我们进行了一项前瞻性观察研究，使用的数据来自基于智能手机的睡眠跟踪软件应用程序sleep Cycle。我们从该应用的经常用户那里获得了数据，他们在2019年1月1日至2020年4月12日期间(至少374/468天)80%或以上的时间里跟踪睡眠。为了了解COVID-19大流行期间睡眠的地理变化，我们从生活在5个主要大都市(伦敦、洛杉矶、纽约、首尔和斯德哥尔摩)的个人获得了数据。

地理区域的选择受几个因素的影响。首先，我们将城市地区纳入研究，因为农村地区的用户密度较低，这可能会阻碍农村和城市地区的比较。第二，不同地理区域在COVID-19流行率、防范和缓解战略方面存在有趣的差异。例如，瑞典没有像美国等其他地区那样严格限制居民的社会流动性。此外，韩国在2003年非典疫情中有抗击大流行病的经验。因此，我们从3个不同大陆的大城市中心索取了数据，目的是探索不同国家之间估计睡眠时长的不同模式，这些模式可能反映了不同国家实施的不同患病率、防备或缓解策略。

“睡眠周期”应用程序通过智能手机GPS识别的坐标记录参与者的居住地，参与者同意在使用该应用程序时提供这些坐标。只有同意“睡眠周期”隐私政策的用户才会被包含在数据集中，该政策规定数据可以用于研究目的。

用户在睡觉时打开应用程序，并首次尝试睡觉;他们要么把智能手机放在床边，要么放在床垫上，要么在内置闹钟叫醒他们后，要么在他们从睡眠中自然醒来时关闭应用程序。应用程序计算的睡眠时间是这两个数字睡眠日记事件(第一次尝试睡觉和醒来)之间的间隔时间[ 15]，根据2016年消费者技术协会可穿戴睡眠监测器标准[ 16，这里称之为“估计睡眠时长”。我们获得了一组匿名数据集，其中包括每个用户在2019年1月1日至2020年4月12日期间的估计睡眠时长。该数据集包括2,974,922个观测数据。我们从数据集中删除了持续时间小于1小时的观察结果，以减轻午睡对估计睡眠时长的影响。这些较短的观测值占样本的3.5%(103,885/2,974,922个观测值)。除去这些较短的观测结果，最终的数据集有2,871,037个观测结果进行分析。

描述性统计用于描述样本的人口统计学特征。为了评估2019冠状病毒病大流行期间估计睡眠时长的人口水平变化，同时考虑到已知的季节性变化，我们使用广义线性混合模型比较了不同年份间同一日历月按地理位置的估计睡眠时长。该方法包含了城市和研究参与者的分层随机效应，这解释了重复测量和每个地点的受访者聚类之间的依赖性。这种设计使我们能够比较每个地理位置在COVID-19大流行前后(如2019年3月vs 2020年3月)的估计睡眠时长。所有分析均在Stata统计软件for Mac Version 16 (StataCorp LLC)中进行。

这项研究基于290万份智能手机估计睡眠时长的夜间记录，结果显示，在世界卫生组织宣布COVID-19为大流行和国际卫生危机后的几个月里，估计睡眠时长突然显著增加[ 17，与前一年同一个人的相同月份进行了比较。此外，一些地区的平均估计睡眠时间在大流行前达到或低于健康睡眠建议的较低范围(即7小时或更少)，甚至在那些对睡眠足够关注并进行跟踪的人当中也是如此;然而，在COVID-19大流行开始时，这一持续时间增加到健康、充足的睡眠范围内。我们从一款每日睡眠追踪智能手机应用程序收集的数据显示，随着COVID-19大流行的爆发，伦敦、洛杉矶、纽约、首尔和斯德哥尔摩的估计睡眠时长平均显著增加，这与3个欧洲国家425名成年人的主观、回顾性自我报告数据一致[ 18］．我们假设，智能手机应用程序估计的睡眠时长的增加，以及最近报道的COVID-19大流行开始后睡眠和醒来时间规律性的增加[ 19]，这是居家令、非必要企业关闭和为减缓感染在社区传播而实施的在家工作政策的结果。充足的睡眠时间是免疫系统功能的关键因素，睡眠不足会增加对病毒感染的易感性，并减少接种疫苗后产生的抗体[ 8， 9］．我们不能排除这样一种可能性，即这项研究中的个体在床上的时间更长，而不是估计的睡眠时间更长。然而，如果应用程序检测到的估计睡眠时长的增加实际上代表了COVID-19大流行期间的实际睡眠时间的增加，这可能是降低暴露于SARS-CoV-2后发展为COVID-19风险的一个重要因素[ 10， 11以及提高COVID-19患者产生有效免疫反应的能力[ 12， 13］．

