引言

睡眠障碍是指一系列影响个体睡眠模式、睡眠时间和质量的症状。据估计，全球约有3亿人患有睡眠障碍，睡眠障碍影响人们的生活质量并增加他们患糖尿病、肥胖症、抑郁症和心血管疾病等慢性病的风险。以前的研究已经检查了饮食模式对慢性非传染性疾病（缺血性心脏病、糖尿病和结直肠癌）风险的影响。越来越多的证据表明，饮食与睡眠相互影响。饮食摄入也是直接影响睡眠质量的关键决定因素。例如，高糖饮食会引起血糖波动并影响睡眠稳定性；高脂肪饮食可能会通过影响神经内分泌系统来扰乱睡眠节律。饮食健康指数（HEI）允许通过基于能量密度分析不同食物类别的消费来评估饮食质量，如何通过HEI来评估饮食对睡眠障碍的影响，从而选择健康的饮食模式成为当务之急。

除了饮食对睡眠之间的影响。肥胖也被广泛认为是影响睡眠障碍的危险因素之一。首先，质量差的睡眠会对能量平衡产生负面影响，促进体重增加和代谢改变。其次，肥胖可能使个体易患睡眠障碍。众所周知，肥胖和饮食之间存在复杂的关联。一方面，抗炎饮食、健康饮食或食用健康的植物性食物都与降低患肥胖的风险有关。另一方面，研究证实，体内脂肪积累会直接改变大脑对食物信号的解码能力，肥胖者需要更多高热量食物才能获得与常人同等的满足感。因此，鉴于饮食、肥胖和睡眠障碍之间的关系，肥胖可能在饮食和睡眠障碍之间的关联中发挥作用。

前人研究使用体重指数（BMI）作为肥胖的标准衡量标准，但近年来，BMI的有效性一直存在争议；BMI没有考虑身体成分，特别是脂肪量和瘦体重之间的区别，并且没有认识到肌肉减少性肥胖，即过多脂肪和低瘦体重的共存，这加剧了肥胖的健康风险。作为评估成人内脏脂肪分布和功能损害的新指标，LAP已在研究中得到广泛应用。与评估内脏脂肪肥胖的金标准成像技术（如磁共振成像和计算机断层扫描）相比，LAP提供了一种经济、高效且无创的方法。它有效识别与内脏脂肪肥胖相关的代谢紊乱。但是目前基于LAP进行睡眠障碍关系分析的准确性尚待讨论。

为了填补这些知识空白，本研究旨在探讨HEI、LAP和睡眠障碍之间的独立和联合关联；以及LAI可能在HEI与睡眠障碍之间的中介作用。

1 方法

1.1 数据来源及研究对象

本队列数据来自国家健康与营养检查调查（NHANES）。全国健康与营养检查调查（NHANES）基于复杂的多阶段抽样加权设计，以获得非机构化美国平民人口的代表性样本，旨在评估非机构化美国人口的健康和营养状况。本研究利用了NHANES2017-2020数据发布周期的数据集，该数据集筛选了总计15,560名具有代表性的个体。通过设定如图1所示的纳入标准，从2017年至2020年NHANES数据集中的15560名参与者中提取了数据。排除孕妇及年龄20岁以下个人（n=6535）以及那些缺少HEI数据、BMI数据等变量数据和关于睡眠障碍、吸烟、饮酒的不完整问卷数据（n=6395），最终纳入了2,630名参与者的队列（图1）。

1.2 HEI的表征

健康饮食指数（Healthy Eating Index，HEI）是由美国农业部（USDA）推广一种标准化工具，用于通过衡量与美国人膳食指南（DGA）的一致性来评估整体饮食质量，不受数量的影响，旨在促进一般健康，而不针对特定疾病。依托NHANES数据库24小时饮食回忆数据，采用HEI-2020量表评估饮食质量，量表含13项膳食成分，总分0-100分，分值越高代表饮食质量越优（见补充表S0）。

1.3 LAP的评估

脂质蓄积指数（lipid accumulation product，LAP）是结合了WC（腰围）和TG（甘油三酯）的肥胖指标，反映了全身脂肪，尤其是腰部脂肪的积累。LAP的公式如图2所示。LAP公式由以厘米为单位的WC和以毫摩尔/升为单位的TG组成。

