연구 논문

중국 대학생의 수면 패턴에 대한 잠재 프로파일 분석 및 신체 활동 수준과의 연관성

0 조회수

⸱

DOI:

10.3791/73033

⸱

2026년 9월 15일

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

* These authors contributed equally

이 논문에서

요약

1,420명의 중국 대학생을 대상으로 한 이 단면적 잠재 프로파일 분석(latent profile analysis)에서는 PSQI를 사용하여 네 가지의 뚜렷한 수면 프로파일을 식별하였습니다. 더 건강한 수면 프로파일은 더 높은 중강도 및 고강도 신체 활동 수준과 유의미한 연관성이 있었으며, 이는 캠퍼스 건강 증진을 위해 수면 패턴별 맞춤형 목표 설정이 필요함을 시사합니다.

초록

본 단면 연구는 대학생의 수면 패턴에 따른 잠재 프로파일을 식별하고 신체 활동(PA) 수준과의 연관성을 조사함으로써, 대학 환경에서의 표적 건강 중재를 위한 경험적 근거를 제공하는 것을 목적으로 하였다. 중국 남부의 3개 종합대학교에서 다단계 층화 집락 무작위 추출법을 사용하여 총 1,420명의 대학생을 모집하였다. 수면의 질과 신체 활동은 각각 피츠버그 수면 질 지수(PSQI)와 국제 신체 활동 설문지 단축형(IPAQ-SF)을 사용하여 평가하였다. 적절한 통계 소프트웨어를 사용하여 잠재 프로파일 분석(LPA), 카이제곱 검정 및 다항 로지스틱 회귀 분석을 수행하였다. 모델 추정 클래스 확률을 바탕으로 건강한 수면(44.7%), 수면 부족(24.8%), 낮은 수면의 질(20.3%), 심각한 수면 장애(10.2%)의 네 가지 잠재 수면 프로파일이 식별되었으며, 가장 가능성이 높은 클래스 할당에 따른 실제 관찰 비율은 각각 45.0%, 25.0%, 20.0%, 10.0%(n = 639, 355, 284, 142)였다. 성별과 신체 활동 수준은 프로파일 간에 유의미한 차이를 보였다. 심각한 수면 장애 그룹의 학생들과 비교했을 때, 건강한 수면 그룹의 학생들은 중강도 신체 활동(오즈비(OR) = 4.69, 95% 신뢰구간(CI): 2.92–7.51) 및 고강도 신체 활동(OR = 7.55, 95% CI: 4.41–12.91)을 보고할 가능성이 더 높았다. 수면 부족 그룹의 학생들 또한 중강도 신체 활동(OR = 2.98, 95% CI: 1.83–4.86) 및 고강도 신체 활동(OR = 5.02, 95% CI: 2.84–8.87)을 보고할 가능성이 더 높았다. 대학생의 수면 패턴은 뚜렷한 이질성을 보였다. 양호한 수면 패턴은 더 높은 신체 활동 수준과 연관이 있었다. 단면 연구 설계의 특성상 인과 관계를 추론할 수는 없다. 하위 그룹별 수면 특성에 따른 차별화된 중재 전략이 개발되어야 하며, 수면의 질이 낮은 학생들에게는 신체 활동 증진이 잠재적인 행동 목표로 고려될 수 있다.

서론

수면은 기본적인 생리적 기능을 유지하는 것뿐만 아니라 신체적 및 정신적 건강, 인지 발달, 정서 조절을 지원하는 데에도 필수적입니다.1,2하지만 현대의 급변하는 사회에서 수면 장애는 전 세계적인 공중 보건 문제가 되었습니다. 수면 문제는 특히 대학생들 사이에서 두드러지게 나타나는데, 이들은 대학 입학 후 부모의 감독이 줄어드는 경우가 많으며 학업적 압박, 대인 관계 적응, 그리고 전자 기기의 과도한 사용이라는 문제에 직면해 있습니다.3역학 연구에 따르면 전 세계 대학생의 약 25%~60%가 다양한 정도의 수면 질 저하나 수면 부족을 겪는 것으로 나타났다.4,5지속적인 수면 문제는 중추 신경계 기능을 손상시켜 주의력 결핍과 기억력 감퇴를 초래할 수 있으며, 우울증 및 불안과 같은 내재화 정신 건강 문제의 위험을 증가시킬 수 있습니다.6,7및 향후 심혈관 질환과 대사 증후군의 위험성8.

