ba 0gydF4y2Ba)gydF4y2Ba

在哪里gydF4y2BaygydF4y2BaijkgydF4y2Ba的因变量(睡眠时间、睡眠中点或日常工作表现)gydF4y2BakgydF4y2Ba的-th记录gydF4y2BajgydF4y2Ba-th参与者gydF4y2Ba我gydF4y2Bath组;gydF4y2Ba一天gydF4y2BaijkgydF4y2Ba表示测量相应因变量以记录趋势(改善或恶化)的日期;gydF4y2BaβgydF4y2BaijgydF4y2Ba0gydF4y2Ba的截距是gydF4y2BajgydF4y2Ba-th参与者gydF4y2Ba我gydF4y2Bath组;gydF4y2BaβgydF4y2Ba我gydF4y2Ba1gydF4y2Ba是坡度为日的吗gydF4y2Ba我gydF4y2Bath组;随机项gydF4y2BargydF4y2BaijgydF4y2Ba0gydF4y2Ba为个体间残差;而且gydF4y2BaegydF4y2BaijkgydF4y2Ba是个体内残差。特别是,方差分量σgydF4y2Ba我gydF4y2BaygydF4y2Ba可以解释为衡量个体睡眠变量在群体水平上的稳定或波动程度。因此,σgydF4y2Ba我gydF4y2BaygydF4y2Ba假设受到是否提供干预的影响,并对每组进行估计。假设所有随机项服从正态分布。gydF4y2Ba

对于ema记录的情绪和身体症状,我们使用线性混合效应模型来检查它们的日斜率和组间差异。gydF4y2Ba

ygydF4y2BaijkgydF4y2Ba=βgydF4y2BajgydF4y2Ba 0gydF4y2Ba +βgydF4y2Ba 1gydF4y2Ba 时间gydF4y2BaijkgydF4y2Ba+βgydF4y2Ba 2gydF4y2Ba 集团gydF4y2BaijkgydF4y2Ba+βgydF4y2Ba 3.gydF4y2Ba 时间gydF4y2BaijkgydF4y2Ba*集团gydF4y2BaijkgydF4y2Ba+ egydF4y2BaijkgydF4y2Ba
βgydF4y2BajgydF4y2Ba 0gydF4y2Ba =βgydF4y2Ba 0gydF4y2Ba + rgydF4y2BajgydF4y2Ba 0gydF4y2Ba
egydF4y2BaijkgydF4y2Ba~ NgydF4y2Ba(0,gydF4y2BaσgydF4y2Ba ygydF4y2Ba)gydF4y2Ba
rgydF4y2BajgydF4y2Ba 0gydF4y2Ba ~ NgydF4y2Ba(0,gydF4y2BaσgydF4y2Ba 0gydF4y2Ba)gydF4y2Ba

在哪里gydF4y2BaygydF4y2BaijkgydF4y2Ba显示的情绪或身体症状gydF4y2BakgydF4y2Ba的-th记录gydF4y2BajgydF4y2Ba-th参与者gydF4y2Ba我gydF4y2Bath组;gydF4y2Ba时间gydF4y2BaijkgydF4y2Ba指示分类变量,表示记录相应因变量的时间;因此,时间gydF4y2BaijkgydF4y2Ba= 0和时间gydF4y2BaijkgydF4y2Ba= 1表示分别在起床时间和就寝时间记录因变量;gydF4y2Ba集团gydF4y2BaijkgydF4y2Ba属性所在的组的类别变量gydF4y2BajgydF4y2Ba-对第3位参与者进行分类;因此,组gydF4y2BaijkgydF4y2Ba= 0和GroupgydF4y2BaijkgydF4y2Ba= 1表示因变量分别来自控制组和反馈组的参与者;gydF4y2BaβgydF4y2BajgydF4y2Ba0gydF4y2Ba的截距是gydF4y2BajgydF4y2Bath参与者;gydF4y2BaβgydF4y2Ba1gydF4y2Ba,gydF4y2BaβgydF4y2Ba2gydF4y2Ba,gydF4y2BaβgydF4y2Ba3.gydF4y2Ba的系数是gydF4y2Ba时间gydF4y2BaijkgydF4y2Ba,gydF4y2Ba集团gydF4y2BaijkgydF4y2Ba,和它们的相互作用项;随机项gydF4y2BargydF4y2BajgydF4y2Ba0gydF4y2Ba个体间残差和gydF4y2BaegydF4y2BaijkgydF4y2Ba是个体内残差。假设所有随机项服从正态分布。当观察到显著的相互作用效应时,我们使用Tukey校正进行多次比较试验。gydF4y2Ba

此外,我们还表演了双尾韦尔奇gydF4y2BatgydF4y2Ba对基线数据进行Fisher精确检验,以确认两组间无显著差异。由于HPQ评分记录在基线和随访问卷中,我们采用2-way重复测量方差分析来检验组(对照vs反馈)和时间(干预前vs干预后)的主要影响及其相互作用效应。对于累积睡眠债,我们采用了韦尔奇二尾模型gydF4y2BatgydF4y2Ba对每个参与者的最终观察数据进行Levene检验和方差相等检验,以检验均数和方差方面的组间差异。gydF4y2Ba

所有分析均使用R统计软件(4.0.2版)进行。特别地,统计模型的参数是用rstan [gydF4y2Ba56gydF4y2Ba]和lmerTest [gydF4y2Ba57gydF4y2Ba)包。emmeans包(亦称lsmeans包)[gydF4y2Ba58gydF4y2Ba]用于与Tukey校正的多次比较试验。统计显著性定义为95%可信区间(CI)不包括空值或当agydF4y2BaPgydF4y2Ba值< . 05。gydF4y2Ba

伦理批准gydF4y2Ba

东京大学伦理委员会批准了这项研究和知情同意书(批准号20-20)。gydF4y2Ba


人口特征gydF4y2Ba

共有31人同意参与这项研究。然而,4名参与者的数据被排除在统计分析之外,因为他们在EMA问卷上的起床时间和就寝时间的回复率较低(即<3天;gydF4y2Ba图2gydF4y2Ba).参与者的人口统计学特征,包括对照组(n=12)和反馈组(n=15),表示在gydF4y2Ba表1gydF4y2Ba.参与者的平均年龄为41.8岁(SD 7.9岁),33%(9/27)为女性。韦尔奇双尾gydF4y2BatgydF4y2Ba两组间的人口学特征差异无统计学意义(p < 0.05)。EMA病历总数为1839份,总有效率为64.88%(1839/2835)。gydF4y2Ba

‎gydF4y2Ba
图2。参与者数据选择分析流程图。EMA:生态瞬时评价;F:女性;M:男性。gydF4y2Ba
查看此图gydF4y2Ba
表1。各组参与者的基线人口学特征。gydF4y2Ba

