醫學生睡眠問題的潛類別及其影響因素分析

周軍 金來潤 陶夢君 丁書姝 袁慧

摘要：目的：探討醫學生睡眠問題的潛在類別并分析其影響因素，為改善醫學生睡眠提供科學依據.方法：使用匹茲堡睡眠質量指數（PSQI）對某醫學院校在校生睡眠狀況進行調查，運用Mplus軟件進行潛在類別分析（LCA）.結果：共調查醫學生395人，男生186人（47.1%），女生209人（52.9%）.醫學生睡眠問題可分為睡眠不足（11.9%），睡眠不安（2.8%），多種睡眠問題（6.1%），睡眠良好（79.2%）四個類型.多項logistics回歸分析顯示，與睡眠良好組的學生相比，男生、高年級和學習壓力大的學生更容易進入睡眠不足組（P<0.05）;白天精神狀態差的學生則易進入睡眠不足和睡眠不安兩組（P<0.05）.結論：醫學生睡眠問題存在明顯的群體異質性和性別效應，并且往往成簇發生.應重點關注學習壓力大和白天精神狀態差的學生.

關鍵詞：醫學生;睡眠問題;潛在類別分析;影響因素

中圖分類號：R16? 文獻標識碼：A? 文章編號：1673-260X（2019）07-0105-04

睡眠是人類生命活動中必需的生理和心理過程，睡眠質量差直接影響著身心健康的發展.近年來，研究表明大學生睡眠質量不容樂觀，網絡依賴、手機成癮和學業壓力等因素導致睡眠問題頻現.一項大型調查研究顯示，約62%的美國大學生睡眠質量不佳，其中高達27%的學生存在睡眠障礙[1].另有研究表明，與非醫學專業學生相比，醫學生睡眠障礙發生率更高[2].在我國，約有4.27%～59.83%的醫學生睡眠質量差或存在睡眠障礙[3，4]，由于人口學特征、調查地域和評定方法等差異，調查所得醫學生存在睡眠問題的百分比也不盡相同.

目前，國內相關研究在劃分大學生睡眠問題類別時，幾乎都是通過界定量表總得分臨界值的方式來劃分，如使用PSQI量表調查大學生睡眠時，一般將總分大于等于8分定義為睡眠障礙，或各因子得分大于等于2分判定為睡眠質量差[5];使用睡眠狀況自評量表（SRSS）時，往往將總得分大于等于23分定義為存在睡眠問題[6].然而，按總分高低來劃分較為簡單，并不能很好地區分研究對象中不同特征的組群及組群之間存在的質性差異[7].潛在類別分析（Latent Class Analysis， LCA）根據個體在每個項目上的得分概率來判斷該個體的潛在特征分類，因此，避免了通過借助臨界值的方式來劃分人群，可能成為一種更為科學嚴謹的分類手段.近年來，LCA被廣泛應用于社會學、心理學和疾病的群體分類或診斷中[8].

目前關于大學生睡眠問題的LCA研究鮮有報道，本研究擬采用LCA對在校醫學生睡眠問題特征進行研究，尋找最優的分類模型，探索醫學生睡眠是否存在群體異質性，在此基礎上進一步探討人口學特征、學習壓力和環境因素等對潛在類別的影響.

1 對象與方法

1.1 對象

采用整群抽樣的方法對安徽省蕪湖市某醫學院校不同年級不同專業的學生進行調查，共發放430份問卷，排除空白和填寫有誤的問卷，回收有效問卷395份，有效率為91.86%.

1.2 方法

在輔導員及各班班委的配合及協助下，告知同學們本次調查的目的和意義，獲得其知情同意，再由經過統一培訓的調查員對各班級學生進行匿名問卷調查.調查內容主要包括：（1）一般人口學特征;（2）學習壓力、白天精神狀態和睡前運動（看書、聊天、運動和上網/娛樂）等研究因素;（3）PSQI量表：該量表在評估醫學生近一個月內的睡眠質量時具有較好的信度與效度[9]，包含18個自評條目，分為7個組成因子，每個因子均按0～3分等級計分，得分越高表示睡眠質量越差.

1.3 統計分析

采用Epi Data 3.1軟件完成數據錄入，計量資料采用均數±標準差表示，分類變量資料采用率或構成比表示.采用Mpus7.0軟件進行潛在類別分析，潛在類別模型的適配檢驗指標主要有[10]：（1）Akaike信息標準（Akaike information criterion， AIC）、貝葉斯信息標準（Bayesian Information Criterion， BIC）和經過樣本校正的貝葉斯信息標準（adjusted Bayesian information criterion， aBIC），三個指標越小，模型擬合效果越好;（2）Entropy指數，值越大表明分類的準確率越高;（3）似然比（Lo-Mendell-Rubin， LMR）和基于bootstrap的似然比 （bootstrapped likelihood ratio test， BLRT）檢驗，如果這兩個指標的P值達到顯著水平（P<0.05），表明K個類別的模型顯著優于K-1個類別的模型.利用SPSS16.0軟件進行單因素分析（？字2檢驗、Fisher精確概率法），多因素logistic回歸分析探討睡眠問題各潛在類別的影響因素，以P<0.05為差異有統計學意義.

