A Nomogram for Identifying Poor Sleep Quality in Community- Dwelling Middle-Aged and Older Adults with Abdominal Obesity Based on Psychological and Physical Fitness Indicators
本研究开发并内部验证了一个整合心理状态与功能性体适能指标的列线图，该列线图在识别腹型肥胖的中老年社区居民睡眠质量差方面，展现出了中等的区分度，且其性能优于常规信息。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
睡眠是人类普遍的需求，然而对于许多步入中年和老年阶段的人来说，睡眠却变得难以捉摸。当休息质量不佳时，其后果会向外扩散，往往与其他健康挑战交织在一起，例如腰腹部脂肪堆积、忧虑或悲伤的情绪，以及身体力量的逐渐下降。虽然医生和研究人员早已知晓这些问题经常同时出现，但在社区环境中寻找一种简单的方法来识别哪些人正受困于睡眠不良，一直以来都颇具挑战。现有的工具大多依赖于询问人们的病史或一般生活方式，往往忽略了个人情绪感受与身体实际运动能力之间的特定联系。
北京体育大学的一个研究小组致力于为特定人群开发一种更好的工具：居住在社区内、且腹部有超重问题的中老年人。他们希望通过将关于心理健康的简单问卷与基础体能测试相结合，观察是否能更清晰地描绘出哪些人正遭受睡眠质量差的困扰。他们的目标并非诊断某种疾病，而是创建一个实用的指南——一张视觉图表——以帮助识别那些可能需要对其睡眠习惯进行进一步关注的个体。
该研究针对的是居住在北京某社区、年龄在45岁及以上且符合腹部肥胖标准的212名成年人。研究人员首先使用一份标准问卷测量了每位参与者的睡眠情况，该问卷涉及睡眠时长、入睡所需时间以及清晨醒来后的疲劳感。他们发现，超过一半的参与者（具体为55.2%）正经历着睡眠质量不佳的问题。为了理解原因，研究团队收集了广泛的数据。他们通过简短易行的问卷询问了参与者的情绪和焦虑水平。同时，他们还通过非常具体的指标测量了身体素质：握力的大小、30秒内能从椅子上站起多少次、坐姿下的伸展距离，以及两分钟内能走多少步。
通过一种旨在从大量可能性中筛选出最重要线索的统计方法，研究人员将发现的因素缩减到了七个关键因素。这些因素包括年龄、焦虑和抑郁量表得分，以及四项具体的体能指标：握力、起坐能力、下肢灵活性，以及通过原地踏步测量的心肺耐力。随后，研究人员将这七个因素整合进一个被称为“列线图”（nomogram）的单一视觉模型中。通过这张图表，使用者可以根据个人的具体回答和测试结果累加得分，从而得到一个估算该个体出现睡眠不良可能性的数值。
当研究人员测试这一新模型的有效性时，结果显示它明显优于仅关注年龄、性别和患病数量等基本信息的传统方法。这个包含了心理和体能细节的新模型，在区分睡眠良好者与睡眠不良者方面具有更高的准确性。研究人员指出，该模型中最强有力的单一线索是抑郁症状的得分；在量表上的得分每增加一点，出现睡眠不良的可能性就会显著上升。虽然体能指标在单独分析时并未显示出强烈的统计学关联，但当它们与心理健康数据结合在一起时，提供了极具价值的背景信息。总之，这些因素共同创造了一个比任何单一信息都更完整的整体图景。
研究作者谨慎地指出，该工具仍处于早期阶段。由于这项研究是在单一时间点进行的，因此它无法证明体能差或焦虑会导致睡眠不良，只能证明在这一特定群体中两者存在密切联系。此外，该模型仅在参与本项北京研究的特定人群中进行了测试。在它被医生或社区卫生工作者用于做出个体患者决策之前，还需要在其他地区的不同人群中进行测试。然而，这项工作提供了一个充满希望的研究方向：通过通过简单易行的测试同时观察身心状况，社区未来或许能拥有更好的方法，来识别那些正受睡眠困扰并可能需要支持的老年人。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。