PNAS:睡眠时间预测大学生的第一年的成绩

大学第一年的学业成就对于让学生走上通往长期学业和人生成功的道路至关重要，但人们对塑造大学早期学业成就的因素知之甚少。鉴于睡眠在学习和记忆中发挥的重要作用，我们在此扩展了这项工作，以评估夜间睡眠时长是否可以预测期末平均绩点(GPA)的变化。来自三所独立大学的一年级学生在他们的五项研究中提供了在冬春季学期前一个月的睡眠活动记录仪。研究结果表明，较长的早期夜间总睡眠时间预示着较高的期末GPA，即使在控制了上学期的GPA和日间睡眠后，这种效应仍然存在。具体来说，在学期初期每晚平均睡眠时间每增加一个小时，期末GPA就会增加0.07。使用睡眠阈值进行的敏感性分析也显示，与前一学期的GPA相比，每晚睡眠不足6 h是睡眠对期末GPA从有益转变为有害的时间段。值得注意的是，与GPA之间的预测性关系仅针对夜间总睡眠时长，而非睡眠的其他标志物，如学生夜间睡眠时间窗口的中点或就寝时间变异性。这些来自五项研究的发现确立了夜间睡眠时间是学业成功的一个重要因素，并强调了在大学第一年的形成期测试早期学期总睡眠时间干预的潜在价值。

大学第一年是一个特别具有挑战性的过渡时期，对未来的学术和生活成功有着深远的影响。一年级平均绩点(GPA)已被证明可以预测学生是否会长期留在学校，而不受其他关键因素的影响，如性别、社会经济地位、种族、大学承诺、社会联系和学术自律。此外，荟萃分析表明，大学GPA可以可靠地预测未来的工作表现成功。我们如何更好地理解和促进早期大学成就?目前，关于哪些行为因素可以改善大学一年级学生的GPA，我们知之甚少。考虑到大学早期的学业表现对留职和职业轨迹的影响(政策制定者和教育者的核心兴趣都是如此)，确定学业成功的行为前因后果和最佳的时间窗是很重要的，在这个时间窗内针对性的干预可能是最有效的。大学第一年学业成功的一个关键因素是学生的睡眠习惯。许多大学生经历了不规律和不足的睡眠模式，而且在动物和人类模型中，人们已经确定，采用健康的睡眠习惯对促进学习和记忆巩固至关重要。虽然之前的研究提示，青少年和成人初显期的夜间睡眠时长和白天嗜睡可能与学业成绩相关，但之前的研究大多受到睡眠自我报告的限制，而自我报告可能存在显著的偏倚(如参考文献，参考文献中睡眠时间和日间嗜睡可能与学习成绩相关)。现在，测量客观睡眠和身体活动的活动追踪器(如fitbit)已经变得无处不在，越来越多的大学生使用它，我们更有能力在实验室之外严格评估睡眠模式对学业成功的影响。在目前的多所大学纵向分析中，我们首次在大学一年级学生样本中测试了早期睡眠的客观指标(通过腕动记录仪)是否能预测GPA的后续变化。值得注意的是，我们从三所不同的美国大学中抽取了五个不同的样本，其中包括一所以科学、技术、工程和数学(STEM)为重点的私立大学，一所私立天主教大学和一所大型公立州立大学。

对许多大学生来说，大学第一年是一个重要的人生过渡期，这意味着更大的独立性和自主性、学业负担、努力在童年家庭之外建立新的睡眠习惯以及建立新的友谊。正因为如此，大一的学生要应对各种各样的个人、认知和社会需求，这些需求可能会影响睡眠习惯，而这对学习有影响。更重要的是，这一阶段是人生发展的关键时期，因此，对睡眠行为的深入理解对制定有效的干预措施具有理论和实践意义。本研究利用腕动记录仪在大学一年级冬春季学期早期评估睡眠与GPA之间的关系。我们之所以选择这一关键时间窗来评估睡眠- GPA关系，是因为在期中和期末考试之前，这一时间窗是睡眠模式更稳定的时期，并且是进行针对性睡眠干预的时间窗。在预先注册的发现分析中(https://osf.io/5xngv;https://osf.io/ x76b4)，我们首先在一年级大学生的样本中测试了睡眠- GPA的关系，发现通过腕动仪评估的早期夜间睡眠与期末GPA显著正相关。随后，我们预先登记了验证性假设，以评估在四个独立纵向样本中观察到的睡眠与GPA的前瞻性、方向性关联。

