应用多变量模型探讨小学阶段儿童运动行为、睡眠与屏幕时间暴露之间的关联

《Human Movement Science》:Associations between movement behaviors, sleep, and screen time exposure in middle childhood using multivariable modelling

【字体: 大 中 小 】 时间:2026年06月29日 来源:Human Movement Science 1.9

编辑推荐:

  摘要:小学学龄期儿童的娱乐性屏幕时间(Screen Time, ST)是日益受到关注的公共卫生问题,可对睡眠、身体活动(Physical Activity, PA)及体脂产生影响。尽管既往研究已识别出ST的个体及环境相关因素,但鲜有研究在发展与政策相关的框架下

  
摘要:小学学龄期儿童的娱乐性屏幕时间(Screen Time, ST)是日益受到关注的公共卫生问题,可对睡眠、身体活动(Physical Activity, PA)及体脂产生影响。尽管既往研究已识别出ST的个体及环境相关因素,但鲜有研究在发展与政策相关的框架下对其共同作用进行建模。本研究旨在考察葡萄牙6–10岁儿童按类别划分的ST的行为、体格及人口学相关因素。研究纳入307名葡萄牙儿童(平均年龄8.5 ± 1.1岁)的完整病例亚样本进行横断面分析。采用多分类Logistic回归(Multinomial Logistic Regression)分析父母报告的ST分级与多领域变量之间的关联,包括器械测得的久坐时间(Sedentary Time, SED)、中高强度身体活动(Moderate-to-Vigorous Physical Activity, MVPA)和睡眠参数,以及人体测量指标(身体质量指数 Body Mass Index, BMI;腰围 Waist Circumference, WC)和运动能力(Motor Competence, MC)。结果显示,较高的SED显著增加归属于更高ST类别的比值比(Odds Ratio, OR = 1.13),较长的总睡眠时间(Total Sleep Time, TST)呈微弱负相关(OR = 0.99);较高的睡眠效率(Sleep Efficiency, SE)亦与较高ST相关(OR = 1.07),可能反映高屏幕使用背景下睡眠更为巩固。性别亦独立关联于ST分级,女孩出现高ST的可能性更低(OR = 0.41)。上述发现印证了日常运动行为间的相互依赖关系,并揭示与过度ST相关的特定睡眠及久坐特征,支持在公共卫生策略中应用24小时运动行为框架(24-h Movement Framework),强调针对课后作息与媒介环境制定性别敏感、情境特异的干预措施。
论文解读:小学儿童屏幕时间与24小时运动行为、睡眠关联的多变量模型研究
该研究发表于《Human Movement Science》。目前关于小学阶段(6–10岁)儿童娱乐性屏幕时间(Screen Time, ST)的影响因素研究多存在三点不足:一是年龄跨度宽泛,常将学龄前、小学及青少年合并分析,忽略发展阶段性;二是ST常作为连续变量或仅做二分处理,未参照公共卫生指南采用有序类别建模;三是多数分析仅考察单一预测因子,未在多变量框架下同时控制身体活动、睡眠、体格与运动能力等交互因素。鉴于此,研究人员以葡萄牙6–10岁儿童为对象,采用父母报告ST分级结合器械测得的日间久坐时间(Sedentary Time, SED)、中高强度身体活动(Moderate-to-Vigorous Physical Activity, MVPA)、夜间睡眠参数及人体测量与运动能力指标,通过多分类Logistic回归识别高ST的行为与生理剖面,以期为基于24小时运动行为框架(24-h Movement Framework)的干预提供依据。
主要关键技术方法
