在自闭症谱系障碍的研究领域，睡眠问题一直是困扰患者家庭和临床医生的难题。传统研究主要依赖家长填写的问卷来评估睡眠状况，但主观报告往往存在记忆偏差和判断误差。更棘手的是，自闭症儿童对陌生环境敏感，使得实验室多导睡眠监测(PSG)难以反映真实睡眠模式。这种评估方法的局限性严重阻碍了对自闭症睡眠障碍机制的深入理解。
为了解决这一难题，由Micha Hacohen和Ilan Dinstein领导的研究团队在《Nature Neuroscience》上发表了西蒙斯睡眠项目(Simons Sleep Project, SSP)的重要成果。这项研究创新性地将多种可穿戴设备引入自闭症研究，通过在家庭环境中长期监测，首次实现了对自闭症儿童睡眠状况的客观、精准量化。
研究人员采用了三项核心设备：Dreem3 EEG头带提供脑电数据，EmbracePlus智能手表记录加速度、心率、皮电反应等多维数据，Withings睡眠垫则通过压力变化监测床上活动。这种多设备协同的策略使得研究人员能够从不同角度交叉验证睡眠参数。
研究团队从SPARK队列中招募了102个家庭，包括102名10-17岁的自闭症儿童和98名非自闭症同胞。这种同胞对照设计有效控制了家庭环境因素，为区分遗传和环境对睡眠的影响提供了独特视角。所有参与者都完成了全套行为评估量表，包括社交反应量表(SRS-2)、重复行为量表修订版(RBS-R)等，并提供了全外显子组测序数据。
在数据质量控制方面，研究团队设定了严格标准：总睡眠时间(TST)需在3-16小时之间，觉醒后清醒时间(WASO)不超过3小时，确保了分析数据的可靠性。最终有70名自闭症儿童和67名同胞提供了至少3晚的有效多设备数据。
设备间一致性分析揭示了重要发现：三种设备在评估入睡时间(SO)、最终觉醒时间(FA)和TST时表现出中度至高度一致性，而家长日记与设备数据的一致性显著较低。特别是在WASO评估上，设备数据与家长报告几乎无相关性，凸显了客观监测的必要性。
令人意外的是，设备数据显示自闭症儿童与同胞在TST和WASO上并无显著差异，这与家长报告中自闭症儿童睡眠问题更严重的描述形成对比。然而，脑电设备定义的入睡潜伏期(SOL)在自闭症儿童中显著延长（平均多7.5分钟），且SOL与多种行为问题（如注意力缺陷多动障碍(ADHD)症状、感觉敏感性）显著相关，而WASO与行为问题的关联较弱。
研究还发现，SSP样本的自闭症儿童症状程度略轻于SPARK队列的整体水平，提示未来需要纳入更多重症患者以全面代表自闭症群体。尽管如此，同胞对照设计为研究维度症状跨越诊断边界的现象提供了宝贵机会。
主要技术方法包括：利用Dreem3 EEG头带采集家庭环境脑电数据，EmbracePlus智能手表监测多生理参数，Withings睡眠垫记录床上活动；采用混合线性模型控制家庭随机效应，使用一致性相关系数(CCC)评估设备间一致性；应用YASA开源睡眠分期算法验证商业算法结果。
行为特征描述
通过混合线性模型分析发现，自闭症儿童在SRS-2、RBS-R等核心症状量表得分显著高于同胞，但在客观睡眠参数上仅SOL存在组间差异。
设备间与家长报告的一致性
CCC分析表明，三种设备在SO、FA、TST评估上高度一致（CCC>0.8），而设备与睡眠日记的一致性显著较低，证明客观监测的优势。
组间睡眠参数比较
自闭症儿童SOL显著延长（P=0.037），但TST和WASO无组间差异，ICC分析显示睡眠参数受家庭环境影响大于诊断状态。
睡眠参数与行为关联
EEG定义的SOL与CBCL行为问题得分显著相关（|r|≥0.18），而WASO无显著关联，提示睡眠 initiation问题更具临床意义。
研究结论强调，多设备家庭监测能有效克服单一方法局限性，提供更可靠的睡眠评估。SOL作为关键指标与行为问题的强关联，提示针对入睡困难的干预可能改善自闭症患者的整体症状。SSP资源的开放共享将加速数字表型在神经发育障碍领域的应用。
该研究的远程设计虽存在设备耐受性等挑战，但为大规模生态学研究提供了范式。未来可结合基因组数据深入探索睡眠障碍的生物学机制，为精准干预提供新靶点。
