中国老年人健康生活方式与失眠之间的关联：一项横断面研究 刘璐、 周文、 罗瑜、 张月义、 王东曦、 陈鸣、 王志明、 曾燕

《Clocks & Sleep》：Association of Healthy Lifestyle with Insomnia Among Chinese Older Adults: A Cross-Sectional Study Lu Liu, Wen Zhou, Yu Luo, Yueyi Zhang, Dongxi Wang, Ming Chen, Zhiming Wang and Yan Zeng

　　摘要：失眠在老年人中较为常见，并且与不良健康后果相关，然而关于其与中国老年人健康生活方式之间关系的证据仍然有限。本研究纳入了来自湖北记忆与衰老队列研究（HMACS）的4929名参与者。根据体重、饮酒、吸烟、规律运动、饮食和认知活动等因素构建了健康生活方式评分（范围0-6分）。参与者被分为不良生活方式组（0-2分）、中等生活方式组（3分）和良好生活方式组（4-6分）。失眠的诊断标准为雅典失眠量表（AIS）评分≥6分或匹兹堡睡眠质量指数（PSQI）评分>5分。通过多变量逻辑回归模型评估了整体和各项健康行为与失眠风险之间的关联，并进行了按吸烟状态分层的分析以及替代分析。研究表明，更健康的生活方式与较低的失眠风险相关。与不良生活方式组相比，良好生活方式组的失眠风险降低了17.5%。在各项具体生活方式行为中，健康饮食和积极的认知活动与降低失眠风险有关。分层分析显示这些关联仅在非当前吸烟者中显著存在。替代分析表明，用健康行为替代不健康行为可以降低失眠风险。尤其对于非当前吸烟者而言，良好生活方式（尤其是健康饮食和积极的认知活动）与较低的失眠风险相关。

1. 引言
随着全球人口老龄化加速，老年人数量显著增加。目前全球65岁及以上的人口约为7.03亿，预计到2050年这一数字将达到约15亿[1]。这一人口结构的变化引发了对老年人健康问题的关注，其中睡眠健康已成为一个关键的公共卫生问题。失眠是老年人中最为普遍的睡眠障碍之一[2,3]，30-60%的老年人报告有入睡困难、夜间频繁醒觉和早起等症状[4,5]。由于失眠具有慢性且持续的性质，未经治疗的失眠会给健康带来沉重的负担。大量证据表明，失眠与多种不良健康后果密切相关。与睡眠良好的老年人相比，长期失眠者患抑郁症[6]、焦虑症[7,8]、认知能力下降[7,8]、跌倒[9,10]的风险显著增加，甚至可能出现自杀行为[11]。行为疗法，特别是认知行为疗法（CBT-I）已被证明对失眠具有长期疗效，被推荐作为老年人失眠的一线治疗方法[12,13]。然而，CBT-I主要针对已经出现失眠症状的人群，其广泛应用受到培训提供者数量有限、成本及治疗依从性问题的限制[14,15]。同时，催眠药物可能增加老年人跌倒、认知障碍和依赖性的风险[16,17]。因此，在疾病早期识别可改变的生活方式因素对于降低失眠风险和促进老年人睡眠健康至关重要。

不健康的生活方式行为，如不良饮食[18]、缺乏运动[19]、吸烟[20,21]和饮酒[22,23]，一贯与较高的失眠风险相关。然而，大多数现有研究要么专注于单个行为[19,24,25]，要么评估普通成年人的多维度生活方式指标[22]，很少有研究专门针对中国老年人。鉴于生活方式行为往往具有共性，单独分析这些因素可能会低估它们对睡眠健康的综合影响，从而限制研究结果的普遍性。为了解决这一空白，本研究基于湖北记忆与衰老队列研究（HMACS），旨在探讨中国老年人的健康生活方式与失眠风险之间的关联。我们构建了一个包含六个可改变的生活方式因素的复合指标——体重、饮酒、吸烟、规律运动、饮食和认知活动，并使用雅典失眠量表（AIS）和匹兹堡睡眠质量指数（PSQI）来评估失眠情况。研究结果有望为该人群的失眠一级预防提供流行病学证据。