2 結果

2.1 基本人口學特征

本次共調查醫學生395人，男生186人（47.1%），女生209人（52.9%），年齡為17-24歲，平均年齡（20.59±1.28）歲，一年級125人（31.6%），二年級174人（44.1%），三年級96人（24.3%）.臨床醫學專業237人（60.0%），其他專業158人（40.0%）.

2.2 睡眠問題潛在類別模型的確定

分別擬合了1～5個類別模型（見表1），3個潛在類別模型時，BIC和aBIC值最小，提示模型擬合可能較好，但到4個潛類別模型時，AIC出現最小值，且Entropy最大，此時LMR和BLRT均顯示P<0.05，差異有統計學意義，提示4個潛類別模型時，分類準確率最高且顯著優于3個潛類別模型.綜合考慮，本研究選擇4個潛在類別的分類.

2.3 各潛類別的命名

類別1在主觀睡眠質量、睡眠潛伏期和睡眠持續性三個因子上的得分概率較高，對應的條目分別是：過去一個月總睡眠質量，每晚入睡需要的時間，不能在30分鐘內入睡，每晚實際睡眠的時間，而在另外四個因子上得分概率較低，這一類學生表現出來的睡眠問題特征主要是不易開始睡眠且睡眠時間較短，故命名為“睡眠不足”.類別2在睡眠紊亂、使用睡眠藥物和日間功能障礙三個因子得分概率高，對應的條目分別是：影響睡眠的事情，需要服用藥物才能入睡，白天狀態受影響，這類學生的睡眠問題主要是睡眠狀態不佳，睡眠過程中易出現諸如“不舒服的呼吸，做不好的夢”等影響睡眠的事情，甚至需要服用睡眠藥物來促進睡眠，因此命名為“睡眠不安”.類別3在各個因子上的得分概率均較低，這類學生被命名為“睡眠良好”.相反，類別4的學生在各個因子上均具有較高的得分概率，被命名為“睡眠障礙”，見圖1.

2.4 睡眠問題潛在類別的單因素分析

不同潛在類別組學生在性別、年級、學習壓力和白天精神狀態等因素上差異有統計學意義（P<0.05）;而在性格、專業和睡前活動等因素上差異無統計學意義（P>0.05），見表2.

2.5 睡眠問題潛類別影響因素的多項logistics回歸分析

以4個潛在類別的分類作為因變量，并將類別3（睡眠良好組）作為參考類別，將單因素分析有意義的因素作為自變量做logistics回歸分析.結果顯示，男生、高年級、學習壓力大和白天精神狀態差的學生發生睡眠不足的風險較大（P<0.05）;白天精神狀態差的學生發生睡眠不安的概率更高（P<0.01），見表3.

3 討論

LCA可對多分類的類別變量、等級變量等多種類型的資料進行聚類分析，其中對二分類變量具有很好的分類效果[11].為了得到較好的擬合效果并且使結果易于解釋，本研究將評估睡眠質量七個組成因子四分類變量（非常好/尚好，較差/非常差）轉化為二分類變量（好，差），對應的得分模式由（0-3）分轉化為（0，1）分，在此基礎上，探討睡眠問題的最佳分類模型.

同樣基于七個因子得分概率，Yildirim等[12]將社區老年人睡眠質量分為不良睡眠和良好睡眠兩類.而本研究發現，醫學生睡眠問題可分為四個潛在類別，分別為“睡眠不足”，“睡眠不安”，“多種睡眠問題”和“睡眠良好”.除了睡眠良好的學生（79.2%），其他三類學生均存在不同程度的睡眠問題（20.8%），這與之前的研究結果高度相似[13，14].通過聚類分析，不難發現醫學生的睡眠問題往往是伴隨著成簇發生的，比如同一個體睡眠潛伏期延長常伴隨著睡眠持續性短，這類學生的主要特點是雖有一個舒適的睡眠過程，但睡眠不易開始且睡眠時間不充足;再如另一個體雖然很快入睡且睡眠時間足夠，但在睡眠過程中常出現擾亂睡眠的個人問題，而這類學生傾向使用安眠藥物來促進睡眠.研究顯示，睡眠藥物的使用從長久來看并不能本質地改善睡眠，相反甚至導致更多的睡眠相關問題，因此這類學生應該引起高度重視[15].

