改善睡眠与心理健康：一项基于数字心理健康平台的纵向观察性实际研究

《JMIR Formative Research》：Enhancing Sleep and Mental Health: Longitudinal, Observational, Real-World Study From a Digital Mental Health Platform

　　克里斯滕·M·范·斯威林根（Kristen M Van Swearingen）| 科马尔·库马尔（Komal Kumar）| 贝尼埃塔高中（Benyetta High）| 萨拉·M·莱文斯（Sara M Levens）| 内哈·乔杜里（Neha Chaudhary）| 杰西卡·R·沃特罗斯（Jessica R Watrous）| 萨拉·J·萨吉·亨森（Sara J Sagui Henson）
北卡罗来纳大学夏洛特分校心理科学系，健康心理学博士项目
地址：9201 University City Blvd, Charlotte, NC, 美国

**背景**
睡眠质量差与心理健康问题和工作场所倦怠密切相关。心理健康问题和工作压力会干扰睡眠，而良好的睡眠质量则有助于提供认知和情感资源来应对日常挑战。尽管保持良好睡眠有诸多积极效果，但许多人仍难以获得足够的恢复性睡眠。鉴于睡眠与心理健康之间的双向关系，基于证据的数字心理健康解决方案可能为改善睡眠质量提供一种可行且可扩展的方法。

**研究目的**
本研究探讨参与雇主提供的多模式数字心理健康平台是否能在长期内改善睡眠质量，以及睡眠质量的变化是否与心理健康和倦怠状况的变化相关联。

**研究方法**
这项为期12个月的前瞻性观察性研究跟踪了新注册该平台（Modern Health）的在职成年人。该平台利用技术（移动设备和网页）将员工与由专业人士提供的护理服务、自我指导的护理资源、按需数字资源以及小组心理教育课程连接起来。共有578名参与者（其中353人为女性，平均年龄33.88岁，标准差8.73岁；40.3%为有色人种）在研究开始时及使用平台3个月和12个月后完成了自我评估，内容包括睡眠质量、抑郁、焦虑和倦怠（疲劳、愤世嫉俗和专业效能）。参与者在注册时会收到初步的护理建议，但可以灵活选择多种服务组合。所有参与者至少参与了一种护理方式，包括心理治疗、辅导、心理教育课程和自我指导的心理健康资源。研究重点关注基线时的睡眠质量及其与其他变量的关系、随时间变化的睡眠质量，以及睡眠质量变化与心理健康和倦怠变化之间的关联。

**研究结果**
基线时，42%（243/578）的参与者报告睡眠质量较差，并且更可能出现较高的抑郁、焦虑和倦怠水平。广义线性混合效应模型显示，每多使用该平台一个月，良好睡眠质量的概率增加3.7%（P=0.02）。线性混合效应模型进一步表明，随着时间的推移，睡眠质量的提高与抑郁、焦虑、疲劳和愤世嫉俗感的降低以及专业效能的提升有关（所有P<0.001）。在基线时睡眠质量较差的参与者中，有44%（62/141）在12个月后报告睡眠质量改善。在这一子组中，配对样本t检验显示抑郁（-48.3%）和焦虑（-38.3%）显著降低，但愤世嫉俗感略有上升（仍低于高倦怠临界值23.9%，所有P<0.01）。

**结论**
使用雇主提供的数字心理健康平台在12个月内显著改善了参与者的自我报告睡眠质量。这种改善与抑郁、焦虑和倦怠症状的显著减少相关，体现了全面心理健康护理的广泛益处。

**引言**
睡眠是调节我们整体健康和幸福感的基本过程[1-3]。睡眠质量差会导致白天功能受损[4]、应对挑战的能力下降[5]以及对心理健康的负面影响[6]。因此，睡眠质量差常与多种心理健康问题相关[7,8]，并且常被视为焦虑和抑郁等疾病的显著症状[8,9]。睡眠质量差与心理健康问题之间存在双向关系：环境、情境、社会和心理因素导致的睡眠问题会负面影响情绪[10-12]，进而加剧第二天的焦虑[13,14]。此外，睡眠问题还会影响注意力、决策能力和集中力，这些都是应对日常挑战的关键[15]。因此，睡眠质量差会降低个体应对压力和调节负面情绪的能力[5,16]，而心理健康问题严重的人则可能出现思维混乱，影响睡眠[19-23]。这种双向循环可能导致心理健康问题的发展或恶化[24]。睡眠质量差不仅影响心理健康，还影响工作场所的幸福感。良好的睡眠有助于恢复应对工作挑战所需的认知和情感资源[15,17,25]，从而降低多种职业中的工作压力[26]。如果工作压力得不到有效管理，可能会发展为倦怠[25]。倦怠包括情绪疲劳、对工作的疏离感以及成就感的下降[27]。改善睡眠质量有助于个体更好地管理工作压力并预防倦怠[28]。