2. 结果
2.1. 人口学特征
参与者基线特征总结见表1。共有4929名参与者纳入分析，其中2750人为女性（55.8%）。平均年龄为72.61±5.62岁，2660人（54.0%）受过小学以上教育。大多数参与者居住在农村地区（53.4%），已婚（71.6%），与家人同住（77.7%）。根据健康生活方式状况，参与者被分为不良生活方式组、中等生活方式组和良好生活方式组。与不良生活方式组相比，良好生活方式组的参与者更年轻，女性比例更高，教育水平更高，高血压、心血管疾病和失眠的患病率更低（p<0.001）。纳入和排除参与者的基线特征总结见补充表S1。大多数标准化平均差异（SMD）<0.25，表明两组之间的绝对差异较小，提示选择偏倚风险较低。表1显示了研究人群的基线特征。

2.2. 不同组别中的健康生活方式行为比例
所有参与者中，各项健康生活方式行为的患病率如下：正常体重（50.5%）、从不饮酒（80.4%）、当前不吸烟（87.3%）、规律运动（12.9%）、健康饮食（34.7%）和积极的认知活动（31.6%）（见补充图S1）。图1显示了参与者在不同生活方式类别中的分布：33.9%属于不良生活方式组，36.5%属于中等生活方式组，29.6%属于良好生活方式组。根据定义，良好生活方式组在所有健康生活方式行为的坚持度上均高于中等和不良生活方式组：正常体重（76.4% vs 57.1% vs 20.8%; p<0.001）、从不饮酒（94.1% vs 87.4% vs 61.1%; p<0.001）、当前不吸烟（97.5% vs 93.0% vs 72.5%; p<0.001）、规律运动（34.3% vs 6.2% vs 1.7%; p<0.001）、健康饮食（62.6% vs 31.9% vs 13.4%; p<0.001）和积极的认知活动（66.9% vs 24.3% vs 8.6%; p<0.001）。

2.3. 健康生活方式与失眠的关联
表2展示了健康生活方式与失眠之间的关联。在未调整模型（模型1）中，良好生活方式组的失眠风险显著低于不良生活方式组（OR=0.690，95% CI: 0.596–0.798）。进一步调整社会人口学因素和病史后，这种关联仍然存在。在完全调整模型（模型3）中，良好生活方式组的失眠风险比不良生活方式组低17.5%（OR=0.825，95% CI: 0.702–0.968），而中等生活方式组与不良生活方式组之间的差异无统计学显著性（OR=0.972，95% CI: 0.845–1.117）。趋势分析显示健康生活方式水平与失眠风险呈负相关（趋势p值=0.024）。表2显示了健康生活方式与失眠风险之间的关联。

2.4. 健康生活方式行为与失眠的关联
调整后，健康饮食（OR=0.762，95% CI: 0.669–0.866）和积极的认知活动（OR=0.732，95% CI: 0.634–0.844）与较低的失眠风险相关，表明其具有潜在的保护作用。相反，正常体重（OR=0.949，95% CI: 0.842–1.070）、规律运动（OR=1.104，95% CI: 0.919–1.326）和从不饮酒（OR=1.044，95% CI: 0.891–1.225）与失眠风险的关联不显著。值得注意的是，非当前吸烟者的失眠风险高于当前吸烟者（OR=1.386，95% CI: 1.142–1.687）（表3）。交互作用项均无统计学显著性（见补充表S2）。表3显示了各项健康生活方式行为与失眠风险之间的关联。

