研究記事

中国の大学生における睡眠パターンの潜在プロファイル分析および身体活動量との関連性

69 回視聴

⸱

DOI:

10.3791/73033

⸱

2026年9月15日

 ,  ,  ,  ,  ,  , 
1Department of Physical Education, Central South University, 2School of Sport Science, Jishou University

* These authors contributed equally

この記事について

サマリー

中国人大学生1,420名を対象としたこの横断的潜在プロファイル分析では、PSQIを用いて4つの異なる睡眠プロファイルを特定しました。より健康的な睡眠プロファイルは、中強度から高強度の身体活動レベルの高さと有意に関連しており、キャンパス内での健康増進に向けた睡眠パターン別の標的設定が示唆されました。

要約

本横断研究は、大学生における睡眠パターンの潜在的なプロファイルを特定し、身体活動（PA）レベルとの関連性を検討することで、大学環境における標的を絞った健康介入のための経験的根拠を提供することを目的とした。中国南部の3つの総合大学から、多段階層化クラスター無作為抽出法を用いて、計1,420人の大学生を募集した。睡眠の質とPAは、それぞれピッツバーグ睡眠 quality index (PSQI) および国際身体活動質問票・短縮版 (IPAQ-SF) を用いて評価した。適切な統計ソフトウェアを用いて、潜在プロファイル分析（LPA）、カイ二乗検定、および多項ロジスティック回帰分析を実施した。モデルで推定されたクラス確率に基づき、「健康な睡眠」(44.7%)、「睡眠不足」(24.8%)、「睡眠の質の低下」(20.3%)、「深刻な睡眠障害」(10.2%) の4つの潜在的な睡眠プロファイルが特定された。最も可能性の高いクラス割り当てに基づく対応する観察割合は、それぞれ 45.0%、25.0%、20.0%、10.0%（n = 639, 355, 284, 142）であった。性別およびPAレベルは、プロファイル間で有意に異なっていた。深刻な睡眠障害グループの学生と比較して、健康な睡眠グループの学生は、中程度のPA (odds ratio (OR) = 4.69, 95% confidence interval (CI): 2.92–7.51) および高いPA (OR = 7.55, 95% CI: 4.41–12.91) を報告する傾向が高かった。睡眠不足グループの学生においても、中程度のPA (OR = 2.98, 95% CI: 1.83–4.86) および高いPA (OR = 5.02, 95% CI: 2.84–8.87) を報告する傾向が高かった。大学生の睡眠パターンには明確な異質性が認められた。良好な睡眠パターンは、より高いPAレベルと関連していた。横断的な研究デザインであるため、因果関係を推論することはできない。サブグループ固有の睡眠特性に応じて分化した介入戦略を策定すべきであり、睡眠の質が低い学生にとって、PAの促進は潜在的な行動目標として検討されるべきである。

概要

睡眠は、基本的な生理機能の維持だけでなく、身体的および精神的な健康、認知発達、および感情調節をサポートするためにも不可欠です1,2。しかし、現代のペースの速い社会において、睡眠障害は世界的な公衆衛生上の懸念事項となっています。睡眠の問題は、大学入学後に親の監督が減り、学業上のプレッシャー、対人関係の適応、および電子デバイスの過剰な使用に直面することが多い大学生の間で特に顕著です3。疫学研究によれば、世界中の大学生の約25%–60%が、さまざまな程度の睡眠の質の低下や睡眠不足を報告しています4,5。持続的な睡眠の問題は、中枢神経系の機能を損ない、不注意や記憶力の低下を招く可能性があります。また、抑うつや不安などの内在化するメンタルヘルスの問題のリスクを高めるだけでなく6,7、将来的な心血管疾患やメタボリックシンドロームのリスクを増加させる可能性もあります8。

これまでの睡眠研究では、主に変数中心の分析的視点が採用されており、Pittsburgh Sleep Quality Index (PSQI) などの標準化された尺度の合計スコアや、特定の次元の平均スコアを用いて、グループレベルの睡眠状態を評価してきました9。このアプローチは、睡眠の重症度全体を直感的に推定できる一方で、研究対象集団が均質であるという暗黙の前提に基づいています。実際には、睡眠は睡眠時間、入眠潜時、睡眠効率、夜間覚醒、日中の機能障害を含む多次元的な生理学的プロセスです10。PSQIの合計スコアが同じ個人であっても、症状の組み合わせは大きく異なる場合があり、例えば、ある学生は主に導入障害を抱えている一方で、別の学生は早朝覚醒や日中の眠気を経験している可能性があります。近年では、個人中心のアプローチがますます注目されています。潜在プロファイル分析 (LPA) は、プロファイル間の差異を最大化し、プロファイル内の差異を最小化することで、データ内の観察されない不均一なサブグループを特定できます11,12。LPAを用いることで、研究者は大学生における特定の睡眠プロファイルをより正確に特徴づけることができ13、それによって介入のためのより精密なターゲットを提示することが可能になります。

