原创主观认知下降老年人睡眠分型的潜在剖面分析及其影响因素研究
原标题：主观认知下降老年人睡眠分型的潜在剖面分析及其影响因素研究
主观认知下降（SCD）介于正常认知老化与轻度认知障碍（MCI）之间，主要表现为个体主观感知自身认知功能较以往正常状态下降，而客观神经心理学测试无异常［1］。作为阿尔茨海默病（AD）的临床前期阶段，约14%的SCD人群会发展为痴呆，27%的人进展为MCI［2］，早期识别SCD及其危险因素并开展针对性干预是延缓AD发生的关键。研究表明，67%的SCD老年人存在睡眠问题，睡眠障碍可加速认知衰退及痴呆进展［3-4］。由于睡眠受抑郁、衰弱等诸多因素影响［5］，且个体睡眠特征复杂多样，具有高度异质性［6］，而现有研究主要依据睡眠量表临界值和得分高低来划分有无睡眠障碍，难以识别不同睡眠特征。因此，本研究采用潜在剖面分析法，依据匹兹堡睡眠质量指数量表（PSQI）各维度得分对SCD老年人进行睡眠分型，捕捉不同睡眠分型人群特征和异质性，进一步探究不同睡眠分型影响因素，为构建不同睡眠分型的针对性干预方案提供借鉴。
1 对象与方法
1.1 研究对象 2022年5—8月，采用分层便利抽样法进行调查研究。首先，依据江苏省地理区域和经济发展水平进行分层，于江苏省苏南、苏中、苏北地区抽取南京市、常州市、南通市、徐州市共4个城市作为调研点，在4个城市分别采用便利抽样法选取社区SCD老年人作为研究对象。SCD诊断参照JESSEN等［7］提出的诊断标准：（1）存在记忆下降主诉；（2）发病时间<5年；（3）年龄≥60岁；（4）担忧认知减退相关问题；（5）自我感受记忆力比其他同龄人差；（6）无MCI的客观临床损害，北京版蒙特利尔认知评估量表（MoCA）总分≥26分（受教育年限≤12年者总分加1）。纳入标准：（1）符合SCD诊断；（2）小学及以上文化程度；（3）自愿参与本研究，并签署知情同意书。排除标准：（1）患帕金森病、脑肿瘤、癫痫等神经系统疾病者；（2）患抑郁症、精神分裂症和慢性酒精中毒性精神病等精神疾病者；（3）严重听力、视力障碍或言语交流障碍者。本研究经南京市中医院伦理审查委员会批准（审批号：KY2022004）。
1.2 调查工具
1.2.1 一般资料调查 采用自行设计的问卷进行一般资料调查，内容包括：（1）社会人口学特征（性别、年龄、受教育程度、婚姻状况、居住地等）；（2）生活方式〔吸烟（每天至少吸1支烟，连续或累计6个月以上）、饮酒（每周至少饮酒1次，连续6个月以上）、智能手机使用等〕；（3）疾病史（高血压、糖尿病、心脏病）。
1.2.2 认知功能评估 采用主观认知下降问卷（SCD-Q9）进行认知功能下降程度评估，SCD-Q9包含2个维度、9个条目，总分为0~9分，得分越高提示主观认知下降程度越高［8］。采用MoCA评估整体认知功能，MoCA包括视空间与执行功能、命名、记忆等多个认知领域，总分为30分，得分越高表示整体认知功能越好［9］。采用简易智能精神状态检查量表（MMSE）评估认知功能，MMSE包括即刻记忆、短时延迟记忆、语言能力、注意力、计算力、定向力和视空间能力，总分为30分，得分越高表示认知功能越好［10］。
1.2.3 睡眠评估 PSQI共18个条目，涵盖主观睡眠质量、睡眠潜伏期、睡眠时间、睡眠效率、睡眠障碍、睡眠药物使用以及日间功能障碍7个维度，总分为0~21分，得分越高表示睡眠质量越差［11］。
1.2.4 其他评估量表 病人健康问卷抑郁量表（PHQ-9）包含9个条目，每个条目0~3分，总分为27分。PHQ-9评分越高表示抑郁倾向越明显［12］。衰弱筛查量表（FRAIL量表）主要包括疲劳感、体能下降、步速下降、乏力及不明原因体质量下降5项，总分0~5分，0分为无衰弱，1~2分为衰弱前期，3~5分为衰弱状态［13］。