2.5. 按吸烟状态分层后的健康生活方式与失眠的关联
鉴于非当前吸烟者的失眠风险高于当前吸烟者，进行了按吸烟状态分层的分析。在非当前吸烟者中，良好生活方式组的失眠风险显著低于不良生活方式组（OR=0.738，95% CI: 0.620–0.878），而中等生活方式组的关联虽方向相同，但无统计学显著性（OR=0.903，95% CI: 0.774–1.052）。趋势分析显示健康生活方式水平与失眠风险呈负相关（趋势p值<0.001）。在当前吸烟者中，健康生活方式与失眠的关联方向相同，但无统计学显著性（趋势p值=0.105）（表4）。表4显示了按吸烟状态分层后的健康生活方式与失眠风险之间的关联。

2.6. 按吸烟状态分层的健康生活方式行为替代分析
在替代分析中，将各项健康生活方式行为视为二元变量（0=不健康，1=健康），并在保持其他生活方式总分不变的情况下考察替代效应。在非当前吸烟者中，健康饮食（OR=0.743，95% CI: 0.648–0.852）和积极的认知活动（OR=0.729，95% CI: 0.627–0.848）与较低的失眠风险相关。而在当前吸烟者中，这些替代效应均无统计学显著性（p>0.05）。这些发现表明，用健康行为替代不健康行为可能降低失眠风险，尤其是在非当前吸烟者中（见图2和补充表S3）。图2显示了按吸烟状态分层的健康生活方式行为与失眠风险的替代分析；OR表示在其他行为健康生活方式得分不变的情况下，替换不健康行为后的失眠风险变化。模型调整了年龄、性别、居住地、婚姻状况、教育程度、居住方式、高血压、糖尿病、高脂血症和心血管疾病的因素。每个黑色方块代表OR值，水平线表示95%置信区间（CI）。

2.7. 敏感性分析
亚组分析显示，健康生活方式与失眠风险之间的关联在按年龄、性别、居住地、居住方式、教育程度、婚姻状况以及是否患有高血压、糖尿病、心血管疾病或高脂血症定义的亚组中基本一致。与不良生活方式组相比，良好生活方式组的失眠风险在大多数亚组中较低，未观察到显著交互作用（所有交互作用p值>0.05）（图3）。在使用PSQI定义的失眠病例（入睡困难、维持睡眠困难或早起）的情况下，健康生活方式与失眠的关联类似（见补充表S4）。图3显示了按协变量分层后的健康生活方式与失眠风险之间的关联。模型调整了年龄、性别、居住地、婚姻状况、教育程度、居住方式、高血压、糖尿病、高脂血症和心血管疾病的因素。按吸烟状态分层显示，在非当前吸烟者中，较高水平的生活方式与较低的失眠风险显著相关，而在当前吸烟者中，关联方向相同但无统计学显著性（见补充表S5）。我们根据可用的AIS和PSQI数据分别进行了分析，两种指标均用于评估失眠。AIS数据未显示显著关联，而PSQI数据显示良好生活方式与较低的失眠风险相关（见补充表S6和S7）。按吸烟状态分层显示，非当前吸烟者的良好生活方式与较低的失眠风险相关（见补充表S8）。对于从未吸烟者，良好生活方式显著降低失眠风险。使用未插补数据集的分析结果与主要分析结果一致。尽管整体上良好生活方式与失眠之间的关联无统计学显著性，但分层分析显示非当前吸烟者的失眠风险显著降低（OR=0.744，95% CI: 0.617–0.896），而当前吸烟者无显著关联（见补充表S9和S10）。当将生活方式得分视为连续变量时，较高得分与较低的失眠风险呈线性相关（见补充表S11和图S2）。E值分析表明，需要有一个未被测量的混杂因素同时与良好生活方式和失眠相关，其影响程度至少为1.72倍，才能完全解释观察到的OR值0.825（下限CI为0.702，E值为1.22），说明对未测量混杂因素的鲁棒性较高。