身体活動（PA）は、生涯を通じた健康増進の基盤として、世界保健機関（WHO）やその他の公衆衛生ガイドラインによって広く推奨されています14,15。実証研究およびメタ解析により、定期的な中強度から高強度の身体活動が心肺適応能を向上させ、死亡率を低下させること16,17が示されており、同時に心理的ストレスの軽減や認知機能の改善にも寄与することが分かっています18,19。また、身体活動は睡眠障害に対する効果的な非薬物療法としても検討されています20,21。加速度計などの客観的デバイスを用いたコホート研究22,23,24や、自記式質問票に基づく横断研究25,26において、身体活動と睡眠の質の間に正の相関があることが報告されています。さらに、運動と睡眠には双方向の関係があると考えられており、十分な睡眠は身体活動への意欲や持久力を高める可能性があり、一方で日中のエネルギー消費は夜間の徐波睡眠を促進するとされています27,28。

身体活動が全体的な睡眠の質に有益であるということについては広く合意が得られているが、既存の文献にはいくつかの限界がある。ほとんどの研究では、身体活動を単一の睡眠スコアを予測する独立変数として扱っており、そのため、異なる睡眠パターンがライフスタイル特性の異なる組み合わせに対応している可能性が見落とされてきた29,30。大学生の潜在的な睡眠プロファイル間で身体活動レベルが異なるかどうかについては、まだ十分に解明されていない。

このような背景から、本研究は以下のことを目的とした：(1) LPAを用いて、中国人大学生における睡眠の質の多次元指標に基づいた潜在的プロファイルを特定すること、および(2) 人口統計学的変数を制御した上で、睡眠プロファイルと身体活動レベル（低、中、高）との関連を検討することである。我々は、大学生の間には複数の不均一な睡眠プロファイルが存在し、健康的な睡眠パターンを持つ学生は、深刻な睡眠障害を持つ学生よりも、中強度から高強度の身体活動レベルを達成する可能性が高いという仮説を立てた。

プロトコル

本研究は、集汕大学の生物医学倫理委員会（承認番号：JSDX-2023-0034）の承認を得て実施されました。参加者はすべて18～25歳の全日制学部生であり、参加前に書面によるインフォームドコンセントを提供しました。また、参加大学からの許可を得ています。調査データは学術研究のみに使用され、匿名で分析されました。本研究は、ヘルシンキ宣言および現地の機関の要件に準拠して行われました。

参加者の募集およびサンプリング設計

2025年9月から12月にかけて、多段層化クラスター無作為抽出法を用いて、中国南部の総合大学3校の学部生を対象とした横断的調査を実施した。第1段階では、地理的な代表性を確保するため、省レベルの行政区域を層として定義し、中国南部の公立総合大学のリストから層化無作為抽出法を用いて3校の総合大学を選出した。第2段階では、選出された各大学において、各学年（1年次から4年次まで）から2～3つの既存のクラスを、コンピュータで生成した乱数を用いてクラスターサンプリング単位として無作為に抽出し、3大学合わせて計28クラスを選出した。図1に示すように、選出されたクラスの全学生に協力を依頼した。選択基準は以下の通りとした：(1) 全日制の学部生であること、(2) 年齢が18歳から25歳であること、(3) 書面によるインフォームド・コンセントを得た上での自発的な参加であること。除外基準は以下の通りとした：(1) 最近の重篤な身体疾患または骨折や重度の心疾患などの運動禁忌があること、(2) 重度のうつ病や統合失調症の治療など、現在精神科薬を服用していること、(3) 質問票の回答時間が180 s未満であるか、または全項目で同じ選択肢を選んでいるなどの明らかな論理的矛盾があること。計1,500部の質問票を配布した。データクリーニング中に除外された無効な質問票80部の内訳は、回答時間が180 s未満が24部、論理的矛盾（全項目で同一の回答、または矛盾する回答など）が20部、年齢が18–25歳の範囲外であったものが18部、欠損データが過剰（項目の20%以上）であったものが11部、自己申告による重篤な身体疾患または精神科薬の服用があったものが7部であった。これにより、解析対象となる有効な質問票は1,420部となり、有効回答率は94.67%であった。

睡眠の質、身体活動の評価、および統計結果を示す潜在プロファイル分析のダイアグラム。
図 1: 研究デザインおよび分析ワークフロー。参加者のリクルートとスクリーニング（質問票1,500部配布、80名除外、N = 1,420名組み入れ）、PSQIおよびIPAQ-SFを用いた評価、潜在プロファイル分析（AIC、BIC、aBIC、エントロピー、LMRT、BLRTを用いて1〜5プロファイルのモデルを比較）、4つの睡眠プロファイルへの割り当て、二変量カイ二乗検定、性別を共変量とした多項ロジスティック回帰、および感度分析（全共変量の調整およびクラスター頑健標準誤差）の概略図。こちらをクリックして、この図の拡大版を表示してください。

