婴儿的睡眠质量可以预测其一岁期间的性格变化

《Sleep Medicine》：Infant Sleep Quality Predicts Changes in Temperament Across the First Year of Life

　　雅埃尔·波拉特·扎格尔 | 特希拉·纳达夫 | 阿维尔·霍维茨 | 达尔·兰-佩莱德 | 利亚特·蒂科茨基
以色列内盖夫本-古里安大学心理学系

**摘要**
目标和意义：睡眠和气质在早期发展中起着核心作用，并与后来的社会情感结果相关。尽管睡眠问题常常与难以应对的气质有关，但大多数先前的研究依赖于横断面设计和父母的报告，这使得因果关系不明确。本研究的目的是探讨婴儿睡眠与气质在第一年内的双向纵向关联，重点关注个体内部效应。

**方法**
我们在怀孕期间招募了232对夫妇。在婴儿4个月、8个月和12个月大时进行了评估。使用活动记录仪和睡眠日记来评估婴儿的睡眠情况。两种方法都得出了睡眠时长和入睡后醒来的时间（WASO），而睡眠日记还提供了对睡眠质量的感知测量。气质则通过《婴儿特征问卷》（Fussy and Unpredictable子量表）由母亲报告来评估。我们使用了随机截距交叉滞后面板模型（RI-CLPMs）来区分个体内部效应和个体间效应。

**结果**
较差的睡眠质量和较高的WASO与更高的烦躁度和不可预测性同时相关，而基于活动记录仪的测量结果则没有这种关联。RI-CLPMs揭示了个体内部的同步关联，特别是在8个月大时。从睡眠到气质存在个体内部的交叉滞后效应，但反之则没有。较差的睡眠质量和较高的WASO预示着随后不可预测性的增加。未观察到显著的个体间关联。

**结论**
研究结果表明，婴儿报告的睡眠质量受损预示着后来不可预测性的增加，强调了睡眠和正在形成的气质之间的时间关联。未来的研究需要确定针对婴儿睡眠的干预措施是否能支持早期行为发展。

**1. 引言**
睡眠在早期发展中起着核心作用，影响着婴儿期的多种发展过程 [1]。睡眠障碍，如频繁醒来或睡眠时间减少，已被证明与婴儿期和学龄前期的认知、行为和情感领域的不良结果有关[2, 3, 4]。在第一年里，睡眠模式会发生快速变化，例如睡眠巩固和调节能力的增强，但不同婴儿之间存在显著差异[5, 6]。这些发展过程受到生物成熟和社会环境因素的影响[7, 8]。与此同时，婴儿表现出早期出现的气质特征，即基于生物学的个体差异，这些特征传统上被认为是相对稳定的[9]。然而，越来越多的证据表明气质并不是固定的，而是可以受到早期环境背景和发展经历的影响[10, 11]。与睡眠障碍类似，易怒、烦躁、适应能力差和不可预测性等气质特征与后来的社会情感困难有关，包括内化和外化问题[12, 13, 14]。

尽管如此，睡眠和气质传统上被视为独立的发展领域，但越来越多的研究表明它们可能紧密相连[15]。澄清这些关系的本质对于理解早期发展轨迹以及制定促进健康睡眠和社会情感适应的干预措施非常重要。到目前为止，大多数关于婴儿睡眠与气质之间关系的实证研究都采用横断面设计。这些研究通常依赖母亲的感知来评估婴儿的睡眠问题和/或气质，支持了这两种关联的存在[15]。特别是，例如更高的易怒性或烦躁度以及较低的适应能力与较短的睡眠时长和较差的睡眠质量（如夜间醒来次数增加）有关[16, 17, 18, 19, 20, 21]。然而，两项使用活动记录仪评估婴儿睡眠的研究仅部分支持了这些关联。虽然更难对付的气质与较短的睡眠时长[22]和较少的夜间醒来[23]有关，但在这两项研究中它与睡眠效率没有显著相关性。总体而言，这些发现表明，至少根据父母的报告，婴儿睡眠和气质之间存在显著关联。但由于这些研究主要依赖于横断面设计，这种关系的方向性尚不清楚。

