周軍 金來潤 陶夢君 丁書姝 袁慧

摘要：目的：探討醫(yī)學(xué)生睡眠問題的潛在類別并分析其影響因素，為改善醫(yī)學(xué)生睡眠提供科學(xué)依據(jù).方法：使用匹茲堡睡眠質(zhì)量指數(shù)（PSQI）對某醫(yī)學(xué)院校在校生睡眠狀況進(jìn)行調(diào)查，運(yùn)用Mplus軟件進(jìn)行潛在類別分析（LCA）.結(jié)果：共調(diào)查醫(yī)學(xué)生395人，男生186人（47.1%），女生209人（52.9%）.醫(yī)學(xué)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(gè)類型.多項(xiàng)logistics回歸分析顯示，與睡眠良好組的學(xué)生相比，男生、高年級和學(xué)習(xí)壓力大的學(xué)生更容易進(jìn)入睡眠不足組（P<0.05）;白天精神狀態(tài)差的學(xué)生則易進(jìn)入睡眠不足和睡眠不安兩組（P<0.05）.結(jié)論：醫(yī)學(xué)生睡眠問題存在明顯的群體異質(zhì)性和性別效應(yīng)，并且往往成簇發(fā)生.應(yīng)重點(diǎn)關(guān)注學(xué)習(xí)壓力大和白天精神狀態(tài)差的學(xué)生.

關(guān)鍵詞：醫(yī)學(xué)生;睡眠問題;潛在類別分析;影響因素

中圖分類號：R16? 文獻(xiàn)標(biāo)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(zhì)量差直接影響著身心健康的發(fā)展.近年來，研究表明大學(xué)生睡眠質(zhì)量不容樂觀，網(wǎng)絡(luò)依賴、手機(jī)成癮和學(xué)業(yè)壓力等因素導(dǎo)致睡眠問題頻現(xiàn).一項(xiàng)大型調(diào)查研究顯示，約62%的美國大學(xué)生睡眠質(zhì)量不佳，其中高達(dá)27%的學(xué)生存在睡眠障礙[1].另有研究表明，與非醫(yī)學(xué)專業(yè)學(xué)生相比，醫(yī)學(xué)生睡眠障礙發(fā)生率更高[2].在我國，約有4.27%～59.83%的醫(yī)學(xué)生睡眠質(zhì)量差或存在睡眠障礙[3，4]，由于人口學(xué)特征、調(diào)查地域和評定方法等差異，調(diào)查所得醫(yī)學(xué)生存在睡眠問題的百分比也不盡相同.

目前，國內(nèi)相關(guān)研究在劃分大學(xué)生睡眠問題類別時(shí)，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(diào)查大學(xué)生睡眠時(shí)，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(zhì)量差[5];使用睡眠狀況自評量表（SRSS）時(shí)，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(qū)分研究對象中不同特征的組群及組群之間存在的質(zhì)性差異[7].潛在類別分析（Latent Class Analysis， LCA）根據(jù)個(gè)體在每個(gè)項(xiàng)目上的得分概率來判斷該個(gè)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(xué)嚴(yán)謹(jǐn)?shù)姆诸愂侄?近年來，LCA被廣泛應(yīng)用于社會學(xué)、心理學(xué)和疾病的群體分類或診斷中[8].

目前關(guān)于大學(xué)生睡眠問題的LCA研究鮮有報(bào)道，本研究擬采用LCA對在校醫(yī)學(xué)生睡眠問題特征進(jìn)行研究，尋找最優(yōu)的分類模型，探索醫(yī)學(xué)生睡眠是否存在群體異質(zhì)性，在此基礎(chǔ)上進(jìn)一步探討人口學(xué)特征、學(xué)習(xí)壓力和環(huán)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(yī)學(xué)院校不同年級不同專業(yè)的學(xué)生進(jìn)行調(diào)查，共發(fā)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(dǎo)員及各班班委的配合及協(xié)助下，告知同學(xué)們本次調(diào)查的目的和意義，獲得其知情同意，再由經(jīng)過統(tǒng)一培訓(xùn)的調(diào)查員對各班級學(xué)生進(jìn)行匿名問卷調(diào)查.調(diào)查內(nèi)容主要包括：（1）一般人口學(xué)特征;（2）學(xué)習(xí)壓力、白天精神狀態(tài)和睡前運(yùn)動（看書、聊天、運(yùn)動和上網(wǎng)/娛樂）等研究因素;（3）PSQI量表：該量表在評估醫(yī)學(xué)生近一個(gè)月內(nèi)的睡眠質(zhì)量時(shí)具有較好的信度與效度[9]，包含18個(gè)自評條目，分為7個(gè)組成因子，每個(gè)因子均按0～3分等級計(jì)分，得分越高表示睡眠質(zhì)量越差.

