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。gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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(gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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[gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
此外,用于治疗睡眠障碍的移动健康应用程序发展迅速[gydF4y2B一个
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[gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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[gydF4y2B一个
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(gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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)。gydF4y2B一个
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。gydF4y2B一个
使用日本版贝克抑郁量表第二版(BDI-II)评估抑郁症状[gydF4y2B一个
焦虑症状评估使用日版状态-特质焦虑量表(STAI)表格Y [gydF4y2B一个
工作日和休息日的习惯性睡眠时间(SLgydF4y2B一个
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[gydF4y2B一个
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:gydF4y2B一个
使用抑郁和焦虑情绪量表对抑郁情绪和焦虑进行评分[gydF4y2B一个
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。gydF4y2B一个
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?”gydF4y2B一个
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。gydF4y2B一个
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gydF4y2B一个
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[gydF4y2B一个
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[gydF4y2B一个
在哪里gydF4y2B一个
然后对有效SPF参数(βgydF4y2B一个0gydF4y2B一个,βgydF4y2B一个1gydF4y2B一个,和βgydF4y2B一个2gydF4y2B一个)来拟合实际的Cole-Kripke识别,使用伯努利逻辑回归模型。gydF4y2B一个
CK (gydF4y2B一个
最后,我们对平方波形函数θ ' (gydF4y2B一个
有效的gydF4y2B一个
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(gydF4y2B一个
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:gydF4y2B一个
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。gydF4y2B一个
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(gydF4y2B一个
试验的概述显示在gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
审判概述。HIT:医疗保健物联网。gydF4y2B一个
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。gydF4y2B一个
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:gydF4y2B一个
在哪里gydF4y2B一个
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。gydF4y2B一个
在哪里gydF4y2B一个
此外,我们还表演了双尾韦尔奇gydF4y2B一个
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 [gydF4y2B一个
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)。gydF4y2B一个
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;gydF4y2B一个
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。gydF4y2B一个
各组参与者的基线人口学特征。gydF4y2B一个
|
整体(N = 27)gydF4y2B一个 | 对照组(n=12)gydF4y2B一个 | 反馈组(n=15)gydF4y2B一个 |
|
年龄(年),平均值(SD)gydF4y2B一个 | 41.78 (7.90)gydF4y2B一个 | 43.42 (8.72)gydF4y2B一个 | 40.47 (7.21)gydF4y2B一个 | .35点gydF4y2B一个一个gydF4y2B一个 |
女性,n (%)gydF4y2B一个 | 9 (33)gydF4y2B一个 | 6 (50)gydF4y2B一个 | 3 (20)gydF4y2B一个 | 口径。gydF4y2B一个bgydF4y2B一个 |