现有的研究考察了气质作为睡眠预测因子的影响，发现具有较高消极情绪和易怒/烦躁度的婴儿在随后的几个月中睡眠质量较差或睡眠时长较短[24, 25, 26]。例如，在一项纵向研究中，1000多名婴儿的母亲在婴儿6个月和12个月大时对其气质和睡眠进行了评估[27]。6个月时的较高消极情绪与12个月时的更多睡眠问题显著相关，包括夜间醒来次数增加、入睡潜伏期延长以及整体睡眠困难，即使在控制了6个月时的睡眠质量后也是如此。此外，6个月时的调节能力和冲动性预测了12个月时独立入睡的能力[27]。De Marcas等人在一项纵向研究中[28]使用3个月、6个月和12个月的活动记录仪评估发现，婴儿气质反应性与睡眠质量之间存在曲线关系。研究结果表明，过度敏感和反应迟缓的婴儿相比感觉反应正常的婴儿面临更差的睡眠风险。

这些发现支持了这样一种假设，即难以应对的气质可能导致婴儿睡眠障碍的发展。较少有研究探讨了相反的预测方向——即受损的婴儿睡眠是否预示着后来的气质问题。一项早期纵向研究发现，3周大的睡眠模式显著预测了3个月时的气质评估[29]。在这项研究中，通过视频睡眠监测客观测量了睡眠，并通过观察和父母报告的气质问卷评估了气质。具体来说，3周大时夜间醒着的婴儿比例较高的婴儿在3个月大时表现出更多的易怒和抑制行为[29]。在另一项研究中，出生后前两天处于睡眠和清醒之间的过渡状态的时间较长预测了6个月时更难对付的气质[30]。最后，在一项使用活动记录仪的纵向研究中，12-18个月时睡眠质量和夜间睡眠时长较好的婴儿在努力控制方面得分更高——这是反映注意力和抑制调节的核心气质维度[31]。

虽然这些少数纵向研究为这两种预测方向提供了实证支持，但我们只知道有一项研究同时考察了睡眠和气质之间的相互预测关联[32]。Bastien等人[32]调查了幼儿在两个时间点的睡眠和气质之间的关联。他们发现，2岁时较短的夜间睡眠时长和较低的睡眠效率预测了3岁时更大的愤怒倾向，而2岁时较大的社会恐惧预测了3岁时较短的24小时和夜间睡眠时长。作者得出结论，幼儿的气质和睡眠之间的关联方向可能因考虑的气质维度而异[32]。

总体而言，尽管文献表明气质和婴儿睡眠之间存在有意义的关联，但大多数证据来自横断面或单向纵向设计，通常依赖于主观测量。据我们所知，除了Bastien等人的研究[32]专注于幼儿外，尚未有研究同时考察婴儿期的双向预测路径。因此，尚不清楚婴儿睡眠是更强的预测因子，还是婴儿气质更强烈地预测了睡眠的发展。此外，这些关联在第一年内是否有所不同也鲜有探讨。

**2. 本研究**
我们的研究旨在明确婴儿气质和睡眠之间的关联方向以及这些关联在第一年内可能如何变化。为此，我们采用了纵向设计，在4个月、8个月和12个月大时进行了重复评估，并使用了客观（活动记录仪）和父母报告的睡眠测量方法。我们应用随机截距交叉滞后面板模型（RI-CLPM）来考察个体间和个体内的关联。我们假设，无论是客观测量还是母亲报告的，更受损的婴儿睡眠（即较差的睡眠质量和较短的睡眠时长）将与更难以应对的母亲报告的婴儿气质显著相关。与以往的研究一致，我们预计这些关联在父母报告的睡眠测量中比在客观睡眠测量中更为明显。由于很少有研究考察婴儿睡眠和气质之间的双向预测，我们没有事先预期哪个领域会更强地预测另一个领域。因此，我们假设更受损的婴儿睡眠（即较差的睡眠质量和较短的睡眠时长）将预测更难以应对的婴儿气质，而更难以应对的婴儿气质将预测第一年内更受损的婴儿睡眠。

