《Technologies》:WASO as a Stage-Resolved Window for Detectable HRV Differences in Paradoxical Insomnia
Ye Eun Kong,
A Hyun Jung and
Se Dong Min
编辑推荐:
矛盾性失眠(Paradoxical Insomnia, PI)的特征是主观睡眠抱怨与客观睡眠保存之间的差异,但其自主神经机制仍知之甚少。本研究利用心率变异性(Heart Rate Variability, HRV)分析,在一个大型人群队列中研究了PI的阶段特异
矛盾性失眠(Paradoxical Insomnia, PI)的特征是主观睡眠抱怨与客观睡眠保存之间的差异,但其自主神经机制仍知之甚少。本研究利用心率变异性(Heart Rate Variability, HRV)分析,在一个大型人群队列中研究了PI的阶段特异性自主神经特征。HRV特征从非快速眼动(Non-Rapid Eye Movement, NREM)睡眠、快速眼动(Rapid Eye Movement, REM)睡眠和觉醒后清醒期(Wake After Sleep Onset, WASO)的非重叠五分钟窗口中提取。组间差异通过FDR校正的单变量分析、多变量嵌入和监督机器学习进行评估。全夜、NREM和REM特征显示各组间存在大量重叠。相反,最一致的组间差异出现在WASO期间。多变量分析显示,WASO期间组位移最大,UMAP质心距离超过NREM和REM睡眠期间观察到的距离。基于WASO特异性特征训练的监督模型达到了最高的分类性能,对于PI与正常睡眠的对比,准确率为0.629,F1-score为0.683。综合来看,这些发现表明WASO是跨互补分析中最一致地检测到组间HRV差异的阶段,尽管一些基于离散度的结果在很大程度上受到WASO窗口数量的影响。
**论文解读文章**
**研究背景、问题与目的**
睡眠是维持生理稳态、认知功能和长期健康的基础过程,而失眠是最常见的睡眠障碍之一,影响约10–25%的成年人。矛盾性失眠(Paradoxical Insomnia, PI)作为失眠的一种特殊亚型,以主观严重睡眠抱怨与多导睡眠图(Polysomnography, PSG)客观保存的睡眠之间的显著差异为特征,其机制尚不明确。既往研究提示中枢神经系统存在皮层高唤醒等改变,但外周自主神经相关表征仍缺乏系统认知。自主神经系统(Autonomic Nervous System, ANS)通过下丘脑-脑干通路与中枢唤醒系统紧密耦合,心率变异性(Heart Rate Variability, HRV)作为衡量自主神经调节的非侵入性指标,已被广泛用于失眠研究。然而,多数HRV研究依赖全夜平均值或综合指标,可能掩盖睡眠-觉醒动态转换中的瞬时自主神经变化。觉醒后清醒期(Wake After Sleep Onset, WASO)是一种过渡性和生理不稳定状态,反复出现唤醒和睡眠-觉醒转换。若PI表现为状态依赖性而非持续性高唤醒,自主神经改变可能优先出现在此类过渡状态。因此,本研究旨在通过分期解析的HRV分析,在一个大型人群队列中系统表征PI的阶段特异性自主神经特征,并验证假设:全夜HRV指标在PI、客观失眠(Objective Insomnia, OI)和正常睡眠(Normal Sleep, N)组间存在大量重叠,而WASO期HRV特征相比NREM或REM期展现更强的自主神经分化能力。该研究发表在《Technologies》期刊上。
**主要技术方法**
研究人员基于睡眠心脏健康研究(Sleep Heart Health Study, SHHS)队列,经多重排除标准(PSG质量、生理异常、睡眠呼吸障碍、药物影响等)后纳入1970名参与者,并随机抽取每组200人(PI、OI、N)进行平衡分析。使用ECG信号预处理和XQRS算法检测R波,构建R-R间期序列。依据指南采用非重叠5分钟窗口,分别提取NREM、REM和WASO阶段的时域、频域及非线性HRV特征(共多种指标)。统计方法包括FDR校正的Mann–Whitney U检验、UMAP非线性降维与质心距离置换检验,以及随机森林监督机器学习分类。
**研究结果**
**3.1 整体HRV差异**:通过比较全夜平均HRV特征发现,PI、OI和N三组间所有时域、频域及非线性指标均无统计学显著差异,效应量小,说明全夜平均值无法区分失眠表型。
**3.2 阶段特异性HRV差异**
**3.2.1 PI vs. N**:在NREM和REM睡眠中,两组间无显著HRV差异;而在WASO阶段,经FDR校正后19个HRV特征表现显著差异,主要表现为PI组在WASO期间具有更大的阶段内离散度(如SDNN IQR、RMSSD IQR、HF功率IQR、样本熵IQR等),但效应幅度较小,组间分布仍大量重叠。
**3.2.2 PI vs. OI**:同样,在NREM和REM中无显著差异;WASO阶段10个HRV特征显著差异,主要反映OI组在离散度指标上高于PI组(如DFA α1 IQR、SDNN IQR等),而PI组在VLF中位功率上高于OI组。
**3.2.3 全数据集敏感性分析**:使用完整数据集重复分析,结果模式一致,证明平衡抽样策略未影响主要发现。
**3.2.4 WASO窗口数对离散度指标的影响**:所有基于IQR的WASO离散度指标与有效WASO窗口数呈显著正相关;在协变量调整后,先前显著的组间离散度差异均不再显著,提示这些差异受WASO窗口数影响。
**3.3 多变量模式分离(UMAP)**:在NREM和REM阶段,UMAP投影显示PI、OI和N组间大量重叠,质心距离小且置换检验不显著(p>0.16);在WASO阶段,质心距离显著增大(PI vs. N:0.876,p=0.001;PI vs. OI:0.596,p=0.003),说明WASO期多变量HRV模式存在统计学上可检测的组位移,但整体重叠仍显著。
**3.4 机器学习分类性能**:基于NREM和REM期HRV特征的随机森林分类器性能接近随机水平;基于WASO期特征的模型在PI vs. N任务中达到最高准确率0.629、F1-score 0.683(PI),在PI vs. OI任务中也表现相对最佳,但整体区分能力仍属中等,不宜作为临床诊断工具,而是证明WASO期自主神经信息含量相对更高的概念验证。
**讨论与结论**
讨论部分指出,本研究的主要贡献在于证明PI相关的HRV差异并非表现为持续性全夜模式,而是在WASO阶段最一致地可检测。这一发现强调了分期解析分析的价值,因为它能捕捉到传统全夜摘要指标所忽略的瞬时生理变化。然而,差异幅度较小,且离散度指标受WASO窗口数影响,因此结果应谨慎解释。研究存在局限性:基于单夜横断面数据、样本主要为中老年人、仅使用HRV指标未能直接测量中枢活动等。未来需采用多模态、纵向和分期感知的方法进一步验证。
研究结论部分可翻译为:总之,本研究表明失眠表型间的HRV相关差异并非表现为广泛的全夜模式,而是在WASO阶段最为可检测。通过在一个大型人群队列中应用分期解析的心率变异性分析,研究人员确定WASO是组间细微差异最一致被观察到的睡眠-觉醒状态,而全夜、NREM和REM指标则显示大量重叠。同时,这些差异幅度较小,且基于离散度的WASO发现受WASO窗口数影响。因此,结果应谨慎解读,不能作为生理上显著分离或PI特异性自主神经不稳定的独立证据。从技术角度看,本研究支持分期感知分析对生理表型分型的价值,并提示分期解析的HRV可作为未来多模态数字生物标志物框架中有用的组成部分。