当夜幕降临，无数家庭都在经历着与孩子睡眠相关的"拉锯战"——特别是对于自闭症谱系障碍（ASD）儿童家庭而言，睡眠问题更像是一个难以解开的死结。研究表明，超过半数的ASD儿童存在入睡困难、夜间频繁醒来等睡眠障碍，这些問題不仅加剧了核心症状表现，更对儿童的神经发育产生深远影响。然而，现有研究多局限于小样本临床数据，缺乏对睡眠模式全面性的评估体系，使得睡眠健康与ASD之间的复杂关系始终蒙着一层迷雾。
在这一背景下，由南佛罗里达大学护理学院领衔的研究团队开展了开创性研究，通过对2022-2023年全国儿童健康调查（NSCH）中63,866名6-17岁儿童数据的深度挖掘，首次构建了睡眠模式一致性（SPC）这一综合指标，系统探讨了睡眠持续时间与就寝规律性的联合效应与ASD的关联机制。该研究成果发表于《Research in Developmental Disabilities》，为理解睡眠健康在神经发育障碍中的作用提供了新的证据链。
研究团队采用多维度研究方法：基于全国代表性队列构建睡眠模式一致性（SPC）四分类体系（健康睡眠常规HSR、规律长睡眠LSR、混合不规则睡眠MIS、不良睡眠常规PSR）；通过多变量逻辑回归分析调整人口学混杂因素；运用机器学习算法建立风险预测模型，采用接受者操作特征曲线（ROC）和校准度评估模型效能。
研究结果揭示出清晰的风险图谱：
人群特征分析显示，在平均年龄11.9岁的儿童群体中，ASD患病率为4.41%，男性（51.82%）、健康体重（62.38%）占比较高，而不良睡眠常规（PSR）人群虽仅占2.04%，但其ASD风险特征值得重点关注。
统计模型发现，与健康睡眠常规（HSR）相比，不良睡眠常规（PSR）儿童患ASD的调整后比值比（aOR）高达1.92，而规律长睡眠（LSR）则表现出保护效应（aOR=0.81）。男性（aOR=3.83）、体重异常（underweightUW 的aOR=1.28，overweightOW 的aOR=1.39）均是显著风险因素。
机器学习模型精准识别出高风险亚组：低收入家庭、存在共病条件的≤12岁男童ASD风险概率达17%；特别值得注意的是，低收入家庭有共病条件的女童中，PSR模式者风险概率（∼12%）显著高于HSR模式者，凸显睡眠干预的潜在价值。
模型验证表明，基于SPC和人口学特征的预测模型具有可接受的区分度（AUC=0.75）和校准度，为ASD风险早期识别提供了实用工具。
讨论部分深入剖析了睡眠与神经发育的双向作用机制。研究者指出，睡眠模式紊乱可能通过影响前额叶皮层发育、破坏昼夜节律调节、加剧感觉处理异常等途径参与ASD的病理生理过程。而规律就寝习惯不仅有助于稳定生物钟，更能通过改善情绪调节和认知功能，对ASD相关症状产生积极影响。
该研究的创新价值在于突破传统单因素分析局限，通过睡眠持续时间与就寝规律性的多维整合，构建了更符合临床实际的SPC指标体系。同时，机器学习驱动的风险分层策略，使得针对特定亚组的精准预防成为可能。特别是对低收入家庭儿童的关注，为消除健康不平等提供了实证依据。
尽管横断面设计限制因果推断，父母填写问卷可能存在回忆偏倚等局限，但这项基于全国大数据的研究无疑为儿童发育健康领域带来了重要启示：将睡眠健康管理纳入ASD综合防控体系，或许能成为改善患儿预后、提升生活质量的新突破口。正如研究者所强调的，促进规律睡眠不仅关乎夜间的安宁，更可能为ASD儿童点亮通往更好发展的曙光。
打赏