1. 结果

睡眠活动记录仪数据的描述性结果表明，所有5个样本的大一学生平均每晚睡眠6 h 37分钟(SD = 51分钟)。睡眠活动记录仪数据还显示，学生在周末比工作日晚上平均多睡29分钟。表1提供了5个样本汇总的早期睡眠特征的更多信息。

在发现性研究(研究1)中，早期每晚总睡眠与期末春季GPA呈正相关，即使在控制了冬季/春季学期之前的秋季学期GPA后，这种效应仍然存在。早期睡眠和期末GPA之间的关系也在不同大学的验证性研究中被观察到:研究2，研究3和研究4，虽然这种关系在研究5中是相同的方向,但不显著。随后的汇总分析显示，在控制了前一学期GPA后，较长的早期总睡眠时间(TST)与较高的GPA显著相关，这相当于每晚睡眠每增加1小时GPA提高0.07(所有回归结果见图1和表2)。

图1 早学期总睡眠时间(TST)与春季学期GPA相关。通过研究绘制出早期学期TST与春季学期GPA(不控制上学期GPA)的线性回归模型

一系列敏感性分析评估了通常与夜间睡眠和GPA相关的变量(即日间睡眠、人口统计学特征和学期负荷)是否可能影响这种关联。描述性分析显示，所有5个样本的学生平均白天睡眠时间为41 min (SD = 27.4 min;参见表1的汇总描述)。支持性在线材料(第3页)提供了如何从fitbit获取和分析日间睡眠数据的信息。在确证性样本中，协变量调整的多元回归分析结果显示，在控制了前学期GPA、日间睡眠、种族、性别和第一代出生状态后，夜间睡眠时间与期末GPA之间的关联强度并没有显著改变。同样，在随后对确证性研究2、3和5进行的汇总分析中，总学时负荷(操作化为每学期入学的学时单位总数;研究4没有收集这些数据)被添加到之前的模型中。多元回归分析的结果表明，对这些变量中的每一个进行统计控制并没有明显影响每晚总睡眠和期末GPA之间的关联强度。

表3提供了这些协变量校正敏感性分析的汇总研究结果。支持的在线材料SI附录表S3提供了关于各项研究结果的更多信息。

为了进一步探索汇总样本中的总夜间睡眠- GPA关系，在阈值敏感性分析中，学生按平均夜间睡眠分成三组:平均睡眠<6、6 - 7和7+ h的学生(表3)。具体来说，睡眠<6、6 - 7和7+ h的学生春季学期平均GPA值分别为3.25、3.48和3.51。此外，这些春季学期GPA值对应于基线(秋季学期)GPA的变化，分别为- 0.13,0.02和0.01，这表明是每晚睡6小时的人在期末GPA上受到了影响。具体来说，冬/春季学期GPA和GPA变化分数显示GPA在6 h和6+ h之间显著增加，这表明每晚少于6 h的睡眠可能对学习成绩有害，而低于6 h的平均每晚睡眠可能是一个阈值，在这个阈值中，睡眠对学生GPA从有益到有害(表4)。

睡眠和GPA之间的关系在夜间总睡眠时最为稳健;在各数据集中，与其他睡眠变量没有可靠的关系。虽然在探索性研究中发现，学生的平均每晚睡眠时间(“中点睡眠”)和他们的睡前时间变异性[“睡前时间平均连续的平方差(MSSD)”]与GPA(控制了上学期的GPA)之间有显著的关系，但这些关系在四项验证性研究中并不稳健(见在线支持材料)。具体来说，较早的平均每晚睡眠时间与较高的GPA在发现研究和研究4中显著相关，但在研究2、3和5中没有相关。同样，在探索性研究中，学生就寝时间变异性较低与期末GPA较高显著相关，但在研究2、3、4和5中无此相关性。