**2.1 参与者**
共有232对以色列夫妇在怀孕期间通过产前课程和在线论坛被招募，他们分别是第一（85%）或第二（15%）孩子的父母。纳入标准包括单胎妊娠和希伯来语流利。排除了孕前长期使用睡眠药物或精神药物的母亲（基于自我报告）、早产（<37周）以及婴儿有慢性健康问题的情况。有两名早产婴儿和一名有重大健康问题的婴儿被排除在外。

样本的人口统计特征和背景信息见表1。

**表1. 人口统计特征（N = 232（怀孕时），N = 207（4个月时），N = 177（8个月时），N = 154（12个月时））**
| 指标 | 妈妈 | 爸爸 |
|-----------------|--------------|--------------|
| 年龄 | 29.77 (3.14) | 31.48 (3.32) |
| 教育水平 | 高中 diploma (%) | 学士学位 (%) | 硕士学位 (%) | 博士学位 (%) |
| 家庭收入 | 高于平均水平 (%) | 低于平均水平 (%) | 平均水平 (%) | 高于平均水平 (%) |
| EPDS | 4个月时 | 8个月时 | 12个月时 |
| 生育情况 | 怀孕62.3% | 8个月时 | 12个月时 |
| 就业状态 | 孕期100% | 8个月时 | 12个月时 |
| 2个月时 | 100% | 75% | 25% |
| 4个月时 | 100% | 12.6% | 75% |
| 8个月时 | 100% | 25% | 50% |
| 12个月时 | 100% | 52.2% | 75% |
| 喂养方式 | 完全母乳喂养 (%) | 部分母乳喂养 (%) | 全配方奶 (%) | 在职抚养 (%) |
| 抑郁症筛查 | 4个月时 | 8个月时 | 12个月时 |

**2.2 程序**
该研究获得了Soroka医疗中心赫尔辛基委员会的批准。两位父母在首次研究评估（怀孕第三孕期）和4个月评估前签署了知情同意书，以确认婴儿的参与。本研究的分析基于4个月、8个月和12个月时的数据。
在每次评估时，研究人员会访问参与者的家中，向他们解释研究程序（例如活动记录仪的使用和日记填写方法）。睡眠通过活动记录仪和睡眠日记在七个连续的夜晚进行评估。评估仅在婴儿和家庭成员健康并在家中的夜晚进行。母亲在睡眠监测期间通过Qualtrics电子问卷完成婴儿气质和社会人口统计特征的评估。每次评估后，参与者会收到一个小礼物（价值约20美元）和一份关于婴儿睡眠活动记录的图形报告。

**2.3 测量方法**
**2.3.1 活动记录仪**
活动记录仪是一种可靠且有效的评估婴儿睡眠模式的方法。它记录运动数据，根据计算机化评分算法将其转化为睡眠-清醒测量[33]。在本研究中，我们使用了Micromotion Logger Sleep Watch（Ambulatory Monitoring, Inc.）设备，以1分钟为时间间隔进行睡眠-清醒评分。使用Sadeh验证的评分算法对数据进行评分[34]。睡眠开始定义为报告的入睡时间后的第一分钟，随后是≥15分钟的不间断睡眠。早晨醒来时间定义为最后一段时间，该时间之前至少有15分钟的不间断睡眠[35]。父母被指示在睡前15分钟将活动记录仪固定在婴儿脚踝上，并在早晨醒来后15分钟取下。大约75%的婴儿在每个时间点提供了≥5个有效的睡眠数据——这是获得可靠估计的推荐最低夜间数量[36]。由于技术问题（例如，活动记录仪在夜间偶尔会脱落），一些数据缺失。由于少于五个夜晚的活动记录评估仍然可以产生可接受的可靠性[37]，我们在确认三个到四个夜晚的活动记录得分在参与者和五个或更多夜晚的参与者之间没有显著差异后，决定包括基于这三个到四个夜晚的评估。因此，纳入分析的最低标准定为三个夜晚。根据这一标准，4个月大的婴儿中有86.6%的数据有效，8个月大的婴儿中有85.1%的数据有效，12个月大的婴儿中有69.6%的数据有效。本研究中包括的活动记录睡眠指标有：(1) 睡眠时长——从入睡到早晨醒来在床上的时间；(2) 夜间清醒时间——入睡后的清醒分钟数（WASO）。