3. 讨论
基于HMACS的横断面数据，本研究主要评估了中国老年人的整体健康生活方式与失眠风险之间的关联。主要发现表明，良好的整体生活方式与较低的失眠风险显著相关。此外，对个人生活方式行为的探索性分析表明，健康饮食和积极的认知活动与失眠呈最一致的负相关关系，而体重、定期锻炼和饮酒则没有显著的相关性。值得注意的是，整体健康生活方式与失眠之间的关联似乎因吸烟状况而异，尽管需要进一步的研究来确认这些发现。目前关于中国老年人健康生活方式与失眠之间关系的证据仍然有限[22]。总体而言，我们的发现与之前将健康生活方式与更好的睡眠健康联系起来的研究一致[26,27,28]，表明有利的生活方式与较低的失眠风险相关。一项针对中国成年人的横断面研究表明，更健康的生活方式与更好的整体睡眠健康相关[22]。本研究将这些发现扩展到老年人群体，提供了更多关于健康生活方式在睡眠健康中潜在保护作用的特定人群证据。

在个人生活方式行为中，健康饮食可能通过多种生物学途径促进更好的睡眠，包括调节神经递质和褪黑激素的分泌[18,29]、减少慢性炎症和氧化应激[30,31]，以及改善下丘脑-垂体-肾上腺轴功能和神经营养因子水平[32,33]。积极的认知活动可以维持神经元连接[34,35]和认知功能[36]，并促进睡眠稳态。这些活动通常伴随着社交参与，社交参与提供了社会支持，鼓励其他健康行为，并可能缓解孤独感[37,38]。然而，认知活动与睡眠之间的关系可能是双向的；具有更好认知功能的个体可能更有可能参与认知活动，这反过来可能进一步促进睡眠质量。需要进行纵向研究来澄清这种关系的方向性。相比之下，体重、定期锻炼或饮酒与失眠之间没有观察到显著的相关性。有几个因素可以解释这些发现。首先，身体质量指数（BMI）可能不能反映体脂分布、肌肉减少或代谢健康状况，而这些因素可能与睡眠更直接相关[39,40]。其次，尽管根据指南定义了体育活动，但老年人对锻炼的生理反应可能会受到药物或心理因素的影响而减弱[41,42]。此外，横断面设计可能无法捕捉定期锻炼对睡眠的长期累积效应。最后，该人群中酒精消费的总体流行率和水平较低，且饮酒模式和量没有进一步区分，这可能限制了检测酒精对失眠风险潜在影响的能力。

值得注意的是，吸烟与失眠风险之间的关联并不完全符合传统预期[43,44]。尽管当前吸烟者似乎比非当前吸烟者的失眠风险更低，但这不应被解释为吸烟对睡眠的保护作用。相反，这可能反映了非因果机制，如戒断相关的症状缓解（例如，焦虑或易怒减少）、近期戒烟者的睡眠障碍、残留的混杂因素或反向因果关系[45,46,47]。进一步的分层和替代分析表明，健康生活方式与失眠风险之间的负相关主要发生在非当前吸烟者中，而当前吸烟者之间的关联较弱且不具有统计学意义。这些发现表明，健康生活方式与睡眠健康之间的有益关联在非当前吸烟者中更为明显。几种机制可能导致这种因吸烟状况而产生的差异。尼古丁可能通过改变神经递质平衡和昼夜节律调节来干扰睡眠[48]，并通过慢性炎症和心血管风险相关的生理负担来影响睡眠[49,50]，这可能会降低健康行为的潜在益处。此外，当前吸烟者往往经历更高的压力水平、较差的心理健康和较低的社会支持[51,52]，这可能进一步削弱了健康生活方式对睡眠的影响。先前的研究还表明，睡眠障碍可能与尼古丁依赖的严重程度相关，而不是吸烟状况[53]，这可能部分解释了不同吸烟组之间关联的变化。替代分析进一步表明，用健康饮食或积极的认知活动替代不健康行为与非当前吸烟者的失眠风险显著降低有关，而在当前吸烟者中这种替代效应不具有统计学意义。这些发现突显了整体生活方式改善对睡眠健康的潜在益处，并表明基于生活方式的干预措施在非吸烟老年人中可能更有效。

