《Sleep Health》：Spatial variations of sleep impairment indicators associated with night-time noise: A fine-scale population-based study
编辑推荐：
本研究针对城市环境中夜间交通噪声与睡眠障碍关联的空间分布不明确问题，在瑞士日内瓦开展了一项基于大规模人群的精细尺度空间研究。研究人员利用匹兹堡睡眠质量指数(PSQI)和地理参照噪声数据库(sonBASE)，结合Getis-Ord Gi*空间统计方法，发现睡眠质量差及其特定指标（如主观睡眠感知、睡眠潜伏期）在空间上呈聚集模式，并与夜间噪声暴露和主观噪声感知显著相关。该研究为城市噪声治理和睡眠健康干预提供了精准的空间靶点，对公共健康政策制定具有重要指导意义。
在现代城市生活中，睡眠障碍已成为一个不容忽视的公共卫生问题。随着城市化进程加快，环境噪声污染日益严重，特别是夜间交通噪声，正悄然侵蚀着数百万城市居民的睡眠健康。以往的研究多集中于个体层面分析睡眠质量与噪声的关联，但一个关键问题始终悬而未决：睡眠质量问题在城市空间中究竟如何分布？是否存在特定的“睡眠热点区”？这些空间模式是否与环境噪声暴露密切相关？
为了解开这些谜团，来自日内瓦大学医院的一组研究人员开展了一项创新性研究。这项发表在《Sleep Health》上的研究首次采用精细尺度的空间分析方法，深入探究了夜间交通噪声与睡眠质量指标之间的地理关联。研究团队意识到，传统的流行病学方法难以捕捉环境因素的空间异质性，而地理信息系统(GIS)与空间统计技术的结合，恰好能为理解城市环境与健康关系提供全新视角。
本研究基于SPECCHIO人群队列，该队列是2020年启动的一项基于网络的数字健康队列研究，参与者从日内瓦州人口登记处随机抽取并结合自愿参与。在2023年6月至9月期间，研究纳入了3691名完成睡眠质量评估的参与者（平均年龄54.84岁，59.7%为女性）。研究人员采用匹兹堡睡眠质量指数(PSQI)这一经过验证的工具评估睡眠质量，该指数包含七个组成部分：主观睡眠质量、睡眠潜伏期、睡眠持续时间、平均睡眠效率、睡眠障碍、使用睡眠药物和日间功能障碍。PSQI得分大于5分表明睡眠质量差。
夜间交通噪声暴露通过瑞士联邦环境署开发的sonBASE地理参照数据库进行评估，该数据库以10×10米的规则网格提供夜间道路和铁路噪声暴露的全面信息。研究人员计算了每个参与者住址25米半径内的噪声中位值。同时，通过问卷调查获取了参与者对道路和铁路交通噪声的主观感知情况。
空间统计分析采用Getis-Ord Gi*统计量，这是一种局部空间关联指标，用于量化PSQI得分在空间上的聚集程度。研究定义了固定距离带空间权重矩阵，并通过敏感性分析确定1000米为最佳空间滞后距离。此外，还进行了空间相对风险分析(SPARR)，比较报告噪声干扰的参与者与总研究人群的空间分布。
研究结果显示，睡眠质量问题在日内瓦并非随机分布，而是呈现出明显的空间聚集模式。未调整的PSQI总分空间分析显示，607名参与者（16.5%）位于睡眠质量差的聚类区（热点区），220名参与者（6%）位于睡眠质量好的聚类区（冷点区）。调整社会人口学因素后，睡眠质量差的热点区仍然存在，但参与者数量从16.5%减少至5.6%。
特别值得注意的是，一个显著的睡眠质量差热点区位于日内瓦市中心区域，沿湖右岸，靠近主要火车站，并包含一个以夜生活活跃著称的区域。
对PSQI各分量指标的分析揭示了更为精细的空间模式。对于主观睡眠质量指标，294名参与者（8.0%）位于睡眠感知差的聚类区；睡眠潜伏期指标中，233名参与者（6.4%）位于入睡困难聚类区；睡眠效率指标显示，534名参与者（14.6%）位于睡眠效率较差聚类区。这些结果表明，PSQI总分的空间聚类主要由特定的睡眠质量指标驱动，特别是主观睡眠感知、睡眠潜伏期和睡眠效率。
