您的睡眠追踪器不仅能提供睡眠习惯信息，还能监测糖尿病、睡眠呼吸暂停等慢性疾病以及新冠肺炎等疾病。这项研究分析了约33,000人共计500万个夜晚的睡眠数据，得出了上述结论。 基于新分析，研究人员识别出五种主要睡眠类型，将其命名为”睡眠表型”，并可进一步细分为13种亚型。研究还发现，个体在不同睡眠表型间的转换频率与方式，相较于仅依赖平均睡眠表型，能提供多达2至10倍的健康状况检测信息。

睡眠质量的细微变化亦可揭示健康风险

研究团队利用智能睡眠监测戒指Oura Ring收集的睡眠、皮肤温度等数据，对个体进行数月追踪，据此判定其是否患有 糖尿病、睡眠呼吸暂停等慢性疾病，或新冠肺炎、流感等急性疾病。

该研究由加州大学圣地亚哥分校雅各布斯工程学院及哈利乔格鲁数据科学研究所的本杰明·斯马尔（Benjamin Smarr）领衔，其发现人们会随时间频繁切换不同睡眠表型，这反映了健康状态的变化。研究者构建的数据驱动睡眠图景，如同记录个体健康轨迹的旅行日记。

他们发现睡眠质量的细微变化有助于识别健康风险——这些变化既不会在普通夜晚显现，也无法通过问卷调查捕捉。这表明可穿戴设备能帮助识别被忽视的风险。研究人员同时强调，在群体层面长期追踪睡眠变化可为公共卫生提供新视角：例如通过睡眠图景中某些模式变化，能否对慢性疾病或感染易感性发出早期预警。

该研究团队基于加州大学旧金山分校TemPredict数据集的新分析展开工作，该数据集源自2020年 新冠疫情期间佩戴商用Oura智能戒指的用户数据。

五种睡眠类型

研究人员基于约33,000名受试者500万个夜晚的睡眠数据，识别出五种睡眠表型。尽管研究涉及多重因素，但研究人员仍发现若干可直观区分五种睡眠表型的特征趋势。

表型1：即所谓”正常”睡眠。此类人群至少连续六天保持每日约八小时不间断睡眠。该睡眠模式既是美国国立卫生研究院推荐标准，也是研究中最常见的类型。
表型2：半数夜晚睡眠连续，另一半夜晚仅有短于三小时的睡眠时段。
表型3：多数夜晚睡眠连续，但每周约有1晚出现睡眠中断。中断夜的特征是包含约5小时的较长睡眠段与不足3小时的短时睡眠段。
表型4：此类人群通常也保持连续睡眠，但偶尔会出现长睡眠阶段被中途觉醒分割的罕见情况。
表型5：这类人群每晚仅睡眠极短时间。该表型在研究中最为罕见，代表着极度紊乱的睡眠状态。

追踪睡眠类型的变化

为量化睡眠表型随时间的演变，研究者构建了涵盖500万个夜晚的空间模型——其中表型以岛屿形态呈现，各岛主要由相似睡眠周构成。 随着时间推移，不同模式逐渐显现，使研究人员能够模拟个体在各睡眠岛屿间的迁移路径。结果表明，糖尿病和睡眠呼吸暂停等慢性病患者无法通过平均表型特征区分，关键在于他们在睡眠景观中切换岛屿的频率。即使表型变化罕见，这种变化本身也能提供重要的健康信息。

数据表明，多数人很少能连续数月完全避免睡眠紊乱的夜晚。专家发现，睡眠障碍发生方式的细微差异蕴含着重要信息——尽管这些紊乱现象较为罕见，但其发生频率具有显著意义。因此关键不仅在于睡眠质量好坏，更在于长期睡眠模式中隐藏的重要信息。

相反，人们通常不会长期维持睡眠中断的模式。但特定睡眠中断模式的出现频率，能充分反映其健康状况。

先前研究准确性不足

在这项新研究中，研究团队改良了此前最大规模睡眠研究的技术——该研究基于英国生物样本库约10.3万个夜晚的数据。早期研究关注入睡与醒来的时间点及相关特征，进而构建了夜晚间相互关联的”景观图”。 然而早期研究存在两大缺陷：受限于每人仅有两至三晚的睡眠数据，无法进行长期追踪；且未能将形成的睡眠模式与健康结果建立关联。

相比之下，这项新研究首次证明：研究人员能够量化个体睡眠随时间变化的动态特征，并通过量化结果帮助人们更深入地了解自身睡眠健康状况。研究还表明，睡眠模式的这些变化可能预示着多种疾病风险的升高。