BMI(公斤/米gydF4y2B一个2gydF4y2B一个),平均值(SD)gydF4y2B一个 | 21.65 (2.60)gydF4y2B一个 | 21.18 (2.54)gydF4y2B一个 | 22.03 (2.67)gydF4y2B一个 | .40gydF4y2B一个一个gydF4y2B一个 |
BDI-IIgydF4y2B一个cgydF4y2B一个,平均值(SD)gydF4y2B一个 | 6.51 (5.13)gydF4y2B一个 | 6.92 (4.94)gydF4y2B一个 | 6.20 (5.42)gydF4y2B一个 | 开市gydF4y2B一个一个gydF4y2B一个 |
BDI-II >13, n (%)gydF4y2B一个 | 4 (15)gydF4y2B一个 | 2 (17)gydF4y2B一个 | 2 (13)gydF4y2B一个 | 获得gydF4y2B一个bgydF4y2B一个 |
污渍Y-1gydF4y2B一个dgydF4y2B一个,平均值(SD)gydF4y2B一个 | 39.78 (11.05)gydF4y2B一个 | 38.75 (11.31)gydF4y2B一个 | 40.60 (11.17)gydF4y2B一个 | 正gydF4y2B一个一个gydF4y2B一个 |
污渍y 2gydF4y2B一个egydF4y2B一个,平均值(SD)gydF4y2B一个 | 40.74 (10.28)gydF4y2B一个 | 38.67 (8.50)gydF4y2B一个 | 41.20 (11.69)gydF4y2B一个 | 点gydF4y2B一个一个gydF4y2B一个 |
PSQIgydF4y2B一个fgydF4y2B一个,平均值(SD)gydF4y2B一个 | 4.73 (2.16)gydF4y2B一个 | 4.75 (2.05)gydF4y2B一个 | 4.71 (2.33)gydF4y2B一个 | .97点gydF4y2B一个一个gydF4y2B一个 |
年代gydF4y2B一个wgydF4y2B一个ggydF4y2B一个,平均值(SD)gydF4y2B一个 | 6小时18分钟(1小时4分钟)gydF4y2B一个 | 6小时20分钟(1小时18分钟)gydF4y2B一个 | 6小时16分钟(53分钟)gydF4y2B一个 | 多多gydF4y2B一个一个gydF4y2B一个 |
年代gydF4y2B一个fgydF4y2B一个hgydF4y2B一个,平均值(SD)gydF4y2B一个 | 6小时49分钟(1小时23分钟)gydF4y2B一个 | 6小时35分钟(1小时23分钟)gydF4y2B一个 | 7小时00分钟(1小时25分钟)gydF4y2B一个 | 。45gydF4y2B一个一个gydF4y2B一个 |
一个gydF4y2B一个韦尔奇gydF4y2B一个
bgydF4y2B一个费雪精确检验。gydF4y2B一个
cgydF4y2B一个BDI-II:贝克抑郁量表第二版。gydF4y2B一个
dgydF4y2B一个STAI Y-1:状态焦虑量表。gydF4y2B一个
egydF4y2B一个STAI Y-2:特质焦虑量表。gydF4y2B一个
fgydF4y2B一个匹兹堡睡眠质量指数。gydF4y2B一个
ggydF4y2B一个年代gydF4y2B一个wgydF4y2B一个:工作日的睡眠时长。gydF4y2B一个
hgydF4y2B一个年代gydF4y2B一个fgydF4y2B一个:休息日的睡眠时间。gydF4y2B一个
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(gydF4y2B一个
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;gydF4y2B一个
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。gydF4y2B一个
睡眠时间和睡眠中点的分层贝叶斯模型的结果。gydF4y2B一个
|
对照组gydF4y2B一个 | 反馈组gydF4y2B一个 | 区别gydF4y2B一个 | ||||||
|
学术用途英语gydF4y2B一个一个gydF4y2B一个(SD)gydF4y2B一个bgydF4y2B一个 | 95%可信区间gydF4y2B一个cgydF4y2B一个 | EAP (SD)gydF4y2B一个 | 95%可信区间gydF4y2B一个 | EAP (SD)gydF4y2B一个 | 95%可信区间gydF4y2B一个 | |||
|
|||||||||
|
拦截gydF4y2B一个 | 7小时33分钟(26分钟)gydF4y2B一个 | 6小时42分钟至8小时23分钟gydF4y2B一个 | 7小时31分钟(33分钟)gydF4y2B一个 | 6小时27分钟至8小时36分钟gydF4y2B一个 | −1分钟(31分钟)gydF4y2B一个 | −1 h 2分钟~ 58分钟gydF4y2B一个 | ||
|
一天gydF4y2B一个 | 0分钟(1分钟)gydF4y2B一个 | −3分钟~ 3分钟gydF4y2B一个 | 1分钟(1分钟)gydF4y2B一个 | −3分钟~ 1分钟gydF4y2B一个 | −1分钟(2分钟)gydF4y2B一个 | −4分钟~ 3分钟gydF4y2B一个 | ||
|
σgydF4y2B一个0 egydF4y2B一个 | 48分钟(11分钟)gydF4y2B一个 | 29分钟至1小时14分钟gydF4y2B一个 | 48分钟(11分钟)gydF4y2B一个 | 29分钟至1小时14分钟gydF4y2B一个 | N/AgydF4y2B一个fgydF4y2B一个 | N/AgydF4y2B一个 | ||
|
σgydF4y2B一个ygydF4y2B一个 | 1小时13分钟(5分钟)gydF4y2B一个 | 1小时4分钟~ 1小时23分钟gydF4y2B一个 | 1小时13分钟(6分钟)gydF4y2B一个 | 1小时3分钟~ 1小时26分钟gydF4y2B一个 | 0分钟(8分钟)gydF4y2B一个 | −14分钟~ 16分钟gydF4y2B一个 | ||
|
|||||||||
|