2.3.2 睡眠日记
睡眠日记在睡眠研究中被广泛使用，并且已经根据多导睡眠图等客观睡眠测量方法得到了验证[38]。在本研究中，母亲们在每次夜间评估后的早晨同时完成每日睡眠日记。所有婴儿的日记数据至少收集了三个夜晚。
研究中包括的睡眠指标有：(1) 睡眠时长（总睡眠分钟数）；(2) 入睡后的清醒分钟数（WASO）；(3) 睡眠质量——在1-10的李克特量表上主观评估的睡眠质量（“评价您婴儿昨晚的睡眠质量：1 = 非常差；10 = 极好”）。

2.3.3 婴儿特征问卷（ICQ）[39]
通过母亲报告使用婴儿特征问卷（ICQ）来评估婴儿的性格特征，这是一个经过验证的24项父母报告量表[39]。各项目的得分范围为7分。ICQ分为四个子量表：烦燥、不适应、迟钝和不可预测。在本研究中，只使用了烦燥和不可预测这两个子量表。烦燥子量表包括六个项目，评估易怒性、安抚难度以及总体情绪——这些因素被广泛认为是“困难”性格特征的核心。不可预测子量表包括三个项目，评估情绪和日常规律的变异性。选择这个子量表是因为它能够捕捉到婴儿节奏性的方面，并且可以合理地预期性格特征的不可预测性与婴儿睡眠-觉醒模式的巩固有关。将这些分析限制在这两个子量表上，可以有针对性地研究对婴儿睡眠最相关的人格维度，同时减少统计测试的数量并降低第一类错误的风险。
烦燥子量表的内部一致性在各个时间点上都是良好到可接受的（4个月时α = .83，8个月时α = .79，12个月时α = .81），而不可预测子量表的内部一致性为中等（α = .57，8个月时α = .73，12个月时α = .56）。由于不可预测子量表只有三个项目，其内部一致性系数（α）预期较低，因为Cronbach的α对量表中的项目数量敏感。

2.3.4 背景变量
父母完成了背景问卷，以收集社会人口统计和发展数据，包括父母年龄、教育水平、收入和就业状况（在怀孕期间填写）。使用爱丁堡产后抑郁量表（EPDS）[40]来评估父母的抑郁症状。在4个月、8个月和12个月时使用3点量表评估喂养方式：(1) 纯母乳喂养（BF）；(2) 部分母乳喂养；(3) 配方奶喂养。

2.4 数据分析
使用皮尔逊相关性来检查不同时间点之间睡眠和性格特征的双变量关联。应用了Benjamini–Hochberg假发现率（FDR）校正来控制多重比较[41]，调整后的α值为.05。
为了研究婴儿睡眠和性格特征之间的双向纵向关联，我们拟合了随机截距交叉滞后面板模型（RI-CLPMs）。这种方法区分了个体之间的稳定差异和个体内部的随时间变化，能够在控制个体稳定差异的同时估计交叉滞后（时间）效应[42]。

3 结果
3.1 初步分析
3.1.1 描述性统计
表2展示了每个评估点的研究变量描述性统计。
表2. 婴儿睡眠和性格特征的描述性统计
空单元格
4个月 8个月 12个月
平均睡眠时长（分钟） 637.16 66.48 44 5.08 70.06 45.05 55.58 49 2.07 92.06 39.77 68.98 36
平均睡眠质量 7.08 1.28 3.50 10.00 6.91 1.38 2.86 10.00 7.34 1.39 3.36 14.00
WASO（分钟） 43.68 27.10 0.00 139.63 34.15 25.30 0.00 129.00 22.24 18.97 0.00 108.33

