手表正在预测你的痴呆风险？JAMA子刊：睡眠活动模式是“预警雷达”

*仅供医学专业人士阅读参考

痴呆风险藏在你的“作息”里！JAMA子刊最新研究：36个指标中这9个最关键

撰文丨医学界报道组

“昨晚睡得怎么样？”这句日常问候，可能隐藏着关乎大脑健康的秘密。近期，一项发表于JAMA Neurology的大型规模研究[1]指出，通过手腕上的运动传感器（加速计）量化我们日常的“睡眠-觉醒周期”，或许能在传统风险因素之外，为痴呆症的预测提供新线索。让我们一同走进这项研究，看看科学家们是如何从我们日常的“动与静”中，解读大脑健康的密码。

寻找“数字”生物标志物：

为何聚焦睡眠-觉醒周期？

痴呆症，尤其是阿尔茨海默病，是全球老龄化社会面临的重大挑战。近年来，血液生物标志物（如p-tau217）在早期检测中展现出巨大潜力。然而，学术界也在探索其他互补性的、更易于推广的“数字生物标志物”。

越来越多的证据表明，在痴呆症的临床前阶段，患者的“睡眠-觉醒周期”（Sleep-Wake Cycle,SWC）就已经开始出现细微但可测的变化[2]。你是否注意到，身边的老人有时白天精神不济、活动减少，晚上却易醒、睡眠碎片化？这些看似普通的改变，可能正是大脑发出的早期预警信号。

为了探究这一假设，由Cavaillès博士及其团队开展了一项大型队列研究[1]。他们利用手腕加速计，对来自英国生物银行的53,448名60岁以上无痴呆症的老人进行了平均7.8年的追踪，并在另一个独立的“Whitehall II研究”中对结果进行外部验证[1]。这把研究推向了前所未有的规模和严谨性。

数据解码：

36个指标中，锁定“关键九项”

科学家们并没有简单地看“你睡了多久”。他们将睡眠-觉醒周期分解为四个维度：休息-活动节律、日间活动、睡眠和时间型（即作息时间偏好）。

研究从加速计数据中提取了36个测量指标，并采用了一种名为“稀疏偏最小二乘偏差残差”（sPLSDR，一种机器学习降维和变量选择方法）的先进算法。最终，算法筛选出最能预测痴呆风险的9个指标，并将其整合为两个核心成分：

• 成分1：日间活动不利模式

此成分主要反映了日间活动的“质量”不佳。具体表现为：

• 运动减少：中高强度体力活动（MVPA）的次数更少、持续时间更短。

• 活动单一：更多时间处于低强度活动，活动强度的多样性下降。

• 易疲劳模式：从活动状态转为休息状态的概率更高。

打个比方，如果一个人从“精力充沛地出门散步”变成了“大多数时间坐在沙发上，偶尔起来走动”，那么他的“成分1”值就可能升高。

• 成分2：睡眠与作息紊乱

此成分则揭示了睡眠结构和作息时间的异常：

• 极端睡眠时长：无论是过短还是过长的睡眠，都指向风险。

• 睡眠质量差：睡眠期间的觉醒时间更长，且从清醒状态转为深睡的概率更低。

• 晨型作息倾向：更早的起床时间，是这个成分中权重最高的预测因子。

简而言之，如果一个人晚上睡不踏实、频繁醒来、天不亮就醒，而且睡得太多或太少，他的“成分2”值就可能偏高。

预测能力：

堪比“基因检测”的数字工具

在对风险因素（年龄、性别、教育、行为、健康等）进行全面校正后，这两个成分展现出显著的预测价值。

核心结论（数据说话）：

• 风险关联：在英国生物银行队列中，成分1每增加一个标准差，痴呆风险升高43%（HR：1.43；95% CI：1.33-1.54）；成分2每增加一个标准差，风险升高10%（HR：1.10；95% CI：1.04-1.17）。

• 预测提升：在包含13个已知风险因素的模型基础上，加入这两个成分，能将模型的C指数（预测准确性的一个核心指标）显著提升0.018（95% CI：0.011-0.025）。

• 与基因“掰手腕”：更重要的是，研究团队进行了事后分析。他们发现，仅用“年龄”来预测痴呆，然后加入这两个SWC成分，其预测能力的提升（C指数增加约0.026）与添加APOE ε4基因分型的效果（增加约0.033）在统计学上并无显著差异。这一结果在外部验证队列中得到了完美复制（SWC提升0.023vs.APOE ε4提升0.024）。

这意味着，一组简单的日常活动数据，其预测效能可能堪比一次昂贵的基因检测。即使在加入了认知筛查（MMSE）和前沿血液标志物p-tau217的模型中，SWC成分依然能提供额外的、统计显著的预测贡献（C指数额外提升0.011至0.013）。

临床价值与展望：

一种可推广的“预警雷达”

这项研究的价值不仅在于发现，更在于其临床转化潜力。相比于腰椎穿刺、PET扫描或需要严格实验室要求的血液检测，腕部加速计成本相对低廉、操作简便、易于大规模推广。只需佩戴一周（研究标准），即可获取海量数据，依从性高。

研究结论明确指出，日间活动减少、睡眠碎片化、早醒是核心风险信号。这为非药物干预指明了方向。“增加白天的活动量，改善夜间睡眠，适当推迟起床时间”，这些看似朴素的建议，现在有了强有力的数据作为佐证。未来研究可以探索，针对这些SWC指标进行干预，是否能真正延缓或预防痴呆的发生。

研究者指出，虽然SWC指标本身不能作为独立的临床诊断依据，但其在由年龄、认知评估、血液生物标志物（如p-tau217）组成的“多路攻击”预测模型中，扮演着重要角色。一个包含年龄、p-tau217和SWC成分的模型，是目前看到预测效能最高的组合之一。这表明，未来可能会构建一个更综合的“痴呆风险评分”，将基因、血液、行为数据融为一体。

研究的局限性

当然，任何高质量研究都有其局限性，我们在解读时需保持审慎。第一，随访时长不够，平均7.8年的随访对于痴呆长达20年的临床前阶段来说，可能仍显不足。第二，人群选择有偏倚，因果生物银行参与者总体比普通人群更健康，存在一定的“健康志愿者”偏倚。第三，加速计数据仅测量一周，难以捕捉长期的动态变化趋势。第四，研究揭示的是“关联”而非“因果”。这些SWC的改变究竟是痴呆的“上游原因”还是“早期结果”，尚需进一步验证。

总结

这项研究通过严谨的队列研究设计和创新的数据分析方法，有力地证明了一个观点：我们每日的“动”与“静”——睡眠的连续性、活动的丰富度、作息的节律性，可以被精确量化，并作为预测未来痴呆风险的有效数字生物标志物。

虽然它不可能取代临床诊断，但它打开了一扇门。未来，也许你的智能手表或可穿戴设备，就能成为一个“24小时不间断工作的痴呆预警雷达”，帮助医生在症状出现前数年，识别出那些需要重点关注和早期干预的高风险人群。这不仅是一次技术的进步，更是对人类健康行为模式认知的一次深刻变革。

参考文献：

[1] Cavaillès C, Danilevicz IM, Vidil S, et al. Digital Sleep-Wake Cycle Metrics and Dementia Prediction in Older Adults. JAMA Neurol. Published online May 18, 2026.

[2] Musiek ES, Bhimasani M, Zangrilli MA, et al. Circadian rest-activity pattern changes in aging and preclinical Alzheimer disease. JAMA Neurol. 2018;75(5):582-590.

本文首发：医学界神经病学频道

责任编辑： 老豆芽

*"医学界"力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。