이전의 수면 연구들은 주로 변수 중심적 분석 관점을 채택하여, Pittsburgh Sleep Quality Index (PSQI)와 같은 표준화된 척도의 총점이나 특정 차원의 평균 점수를 통해 집단 수준의 수면 상태를 평가해 왔습니다9. 이러한 접근 방식은 전반적인 수면 심각도에 대한 직관적인 추정치를 제공하지만, 연구 대상 집단이 동질적이라는 가정을 전제로 합니다. 실제로 수면은 수면 시간, 수면 잠복기, 수면 효율, 야간 각성 및 낮 시간의 기능 장애를 포함하는 다차원적인 생리적 과정입니다10. 동일한 PSQI 총점을 가진 개인이라도 증상 조합은 상당히 다를 수 있습니다. 예를 들어, 어떤 학생은 주로 수면 시작에 어려움을 겪는 반면, 다른 학생은 조기 각성과 낮 시간의 졸음을 경험할 수 있습니다. 최근 몇 년 동안 사람 중심적 접근 방식이 점점 더 많은 관심을 받고 있습니다. 잠재 프로파일 분석(LPA)은 프로파일 간 차이를 최대화하고 프로파일 내 차이를 최소화함으로써 데이터 내의 관찰되지 않은 이질적인 하위 집단을 식별할 수 있습니다11,12. LPA를 통해 연구자들은 대학생들의 특정 수면 프로파일을 더욱 정확하게 특성화할 수 있으며13, 이를 통해 더욱 정밀한 중재 대상을 설정할 수 있습니다.

신체 활동(PA)은 전 생애 주기에 걸친 건강 증진의 초석으로서 세계보건기구(WHO) 및 기타 공중 보건 가이드라인에서 널리 권장됩니다14,15. 실증 연구와 메타 분석에 따르면, 규칙적인 중강도 및 고강도 신체 활동은 심폐 지구력을 향상시키고 사망률을 낮추는 동시에16,17, 심리적 스트레스를 완화하고 인지 기능을 개선하는 데 도움을 줄 수 있는 것으로 나타났습니다18,19. 또한 신체 활동은 수면 문제에 대한 효과적인 비약물적 중재 방법으로 간주됩니다20,21. 가속도계와 같은 객관적 측정 장치를 이용한 코호트 연구22,23,24와 자기 보고식 설문지를 기반으로 한 단면 연구25,26에서 신체 활동과 수면의 질 사이의 긍정적인 상관관계가 보고되었습니다. 더욱이 운동과 수면은 양방향 관계를 갖는 것으로 보입니다. 즉, 충분한 수면은 신체 활동에 대한 동기와 인내심을 높일 수 있으며, 낮 동안의 에너지 소비는 밤의 서파 수면을 촉진할 수 있습니다27,28.

신체 활동이 전반적인 수면 질에 주는 이점에 대해서는 폭넓은 합의가 이루어져 있으나, 기존 문헌에는 몇 가지 한계가 있습니다. 대부분의 연구는 신체 활동을 단일 수면 점수를 예측하는 독립 변수로 처리함으로써, 서로 다른 수면 패턴이 생활 습관 특성의 뚜렷한 조합과 일치할 가능성을 간과해 왔습니다29,30. 대학생의 잠재적 수면 프로파일에 따라 신체 활동 수준이 어떻게 다른지에 대해서는 여전히 충분히 밝혀지지 않았습니다.

이러한 배경에서 본 연구의 목적은 다음과 같습니다: (1) LPA를 사용하여 중국 대학생의 수면 질에 대한 다차원적 지표를 기반으로 잠재 프로파일을 식별하고, (2) 인구통계학적 변수를 통제한 후 수면 프로파일과 신체 활동 수준(낮음, 보통, 높음) 사이의 연관성을 조사하는 것입니다. 본 연구진은 대학생들 사이에서 여러 개의 이질적인 수면 프로파일이 나타날 것이며, 건강한 수면 패턴을 가진 학생이 심각한 수면 장애가 있는 학생보다 중강도 이상의 신체 활동 수준을 달성할 가능성이 더 높을 것이라고 가설을 세웠습니다.

프로토콜

본 연구는 지쇼우 대학교 생의학 윤리 위원회의 승인을 받았습니다 (승인 번호 JSDX-2023-0034). 모든 참가자는 18~25세의 전일제 학부생이었으며, 참여 전 서면 동의서를 제출하였습니다. 참여 대학으로부터 허가를 받았습니다. 설문 데이터는 학술 연구 목적으로만 사용되었으며 익명으로 분석되었습니다. 본 연구는 헬싱키 선언 및 해당 기관의 요구 사항을 준수하여 수행되었습니다.