整体(N = 27)gydF4y2Ba 对照组(n=12)gydF4y2Ba 反馈组(n=15)gydF4y2Ba PgydF4y2Ba价值gydF4y2Ba
年龄(年),平均值(SD)gydF4y2Ba 41.78 (7.90)gydF4y2Ba 43.42 (8.72)gydF4y2Ba 40.47 (7.21)gydF4y2Ba .35点gydF4y2Ba一个gydF4y2Ba
女性,n (%)gydF4y2Ba 9 (33)gydF4y2Ba 6 (50)gydF4y2Ba 3 (20)gydF4y2Ba 口径。gydF4y2BabgydF4y2Ba
BMI(公斤/米gydF4y2Ba2gydF4y2Ba),平均值(SD)gydF4y2Ba 21.65 (2.60)gydF4y2Ba 21.18 (2.54)gydF4y2Ba 22.03 (2.67)gydF4y2Ba .40gydF4y2Ba一个gydF4y2Ba
BDI-IIgydF4y2BacgydF4y2Ba,平均值(SD)gydF4y2Ba 6.51 (5.13)gydF4y2Ba 6.92 (4.94)gydF4y2Ba 6.20 (5.42)gydF4y2Ba 开市gydF4y2Ba一个gydF4y2Ba
BDI-II >13, n (%)gydF4y2Ba 4 (15)gydF4y2Ba 2 (17)gydF4y2Ba 2 (13)gydF4y2Ba 获得gydF4y2BabgydF4y2Ba
污渍Y-1gydF4y2BadgydF4y2Ba,平均值(SD)gydF4y2Ba 39.78 (11.05)gydF4y2Ba 38.75 (11.31)gydF4y2Ba 40.60 (11.17)gydF4y2Ba 正gydF4y2Ba一个gydF4y2Ba
污渍y 2gydF4y2BaegydF4y2Ba,平均值(SD)gydF4y2Ba 40.74 (10.28)gydF4y2Ba 38.67 (8.50)gydF4y2Ba 41.20 (11.69)gydF4y2Ba 点gydF4y2Ba一个gydF4y2Ba
PSQIgydF4y2BafgydF4y2Ba,平均值(SD)gydF4y2Ba 4.73 (2.16)gydF4y2Ba 4.75 (2.05)gydF4y2Ba 4.71 (2.33)gydF4y2Ba .97点gydF4y2Ba一个gydF4y2Ba
年代gydF4y2BawgydF4y2BaggydF4y2Ba,平均值(SD)gydF4y2Ba 6小时18分钟(1小时4分钟)gydF4y2Ba 6小时20分钟(1小时18分钟)gydF4y2Ba 6小时16分钟(53分钟)gydF4y2Ba 多多gydF4y2Ba一个gydF4y2Ba
年代gydF4y2BafgydF4y2BahgydF4y2Ba,平均值(SD)gydF4y2Ba 6小时49分钟(1小时23分钟)gydF4y2Ba 6小时35分钟(1小时23分钟)gydF4y2Ba 7小时00分钟(1小时25分钟)gydF4y2Ba 。45gydF4y2Ba一个gydF4y2Ba

一个gydF4y2Ba韦尔奇gydF4y2BatgydF4y2Ba测试。gydF4y2Ba

bgydF4y2Ba费雪精确检验。gydF4y2Ba

cgydF4y2BaBDI-II:贝克抑郁量表第二版。gydF4y2Ba

dgydF4y2BaSTAI Y-1:状态焦虑量表。gydF4y2Ba

egydF4y2BaSTAI Y-2:特质焦虑量表。gydF4y2Ba

fgydF4y2Ba匹兹堡睡眠质量指数。gydF4y2Ba

ggydF4y2Ba年代gydF4y2BawgydF4y2Ba:工作日的睡眠时长。gydF4y2Ba

hgydF4y2Ba年代gydF4y2BafgydF4y2Ba:休息日的睡眠时间。gydF4y2Ba

睡眠变量的统计特性gydF4y2Ba

在试验期间,我们检查了组间睡眠变量的差异,如累积睡眠债务、睡眠时间和睡眠中点。27名参与者中有5名(18%)的数据由于身体活动测量失败而被排除在分析之外(gydF4y2Ba图2gydF4y2Ba).因此,对照组11名参与者的数据(平均年龄43.3岁,SD 9.1岁;男性6名,女性5名),反馈组11名(平均年龄41.3岁,SD 7.41岁;男性9例,女性2例)。gydF4y2Ba

图3gydF4y2Ba在试验期间,展示了所有参与者的计算睡眠变量的意大利面图。韦尔奇的gydF4y2BatgydF4y2Ba方差相等性检验和Levene检验均表明,两组间累计睡眠债务差异不显著gydF4y2Ba17.32gydF4y2Ba= 0.64,gydF4y2BaPgydF4y2Ba= 53;gydF4y2BaFgydF4y2Ba1、20gydF4y2Ba= 0.15,gydF4y2BaPgydF4y2Ba= 2。gydF4y2Ba

随后,我们使用层次贝叶斯模型检验了睡眠时间和睡眠中点的每日趋势、基线水平和个体内残差的组间差异。反馈组睡眠中点的个体内残差显著小于对照组(预期差异的后验:- 15,95% CI - 26至- 4分钟;gydF4y2Ba表2gydF4y2Ba).就寝时间的个体内残差也是如此(- 18,95% CI - 31至- 4 min;gydF4y2Ba多媒体附件4gydF4y2Ba).两组在睡眠时间上均无明显斜坡(对照组:0 95% CI−3 ~ 3 min;反馈组:1,95% CI−3至1分钟)或睡眠中点(对照组:- 1,95% CI−4至1分钟;反馈组:1,95% CI−1 ~ 3 min)。gydF4y2Ba

‎gydF4y2Ba
图3。在整个试验期间,每个参与者估计的累积睡眠债务(顶部面板)、睡眠时长(中间面板)和睡眠中点(底部面板)的意大利面图。左右面板分别表示控制组和反馈组睡眠变量的时间序列。gydF4y2Ba
查看此图gydF4y2Ba
表2。睡眠时间和睡眠中点的分层贝叶斯模型的结果。gydF4y2Ba

对照组gydF4y2Ba 反馈组gydF4y2Ba 区别gydF4y2Ba

学术用途英语gydF4y2Ba一个gydF4y2Ba(SD)gydF4y2BabgydF4y2Ba 95%可信区间gydF4y2BacgydF4y2Ba EAP (SD)gydF4y2Ba 95%可信区间gydF4y2Ba EAP (SD)gydF4y2Ba 95%可信区间gydF4y2Ba
睡眠时间gydF4y2BadgydF4y2Ba

拦截gydF4y2Ba 7小时33分钟(26分钟)gydF4y2Ba 6小时42分钟至8小时23分钟gydF4y2Ba 7小时31分钟(33分钟)gydF4y2Ba 6小时27分钟至8小时36分钟gydF4y2Ba −1分钟(31分钟)gydF4y2Ba −1 h 2分钟~ 58分钟gydF4y2Ba

一天gydF4y2Ba 0分钟(1分钟)gydF4y2Ba −3分钟~ 3分钟gydF4y2Ba 1分钟(1分钟)gydF4y2Ba −3分钟~ 1分钟gydF4y2Ba −1分钟(2分钟)gydF4y2Ba −4分钟~ 3分钟gydF4y2Ba