由于睡眠与心理健康和倦怠密切相关，解决其中任何一方的问题都可能有助于打破这一有害循环。例如，当人们感到心理状态更好、更投入工作时，睡眠质量可能会改善；而良好的睡眠质量又能帮助调节情绪，促进高效且有意义的工作。认知行为疗法[29]和正念疗法[30]等心理健康干预措施已被证明有助于改善睡眠质量，即使睡眠并非治疗的主要目标。然而，在美国，只有约四分之一的成年人接受了必要的心理健康治疗[31]。数字心理健康解决方案为提高基于证据的干预措施的可及性提供了有效途径。数字心理健康服务涵盖远程医疗、数字疗法、在线团体治疗、基于聊天的护理和数字自我指导内容等，可通过在线平台、移动应用或可穿戴设备提供[32-35]。目前已有专门针对睡眠问题的数字健康解决方案，如针对临床失眠患者的数字认知行为疗法（d-CBTi）[36]。不过，许多人存在亚临床睡眠问题，即使只是认为自己的睡眠质量差，也会对情绪健康和日常生活产生显著负面影响[37-39]。因此，能够有效改善睡眠的解决方案可能具有更广泛的公共卫生意义。

提供全面心理健康服务且采用多模式（如结合多种护理方式）的数字健康平台可以通过解决影响睡眠的根本心理健康因素来改善睡眠效果。例如，一项研究发现，接受非睡眠相关心理健康服务的青少年随着心理健康症状的改善而睡眠质量也有所提高[40]。这些发现令人鼓舞，但需要更多研究来评估其对普通人群的广泛影响。此外，还需要评估采取整体护理方法的数字健康平台，以提供更多样化的服务和护理方式，满足不同健康和幸福感需求。

本研究填补了文献中的空白，探讨了参与雇主提供的多模式数字心理健康服务对睡眠质量及相关心理健康和倦怠状况长期影响的作用。该平台利用技术并结合分层护理模式，根据员工的临床需求和偏好提供适当水平的护理，包括持证临床医生和认证辅导员的个性化远程医疗服务、支持以及小组心理教育课程，以及丰富的按需数字资源库。所有护理方式均基于证据，注重五个健康和幸福感领域：情绪、身体、社交、职业和财务健康。评估这种多模式、基于证据的护理对睡眠质量的影响，可为群体层面的睡眠解决方案提供借鉴。

本研究分析了使用综合数字心理健康平台3个月和12个月后睡眠质量的变化与心理健康问题（抑郁和焦虑）的变化之间的关系，以及这些时间点上的睡眠质量变化如何影响组织倦怠的各个方面（如疲劳、愤世嫉俗和专业效能）。
- **第一目标**：分析新注册平台的员工在基线时的睡眠质量、心理健康和工作场所倦怠之间的关联，以了解睡眠质量差的风险因素和相关因素。鉴于这些变量之间的双向关系，我们假设睡眠质量差与更严重的抑郁和焦虑症状及更高的倦怠水平相关。
- **第二目标**：探讨参与数字心理健康平台的员工在3个月和12个月内睡眠质量的长期变化。我们假设参与者在使用平台后睡眠质量会有所改善。
- **第三目标**：探讨睡眠质量的变化是否与心理健康症状和工作场所倦怠的变化相关。我们假设随着睡眠质量的提高，抑郁和焦虑症状也会改善，倦怠感也会减轻。

**研究设计**
这是一项为期12个月的前瞻性观察性研究，对象为新注册雇主提供的数字心理健康平台（Modern Health）的在职成年人。参与者需满足以下条件：（1）年满18岁；（2）拥有智能手机、平板电脑或电脑；（3）受雇于与该平台合作的公司；（4）表示计划接受护理（通过与治疗师或辅导员的匹配或使用数字资源）。数据收集时间点为注册时以及注册后的3个月和12个月。数据收集时间为2021年9月至2023年3月。

**伦理考量**
本研究遵循《赫尔辛基宣言》进行，并于2021年8月20日获得西方临床集团机构审查委员会（协议代码1316167）的批准。所有参与者均签署了知情同意书。为保护参与者隐私，所有数据均进行了去标识处理。数据存储在安全加密的服务器上，仅研究人员可访问。参与者完成每项调查后将获得25美元的数字礼品卡（三个时间点完成调查总计最高75美元）。

**研究流程**
符合条件的参与者通过移动应用或网站注册平台账户。在入职过程中，参与者完成临床评估（如9项患者健康问卷PHQ-9和7项广泛性焦虑障碍量表GAD-7）。参与者还需指定偏好的护理方式（如“独自处理”、“一对一”或“不确定”），并选择关注领域（情绪、身体健康、职业生活、人际关系和财务）。系统会根据这些选择提供初步护理建议（例如，为需要一对一支持的轻度患者推荐辅导）。入职后，参与者可使用数字心理健康服务，或自行选择多种护理方式（如一对一护理、小组心理教育、自我指导资源）。符合纳入标准的参与者会收到电子邮件邀请，填写筛查问卷（约30-45分钟完成）。研究期间，参与者通过电子邮件收到两次后续调查。所有问卷和调查均使用Qualtrics在线平台进行。

**图1. 研究流程图**
新注册并符合纳入标准的在职成年人被邀请参与本研究。基线调查在参与者首次开始使用平台服务时发送给他们，并在之后3个月和12个月时再次发送。数字心理健康服务概述：该数字心理健康平台是由雇主赞助的健康福利，为员工提供免费的心理健康服务，包括与治疗师或教练的一对一咨询、团体心理教育课程以及自助式数字资源。为了符合本研究的资格要求，所有参与者至少参加了一次治疗或辅导课程，或使用了至少一项数字内容。