참가자 모집 및 샘플링 설계

다단계 층화 집락 무작위 표집 설계를 사용하여 2025년 9월부터 12월까지 중국 남부 지역 3개 종합대학교의 학부생들을 대상으로 단면 조사를 실시하였다. 1단계에서는 지리적 대표성을 확보하기 위해 성급 행정 구역을 층으로 정의하고, 층화 무작위 표집을 통해 중국 남부 공립 종합대학교 명단에서 3개 대학을 선정하였다. 2단계에서는 선정된 각 대학 내에서 컴퓨터 생성 난수를 사용하여 각 학년(1학년부터 4학년까지)별로 2~3개의 완전한 학급을 집락 표집 단위로 무작위 선정하였으며, 그 결과 3개 대학 전체에서 총 28개 학급이 선정되었다. 그림 1에 표시된 바와 같이, 선정된 학급의 모든 학생에게 참여를 요청하였다. 선정 기준은 다음과 같았다: (1) 전일제 학부생 신분, (2) 18세에서 25세 사이의 연령, (3) 서면 동의서를 통한 자발적 참여. 제외 기준은 다음과 같았다: (1) 최근의 심각한 신체 질환 또는 골절이나 심각한 심장 질환과 같은 운동 금기 사항이 있는 경우, (2) 심한 우울증이나 조현병 치료와 같이 현재 정신과 약물을 복용 중인 경우, (3) 설문지 작성 시간이 180 s 미만이거나 모든 항목에 동일한 옵션을 선택하는 등 명백한 논리적 불일치가 있는 경우. 총 1,500부의 설문지가 배포되었다. 데이터 정제 과정에서 제외된 80부의 무효 설문지 중 24부는 작성 시간이 180 s 미만이었으며, 20부는 논리적 불일치(예: 모든 항목에 동일한 응답 또는 모순된 답변), 18부는 연령이 18–25세 범위를 벗어난 경우, 11부는 누락된 데이터가 과도한 경우(항목의 20% 이상), 7부는 자가 보고된 심각한 신체 질환 또는 현재 정신과 약물 복용으로 인해 제외되었다. 최종적으로 1,420부의 유효한 설문지가 분석에 사용되었으며, 유효 응답률은 94.67%였다.

figure-protocol-1
그림 1: 연구 설계 및 분석 워크플로우. 참가자 모집 및 선별(설문지 1,500부 배포; 80명 제외; N = 1,420명 포함), PSQI 및 IPAQ-SF를 이용한 평가, 잠재 프로파일 분석(AIC, BIC, aBIC, 엔트로피, LMRT 및 BLRT를 사용하여 1~5개 프로파일 모델 비교), 4가지 수면 프로파일 할당, 이변량 카이제곱 검정, 성별을 공변량으로 한 다항 로지스틱 회귀 분석, 그리고 민감도 분석(전체 공변량 조정 및 클러스터 강건 표준 오차 적용)의 도식적 개요. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

인구통계학적 및 생활 습관 평가

성별(남성/여성), 연령(세), 학년(1학년/2학년/3학년/4학년), 출신 지역(도시/농촌), 체질량지수(BMI), 흡연력, 음주력 및 일평균 스크린 타임을 포함한 인구통계학적 및 사회학적 특성을 파악하기 위해 자체 설계된 설문지를 사용하였다. BMI는 체중(kg)을 신장(m)의 제곱으로 나누어 계산하였다(BMI = weight [kg] / height [m]2). 분석 전 자기보고식 신장과 체중에서 비정상적인 값을 스크리닝하였으며, 신장 <140 cm 또는 >200 cm, 체중 <30 kg 또는 >150 kg, 또는 BMI <12 kg/m2 또는 >40 kg/m2 인 사례를 표시하여 원본 기록과 대조 확인하였고, 확인된 이상치는 제외하였다. 흡연 상태는 지난 한 달 동안의 자기보고식 흡연 행동을 바탕으로 비흡연, 가끔 흡연(일부 날짜에만 흡연하고 매일 하지는 않음), 또는 규칙적 흡연(매일 흡연)으로 분류하였다. 알코올 섭취는 지난 한 달 동안 비음주, 가끔 음주(주 1회 미만 음주), 또는 규칙적 음주(주 1회 이상 음주)로 분류하였다. 일평균 스크린 타임은 참가자들에게 지난 한 달 동안 스마트폰, 컴퓨터, 태블릿 및 텔레비전에 사용한 하루 총 시간을 보고하도록 하여 연속 변수로 기록하였다. 정식 데이터 수집 전, 문항의 명확성과 작성 시간을 평가하기 위해 대학생 30명을 대상으로 설문지 예비 테스트를 실시하였으며, 예비 테스트 피드백을 바탕으로 문구의 미세한 조정을 거쳤다. 이전 연구들은 이러한 변수들이 수면과 신체 활동 사이의 연관성을 교란할 수 있음을 시사하였다30,31. 본 연구에 사용된 모든 기구, 소프트웨어 및 재료는 재료 표에 나열되어 있다.

수면 질 평가

Buysse 등이 개발한 PSQI9를 사용하여 지난 한 달 동안 참가자들의 수면 질을 평가하였다. 이 척도는 주관적 수면 질, 수면 잠복기, 수면 시간, 습관적 수면 효율, 수면 방해, 수면제 사용, 낮 시간 동안의 기능 장애라는 7가지 구성 요소로 이루어진 19개의 자기 평가 항목을 포함한다. 각 구성 요소는 0점(어려움 없음)에서 3점(심각한 어려움)까지 점수가 매겨진다. 이 7가지 연속적 구성 요소의 점수는 LPA의 관찰 지표로 사용되었다. PSQI는 중국 및 전 세계 대학생 집단에서 우수한 신뢰도와 타당도가 입증되었다30. 본 연구에서 이 척도의 Cronbach's alpha 값은 0.83이었다.

