机器学习揭示睡眠模式与内在能力的关联：甘道健康长寿计划研究成果

　　本综述采用机器学习方法，系统分析了社区中老年人群睡眠模式与内在能力（IC）的关联。研究发现匹兹堡睡眠质量指数（PSQI）评分升高与IC下降显著相关（OR 1.10, p<0.001），特别在心理维度和活力维度表现突出。通过K-means聚类识别出的四类睡眠模式中，睡眠质量最差群体的IC风险最高（OR 2.54）。研究强调了通过改善睡眠质量（尤其心理和活力维度）来促进健康老龄化的重要性。

　　

研究亮点 (Highlights)

背景 (Background)

本研究采用机器学习方法探讨睡眠与内在能力（IC）的关联，旨在促进社区健康老龄化和失能预防。

方法 (Methods)

招募810名50岁以上社区居住者，使用匹兹堡睡眠质量指数（PSQI）及其子域评估睡眠模式。通过K-means无监督机器学习将睡眠模式聚类为四种类别，并对IC的认知、运动、活力、心理和感官功能进行评估，采用最大可能百分比法进行重新标定。

结果 (Results)

低IC与较高PSQI评分显著相关（OR 1.10, 95% CI 1.05-1.15, p<0.001），同时与较差的睡眠质量、较低的习惯性睡眠效率和增加的睡眠干扰相关。睡眠质量差（PSQI >5）与低IC以及心理福祉和活力子域得分较低存在关联。K-means聚类分析显示：类别1（最差睡眠者）（OR 2.54, 95% CI 1.55-4.16, p<0.001）、类别2（短时低效睡眠者, OR 1.69, 95% CI 1.18-2.43, p=0.004）和类别3（低效睡眠者, OR 1.50, 95% CI 1.02-2.20, p=0.037）相较于稳健睡眠者均表现出更高的低IC风险。

结论 (Conclusions)

该研究凸显了睡眠质量在维持内在能力和促进健康老龄化中的关键作用，其中心理福祉和活力受损被确定为主要贡献因素。这强调了培养健康睡眠习惯对整体健康的重要性。