《Sleep Medicine Reviews》：Predictors and Moderators of Treatment Outcomes from Cognitive Behavioural Interventions for Insomnia in Adults: A Systematic Review
编辑推荐：
这篇系统综述（PROSPERO: CRD42023476013）全面梳理了成人失眠认知行为治疗（CBT-I）及其变体疗效的基线预测因素和调节因素。通过对103篇报告的分析，发现大多数（92.3%）被研究的变量缺乏充分证据。该文确定了与改善结局最相关的基线特征，包括较短的失眠病程、更严重的失眠、更长的客观睡眠时长、积极治疗态度、较低的抑郁严重程度，以及无共病精神障碍、疲劳和疼痛。综述指出，现有研究在统计功效和方法学上存在局限，为推进失眠的精准医疗，未来需在充足样本和理论指导下进行高质量研究。
引言：失眠治疗的挑战与精准医疗的探索
失眠是一种影响约11.3%成年人的衰弱性睡眠障碍，其患病率持续上升，已成为日益严重的公共卫生问题。未治疗的失眠与幸福感降低、医疗资源使用增加以及罹患精神障碍和心血管疾病的风险升高相关。因此，寻找有效且可及的治疗方案迫在眉睫。
失眠的认知行为治疗（Cognitive Behavioural Therapy for Insomnia, CBT-I）是推荐的一线治疗方法。这种多成分的心理治疗通常由临床医生在4-8次个体或小组会谈中实施，核心成分包括刺激控制疗法（Stimulus Control Therapy, SCT）、睡眠限制疗法（Sleep Restriction Therapy, SRT）、认知疗法（Cognitive Therapy, CT）、放松疗法（Relaxation Therapy, RT）和睡眠卫生教育（Sleep Hygiene Education, SHE）。尽管临床指南强烈推荐CBT-I，但估计只有约1%的失眠成人能够获得此种治疗。障碍包括训练有素的临床医生稀缺，以及患者对更便捷、可负担治疗的偏好。
为提高可及性，CBT-I的多种变体已被开发出来，如更省时的“简版CBT-I”和“简版行为治疗失眠（Brief Behavioural Therapy for Insomnia, BBT-I）”，以及通过书目疗法或数字平台交付、几乎无需临床医生参与的“自助式CBT-I”。此外，单成分疗法（如SRT、SCT）对临床医生的培训和时间要求也更低。然而，对于不同患者，应优先选择哪种变体而非传统CBT-I，目前尚不明确。
失眠是一种异质性疾病，治疗需求因人而异。例如，由环境因素驱动的亚临床或间歇性失眠个体可能从睡眠教育和健康睡眠习惯中受益，而那些严重、慢性或共病情况复杂的患者则可能需要临床医生交付的CBT-I。约30-40%的个体无法通过单纯CBT-I达到完全缓解，需要辅助或替代治疗。因此，需要实证指导来支持个性化的、循证的治疗方法。
精准医疗是医疗保健的新前沿，旨在通过识别哪种治疗最可能使每个个体受益来优化结局。这种方法可以通过研究治疗差异反应的调节因素和预测因素来获得信息。调节因素被定义为与不同类型治疗间差异结局相关的基线变量（即显著的变量×治疗交互效应），而预测因素是与单一或跨治疗类型内结局相关的基线变量（即显著的主效应）。识别谁能从哪种治疗中获益最多，已被认为是改善心理健康护理结局的关键。
迄今为止，尚无系统综述全面综合患者相关的CBT-I结局预测和调节因素。本篇系统综述旨在：1) 评估已被检验作为CBT-I及其变体治疗反应预测因素和调节因素的个人特征范围；2) 识别一致预测治疗反应的个人特征；3) 识别显著调节治疗反应的个人特征。这些目标均在失眠的不同认知行为疗法内部和之间进行考量。
方法：广泛的文献检索与严谨的分析策略
本综述遵循系统综述和Meta分析优先报告项目（PRISMA）指南，并在PROSPERO前瞻性注册。检索了四个数据库（PubMed, Embase, PsycINFO, Cochrane Central）截至2025年4月2日的文献。纳入标准包括：涉及≥18岁、经作者定义的失眠障碍或症状的参与者；评估任何单成分或多成分的失眠认知行为干预；报告基线参与者特征作为失眠缓解、治疗反应或失眠严重程度连续变化的预测因素或调节因素的统计学显著性；使用经过验证的失眠严重程度自评工具（如失眠严重程度指数ISI）；英文撰写；经同行评审发表。
研究选择和数据提取在Covidence软件中进行。使用Cochrane偏倚风险评估工具（RoB-1.0）和非随机干预研究偏倚风险评估工具（RoBANS-2）评估偏倚风险。使用预测和调节因素评估清单（CHAMP）的七项评估预测/调节分析的质量。
由于预测/调节变量、干预和分析类型的异质性，以及结果报告不完整，无法进行Meta分析。采用了替代的分析方法。结果首先按变量类别（如人口统计学、健康相关）分组。然后，在每个类别内，预测和调节结果分别综合，并按干预类型分组。干预类型包括：个体CBT-I、团体CBT-I、自助CBT-I、简版CBT-I、行为治疗失眠（BT-I）以及各种单成分疗法。结果进一步按随访时间点和结局形式分层。采用了传统的“计分框”方法进行统计综合，将每个预测/调节效应分类为无效、正向或负向。计算了每个变量在各干预类型内部和跨类型的显著效应比例，并使用单尾精确二项检验评估显著效应数量是否超过偶然预期。在同行评审后，应用了Benjamini-Hochberg错误发现率校正以控制多重比较。
结果概览：大量研究中的有限共识
文献检索共识别了12,223条记录，最终纳入了103篇报告，涉及89项独特研究。这些研究发表于2005年至2025年，其中63.1%发表于2020年之后。最常评估的干预是自助CBT-I（占研究的37.1%），其次是个体CBT-I（27.0%）和团体CBT-I（20.2%）。最常用的结局指标是ISI（占报告的92.1%）。103篇报告共贡献了1,208个符合条件的预测/调节结果，涉及195个独特变量。
潜在的预测因素与调节因素：六大类别的详细分析
- 1.