신체 활동 평가

Craig 등이 개발한 IPAQ-SF32를 사용하여 지난 7일간의 참가자 신체 활동을 평가하였다. 설문지는 고강도 신체 활동, 중강도 신체 활동, 걷기의 빈도(일/주)와 지속 시간(분/일)을 기록한다. 대사 당량(MET) 값은 IPAQ 채점 프로토콜에 따라 다음과 같이 계산하였다: 걷기 MET-min/week = 3.3 × 지속 시간 × 빈도; 중강도 MET-min/week = 4.0 × 지속 시간 × 빈도; 고강도 MET-min/week = 8.0 × 지속 시간 × 빈도. 세 가지 활동 유형의 MET 값을 합산하여 총 신체 활동량을 구하였다. 참가자들은 대학생을 대상으로 검증된 IPAQ-SF 채점 기준33에 따라 고신체활동(high PA), 중신체활동(moderate PA), 저신체활동(low PA)군으로 분류되었다. 고신체활동은 최소 3일 이상 고강도 활동을 수행하고 총 신체 활동 수준이 최소 1,500 MET-min/week 이상이거나, 7일 이상 걷기, 중강도 또는 고강도 활동을 조합하여 총 신체 활동 수준이 최소 3,000 MET-min/week 이상인 경우로 정의하였다. 중신체활동은 최소 3일 동안 하루 20분 이상 고강도 활동을 하거나, 최소 5일 동안 하루 30분 이상 중강도 활동 및/또는 걷기를 하거나, 활동 조합으로 최소 600 MET-min/week에 도달한 경우로 정의하였다. 저신체활동은 중신체활동 또는 고신체활동 기준을 충족하지 않은 경우로 정의하였다. 데이터 정제는 공식 IPAQ 채점 프로토콜을 따랐다: 하루 총 활동 시간이 16 h를 초과한다고 보고한 참가자는 제외하였으며, MET-minute 계산 전 카테고리별 일일 지속 시간을 180 min으로 절단하였고, 응답 내용이 논리적으로 일치하지 않는 사례는 데이터 정제 과정에서 제거하였다.

통계 분석

먼저, 잠재 프로파일 모델링 소프트웨어(재료 표 참조)34를 사용하여 LPA를 수행합니다. 1,420명의 참가자 중 33명(2.3%)이 PSQI에서 부분적인 결측 데이터를 가졌으며, 9,940개의 구성 요소 수준 응답 중 69개가 누락되었습니다(0.69%; 즉, 1,420명의 참가자 × 7개의 PSQI 구성 요소 점수). 무작위 결측 가설 하에 이러한 결측치를 처리하기 위해 전체 정보 최대 가능도(FIML) 방법이 사용되었습니다. 1개에서 5개의 프로파일을 가진 모델들을 순차적으로 추정했습니다. 모델 적합도는 Akaike 정보 기준(AIC), Bayesian 정보 기준(BIC), 표본 크기 조정 BIC(aBIC), 엔트로피, Lo-Mendell-Rubin 가능도 비 검정(LMRT) 및 부트스트랩 가능도 비 검정(BLRT)을 사용하여 평가되었습니다. AIC, BIC, aBIC 값이 낮을수록 상대적 적합도가 더 좋음을 나타내며, 엔트로피 값이 1에 가까울수록 분류 정확도가 더 높음을 나타냅니다. LMRT와 BLRT는 k개의 프로파일을 가진 모델이 k − 1개의 프로파일을 가진 모델보다 유의하게 더 잘 적합되는지 결정하는 데 사용되었습니다. 잠재 프로파일 분석의 기설정된 가이드라인11,35에 따라 통계적 적합도 지수, 엔트로피, 클래스 크기(표본의 5% 미만을 포함하는 프로파일은 제외), 그리고 실질적 해석 가능성을 종합적으로 고려하여 최적의 프로파일 솔루션을 선택했습니다. 최적의 프로파일 솔루션이 선택된 후, 각 개인의 가장 가능성 높은 클래스 소속을 후속 분석을 위해 통계 분석 소프트웨어(재료 표 참조)로 내보냈습니다. 수면 프로파일에 따른 인구통계학적 특성과 신체 활동 수준의 차이를 조사하기 위해 Pearson 카이제곱 검정을 사용했습니다. 이변량 카이제곱 검정 결과, 성별과 신체 활동 수준만이 4개의 수면 프로파일 간에 유의한 차이를 보였으며(모두 p < 0.001), 연령, 학년, BMI, 흡연, 음주 및 스크린 타임은 차이가 없었습니다(모두 p > 0.05; 보조 표 1 참조). 따라서 간명성의 원칙에 따라 성별만을 다항 로지스틱 회귀 모델의 공변량으로 포함했습니다. 수집된 모든 공변량을 조정한 민감도 분석에서도 동일한 결과 패턴과 유의성이 나타났습니다(보조 표 2). 신체 활동 수준(낮은 PA = 0, 중간 PA = 1, 높은 PA = 2)을 종속 변수로, 수면 프로파일을 핵심 독립 변수로 하여 다항 로지스틱 회귀를 수행했습니다. 오즈비(ORs)와 95% 신뢰 구간(CIs)을 산출했습니다. 모든 검정은 양측 검정으로 수행되었으며, 통계적 유의 수준은 p < 0.05로 설정했습니다. 참가자들이 대학 내의 기존 학급을 통해 모집되었으므로, 설계 조정 표준 오차를 얻기 위해 통계 소프트웨어(재료 표 참조)의 복합 표본 모듈을 사용하여 대학과 학급을 군집 변수로 지정하는 민감도 분석을 실시했습니다. 결과는 표준 다항 로지스틱 회귀 결과와 일치했습니다(보조 표 3). 영어 변수 레이블과 코드북이 포함된 비식별 원시 데이터셋은 보조 파일 1로 제공됩니다.