治疗与辅导：参与者可以接受由持有高级心理学或相关学位（如博士学位、心理学实践博士学位、临床社会工作执照、婚姻与家庭治疗执照或执照心理咨询师）的持证治疗师提供的50分钟一对一治疗，也可以通过Zoom接受国际辅导联合会认证的辅导师提供的30分钟辅导。所有辅导师至少有100小时的辅导经验，并且还接受了数字心理健康公司关于以文化为中心的护理以及识别可能需要危机或更高水平支持的高风险情况的额外6小时培训。所有治疗师和辅导师都经过严格筛选，确保他们提供基于证据的实践方法，如动机性访谈、认知行为疗法、接纳与承诺疗法和辩证行为疗法。由法律、合规性、服务运营和临床专家组成的团队持续监控服务提供者的质量，以确保遵守严格的临床标准。

参与者在初次评估后被推荐参加这些一对一服务，或者他们也可以自行选择服务提供者。无论哪种情况，一个专有的算法都会将参与者与最符合其临床需求的服务提供者列表进行匹配，这些提供者会说他们希望的语言，并且在几天内就有空提供服务。匹配算法还会考虑服务提供者在参与者关注领域的专长。例如，如果参与者希望改善身体健康和睡眠质量，他们会得到一份专门针对睡眠问题的治疗师或辅导师名单，这些提供者可以提供个性化的策略和支持来帮助改善睡眠习惯。在这个健康领域，服务提供者有机会提供个性化护理，包括解释睡眠与心理健康之间的联系、建立睡眠卫生和休息的日常习惯、实施认知重构技术以中断睡前担忧和适应不良的想法，以及使用动机性访谈来支持必要的行为改变。参与者参加的课程数量和频率取决于他们的个人偏好、雇主的支持范围以及个人需求。

自助式数字资源和团体心理教育课程：参与者可以无限制地访问一个按需提供的数字图书馆，其中包含各种心理健康项目和资源，包括每日简短练习、互动程序、教育播客以及由心理健康专家（包括内部临床心理学团队）设计的自我节奏教育课程，涵盖情绪、人际关系和职业生活等主题。除了大量旨在改善心理健康的资源外，数字图书馆还包含了几项专门针对睡眠的资源。这些资源包括一个名为“改善全天睡眠、休息和活动的工具”的6节课程，以及一个包含认知行为疗法元素的6集播客，适用于患有临床失眠症的人，内容涉及睡眠卫生、睡前刺激控制、放松技巧、睡眠限制和认知重构。此外，还有引导式冥想、身体扫描、渐进式肌肉放松、呼吸练习和有助于睡眠的舒缓声音。服务提供者可以根据参与者的具体关切或目标推荐相关的自助资源。参与者使用自助资源的情况会被记录下来，但不会记录具体的内容选择。

最后，参与者还可以参加由治疗师和辅导师主持的现场团体心理教育课程。课程内容涵盖处理工作场所挑战、处理压力事件以及建立情绪韧性等主题。一些定期举办的课程专门针对改善睡眠质量（例如，“睡眠：初学者指南”和“睡眠：深入探讨”，这两节课均为1小时）。团体课程以多种形式提供，如网络研讨会式学习、技能培训工作坊和非正式讨论，以适应不同用户的需求。参与团体课程是匿名的。

测量方法：
**人口统计学**：参与者通过输入年龄（以年为单位）并从预设的下拉菜单中选择性别身份、种族/族裔身份和教育水平来提供信息，同时还可以选择其他类别。
**睡眠质量**：睡眠质量的感知是通过匹兹堡睡眠质量指数[42]中的一个单项问题来测量的（“在过去一个月里，您如何评价自己的整体睡眠质量？”）。参与者可以从4个选项中选择一个：(3)“非常好”，(2)“相当好”，(1)“相当差”，或(0)“非常差”。创建了一个二元变量，将“非常差”或“相当差”的回答归类为“睡眠质量差”，而“相当好”或“非常好”的回答归类为“睡眠质量好”。我们将睡眠质量的改善定义为参与者在基线时被归类为“睡眠质量差”，而在随访时被归类为“睡眠质量好”。由于单项自我评估的健康测量方法具有可行性和强大的预测有效性[43,44]，它们在临床实践和健康研究中的使用越来越普遍。在现实环境中，长问卷并不总是实用，尤其是在多个时间点进行调查时。因此，选择这个单项睡眠质量测量方法是为了相对准确地捕捉一个人的睡眠感知。在之前的研究中也使用了单项睡眠质量测量方法[20,45,46]，研究表明，一个人对自己睡眠质量的感知比客观测量更能预测其幸福感和白天的功能[37-39]。
**抑郁**：抑郁严重程度是通过PHQ-9[47]来测量的。参与者报告了过去两周内他们受到多种抑郁症状困扰的频率，采用4点量表（“0=完全没有”到“3=几乎每天”），总分越高表示症状越严重。抑郁症状的阳性筛查标准是得分≥10[47]。
**焦虑**：焦虑严重程度是通过GAD-7[48]来测量的。参与者报告了过去两周内他们受到多种焦虑症状困扰的频率，采用4点量表（“0=完全没有”到“3=几乎每天”），总分越高表示症状越严重。焦虑症状的阳性筛查标准是得分≥8[49]。
**工作场所倦怠**：倦怠是通过16项Maslach倦怠量表（MBI-GS-16）[50]来测量的，该量表考察了倦怠的三个不同子维度（疲惫、愤世嫉俗和专业效能）。参与者报告了过去两周内他们对工作的感受频率，采用7点量表（“0=从未”到“6=每天”）。从每个子维度的总分中计算平均值。疲惫子维度的平均分越高表示工作带来的疲劳和情绪疲惫感越强；愤世嫉俗子维度的平均分越高表示对工作的冷漠感越强；效能子维度的平均分越高表示在工作中的胜任感和成就感越强；因此，该子维度的得分越低表示倦怠程度越高。疲惫和愤世嫉俗子维度的较高水平被定义为“每周一次”或更频繁（≥4），效能子维度的较高水平被定义为“每月几次”或更少（≤3）。