1.3 統(tǒng)計(jì)分析

采用Epi Data 3.1軟件完成數(shù)據(jù)錄入，計(jì)量資料采用均數(shù)±標(biāo)準(zhǔn)差表示，分類變量資料采用率或構(gòu)成比表示.采用Mpus7.0軟件進(jìn)行潛在類別分析，潛在類別模型的適配檢驗(yàn)指標(biāo)主要有[10]：（1）Akaike信息標(biāo)準(zhǔn)（Akaike information criterion， AIC）、貝葉斯信息標(biāo)準(zhǔn)（Bayesian Information Criterion， BIC）和經(jīng)過樣本校正的貝葉斯信息標(biāo)準(zhǔn)（adjusted Bayesian information criterion， aBIC），三個(gè)指標(biāo)越小，模型擬合效果越好;（2）Entropy指數(shù)，值越大表明分類的準(zhǔn)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(yàn)，如果這兩個(gè)指標(biāo)的P值達(dá)到顯著水平（P<0.05），表明K個(gè)類別的模型顯著優(yōu)于K-1個(gè)類別的模型.利用SPSS16.0軟件進(jìn)行單因素分析（？字2檢驗(yàn)、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(tǒng)計(jì)學(xué)意義.

2 結(jié)果

2.1 基本人口學(xué)特征

本次共調(diào)查醫(yī)學(xué)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(yī)學(xué)專業(yè)237人（60.0%），其他專業(yè)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(gè)類別模型（見表1），3個(gè)潛在類別模型時(shí)，BIC和aBIC值最小，提示模型擬合可能較好，但到4個(gè)潛類別模型時(shí)，AIC出現(xiàn)最小值，且Entropy最大，此時(shí)LMR和BLRT均顯示P<0.05，差異有統(tǒng)計(jì)學(xué)意義，提示4個(gè)潛類別模型時(shí)，分類準(zhǔn)確率最高且顯著優(yōu)于3個(gè)潛類別模型.綜合考慮，本研究選擇4個(gè)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(zhì)量、睡眠潛伏期和睡眠持續(xù)性三個(gè)因子上的得分概率較高，對應(yīng)的條目分別是：過去一個(gè)月總睡眠質(zhì)量，每晚入睡需要的時(shí)間，不能在30分鐘內(nèi)入睡，每晚實(shí)際睡眠的時(shí)間，而在另外四個(gè)因子上得分概率較低，這一類學(xué)生表現(xiàn)出來的睡眠問題特征主要是不易開始睡眠且睡眠時(shí)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(gè)因子得分概率高，對應(yīng)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(tài)受影響，這類學(xué)生的睡眠問題主要是睡眠狀態(tài)不佳，睡眠過程中易出現(xiàn)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(jìn)睡眠，因此命名為“睡眠不安”.類別3在各個(gè)因子上的得分概率均較低，這類學(xué)生被命名為“睡眠良好”.相反，類別4的學(xué)生在各個(gè)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(xué)生在性別、年級、學(xué)習(xí)壓力和白天精神狀態(tài)等因素上差異有統(tǒng)計(jì)學(xué)意義（P<0.05）;而在性格、專業(yè)和睡前活動等因素上差異無統(tǒng)計(jì)學(xué)意義（P>0.05），見表2.

2.5 睡眠問題潛類別影響因素的多項(xiàng)logistics回歸分析

以4個(gè)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(jié)果顯示，男生、高年級、學(xué)習(xí)壓力大和白天精神狀態(tài)差的學(xué)生發(fā)生睡眠不足的風(fēng)險(xiǎn)較大（P<0.05）;白天精神狀態(tài)差的學(xué)生發(fā)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(jìn)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(jié)果易于解釋，本研究將評估睡眠質(zhì)量七個(gè)組成因子四分類變量（非常好/尚好，較差/非常差）轉(zhuǎn)化為二分類變量（好，差），對應(yīng)的得分模式由（0-3）分轉(zhuǎn)化為（0，1）分，在此基礎(chǔ)上，探討睡眠問題的最佳分類模型.