3.1.2 背景变量与主要研究变量之间的关系
为了检查在相关分析中是否需要控制任何背景变量，计算了婴儿睡眠和性格特征指标与社会人口统计变量（父母年龄、收入和教育水平）、婴儿喂养方式以及父母抑郁症状之间的皮尔逊或斯皮尔曼相关性。除了喂养方式外，主要睡眠或性格特征指标与任何背景变量之间没有发现一致的显著关联。喂养方式（即全母乳喂养、部分母乳喂养、配方奶喂养）在至少一个时间点与几乎所有的日记睡眠质量变量显著相关。母乳喂养的婴儿表现出更多的WASO（r = .14–.27，p < .05）和较低的睡眠质量（r = -.18– -.22，p < .05）。喂养方式与任何性格特征指标之间没有显著关联。鉴于其与婴儿睡眠的显著相关性，喂养方式被保留为后续相关分析中的控制变量。

3.2 主要分析
3.2.1 睡眠变量与性格特征之间的皮尔逊相关性
表3展示了在控制喂养方式的条件下，睡眠变量与性格特征之间的同时性和预测性皮尔逊相关性。
表3. 在控制喂养方式的条件下，睡眠变量与性格特征之间的同时性和预测性皮尔逊相关性
睡眠
烦燥 性格特征
不可预测 性格特征
4个月 8个月 12个月
4个月 8个月 12个月
睡眠日记 睡眠时长 -.03 -.10 -.16 -.06 -.29 -.13
睡眠质量 .17 -.12 -.15 -.17 -.06 -.08
WASO .18 .19* .10 .13 .25**
活动记录 睡眠时长 -.03 -.16 -.15 -.01 -.05 -.07
WASO .15 .05 -.04 .19*.21*.04

3.2.2 婴儿睡眠与性格特征之间的纵向双向关联
使用随机截距交叉滞后面板模型（RI-CLPMs）来评估婴儿性格特征在个体之间和个体内部层面的联系。我们特别感兴趣的是个体内部的变化——即母亲对婴儿性格特征的报告是否能够预测婴儿睡眠指标随时间的变化，反之亦然。总共拟合了四个RI-CLPM模型（图1a、图1b、图1c、图1da–d）。
注：S. 时长——从入睡到早晨醒来；S. 质量——父母对睡眠质量的主观感知（1 = 非常差；10 = 极好）；WASO——入睡后的清醒分钟数

尽管经过Benjamini–Hochberg FDR校正后，以下相关性仍然显著：
同时性相关性：在4个月时，较高的不可预测性与活动记录测得的较高WASO相关。在8个月时，较高的烦燥性和不可预测性与较低的日记睡眠质量和较高的基于日记的WASO相关。在12个月时，较大的不可预测性与较低的基于日记的睡眠质量相关，而烦燥性与任何睡眠指标之间没有显著关联。
前瞻性相关性：4个月时较高的活动记录WASO与8个月时较高的不可预测性相关。4个月时较高的基于日记的WASO与8个月时较高的烦燥性和不可预测性相关。8个月时较低的基于日记的睡眠质量与12个月时较高的烦燥性相关。