2. 讨论

众所周知，数十年来，青少年和年轻成人的夜间总睡眠率一直在下降，关于不断增长的睡眠债务是如何导致年轻人抑郁、肥胖风险和与驾驶相关的事故增加的讨论也很多。在这里，我们通过三所大学的五项研究表明，每晚的总睡眠时间也可能对大学第一年的学业成就有重要影响。早期较少的夜间睡眠与较差的期末GPA相关(相反，较多的夜间平均睡眠与较高的期末GPA相关)。特别是，每晚睡眠不足6小时对学生期末GPA的影响尤其大，与学生上学期的GPA相比。即使在控制了上学期的GPA之后，并且在控制了已知与睡眠和学业成绩相关的其他因素(例如日间睡眠、学业负荷、性别、种族或第一代大学生身份)之后，夜间总睡眠和期末GPA之间的前瞻性关系仍然存在。虽然研究人员长期以来一直怀疑睡眠可能在学业成功中发挥关键作用，但之前的工作依赖于对TST的横断面、回顾性自我报告评估，以评估大学生样本中TST和GPA之间的关系。采用自我报告睡眠测量的横断面、回顾性研究设计是有限的，因为主观睡眠时长并不是客观睡眠时长的可靠测量。此外，与纵向睡眠日记测量相比，单时间点评估容易出现报告偏倚和许多效度问题。在目前的工作中，我们通过多项前瞻性纵向研究解决了这些局限性，并在美国三所大学的不同大一学生群体中提供了新的证据，这些证据表明学期早期的TST可以前瞻性地预测期末GPA。客观腕动记录仪睡眠数据的结果表明，较高的早期TST预示着较高的期末GPA，前瞻性测量的时间间隔为5 - 9周。

睡眠医学指南表明，青少年每晚应该有8到10小时的睡眠(26)，但在目前的样本中，大一学生平均每晚睡眠6小时37分钟(SD = 51分钟)。此外，在我们的5个样本中，一年级学生的平均睡眠不足6小时的比例很高(21%)，在这些样本中只有5%的学生达到了至少8小时的睡眠标准。虽然这些睡眠不足的模式可能令人不安，但在其他大学生的样本中也发现了这些模式。虽然在这些样本中观察到大量一年级学生的每晚睡眠时间远远低于最低8小时，这很令人震惊，但这可能有助于解释为什么睡眠和GPA之间存在稳定的线性关系，以及为什么少于6小时的平均每晚睡眠时间与期末GPA呈负相关。既往对居住在社区的成年人进行的研究显示了一种曲线关系，即睡眠过少和睡眠过多均与认知不良、精神健康问题和死亡风险增加相关。但目前的研究结果不同，表明即使是在每晚总睡眠时间范围的最顶端，这些大一学生的学习成绩也没有这样的下降(只是略有增加)(图1)，这可能是因为这些样本中每晚睡8小时的人太少了。

睡眠对GPA的影响在夜间总睡眠方面最为稳健。虽然在探索性研究中，平均每晚睡眠时间窗(中点睡眠)和学生睡前睡眠时间变异性(睡前MSSD)是预测GPA(控制上学期GPA)的潜在重要睡眠变量，但在四个验证性数据集中，它们并不是稳健或可靠的预测因素。夜间总睡眠是最稳健的预测因素，这与越来越多的文献表明TST可能是一系列健康和认知结局的重要预测因素一致。目前的工作集中在可以从腕动记录仪提取的睡眠变量上，在未来的研究中，评估其他睡眠变量(如白天嗜睡)是否也可能预测GPA将是重要的。一个值得研究的有趣途径是研究夜间总睡眠不足是否会产生白天嗜睡模式，从而可能损害学术学习期间的执行功能能力(如注意力、工作记忆)。