这项研究有几个优点。首先，它基于HMACS的大规模老年人群体，系统地评估了健康生活方式及其各个行为与失眠之间的关联，为中国老年人提供了重要的流行病学证据。其次，该研究不仅考察了整体健康生活方式，还评估了每种行为的独立效应及其在吸烟状况上的差异。此外，通过纳入替代分析，我们探讨了用健康行为替代不健康行为对失眠风险的潜在影响，从而丰富了生活方式干预的科学基础。然而，也应承认几个局限性。首先，横断面设计限制了因果推断，不能排除反向因果关系或残留的混杂因素。其次，健康行为主要是自我报告的，这可能会引入信息偏差。第三，尽管相关性、多重共线性检查和多重对应分析（MCA）支持变量的独立性，但不能完全排除生活方式行为的潜在聚集；未来的研究可以应用结构方程建模来进一步探索这些行为之间的复杂途径。此外，基线调查中没有客观的睡眠评估，包括多导睡眠图；因此，无法评估或排除诸如阻塞性睡眠呼吸暂停等共病睡眠相关障碍，这可能导致失眠状态的某些误分类。未来的纵向研究或干预试验对于确认因果效应和阐明健康生活方式行为与老年人失眠之间的潜在机制是必要的。

4. 方法
4.1. 研究设计和参与者
这项横断面研究基于2018年正式注册的HMACS（ChiCTR1800019164）。HMACS招募了来自中国湖北省的60岁及以上的老年人。基线和随访评估收集了参与者的社会人口特征、临床测量、生活方式、睡眠相关信息、慢性疾病史和全面认知功能的信息。关于研究设计、参与者招募和数据收集方法的详细描述已在先前的研究中报告[54,55]。所有参与者在参与前均提供了书面知情同意书。

2018年5月至2025年7月期间，共有12,607名参与者完成了健康筛查问卷。在本研究中，我们纳入了12,162名65岁及以上的老年人，依次排除了生活方式因素数据缺失（n = 3258）、睡眠信息缺失（n = 3956）或关键协变量缺失（n = 19）的参与者。最终，4,929名参与者被纳入最终分析（图4）。

4.2. 健康生活方式的评估
参与者的生活方式基于六个可改变的生活方式因素进行评估：体重、饮酒、吸烟、定期锻炼、饮食和认知活动。如果BMI在18.5到24.9 kg/m2之间，则认为体重健康[22,56]。关于饮酒和吸烟，从未饮酒和当前不吸烟被定义为健康行为[57,58]。定期锻炼通过记录参与者的每周频率和总持续时间来评估；每周至少进行150分钟的中等强度或75分钟的高强度锻炼被认为是健康的[59,60]。饮食评估包括六种食物成分（蔬菜、水果、红肉、鱼、茶和咖啡），摄入频率在前40%的参与者被认为是拥有健康饮食[33]。如果每周至少进行三次阅读、下棋或打牌、书法和绘画等认知活动，则认为认知活动是健康的[61]。每个符合健康标准的因素得1分，否则得0分。所有六个因素的总分构成了健康生活方式得分（范围0–6），得分越高表示对健康生活方式的遵守程度越好。根据样本分布，参与者被分为三组：有利（得分4–6）、中等（得分3）和不利（得分0–2）。

4.3. 失眠的评估
失眠使用AIS和PSQI进行评估。AIS是一个基于《国际疾病分类》第10版的经过验证的8项量表，每个项目的得分从0（没有问题）到3（严重问题）[62]。总分范围从0到24，得分越高表示失眠越严重。PSQI包括19个项目，生成七个组分得分，总分范围从0到21；得分越高表示睡眠质量越差[63]。AIS和PSQI已在临床和研究环境中广泛用于失眠筛查，显示出高的诊断准确性、可靠性和在大规模人群中使用的可行性[64]。