人口統計学的特性およびライフスタイルの評価

人口統計学的および社会学的特性を得るために、自作のアンケートを用いた。項目には、性別（男性／女性）、年齢（歳）、学年（1年生／2年生／3年生／4年生）、出身地（都市部／農村部）、ボディマス指数（BMI）、喫煙歴、飲酒歴、および1日あたりの平均スクリーンタイムが含まれた。BMIは、体重（kg）を身長（m）の2乗で除して算出した（BMI = 体重 [kg] / 身長 [m]²）。2）。自己申告による身長と体重について、解析前に不自然な値がないかスクリーニングを行いました。身長が <140 cmまたは >200 cm、重量 <30 kgまたは >150 kg、またはBMI <12 kg/m2 または >40 kg/m2 フラグを立てて元の記録と照らし合わせて検証し、確認された外れ値は除外した。喫煙状況は、前月の自己申告による喫煙行動に基づき、「非喫煙」、「時々喫煙（数日のみで毎日ではない）」、「常用（毎日喫煙）」に分類した。アルコール摂取量は、前月の状況に基づき、「なし」、「時々（週1回未満）」、「常用（週1回以上）」に分類した。1日あたりの平均スクリーンタイムは、前月のスマートフォン、コンピュータ、タブレット、およびテレビに費やした1日あたりの合計時間を参加者に報告してもらうことで評価し、連続変数として記録した。正式なデータ収集に先立ち、項目の明快さと回答時間を評価するため、学部生30名を対象に質問票のパイロットテストを実施し、そのフィードバックに基づき軽微な文言の調整を行った。先行研究では、これらの変数が睡眠と身体活動の関連性に混同要因となる可能性が示唆されている30,31。本研究で使用したすべての器具、ソフトウェア、および材料は、以下に記載されている。 材料一覧表.

睡眠の質の評価

Buysseらによって開発されたPSQI（ピッツバーグ睡眠質指数）9を用い、参加者の過去1か月間の睡眠の質を評価した。この尺度は、主観的な睡眠の質、入眠潜時、睡眠時間、習慣的な睡眠効率、睡眠妨害、睡眠薬の使用、日中の機能不全という7つの構成要素からなる19の自己評価項目で構成されている。各構成要素は0（困難なし）から3（深刻な困難）まででスコア化される。これら7つの連続的な構成要素のスコアを、LPA（潜在プロフィール分析）の観測指標として使用した。PSQIは、中国および国際的な大学生集団において良好な信頼性と妥当性が示されている30。本研究におけるこの尺度のクロンバックのα係数は0.83であった。

身体活動量の評価

Craigら32によって開発されたIPAQ-SFを用い、参加者の過去7日間の身体活動量を評価した。この質問票では、激しい身体活動、中強度の身体活動、およびウォーキングの頻度（日数/週）と持続時間（分/日）を記録する。MET（代謝当量）値は、以下のIPAQスコアリングプロトコルに従って算出した。ウォーキングのMET-分/週 ＝ 3.3 × 持続時間 × 頻度、中強度のMET-分/週 ＝ 4.0 × 持続時間 × 頻度、激しい強度のMET-分/週 ＝ 8.0 × 持続時間 × 頻度。これら3種類の活動のMET値を合計し、総身体活動量を算出した。参加者は、大学生で検証されたIPAQ-SFのスコアリング基準33に基づき、高PA（身体活動量）、中PA、低PAに分類した。高PAは、少なくとも3日間に激しい活動を行い、総身体活動量が1,500 MET-min/week以上であること、またはウォーキング、中強度、激しい強度の活動の組み合わせで7日以上行い、総身体活動量が3,000 MET-min/week以上であることと定義した。中PAは、少なくとも3日間に1日20分以上の激しい活動を行うこと、または少なくとも5日間に1日30分以上の中強度活動および/またはウォーキングを行うこと、あるいは活動の組み合わせで600 MET-min/week以上に達することと定義した。低PAは、中PAまたは高PAの基準を満たさないものと定義した。データのクリーニングは公式のIPAQスコアリングプロトコルに従い、1日の総活動時間が16 hを超える参加者は除外した。また、MET-分を算出する前に、カテゴリーごとの1日の持続時間を180 minで切り捨て、論理的に矛盾する回答があるケースはデータクリーニング中に削除した。