1.4 睡眠障碍的诊断

根据以前的研究，诊断睡眠障碍的标准基于对NHANES个人访谈问卷中问题“医生是否曾告诉您患有睡眠障碍？”回答“是”的个体被定义为患有睡眠障碍。

1.5 协变量

结合有向无环图3（DAG）筛选混杂因素，纳入人口学特征（年龄、性别、种族、婚姻状况、教育水平）与健康相关指标（贫困收入比、吸烟史、饮酒史、高血压、糖尿病、抑郁症）作为协变量，所有协变量均采用分类赋值方式纳入统计模型（见补充表 S1）。

1.6统计分析

使用R（版本4.3.1）对数据进行统计分析。正态分布连续变量以均值±标准差表示，组间比较行独立t检验；非正态分布连续变量以中位数表示，组间比较行Mann-Whitney U检验；分类变量以构成比表示，组间比较行卡方检验。通过多变量逻辑回归模型分析HEI、LAP与睡眠障碍的关联，构建未调整模型、基础调整模型、完全调整模型三组方程；借助RCS曲线拟合探究指标与睡眠障碍的非线性关联及阈值点；采用mediation包，经1000次bootstrap重采样完成中介效应分析，计算直接效应、间接效应与中介占比，中介分析模型如图4所示。

2结果

2.1 基线特征

本次分析共纳入2630名美国成年人，睡眠障碍的患病率约为30%（805人）。48.3%为男性。有无睡眠障碍的患者表现出某些区别因素。睡眠障碍患者通常年龄较大，女性、非西班牙裔白人、受教育程度较高、PIR较高、BMI较高，结过婚、有吸烟和饮酒史、LAP水平较高及HEI水平较低人群的患病率更高。高血压、糖尿病或高胆固醇患者的睡眠障碍患病率较高（P<0.05）（表1）。

	level	非睡眠障碍	睡眠障碍	P test
n		1825	805
性别(%)	男	909(49.8)	361(44.8)	0.021
	女	916(50.2)	444(55.2)
LAP (median[IQR])		36.76[19.42,59.87]	48.82[27.21,81.17]	<0.001 nonnorm
HEI (median[IQR])		49.56[41.37,58.79]	48.02[41.09,57.17]	0.045 nonnorm

2.2 HEI与睡眠障碍的关系

在完全调整年龄、性别、种族、教育程度、婚姻状况、家庭贫困收入比（PIR）、吸烟、饮酒、糖尿病及抑郁症等协变量后，多变量逻辑回归分析显示，HEI与睡眠障碍呈显著负相关（OR=0.991，95%CI：0.983~0.998），即HEI每升高1个单位，睡眠障碍患病风险降低0.9%。将HEI按三分位数转换为分类变量后，以最低组为参照，最高三分位组睡眠障碍风险显著降低24.0%（OR=0.760，95%CI：0.604~0.955），趋势检验结果支持该剂量反应关系（P<0.05，表2）。

进一步采用限制性立方样条（RCS）模型分析二者的剂量反应关系，经多变量调整后，HEI与睡眠障碍呈线性负相关（总体非线性P>0.05），拟合断点为49.1，断点前后HEI升高伴随睡眠障碍风险降低的趋势保持稳定（图5A）。

为明确核心膳食影响因素，本研究构建纳入13项HEI膳食成分及性别、年龄、种族/民族3个核心协变量的多因素逻辑回归风险预测模型。结果显示，总蛋白质摄入是与睡眠障碍关联最紧密的膳食因素，可显著降低睡眠障碍患病风险（OR=0.885，95%CI：0.805~0.973）。

Characteristics	模型1 OR(95%CI)	P-value	模型2 OR(95%CI)	P-value	模型3 OR(95%CI)	P-value
Continuous	0.994 (0.987,1.000)	0.061	0.991 (0.984,0.999)	0.014	0.991 (0.983,0.998)	0.016
Tertile	1(参考)		1(参考)		1(参考)
T2	0.981 (0.802,1.199)	0.850	0.965 (0.784,1.188)	0.739	0.966 (0.780,1.196)	0.752
T3	0.817 (0.666,1.00)	0.054	0.762 (0.611,0.949)	0.032	0.760 (0.605,0.955)	0.019
P代表趋势	0.055		0.016		0.020