多項logistics回歸分析顯示，與女生相比，男生更容易出現睡眠時間不足.研究表明，男生網絡成癮高于女生[16]，可能由于男生傾向花費較多的時間在手機娛樂或網絡游戲等方面，甚至熬夜而占用了睡眠時間，或者利用睡眠時間去補充學習，調整和應對日常的工作量和壓力環境.高年級學生發生睡眠不足的風險性更高，這可能與學業壓力及學術成就感有關，相對于低年級而言，高年級學生學業壓力更大，并且處在臨床前階段如實習、畢業等容易出現倦怠，而這種倦怠主要源于玩世不恭和低學術成就感，進一步演變成為情緒低落甚至情感痛苦，進而影響睡眠[17].較差的白天精神狀態使得睡眠時間不足和睡眠不安的發生率增加，這可能與白天里不良的情緒或不安的經歷有關，白天里的負面行為常常會在夢里重現進而影響睡眠.

綜上所述，本研究從潛在類別的角度探討了醫學生的睡眠現況，發現醫學生的睡眠問題具有成簇聚類的特征，并且存在性別效應，而影響其特征分類的因素則是多方面的.總體而言，醫學生的眠質量仍不容樂觀，應重點關注學習壓力大和白天精神狀態差的醫學生.

參考文獻：

〔1〕Becker S P， Jarrett M A， Luebbe A M， et al. Sleep in a large， multi-university sample of college students： sleep problem prevalence， sex differences， and mental health correlates[J]. Sleep Health， 2018， 4（2）：174.

〔2〕Rohan S， Rajat T， Ashish G. Burnout and Sleep Quality： A Cross-Sectional Questionnaire-Based Study of Medical and Non-Medical Students in India[J]. Cureus，2015，7（10）：e361.

〔3〕屈芳，王雷，向仕婷，等.長沙市醫學生睡眠質量及認知情況調查分析[J].中華疾病控制雜志，2016，20（01）：46-48+53.

〔4〕李雨晴，毛勇，蔣紅成，等.某醫學院校醫學生睡眠質量及影響因素[J].公共衛生與預防醫學，2015，26（06）：94-97.

〔5〕湛宇燦，李白坤，張緣，等.中國八所中醫藥高校學生睡眠質量及其相關因素分析[J/OL].中國預防醫學雜志：http：//kns.cnki.net/kcms/detail/11.4529.R.20181105.1556.004.ht.

〔6〕魏明，李新華，王偉瓊，等.醫學生睡眠質量現狀調查[J].中國健康心理學雜志，2014，22（03）：454-455.

〔7〕姚抒予，張雯，羅媛慧，等.妊娠期高血壓疾病患者焦慮情緒的潛在類別及其與服藥依從性的關系[J].中華高血壓雜志，2016（12）：85-90.

〔8〕謝家樹，魏宇民，ZHU Zhuorong.當代中國青少年校園欺凌受害模式探索：基于潛在剖面分析[J].心理發展與教育，2019，35（01）：95-102.

〔9〕鄭棒，李曼，王凱路，等.匹茲堡睡眠質量指數在某高校醫學生中的信度與效度評價[J].北京大學學報（醫學版），2016，48（03）：424-428.

〔10〕杜剛，呂厚超.青少年未來期待潛在變量及與網絡成癮的關系[J].中國學校衛生，2018，39（12）：1835-1837+1840.

〔11〕曾憲華，肖琳，張巖波.潛在類別分析原理及實例分析[J].中國衛生統計，2013，30（06）：815-817.

〔12〕Yildirim A， Boysan M. Heterogeneity of sleep quality based on the Pittsburgh Sleep Quality Index in a community sample： a latent class analysis[J]. Sleep and Biological Rhythms，2017，15（3）：197-205.

〔13〕張尚孝，楊曉燕，張勇，等.新疆某醫學院校大學生睡眠質量與學習倦怠相關性分析[J].中國職業醫學，2016，43（02）：181-184.

〔14〕郭麗，張瑩，李曉亮，等.醫學生負性生活事件與睡眠質量關系[J].中國公共衛生，2015，31（07）：965-967.

〔15〕Choi NG， Dinitto DM， Marti CN， et al. Too little sleep and too much sleep among older adults： Associations with self-reported sleep medication use， sleep quality and healthcare utilization[J]. Geriatrics & Gerontology International，2017，17（4）：545-553.

〔16〕王小丹，高允鎖，林翡翡，等.海南大學生網絡成癮現況及影響因素分析[J].中國健康教育，2015，31（12）：1152-1155.

〔17〕Pagnin D， de Queiroz， Valéria. Influence of burnout and sleep difficulties on the quality of life among medical students[J]. SpringerPlus，2015，4（1）：676.