統計解析

まず、潜在プロフィールモデリングソフトウェア（Table of Materialsを参照）を用いてLPAを実施した34。1,420人の参加者のうち、33人（2.3%）がPSQIのデータに一部欠損があり、9,940件のコンポーネントレベルの回答のうち69件が欠損していた（0.69%、すなわち1,420人 × 7つのPSQIコンポーネントスコア）。これらの欠損値の処理には、ランダム欠損の仮定の下で完全情報最大尤度（FIML）法を用いた。1つから5つのプロフィールを持つモデルを順次推定した。モデルの適合度は、赤池情報量基準（AIC）、ベイズ情報量基準（BIC）、サンプルサイズ調整済みBIC（aBIC）、エントロピー、Lo-Mendell-Rubin尤度比検定（LMRT）、およびブートストラップ尤度比検定（BLRT）を用いて評価した。AIC、BIC、aBICの値が低いほど相対的な適合度が良く、エントロピーの値が1に近いほど分類精度が高いことを示す。LMRTおよびBLRTを用いて、k個のプロフィールを持つモデルがk − 1個のプロフィールを持つモデルよりも有意に適合が良いかどうかを判定した。潜在プロフィール分析の確立されたガイドラインに従い11,35、統計的な適合度指標、エントロピー、クラスサイズ（サンプル全体の5%未満のプロフィールは除外）、および実質的な解釈可能性を総合的に考慮して、最適なプロフィール解を選択した。最適なプロフィール解を選択した後、各個人の最も可能性の高いクラス所属を統計解析ソフトウェア（Table of Materialsを参照）にエクスポートし、後続の解析を行った。睡眠プロフィール間での人口統計学的特性および身体活動レベルの差を検討するために、ピアソンカイ二乗検定を用いた。二変量カイ二乗検定の結果、4つの睡眠プロフィール間で有意に差があったのは性別と身体活動レベルのみであり（ともにp < 0.001）、年齢、学年、BMI、喫煙、飲酒、スクリーンタイムには差が見られなかった（すべてp > 0.05、Supplementary Table 1を参照）。したがって、簡潔性の原則に基づき、多項ロジスティック回帰モデルの共変量として性別のみを組み込んだ。収集したすべての共変量で調整した感度分析においても、結果のパターンと有意性は同様であった（Supplementary Table 2）。身体活動レベル（低 PA = 0、中 PA = 1、高 PA = 2）を従属変数、睡眠プロフィールを主要な独立変数として多項ロジスティック回帰分析を行った。オッズ比（ORs）および95%信頼区間（CIs）を算出した。すべての検定は両側検定とし、統計的有意性はp < 0.05とした。参加者が大学内のクラス単位で募集されたため、設計調整標準誤差を得るために、統計ソフトウェア（Table of Materialsを参照）の複合サンプルモジュールを使用し、大学とクラスをクラスター変数に指定して感度分析を行った。その結果は、標準的な多項ロジスティック回帰による結果と一致していた（Supplementary Table 3）。英語の変数ラベルとコードブックを含む匿名化された生データセットは、Supplementary File 1として提供されている。

結果

1つから5つの潜在プロファイルを持つモデルを抽出した。表1に示すように、プロファイル数が増えるにつれてAIC、BIC、およびaBICは減少した。4プロファイルモデルが最も高いエントロピー値（0.915）を示し、LMRTとBLRTはいずれも有意であった（p < 0.001）。対照的に、5プロファイルモデルのLMRTは有意ではなく（p = 0.085）、エントロピーは0.880に低下した。したがって、5プロファイルモデルの方が情報量基準は低かったものの、分類精度、モデルの簡潔性、クラスサイズ、および実質的な解釈可能性のバランスがより優れていたため、4プロファイルモデルを選択した。プロファイルラベルは、推奨されるLPAの報告慣行11に従い、クラス間のPSQIの7つの構成要素スコアの条件付き平均に基づいて割り当てられた（図2）。

表1：大学生の睡眠パターンの潜在プロファイル分析におけるモデル適合度指標 AIC、赤池情報量基準；BIC、ベイズ情報量基準；aBIC、サンプルサイズ調整済みBIC；LMRT、Lo-Mendell-Rubin尤度比検定；BLRT、ブートストラップ尤度比検定。 こちらの表をダウンロードするには、ここをクリックしてください。

PSQIコンポーネントスコアチャート；睡眠の質の分析；折れ線グラフによる睡眠条件の比較。
図 2睡眠パターンの潜在クラス分析（LPA）：4プロファイル解 折れ線グラフは、「健康な睡眠」、「睡眠不足」、「睡眠の質の低下」、「深刻な睡眠障害」の4つの潜在的な睡眠プロファイルにおけるPSQI構成要素のスコアを示しています。 この図の拡大版を表示するには、ここをクリックしてください。

PSQIコンポーネントスコアの特性に基づき、4つのプロファイルは、健康な睡眠群（C1）、睡眠不足群（C2）、睡眠の質低下群（C3）、および重度の睡眠障害群（C4）と定義された。モデルで推定されたクラス確率は、それぞれ0.447、0.248、0.203、0.102であった。最も可能性の高いクラス割り当てに基づく観察数は、C1〜C4でそれぞれ639 (45.0%)、355 (25.0%)、284 (20.0%)、142 (10.0%)であった。カイ二乗検定の結果、プロファイル間で性別および身体活動レベルに有意な差が認められた（p < 0.001; 表 2）。4プロファイルの解は、モデルの適合度と理論的な解釈可能性のバランスが最も良く、分類精度も高かった（エントロピー = 0.915）。

