沙特青年的咖啡消费模式与睡眠质量：一项横断面研究

《Sleep Medicine: X》：Coffee Consumption Patterns and Sleep Quality Among Saudi Youth: A Cross-Sectional Study

　　**摘要**
本研究旨在探讨沙特青少年的咖啡消费模式及其与睡眠质量指标之间的关系，并运用多元回归分析识别影响睡眠质量的独立预测因素。

**目标**
- 分析沙特青少年的咖啡消费模式及其与睡眠质量指标的关联；
- 通过多元回归分析确定导致睡眠不佳的独立预测因素。

**方法**
研究选取了1,458名16-30岁的沙特青少年作为样本，使用改编自匹兹堡睡眠质量指数（PSQI）的在线问卷进行调查。通过卡方检验分析咖啡消费模式（类型、时间、睡前停止饮用）与睡眠变量之间的关联；同时，通过二元逻辑回归分析调整人口统计变量后，识别延迟就寝时间的独立预测因素。

**结果**
- 样本中女性占多数（69.4%，n=1,012），年龄主要集中在18-22岁（65.7%，n=958）。
- 晚间/夜间饮用咖啡是导致延迟就寝时间的强独立预测因素（OR = 3.04，95% CI: 2.30–4.02，p<0.001）。
- 卡方分析显示，咖啡消费时间与就寝时间、睡眠时长及白天的睡眠行为存在显著关联（χ2值分别为57.806、42.759和27.247，p<0.001）。
- 睡前停止饮用咖啡的时间与就寝时间（χ2=73.075，p<0.001）及夜间醒来频率（χ2=28.912，p=0.007）也有显著关联。

**结论**
- 咖啡消费的时间因素与睡眠质量之间的关联比咖啡种类更为显著和一致。
- 对于沙特青少年而言，实施策略性的饮用时间干预可能比单纯限制咖啡摄入更有效于改善睡眠健康。

**引言**
全球范围内，咖啡消费已深入年轻人的日常生活中，这一现象受到学业压力、社交互动和文化习俗的影响。[1],[2] 在沙特阿拉伯，由于咖啡在社交聚会中的重要角色，这一趋势更为明显。[3],[4]

**咖啡中的咖啡因通过拮抗大脑中的腺苷受体来影响睡眠-清醒周期，其作用不仅在于提升警觉性，还涉及社交联系、仪式参与和压力管理等功能。[5],[7] 这会导致入睡时间推迟、睡眠效率降低及睡眠结构改变，尤其是在睡前六小时内饮用咖啡时。[7],[8] 健康成年人的咖啡因半衰期为3至7小时，个体间代谢差异较大。[9],[10]
- 中东和北非地区的最新研究表明，大学生中咖啡因摄入量较高，常与学业压力和不规律的睡眠习惯相关。[11],[12] 在沙特阿拉伯，年轻人中咖啡消费普遍，但他们对咖啡因对睡眠的影响认识不足。[13],[14]
- 咖啡因与睡眠障碍的关系受多种因素调节，包括饮用时间、个体敏感度、人口统计学特征及对咖啡因影响的认知。[8]
- 先前研究表明年轻人可能更易受到咖啡因的睡眠干扰，性别差异在咖啡因代谢和敏感度上也存在差异。[15],[16],[17] 然而，针对特定文化背景的综合性多元研究仍较为有限。

**本文通过以下方式填补这一研究空白**：
1. 运用卡方分析研究咖啡消费模式与睡眠质量指标的关联；
2. 通过二元逻辑回归分析调整关键人口统计变量后，识别延迟就寝时间的独立预测因素。

**方法**
- 研究采用横断面设计，通过在线问卷收集数据，对象为16-30岁的沙特青少年，样本量为1,458人。
- 问卷基于匹兹堡睡眠质量指数（PSQI）框架设计，并补充了反映文化偏好和消费模式的特定问题。
- 通过Cronbach’s alpha评估问卷的内部一致性；结果表明核心睡眠质量项目和补充的咖啡因相关项目的信度良好（α=0.76）。

**数据分析**
- SPSS 28.0软件进行数据分析，卡方检验分析分类变量间的关联（p<0.05），人口统计因素（年龄、性别、就业状态、地区）作为潜在调节变量。
- 二元逻辑回归分析确定延迟就寝时间的独立预测因素（习惯性在午夜后入睡），结果显示晚间/夜间饮用咖啡是主要预测因素。