大学第一年是理解睡眠模式和学习成绩的一个特别重要的时期。对于许多学生来说，大学的第一年是童年和成年之间的一个重要的人生过渡。大学一年级的学生正在努力建立独立的睡眠习惯，他们往往面临着新的竞争压力，包括工作和宿舍生活，以及富有挑战性的课业负担。本研究强调了早期充足的夜间睡眠对学习成绩的重要性，提示在学期早期进行睡眠行为干预可能对大学一年级学生有帮助。开展针对TST的行为干预的前瞻性随机对照试验，可以达到双重目的，一方面评估早期TST对提高期末GPA的因果作用，另一方面确定促进第一年学业成功的转化干预措施。据我们所知，目前还没有针对大学生TST改善的干预措施的随机对照试验，尽管这一人群中存在严重的睡眠不足。失眠的认知行为疗法(Cognitive Behavioral Therapy for Insomnia, CBT-I)和正念干预方法有一些希望。

本研究结果鼓励未来在青少年睡眠与学习成绩之间建立联系的行为和神经生物学机制方面开展研究。未来的研究可以评估每晚睡眠总量减少是否会损害整个学期的学习动机或学习习惯。睡眠受限导致的快速眼动(REM)睡眠减少也可能是一个重要机制，因为REM睡眠时间与语言学习潜能相关。睡眠纺锤体紊乱也可能起到重要作用。已有研究表明，慢性睡眠限制可能导致第二阶段睡眠和快速眼动睡眠减少，而第一阶段睡眠和慢波睡眠持续时间不变。第二阶段睡眠的特征是存在睡眠纺锤波，青少年的睡眠限制导致快纺锤波振幅降低。快速纺锤波振幅与青少年的流体智力相关，因此睡眠纺锤波可能是TST降低影响学习成绩的机制之一。

本研究存在局限性。首先，与多导睡眠监测相比，使用腕动仪和市售睡眠追踪器测量睡眠的准确性一直存在争议。本研究使用腕动仪fitbit追踪睡眠模式，这可能低估了夜间总睡眠时间7 ~ 67分钟，这表明目前样本中学生的睡眠时间可能比腕动仪估计的时间更长。在我们的4个样本的一个子集中，我们将Fitbit的夜间TST与同时的每日自我报告的睡眠日记TST进行了比较(见在线支持材料和SI附录，表S6-S9)。腕动仪测量的两种TST测量结果之间有很强的一致性，腕动仪估计的夜间TST时间比睡眠日记短3分钟。然而，即使保守地假设实际夜间睡眠平均增加了67分钟，相对于我们使用腕动记录仪在学生样本中观察到的情况，这仍然意味着这些样本中62%的学生每晚总睡眠时间仍然少于8小时，而8小时是年轻人每晚睡眠的最低建议(26小时)。使用其他金标准指标(例如多导睡眠描记术)评估夜间睡眠总量将有助于未来评估学业成就结局的研究。

第二，本研究的重点是一年级学生在冬春季学期的早期睡眠。春假期间没有跟踪睡眠，我们的研究表明，前瞻性的TST-GPA效应存在于春假之前(研究1、4和5)和之后(研究2和3)跟踪早期睡眠的研究中。但在未来的研究中，值得做的是评估一年级学生(或大学二年级或更高年级)的秋季学期是否也存在睡眠- GPA联系，以及调整早期学期的睡眠时间窗是否可能符合或延长这些TST-GPA联系。我们目前工作的目的是确定最佳的睡眠模式建立的时间窗，以及何时可以提供早期干预以提高学业成功。第一年冬春季学期的前几个月可能为转化干预工作提供了一个理想的机会窗口。第三，虽然我们在三所不同大学的四项验证性研究的汇总样本中，早期TST和期末GPA之间的关系是稳健的，但有一项单独的研究(研究5)在将前一学期GPA作为控制变量时，在统计上没有显著性。随访分析评估了是否有调节变量可以解释这一情况，但未发现任何调节变量。因此，在未来的研究中，不仅要评估调节因素，还要评估大学一年级学生新样本中TST-GPA关系的强度。第四，目前研究的一个优势是，即使在控制了日间睡眠、总体学业负荷、性别、种族和第一代学生身份等因素后，睡眠- GPA之间的关系仍然存在。但其他变量也可能在睡眠和学习成绩的关系中发挥作用(如抑郁、物质使用)。