健康な睡眠グループ（C1, 45.0%）：このグループの学生はPSQIの全7項目でスコアが低く、比較的規則的な睡眠と良好な睡眠の質を示した。睡眠不足グループ（C2, 25.0%）：このグループは睡眠時間と入眠潜時のスコアが比較的高いことが特徴であったが、日中の機能障害は顕著ではなかった。睡眠の質低下グループ（C3, 20.0%）：このグループの学生は、主観的な睡眠の質、睡眠障害、および日中の機能障害のスコアが比較的高く、併せて睡眠効率が比較的低かった。重度の睡眠障害グループ（C4, 10.0%）：このサブグループはほとんどのPSQI項目で高いスコアを示し、他のプロファイルよりも睡眠薬の使用スコアが高かった。これは確定的な臨床診断ではなく、臨床的に重要な睡眠問題のリスクが高いことを示唆している。

各プロファイルにおけるPSQIの7つの構成要素スコアの正確な条件付き平均値および標準偏差を、付録表4に記載しています。

表2：睡眠プロファイル別の人口統計学的特性および身体活動レベルの分布 C1：健康な睡眠グループ、C2：睡眠不足グループ、C3：睡眠の質が低いグループ、C4：重度の睡眠障害グループ。ここをクリックして本表をダウンロードしてください。

身体活動レベルを従属変数とし、「低PA」を対照群として入力した。睡眠プロファイルを独立変数とし、「重度の睡眠障害群」を対照群として入力し、性別を制御した。表3に示すように、健康な睡眠群および睡眠不足群の学生は、重度の睡眠障害群の学生よりも、中程度および高度のPAを報告する割合が有意に高かった。これらの結果は、良好な睡眠プロファイルとより高いPAレベルとの関連を支持しているが、横断的研究デザインであるため、因果関係を推論することはできない。

表3：大学生における睡眠プロファイルと身体活動レベルの多項ロジスティック回帰分析。 アウトカムの参照カテゴリーは「低身体活動」とし、睡眠プロファイルの参照カテゴリーは「重度の睡眠障害群」とした。 こちらのリンクから本表をダウンロードしてください。

データの可用性：

本研究の結果を裏付ける匿名化された生データおよび解析コードは、Figshare（https://doi.org/10.6084/m9.figshare.33340908）にて公開されています 。

補足ファイル 1： 英語の変数ラベルおよびコードブックを含む、匿名化済み生データセット (Sleep_LPA_Raw_Data_N1420.xlsx)。こちらのリンクからファイルをダウンロードしてください。

補足表1：睡眠プロファイル間における共変量の差に関する二変量検定。
注：カテゴリー変数はピアソンのカイ二乗検定で、連続変数は一元配置分散分析（one-way ANOVA）で検定した。プロファイル間で有意な差が認められたのは性別のみであった（p < 0.001）。学年、出身地、喫煙、飲酒、および専攻のカテゴリー分布の詳細については、簡潔にするため省略したが、生データから確認可能である。こちらをクリックしてファイルをダウンロードしてください。

補足表2：すべての共変量で調整した多項ロジスティック回帰（感度分析）。
注：PAの参照カテゴリー：Low PA、睡眠プロファイルの参照カテゴリー：C4 (Severe disturbance)。モデルは、性別、年齢、BMI、スクリーンタイム、学年、出身地、喫煙、飲酒、および専攻で調整した。すべての関連性の方向性と有意性は、性別のみで調整した主要分析（表3）と一致している。こちらのファイルをダウンロードしてください。

補足表 3：クラスター堅牢標準誤差を用いた多項ロジスティック回帰（SPSS Complex Samples）。
注：大学およびクラスによるクラスター化で調整した標準誤差（SPSS Complex Samples相当；N = 1,420、クラスター = 3大学 × 既存クラス）。B係数は主要解析（表 3）と同一であり、標準誤差とp値のみが異なります。C1およびC2は、中程度のPAおよび高いPAの両方と有意に関連し続けており、C3は有意ではありません。こちらのリンクからファイルをダウンロードしてください。

補足表4：睡眠プロファイル別のPSQI構成要素スコアの平均値および標準偏差
注：数値は、最も可能性の高いクラス割り当てに基づく条件付き平均値（標準偏差）である。7つのPSQI構成要素および合計スコアのすべてにおいて、プロファイル間で有意な差が認められた（一元配置分散分析、すべて p < 0.001）。C1 = 健康な睡眠、C2 = 睡眠不足、C3 = 睡眠の質の低下、C4 = 重度の睡眠障害。こちらをクリックしてファイルをダウンロードしてください。

ディスカッション

本研究では、比較的大規模な横断的サンプルを用い、個人中心のLPA（潜在クラス分析）アプローチを適用して、中国の大学生における4つの不均一な睡眠プロファイルを特定し、さらにこれらのプロファイルと異なる身体活動レベルとの関連を検討しました。これらの知見は、大学生における睡眠と運動に関連する健康行動のクラスター化を理解するための有用な視点を提供し、大学環境における公衆衛生上の介入に対してより精密なターゲットを提示するものです。