2.3 肥胖相关指标与睡眠障碍的关系

采用多变量逻辑回归模型分析LAP与睡眠障碍的关联（表4），完全调整协变量后结果显示，LAP与睡眠障碍呈显著正相关（OR=1.003，95%CI：1.002~1.005）。将LAP按三分位数转为分类变量，以最低组为参照，最高三分位组睡眠障碍风险升高99%（OR=1.991，95%CI：1.586~2.504），趋势检验证实该关联具有统计学意义（P<0.001）；LAP依托腰围与甘油三酯测算，可反映脂质代谢异常（表3）。

限制性立方样条（RCS）分析显示，LAP与睡眠障碍风险呈非线性相关（P＜0.001），拟合断点为40.0，断点前睡眠障碍风险随LAP升高显著攀升，断点后该上升趋势明显趋缓（图5（B））。

Characteristics	模型1 OR[95%CI]	P-value	模型2 （OR[95%CI]）	P-value	模型3（ OR[95%CI]）	P-value
Continuous	1.005 (1.003,1.006)	<0.001	1.004 (1.002,1.006)	<0.001	1.003 (1.002,1.005)	<0.001
Tertile	1(参考)		1(参考)		1(参考)
T2	1.326 (1.070,1.645)	<0.01	1.250 (1.002,1.561)	0.048	1.283 (1.023,1.612)	0.031
T3	2.226 (1.812,2.741)	<0.001	2.078 (1.673,2.587)	<0.001	1.991 (1.586,2.504)	<0.001
P代表趋势	<0.001		<0.001		<0.001

模型1：无调整。

模型2：加入协变量：年龄、性别、种族、教育程度、婚姻状况。

模型3：加入协变量：年龄、性别、种族、教育程度、婚姻状况、家庭PIR、吸烟情况、饮酒情况、糖尿病、抑郁症。LAP分数是连续变量，根据三分位数分组。HEI2020_ALL：健康饮食指数。

2.4 中介效应分析

为了探索HEI、LAP、BMI对睡眠障碍的显著负面影响的内在机制，LAP、BMI被进一步引入作为中介变量，以替代到研究的结构方程建模中。具体模型如下图所示，路径C表示总效果；路径C′表示直接效应。间接效应估计为路径A和B。LAP，脂质蓄积指数；HEI，饮食健康指数。根据年龄、性别、教育水平、婚姻、PIR、种族、吸烟情况、饮酒情况、糖尿病、抑郁症调整分析。结果显示如图，其中可以看出HEI对LAP具有显著的负预测作用（β=-0.353，P<0.001），95%置信区间为[-0.548 to -0.157]，LAP对睡眠障碍有显著的正预测作用（OR=1.003，P<0.01），95%置信区间为[1.001 to1.005]，而HEI对睡眠障碍有显著的负预测作用（OR=0.992，P<0.05），95%置信区间为[0.984 to0.999]。LAP对HEI对睡眠障碍影响的中介作用为-2.416×10^-4，95%置信区间为[-0.00007 to0]，表明LAP对HEI对睡眠障碍影响的中介作用显著。

基于中介分析的结果，在调整了所有协变量后，我们观察到LAP（图6）的间接效应（间接效应为-2.762×10^-4，P<0.001；直接效应为-4.039×10^-3，P=0.044）介导了HEI与睡眠障碍之间关联的11.29%（P<0.05）。总之，可以得出结论，该中介模型的解释具有局限性，单一通路的中介机制无法完整阐释二者关联。

3讨论

睡眠障碍是一个由多种因素共同影响的复杂生理过程，涉及到多个系统的损伤，各种不健康的因素都有可能加重睡眠障碍。在众多可改变的危险因素中，饮食与肥胖对睡眠障碍过程都具有至关重要的影响。同时，饮食在肥胖的发生和发展中也起着决定性作用。因此，关注肥胖在饮食和睡眠障碍间的中介作用，采取健康合理的饮食方式，对从源头控制体重、缓解睡眠障碍进程和健康具有重要意义。

本研究从2017-2020年的美国NHANES数据库中选择了2630名符合纳入排除标准的成年人作为研究对象，使用HEI来评价饮食质量，选择LAP作为评价肥胖的指标。通过分析掌握了研究对象的社会人口、生活方式、饮食及身体健康数据的分布情况，分别分析评估了HEI、LAP与睡眠障碍的关系，探讨了HEI中组成成分对睡眠障碍关联来筛选与其关系最密切的膳食因素。同时探讨了LAP关联睡眠障碍的关联；并进一步分析了LAP在HEI-睡眠障碍路径中可能存在的中介作用，从而为延缓人群睡眠障碍提供理论依据。