**平台参与度**：为了评估对平台的参与度，我们报告了辅导、治疗和自助式数字资源的平均使用情况。本研究包括了在研究期间至少使用过一项服务的参与者。由于团体心理教育课程的参与是匿名的，我们无法获取相关数据。

**统计分析**：所有分析均使用R软件（版本4.4.1；R统计计算基金会）进行。我们对人口统计变量、基线睡眠质量、心理健康和倦怠进行了描述性统计。我们还计算了在基线时被归类为“睡眠质量差”或“睡眠质量好”的参与者比例，以及在总体样本中筛查出抑郁症状阳性、焦虑症状阳性或高度倦怠的参与者比例。

**研究目的**：
1. 评估基线睡眠质量是否与心理健康（抑郁和焦虑）和工作场所倦怠（疲惫、愤世嫉俗和专业效能）相关。
2. 评估使用数字心理健康平台的员工在3个月和12个月内的睡眠质量变化情况。首先，我们描述性地报告了睡眠质量改善（从差到好）、保持相同睡眠质量或恶化（从好到差）的参与者比例。
3. 使用lme4包[51]进行广义线性混合效应模型分析，以评估注册心理健康平台后的时间是否能够预测报告良好睡眠质量的概率。

**模型构建**：
- 在这个模型中，结果变量是睡眠质量（编码为二元：0=睡眠质量差，1=睡眠质量好）。模型包括了注册心理健康平台后的时间（基线=0，3个月随访=3，12个月随访=12）的固定效应，以及一个随机截距，以考虑不同的基线睡眠质量水平。使用Pearson残差来评估过度分散情况，没有观察到过度分散的证据（分散比=0.46）。
- 选择混合效应模型来进行第2和第3目的的纵向分析，以考察三个时间点之间的变化，同时考虑了参与者内的重复测量和数据缺失情况，使用最大似然估计法来处理数据缺失。
- 第3目的的第二个部分是探索性描述性分析，我们在基线时报告睡眠质量差的参与者和在3个月或12个月随访时报告睡眠质量好的参与者之间进行了配对样本t检验，旨在描述睡眠改善个体的症状变化轨迹。这些子组分析旨在补充全样本的纵向分析。我们使用以下公式计算了研究时间点之间抑郁、焦虑和倦怠症状平均变化的百分比：[(随访平均值 - 基线平均值) / 基线平均值] × 100。

**研究结果**：
我们联系了8786名最初符合研究条件的用户，其中2032人完成了筛选表，950人同意参与并提供了知情同意书。在同意并完成基线调查的950人中，734人完成了至少一次随访调查，724人提供了至少一次随访的睡眠数据，其中578人在基线和12个月调查时间点之间至少使用了一项服务。参与者的平均年龄为33.88岁（标准差8.73岁），61.1%（353/578）为女性，40.3%（233/578）为有色人种（见表1中的样本人口统计和特征）。完整的分析样本（N=578）被用于我们的基线描述性分析和横断面分析，以及使用混合效应模型的纵向分析，以最大化跨时间点的数据利用。在这组参与者中，527人在基线和3个月随访期间使用了平台，并在3个月时提供了数据；这个样本被用于报告变化的比例和基线到3个月变化的配对t检验分析。同样，有343名参与者在基线和12个月随访期间参与了研究，并在12个月时提供了数据；该样本被用于分析变化的比例描述以及检查从基线到12个月变化的配对t检验。表1显示了整体样本和按基线睡眠质量划分的描述性统计特征。

**基线人口统计特征和描述性统计**

| 人口统计特征 | 整体样本（N=578） | 睡眠质量差的人（n=243） | 睡眠质量好的人（n=335） |
|---------|--------------|------------------|------------------|
| 年龄，平均值（SD） | 33.88（8.73） | 33.95（8.36） | 33.82（9.0） |
| 性别认同，n% | 女性 | 353（61.1） | 160（65.8） | 194（57.9） |
| 男性 | 197（34.1） | 74（30.5） | 124（37.0） |
| 非二元性别 | 28（4.8） | 9（3.7） | 17（5.1） |
| 种族和民族，n% | 亚裔或亚裔美国人 | 109（18.9） | 45（18.5） | 64（19.1） |
| 黑人或非裔美国人 | 36（6.2） | 20（8.2） | 16（4.8） |
| 西班牙裔或拉丁裔 | 47（8.1） | 20（8.2） | 27（8.1） |
| 非西班牙裔白人 | 345（59.7） | 138（56.8） | 207（61.8） |
| 多种种族/民族 | 39（6.7） | 19（7.8） | 20（6.0） |
| 教育程度，n% | 学士 | 72（12.5） | 40（16.5） | 32（9.6） |
| 学士以上 | 158（27.3） | 62（25.5） | 96（28.7） |

**12个月内的平台参与情况，平均值（SD）**
| 治疗会话 | 6.25（5.42） | 5.60（4.37） | 6.79（6.15） |
| 辅导会话 | 3.39（3.10） | 3.48（3.32） | 3.32（2.96） |
| 数字资源 | 10.94（18.40） | 10.21（13.78） | 11.47（21.14） |