3. 结论

大学一年级学生睡眠不足，目前的研究表明，这可能会为他们的学业成就带来巨大的代价。在美国三所不同大学进行的五项研究中，600多名学生在学期开始前平均每晚睡眠6小时37分钟，这一速度凸显了显著的睡眠债务累积。此外，每晚睡眠减少的每一小时与期末GPA下降0.07相关。目前的研究结果呼吁对年轻人的睡眠成就结果进行更多的研究，并鼓励新的公共卫生措施来帮助年轻人获得更多的睡眠。

4. 关键方法

睡眠特征提取

由Fitbit应用程序编程接口(API)提供的原始Fitbit睡眠数据，包括每分钟的睡眠数据。具体来说，这意味着如果参与者睡着了，Fitbit会将其报告为一系列的“睡眠”分钟，并将在该睡眠时间中感知到非轻微运动的任何一分钟标记为“清醒”或“不安”。在参与者清醒的时间(即睡眠之外的时间)，Fitbit API未将这些时间标记为清醒或清醒。同样，如果参与者选择不戴他们的Fitbit，或者他们的Fitbit没电了，也不会将这几分钟标记为睡眠或清醒。

为了计算睡眠特征(例如，中点睡眠)，我们首先提取了睡眠片段。为此，我们设置了两个参数。第一个是记录睡眠时必须存在的至少连续非清醒时间(即睡眠或不安)。第二个是定义睡眠开始和结束的连续清醒时间的最大值。我们将第一个参数设置为20，后一个参数设置为5，因此一次睡眠被定义为至少20分钟的标记为非清醒的时间，并且在两端间隔至少5分钟的清醒时间。换句话说，一段睡眠可能包含清醒的几分钟，但在一段睡眠中不会有连续5分钟或更多的清醒时间。在这个片段提取完成后，我们计算了主要的睡眠片段。我们将第n日的主要睡眠时段定义为第n日之后中午开始，第(n + 1)日之前中午开始的最长睡眠时段。所有超出这些参数范围的其他睡眠被归类为“日间睡眠”(即所有非主要睡眠时间的总和;关于日间总睡眠的描述性统计量，见SI附录表S6)。我们计算第n天的就寝时间作为主要情节的开始，起床时间作为主要情节的结束。睡眠中点是指就寝时间和起床时间的中点。卧床时间计算为觉醒时间和就寝时间之间的差值，而TST是卧床时间减去主要睡眠阶段总清醒/躁动的时间。为了捕捉睡眠时间窗的变异性，我们将MSSD测量值应用于就寝时间。MSSD已被用于其他睡眠研究，由于MSSD具有时间依赖性，因此与其他传统的变异性指标(即SD)相比具有优势。为了计算就寝时间，我们计算了在我们的时间段内连续晚上就寝时间差的平方的平均值。例如，如果我们连续睡了4晚，我们通过计算(第2晚就寝-第1晚就寝)2、(第3晚就寝-第2晚就寝)2和(第4晚就寝-第3晚就寝)2的平均值来计算就寝MSSD。与计算标准差相比，这种测量变异性的方法更精确，因为它考虑了数据的时间方面。

我们的发现数据集(研究1)被用于确定我们感兴趣的睡眠特征在我们的受控线性回归模型中显著的早期学期(即，睡眠特征和基线GPA作为独立特征，春季学期GPA作为依赖特征)。

随后，通过确定与研究1中早期阶段最匹配的早期阶段，确定了其他队列的早期阶段。各队列的早期治疗期见SI附录表S1。对于研究4和研究5，确定早期学期很简单，因为这些队列也属于学期制，因此，我们使用大约学期开始后的3周作为早期学期窗口的开始。对于研究2和研究3，我们必须调整到较小的季度学期，并选择大约在季度开始后的一周作为早期学期的开始。然后通过检查睡眠特征图来验证这些选择。