σgydF4y2Ba0 egydF4y2Ba 48分钟(11分钟)gydF4y2Ba 29分钟至1小时14分钟gydF4y2Ba 48分钟(11分钟)gydF4y2Ba 29分钟至1小时14分钟gydF4y2Ba N/AgydF4y2BafgydF4y2Ba N/AgydF4y2Ba

σgydF4y2BaygydF4y2Ba 1小时13分钟(5分钟)gydF4y2Ba 1小时4分钟~ 1小时23分钟gydF4y2Ba 1小时13分钟(6分钟)gydF4y2Ba 1小时3分钟~ 1小时26分钟gydF4y2Ba 0分钟(8分钟)gydF4y2Ba −14分钟~ 16分钟gydF4y2Ba
睡眠中点gydF4y2BadgydF4y2Ba

拦截gydF4y2Ba 3:30(21分钟)gydF4y2Ba 2:48到4:12gydF4y2Ba 3:34(26分钟)gydF4y2Ba 2:44到4:26gydF4y2Ba 4分钟(24分钟)gydF4y2Ba −42分钟~ 52分钟gydF4y2Ba

一天gydF4y2Ba −1分钟(1分钟)gydF4y2Ba −4分钟~ 1分钟gydF4y2Ba 1分钟(1分钟)gydF4y2Ba −1分钟~ 3分钟gydF4y2Ba 2分钟(1分钟)gydF4y2Ba 0分钟~ 5分钟gydF4y2Ba

σgydF4y2Ba0gydF4y2Ba 41分钟(9分钟)gydF4y2Ba 27分钟~ 1小时1分钟gydF4y2Ba 41分钟(9分钟)gydF4y2Ba 27分钟~ 1小时1分钟gydF4y2Ba N/AgydF4y2Ba N/AgydF4y2Ba

σgydF4y2BaygydF4y2Ba 1 h 1 min (4 min)gydF4y2Ba 53分钟至1小时9分钟gydF4y2Ba 46分钟(4分钟)gydF4y2Ba 39分钟到54分钟gydF4y2Ba −gydF4y2Ba15分钟gydF4y2Ba(gydF4y2Ba5分钟gydF4y2Ba)gydF4y2BaggydF4y2Ba −gydF4y2Ba26分钟~ 4分钟gydF4y2Ba

一个gydF4y2BaEAP:后验期望值(后验分布的期望值)。gydF4y2Ba

bgydF4y2Ba后验分布的SD。gydF4y2Ba

cgydF4y2BaCI:可信区间。gydF4y2Ba

dgydF4y2Ba这些模型在控制了年龄和性别后运行。gydF4y2Ba

egydF4y2Ba截距的个体间变异的差异(σgydF4y2Ba0gydF4y2Ba)没有计算,因为σgydF4y2Ba0gydF4y2Ba假设两组之间是相等的。gydF4y2Ba

fgydF4y2BaN/A:不适用。gydF4y2Ba

ggydF4y2Ba斜体值表示统计学上显著的群体效应,95%置信区间。gydF4y2Ba

自我报告工作绩效评估gydF4y2Ba

在试验期间,我们使用27名参与者的307份EMA记录(gydF4y2Ba图4gydF4y2Ba).我们通过使用用于分析睡眠变量的统计模型来检验日常工作绩效的统计特性。然而,两组之间并无显著差异(gydF4y2Ba表3gydF4y2Ba).在使用二向重复方差分析比较干预前后HPQ评分时,gydF4y2BaFgydF4y2Ba1,25gydF4y2Ba= 0.39,gydF4y2BaPgydF4y2Ba=。54,而且t我me,FgydF4y2Ba1,25gydF4y2Ba= 0.01,gydF4y2BaPgydF4y2Ba=。94,the我r在ter一个ct我on,FgydF4y2Ba1,25gydF4y2Ba= 0.05,gydF4y2BaPgydF4y2Ba=。83.,werenot significant.

‎gydF4y2Ba
图4。在整个试验期间,使用生态瞬时评估记录每个参与者的日常工作表现的意大利面条图。左右面板分别表示控制组和反馈组工作绩效的时间序列。gydF4y2Ba
查看此图gydF4y2Ba
表3。日常工作绩效的层级贝叶斯模型结果。gydF4y2Ba

控制gydF4y2Ba 反馈gydF4y2Ba 区别gydF4y2Ba

学术用途英语gydF4y2Ba一个gydF4y2Ba(SD)gydF4y2BabgydF4y2Ba 95%可信区间gydF4y2BacgydF4y2Ba EAP (SD)gydF4y2Ba 95%可信区间gydF4y2Ba EAP (SD)gydF4y2Ba 95%可信区间gydF4y2Ba
日常工作表现gydF4y2BadgydF4y2Ba

拦截gydF4y2Ba 57.59 (6.67)gydF4y2Ba 44.60至70.54gydF4y2Ba 61.45 (8.77)gydF4y2Ba 44.24 ~ 78.82gydF4y2Ba 3.85 (8.01)gydF4y2Ba −11.92 ~ 19.84gydF4y2Ba

一天gydF4y2Ba 0.32 (0.22)gydF4y2Ba −0.11 ~ 0.75gydF4y2Ba 0.08 (0.17)gydF4y2Ba −0.26 ~ 0.41gydF4y2Ba −0.24 (0.27)gydF4y2Ba −0.77 ~ 0.29gydF4y2Ba

σgydF4y2Ba0 egydF4y2Ba 17.06 (2.89)gydF4y2Ba 12.38到23.54gydF4y2Ba 17.06 (2.89)gydF4y2Ba 12.38到23.54gydF4y2Ba N/AgydF4y2BafgydF4y2Ba N/AgydF4y2Ba

σgydF4y2BaygydF4y2Ba 13.28 (0.88)gydF4y2Ba 11.68 ~ 15.14gydF4y2Ba 12.62 (0.72)gydF4y2Ba 11.31 ~ 14.12gydF4y2Ba −0.66 (1.14)gydF4y2Ba −2.94 ~ 1.50gydF4y2Ba

一个gydF4y2BaEAP:预期后验。gydF4y2Ba

bgydF4y2Ba后验分布的SD。gydF4y2Ba

cgydF4y2BaCI:可信区间。gydF4y2Ba

dgydF4y2Ba这些模型在控制了年龄和性别后运行。gydF4y2Ba

egydF4y2Ba截距的个体间变异的差异(σgydF4y2Ba0gydF4y2Ba)没有计算,因为σgydF4y2Ba0gydF4y2Ba假设两组之间是相等的。gydF4y2Ba

fgydF4y2BaN/A:不适用。gydF4y2Ba

EMA评分的日斜率gydF4y2Ba

27名参与者(760份记录)的EMA评分被用来检查瞬时情绪和身体症状的日斜率(gydF4y2Ba图2gydF4y2Ba).线性混合效应模型结果显示,生理症状(疲劳、gydF4y2BaPgydF4y2Ba= .002;嗜睡,gydF4y2BaPgydF4y2Ba<措施;脖子和肩膀僵硬,gydF4y2BaPgydF4y2Ba<措施;gydF4y2Ba表4gydF4y2Ba).此外,Tukey校正的多重比较检验显示,反馈组起床时身体症状的EMA评分明显低于就寝时(疲劳、嗜睡、颈肩僵硬)。gydF4y2BaPgydF4y2Ba<措施)。在对照组中,起床时间和就寝时间之间的显著差异仅在疲劳方面观察到(gydF4y2BaPgydF4y2Ba<措施;gydF4y2Ba图5gydF4y2Ba).gydF4y2Ba

