背景：糖尿病是以高血糖为特征的慢性代谢性疾病。2021年，全球有5.37亿20-79岁的成年人患有糖尿病，其中2型糖尿病(T2DM)占90%以上。随着病情发展，损害个体的身体(心脏、肾脏、血管和神经等)、心理和社会功能，降低生活质量，增加残疾和死亡率。尽管研究人员一直在努力寻找治疗T2DM的方法，但迄今为止，它仍然是一种无法治愈的、慢性的、终生的疾病。因此，与T2DM相关的因素值得高度关注，特别是可改变的行为和生活方式因素。

睡眠、身体活动和饮食行为等多种行为和生活方式因素已被证实与T2DM相关，由于不健康行为和生活方式的普遍存在，T2DM在儿童、青少年和青壮人中越来越多。此外，研究还发现，行为生活方式干预，如减肥、饮食和体育活动，可将糖尿病风险降低约50%;此外，这种风险降低在干预措施后仍可持续多年。因此，准确识别与T2DM相关的可改变的行为和生活方式因素在疾病的管理中至关重要。

睡眠是调节人体许多生理功能的重要生理过程。现有的研究大多集中在睡眠某一方面与T2DM的关系上，结果显示睡眠时间过多或不足、睡眠质量差或睡眠时型和社会时差(SJL)提示的昼夜节律中断与T2DM相关。然而，睡眠健康遵循睡眠-觉醒的多维模式，良好睡眠健康的特征涉及睡眠的多个方面，如主观满意度、适当的时间、充足的持续时间、高效率和清醒时的持续警觉性。此外，睡眠的各个方面之间可能存在复杂的内在联系，如睡眠时长，这可能与睡眠时间类型有关，夜间睡眠质量可能会影响白天的睡眠和功能。一些研究注意到了这些问题，并进一步分析了不同睡眠模式与2型糖尿病之间的可能联系。例如，翟等人发现，与中等睡眠时间型和7-8小时夜间睡眠时间的人相比，夜间睡眠时间型和>9小时夜间睡眠时间的人患T2DM的风险最高。一项荟萃分析显示，只有在失眠症状存在时，客观睡眠时间短(<6小时)与T2DM显著相关。然而，这些研究中睡眠模式的形成是预先确定的，并不能充分反映现实世界中的睡眠模式。

潜类分析(Latent class analysis, LCA)是一种基于个体在不同显变量中的选择倾向来识别具有相似特征的群体的统计方法。这种方法的优点是分组源于数据;因此，类别不是预先定义的，不受当前概念框架的限制。使用LCA对睡眠模式进行分类可以全面分析各种睡眠维度及其在现实世界中复杂的相互关系。之前的一项研究使用LCA根据睡眠维度将人群分为三个类别，并进一步分析了每个类别与糖尿病[21]之间的关系。然而，该研究中的睡眠维度仅涉及睡眠质量、睡眠时长、睡眠潜伏期、睡眠障碍、白天嗜睡和白天功能障碍，并且该研究没有区分1型、2型和其他类型的糖尿病。事实上，不同类型的糖尿病之间存在根本差异，需要单独分析。因此，需要进一步研究以下问题:(1)基于综合睡眠维度，现实世界人群中存在哪些睡眠模式?(2)哪种睡眠模式与T2DM相关?

目的：我们假设，通过全面分析人们的睡眠维度，可以对他们的睡眠模式进行准确的分类，T2DM的患病率与睡眠问题较多或较差的睡眠模式以及不良睡眠行为密切相关。本研究旨在(1)综合考虑主观睡眠质量、睡眠潜伏期、睡眠时长、睡眠效率、睡眠障碍、日间功能障碍、日间嗜睡、就寝时间拖延、睡眠时型、SJL、睡眠药物使用等睡眠的各个方面，探索基于LCA的睡眠模式潜在类别;(2)确定与T2DM相关的睡眠模式。

方法：根据研究人群的11个睡眠维度，使用潜在类别分析来探索睡眠模式的最佳潜在类别。Logistic回归用于确定与2型糖尿病相关的睡眠模式。

结论：共有1200名参与者参与了这项研究。研究人群中有三种睡眠模式：“昼夜节律紊乱”(第1类)、“睡眠状况差伴白天困倦”(第2类)和“良好睡眠状态”(第3类)。在控制了所有混杂因素后，2类人群的2型糖尿病患病率显著高于3类人群(OR：2.24，95%可信区间1.26-4.00)。

表1 拟合潜在类模型的统计数据。

图1。睡眠模式的潜在类别的图形表示。

表2 参与者在三类睡眠模式中的特征。

表3 睡眠模式潜在类型与T2DM相关性的Logistic分析

结论：睡眠问题具有聚集性特征。有更多或更严重睡眠问题的人有更高的T2 DM患病率。

原文出处：Liu M,  Ahmed WL,  Zhuo L,et al.Association of Sleep Patterns with Type 2 Diabetes Mellitus: A Cross-Sectional Study Based on Latent Class Analysis.Int J Environ Res Public Health 2022 Dec 26;20(1)