拦截gydF4y2B一个 | 3:30(21分钟)gydF4y2B一个 | 2:48到4:12gydF4y2B一个 | 3:34(26分钟)gydF4y2B一个 | 2:44到4:26gydF4y2B一个 | 4分钟(24分钟)gydF4y2B一个 | −42分钟~ 52分钟gydF4y2B一个 | ||
|
一天gydF4y2B一个 | −1分钟(1分钟)gydF4y2B一个 | −4分钟~ 1分钟gydF4y2B一个 | 1分钟(1分钟)gydF4y2B一个 | −1分钟~ 3分钟gydF4y2B一个 | 2分钟(1分钟)gydF4y2B一个 | 0分钟~ 5分钟gydF4y2B一个 | ||
|
σgydF4y2B一个0gydF4y2B一个 | 41分钟(9分钟)gydF4y2B一个 | 27分钟~ 1小时1分钟gydF4y2B一个 | 41分钟(9分钟)gydF4y2B一个 | 27分钟~ 1小时1分钟gydF4y2B一个 | N/AgydF4y2B一个 | N/AgydF4y2B一个 | ||
|
σgydF4y2B一个ygydF4y2B一个 | 1 h 1 min (4 min)gydF4y2B一个 | 53分钟至1小时9分钟gydF4y2B一个 | 46分钟(4分钟)gydF4y2B一个 | 39分钟到54分钟gydF4y2B一个 | −gydF4y2B一个 |
−gydF4y2B一个 |
一个gydF4y2B一个EAP:后验期望值(后验分布的期望值)。gydF4y2B一个
bgydF4y2B一个后验分布的SD。gydF4y2B一个
cgydF4y2B一个CI:可信区间。gydF4y2B一个
dgydF4y2B一个这些模型在控制了年龄和性别后运行。gydF4y2B一个
egydF4y2B一个截距的个体间变异的差异(σgydF4y2B一个0gydF4y2B一个)没有计算,因为σgydF4y2B一个0gydF4y2B一个假设两组之间是相等的。gydF4y2B一个
fgydF4y2B一个N/A:不适用。gydF4y2B一个
ggydF4y2B一个斜体值表示统计学上显著的群体效应,95%置信区间。gydF4y2B一个
在试验期间,我们使用27名参与者的307份EMA记录(gydF4y2B一个
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。gydF4y2B一个
日常工作绩效的层级贝叶斯模型结果。gydF4y2B一个
|
控制gydF4y2B一个 | 反馈gydF4y2B一个 | 区别gydF4y2B一个 | ||||||||||
|
学术用途英语gydF4y2B一个一个gydF4y2B一个(SD)gydF4y2B一个bgydF4y2B一个 | 95%可信区间gydF4y2B一个cgydF4y2B一个 | EAP (SD)gydF4y2B一个 | 95%可信区间gydF4y2B一个 | EAP (SD)gydF4y2B一个 | 95%可信区间gydF4y2B一个 | |||||||
|
|||||||||||||
|
拦截gydF4y2B一个 | 57.59 (6.67)gydF4y2B一个 | 44.60至70.54gydF4y2B一个 | 61.45 (8.77)gydF4y2B一个 | 44.24 ~ 78.82gydF4y2B一个 | 3.85 (8.01)gydF4y2B一个 | −11.92 ~ 19.84gydF4y2B一个 | ||||||
|
一天gydF4y2B一个 | 0.32 (0.22)gydF4y2B一个 | −0.11 ~ 0.75gydF4y2B一个 | 0.08 (0.17)gydF4y2B一个 | −0.26 ~ 0.41gydF4y2B一个 | −0.24 (0.27)gydF4y2B一个 | −0.77 ~ 0.29gydF4y2B一个 | ||||||
|
σgydF4y2B一个0 egydF4y2B一个 | 17.06 (2.89)gydF4y2B一个 | 12.38到23.54gydF4y2B一个 | 17.06 (2.89)gydF4y2B一个 | 12.38到23.54gydF4y2B一个 | N/AgydF4y2B一个fgydF4y2B一个 | N/AgydF4y2B一个 | ||||||
|
σgydF4y2B一个ygydF4y2B一个 | 13.28 (0.88)gydF4y2B一个 | 11.68 ~ 15.14gydF4y2B一个 | 12.62 (0.72)gydF4y2B一个 | 11.31 ~ 14.12gydF4y2B一个 | −0.66 (1.14)gydF4y2B一个 | −2.94 ~ 1.50gydF4y2B一个 |
一个gydF4y2B一个EAP:预期后验。gydF4y2B一个
bgydF4y2B一个后验分布的SD。gydF4y2B一个
cgydF4y2B一个CI:可信区间。gydF4y2B一个
dgydF4y2B一个这些模型在控制了年龄和性别后运行。gydF4y2B一个
egydF4y2B一个截距的个体间变异的差异(σgydF4y2B一个0gydF4y2B一个)没有计算,因为σgydF4y2B一个0gydF4y2B一个假设两组之间是相等的。gydF4y2B一个
fgydF4y2B一个N/A:不适用。gydF4y2B一个
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(gydF4y2B一个
情绪和身体症状线性混合效应模型的结果。gydF4y2B一个
情绪和身体症状gydF4y2B一个一个gydF4y2B一个 | 系数(SE)gydF4y2B一个 | DfgydF4y2B一个bgydF4y2B一个 |
|
||||
|
|||||||
|
拦截gydF4y2B一个cgydF4y2B一个 | 41.27 (5.56)gydF4y2B一个 | 23.28gydF4y2B一个 | <措施gydF4y2B一个 | |||
|
集团gydF4y2B一个 | −9.87 (6.61)gydF4y2B一个 | 23.42gydF4y2B一个 | 酒精含量gydF4y2B一个 | |||
|
时间gydF4y2B一个 | −0.35 (1.10)gydF4y2B一个 | 731.32gydF4y2B一个 | 综合成绩gydF4y2B一个 | |||
|
集团×时间gydF4y2B一个 | 0.74 (1.51)gydF4y2B一个 | 731.6gydF4y2B一个 | 点gydF4y2B一个 | |||
|
|||||||
|