表4。情绪和身体症状线性混合效应模型的结果。gydF4y2Ba
情绪和身体症状gydF4y2Ba一个gydF4y2Ba 系数(SE)gydF4y2Ba DfgydF4y2BabgydF4y2Ba PgydF4y2Ba价值gydF4y2Ba
抑郁的情绪gydF4y2Ba

拦截gydF4y2BacgydF4y2Ba 41.27 (5.56)gydF4y2Ba 23.28gydF4y2Ba <措施gydF4y2Ba

集团gydF4y2Ba −9.87 (6.61)gydF4y2Ba 23.42gydF4y2Ba 酒精含量gydF4y2Ba

时间gydF4y2Ba −0.35 (1.10)gydF4y2Ba 731.32gydF4y2Ba 综合成绩gydF4y2Ba

集团×时间gydF4y2Ba 0.74 (1.51)gydF4y2Ba 731.6gydF4y2Ba 点gydF4y2Ba
焦虑gydF4y2Ba

拦截gydF4y2BacgydF4y2Ba 35.75 (7.42)gydF4y2Ba 23.31gydF4y2Ba <措施gydF4y2Ba

集团gydF4y2Ba −16.89 (8.82)gydF4y2Ba 23.46gydF4y2Ba 07gydF4y2Ba

时间gydF4y2Ba −1.29 (1.56)gydF4y2Ba 731.36gydF4y2Ba .41点gydF4y2Ba

集团×时间gydF4y2Ba 3.03 (2.14)gydF4y2Ba 731.66gydF4y2Ba 16gydF4y2Ba
压力gydF4y2Ba

拦截gydF4y2Ba 47.07 (8.02)gydF4y2Ba 23.42gydF4y2Ba <措施gydF4y2Ba

集团gydF4y2Ba −18.66 (9.54)gydF4y2Ba 23.6gydF4y2Ba 06gydF4y2Ba

时间gydF4y2Ba 2.49 (1.80)gydF4y2Ba 731.46gydF4y2Ba 。gydF4y2Ba

集团×时间gydF4y2Ba 0.46 (2.47)gydF4y2Ba 731.82gydF4y2Ba .85gydF4y2Ba
乏力gydF4y2Ba

拦截gydF4y2Ba 35.22 (7.24)gydF4y2Ba 23.72gydF4y2Ba <措施gydF4y2BadgydF4y2Ba

集团gydF4y2Ba −16.47 (8.62)gydF4y2Ba 24.03gydF4y2Ba 07gydF4y2Ba

时间gydF4y2Ba 16.07 (2.14)gydF4y2Ba 731.78gydF4y2Ba <措施gydF4y2Ba

集团×时间gydF4y2Ba 9.31 (2.96)gydF4y2Ba 732.39gydF4y2Ba .002gydF4y2Ba
睡意gydF4y2Ba

拦截gydF4y2Ba 55.75 (7.20)gydF4y2Ba 24.08gydF4y2Ba <措施gydF4y2Ba

集团gydF4y2Ba −9.81 (8.58)gydF4y2Ba 24.51gydF4y2Ba 点gydF4y2Ba

时间gydF4y2Ba 1.27 (2.49)gydF4y2Ba 732.14gydF4y2Ba 收gydF4y2Ba

集团×时间gydF4y2Ba 17.70 (3.42)gydF4y2Ba 732.96gydF4y2Ba <措施gydF4y2Ba
颈部和肩部僵硬gydF4y2Ba

拦截gydF4y2Ba 43.33 (9.59)gydF4y2Ba 23.27gydF4y2Ba <措施gydF4y2Ba

集团gydF4y2Ba −12.99 (11.40)gydF4y2Ba 23.37gydF4y2Ba 低位gydF4y2Ba

时间gydF4y2Ba −2.51 (1.64)gydF4y2Ba 731.3gydF4y2Ba 13。gydF4y2Ba

集团×时间gydF4y2Ba 8.46 (2.26)gydF4y2Ba 731.51gydF4y2Ba <措施gydF4y2Ba

一个gydF4y2Badf值对应ANOVA模型中的分母df。gydF4y2Ba

bgydF4y2Ba组效应(对照组vs反馈组)和时间效应(起床时间vs就寝时间)被假设为固定效应,个体效应被假设为随机效应。gydF4y2Ba

cgydF4y2Ba以对照组和起床时间作为各变量的参考类别;因此,截距指示了对照组在唤醒时间内情绪或身体症状的预期EMA评分。gydF4y2Ba

dgydF4y2Ba斜体值表示统计上显著的交互影响。所有模型都是通过控制年龄和性别来运行的。gydF4y2Ba

‎gydF4y2Ba
图5。对照组和反馈组在就寝时间和起床时间的疲劳、嗜睡和颈肩僵硬的平均生态瞬间评估得分。误差条表示每组的SE。gydF4y2Ba
查看此图gydF4y2Ba

主要研究结果gydF4y2Ba

我们使用一个独特的基于云的HIT系统,包括一个基于web的可穿戴活动监视器和一个智能手机应用程序,探讨了关于当前睡眠状态的个性化反馈信息对日本办公室职员的习惯性睡眠行为、瞬时情绪和身体症状的影响。具体来说,我们关注的是试验期间睡眠变量统计属性和日内瞬时症状的组间差异。我们发现,反馈组睡眠时间的个体内残差明显小于对照组。此外,身体症状的日斜率(嗜睡、疲劳、颈肩僵硬)在反馈组和对照组之间有显著差异,这主要是因为反馈组在醒来时的身体症状评分更好。这是第一个基于客观测量实现推式睡眠反馈的移动健康研究,并证明了与接收反馈信息相关的睡眠状态和瞬时症状的改善。这项研究的发现表明,客观的推送式反馈信息可能促进睡眠自我管理,并解决习惯性睡眠行为问题,尽管有轻微的不便。gydF4y2Ba

已经开发了几个移动健康应用程序来治疗失眠等睡眠障碍[gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba31gydF4y2Ba],但这些app还没有实现客观的睡眠反馈功能。虽然消费级可穿戴设备的用户可以利用客观的睡眠测量,但这些被视为拉式干预,因为这些设备要求用户主动访问应用程序来接收反馈,这有时可能是负担。在开发或更新针对睡眠障碍的移动健康应用程序时,可以考虑将移动健康应用程序与可穿戴传感设备连接起来,并发送客观的推送式睡眠反馈。gydF4y2Ba