为了最小化统计模型的数量并防止第一类错误，我们对RI-CLPMs的变量选择采取了保守的方法。因此，RI-CLPM分析仅针对在初步相关分析中表现出相对一致关联的睡眠变量进行。由于缺乏显著关联，睡眠时长变量被排除在外。活动记录变量仅与性格特征有两个孤立的关联（WASO在4个月时与不可预测性同时相关，在4到8个月间具有预测性关联）。鉴于与基于日记的指标相比，活动记录的关联有限且不一致，活动记录变量未被保留在主要纵向模型中。然而，为了考虑排除客观睡眠指标可能会使结果偏向母亲报告的可能性，我们使用了活动记录WASO进行了平行的RI-CLPM分析。与初步分析一致，这些模型随时间来看大多是非显著的关联。为了保持简洁的呈现并专注于最稳健和最易于解释的效应，这些基于活动记录的模型在补充材料中报告（见图S1–2）。因此，主要模型关注基于日记的睡眠质量变量（感知质量和WASO），这些变量随时间显示出更稳定的关联。根据这些标准，估计了四个双变量RI-CLPM（图1a、图1b、图1c、图1da–d），研究了两个保留的睡眠变量与两个性格特征维度（烦燥性和不可预测性）之间的相互关系。
RI-CLPM的拟合度使用以下指标进行评估[43]：卡方检验（χ2；p > .05 = 表示拟合良好），比较拟合指数（CFI；可接受 > 0.90，良好 > 0.95），标准化均方残差（SRMR；可接受 < 0.08，良好 < 0.05），以及近似均方根误差（RMSEA；可接受 < 0.08，良好 < 0.05）。所有报告的结果都反映了标准化系数。
每个模型包括两个随机截距：一个用于睡眠指标，另一个用于母亲对婴儿性格特征的报告。随机截距之间的相关性反映了婴儿睡眠的个体间差异与婴儿性格特征的个体间差异之间的稳定性。自回归路径用于估计每个变量随时间的稳定性，评估个体某一时间点的先前水平如何预测其后续水平（例如，母亲在某一时间点对婴儿烦燥性的报告如何预测下一个时间点的烦燥性）。
包括横断面协方差以估计每个时间点婴儿睡眠质量与性格特征之间的同时性关联，捕捉婴儿睡眠的个体内部波动是否与性格特征的同时变化相关。交叉滞后路径反映了婴儿睡眠与性格特征之间的纵向关联，测试婴儿睡眠的先前偏差（相对于自身平均值）是否预测了性格特征的后续变化（反之亦然），同时考虑了自回归稳定性和同时性关联。由于这些模型中的父母背景特征（母亲/父亲年龄和教育水平以及家庭收入）是时间不变的，因此没有进行控制。RI-CLPM的设计将个体内部效应与稳定的个体间差异分开，从而有效控制了所有时间不变的混杂因素。

3.2.2.1 模型1：基于日记的睡眠质量与烦燥性格特征
模型拟合指标表明模型拟合良好，χ2(1) = 1.21，p = .27，CFI =.99，RMSEA =.03，SRMR =.02。该模型在图1a中表示。自回归路径表明两个变量都具有中等稳定性，某一时间点的感知睡眠质量显著预测了后续时间的睡眠质量（β =.44，p = .01，4到8个月；β =.62，p < .001，8到12个月）。母亲对烦燥性的报告也显示出中等稳定性（β =.46，p = .01，4到8个月；β =.42，p = .03，8到12个月）。
在个体层面，烦燥性和睡眠质量的随机截距之间没有显著相关性，表明烦燥性的稳定个体间差异与睡眠质量的稳定个体间差异没有系统性的关联。在8个月时，发现个体内部存在显著的负相关（β = -.35，p < .01），表明相对于自身平均值的较高烦燥性的婴儿也表现出较低的睡眠质量。在不同时间点之间，烦燥性和睡眠质量之间没有显著的交叉滞后关联，表明没有一个变量可以预测另一个变量的变化。

3.2.2.2 模型2：基于日记的睡眠质量与不可预测性格特征
模型拟合指标表明模型拟合良好，χ2(1) = 0.26，p = .61，CFI = 1.00，RMSEA = .00，SRMR = .01。该模型在图1b中表示。自回归路径表明两个变量随时间具有中等稳定性。睡眠质量的稳定性处于中等水平，某一时间点的较高睡眠质量显著预测了下一时间点的较高睡眠质量（4至8个月时β =.44，p < .001；8至12个月时β =.55，p < .001）。从4个月到8个月，睡眠的不可预测性表现出稳定性（β =.29，p < .05），而8个月的不可预测性并不能显著预测12个月的不可预测性。在个体间层面，不可预测性和睡眠质量的随机截距没有显著相关性，这表明个体间不可预测性的稳定差异与随时间变化的睡眠质量稳定差异之间不存在系统性联系。在个体内层面，8个月时（β = -.29，p = .017）和12个月时（β = -.33，p = .03）发现了显著负相关，表明被报告为比平常更不可预测的婴儿在这些时间点的睡眠质量也较低。4个月时没有发现显著关联，尽管效应量中等（β = -.32，p = .17）。关于跨时滞关联，4个月时较低的睡眠质量显著预测了8个月时更高的不可预测性（β = -.23，p = .04），8个月时较低的睡眠质量显著预测了12个月时不可预测性的增加（β = -.57，p = .007）。然而，4个月和8个月的不可预测性并不能显著预测后续时间的睡眠质量。