本研究では、大学生の睡眠パターンを、健康な睡眠、睡眠不足、睡眠の質の低下、および深刻な睡眠障害の4つのプロファイルに分類しました。健康な睡眠群が最大の割合（45.0%）を占めたものの、学生の半数以上（55.0%）が睡眠の状態が不良なプロファイルに分類されました。この結果は、青年期および若年成人において睡眠問題の有病率が高いことを示す国際的なエビデンス3,4と一致しています。特に、深刻な睡眠障害群における女子学生の割合は、男子学生よりも大幅に高く（68.3%対31.7%）、これは睡眠における性の差に関する過去の知見と一致しています。エストロゲンやプロゲステロンの周期的な変動を含む、月経周期に伴う女性ホルモンレベルの変動が、睡眠障害への脆弱性を高める可能性があります10。心理学的観点からは、女子学生は学業的および対人関係的なストレスに敏感であり、ネガティブな感情を内面化しやすいと考えられます。このような反芻思考が、入眠潜時の延長や睡眠の深化の阻害を招く可能性があります7。加えて、学生の25.0%が睡眠不足群に属していました。先行文献に基づくと、このプロファイルは、就寝前の長時間のスクリーンタイムやモバイルデバイスからのブルーライト曝露、および比較的不十分な時間管理能力に一部起因している可能性があります30。しかし、これらの要因は本研究では直接的に評価されていないため、今後の研究で検討されるべきです。

本研究では、睡眠プロファイル間で身体活動レベルに有意な段階的差異があることが判明しました。多項ロジスティック回帰分析の結果、重度の睡眠障害群の学生と比較して、健康な睡眠群の学生は高いPAを達成するオッズが大幅に高いことが示されました（OR = 7.55）。これらの知見は、ライフスタイル医学における健康行動のクラスター化という概念と一致しており、良好な睡眠パターンと定期的な身体活動が同一人物内で共起している可能性が示唆されます。

睡眠プロファイルと身体活動（PA）の間に認められた関連性は、いくつかの生理学的および心理学的経路によって説明できる可能性がありますが、今回の横断的研究ではこれらのメカニズムを直接的に検証していません。第一に、定期的な身体活動が睡眠を促進している可能性があります。中強度から高強度の身体活動は、一過性の体温上昇を誘発し、それに続く代償的な運動後の体温低下が、入眠を促進し、徐波睡眠の割合を増加させる可能性があります17。また、定期的な身体活動は、迷走神経緊張を高め、交感神経の過剰活性化を抑制することで、自律神経系を調節している可能性があります。さらに、運動に関連するエンドルフィンや脳由来神経栄養因子が、抑うつや不安を軽減し、不眠症の心理的な要因を減少させていると考えられます36,37。日中の屋外活動は、網膜への光曝露をさらに増加させ、概日リズムの調整とメラトニン分泌の安定化に寄与している可能性があります38。第二に、睡眠不足が日中のPAを制限していることも考えられます。重度の睡眠障害群の学生は、夜間の回復不足により日中の疲労感や眠気を感じている可能性があり、これはPSQIにおける日中の機能障害スコアが高いことに反映されています。このようなエネルギーの枯渇は、身体的努力に対する自己効力感やモチベーションを低下させる可能性があります20,28。実験的およびレビュー的根拠から、睡眠と運動は、回復、疲労、感情、および概日リズムの経路を通じて相互に影響を及ぼし合うことが示唆されています28,39。したがって、深刻な睡眠問題を抱える学生は、座位中心のライフスタイルを選択しやすくなる可能性があります。これらの提案された双方向の経路は依然として推測の域を出ず、縦断的コホート研究やランダム化比較試験による検証が必要です。

本研究には、サンプルサイズが比較的大きいことと、個人中心の分析アプローチを採用しているという強みがあるが、いくつかの限界も認める必要がある。第一に、本研究では横断的設計を用いたため、睡眠パターンと身体活動の間の因果関係を推論することはできない。特定の睡眠プロファイルに対する運動介入の効果を検証するためには、今後の縦断的研究やランダム化比較試験が必要である39。第二に、睡眠と身体活動の両方が自己報告式尺度を用いて評価されており、想起バイアスや社会的望ましさバイアスの影響を受けている可能性がある。今後の研究では、より客観的な生理学的および行動学的データを得るために、ポリソムノグラフィー、加速度計、またはウェアラブルデバイスを導入すべきである22,24。第三に、サンプルが中国南部の大学の学生に限定されていたため、文化的背景や気候条件が知見の汎用性を制限する可能性がある。今後の研究では、より広範な地理的地域や職業群からの参加者を含めるべきである。第四に、大学およびクラスによるクラスター化を調整した複合サンプル感度分析では一貫した結果が得られたが、カイ二乗検定ではクラスターサンプリングによって導入されるクラス内相関を明示的に考慮しなかった。より多くのクラスターを伴う今後の研究では、設計段階からマルチレベル潜在プロファイル分析またはマルチレベル回帰を検討すべきである。第五に、多項ロジスティック回帰では、潜在プロファイルモデルから出力された最も可能性の高いクラス所属を用いたが、これは分類の不確実性を完全には考慮していない。高いエントロピー（0.915）および全クラスで0.80を超える平均事後確率から分類精度は高かったことが示唆されるが、今後の研究では、分類の不確実性を補助分析に適切に伝播させるために、Bolck-Croon-Hagenaars (BCH) 3ステップ法などのモデルベースのアプローチを採用すべきである。