研究人员从葡萄牙埃武拉大学(Universidade de évora)学校队列中选取6–10岁儿童,经加速度计佩戴合格及变量完整筛选后最终分析样本为307人(男160人,女147人,平均年龄8.5 ± 1.1岁)。人体测量含身高、体重(计算BMI-for-age z评分)及腰围(Waist Circumference, WC);运动能力用运动能力评估量表(Motor Competence Assessment, MCA)测稳定性、位移及物体操控三域取总分百分位数;心肺适能用20米折返跑(20-m Shuttle-Run Test, SR20m)记录完成趟数;SED与MVPA用腰部三轴加速度计(ActiGraph wGT3X-BT,30 Hz,在校日≥3 d有效,采用儿童特异性切点:SED ≤100 counts·min?1,MVPA ≥2241 counts·min?1)以每日均值计入模型(SED按每10 min/d增量解释);睡眠参数用非优势侧腕部加速度计连续≥4晚并用Sadeh算法得出总睡眠时间(Total Sleep Time, TST)、睡眠效率(Sleep Efficiency, SE=睡着时间/卧床时间×100%)、睡眠潜伏期(Sleep Latency, SL)及睡眠片段化指数(Sleep Fragmentation Index, SFI),结合家长日记定义熄灯与起床时间;ST由家长填写葡萄牙语版ScreenQ问卷并划分为<1 h/d(参照组)、1.0–2.9 h/d及≥3 h/d三个类别;统计学用多分类Logistic回归(Multinomial Logistic Regression)以低ST为参照,同时校正年龄、性别、城乡、BMI、WC、SR20m、MCA、SED、MVPA、SE、TST、SL、SFI,检验多重共线性(VIF≤2.09)与模型拟合优度。
研究结果
3. Results
研究人员通过多分类Logistic回归发现模型整体显著优于零模型(χ2(11)=38.97, p<0.001),Nagelkerke R2=0.159。结果显示:①SED每增加10 min/d显著提高归入更高ST类别的OR=1.13(95% CI:1.03–1.23, p=0.01);②TST与高ST呈微弱负相关,OR=0.99(95% CI:0.98–1.00, p=0.04);③SE与高ST呈正相关,OR=1.07(95% CI:1.01–1.14, p=0.02);④女孩相较于男孩归入高ST类别的OR=0.41(95% CI:0.24–0.73, p<0.001);⑤WC呈边缘显著正相关(OR=1.06, p=0.07);年龄、BMI、SR20m、MCA、MVPA、SL、SFI及城乡居住地均无统计学意义(p>0.05)。表明在控制多因素后,客观测得的日间SED、睡眠参数(TST与SE方向相反共存)、性别是ST分级的主要相关因素,而MVPA与ST无独立关联。
讨论与结论总结
讨论部分指出,SED与高ST的正关联符合时间置换假说——放学后静坐时段常与娱乐媒体使用重叠,但加速度计测得的SED不能区分屏幕与非屏幕静坐行为,二者概念不同。TST的负向关联提示睡眠缩短延长清醒窗口而增加潜在屏幕暴露;SE正向关联可能为模型中TST与SE共线所致——高ST儿童可能呈现"短但 consolidated 的睡眠"(晚间屏幕使用后快速入睡但总时长偏短),亦可能受未测的家庭就寝规则与媒体监管影响。性别差异与文献中男孩更多参与主机游戏、家庭监管不同有关,提示需性别敏感的干预。MVPA无显著关联支持PA与ST分属不同行为域,单靠增加MVPA不足以降ST,须针对设备可及性、内容吸引力及家长中介作用。WC边缘显著而BMI不显著呼应中心性肥胖对屏幕相关久坐模式更敏感。研究人员建议临床将ST咨询扩展至重建日常作息(固定就寝、卧室内禁设备、数字宵禁)并提供结构化非屏幕替代活动,学校可增加课后积极游戏机会。
结论(翻译)
通过将屏幕时间置于整合的24小时运动行为模型中,本研究识别出6–10岁儿童较高屏幕时间暴露的久坐及睡眠相关影响因素。从临床与公共卫生角度看,屏幕时间咨询不应仅聚焦于限制设备使用,还应重构维持长时间久坐行为的日常作息。儿科医生可借助屏幕时间讨论关注睡眠时长、卧室内设备获取、晚间媒体惯例及家庭对娱乐性屏幕使用的规则。学校可通过在课间及课后提供结构化、适龄且具吸引力的离线机会(如积极玩耍、多样运动体验及富运动元素的活动中介)予以配合,减少儿童对屏幕休闲的依赖。鉴于观察到的性别差异,此类策略应对儿童偏好、社交情境及可获得之非屏幕替代活动具敏感性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号