**注：** 差异具有统计学意义（P<.05）。

在基线时，42%（243/578）的参与者表示他们过去一个月的睡眠质量“非常差”（n=24）或“相当差”（n=219），因此被归类为“睡眠质量差”。剩余的58%（335/578）的参与者表示他们的睡眠质量“相当好”（n=289）或“非常好”（n=46），因此被归类为“睡眠质量好”。

**基线时的心理健康症状**
平均抑郁得分（平均值8.35，标准差5.63）和焦虑得分（平均值7.63，标准差5.37）低于PHQ-9的临床临界值≥10和GAD-7的临界值≥8。此外，36.9%（213/578）的参与者在基线时筛查出抑郁症状阳性，42.9%（248/578）的参与者在基线时筛查出焦虑症状阳性。

**基线时的职业倦怠症状**
平均疲劳程度（平均值2.08，标准差1.67）和愤世嫉俗程度（平均值2.03，标准差1.59）低于MBI-GS-16中高职业倦怠的临界值≥4。平均专业效能（平均值4.58，标准差1.05）高于低专业效能的临界值≤3。此外，26.9%（155/576）的参与者疲劳程度高于临界值，16.1%（93/577）的参与者愤世嫉俗程度高于临界值，8.7%（50/575）的参与者专业效能低于临界值。

**12个月研究期间的平台参与情况**
42.9%（147/343）的参与者使用了治疗服务，平均参加了6.25次虚拟治疗会话；63.6%（218/343）的参与者使用了辅导服务，平均参加了3.39次虚拟会话；77.3%（265/343）的参与者访问了自我指导的数字内容，平均使用了10.94种资源。大多数参与者（221/343，64.4%）至少使用了两种护理方式，19.2%（66/343）的参与者至少使用过所有三种护理方式。

**基线时睡眠质量、心理健康和职业倦怠之间的关联**
睡眠质量好的人的平均抑郁和焦虑得分低于临床临界值（抑郁：平均值6.18，标准差4.73；焦虑：平均值6.03，标准差4.62），而睡眠质量差的人的平均抑郁和焦虑得分高于临床临界值（抑郁：平均值11.30，标准差5.41；焦虑：平均值9.82，标准差5.57）。卡方检验显示，基线时睡眠质量差的参与者中筛查出抑郁阳性的人数比例高于睡眠质量好的人（χ21(N=578)=102.47，P<.001，?=0.42；焦虑：χ21(N=578)=61.97，P<.001，?=0.33）。例如，基线时睡眠质量差的参与者中有60.9%（148/243）筛查出抑郁阳性，而睡眠质量好的人中只有19.4%（65/335）。

**表2. 整体样本和按基线睡眠质量划分的心理健康和高度职业倦怠的阳性筛查结果**

| 心理健康症状 | 抑郁筛查b，n% | 阴性筛查 | 阳性筛查 |
|------------|-----------|-------------|-------------|
| 抑郁 | 365（63.2） | 95（39.1） | 213（36.9） |
| 焦虑 | 330（57.1） | 92（37.9） | 248（42.9） |
| 职业倦怠 | 疲劳 | 421（73.1） | 155（26.9） |
| 愤世嫉俗 | 484（83.9） | 191（78.6） | 93（16.1） |

**注：** a 抑郁或焦虑的阳性筛查定义为基线时的抑郁或焦虑得分高于临床临界值（抑郁≥10，焦虑≥8）。高度职业倦怠定义为疲劳和愤世嫉俗得分≥4，专业效能得分≤3。

**平均职业倦怠的疲劳和愤世嫉俗程度低于**
无论是睡眠质量好（疲劳：平均值2.49，标准差1.59；愤世嫉俗：平均值1.84，标准差1.50）还是睡眠质量差（疲劳：平均值3.23，标准差1.69；愤世嫉俗：平均值2.28，标准差1.68）的个体的高阈值。此外，无论是睡眠质量好（平均专业效能得分4.72，标准差0.99）还是睡眠质量差（平均专业效能得分4.4，标准差1.1）的个体的平均专业效能都高于低阈值。

**睡眠质量、心理健康和职业倦怠随时间的变化**
描述性来看，每个时间点被归类为睡眠质量差的参与者比例如下：基线时42%（243/578），3个月时38.1%（201/527），12个月时35.9%（123/343）。从基线到3个月，基线时报告睡眠质量好的参与者中有81.8%（248/303）在3个月时仍保持良好的睡眠质量，而18.2%（55/303）的情况恶化，报告睡眠质量差。同样，基线时报告睡眠质量差的参与者中有65.2%（146/224）在3个月时仍保持睡眠质量差，而34.8%（78/224）的情况改善，报告睡眠质量好。从基线到12个月，基线时报告睡眠质量好的参与者中有78.2%（158/202）在12个月时仍保持良好的睡眠质量，而21.8%（44/202）的情况恶化，报告睡眠质量差。此外，基线时报告睡眠质量差的参与者中有56%（79/141）在12个月时仍保持睡眠质量差，而44%（62/141）的情况改善，报告睡眠质量好。

**构建了一个广义线性混合效应模型来预测随时间良好的睡眠质量概率**（见图2）。该模型包括时间的固定效应和参与者的随机截距。模型表明，自注册心理健康平台以来的时间与睡眠质量有小的但具有统计学意义的关联（β=0.04，SE=0.02；z=2.29，双尾；P=.02）。β=0.037表示每增加一个月的平台使用时间，良好的睡眠质量概率增加1.037倍（95%置信区间1.006-1.071）。根据该模型，图2显示了每个时间点良好的睡眠质量的预测概率。