결과

1개에서 5개의 잠재 프로필을 갖는 모델을 추출하였습니다. 표 1에 나타난 바와 같이, 프로필의 수가 증가함에 따라 AIC, BIC 및 aBIC가 감소하였습니다. 4개 프로필 모델은 가장 높은 엔트로피 값(0.915)을 보였으며, LMRT와 BLRT 모두 통계적으로 유의하였습니다(p < 0.001). 반면, 5개 프로필 모델의 LMRT는 유의하지 않았으며(p = 0.085), 엔트로피는 0.880으로 감소하였습니다. 따라서 5개 프로필 모델이 더 낮은 정보 기준값을 보였음에도 불구하고, 분류 정확도, 모델의 간결성, 클래스 크기 및 실질적 해석 가능성 사이의 균형이 더 우수한 4개 프로필 모델을 최종 선택하였습니다. 프로필 레이블은 권장되는 LPA 보고 관행11에 따라, 각 클래스별 7가지 PSQI 구성 점수의 조건부 평균을 기준으로 할당하였습니다(그림 2).

표 1: 대학생 수면 패턴의 잠재 프로파일 분석에 대한 모델 적합도 지수. AIC, Akaike 정보 기준; BIC, 베이지안 정보 기준; aBIC, 표본 크기 조정 BIC; LMRT, Lo-Mendell-Rubin 가능도비 검정; BLRT, 부트스트랩 가능도비 검정. 이 표를 다운로드하려면 여기를 클릭하십시오.

figure-results-1
그림 2: 수면 패턴의 LPA: 4개 프로필 솔루션. 선 그래프는 건강한 수면, 수면 부족, 낮은 수면 질, 심각한 수면 장애의 4가지 잠재적 수면 프로필에 따른 PSQI 구성 요소 점수를 보여줍니다. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.

PSQI 구성 점수의 특성에 따라 4가지 프로파일을 건강한 수면 그룹(C1), 수면 부족 그룹(C2), 낮은 수면 질 그룹(C3), 심각한 수면 장애 그룹(C4)으로 명명하였습니다. 모델에서 추정된 클래스 확률은 각각 0.447, 0.248, 0.203, 0.102였습니다. 가장 가능성이 높은 클래스 할당을 기준으로 관찰된 빈도는 C1-C4에 대해 각각 639명(45.0%), 355명(25.0%), 284명(20.0%), 142명(10.0%)이었습니다. 카이제곱 검사 결과, 프로파일 간 성별 및 신체 활동 수준에서 유의미한 차이가 나타났습니다(p < 0.001; 표 2). 4개 프로파일 솔루션은 높은 분류 정확도(entropy = 0.915)와 함께 모델 적합도와 이론적 해석 가능성 사이의 최적의 균형을 제공하였습니다.

건강한 수면 그룹 (C1, 45.0%): 이 그룹의 학생들은 7가지 PSQI 구성 요소 모두에서 낮은 점수를 기록했으며, 이는 비교적 규칙적인 수면과 더 나은 수면 질을 나타냅니다. 수면 부족 그룹 (C2, 25.0%): 이 그룹은 수면 시간과 수면 잠복기 점수가 상대적으로 높았으나, 낮 시간의 기능 장애는 두드러지지 않았습니다. 낮은 수면 질 그룹 (C3, 20.0%): 이 그룹의 학생들은 주관적 수면 질, 수면 장애 및 낮 시간의 기능 장애 점수가 상대적으로 높았으며, 수면 효율은 상대적으로 낮았습니다. 심각한 수면 장애 그룹 (C4, 10.0%): 이 하위 그룹은 대부분의 PSQI 구성 요소에서 높은 점수를 보였으며, 다른 프로필보다 수면제 복용 점수가 더 높게 나타나 확정된 임상적 진단보다는 임상적으로 유의미한 수면 문제의 위험이 높음을 시사합니다.

각 프로필에 대한 7가지 PSQI 구성 요소 점수의 정확한 조건부 평균과 표준 편차는 부록 표 4에 기재되어 있습니다.

표 2: 수면 프로파일에 따른 인구통계학적 특성 및 신체 활동 수준의 분포. C1, 건강한 수면 그룹; C2, 수면 부족 그룹; C3, 수면 질 저하 그룹; C4, 심각한 수면 장애 그룹. 이 표를 다운로드하려면 여기를 클릭하십시오.