大学生の睡眠パターンは均一ではなく、明確なグループ間の異質性を示している。本研究において、学生は「健康な睡眠」、「睡眠不足」、「睡眠の質の低下」、「重度の睡眠障害」の4つの潜在的にプロファイルに分類された。好ましい睡眠パターンは、中強度および高強度の身体活動と正の相関があった。これらの知見は、大学の教育者や公衆衛生政策の策定者が、学生のメンタルヘルスや身体的フィットネスを促進する際、一律のアプローチを避けるべきであることを示唆している。睡眠不足群の学生に対しては、タイムマネジメントや就寝前の行動に焦点を当てた介入が有効であると考えられる。重度の睡眠障害群の学生に対しては、臨床的に適応がある場合に、不眠症に対する認知行動療法（CBT-I）を含む専門的な心理的サポートを検討すべきである40。身体活動レベルは、睡眠の質が低下しているリスクのある学生を特定する際の有用な行動マーカーとなり得るが、身体活動の増加が特定の睡眠プロファイルを改善できるかどうかを判断するには、縦断的研究および介入研究が必要である。

開示事項

著者らは、潜在的な利益相反と解釈され得る商業的または金銭的な関係がない状態で、本研究が行われたことを宣言します。

謝辞

本調査にご協力いただいた参加大学およびすべての学生に感謝いたします。本研究は、教育部若手学者人文社会科学研究プロジェクト（助成番号：23YJC890059）および湖南省教育教学改革研究プロジェクト（助成番号：202502000069）の支援を受けて実施されました。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
人口統計学的特性およびライフスタイルに関するアンケート研究チームによる独自設計翻訳するソーステキストをご提示ください。性別、年齢、学年、出身地、ボディマス指数（BMI）、喫煙歴、飲酒歴、および1日あたりの平均スクリーンタイムを収集するために使用した。
ピッツバーグ睡眠質指数 (PSQI)Buysseら、1989年DOI: 10.1016/0165-1781(89)90047-4過去1か月の睡眠の質を評価するために使用した。7つの構成要素のスコアを、潜在プロファイル分析の観測指標として用いた。
国際身体活動質問票-短縮版 (IPAQ-SF)Craig et al., 2003

DOI: 10.1249/01.MSS.0000078924.61453

.FB

過去7日間の歩行、中強度の身体活動、および高強度の身体活動を評価するために使用されます。
書面によるインフォームドコンセント同意書研究チームおよび参加大学倫理承認番号 JSDX-2023-003418〜25歳の学部生の自発的な参加を記録するために使用されます。
アンケートデータの収集手順中国南部の参加大学該当なし2025年9月から12月にかけて、多段層化クラスター無作為抽出およびアンケート調査の実施に使用された。
MplusMuthen & Muthenバージョン 8.37つのPSQI構成要素のスコアに基づいた潜在プロファイル分析に使用された。
IBM SPSS StatisticsIBMバージョン 26.0カイ二乗検定および多項ロジスティック回帰分析の実施に使用。
Microsoft ExcelMicrosoft提供された原文がございません。翻訳対象となるテキストをご提示ください。アップロード用に個別のJoVEテーブルファイルを作成するために使用します。