夜间交通噪声暴露在不同类型的PSQI聚类区间存在显著差异。对于主观睡眠质量指标，热点区的夜间噪声中位值为38.44分贝(A)，显著高于中性区和冷点区，呈现出剂量-效应关系。睡眠效率指标的热点区噪声水平最高，达40.10分贝(A)。然而，有趣的是，对于PSQI总分本身，聚类区的噪声暴露差异并不显著，这表明客观噪声数据可能不是睡眠质量受损的最佳预测指标，而人们的主观噪声感知可能起着更为关键的调节或中介作用。
进一步分析发现，853名参与者（23.1%）报告受到道路和铁路交通噪声的干扰。在睡眠质量差的热点区，23.9%的参与者感知到噪声干扰，而在睡眠质量好的冷点区，这一比例仅为20.65%。更重要的是，位于市中心调整后PSQI热点区的所有参与者都处于感知道路交通噪声干扰的高风险区域，这一区域占高调整PSQI热点区参与者的70.6%。
主要研究结果
描述性结果
研究最终纳入3685名参与者，平均年龄54.8岁，59.7%为女性，平均体重指数(BMI)为24.5 kg/m2。65%的参与者具有高等教育程度，所在区域的年收入中位数为88,793瑞士法郎。PSQI得分大于5分（睡眠质量差）的参与者与得分小于等于5分（睡眠质量好）的参与者在性别、教育水平、自评健康状况、服用睡眠药物、可能存在重度抑郁障碍以及区域收入等方面存在显著差异。
PSQI总分Getis-Ord聚类
空间分析显示，睡眠质量问题在日内瓦呈现明显的空间聚集模式。未调整的PSQI总分分析识别出睡眠质量差和睡眠质量好的显著聚类区。调整混杂因素后，虽然热点区参与者数量减少，但市中心区域的睡眠质量差热点区仍然存在，表明该模式部分独立于社会人口学因素。
PSQI分量得分Getis-Ord聚类
对各睡眠质量指标的分析表明，不同指标的空间分布模式存在异质性。主观睡眠质量、睡眠潜伏期、睡眠效率和睡眠持续时间等指标显示出明显的空间聚类，而使用睡眠药物和日间功能障碍指标的聚类范围较小。某些区域对特定睡眠指标是热点区，而对其他指标却是冷点区，揭示了睡眠风险和保护因素之间的复杂关系。
夜间交通噪声暴露在PSQI空间聚类中的差异
夜间交通噪声暴露在PSQI各指标的聚类类型间存在显著差异。对于主观睡眠质量，热点区的噪声水平显著高于其他区域；而对于睡眠潜伏期，中性区的噪声水平最高。这种不一致的模式表明，睡眠质量的不同组成部分可能对夜间交通噪声暴露有不同的反应。
感知噪声干扰
主观噪声感知与睡眠质量差的空间聚类密切相关。在睡眠质量差的热点区，感知噪声干扰的参与者比例是睡眠质量好冷点区的两倍。市中心主要的PSQI热点区完全位于感知噪声干扰的高风险区域内，强调了主观噪声感知在睡眠障碍中的重要作用。
研究结论与讨论
本研究通过应用经过验证的稳健统计分析，揭示了道路和铁路交通相关噪声与PSQI总分衡量的睡眠质量之间的关系。重要的是，即使在调整了社会人口学因素和环境因素后，睡眠质量差与较高夜间噪声暴露之间的关联仍然具有统计学意义。
研究的主要优势在于其大规模人群基础样本、使用经过验证的量表(PSQI)以及包含各种协变量。精确的空间统计应用使得能够有针对性地识别睡眠质量差的聚类区，为噪声减排措施的规划提供支持。与其他睡眠研究不同，本研究通过考虑城市环境中的噪声分布增加了新的维度。
然而，研究也存在一些局限性：缺乏噪声质量数据，特别是峰值噪声水平的影响；缺少参与者房屋隔音、卧室位置和靠近窗户程度的信息；未包含所有混杂因素；SPECCHIO队列的年龄和教育程度与日内瓦州一般人群略有不同，可能影响推广性；PSQI是自我报告的，可能引入偏倚；分析无法推断因果关系或效应方向。
该研究的空间方法为了解环境因素与睡眠质量之间复杂的相互作用提供了更深入的认识，最终为制定有针对性的干预措施提供了信息，以减轻睡眠障碍并改善公共健康结果，优先考虑需求最大的个人和区域。通过识别这些聚类，为设计有针对性的公共卫生干预措施提供了宝贵的见解，特别是在城市规划和噪声减缓政策方面具有重要意义。