신체 활동 수준을 종속 변수로 설정하였으며, 낮은 신체 활동 군을 참조 범주로 지정하였다. 수면 프로필을 독립 변수로 설정하고 중증 수면 장애 군을 참조 범주로 지정하였으며, 성별을 통제 변수로 사용하였다. 다음에서 보여지는 바와 같이 표 3건강한 수면군과 수면 부족군에 속한 학생들은 심각한 수면 장애군에 속한 학생들보다 중강도 및 고강도 신체 활동(PA)을 보고할 가능성이 유의하게 더 높았습니다. 이러한 결과는 양호한 수면 프로필과 더 높은 신체 활동 수준 사이의 연관성을 뒷받침하지만, 단면 연구 설계의 특성상 인과 관계를 추론할 수는 없습니다.

표 3: 대학생의 수면 프로필과 신체 활동 수준 간의 다항 로지스틱 회귀 분석. 낮은 신체 활동 수준을 결과 변수의 참조 범주로 설정하였으며, 심한 수면 장애 그룹을 수면 프로필의 참조 범주로 설정하였다. 이 표를 다운로드하려면 여기를 클릭하십시오.

데이터 가용성:

본 연구의 결과를 뒷받침하는 비식별화된 원시 데이터와 분석 코드는 Figshare에서 공개적으로 이용 가능합니다. https://doi.org/10.6084/m9.figshare.33340908 에서 확인 가능합니다.

보충 파일 1: 영어 변수 레이블 및 코드북이 포함된 비식별 원시 데이터셋(Sleep_LPA_Raw_Data_N1420.xlsx).이 파일을 다운로드하려면 여기를 클릭하십시오.

부록 표 1: 수면 프로파일 간 공변량 차이에 대한 이변량 검정.
참고: 범주형 변수는 Pearson 카이제곱 검정으로, 연속형 변수는 일원 분산 분석(one-way ANOVA)으로 검정하였습니다. 성별만이 프로파일 간에 유의미한 차이를 보였습니다 (p < 0.001). 학년, 출신지, 흡연, 음주 및 전공의 세부 범주 분포는 간결함을 위해 생략되었으나, 원시 데이터에서 확인 가능합니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 2: 모든 공변량을 조정한 다항 로지스틱 회귀 분석(민감도 분석).
참고: PA의 참조 범주: Low PA; 수면 프로필의 참조 범주: C4 (심한 장애). 모델은 성별, 연령, BMI, 스크린 타임, 학년, 출신지, 흡연, 음주 및 전공에 대해 조정되었습니다. 모든 연관성의 방향과 유의성은 성별만 조정한 기본 분석(표 3)과 일치합니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 3: 클러스터 강건 표준 오차를 적용한 다항 로지스틱 회귀 분석(SPSS Complex Samples).
참고: 대학교 및 학급별 클러스터링으로 조정된 표준 오차(SPSS Complex Samples 상응치; N = 1,420, 클러스터 = 3개 대학교 × 기존 학급). B 계수는 기본 분석(표 3)과 동일하며, 표준 오차와 p-값만 다릅니다. C1 및 C2는 중등도 및 고강도 PA 모두와 유의미한 연관성을 유지하며, C3는 유의하지 않은 상태로 유지됩니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 4: 수면 프로필별 PSQI 구성 요소 점수의 평균 및 표준 편차.
참고: 수치는 가장 가능성이 높은 클래스 할당에 기반한 조건부 평균(표준 편차)입니다. 7가지 PSQI 구성 요소와 총점 모두 프로필 간에 유의미한 차이를 보였습니다(일원분산분석, 모든 p < 0.001). C1 = 건강한 수면; C2 = 수면 부족; C3 = 좋지 않은 수면 질; C4 = 심각한 수면 장애.이 파일을 다운로드하려면 여기를 클릭하십시오.

토론

본 연구는 비교적 큰 단면 표본을 사용하여, 중국 대학생들 사이에서 네 가지의 이질적인 수면 프로파일을 식별하기 위해 개인 중심의 LPA 접근 방식을 적용하였으며, 이러한 프로파일과 서로 다른 신체 활동 수준 간의 연관성을 추가로 조사하였습니다. 본 연구 결과는 대학생들의 수면 및 운동 관련 건강 행동의 군집화를 이해하는 데 유용한 관점을 제공하며, 대학 환경 내 공중 보건 개입을 위한 더욱 정밀한 표적을 제시합니다.