**图2. 不同时间点良好的睡眠质量预测概率。** 基线时良好的睡眠质量预测概率为59.9%，3个月随访时为61.7%，12个月随访时为67%。误差条代表95%置信区间。

**睡眠质量、心理健康和职业倦怠随时间的关系**
构建了一系列线性混合效应模型（见表3）来研究自平台服务开始以来的时间对3个研究时间点上的5个心理健康和职业倦怠结果的影响。在预测抑郁的模型中，自注册平台以来的时间与抑郁症状的减少显著相关（β=?0.16，P<.001）。控制时间后，睡眠质量显著预测抑郁症状（β=?3.7，P<.001），即睡眠质量提高1个单位（从差到好）与抑郁症状减少3.7分相关。由于截距为9.81（接近抑郁阳性筛查的临界值≥10），因此3.7分的减少意味着平均抑郁得分降至6.11分，接近轻度范围（<5）。同样，对于焦虑，自注册平台以来的时间与焦虑症状的减少显著相关（β=?0.12，P<.001）。控制时间后，睡眠质量显著预测焦虑症状（β=?2.9，P<.001），即睡眠质量提高1个单位与焦虑症状减少2.9分相关。该模型的截距为8.89（高于焦虑阳性筛查的临界值≥8），因此2.9分的减少意味着平均焦虑得分降至5.99分，接近轻度范围（<5）。

**表3. 时间和睡眠质量对心理健康和职业倦怠结果的固定效应估计**

| 结果变量 | 预测因子 | β | SE | t检验（df） | P值 |
|---------|--------------|-------------|------------|--------------|
| 心理健康 | 抑郁 | (截距) | 9.81 | 0.22 | 43.88 (115) | <.001 |
| | 时间 | ?0.16 | 0.02 | –7.72 (98) | <.001 |
| | 睡眠质量 | ?3.7 | 0.25 | –15.07 (146) | <.001 |
| | 焦虑 | (截距) | 8.89 | 0.23 | 37.87 (114) | <.001 |
| | 时间 | ?0.12 | 0.02 | –5.71 (96) | <.001 |
| | 睡眠质量 | ?2.9 | 0.25 | –11.54 (146) | <.001 |
| 职业倦怠 | 疲劳 | (截距) | 3.07 | 0.08 | 39.11 (106) | <.001 |
| | 时间 | 0.04 | 0.01 | 6.74 (924) | <.001 |
| | 睡眠质量 | ?0.50 | 0.08 | –6.60 (132) | <.001 |
| | 愤世嫉俗 | (截距) | 2.23 | 0.08 | 28.40 (110) | <.001 |
| | 时间 | 0.07 | 0.01 | 11.09 (94) | <.001 |
| | 睡眠质量 | ?0.30 | 0.08 | –3.70 (140) | <.001 |
| | 专业效能 | (截距) | 4.43 | 0.05 | 85.99 (112) | <.001 |
| | 时间 | 0.01 | 0.00 | –3.19 (94) | <.002 |
| | 睡眠质量 | 0.22 | 0.05 | 4.11 (141) | <.001 |

**注：** a 时间编码为0表示基线，3表示3个月随访，12表示12个月随访。睡眠质量编码为0表示“睡眠质量差”，1表示“睡眠质量好”。b 所有检验均为双尾。

在预测职业倦怠疲劳的模型中，自注册平台以来的时间与疲劳得分的增加显著相关（β=0.04，P<.001）。控制时间后，睡眠质量显著预测疲劳（β=?0.5，P<.001），即睡眠质量提高1个单位与疲劳得分减少0.5分相关。对于愤世嫉俗，自注册平台以来的时间与愤世嫉俗得分的增加显著相关（β=0.07，P<.001）。控制时间后，睡眠质量显著预测愤世嫉俗（β=?0.3，P<.001），即睡眠质量提高1个单位与愤世嫉俗得分减少0.3分。对于专业效能，自注册平台以来的时间与专业效能得分的减少显著相关（β=?0.01，P=.002）。控制时间后，睡眠质量显著预测专业效能（β=0.22，P<.001），即睡眠质量提高1个单位与专业效能得分增加0.22分。

接下来，我们对从基线到3个月或12个月随访期间睡眠质量改善的参与者进行了配对样本t检验（表4），以更好地了解心理健康症状和职业倦怠在研究时间点之间的变化。基线时睡眠质量差但在3个月或12个月随访时睡眠质量改善的参与者中，抑郁（?42.8%）和焦虑（?30.5%；所有P<.001）显著减少。基线时睡眠质量差但在12个月随访时睡眠质量改善的参与者中，抑郁（?48.3%）和焦虑（?38.3%；所有P<.001）显著减少。在3个月或12个月随访期间，睡眠质量改善的参与者中，三个职业倦怠领域均未发生变化，除了12个月随访时愤世嫉俗显著增加（23.9%，P<.01），尽管仍低于高度职业倦怠的临界值。