同樣基于七個(gè)因子得分概率，Yildirim等[12]將社區(qū)老年人睡眠質(zhì)量分為不良睡眠和良好睡眠兩類.而本研究發(fā)現(xiàn)，醫(yī)學(xué)生睡眠問題可分為四個(gè)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(xué)生（79.2%），其他三類學(xué)生均存在不同程度的睡眠問題（20.8%），這與之前的研究結(jié)果高度相似[13，14].通過聚類分析，不難發(fā)現(xiàn)醫(yī)學(xué)生的睡眠問題往往是伴隨著成簇發(fā)生的，比如同一個(gè)體睡眠潛伏期延長常伴隨著睡眠持續(xù)性短，這類學(xué)生的主要特點(diǎn)是雖有一個(gè)舒適的睡眠過程，但睡眠不易開始且睡眠時(shí)間不充足;再如另一個(gè)體雖然很快入睡且睡眠時(shí)間足夠，但在睡眠過程中常出現(xiàn)擾亂睡眠的個(gè)人問題，而這類學(xué)生傾向使用安眠藥物來促進(jìn)睡眠.研究顯示，睡眠藥物的使用從長久來看并不能本質(zhì)地改善睡眠，相反甚至導(dǎo)致更多的睡眠相關(guān)問題，因此這類學(xué)生應(yīng)該引起高度重視[15].

多項(xiàng)logistics回歸分析顯示，與女生相比，男生更容易出現(xiàn)睡眠時(shí)間不足.研究表明，男生網(wǎng)絡(luò)成癮高于女生[16]，可能由于男生傾向花費(fèi)較多的時(shí)間在手機(jī)娛樂或網(wǎng)絡(luò)游戲等方面，甚至熬夜而占用了睡眠時(shí)間，或者利用睡眠時(shí)間去補(bǔ)充學(xué)習(xí)，調(diào)整和應(yīng)對日常的工作量和壓力環(huán)境.高年級學(xué)生發(fā)生睡眠不足的風(fēng)險(xiǎn)性更高，這可能與學(xué)業(yè)壓力及學(xué)術(shù)成就感有關(guān)，相對于低年級而言，高年級學(xué)生學(xué)業(yè)壓力更大，并且處在臨床前階段如實(shí)習(xí)、畢業(yè)等容易出現(xiàn)倦怠，而這種倦怠主要源于玩世不恭和低學(xué)術(shù)成就感，進(jìn)一步演變成為情緒低落甚至情感痛苦，進(jìn)而影響睡眠[17].較差的白天精神狀態(tài)使得睡眠時(shí)間不足和睡眠不安的發(fā)生率增加，這可能與白天里不良的情緒或不安的經(jīng)歷有關(guān)，白天里的負(fù)面行為常常會在夢里重現(xiàn)進(jìn)而影響睡眠.

綜上所述，本研究從潛在類別的角度探討了醫(yī)學(xué)生的睡眠現(xiàn)況，發(fā)現(xiàn)醫(yī)學(xué)生的睡眠問題具有成簇聚類的特征，并且存在性別效應(yīng)，而影響其特征分類的因素則是多方面的.總體而言，醫(yī)學(xué)生的眠質(zhì)量仍不容樂觀，應(yīng)重點(diǎn)關(guān)注學(xué)習(xí)壓力大和白天精神狀態(tài)差的醫(yī)學(xué)生.

參考文獻(xiàn)：

〔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(yī)學(xué)生睡眠質(zhì)量及認(rèn)知情況調(diào)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(yī)學(xué)院校醫(yī)學(xué)生睡眠質(zhì)量及影響因素[J].公共衛(wèi)生與預(yù)防醫(yī)學(xué)，2015，26（06）：94-97.

〔5〕湛宇燦，李白坤，張緣，等.中國八所中醫(yī)藥高校學(xué)生睡眠質(zhì)量及其相關(guān)因素分析[J/OL].中國預(yù)防醫(yī)學(xué)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(yī)學(xué)生睡眠質(zhì)量現(xiàn)狀調(diào)查[J].中國健康心理學(xué)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(guān)系[J].中華高血壓雜志，2016（12）：85-90.

〔8〕謝家樹，魏宇民，ZHU Zhuorong.當(dāng)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(fā)展與教育，2019，35（01）：95-102.

〔9〕鄭棒，李曼，王凱路，等.匹茲堡睡眠質(zhì)量指數(shù)在某高校醫(yī)學(xué)生中的信度與效度評價(jià)[J].北京大學(xué)學(xué)報(bào)（醫(yī)學(xué)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(wǎng)絡(luò)成癮的關(guān)系[J].中國學(xué)校衛(wèi)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(shí)例分析[J].中國衛(wèi)生統(tǒng)計(jì)，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(yī)學(xué)院校大學(xué)生睡眠質(zhì)量與學(xué)習(xí)倦怠相關(guān)性分析[J].中國職業(yè)醫(yī)學(xué)，2016，43（02）：181-184.

〔14〕郭麗，張瑩，李曉亮，等.醫(yī)學(xué)生負(fù)性生活事件與睡眠質(zhì)量關(guān)系[J].中國公共衛(wèi)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(xué)生網(wǎng)絡(luò)成癮現(xiàn)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.