3.1 HEI和睡眠障碍的关系

根据NHANES数据库分析了HEI和睡眠障碍的关系，本研究使用的HEI与睡眠障碍的关系均符合逻辑回归模型。与未调整的模型相比，在调整年龄、性别、种族、教育程度、婚姻状况、家庭PIR、吸烟情况、饮酒情况、糖尿病、抑郁症疾病等协变量后，HEI和睡眠障碍显著负相关（P<0.05）。模型的稳健性证实了健康饮食模式对睡眠保护的独立作用。高质量膳食摄入与成人睡眠障碍风险降低显著相关，其中蔬菜/豆类、添加糖、饱和脂肪等是关键膳食组分。营养因素因饮食模式而异，并受个体代谢差异调节，短睡眠时间与高热量/高脂摄入、低蛋白质膳食相关，也与蔬果摄入减少及膳食质量下降存在关联；同时睡眠模式可能影响摄食行为和热量分配时序。本研究通过HEI中主要组成成分对睡眠障碍关联分析来筛选与其关系最密切的膳食因素得出总蛋白质摄入增加能够显著降低睡眠障碍风险。通过进一步将HEI作为分类变量纳入调整后模型发现，将HEI按三分位数分层后，最高组比最低组患睡眠障碍的概率显著低出24%，RCS剂量－反应曲线研究显示HEI与睡眠障碍风险之间存在非线性负相关，断点为49.1。

3.2 肥胖相关指数与睡眠障碍的关系

阻塞性睡眠呼吸暂停（OSA）作为睡眠障碍的一种，肥胖（尤其是腹部脂肪堆积）是OSA发生和恶化的关键危险因素：颈部及上气道脂肪沉积可致睡眠中气道狭窄或阻塞。腹部肥胖不仅会增加腹内压，同时降低肺容量，并增加上气道塌陷的可能性。此外，内脏脂肪分泌的炎性因子与脂肪因子可诱发全身炎症及氧化应激，进一步损害上气道功能并加剧脂肪组织增殖。相反，OSA通过干扰睡眠模式与激素调节（如饥饿素失衡），增加饥饿感及高热量食物摄入倾向，导致体重上升和减重困难。

本研究使用的肥胖相关指标LAP与睡眠障碍的关系均符合逻辑回归模型。与未调整的模型相比，在调整年龄、性别、种族、教育程度、婚姻状况、家庭PIR、吸烟情况、饮酒情况、糖尿病、抑郁症疾病等协变量后，睡眠障碍情况和LAP的相关性保持稳定，依然显著正相关（P<0.001）。统计将LAP作为分类变量纳入模型，LAP三分位数分层显示，最高组睡眠障碍风险较最低组显著升高99%，且存在剂量依赖性，RCS剂量－反应曲线显示LAP与睡眠障碍风险呈非线性关系，断点前，LAP升高伴随睡眠障碍风险增加；断点后，该趋势不显著。相关研究也证实LAP（饱和度65.684）与OSA风险呈浓度依赖性关联，维持二者理想水平对降低OSA风险具有临床价值。