**讨论**
迄今为止，睡眠研究主要集中在失眠的治疗上，而不是从更广泛的公共卫生角度来对待睡眠问题。鉴于睡眠感知对心理健康和幸福感的影响，更广泛地关注普通人群的睡眠问题可能会对于这些个体，尤其是那些有睡眠问题但尚未达到睡眠障碍诊断标准的人来说，显然需要能够帮助改善睡眠问题的服务。我们的研究结果表明，尽管多模式数字心理健康平台并非专门针对睡眠问题的干预措施，但它们提供的支持不仅限于心理健康领域，还能在其他影响心理健康的健康行为和福祉方面发挥重要作用。在开始治疗前分析睡眠不佳的相关因素时，我们发现基线时睡眠质量较差的个体更有可能报告较高的抑郁和焦虑症状、更大的工作疲惫感和愤世嫉俗情绪，以及较低的工作效能感。这些关联与以往的研究结果一致，即维持良好的睡眠质量对于应对日常挑战和管理负面情绪体验至关重要[15,17]。因此，睡眠障碍可能会使人们难以应对日常挑战，导致疲惫感、职业倦怠感和更严重的心理健康问题。鉴于这些变量之间存在双向关系，反过来也可能成立：更严重的心理健康问题和工作压力可能导致更严重的睡眠问题。这些人可能会在夜间因工作相关的问题而难以入睡[20-22]。此外，身体对压力源的生理反应（如皮质醇水平升高）也会扰乱睡眠-觉醒周期[52]。虽然这项研究无法确定这些基线关系的方向性，但我们的发现强烈表明了这些变量之间的复杂相互作用。由于本研究中的参与者是从数字平台寻求心理健康支持的，这些基线发现突显了这些个体在抑郁或焦虑治疗之外的广泛健康和福祉需求。

尽管数字心理健康平台的服务主要集中在情绪健康上，但该平台还结合了多种护理方式（治疗、辅导和自助资源）来支持人们的身体健康和睡眠习惯。因此，为了实现第二个研究目标，我们探讨了使用数字心理健康服务后睡眠质量是否有所改善。我们发现，最初报告睡眠质量较差的参与者中有34.8%（78/224）在3个月后的随访中睡眠质量有所改善，而在12个月后的随访中这一比例上升至44%（62/141）。此外，我们的模型在考虑了参与者重复测量和数据缺失的情况下，预测报告良好睡眠质量的概率会随时间逐渐增加。具体来说，每使用该平台一个月，报告良好睡眠质量的概率增加3.7%，这意味着12个月后良好睡眠质量的概率增加了55.1%。虽然并非所有人都经历了睡眠质量的改善，有些人的睡眠症状反而有所恶化，但对于某些人来说，改变睡眠问题确实很困难。未来的研究可以探讨哪些人更不容易看到睡眠质量的改善及其背后的原因。尽管如此，总体而言，这种创新干预措施的前景是令人鼓舞的，这与之前的研究结果一致，即心理健康治疗也能带来睡眠质量的提升[29,30,40]。

我们研究中观察到的睡眠质量改善表明，数字心理健康干预在解决睡眠相关问题方面具有潜力。这些平台为那些有亚临床睡眠问题或无法获得CBTi等睡眠治疗的人提供了独特的机会。鉴于公众中睡眠问题的普遍性，睡眠问题在某种程度上已经变得常态化。因此，许多人可能忽视了这些问题，没有在传统医疗系统之外寻求睡眠支持，或者在寻求支持时遇到障碍[53]。此外，像CBTi这样的标准干预措施通常需要大量时间，相关研究主要集中在临床人群上。这就导致我们对于那些强度较低但仍基于证据的干预措施的影响了解不足。数字心理健康平台可以作为获取睡眠支持的便捷途径，为那些难以获得或不太了解标准睡眠治疗方法的人提供另一种选择。随着这些心理健康服务的不断完善，它们可能会采取全面的护理方法，以满足用户多样化的健康和福祉需求。

鉴于睡眠质量、心理健康和职业倦怠之间的紧密联系，为了实现第三个研究目标，我们探讨了睡眠质量随时间的变化是否与抑郁、焦虑以及职业倦怠的三个维度的变化有关。在两次分析中，我们发现睡眠质量的改善与心理健康症状的改善有关，在一定程度上也与工作倦怠的改善有关。通过回归模型分析，我们预测抑郁和焦虑症状显著减少。具体来说，当睡眠质量良好时，抑郁和焦虑症状分别降低了3.7分和2.9分。这些模型显示，在基线时，抑郁和焦虑症状接近或超过了阳性筛查的临界值，而睡眠质量改善后，平均得分降至接近轻度症状的水平。在第二次分析中，我们发现那些基线时睡眠质量较差但在3个月后睡眠质量改善的参与者，其抑郁症状平均改善了42.8%。这种4.35分的改善也接近临床意义上的显著变化（抑郁症状降低5分[54]）。在12个月后，睡眠质量改善的参与者抑郁症状平均降低了48.3%，焦虑症状降低了5.5分。睡眠质量的改善可能直接促进了心理健康的改善；或者，由于睡眠和心理健康之间存在双向关系[55]，睡眠质量的改善可能对心理健康产生了积极影响。数字心理健康平台提供了全面的健康服务，包括促进整体福祉的内容，其中一些资源专门针对睡眠卫生和心理教育。睡眠质量或心理健康的改善可能共同促进了对方的积极变化。