模型3：基于婴儿日记的WASO和烦躁气质。模型拟合指标显示数据拟合度良好，χ2(1) = 0.13，p = .72，CFI = 1.00，RMSEA = .00，SRMR = .005。模型如图1c所示。自回归路径显示WASO具有中等稳定性，某一时间点的较高WASO预测了下一时间的较高WASO（4至8个月时β =.29，p = .046；8至12个月时β =.31，p = .035）。类似地，烦躁情绪也表现出中等至强的时间稳定性，4个月和8个月之间（β =.50，p = .008）以及8个月和12个月之间（β =.50，p = .003）有显著关联。在个体间层面，WASO和烦躁情绪的随机截距没有显著相关性，表明个体间WASO的稳定差异与随时间变化的烦躁情绪稳定差异之间不存在系统性联系。在个体内层面，8个月时（β =.29，p = .01）和12个月时（β =.30，p = .01）发现了WASO和烦躁情绪的显著同时关联。WASO和烦躁情绪之间没有发现显著的跨时滞效应，表明WASO不能预测后来的烦躁情绪，反之亦然。

模型4：基于婴儿日记的WASO和不可预测气质。RI-CLPM模型考察了不可预测性和WASO之间的双向关联，数据显示模型拟合度良好，χ2(1) = 0.15，p = .70，CFI = 1.00，RMSEA = .00，SRMR = .006。模型如图1d所示。自回归路径显示WASO具有中等稳定性，某一时间点的较高WASO预测了下一时间的较高WASO（4至8个月时β =.30，p = .020；8至12个月时β =.33，p = .024）。从4个月到8个月，不可预测性表现出中等稳定性（β =.25，p = .016），但从8个月到12个月则没有。在个体间层面，WASO和不可预测性的随机截距没有显著相关性，表明个体间WASO的稳定差异与随时间变化的不可预测性稳定差异之间不存在系统性联系。在个体内层面，8个月时发现了WASO和烦躁情绪的显著同时正相关（β =.30，p = .014），表明8个月时表现出比平常更多WASO的婴儿在同一时间点的不可预测性也较高。关于跨时滞关联，仅发现一个显著的跨时滞效应：4个月时较高的WASO预测了8个月时不可预测性的增加（β =.25，p = .02）。此外，从8个月的WASO到12个月的不可预测性的路径具有边际显著性（β =.34，p = .076），表明这种效应可能随时间延续。没有发现从气质到睡眠的显著跨时滞路径。

讨论：这项纵向研究旨在探讨婴儿出生后第一年内气质与睡眠之间的双向关联。该研究的一个关键优势是应用了RI-CLPM方法，能够同时在个体内和个体间层面进行分析。研究结果揭示了因素之间的显著个体内关联，并强调了婴儿睡眠作为气质预测因子的作用，特别是婴儿不可预测性的作用。

4.1 婴儿睡眠与气质的同时相关性：与之前的研究一致，观察到婴儿睡眠与气质之间存在显著的同时关联，尤其是在8个月时。较高的烦躁水平和不可预测性与较差的睡眠质量和更长的WASO有关，特别是基于睡眠日记的数据。特别值得注意的是睡眠质量与睡眠持续时间之间的差异。较差的睡眠质量，表现为较高的WASO和较低的主观睡眠质量评分，与不太理想的气质特征有更强和更一致的相关性。这些结果与早期研究一致，表明幼儿的睡眠质量可能在情绪和行为调节中起更重要的作用。