本研究表明，LAP水平升高会显著增加睡眠障碍的风险，表明它们有可能作为睡眠障碍的预测标志物，并倡导饮食和运动干预以减轻LAP水平高的个体的睡眠障碍风险。

3.3 肥胖相关指数在膳食健康指数和睡眠障碍间的中介作用

本研究通过结构方程模型系统探究了HEI对睡眠障碍的影响及潜在中介机制，结果揭示了LAP在其中的差异化作用，为膳食干预改善睡眠健康的病理生理路径提供了精准证据。本研究发现，HEI评分与LAP呈显著负相关，表明高质量饮食可有效抑制脂质异常堆积，这与既往膳食模式调控脂质代谢的研究结论一致。更重要的是，LAP升高则显著增加睡眠障碍发生风险，提示脂质代谢紊乱可能是睡眠障碍的关键病理生理环节。进一步中介分析证实，LAP在HEI与睡眠障碍的关联中发挥显著中介作用，且同时存在显著的直接效应（P=0.044），中介比例达11.29%（P<0.05）。这从统计学层面证实了“膳食质量→脂质代谢调控→睡眠稳态维持”的级联作用机制。LAP介导了HEI与睡眠障碍总关联的11.29%，表明脂质代谢途径贡献了饮食干预改善睡眠的约十分之一效应量，为临床营养策略提供了精准靶点。但其效应量有限，也暗示HEI对睡眠的保护存在更复杂的多路径调控机制。进一步研究显示肥胖指标LAP在HEI与睡眠障碍之间存在显著的中介作用，较高的饮食质量，不仅能直接减少睡眠障碍，同时也可能通过降低LAP来间接减缓睡眠障碍。相关结果提示，采用高质量的饮食方式，如HEI高得分饮食，可能会直接影响睡眠障碍，也可能通过影响肥胖间接降低睡眠障碍水平。基于肥胖指数在饮食指数与睡眠障碍间的中介效应，抗炎饮食和抗氧化饮食等高质量饮食可能通过控制肥胖增长来减缓睡眠障碍状况。

4结论

本研究发现约有三分之一的成年人存在睡眠障碍的问题，且HEI、LAP和睡眠障碍之间存在显著的关联，不健康的饮食模式和肥胖相关指数较高均为睡眠障碍的危险因素。在一定范围内，HEI水平与睡眠障碍呈负相关，LAP水平和睡眠障碍呈正相关。全蛋白质饮食模式能够降低睡眠障碍的发生，且LAP可能在这一过程中产生中介作用。同时，LAP对睡眠障碍具有一定独立预测能力，但无法独立作为有效预测指标应用。总之，本研究通过阐明健康饮食模式、肥胖及睡眠障碍三者间的关联关系及中介效应，为从营养干预与代谢调节角度预防和管理睡眠障碍提供了新的证据与潜在靶点。

参考文献：

1. [1] Wang Q, Wang X, Yang C, et al.The role of sleep disorders in cardiovascular diseases:Culprit or accomplice?[J].Life science,2021,283(283):119851.
2. [2] Health effects of dietary risks in195 countries,1990-2017:A systematic analysis for the global burden of disease study2017[J].Lancet,2019,393(10184):1958-1972.
3. [3] Gangwisch J E, Hale L, St-Onge M, et al. High glycemic index and glycemic load diets as risk factors for insomnia: Analyses from the Women's Health Initiative[J].The American journal of clinical nutrition,2020,111(02):429-439.
4. [4] Perron I J, Pack A I, Veasey S. Diet/Energy balance affect sleep and wakefulness independent of body weight[J].Sleep,2015,38(12):1893-1903.
5. [5] Rodrigues G D, Fiorelli E M, Furlan L, et al. Obesity and sleep disturbances:The "chicken or the egg" question[J].European journal of internal medicine,2021,92(92):11-16.
6. [6] Wang Y B, Shivappa N, Hebert J R, et al.Association between dietary inflammatory index,dietary patterns,plant-based dietary index and the risk of obesity[J].Nutrients,2021,13(05).
7. [7] Zhou T, Chen S, Mao J, et al. Association between obstructive sleep apnea and visceral adiposity index and lipid accumulation product:NHANES2015-2018[J].Lipids health disease,2024,23(01):100.
8. [8] Deng M, Nie J, Li Y, et al. Higher HEI-2015 scores are associated with lower risk of sleep disorder: Results from a nationally representative survey of United States adults[J].Nutrients,2022,14(04).
9. [9] Dashti H S, Scheer F A, Jacques P F, et al.Short sleep duration and dietary intake:epidemiologic evidence,mechanisms,and health implications[J].Advances in nutrition,2015,6(06):648-659.
10. [10] Abourjeili J, Salameh E, Noureddine M, et al.Obstructive sleep apnea:Beyond the dogma of obesity![J].Respiratory medicine,2024,222(222):107512.
11. [11] Harada Y, Oga T, Chihara Y, et al.Differences in associations between visceral fat accumulation and obstructive sleep apnea by sex[J].Annals of the American thoracic society,2014,11(03):383-391.
12. [12] Senaratna C V, Perret J L, Lodge C J, et al.Prevalence of obstructive sleep apnea in the general population:A systematic review[J].Sleep medicine reviews ,2017,34(34):70-81.
13. [13] Shechter A.Obstructive sleep apnea and energy balance regulation:A systematic review[J].Sleep medicine reviews,2017,34(34):59-69.