具体来说，TST通常在学期初期较高，然后随着学期的进展而降低。我们通过检查这些早期学期与TST下降时间重合或紧随其后来验证我们的早期学期选择，我们认为这表明这一学期有较高的学习压力。重要的是，我们有意地在不了解GPA或学业成绩数据的情况下为我们的验证数据集确定了早期学期。通过选择早期学期，可以在学期早期发现有学习成绩低风险的学生，这段时间窗仍然有机会引入学期内干预措施以提高学习成绩。我们纳入了在这些时期至少有20%可能的主要睡眠发作(即至少有5次主要睡眠发作)，并且有之前累积GPA和春季学期GPA数据的所有学生。此外，没有睡前MSSD值的学生被排除(例如，有5次主要睡眠，但没有连续的)。在将人口统计学特征作为协变量的敏感性分析中，通过询问参与者父母的教育水平来评估第一代大学生的状况，如果父母双方均未完成任何大学教育(即高中或以下学历)，则将学生视为第一代学生。对于种族敏感性分析，我们为未被充分代表和未被充分代表的学生创建了一个二元标签。如果父母中有一方是黑人、西班牙裔或拉丁裔、美国原住民或太平洋岛民，则认为学生的代表性不足。如果父母双方均来自未被充分代表的类别(即父母双方均为白种人和/或亚洲血统)，则认为学生未被充分代表。这些敏感性分析的结果见SI附录表S3。

参考文献：Nightly sleep duration predicts grade point average in the first year of college

PNAS:睡眠时间预测大学生的第一年的成绩相关推荐

计算机专业大学生每天睡多久,大学睡眠时间最少的10大专业，没想到第一名竟是......
赢在大学励志 | 情感 | 学习 | 生活! 来源:大学生必备网 ID:daxue280 俗话说得好,专业选得好,天天在养老,专业选不好,年年胜高考.你知道哪些专业最苦最累?睡得最少吗?,快来看看你 ...
计算机专业大学生每天睡多久,大学生睡眠时间最少的10个专业！是你的专业吗?...
原标题:大学生睡眠时间最少的10个专业!是你的专业吗? 事业单位选择大学专业这件事,一定得慎重! 常言道,专业选的好,天天在养老:专业选不好,年年胜高考.大学里的专业,有的男生多,简直就是少林寺一般 ...
#时间预测算法_改进的智慧交通系统出行时间预测算法
引用 Chowdhury N K, Leung C K S. Improved travel time prediction algorithms for intelligent transporta ...
mysql当前时间减1小时_最佳睡眠时间：晚上睡眠不超8小时，午睡不超1小时
最近,2020年的欧洲心血管学会年会(ESC 2020)公布的两则研究摘要, 都是和睡觉有关的. 根据这两则研究, 可以得出最佳睡眠时间: 晚上睡眠不超8小时, 午睡不超1小时! 晚上睡超过8小时, ...
AMIRA时间预测实现过程详解（含代码可直接套用）
今日学习了amira做时间预测,下面分享以下学习成果具体思路基本思路就是这样, 接下来带你一步步实现白噪声检验白噪声序列各项之间没有任何的关系,完全为无序波动,没有任何信息可提供即终止分析. ...
推荐你的最佳睡眠时间
一.什么时候睡睡眠是有大学问的!老话说早睡早起身体好,只有一个概念,没有定量,等于没有说.睡眠质量的关键就在于深睡眠,可以说只要睡2~3个小时就足够了.通常情况下,0点至3点是深睡眠时间,但并不是一 ...
如何减少睡眠时间却保持健康
转自:http://chn.blogbeta.com/299.html -blog中文翻译原文:How to Sleep Less and Stay Healthy - Y. Graf 翻译:弥缝( ...
Nature：刘清华团队揭示调控睡眠时间的关键分子通路
导读你能做到一周不睡觉吗?良好的睡眠对我们保证生活质量十分重要.不过,有些人每天只需睡4-6个小时,有些人则需要8个小时(可能还不够),这是什么原因导致的? 其实,这也是很多科学家好奇的问题,最近, ...
计算机睡眠时间 win7,技术编辑帮你win7系统设置计算机睡眠时间的详细解法
或许有朋友在使用电脑工作的时候,遇到过win7系统设置计算机睡眠时间的情况,还有很多朋友不知道win7系统设置计算机睡眠时间的情况如何处理,针对这一问题,我给大家整理总结出了win7系统设置计算机睡眠 ...

PNAS:睡眠时间预测大学生的第一年的成绩

PNAS:睡眠时间预测大学生的第一年的成绩相关推荐

最新文章

热门文章