본 연구는 대학생의 수면 패턴을 건강한 수면, 수면 부족, 낮은 수면 질, 심각한 수면 장애의 네 가지 프로파일로 분류하였다. 건강한 수면 그룹이 가장 큰 비중(45.0%)을 차지했지만, 학생의 절반 이상(55.0%)이 수면 상태가 좋지 않은 프로파일로 분류되었다. 이러한 결과는 청소년 및 성인 초기에 수면 문제 유병률이 높다는 국제적 근거와 일치한다3,4. 특히, 심각한 수면 장애 그룹에서 여학생의 비율이 남학생보다 상당히 높았는데(68.3% 대 31.7%), 이는 수면의 성별 차이에 관한 이전 연구 결과들과 일치한다. 에스트로겐과 프로게스테론의 주기적 변화를 포함하여 월경 주기에 따른 여성 호르몬 수치의 변동은 수면 장애에 대한 취약성을 높일 수 있다10. 심리적 관점에서 여학생은 학업 및 대인 관계 스트레스에 더 민감하고 부정적인 감정을 내면화할 가능성이 더 높을 수 있다. 이러한 반추는 수면 잠복기를 연장시키고 수면의 깊이를 감소시킬 수 있다7. 또한, 학생의 25.0%가 수면 부족 그룹에 속했다. 기존 문헌에 따르면, 이러한 프로파일은 취침 전 장시간의 화면 노출 및 모바일 기기로 인한 블루라이트 노출, 그리고 상대적으로 부족한 시간 관리 능력에 일부 기인할 수 있다30. 다만, 이러한 요인들은 본 연구에서 직접적으로 평가되지 않았으므로 향후 연구에서 검토되어야 한다.

본 연구 결과, 수면 프로파일에 따라 신체 활동 수준에서 유의미한 단계적 차이가 나타났다. 다항 로지스틱 회귀 분석 결과, 심각한 수면 장애 그룹의 학생들과 비교하여 건강한 수면 그룹의 학생들은 높은 수준의 신체 활동(PA)을 달성할 확률이 상당히 더 높은 것으로 나타났다(OR = 7.55). 이러한 결과는 생활 습관 의학의 건강 행동 클러스터링 개념과 일치하며, 바람직한 수면 패턴과 규칙적인 신체 활동이 동일 인물에게서 동시에 나타날 수 있음을 시사한다.

수면 프로필과 신체 활동(PA) 사이에서 관찰된 연관성은 여러 가능한 생리학적 및 심리학적 경로로 설명될 수 있으나, 이러한 메커니즘은 본 단면 연구에서 직접적으로 테스트되지 않았습니다. 첫째, 규칙적인 신체 활동이 수면을 촉진할 가능성이 있습니다. 중강도에서 고강도의 신체 활동은 체온의 급격한 상승을 유도하고, 이후 보상적인 운동 후 체온 감소가 이어져 수면 시작을 돕고 서파 수면의 비율을 높일 수 있습니다17. 또한, 규칙적인 신체 활동은 미주 신경 톤을 강화하고 교감 신경의 과활성화를 줄임으로써 자율 신경계를 조절할 수 있습니다. 게다가 운동 관련 엔도르핀과 뇌 유래 신경영양인자는 우울증과 불안을 완화하는 데 도움을 주어, 불면증의 심리학적 요인을 감소시킬 수 있습니다36,37. 낮 시간의 야외 활동은 망막의 빛 노출을 더욱 증가시켜 일주기 리듬을 교정하고 멜라토닌 분비를 안정시키는 데 기여할 수 있습니다38. 둘째, 수면 부족이 낮 시간의 신체 활동을 제한한다는 가설 또한 타당합니다. 심한 수면 장애 그룹의 학생들은 PSQI의 높은 주간 기능 장애 점수에서 나타나듯이, 불충분한 야간 회복으로 인해 낮 시간의 피로감과 졸음을 경험할 수 있습니다. 이러한 에너지 고갈은 신체적 노력에 대한 자기 효능감과 동기를 저하시킬 수 있습니다20,28. 실험 및 검토 근거에 따르면 수면과 운동은 회복, 피로, 정서 및 일주기 경로를 통해 서로 영향을 미칠 수 있습니다28,39. 따라서 심각한 수면 문제를 가진 학생들은 좌식 생활 방식을 택할 가능성이 더 높을 수 있습니다. 제안된 이러한 양방향 경로는 추측 단계에 있으며, 향후 종단적 코호트 연구와 무작위 대조 시험을 통해 검증되어야 합니다.

