研究人员还发现，与仅仅依靠一个人的平均睡眠表型相比，一个人在不同睡眠表型之间切换的方式和频率可以为检测健康状况提供两到十倍的相关信息。
这项研究最近发表在《npj 数字医学》杂志上。
研究人员利用从Oura Ring--一种追踪睡眠、皮肤温度和其他信息的智能戒指--收集到的数据，对个人进行了为期数月的观察，记录了他们是否患有糖尿病和睡眠呼吸暂停等慢性疾病，或者是否患有COVID-19和流感等疾病。
研究小组发现，随着时间的推移，人们经常会在不同的睡眠表型之间转换，这反映了个人健康状况的变化，并通过研究人员创建的数据驱动的睡眠景观，创造了类似于个人旅行日志的记录。
加州大学圣地亚哥分校博士生瓦伦-维斯瓦纳特（Varun Viswanath）是这篇论文的通讯作者。研究人员分析了来自 Oura 戒指的数据，这是一款可跟踪温度、睡眠和其他信息的智能可穿戴设备。图片来源：David Baillot/加州大学圣地亚哥分校
"我们发现，睡眠质量的细微变化有助于我们识别健康风险。这些微小的变化不会出现在一个普通的夜晚，也不会出现在调查问卷上，因此这真正显示了可穿戴设备如何帮助我们发现那些可能被忽略的风险，"该研究的资深作者之一、加州大学圣迭戈分校雅各布斯工程学院和哈利西奥格鲁数据科学研究所的教师本杰明-斯马尔说。
此外，研究人员还强调，在人群范围内长期跟踪睡眠的变化，可以获得与公共卫生相关的新见解，例如通过这些睡眠景观的一些模式变化，是否可以为慢性疾病或易感染性疾病提供早期预警。
研究小组的工作基于对加州大学旧金山分校 TemPredict 数据集的新分析，该数据集是利用在 2020 年 COVID-19 大流行期间从佩戴市售 Oura 戒指的人群中收集的数据创建的。
分析工作由加州大学圣迭戈分校舒千-吉恩-莱生物工程系的斯马尔和加州大学圣迭戈分校电气与计算机工程系的爱德华-王教授领导，加州大学旧金山分校的研究负责人、执业睡眠临床医生阿什利-梅森教授也参与了合作。第一作者是加州大学圣地亚哥分校雅各布斯工程学院电气与计算机工程系的研究生瓦伦-维斯瓦纳特（Varun Viswanath）。
五种睡眠类型
这是研究人员根据大约 33,000 人 500 万个夜晚的睡眠数据挑选出的五种睡眠表型。虽然这项研究涉及很多因素，但研究人员也发现了一些趋势，这些趋势有助于直观地区分这五种睡眠表型。
-
表型 1：我们认为的"正常"睡眠。在这种睡眠类型中，人们至少连续六天都能获得大约八小时的不间断睡眠。这是美国国立卫生研究院推荐的睡眠类型，也是研究人员发现的最常见的睡眠类型。
-
表型 2：大约有一半的夜晚人们会持续睡眠，但另一半夜晚他们只会短暂地睡上不到三小时。
-
表型 3：人们的睡眠大多是连续的，但每周大约有一个晚上会出现睡眠中断。间断睡眠的特点是，一个时期的睡眠时间相对较长，约为 5 小时，另一个时期的睡眠时间较短，不足 3 小时。
-
表型 4：人们再次出现大部分时间连续睡眠的情况。但他们会经历一些罕见的夜晚，在这些夜晚中，长时间的睡眠会被中途醒来所打断。
-
表型 5：人们每晚只睡很短的时间。这种表型是研究人员发现的最罕见的，代表了极度紊乱的睡眠。
跟踪睡眠类型的变化
为了测量睡眠表型是如何随时间变化的，维斯瓦纳特构建了一个包含所有500万个夜晚的空间模型，在这个模型中，表型被表示为不同的岛屿，由大部分相似的睡眠周组成。随着时间的推移，研究人员发现了不同的模式，从而建立了每个人在岛屿之间的路线模型。
由此可见，有助于区分糖尿病和睡眠呼吸暂停等慢性病患者的并不是他们的平均表型。取而代之的是他们在睡眠景观中不同岛屿之间切换的频率。这样，即使一个人很少切换表型，他们切换表型的事实仍然可以提供有关其健康状况的有用信息。
研究人员根据对大约 33,000 名佩戴 Oura 戒指的人的五百万个夜晚的分析，选出了五种睡眠类型。资料来源：OURA
数据显示，大多数人很少会连续几个月没有几晚睡眠中断。"我们发现，睡眠中断发生方式的细微差别可以说明很多问题。即使这些情况很少发生，其发生频率也能说明问题。因此，不仅仅是你是否睡得好，随着时间推移的睡眠模式才是隐藏关键信息的地方，"共同作者、加州大学圣地亚哥分校电子和计算机工程系教师王说。
相反，人们并不倾向于保持由睡眠中断所定义的模式。但是，他们访问特定中断睡眠模式的频率说明了他们的睡眠状况如何。
论文通讯作者维斯瓦纳特说："如果你想象有一个睡眠类型的景观，那么它与你倾向于住在那个景观的什么地方关系不大，而与你离开那个区域的频率关系更大。"
以前的研究
在6月20日发表的这篇新论文中，研究小组修改了先前研究中使用的技术，该研究是迄今为止规模最大的类似睡眠调查，从英国生物库中提取了约10.3万个夜晚的数据。之前的研究考察了睡眠时间、觉醒情况和许多相关特征，然后构建了一个夜晚之间相互关系的"景观"。但之前的研究人员没有做到两件关键的事情：他们无法进行跨时间研究，因为他们每人只有两到三个晚上的数据；他们也无法将由此得出的睡眠模式与健康结果联系起来。
其他大规模睡眠分析则关注简单睡眠特征的高层次差异，如睡眠总时间。
相比之下，这项新研究首次表明，研究人员可以量化人们随着时间推移而不断变化的睡眠动态，并利用这种量化让人们更好地了解自己的睡眠健康状况。研究还表明，这些睡眠变化可能预示着患各种疾病的风险较高。