4.2 使用RI-CLPM研究婴儿出生后第一年内睡眠与气质的纵向双向关联：主要问题是这些发现是否能阐明婴儿气质与睡眠之间关联的方向性。基于相关性结果，我们对睡眠质量变量（即WASO和主观睡眠质量）进行了RI-CLPM分析，以探讨个体内和个体间关联，并探索婴儿睡眠与气质之间的方向性。在个体间层面，这些变量之间没有显著关联。因此，三个评估点中平均睡眠质量较低的婴儿并不总是表现出更难安抚的气质。相反，个体内关联表明婴儿睡眠与气质之间的关系最好理解为动态的个体内部过程，而不是稳定的个体间模式。值得注意的是，使用基于行为的WASO进行的平行分析（见补充材料）主要没有发现显著的结果。这种模式与简单相关性分析中观察到的有限关联一致，可能反映了行为监测和父母报告的睡眠质量变量在测量敏感性上的差异。关于个体内层面，发现日记基睡眠变量与气质之间存在多个显著的同时关联。8个月时较差的日记基睡眠质量与同时较高的烦躁水平和不可预测性相关，12个月时也发现日记基睡眠质量较低与不可预测性之间存在显著的同时关联。此外，8个月时较高的日记基WASO与烦躁情绪和不可预测性相关。这些发现共同表明，婴儿睡眠的波动与气质的变化显著相关，特别是在8个月大时。在8个月时观察到的更强关联可能反映了睡眠-觉醒调节的发展变化。此时，睡眠模式开始固化，但个体间仍有很大差异。此外，这一发展阶段也伴随着自我调节和社会情绪发展的快速进展，以及对陌生人焦虑和分离敏感性的增加。可能还有其他原因，例如测量方法的不同，因为大多数关联基于母亲对睡眠和气质的报告。然而，纵向设计将气质和睡眠质量的评估分开进行，并且睡眠质量与睡眠持续时间的发现模式不同，这减轻了这一担忧。

4.3 研究限制：首先，虽然研究的纵向设计是一个优势，但其观察性和相关性性质排除了因果推断的可能性。尽管我们观察到了时间关联，但这些发现仍可能受到未测量混杂因素的影响，例如潜在的遗传倾向，这些因素可能同时影响睡眠质量和气质发展，因此不应将其解释为因果关系的证据。此外，由于样本的同质性，结果的普遍性受到限制，样本主要包括社会经济地位处于中上层的第一个孩子的父母。另一个限制是婴儿气质仅通过母亲的报告进行评估，这可能存在偏差。因此，尚不清楚观察到的效应是否反映了孩子的真实特征还是父母的感知。最后，尽管初步相关性分析中包含了睡眠持续时间，但由于在双变量层面没有发现一致关联，因此在RI-CLPM模型中未将其保留。因此，从纵向模型中得出的结论具体与报告的睡眠质量指标有关，而非睡眠持续时间。4.4 结论 本研究的结果说明了诸如RI-CLPM这样的纵向模型在探索个体内部发展过程中的价值。尽管无法确定因果关系，但这些前瞻性的、个体内部的关联表明，早期报告的睡眠质量问题可能与后续的性格障碍（尤其是较低的可预测性）有关。因此，婴儿睡眠可能成为未来研究和干预工作的重点，旨在支持早期行为发展。

作者贡献声明：
Dar Ran-Peled：撰写、审稿与编辑、项目管理、数据管理
Liat Tikotzky：撰写、审稿与编辑、初稿撰写、可视化、监督、方法学、研究设计、资金获取、数据管理、概念化
Yael Porat Zaiger：撰写、审稿与编辑、初稿撰写、项目管理、方法学、数据分析、数据管理、概念化
Tehila Nadav：撰写、审稿与编辑、数据分析
Avel Horwitz：撰写、审稿与编辑、项目管理、数据管理

未引用的参考文献：55.

利益冲突
作者们没有需要披露的利益冲突。

数据共享
本文所基于的数据将在合理请求下提供给通讯作者。

关于手稿制备过程中使用的生成式AI和AI辅助技术的声明
在准备本文时，作者使用了ChatGPT来提高语言表达和可读性。使用该工具后，作者对内容进行了必要的审查和编辑，并对文章的内容负全责。