在这项研究中，失眠主要定义为AIS得分≥6或PSQI得分>5[63,65,66]。在敏感性分析中，对于根据PSQI标准被确定为失眠的参与者，失眠还根据入睡困难、维持睡眠困难或清晨醒来后无法重新入睡的情况进行了定义[3]。所有睡眠评估都是由受过培训的医学研究人员按照标准化程序进行的。然而，HMACS基线调查不包括多导睡眠图或医生诊断的睡眠呼吸暂停评估。

4.4. 协变量
协变量包括社会人口因素和医疗历史。社会人口因素包括年龄、性别、居住地、教育年限、婚姻状况和居住安排。医疗历史包括自我报告的医生诊断的高血压、糖尿病、高脂血症、心血管疾病和脑血管疾病。缺失数据使用R中的mice包生成的五个插补数据集进行解决。模型在每个数据集中进行拟合，并使用Rubin规则进行合并。每个协变量的缺失数据比例总结在补充表S12中。

4.5. 统计分析
连续变量以均值±标准差表示，分类变量以频率（百分比）表示。组间差异使用独立t检验或ANOVA（对于正态分布的连续变量）、Kruskal-Wallis检验（对于非正态分布的变量）和卡方检验（对于分类变量）进行评估。在回归分析之前，检查了各个生活方式行为之间的相关性（补充图S3）。使用方差膨胀因子（VIFs）评估了生活方式行为和协变量之间的多重共线性（补充表S13）。此外，进行了MCA以评估六个生活方式行为之间的潜在聚集模式，没有观察到明显的聚集（补充表S14）。

逻辑回归模型用于评估健康生活方式（总体和个别行为）与失眠风险之间的关联，结果以比值比（OR）和95%置信区间（CI）表示。构建了三个模型：模型1，未调整；模型2，调整了年龄、性别、居住地、婚姻状况、教育和居住安排；模型3，在模型2的基础上进一步调整了高血压、糖尿病、高脂血症和脑血管疾病。通过在回归模型中包含两个预先指定的乘法交互项（健康饮食×积极认知活动和定期锻炼×非当前吸烟）来评估生活方式行为之间的潜在交互作用。

按吸烟状况进行了分层分析。应用逻辑回归模型评估健康生活方式（排除吸烟成分）与失眠风险之间的关联。此外，分别对当前吸烟者和非当前吸烟者进行了替代模型，以估计用健康行为替代不健康行为对失眠风险的潜在影响，同时保持其他生活方式行为的总分不变。为了验证结果的稳健性，进行了几项敏感性分析：（1）按协变量（如性别、年龄和慢性疾病状况）分层的亚组分析；（2）仅限于具有可用AIS和PSQI失眠评估得分的参与者；（3）应用另一种基于症状的失眠定义而不是PSQI临界值进行分析，其中失眠定义为入睡困难、维持睡眠困难和清晨醒来后无法重新入睡；（4）使用三分类吸烟状况（从未、曾经和当前）进行分层分析；（5）使用未插补数据重复主要分析；（6）使用线性回归检查生活方式得分与失眠之间的关联以评估线性关系，并使用限制三次样条分析评估潜在的非线性关联；（7）使用E值评估潜在未测量的混杂因素（如OSA或心理因素）的敏感性。所有统计分析均使用RStudio（版本4.3.3）进行。所有p值均为双侧，p < 0.05被认为是显著的。

5. 结论
这项研究的结果表明，有利的生活方式与中国老年人较低的失眠风险显著相关，其中健康饮食和积极的认知活动显示出最一致的保护作用。这些关联主要在非现吸烟者中观察到，这表明健康生活方式与睡眠健康之间的关系可能因吸烟状况的不同而有所差异。未来需要开展纵向研究或干预性研究来阐明这些因果关系及其背后的机制，为有针对性的睡眠健康干预措施提供依据。补充材料：以下支持信息可从以下网址下载：https://www.mdpi.com/article/10.3390/clockssleep8020026/s1。