人口统计学变量：总体上预测和调节作用均不显著。年龄、性别/生理性别、种族/民族、收入、教育程度、就业状况和婚姻状况在大多数分析中未显示与结局的显著关联。仅有个别研究发现，在自助干预中，年轻年龄、女性性别、白人种族或较高收入与略好的结局相关，但证据非常有限且不一致。
- 2.
失眠与睡眠相关变量：这是发现显著预测因素最多的类别。
- •
失眠严重程度：在CBT-I中，较高的基线失眠严重程度（如ISI得分更高）一致地预测了治疗后更大幅度的改善（58.6%的分析显著）。然而，一项BT-I研究发现了相反的模式。它未显示出显著的调节作用。
- •
总睡眠时间：更长的客观测量TST一致地预测了CBT-I和BBT-I后更高的治疗反应率和缓解率。对于主观测量的TST，证据方向不一致。TST未显示出显著的调节作用。
- •
睡眠效率：证据有限且方向不一致。有研究发现较高的客观SE预测更好结局，也有研究发现较低的客观SE预测更高的反应率。主观SE的预测作用多不显著。一项研究发现，较高的客观SE与从个体CBT-I或SRT（相比SHE）中获得更大益处相关。
- •
睡眠潜伏期：较长的基线SOL（无论客观或主观测量）预测了CBT-I后更大的症状改善和更高的反应率。未发现显著的调节作用。
- •
失眠病程：较短的失眠病程是改善的有力预测因素，所有涉及治疗后即刻结局的分析均显示，病程越短，结局越好。但此效应在短期和中期随访中不显著。未发现其有调节作用。
- •
其他变量：关于睡眠信念、睡眠质量、日间嗜睡、作息类型、失眠相关损害、阻塞性睡眠呼吸暂停（OSA）及噩梦频率的预测或调节证据大多微弱、不一致或非显著。
- 3.
健康相关变量：
- •
抑郁严重程度：在CBT-I中，较低的抑郁严重程度倾向于预测更好的结局（如更高的缓解率、反应率、更大的症状减少），尽管有少数研究发现相反关联。抑郁严重程度未显示出显著的调节作用。
- •
焦虑严重程度：预测和调节作用的证据大多微弱且不一致。
- •
共病精神障碍：关于是否存在任何共病精神障碍的证据不一致。一些研究发现无共病者结局更好，另一些则发现有共病者症状减少更多。特定焦虑和抑郁障碍的预测作用不显著。未发现显著的调节作用。
- •
共病躯体疾病：关于是否存在任何躯体疾病的预测作用不显著。然而，针对特定症状的分析显示：
- •
疲劳：较不严重的疲劳或没有慢性疲劳预测了BBT-I和SHE后更好的反应和缓解。但一项自助CBT-I研究发现了相反关联。疲劳无调节作用。
- •
疼痛：无共病疼痛预测了临床医生交付的干预后更高的缓解率。然而，一项研究发现更严重的疼痛预测了更大的症状减少。疼痛在自助CBT-I中无预测作用。未评估其调节作用。
- 4.
治疗相关变量：如治疗期望、动机和治疗态度。积极治疗态度是改善的一致预测因素。治疗期望和动机的结果不一致。
- 5.
心理社会变量：如人格特质、应对方式等。大多数被研究的变量缺乏一致的显著证据。
- 6.
特定人群变量：针对如老年人、癌症患者等群体的特定因素，研究较少，难以得出普遍结论。
最一致的预测因素
通过对在≥3项研究中被检验的46个变量进行综合分析，本综述确定了与失眠认知行为干预改善最相关的基线特征：
- •
较短的失眠病程
- •
较高的基线失眠严重程度
- •
较长的客观总睡眠时间
- •
对治疗的积极态度
- •
较低的抑郁严重程度
- •
无共病精神障碍
- •
无疲劳
- •
无疼痛
质量评估与局限性
偏倚风险评估显示，随机试验在“盲法”领域高风险比例最高（46.9%），这是心理干预的普遍难点。非随机研究在“混杂因素”领域高风险比例极高（94.7%），因为多数是单组前后设计，无法控制时间对失眠的影响。CHAMP评估表明，大多数预测/调节分析统计功效不明确（73.3%）或不足（14.6%），可能导致假阴性结果。许多研究样本量小（78.6%的报告样本量<300），且经常不报告确切的效应值、方差度量或非显著结果的p值，限制了结果的综合和解释。
结论与未来方向
本系统综述揭示了失眠认知行为治疗预测和调节因素研究的巨大异质性和方法学局限。尽管评估了195个变量，但92.3%的变量缺乏充分研究或很少显示统计学显著性。确定的最一致预测因素为临床识别可能从CBT-I中获益最多的患者提供了初步线索，例如病程较短、失眠严重但客观睡眠时间尚未极度缩短、态度积极且心理和躯体共病较少的个体。
然而，由于现有证据的局限性，这些发现尚不足以 robust 地指导临床实践中的个性化治疗选择。特别是，能够指示“哪种治疗对哪种患者最有效”的调节因素证据极其匮乏。未来的研究需要使用足够统计功效的大样本、预先设定的理论驱动假设、标准化的测量方法以及完整的效应报告，来验证已识别的预测因素，并着力探索有意义的调节因素。这是实现失眠精准医疗、为不同患者匹配最佳治疗方案的必经之路。