1.3 调查方法及质量控制 采用问卷调查方式，当面告知研究对象调查目的和意义，并征求其知情同意。由经过标准化培训的调查员使用统一指导语，面对面、一对一的方式进行认知筛查和睡眠评估。调查问卷和评估量表在结束后当场收回，于当日进行核实校验，数据处理均由双人协作完成。
1.4 统计学方法 采用SPSS 25.0软件进行数据处理与统计学分析。不符合正态分布的计量资料以M（QR）表示，多组间比较采用Kruskal-Wallis H检验。计数资料以频数和构成比表示，各睡眠分型的人群分布差异采用χ2检验或Fisher's确切概率法；采用无序多分类Logistic回归分析探究睡眠分型的影响因素，双侧检验水准α=0.05。采用Mpuls 8.3软件进行潜在剖面分析。模型适配检验指标主要包括：（1）赤池信息准则（AIC）、贝叶斯信息准则（BIC）、样本校正的BIC（aBIC），数值越小表示模型拟合越好。（2）Entropy指数，越接近1表示分类准确率越高；（3）似然比检验（LMR）和基于Bootstrap的似然比检验（BLRT）用于模型比较，检验值P<0.05时表示第K个模型拟合优于第K-1个模型。
2 结果
2.1 一般资料 本研究共纳入287例SCD老年人，其中男132例（46.0%），女155例（54.0%）；年龄（70.9±7.7）岁；受教育程度为小学26例（9.0%），初中86例（30.0%），高中及中专99例（34.5%），大专33例（11.5%），本科及以上43例（15.0%）；城市231例（80.5%），城镇19例（6.6%），农村37例（12.9%）；已婚258例（89.9%），离婚2例（0.7%），丧偶27例（9.4%）；已退休279例（97.2%），未退休8例（2.8%）；独居21例（7.3%），非独居266例（92.7%）。
2.2 潜在剖面分析结果及命名 根据PSQI各维度得分对SCD老年人睡眠进行潜在剖面分析，以PSQI各维度得分为外显变量，依次拟合1~5个潜在类别模型，各模型拟合指数见表1。随着分类数量增加，AIC、BIC、aBIC值不断减小，5类别模型时达到最小，但LMR检验值不显著。4类别模型时，LMR、BLRT检验值达显著水平，但其类别模型划分复杂且缺乏实际意义，故选取模型3为最佳拟合模型。三个类别平均归属概率分别为97.2%、96.0%和100.0%，表明该模型结果可信。
基于模型3，SCD老年人睡眠可分为3个潜在类别，类别1占比69.7%，此类老年人在PSQI各维度得分均低于其他两类，但在睡眠时间和睡眠障碍维度得分偏高，故命名为“睡眠相对良好型”，共200例。类别2占比21.9%，此类老年人在睡眠时间、睡眠效率维度得分显著高于其他两类，故命名为“睡眠不足型”，共63例。类别3占比8.4%，此类老年人在入睡时间、催眠药物使用和日间功能障碍维度上得分较高，故命名为“入睡困难-药物催眠型”，共24例。三种睡眠潜在分型SCD老年人PSQI各维度得分比较，差异均有统计学意义（P<0.01），见表2。
2.3 SCD老年人睡眠潜在分型的单因素分析 三种睡眠潜在分型SCD老年人的性别、智能手机使用、PHQ-9及FRAIL量表得分比较，差异均有统计学意义（P<0.05），见表3。
2.4 SCD老年人睡眠潜在分型影响因素的无序多分类Logistic回归分析 以睡眠潜在分型为因变量（赋值：睡眠相对良好型=1，睡眠不足型=2，入睡困难-药物催眠型=3），以睡眠相对良好型为参照组，以单因素分析中有统计学意义的变量为自变量（赋值：PHQ-9、FRAIL量表得分采用实测值），进行无序多分类Logistic回归分析，结果显示，性别、智能手机使用、PHQ-9得分是SCD老年人睡眠分型的影响因素（P<0.05），见表4。
责任编辑：