与以往工作的比较gydF4y2Ba

本研究中检测的睡眠变量的个体内残差可以代表睡眠行为在几天内的变化,这通常被称为个体内变异性[gydF4y2Ba22gydF4y2Ba].最近,习惯性睡眠行为的稳定性被认为是身体和心理健康的一个关键因素,因为先前的研究表明,睡眠行为的较大个体内部变异与较差的医疗健康状况有关[gydF4y2Ba25gydF4y2Ba]和较差的心理健康状况[gydF4y2Ba26gydF4y2Ba].在我们的研究中,参与者可能试图通过采取稳定睡眠时间的策略来改善他们的睡眠习惯(特别是他们的就寝时间);例如,不要过度熬夜。这一推论得到了在就寝时间个体内残差显著组间差异的证据支持,但在唤醒时间没有。Murawski等人也报道了类似的结果[gydF4y2Ba40gydF4y2Ba他们发现在3个月的干预后,睡眠时间的可变性有所改善。考虑到我们的调查周期相对较短,我们推测睡眠变异性的改善是由于对习惯性睡眠行为的意识提高引起的初步变化。特别是在现代工业社会,睡眠-觉醒周期遵循社会时间表,而不是内源性的昼夜节律,导致暴露在明亮的光线时间明显不同于自然环境。这会导致睡眠和昼夜节律紊乱,如昼夜节律失调[gydF4y2Ba59gydF4y2Ba和社会时差[gydF4y2Ba60gydF4y2Ba,gydF4y2Ba61gydF4y2Ba],这些都与未来的健康问题有关。因此,本研究的结果表明,发送个性化的睡眠反馈信息可能有助于身体和心理健康问题的初级预防,以及改善睡眠-觉醒周期。gydF4y2Ba

在反馈组中,身体症状的改善和睡眠时间的稳定同时被观察到,这表明它们之间存在协变关系。事实上,之前的研究已经表明,睡眠时间和睡眠时间的个体内部差异较大的个体表现出更多与内源性昼夜节律相关的失调生物标志物[gydF4y2Ba23gydF4y2Ba]和炎症功能[gydF4y2Ba24gydF4y2Ba],这会影响白天的症状,包括嗜睡和疲劳。因此,在反馈组中醒来时身体症状的改善可能是由稳定的睡眠时间引起的,由调节的生理系统介导。因此,有可能观察到身体症状的改善是稳定睡眠时间的干预措施的短期效果或近期结果,并进一步作为改善睡眠习惯和调整日间活动的激励因素。然而,在之前调查睡眠和身体症状之间关系的研究中,报告的结果不一致。在一项横断面研究中,睡眠变异性与白天疲劳和困倦之间没有关系[gydF4y2Ba62gydF4y2Ba],而在实验中被要求稳定睡眠-觉醒时间表的大学生中,白天的嗜睡减少了[gydF4y2Ba63gydF4y2Ba].这些混杂的结果可能是由于使用了在单个时间点评估症状的调查设计。相比之下,我们使用EMA技术每天多次测量身体症状,比以前的研究具有更好的时间分辨率,并且具有生态有效性,结果发现反馈组在醒来时身体症状得到改善。在获取身体症状数据时,测量的时间也是一个重要因素。gydF4y2Ba

之前的一项研究表明,使用可穿戴设备可以改善健康人群的睡眠时间[gydF4y2Ba29gydF4y2Ba].但是,层次贝叶斯模型显示,睡眠时间和睡眠中点的日斜率不具有统计学意义;因此,我们没有发现仅使用睡眠反馈对睡眠持续时间或睡眠中点有改善。这种差异可能是由于反馈信息的提示。在调查期间,参与者的睡眠债并没有累积太多,他们似乎收到了表明他们的睡眠状态更好的信息。在这种情况下,他们可能会试图通过稳定他们的睡眠-觉醒周期来维持他们的睡眠状态,而不是改善他们的睡眠时间或睡眠时间。在未来的研究中,除了客观的睡眠反馈信息外,还需要为延长睡眠时间和提前睡眠时间提供进一步的支持。改善睡眠时间和时间也有利于白天的功能,如瞬间情绪和工作表现,这些在本研究中没有得到改善。gydF4y2Ba

未来的发展方向gydF4y2Ba

与为治疗睡眠障碍而开发的mHealth应用不同,HIT应用主要用于收集日常生活中的多维数据。因此,在HIT应用中,对改善睡眠障碍有用的功能仅限于客观的反馈信息,而其他应用则提供了心理教育、睡眠卫生、数据可视化等多种支持功能[gydF4y2Ba30.gydF4y2Ba].通过在HIT应用程序中加入额外的干预选项,可以改善睡眠时间和时间。在夜间建立足够睡眠压力的行为指示是额外支持的一个例子。在治疗失眠症患者时,使用睡眠限制疗法,即诱导轻度睡眠剥夺以建立稳态睡眠压力,现有的移动健康研究结合睡眠限制疗法证明了失眠严重程度和睡眠疗效的显著改善[gydF4y2Ba35gydF4y2Ba,gydF4y2Ba64gydF4y2Ba,gydF4y2Ba65gydF4y2Ba].作为日常生活的一部分,建立足够的稳态睡眠压力的干预措施,例如晚上锻炼和避免长时间午睡,可能会改善睡眠时间和白天的功能,包括工作表现。其他干预措施包括对内源性昼夜节律起作用的行为协调;例如,调整进食时间,睡前避免暴露在强光下。这样的扩展可以促进对习惯性睡眠时间的控制,并增强物联网系统与移动设备在治疗各种睡眠障碍方面的适用性。测量、集成和使用多维信息,包括环境和行为数据,需要额外的研究。同时,综合医疗保健信息系统,如HIT系统,可以提供解决方案和扩大干预方案,促进验证其有效性。gydF4y2Ba

限制gydF4y2Ba

这项研究有几个局限性。首先,少数参与者是从日本的一家人寿保险公司招募的,参与者的社交时间表似乎相似,限制了结果的泛化性。事实上,与工作相关的因素,包括职业、工作压力、工作时间、轮班工作和体力劳动,都与习惯性睡眠时间和睡眠质量有关。gydF4y2Ba66gydF4y2Ba-gydF4y2Ba68gydF4y2Ba,这表明睡眠习惯可能因职业而异。因此,需要一项包括不同职业和生活方式的代表性研究,以确保本研究结果的普遍性。gydF4y2Ba