拦截gydF4y2B一个cgydF4y2B一个 | 35.75 (7.42)gydF4y2B一个 | 23.31gydF4y2B一个 | <措施gydF4y2B一个 | |||
|
集团gydF4y2B一个 | −16.89 (8.82)gydF4y2B一个 | 23.46gydF4y2B一个 | 07gydF4y2B一个 | |||
|
时间gydF4y2B一个 | −1.29 (1.56)gydF4y2B一个 | 731.36gydF4y2B一个 | .41点gydF4y2B一个 | |||
|
集团×时间gydF4y2B一个 | 3.03 (2.14)gydF4y2B一个 | 731.66gydF4y2B一个 | 16gydF4y2B一个 | |||
|
|||||||
|
拦截gydF4y2B一个 | 47.07 (8.02)gydF4y2B一个 | 23.42gydF4y2B一个 | <措施gydF4y2B一个 | |||
|
集团gydF4y2B一个 | −18.66 (9.54)gydF4y2B一个 | 23.6gydF4y2B一个 | 06gydF4y2B一个 | |||
|
时间gydF4y2B一个 | 2.49 (1.80)gydF4y2B一个 | 731.46gydF4y2B一个 | 。gydF4y2B一个 | |||
|
集团×时间gydF4y2B一个 | 0.46 (2.47)gydF4y2B一个 | 731.82gydF4y2B一个 | .85gydF4y2B一个 | |||
|
|||||||
|
拦截gydF4y2B一个 | 35.22 (7.24)gydF4y2B一个 | 23.72gydF4y2B一个 |
|
|||
|
集团gydF4y2B一个 | −16.47 (8.62)gydF4y2B一个 | 24.03gydF4y2B一个 |
|
|||
|
时间gydF4y2B一个 | 16.07 (2.14)gydF4y2B一个 | 731.78gydF4y2B一个 |
|
|||
|
集团×时间gydF4y2B一个 | 9.31 (2.96)gydF4y2B一个 | 732.39gydF4y2B一个 |
|
|||
|
|||||||
|
拦截gydF4y2B一个 | 55.75 (7.20)gydF4y2B一个 | 24.08gydF4y2B一个 |
|
|||
|
集团gydF4y2B一个 | −9.81 (8.58)gydF4y2B一个 | 24.51gydF4y2B一个 |
|
|||
|
时间gydF4y2B一个 | 1.27 (2.49)gydF4y2B一个 | 732.14gydF4y2B一个 |
|
|||
|
集团×时间gydF4y2B一个 | 17.70 (3.42)gydF4y2B一个 | 732.96gydF4y2B一个 |
|
|||
|
|||||||
|
拦截gydF4y2B一个 | 43.33 (9.59)gydF4y2B一个 | 23.27gydF4y2B一个 |
|
|||
|
集团gydF4y2B一个 | −12.99 (11.40)gydF4y2B一个 | 23.37gydF4y2B一个 |
|
|||
|
时间gydF4y2B一个 | −2.51 (1.64)gydF4y2B一个 | 731.3gydF4y2B一个 |
|
|||
|
集团×时间gydF4y2B一个 | 8.46 (2.26)gydF4y2B一个 | 731.51gydF4y2B一个 |
|
一个gydF4y2B一个df值对应ANOVA模型中的分母df。gydF4y2B一个
bgydF4y2B一个组效应(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。gydF4y2B一个
cgydF4y2B一个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。gydF4y2B一个
dgydF4y2B一个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。gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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[gydF4y2B一个
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[gydF4y2B一个
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[gydF4y2B一个
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[gydF4y2B一个
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[gydF4y2B一个
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。gydF4y2B一个
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)[gydF4y2B一个
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[gydF4y2B一个
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。gydF4y2B一个
医疗保健物联网应用程序的截图。gydF4y2B一个
Sciencenet活动监控器的有效性。gydF4y2B一个
睡眠卫生指南。gydF4y2B一个
睡眠变量统计特性的附加分析。gydF4y2B一个
贝克抑郁量表第二版gydF4y2B一个
低能耗蓝牙gydF4y2B一个
可信区间gydF4y2B一个
生态瞬时评价gydF4y2B一个
医疗物联网gydF4y2B一个
健康和工作绩效问卷gydF4y2B一个
物联网gydF4y2B一个
移动健康gydF4y2B一个
匹兹堡睡眠质量指数gydF4y2B一个
睡眠概率函数gydF4y2B一个
状态-特质焦虑量表gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
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。gydF4y2B一个
没有宣布。gydF4y2B一个