**伦理考量与人工智能使用**
研究遵循《赫尔辛基宣言》的伦理准则，所有流程均获得伊玛目穆罕默德·伊本·沙特伊斯兰大学伦理委员会的批准（Ethics approval: IMISIU-IRB 25/686）。
- 所有参与者在完成问卷前均同意电子形式的知情同意书，保证匿名性和随时退出研究的权利。
- 人工智能工具（Microsoft Copilot和Grammarly）仅用于语言编辑、语法校正和格式整理，未用于数据生成、分析或解释。

**结论**
- 沙特青少年的咖啡消费时间与睡眠质量的相关性更强且更稳定；晚间饮用咖啡是延迟就寝时间的独立风险因素。策略性时间管理干预可能比单纯限制咖啡摄入更有效。首先，双变量分析证实了一个一致的模式：咖啡消费的时间方面与睡眠质量的结果之间的关联比咖啡类型的选择更为密切——这一发现与关于咖啡因药代动力学的已发表证据一致。[7][8] 其次，更为关键的是，逻辑回归表明，即使在控制了戒烟意识、性别、年龄和学生身份等因素后，晚上/夜间的咖啡消费仍然是午夜后入睡的独立预测因素（OR=3.04，p<0.001）。研究发现，84.6%的晚睡者报告在晚上或夜间饮用咖啡，而早睡者的这一比例为64.0%，这强调了咖啡饮用时间在人群层面的临床意义。重要的是，调整后戒烟策略没有显著效果，表明推迟入睡的原因是晚餐时直接饮用咖啡，而不是对戒烟的一般意识或意图——这对于健康教育的信息传递具有实际意义。

5.2. 咖啡因与睡眠关系中的时间优先性
时间因素在预测睡眠结果方面的优势一致性与咖啡因的药代动力学相吻合，即饮用时间相对于睡眠开始的时间决定了在关键的睡眠启动和维持期间腺苷受体的阻断程度。[7][8] 睡前停止饮用咖啡的时间与睡眠模式之间的高度显著关联（χ2=73.075，p<0.001）表明，采取策略性时间管理行为的个体可能是基于对咖啡因效果的意识，或是由于饮用时间与睡眠质量之间的关联。这支持了专注于时间消费模式而非绝对避免咖啡因的干预措施。[19][20]
研究发现，咖啡因的饮用时间显著影响了睡眠持续时间和夜间醒来次数，但不影响入睡潜伏期（χ2=34.155，p=0.162），这与多导睡眠图的证据一致，即咖啡因的腺苷受体拮抗作用主要影响慢波睡眠和睡眠巩固，而不是从清醒到入睡的初始过渡。[19][20] 这种差异效应表明，咖啡因的主要影响在于睡眠维持而非睡眠启动——这对临床咨询具有相关性。

5.3. 人口统计因素的调节作用
年龄相关的策略性咖啡戒除行为的逐渐发展（χ2=57.378，p<0.001）表明，睡眠卫生意识在青少年晚期到成年早期逐渐形成，这与前额叶皮层系统执行决策能力的成熟过程相一致。[21][22] 年长者更可能采取时间管理策略——这一发现对针对年龄的公共卫生信息传递有明确的意义。
性别在消费动机、睡眠质量指标和策略性行为方面的持续差异与关于性别在咖啡因代谢和睡眠结构方面的广泛研究结果一致。[16][23][24][25][26][27]
女性参与者对晚间咖啡消费更为敏感，睡眠中断更为明显，这与已知的性别在生物钟倾向和睡眠纺锤波特征方面的差异一致。[19][20]
逻辑回归发现，尽管性别与多个睡眠变量存在双变量关联，但性别对入睡时间的独立影响并不显著，这表明性别对睡眠时间的影响部分是通过其与晚间咖啡饮用模式的关系来介导的。

5.4. 文化和社会背景
消费地点与动机之间存在显著差异（χ2=456.675，p<0.001），突显了沙特社会中咖啡消费的复杂社会维度。咖啡在沙特待客文化中的传统作用给基于时间的干预措施带来了独特挑战，因为社交场合的咖啡消费并不总是符合最佳的睡眠卫生习惯。家庭中的咖啡消费尤为普遍（尤其是女性中占46.2%），这可能为家庭层面的干预提供了特定的途径。