此外，我们发现不同地理区域的睡眠有显著差异。首尔app用户在新冠肺炎大流行前的平均估计睡眠时间比伦敦和斯德哥尔摩少>1小时，与之前的研究一致，比纽约和洛杉矶少>40分钟。这与之前的研究一致，之前的研究记录了睡眠不足在韩国很普遍[ 20.， 21］．此外，首尔的应用程序用户在COVID-19大流行期间估计睡眠时长增长最小，为每晚11分钟，而其他城市增加了20分钟。与其他城市相比，首尔的增幅较小可能与2003年韩国爆发的非典有关，这可能为韩国提供了一个机会，在没有采取其他国家采取的更严厉的缓解措施(如延长居家规定)的情况下，做好准备并控制病毒的传播。此外，由于增长非常小，这也可能是由于自然的月环比变化，与其他城市观察到的睡眠时间增加的趋势相反。尽管瑞典最初并没有制定其他国家选择实施的严格的COVID-19遏制措施(如就地隔离政策)，但在斯德哥尔摩，估计睡眠时长的增长速度与当时制定了严格遏制政策的其他地区相似。这可能反映出居住在斯德哥尔摩的人对世界各地的其他人采取了预防措施，尽管他们没有被限制在自己的家中。最后，纽约市观察到的估计睡眠时长增加了>20分钟，部分原因可能是纽约市COVID-19病例数量高，以及相关的严格的居家政策。

本研究观察到，应对COVID-19大流行的估计睡眠时长增加了12至24分钟，其幅度与控释唑吡坦引起的总睡眠时间增加约25分钟的幅度相似[ 22］．因此，COVID-19缓解政策与估计睡眠时长的增加有关，其效果可与催眠药物的效果相媲美。这可能具有临床意义，因为睡眠不足——在发达国家非常普遍——增加了对病毒感染的易感性，并减弱了对疫苗接种的免疫反应[ 10， 11］．

尽管我们在几个不同的大都市地区发现了COVID-19暴发后估计睡眠时长的增加，但睡眠障碍的数量可能在大流行暴发后发生了变化。此前的研究表明，在面临重大危机时，睡眠质量会受到影响。 2］．具体来说，研究记录了在2003年SARS爆发期间睡眠困难和从睡眠中醒来的情况显著增加[ 4，在波斯湾战争期间以色列的爆炸事件中[ 3.]，以及在自然灾害之后[ 5， 6]，与COVID-19大流行开始时中国武汉自我报告的失眠症状增加的报告一致[ 23］．我们的数据显示，估计睡眠时间的增加并不排除更多的人受到睡眠干扰的可能性。为了解决这个问题，还需要进行额外的研究，通过有效的问卷调查来评估失眠症状和自我报告的睡眠质量。

这项研究有许多局限性。(1)尽管我们的研究的优势在于大量受访者提供了用户在不同时间和不同地理区域的睡眠数据，但我们的局限性在于，我们没有获得与睡眠延迟、从睡眠中醒来或醒来后在床上的时间有关的数据。(2)尽管用户通常不使用这款应用来打盹，但我们删除了小于60分钟的观察结果。未来的研究可能会研究午睡，以及由于COVID-19大流行及其缓解策略，午睡行为是如何改变的。此外，我们没有获得睡眠时间数据，而这些数据本可以帮助我们了解用户是因COVID-19大流行而早睡还是晚睡。(3)就业或收入统计数据，没有被睡眠周期收集，可能代表我们的研究中未测量的混杂变量。例如，来自较高社会经济群体的人在COVID-19大流行期间更有可能继续就业并在家工作[ 24］．那些被强制休假或仍在职并被允许在家工作的人可能有更灵活的工作时间，通勤时间明显更少，这让他们有更多的时间躺在床上。 25］．此外，随着主要城市中心低成本快递服务(如食品和其他商品)的普及，能够在家工作的用户可能有更多的可用睡眠时间[ 26］．因此，这些结果可能无法推广到从事基本工作的人，他们的工作时间和通勤时间在COVID-19大流行期间可能增加了，在本样本中可能代表性不足。(4)睡眠追踪智能手机应用程序未经验证，由于它没有考虑睡眠开始后醒来的情况，有可能跟踪程序高估了睡眠时长。(5)那些持续下载和使用睡眠追踪智能手机应用程序的人可能对睡眠和健康更感兴趣，这可能代表了选择偏差、生存偏差，对一般公众的泛化性较差。

我们的研究确定了未来研究的几个途径;首先，重要的是探索我们观察到的结果是短暂的还是会持续很长一段时间，以及睡眠的其他方面是否在COVID-19大流行期间发生了变化。其次，来自“睡眠周期”应用程序的数据需要使用客观的测量方法进行验证，比如多导睡眠描记术或动测仪。第三，这将有助于确定该应用程序用户中睡眠障碍或失眠症状的患病率，如入睡困难或难以维持睡眠。最后，对sleep Cycle用户的探索性定性调查可能有助于确定在COVID-19大流行期间，实际睡眠时长是否确实增加了，或尽管用户在床上的时间增加了，但是否经历了更多的睡眠困难。

公共卫生官员缓解COVID-19大流行的政策要求世界各地人民的日常生活发生深刻变化。通过一个睡眠跟踪智能手机应用程序，我们在三大洲客观记录了约290万晚的睡眠，在COVID-19大流行爆发后的几个月里，我们观察到5个城市的8218名独立用户的平均估计睡眠时长突然显著增加。因此，COVID-19缓解策略不仅减少了感染SARS-CoV-2的可能性，而且由此产生的睡眠发作时间的增加也可能提高了免疫系统抵抗感染的能力。未来的研究应该探索这种观察结果是短暂的还是长期的，以及睡眠的其他方面是否在COVID-19大流行期间发生了变化。