其次,在本研究中,通过将估计睡眠时间与预期睡眠时间的差异相加,引入了估计睡眠债务的唯一计算方法。虽然在其他研究中也使用了类似的方法来估计睡眠债务(自我报告的睡眠需求和工作日睡眠时间之间的差异)[gydF4y2Ba69gydF4y2Ba,gydF4y2Ba70gydF4y2Ba],使用这些方法计算的睡眠债务可能不能反映在实验条件下通常观察到的由慢性睡眠不足引起的神经行为损害[gydF4y2Ba71gydF4y2Ba,gydF4y2Ba72gydF4y2Ba].最初,我们采用这一定义的目的是让参与者计划他们的日常活动,以改善睡眠不足的状况,但有可能实际的睡眠债没有被准确估计。因此,应该开发一种可靠的方法来估计当前的睡眠状态,并在未来的研究中使用。特别是,将EMA技术与机器学习方法相结合,有望在日常生活中提供可靠的睡眠测量。例如,最近的一项研究报告称,机器学习技术可以通过使用从EMA问卷中获得的复杂生活数据来估计日常睡眠质量[gydF4y2Ba73gydF4y2Ba].收集和整合多维信息不仅对理解睡眠行为与白天症状的协变关联有意义,而且对开发新的睡眠测量方法也有意义。gydF4y2Ba

最后,参与者可以识别出他们被分配到的小组,因为只有反馈组的参与者在上午9点收到反馈信息。考虑到身体症状是使用自我报告评估来测量的,EMA记录受到认知偏差的影响,如霍桑效应(参与实验研究的人倾向于改变或改善他们的行为,只是因为正在研究,而不是因为实验刺激的变化)。优化研究设计有助于澄清这一点。例如,通过向对照组参与者发送与习惯性睡眠行为无关的干预信息,我们可以确定该发现是否基于对睡眠反馈信息的特定反应。此外,实施微随机试验[gydF4y2Ba74gydF4y2Ba],这相当于一项个体内随机对照试验,也有助于调查干预措施的有效性。通过随机发送反馈信息,我们可以检查睡眠行为和白天功能之间的因果关系。gydF4y2Ba

结论gydF4y2Ba

我们在办公室职员中进行了一项移动健康试验,证明了客观的推式睡眠反馈可以稳定睡眠时间,改善醒来时的身体症状。然而,我们没有发现睡眠时间延长、睡眠时间提前或工作表现改善的证据。未来的研究应该结合具体的行为指导,旨在改善睡眠时间和睡眠时间,并通过整合和使用日常生活中收集的多维信息来调查行为指导的有效性。gydF4y2Ba

致谢gydF4y2Ba

作者要感谢给他们机会在参与者工作的组织进行这项研究的主任。本研究部分由日本教育、文化、体育、科学和技术部的科学研究资助基金支持,资助金额为20H00569和17H00878,以及日本科学技术厅胚胎科学技术前期研究资助金额JPMJPR19J3。gydF4y2Ba

数据可用性gydF4y2Ba

这项研究的参与者不同意他们的数据被公开分享;因此,没有支持数据。gydF4y2Ba

作者的贡献gydF4y2Ba

TN, KY, AK和YY设计了这项研究。HT, KS, AK收集数据。HT进行了数据分析,并撰写了初稿。所有作者都严格审查并批准了手稿的最终版本。gydF4y2Ba