参考文献

  1. Chaput JP, et al. Sleeping hours: What is the ideal number and how does age impact this? Nat Sci Sleep. 2018;10:421–430.
  2. Li J, et al. Sleep in normal aging. Sleep Med Clin. 2018;13(1):1–11.
  3. Becker SP, et al. Sleep in a large, multi-university sample of college students: Sleep problem prevalence, sex differences, and mental health correlates. Sleep Health. 2018;4(2):174–181.
  4. Lund HG, et al. Sleep patterns and predictors of disturbed sleep in a large population of college students. J Adolesc Health. 2010;46(2):124–132.
  5. Chen X, et al. Sleep characteristics and health-related quality of life among a national sample of American young adults. Sleep. 2014;37(4):793–799.
  6. Steptoe A, et al. Sleep duration and health in young adults. Arch Intern Med. 2006;166(16):1689–1692.
  7. Zhai L, et al. Sleep duration and depression among adults: A meta-analysis of prospective studies. Depress Anxiety. 2015;32(9):664–670.
  8. Grandner MA, et al. Sleep: Important considerations for the prevention of cardiovascular disease. Curr Opin Cardiol. 2016;31(5):551–565.
  9. Buysse DJ, et al. The Pittsburgh Sleep Quality Index: A new instrument for psychiatric practice and research. Psychiatry Res. 1989;28(2):193–213.
  10. Hirshkowitz M, et al. National Sleep Foundation’s sleep time duration recommendations: Methodology and results summary. Sleep Health. 2015;1(1):40–43.
  11. Nylund-Gibson K, et al. Ten frequently asked questions about latent class analysis. Transl Issues Psychol Sci. 2018;4(4):440–461.
  12. Nylund KL, et al. Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Struct Equ Modeling. 2007;14(4):535–569.
  13. Lanza ST, et al. Latent class analysis: An alternative perspective on subgroup analysis in prevention and treatment. Prev Sci. 2013;14(2):157–168.
  14. Bull FC, et al. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. Br J Sports Med. 2020;54(24):1451–1462.
  15. U.S. Department of Health and Human Services. Physical Activity Guidelines for Americans. 2nd ed. U.S. Department of Health and Human Services; Washington, DC; 2018.
  16. Stamatakis E, et al. Sitting time, physical activity, and risk of mortality in adults. J Am Coll Cardiol. 2019;73(16):2062–2072.
  17. Nystoriak MA, et al. Cardiovascular effects and benefits of exercise. Front Cardiovasc Med. 2018;5:135.
  18. Biddle SJH, et al. A systematic review of physical activity and health in emerging adults. J Sci Med Sport. 2015;18(6):633–638.
  19. Lubans D, et al. Physical activity for cognitive and mental health in youth: A systematic review of mechanisms. Pediatrics. 2016;138(3):e20161642.
  20. Kredlow MA, et al. The effects of physical activity on sleep: A meta-analytic review. J Behav Med. 2015;38(3):427–449.
  21. Wang F, et al. The effect of physical activity on sleep quality: A systematic review. Eur J Physiother. 2021;23(1):11–18.
  22. Buman MP, et al. Objectively measured physical activity and sleep in older men. J Sleep Res. 2014;23(2):164–171.
  23. Loprinzi PD, et al. Association between objectively-measured physical activity and sleep, NHANES 2005–2006. Ment Health Phys Act. 2011;4(2):65–69.
  24. Vandelanotte C, et al. Associations between objective sleep characteristics and physical activity and sedentary behaviours. J Sci Med Sport. 2019;22(5):565–570.
  25. Pedisic Z, et al. State of health in Australian adults: Does physical activity mitigate the negative impact of poor sleep? J Sci Med Sport. 2014;17(1):60–65.
  26. Memon AR, et al. Sleep and physical activity in university students: A systematic review and meta-analysis. Sleep Med Rev. 2021;58:101482.
  27. Kline CE. The bidirectional relationship between exercise and sleep: Implications for exercise adherence and sleep improvement. Am J Lifestyle Med. 2014;8(6):375–379.
  28. Dolezal BA, et al. Interrelationship between sleep and exercise: A systematic review. Adv Prev Med. 2017;2017:1364387.
  29. Gerber M, et al. Fitness and exercise as correlates of sleep complaints: Is it all in our minds? Med Sci Sports Exerc. 2010;42(5):893–901.
  30. Wu X, et al. Low physical activity and high screen time can increase the risks of mental health problems and poor sleep quality among Chinese college students. PLoS One. 2015;10(3):e0119607.
  31. Carter B, et al. Association between portable screen-based media device access or use and sleep outcomes: A systematic review and meta-analysis. JAMA Pediatr. 2016;170(12):1202–1208.
  32. Craig CL, et al. International Physical Activity Questionnaire: 12-country reliability and validity. Med Sci Sports Exerc. 2003;35(8):1381–1395.
  33. Dinger MK, et al. Validity and reliability of the International Physical Activity Questionnaire in college students. Am J Health Educ. 2006;37(6):337–343.
  34. Muthén LK, Muthén BO. Mplus User’s Guide. 8th ed. Muthén & Muthén; Los Angeles, CA; 1998–2017.
  35. Spurk D, et al. Latent profile analysis: A review and “how to” guide of its application within vocational behavior research. J Vocat Behav. 2020;120:103445.
  36. Rebar AL, et al. A meta-meta-analysis of the effect of physical activity on depression and anxiety in non-clinical adult populations. Health Psychol Rev. 2015;9(3):366–378.
  37. Yang PY, et al. Exercise training improves sleep quality in middle-aged and older adults with sleep problems: A systematic review. J Physiother. 2012;58(3):157–163.
  38. Irish LA, et al. The role of sleep hygiene in promoting public health: A review of empirical evidence. Sleep Med Rev. 2015;22:23–36.
  39. Driver HS, et al. Exercise and sleep. Sleep Med Rev. 2000;4(4):387–402.
  40. Morin CM, et al. Chronic insomnia. Lancet. 2012;379(9821):1129–1141.

再版と許可

タグ

睡眠の質睡眠障害ピッツバーグ睡眠尺度多項ロジスティック回帰分析健康介入
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。