关于睡眠质量变化与职业倦怠三个维度变化之间的关联，我们首先发现随着时间的推移，疲惫感和愤世嫉俗情绪显著增加，而工作效能感则下降。然而，基线时的职业倦怠得分已经较低，这种变化不足以使得分超过高倦怠的临界值。良好的睡眠质量似乎起到了缓冲作用：当睡眠质量良好时，疲惫感和愤世嫉俗情绪分别降低了0.5分和0.3分，工作效能感提高了0.22分。这些变化使得参与者的职业倦怠得分进一步处于较低水平。我们的探索性配对样本t检验分析也部分支持了良好睡眠质量的缓冲作用。尽管回归分析显示职业倦怠略有增加，但t检验表明，从基线到随访时间点睡眠质量改善的参与者群体的职业倦怠水平保持较低。从方向上看，随访时的疲惫感得分较低（尽管不具有统计学意义），愤世嫉俗情绪得分较高（尤其是在12个月时），而工作效能感没有变化（无论是方向上还是统计上）。由于基线时的职业倦怠水平较低，并且在整个研究期间一直保持在临界值以下，因此进一步降低的空间有限。从基线到12个月间愤世嫉俗情绪的轻微增加可能反映了某种“地板效应”。然而，总体而言，随着时间的推移，尤其是对于那些睡眠质量良好或有所改善的参与者来说，职业倦怠水平的保持是一个积极的结果。

与职业倦怠相关的研究发现还可能反映了其他因素的影响。职业倦怠可能受到组织文化、工作要求和职场政策等因素的影响[56,57]，这些因素在个体睡眠和心理健康改善后仍可能持续存在。这可以解释为什么尽管睡眠和心理健康有所改善，职业倦怠程度略有下降。此外，职业倦怠可能对睡眠质量的影响大于睡眠质量对职业倦怠的影响。经历职业倦怠的个体可能面临长时间工作等压力，这会干扰他们建立规律的睡眠习惯或睡前放松的能力[25]。随着职业倦怠的减轻，睡眠质量也可能随之改善。值得注意的是，只有少数参与者在基线时职业倦怠程度较高，且我们没有按基线时的职业倦怠严重程度对样本进行分层。对于那些初始职业倦怠程度较高的个体来说，他们的治疗目标可能是维持较低的倦怠水平，这与研究结果一致。仅改善睡眠质量可能不足以解决影响职业倦怠的组织因素。职业倦怠的复杂性可能需要更有针对性的干预措施，例如从工作场所本身入手进行系统性改进才能看到显著变化。不过，改善睡眠质量仍可能产生积极影响。总体而言，当参与者报告良好睡眠质量时，职业倦怠程度往往较低。通过心理健康干预改善睡眠质量可能有助于缓解工作压力和职业倦怠的加剧。

本研究存在一些局限性。首先，这是一项基于2021年至2023年间收集的真实世界数据的观察性研究。由于该研究考察的是现有的数字心理健康服务，因此没有设置对照组进行比较。因此，我们无法断言数字心理健康平台导致了睡眠质量或心理健康的改善。此外，第三个研究目标的探索性亚组分析仅关注了睡眠质量改善的参与者，并未设计用来推断因果关系或与睡眠质量未改善的参与者进行比较。这些变量随时间的变化可能与多种因素有关，如COVID-19大流行等全球事件、生活事件、其他时间因素，或是由于多次测量导致的均值回归。尽管如此，多项研究表明使用该数字心理健康平台后心理健康有所改善[58-60]，并且越来越多的证据表明心理健康改善后睡眠质量也会得到提升[29,30,40]。未来的研究可以在设计中加入对照组，以进一步验证数字心理健康服务在改善睡眠方面的有效性。

参与者如果至少参加了一次治疗或辅导课程，或使用了至少一次自助数字资源，则有资格参与这项研究。许多参与者同时使用了个性化护理和自助资源，因此我们无法按护理方式对睡眠质量的改善进行分层。此外，研究人员无法获取关于平台使用具体时间和持续时间的详细信息。未来的研究可以探讨服务类型、内容、参与程度和时间等因素如何影响睡眠质量的改善程度。未来的研究还可以考虑使用聚类方法来识别不同护理类型中的多模态参与模式，并探讨这些模式与心理健康和睡眠结果之间的关系。这有助于确定利用数字心理健康服务改善睡眠质量的最有效策略。所有参与者都是赞助该数字心理健康平台的组织的员工，因此，研究结果可能无法推广到非在职成年人或未在该平台上出现的员工。例如，工作相关的工作量或财务压力等因素可能会影响睡眠质量，而这些特定的压力源在其他人群中可能有所不同。此外，本研究收集的所有数据都是由参与者自我报告的，个体可能没有准确地评估自己或记住他们的经历。我们还使用了一个指标来衡量睡眠质量的感知。我们没有评估睡眠质量的客观指标，如实际睡眠时长、入睡潜伏期和睡眠效率。然而，研究表明，一个人对自己睡眠质量的感知可以强烈影响情绪健康和认知表现，有时甚至比客观的睡眠指标更为重要[37-39]。

结论

本研究探讨了使用雇主赞助的数字心理健康平台如何影响感知的睡眠质量以及随时间变化的睡眠不良相关因素。在基线时，睡眠不良与较高的抑郁、焦虑和职业倦怠症状相关，这突显了有意愿参与心理健康护理和支持的参与者所面临的多方面挑战。结果表明，提供全面、整体健康方法的数字心理健康解决方案可以改善睡眠质量。随着参与者使用这些服务，他们的睡眠质量得到了提升，而睡眠质量的改善与心理健康症状的改善以及职业倦怠水平低于临界值有关。鉴于睡眠与情绪健康之间的密切联系，该研究表明，可以通过数字心理健康服务同时解决睡眠和心理健康问题，从而促进其他积极的结果，如管理工作场所的职业倦怠。