利益冲突gydF4y2Ba

没有宣布。gydF4y2Ba

‎gydF4y2Ba
多媒体附件1gydF4y2Ba

医疗保健物联网应用程序的截图。gydF4y2Ba

DOC文件,476 KBgydF4y2Ba

‎gydF4y2Ba
多媒体附件2gydF4y2Ba

Sciencenet活动监控器的有效性。gydF4y2Ba

DOC文件,617 KBgydF4y2Ba

‎gydF4y2Ba
多媒体gydF4y2Ba

睡眠卫生指南。gydF4y2Ba

DOC文件,32kbgydF4y2Ba

‎gydF4y2Ba
多媒体附件4gydF4y2Ba

睡眠变量统计特性的附加分析。gydF4y2Ba

DOC文件,572 KBgydF4y2Ba

  1. Becker S, Miron-Shatz T, Schumacher N, Krocza J, Diamantidis C, Albrecht U.移动健康2.0:经验,可能性和观点。JMIR Mhealth Uhealth 2014年5月16日;2(2):e24 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  2. 库马尔S, Nilsen WJ, Abernethy A, Atienza A, Patrick K, Pavel M,等。移动医疗技术评估:移动医疗证据研讨会。Am J Prev Med 2013年8月;45(2):228-236 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  3. Nikolova S.数字健康应用程序市场潜力最大的三大治疗领域。Research2Guidance。2017.URL:gydF4y2Bahttps://research2guidance.com/top-3-therapy-fields-with-the-best-market-potential-for-digital-health-appsgydF4y2Ba[2021-08-01]访问gydF4y2Ba
  4. Ganesan AN, Louise J, Horsfall M, Bilsborough SA, Hendriks J, McGavigan AD,等。体育活动、久坐和体重的国际移动健康干预:Stepathlon心血管健康研究J Am Coll Cardiol 2016 5月31日;67(21):2453-2463 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  5. 彭丽娟,张志强,张志强,等。一项基于彩票的随机对照试验,以增加超重和肥胖成年人的身体活动。美国健康杂志2018年9月32日(7):1568-1575。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  6. Klasnja P, Smith S, Seewald NJ, Lee A, Hall K, Luers B,等。为身体活动量身定制建议的有效性:HeartSteps的一项微随机优化试验。Ann Behav Med 2019年5月03日;53(6):573-582 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  7. Carrasco-Hernandez L, Jódar-Sánchez F, Núñez-Benjumea F, Moreno Conde J, Mesa González M, Civit-Balcells A,等。移动健康解决方案补充精神药理学支持的戒烟:随机对照试验。JMIR Mhealth Uhealth 2020年4月27日;8(4):e17530 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  8. Ubhi HK, Michie S, Kotz D, Wong WC, West R.一款帮助戒烟的移动应用程序:无烟28的初步评估。J Med Internet Res 2015年1月16日;17(1):e17 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  9. Tighe J, Shand F, Ridani R, Mackinnon A, De La Mata N, Christensen H. Ibobbly移动健康干预对澳大利亚土著青年的自杀预防:一项试点随机对照试验。英国医学杂志2017年1月27日公开赛;7(1):e013518 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  10. 单志,马辉,谢敏,闫鹏,郭勇,鲍伟,等。睡眠时间与2型糖尿病风险:前瞻性研究的荟萃分析糖尿病护理2015年3月38日(3):529-537。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  11. 卡普奇奥FP,库珀D, D'Elia L,斯特拉祖洛P,米勒MA。睡眠时间预测心血管结果:前瞻性研究的系统回顾和荟萃分析。欧洲心脏杂志2011年6月;32(12):1484-1492。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  12. 翟玲,张华,张东。成年人睡眠时间与抑郁:前瞻性研究的元分析。抑郁焦虑2015年9月32日(9):664-670。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  13. Chami HA, Ghandour B, Isma'eel H, Nasreddine L, Nasrallah M, Tamim H.贝鲁特失眠:城市环境中的睡眠时长和相关主观睡眠不足、日间疲劳和睡眠债。睡眠呼吸2020 3月24日(1):357-367。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  14. Alves FR, de Souza EA, de França Ferreira LG, de Oliveira Vilar Neto J, de Bruin VM, de Bruin PF.巴西高中青少年大样本的睡眠时间和白天嗜睡。睡眠医学2020年2月;66:207-215。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  15. 石桥Y,志村a .工作效率和睡眠健康之间的关系:日本的一项横断面研究。睡眠健康2020 Jun;6(3):270-276。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  16. 马吉CA,卡普蒂P,艾弗森DC。澳大利亚中老年人自我评估健康、生活质量和睡眠时间之间的关系睡眠医学2011年4月12日(4):346-350。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  17. 佐佐木N,藤原S,山下H, Ozono R, Monzen Y, Teramen K,等。在日本人群中,肥胖与自我报告的睡眠时间变化、睡眠时间和年龄之间的关系。中国临床医学杂志,2018;12(2):187-194。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  18. 闫斌,李锐,李娟,金霞,高峰,高勇,等。睡眠时间可能预测充血性心力衰竭:一项基于社区的队列研究。J Am心脏协会2021年3月16日;10(6):e018385 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  19. Reutrakul S, Siwasaranond N, Nimitphong H, Saetung S, Chirakalwasan N, Ongphiphadhanakul B,等。泰国2型糖尿病患者睡眠时间、睡眠时间和血糖控制之间的关系中国生物医学杂志,2015;32(10):1469-1476。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  20. Levandovski R, Dantas G, Fernandes LC, Caumo W, Torres I, Roenneberg T,等。在农村人口中,抑郁得分与时间类型和社会时差有关。生物钟杂志2011年11月28日(9):771-778。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  21. 德索萨首席检察官,伊达尔戈州议员。在青少年中,上学期间的睡眠中点与抑郁有关。生物钟杂志2014年3月31日(2):199-205。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  22. 王晓明,王晓明,王晓明。睡眠/觉醒模式的个体内变异与睡眠/觉醒模式的相关性研究。睡眠医学Rev 2016 8月;28:108-124 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  23. 贝B,西曼TE,卡罗尔JE,威利JF。睡眠与生理失调:对睡眠个体变异的进一步研究。Sleep 2017 Sep 01;40(9):zsx109 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  24. 奥坤ML,雷诺兹CF, Buysse DJ, Monk TH, Mazumdar S, Begley A,等。老年人社区居住样本中的睡眠变异性、健康相关实践和炎症标志物2011;73(2):142-150 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  25. Slavish DC, Taylor DJ, Lichstein KL.睡眠的个体变异和共病的医疗和心理健康状况。睡眠2019 6月11日;42(6):zsz052 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  26. Lemola S, Ledermann T, Friedman EM.睡眠时间的可变性与主观睡眠质量和主观幸福感相关:一项活动记录仪研究。PLoS One 2013 Aug 14;8(8):e71292 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  27. Perez-Pozuelo I, Zhai B, Palotti J, Mall R, Aupetit M, Garcia-Gomez JM,等。睡眠健康的未来:睡眠科学和医学的数据驱动革命。NPJ数字医学2020年3月23日;3:42 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  28. Tobin SY, Williams PG, Baron KG, Halliday TM, Depner CM。将可穿戴技术应用于睡眠的挑战和机遇。睡眠医学临床2021年12月16(4):607-618。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  29. Crowley O, Pugliese L, Kachnowski S.可穿戴设备对身体活动和睡眠的影响。Cureus 2016 10月11日;8(10):e825 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  30. 张志刚,张志刚,张志刚,张志刚,等。针对睡眠障碍的移动健康应用程序的设计、工程、临床实施和评估框架:系统综述。J medical Internet Res 2021 Feb 17;23(2):e24607 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  31. 阿罗约AC,扎瓦兹基MJ。行为改变技术在移动健康睡眠应用中的实施:系统回顾。JMIR Mhealth Uhealth 2022 04月04日;10(4):e33527 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  32. 李志强,李志强,李志强,等。应用商店里的失眠治疗?针对失眠的移动健康应用程序的标准化评级。J Sleep Res(即将出版)2022年5月27日:e13642。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  33. Pulantara IW, Parmanto B, Germain a .对失眠的即时适应性移动健康干预的开发:可用性研究。JMIR Hum Factors 2018年5月17日;5(2):e21 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  34. Pulantara IW, Parmanto B, Germain a .即时适应性干预应用程序(iREST)作为一种行为睡眠治疗在军事人群中的临床可行性:可行性比较有效性研究。J Med Internet Res 2018年12月07日;20(12):e10124 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  35. 霍希CH, Lancee J, Griffioen-Both F, Spruit S, Fitrianie S, Neerincx MA,等。手机为失眠症提供认知行为疗法:一项随机等待列表对照试验。J Med Internet Res 2017 april 11;19(4):e70 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  36. 库恩E,米勒KE, Puran D, Wielgosz J,约克威廉姆斯SL,欧文JE,等。失眠教练移动应用程序的试点随机对照试验,以评估其可行性、可接受性和潜在疗效。2022年5月;53(3):440-457。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  37. Glazer Baron K, Culnan E, Duffecy J, Berendson M,张Mason I, Lattie E,等。消费者睡眠技术数据如何被用于提供行为睡眠药物干预?系统回顾。行为学与睡眠医学2022;20(2):173-187。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  38. 姜松山,姜建民,赵世杰,高平,李玉杰,李海杰,等。认知行为疗法使用可与可穿戴设备同步的移动应用程序治疗失眠:试点研究。临床睡眠医学杂志2017年4月15日;13(4):633-640 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  39. Reilly ED, Robinson SA, Petrakis BA, Kuhn E, Pigeon WR, Wiener RS,等。失眠自我管理的移动应用程序使用:退伍军人睡眠结果的试点发现。Interact J Med Res 2019 7月24日;8(3):e12408 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  40. Murawski B, Plotnikoff RC, Rayward AT, Oldmeadow C, Vandelanotte C, Brown WJ,等。成人移动健康身体活动和睡眠健康干预的疗效:一项随机候补对照试验2019年10月;57(4):503-514。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  41. 行为医学中的生态瞬间评估(EMA)。中华医学杂志1994;16(3):199-202。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
  42. 谢夫曼S,斯通AA,赫福德先生生态瞬时评价。临床精神病学2008;4:1-32。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  43. 钱凯,小池T,中村T,舒勒B,山本Y.学习多模态表示的睡意检测。IEEE Trans Intell传输系统2022年8月;23(8):11539-11548。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
  44. Beck AT, Steer RA, Brown GK。贝克抑郁量表。第二版。圣安东尼奥,德克萨斯州,美国:心理公司;1996.gydF4y2Ba
  45. Kojima M, Furukawa TA, Takahashi H, Kawai M, Nagaya T, Tokudome S.日本Beck抑郁量表ii的跨文化验证。精神病学杂志2002年7月31日;110(3):291-299。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  46. Hidano T, Fukuhara M, Iwawaki S, Soga S, Spielberger CD.状态-特质焦虑量表的新STAI日本东京:日塾出版社;2000.gydF4y2Ba
  47. Buysse DJ,雷诺兹第三CF,和尚TH,伯曼SR, Kupfer DJ。匹兹堡睡眠质量指数:精神病学实践和研究的新工具。精神病学杂志1989年5月;28(2):193-213。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  48. Doi Y, Minowa M, Uchiyama M, Okawa M, Kim K, Shibui K,等。使用日本版匹兹堡睡眠质量指数(PSQI-J)对精神障碍和对照受试者进行主观睡眠质量的心理测量评估。精神病学杂志2000年12月27日;97(2-3):165-172。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  49. Mollayeva T, Thurairajah P, Burton K, Mollayeva S, Shapiro CM, Colantonio a .匹兹堡睡眠质量指数作为临床和非临床样本睡眠功能障碍的筛查工具:系统回顾和荟萃分析。睡眠医学Rev 2016 Feb;25:52-73。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  50. Kessler RC, Barber C, Beck A, Berglund P, Cleary PD, McKenas D,等。世界卫生组织健康和工作绩效调查问卷。中国生物医学工程学报,2003年2月;45(2):156-174。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  51. 川上N,井上A,土屋M,渡边K,今村K,饭田M,等。建构世界精神卫生日本版世界卫生组织健康与工作绩效问卷短版效度与重测信度:初步研究印度卫生2020 Aug 07;58(4):375-387 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  52. Fukui I.抑郁和焦虑情绪量表(水坝):量表的开发和验证。中华人民共和国行为科学杂志1997 9月23日(2):83-93。gydF4y2Ba
  53. Ancoli-Israel S, Cole R, Alessi C, Chambers M, Moorcroft W, Pollak CP.活动记录仪在睡眠和昼夜节律研究中的作用。睡眠2003 5月1日;26(3):342-392。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  54. Cole RJ, Kripke DF, Gruen W, Mullaney DJ, Gillin JC。根据手腕活动自动识别睡眠/清醒状态。睡眠1992年10月15日(5):461-469。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  55. Webster JB, Kripke DF, Messin S, Mullaney DJ, Wyborney G.一种基于活动的睡眠监测系统。睡眠1982;5(4):389 - 399。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  56. Carpenter B, Gelman A, Hoffman MD, Lee D, Goodrich B, Betancourt M,等。Stan:概率编程语言。J Stat Soft 2017年1月11日;76(1):1-32。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
  57. 库兹涅佐娃A,布罗克霍夫PB,克里斯坦森RH。lmerTest包:线性混合效果模型中的测试。J Stat Soft 2017年12月6日;82(13):1-26。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
  58. 披散下来房车。最小二乘表示:R包等于。J Stat Soft 2016年1月29日;69(1):1-33。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
  59. 男爵KG,里德KJ。昼夜节律失调与健康。精神病学2014年4月26日(2):139-154 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  60. 王志刚,王志刚。社会时差:生物时间与社会时间的错位。中国生物医学杂志2006;23(1):497-509。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  61. Roenneberg T, Pilz LK, Zerbini G, Winnebeck EC。时间类型和社会时差:一个(自我)批判性的回顾。生物科学(巴塞尔)2019 7月12日;8(3):54 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  62. 康建辉,陈顺生。不规律就寝时间对台湾大学生睡眠质量、白天嗜睡和疲劳的影响。BMC公共卫生2009年7月19日;9:48 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  63. 马志刚,马志刚,马志刚。规律的睡眠-觉醒时间表对白天嗜睡的影响。睡眠1996 6月;19(5):432-441。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  64. Miller CB, Espie CA, Epstein DR, Friedman L, Morin CM, Pigeon WR,等。睡眠限制疗法治疗失眠症的证据基础。睡眠医学2014年10月18日(5):415-424。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  65. 张志刚,张志刚,张志刚,等。一款治疗失眠的手机应用的可行性研究。中华医学杂志2021年3月16日;11(2):604-612。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  66. Akerstedt T, Knutsson A, Westerholm P, thell T, Alfredsson L, Kecklund G.睡眠障碍、工作压力与工作时间:一项横断面研究。中华精神医学杂志,2002,9(3):741-748。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  67. Luckhaupt SE, Tak S, Calvert GM.在国家健康访谈调查中,按行业和职业划分的睡眠时间短的患病率。Sleep 2010 Feb;33(2):149-159 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  68. Shockey TM, Wheaton AG。睡眠时间短的职业群体- 29个州,2013-2014。MMWR Morb Mortal Wkly Rep 2017年3月03日;66(8):207-213 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  69. Léger D, Roscoat ED, Bayon V, Guignard R, Pâquereau J, Beck F.青年人睡眠不足:失眠还是睡眠债?法国1004名年轻成年人的代表性样本中睡眠不足的患病率和临床描述。睡眠医学2011年5月;12(5):454-462。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  70. 李志刚,李志刚,李志刚。大学生睡眠债务与抑郁的关系。精神病学杂志2010年3月30日;176(1):34-39。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  71. 李文杰,李志强,李志强,等。在睡眠限制和随后的恢复期间,性能下降和恢复的模式:睡眠剂量反应研究。中华医学会睡眠科学杂志2003年3月;23 (1):1-12 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  72. Van Dongen HP, Maislin G, Mullington JM, Dinges DF。额外清醒的累积成本:慢性睡眠限制和完全睡眠剥夺对神经行为功能和睡眠生理学的剂量反应效应。睡眠2003 3月15日;26(2):117-126。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
  73. 林俊,郑志勇,林建民,郑松,金庚,卢佳杰,等。使用移动ema评估睡眠质量:机会、实际考虑和挑战。IEEE Access 2022年4月1日;[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
  74. 张志刚,张志刚,张志刚,等。微随机化试验:开发即时适应性干预的实验设计。健康心理2015年12月;34S:1220-1228 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba


‎gydF4y2Ba
BDI-II:gydF4y2Ba贝克抑郁量表第二版gydF4y2Ba
祝福:gydF4y2Ba低能耗蓝牙gydF4y2Ba
置信区间:gydF4y2Ba可信区间gydF4y2Ba
教育津贴:gydF4y2Ba生态瞬时评价gydF4y2Ba
冲击:gydF4y2Ba医疗物联网gydF4y2Ba
hp:gydF4y2Ba健康和工作绩效问卷gydF4y2Ba
物联网:gydF4y2Ba物联网gydF4y2Ba
健康:gydF4y2Ba移动健康gydF4y2Ba
PSQI:gydF4y2Ba匹兹堡睡眠质量指数gydF4y2Ba
防晒系数:gydF4y2Ba睡眠概率函数gydF4y2Ba
污渍:gydF4y2Ba状态-特质焦虑量表gydF4y2Ba


L Buis编辑;提交13.05.22;同行评审:M Aji,陈q;对作者08.06.22的评论;订正后收到12.08.22;接受24.08.22;发表06.10.22gydF4y2Ba

版权gydF4y2Ba

©竹内广树,须和香织,岸秋文,中村彻,吉内一宏,山本义春。最初发表在JMIR mHealth和uHealth (https://mhealth.www.mybigtv.com), 06.10.2022。gydF4y2Ba

这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR mHealth和uHealth上的原创作品。必须包括完整的书目信息,https://mhealth.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba


Baidu
map