睡眠质量对人体的影响

张敬巍

摘 要：睡眠是人类生命活动的重要组成成分，它不是以简单觉醒状态的终结，而是不同的生理、心理现象循环往复的主动过程【1】。随着生活、工作方式的变化，越来越多的人群出现入睡困难、失眠嗜睡等问题，严重影响了人们身心健康。我们通过对睡眠评价指标的分析对睡眠质量进行评价以及睡眠障碍的分析和预测。

针对问题1，我们通过建立多元逐步回归模型以及SPSS神经网络算法两种方法的综合应用对睡眠质量及六个睡眠评价指标的关系进行了分析。首先利用多元逐步回归模型将两个与睡眠质量关系较小的指标—Reliability以及Psychoticism 删除，将剩下的四个指标放进神经网络中进项分析。

针对问题2，首先将疾病用1-290的数字进行标记，再通过分析数据赋予每一个指标一个权重系数，即每一种症状对应一个权重向量。然后将向量作为输入量，确定指标与睡眠障碍症状的关系。根据神经网络的求解分析，我们得到了51%的正确率。当我们减少数据集的个数时，结果的精度将会大大提升。

针对问题3，根据问题2的结果，将这10组数据作为测试集分别训练得到结果。

针对问题4，根据前三个问题的相关指标，我们查找了2017年诺贝尔生理学奖或医学奖的研究文献，得出了结论。

根据分析，我们很容易通过所建立的模型对数据进行分析求解。同时，我们所建立的模型和应用的神经网络算法可以广泛应用到其他方面。

关键词：睡眠质量 睡眠评价指标 BP神经网络 逐步回归

2.假设

自变量相关系数小于0.01则认为此项与因变量无关，可忽略。

3.模型求解

3.1问题1求解

首先，我们建立多元逐步回归模型，并调用多元逐步回归工具箱对六个指标进行分析，删除与睡眠质量不相关的指标Reliability以及Psychoticism。接下来，我们分析剩下的四个指标与睡眠质量之间的关系。睡眠质量与X4、X1* X4 ，X12 * X4 、X32 * X1、 X32* X2 、X33 、X3 * X42 有关 ，其中，X12 * X4 、X32 * X1 、X32 *X2 、X33 、X3 * X42 相关系数太小，认为其相关性很弱。分析可得单独项被删除，违背正常规律，可以认为交互项对睡眠质量的作用可被忽略。通过分析推论出X5 、X6 应被删除。

由于逐步回归分析的相关性总体比较小，我们通过SPSS的神经网络对着六个指标作进一步分析。共分为A、B、C三种方案，如下。

A方案：删除X5 、X6 ；

B方案：删除X3 、X6 ；

C方案：删除X4 、X6 ；

分析：（1）训练时间：C

（2）训练集错误率：A>B>C；

（3）测试集错误率：A

综合考虑准确率及速度两种因素，A方案最佳。

3.2问题2求解

首先对指标进行分析，通过SPSS对各个指标之间的相关性进行求解，可得，它们的相关系数均小于0.85，我们认为各个指标之间不相关。

将单个的症状一一筛选出来分别对每一种症状对应的七个指标分别求和并进行归一化，得到它的权重向量。

权重向量归一化结果为： 。

每个指标中0、1、2、3对应的概率矩阵为： 。

当输入的指标量所对应每个指标的概率与权重系数乘积之和最大时，指标对应的症状即为所求结果。由于概率矩阵在计算过程中的不可调节性，不能灵活的随着反馈值而改变，使得在复杂计算中其它值通过权重系数的调节也会得到较大值，形成干扰，使得模型求解的准确率下降。

为了进一步改善模型求解过程，将输出变量归一化为0-1之间的290个等间距数我们直接将70%的数据的权重系数作为输入量通过BP神经网络进行训练，剩下30%的数据作为测试集对结果进行检验。当检验数据减少到600左右时，检验精度会大大提高。

3.3 问题3的求解

基于问题2，我们可得结果：

1：Mixed Anxiety And Depression：

2：Mixed Anxiety And Depression：

3：Sleep disorder Anxiety disorder

4：Sleep disorder：

5：Somatization Disorder

6：Depressive Psychosis：

7：Depression

8：Non-Organic Insomnia， Anxiety disorder：

9：Severe depressive episode with psychotic symptoms

10Mixed Anxiety And Depression， Obsessive-Compulsive Disorder

3.4問题4求解

通过查阅2017年诺贝尔生理学奖或医学奖的研究文献[5]，我们可以得出在 至 为休息时间，若要保证一定的睡眠质量，在此时间段内需要进行休息。

4.模型优缺点分析

我们采用了不同方法对结果进行了反复的对比，最终采用了准确度最高的方法对数据进行分析，以期获得最为科学的结果。

由于睡眠障碍症状种类过多，我们不能得到一个相对精确的预测结果。在后来的工作中，我们提出了一种基于ICSD-3的科学分类方法解决分类的问题，从而得到更加准确的预测结果。

5.模型拓展

通过查阅资料，我们找到了一种新的睡眠障碍症状分类方法。新的分类方法基于现象和器官系统构产生了新的分类——ICSD-3。根据新的方法对问题2的症状进行科学分类，可以得到更加科学准确的结果。

参考文献：

[1]索艳风. 不同年龄睡眠质量对健康相关生命质量影响的差异研究[D].北京中医药大学，2017.

[2].陆守曾、陈峰教授主编的《医学统计学》（第三版）出版[J].中国卫生统计，2016，33（06）：1096.

[3]宋海龙. 大学生睡眠障碍与心理健康相关研究[D].长江大学，2013.

[4]张景行.睡眠障碍国际分类第2版内容简介[J].中国新药与临床杂志，2007（10）：772-774.