5.5. 临床和公共卫生意义
逻辑回归发现表明，无论参与者是否报告有戒烟策略，晚间咖啡消费都会使午夜后入睡的概率增加三倍，这为临床咨询提供了具体的、可操作的目标。医疗服务提供者应建议沙特年轻人避免在18:00后饮用咖啡，而不是依赖于一般的戒烟意识，因为后者在调整后并不能独立减少晚睡时间。
就业状态的显著影响表明，基于工作场所和机构的计划可能特别适用于特定人群。学生和就业者之间的不同模式表明，干预信息应适应不同的生活方式和需求。

5.6. 限制因素
横断面设计限制了因果推断。样本主要为女性，可能限制了结果的普遍性。自我报告的数据可能引入回忆偏差和社会期望效应。本研究没有测量实际摄入的咖啡因含量或个体的代谢差异。逻辑回归的结果（晚睡时间）是睡眠时间的代理指标，而非睡眠质量的直接测量；未来的研究应结合活动记录或多导睡眠图。样本的文化特性虽然对沙特公共卫生有参考价值，但限制了结果的普遍性。另一个限制是睡眠时间的二分处理：“晚睡时间”被定义为习惯性的凌晨00点后的入睡时间，这种处理方式将本应是连续变量的属性进行了二分。这种方法可能导致信息丢失，并可能略微高估某些关联的统计显著性，相比之下，将睡眠时间视为连续变量或使用经验性划分的阈值可能会得到更准确的结果。选择午夜作为分界点是因为它在双变量分析中最为显著，且便于公共卫生信息传递；然而，未来的研究应将睡眠时间建模为连续变量（例如，使用钟表时间或昼夜节律相位进行线性回归）或探索数据驱动的阈值来验证这些发现的稳健性。

6. 结论
本研究提供了有力的证据，包括对原始调查数据进行的新颖逻辑回归分析，表明晚间和夜间咖啡消费是沙特年轻人入睡时间延迟的独立预测因素（OR=3.04，95% CI: 2.30–4.02）。在所有双变量分析中，咖啡消费的时间方面在预测睡眠结果方面始终优于咖啡类型。这些发现支持优先考虑基于时间的临床咨询——特别是建议在18:00后避免饮用咖啡——而非基于内容的限制。需要针对特定人群、考虑年龄特异性认知水平、性别特异性敏感性和职业背景的针对性、文化适宜的干预措施来改善这一群体的睡眠健康。

**作者贡献声明**
Khalid Alwadie：撰写——审阅与编辑、撰写——初稿、数据管理。
Meshal Alhajrass：撰写——审阅与编辑、撰写——初稿、数据管理。
Abdulaziz Alfadhel：撰写——审阅与编辑、撰写——初稿、资源准备、方法论、数据管理。
Abdullah Almugren：撰写——审阅与编辑、撰写——初稿、数据管理、概念化。
Ammar Algezlan：撰写——审阅与编辑、撰写——初稿、资源准备、方法论、数据管理。
Abdullah Alghasham：撰写——审阅与编辑、撰写——初稿、数据管理。
Meteb M. Alotiabi：撰写——审阅与编辑、资源准备、资金获取。
Yazeed Alotaibi：撰写——审阅与编辑、撰写——初稿、资源准备、调查、数据管理。
Mosfer A. Al-Walah：撰写——审阅与编辑、撰写——初稿、方法论、调查、资金获取。
Abdulaziz Alkaabba：撰写——审阅与编辑、撰写——初稿、监督、项目管理、方法论、调查、正式分析、概念化。
Faisal Alaswad：撰写——审阅与编辑、撰写——初稿、验证、数据管理、概念化。
Ghaiath Hussein：撰写——审阅与编辑、撰写——初稿、监督、项目管理、方法论、正式分析、数据管理、概念化。
Mohammad Alabdulkareem：撰写——审阅与编辑、撰写——初稿、资源准备、数据管理、概念化。
Mohammed Alsubaie：撰写——审阅与编辑、撰写——初稿、数据管理、概念化。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

**关于人工智能和AI辅助技术在本研究中的使用**
在准备本研究的过程中，作者使用了Microsoft Copilot/Grammarly辅助语言编辑、校对、结构完善和完整性检查。该AI工具未用于生成、分析或解释科学数据，也未用于生成原创的科学内容或结论。使用该工具后，作者仔细审查、核实并编辑了所有输出，以确保内容的准确性、连贯性以及与研究目标和发现的一致性。作者对发表文章的内容负全部责任。

**资金声明**
本研究未获得任何公共部门、商业机构或非营利组织的特定资助。