본 연구는 상대적으로 큰 표본 크기와 개인 중심의 분석적 접근 방식이라는 강점이 있으나, 몇 가지 한계점을 인정해야 합니다. 첫째, 본 연구는 단면적 설계(cross-sectional design)를 사용하였으므로 수면 패턴과 신체 활동 간의 인과 관계를 추론할 수 없습니다. 특정 수면 프로필에 대한 운동 중재의 효과를 검증하기 위해 향후 종단적 연구나 무작위 대조 시험이 필요합니다39. 둘째, 수면과 신체 활동 모두 자기보고 척도를 사용하여 평가되었으며, 이는 회상 편향(recall bias)과 사회적 바람직성 편향(social desirability bias)의 영향을 받았을 수 있습니다. 향후 연구에서는 더욱 객관적인 생리학적 및 행동적 데이터를 얻기 위해 수면다원검사(polysomnography), 가속도계 또는 웨어러블 기기를 도입해야 합니다22,24. 셋째, 표본이 중국 남부 지역 대학의 대학생으로 제한되었으므로, 문화적 배경과 기후 조건이 결과의 일반화 가능성을 제한할 수 있습니다. 향후 연구에서는 더 넓은 지리적 영역과 다양한 직업군으로 참여자를 확대해야 합니다. 넷째, 대학 및 학급별 클러스터링을 조정한 복합 표본 민감도 분석에서는 일관된 결과가 도출되었으나, 카이제곱 검정에서는 군집 표집으로 인해 발생하는 집단 내 상관관계(intraclass correlation)를 명시적으로 고려하지 않았습니다. 더 많은 수의 클러스터를 포함하는 향후 연구에서는 설계 단계부터 다층 잠재 프로필 분석(multilevel latent profile analysis) 또는 다층 회귀 분석을 고려해야 합니다. 다섯째, 다항 로지스틱 회귀 분석에서 잠재 프로필 모델에서 추출된 가장 가능성 높은 클래스 멤버십을 사용하였으며, 이는 분류 불확실성(classification uncertainty)을 완전히 반영하지 못합니다. 높은 엔트로피(0.915)와 모든 클래스에 대해 0.80 이상의 평균 사후 확률은 분류 정확도가 높았음을 시사하지만, 향후 연구에서는 보조 분석에 분류 불확실성을 더 적절하게 전파하기 위해 Bolck-Croon-Hagenaars (BCH) 3단계 절차와 같은 모델 기반 접근 방식을 채택해야 합니다.

대학생들의 수면 패턴은 균일하지 않으며 명확한 집단 간 이질성을 보입니다. 본 연구에서 학생들은 건강한 수면, 수면 부족, 낮은 수면 질, 심각한 수면 장애의 네 가지 잠재 프로파일로 분류되었습니다. 바람직한 수면 패턴은 중간 및 높은 수준의 신체 활동과 정적인 상관관계를 보였습니다. 이러한 결과는 대학 교육자와 공중보건 정책 입안자들이 학생들의 정신 건강과 신체 건강을 증진할 때 일률적인 접근 방식을 지양해야 함을 시사합니다. 수면 부족 집단 학생들의 경우, 시간 관리 및 취침 전 행동에 초점을 맞춘 중재가 필요할 수 있습니다. 심각한 수면 장애 집단 학생들의 경우에는 임상적으로 필요하다고 판단될 때 불면증을 위한 인지 행동 치료(CBT-I)를 포함한 전문적인 심리적 지원을 고려할 수 있습니다40. 신체 활동 수준은 수면 질 저하 위험이 있는 학생을 식별하는 데 유용한 행동 지표가 될 수 있으나, 신체 활동 증가가 특정 수면 프로파일을 개선할 수 있는지 판단하기 위해서는 종단적 연구 및 중재 연구가 필요합니다.

공개 사항

저자는 잠재적인 이해 상충으로 해석될 수 있는 어떠한 상업적 또는 재정적 관계없이 이 연구가 수행되었음을 밝힙니다.

감사의 글

설문에 참여한 대학들과 모든 학생들에게 감사드립니다. 본 연구는 교육부의 청년 학자 대상 인문사회과학 연구 프로젝트(Grant No. 23YJC890059)와 후난성 교육 및 교수법 개혁 연구 프로젝트(Grant No. 202502000069)의 지원을 받았습니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
인구통계 및 생활 습관 설문지연구팀 자체 설계N/A성별, 연령, 학년, 출신지, 체질량 지수, 흡연력, 음주력 및 일일 평균 스크린 타임 수집에 사용됨.
피츠버그 수면 질 지수 (PSQI)Buysse et al., 1989DOI: 10.1016/0165-1781(89)90047-4지난 한 달 동안의 수면 질을 평가하는 데 사용됨. 7가지 구성 요소 점수가 잠재 프로파일 분석을 위한 관찰 지표로 사용됨.
국제 신체 활동 설문지-단축형 (IPAQ-SF)Craig et al., 2003

DOI: 10.1249/01.MSS.0000078924.61453

.FB

지난 7일 동안의 걷기, 중강도 신체 활동 및 고강도 신체 활동을 평가하는 데 사용됨.
서면 동의서연구팀 및 참여 대학윤리 승인 번호 JSDX-2023-003418-25세 학부생의 자발적 참여를 문서화하는 데 사용됨.
설문 데이터 수집 절차중국 남부 참여 대학N/A2025년 9월에서 12월 사이의 다단계 층화 집락 무작위 추출 및 설문 실시를 위해 사용됨.
MplusMuthen & MuthenVersion 8.37가지 PSQI 구성 요소 점수를 기반으로 잠재 프로파일 분석을 수행하는 데 사용됨.
IBM SPSS StatisticsIBMVersion 26.0카이제곱 검정 및 다항 로지스틱 회귀 분석을 수행하는 데 사용됨.
Microsoft ExcelMicrosoftN/A업로드용 조베(JoVE) 표 파일을 별도로 준비하는 데 사용됨.

참고문헌

  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.

재인쇄 및 허가

태그

문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.