生物行移动版

2025年12月30日，《自然-神经科学》发表了一项具有里程碑意义的开放科学资源——西蒙斯睡眠计划（SSP）。该研究通过让102名自闭症儿童及其98名非自闭症兄弟姐妹在家中佩戴多模态可穿戴设备，收集了超过3600个夜晚的高精度睡眠与行为数据。核心发现指出，与兄弟姐妹相比，自闭症儿童的入睡潜伏期显著延长，且入睡困难（而非睡眠维持困难）与更广泛的行为问题密切相关，而客观设备数据与家长主观报告之间存在显著偏差。

睡眠障碍是自闭症谱系障碍（ASD）中最常见、最令家庭困扰的共患病之一，超过50%的自闭症儿童受其影响。然而，传统研究高度依赖家长问卷或单夜的实验室多导睡眠监测（PSG），前者主观性强且存在报告偏差，后者生态效度低，难以反映患儿在真实家庭环境中的典型睡眠。如何客观、大规模地量化自闭症谱系人群在日常生活中的睡眠行为与神经生理，是该领域长期面临的技术瓶颈。

来自以色列本-古里安大学和美国西蒙斯基金会的研究团队，通过创新的远程、多模态可穿戴设备研究设计，系统性地攻克了这一难题，并创建了面向全球研究者开放的Simons睡眠计划（SSP）数据集。

研究设计：家庭中的“高精度睡眠实验室”

研究团队从SPARK大型自闭症队列中招募了102个家庭，每个家庭包含一名10-17岁的自闭症儿童和一名同年龄段、无自闭症诊断的亲生兄弟姐妹。这种兄弟姐妹配对设计巧妙地控制了家庭环境、睡眠习惯和遗传背景等关键混杂因素。

每个家庭收到了三套设备，在家中连续记录数周：

1. Dreem3 EEG头带：记录前额和枕叶多通道脑电（EEG），用于精准的睡眠分期和神经生理分析。
2. EmbracePlus智能手表：持续监测加速度、心率、皮电活动和皮肤温度。
3. Withings睡眠垫：放置于床垫下，感应压力变化和身体移动。

同时，家长需完成每日睡眠日记和一系列评估儿童行为能力的标准化问卷。最终，数据集包含了来自102名自闭症儿童和98名兄弟姐妹的超过3600个夜晚的同步多模态数据，以及所有参与者的全外显子组测序数据。

客观数据 vs. 主观报告：可穿戴设备更精准可靠

研究首先比较了不同设备间以及设备与家长报告之间的一致性。结果显示，三种独立设备（EEG头带、智能手表、睡眠垫）在测量入睡时间、醒来时间和总睡眠时长上表现出高度一致性，而在测量夜间觉醒时间（WASO）上一致性稍弱。然而，所有设备的测量值，与家长每日睡眠日记或回顾性问卷（CSHQ）的报告值之间，一致性均非常有限，尤其在评估夜间觉醒时长方面，两者几乎完全不相关。

这一发现有力地证明，基于多传感器的客观可穿戴设备数据，在评估儿童睡眠方面，比家长的主观报告具有更高的精确性和可靠性。这为未来大规模、标准化的睡眠研究提供了重要的方法论依据。

入睡潜伏期延长：自闭症儿童的核心睡眠障碍

在控制了年龄、性别和家庭环境后，研究者比较了自闭症儿童与其兄弟姐妹在客观睡眠指标上的差异。结果发现：

• 入睡潜伏期（SOL）：自闭症儿童从准备入睡到真正睡着的时间，平均比兄弟姐妹长约7.5分钟，这一差异具有统计学显著性。
• 总睡眠时长（TST）与夜间觉醒时间（WASO）：两组之间没有显著差异。超过50%的总睡眠时长差异是由家庭间环境因素解释的，而非诊断本身。

这表明，“难以入睡”是这一年龄段高功能自闭症儿童区别于其兄弟姐妹的最核心、最客观的睡眠障碍特征。

入睡困难，而非睡眠中断，与行为问题紧密相关

为了探究睡眠障碍的行为相关性，研究者采用了跨诊断的维度分析方法，即不依赖“自闭症”标签，而是直接分析全体参与儿童（自闭症组与兄弟姐妹组合并）的睡眠指标与多种行为量表分数之间的关联。

结果揭示了一个清晰的功能性分离：

• 入睡潜伏期（SOL）延长，与更严重的ADHD症状、抑郁症状、感觉敏感性以及更差的适应行为能力显著相关。
• 夜间觉醒时间（WASO），与上述任何行为指标均无显著相关性。

无论使用Dreem设备的商业算法还是开源的YASA睡眠分期算法，这一结论都高度一致。这表明，睡眠启动阶段的困难，而非睡眠过程中的中断，可能是导致或加剧自闭症谱系儿童日间行为与情绪问题的关键睡眠病理机制。

总结与展望

这项研究不仅贡献了首个大规模、多模态、开放获取的自闭症儿童家庭睡眠数据集（SSP），更通过严谨的比较分析，带来了三重关键启示：

1. 方法学革新：证明了远程、多模态可穿戴设备在研究儿童真实世界睡眠行为中的可行性、精确性和优越性，为未来大规模神经发育疾病研究树立了新标杆。
2. 精准临床洞见：明确了入睡潜伏期延长是当前年龄段自闭症儿童的核心客观睡眠障碍，并揭示了入睡困难（而非睡眠维持困难） 与日间行为障碍的特异性关联。这为临床干预指明了更精准的靶点——改善入睡过程可能对缓解行为症状具有更广泛的益处。
3. 开放科学范例：通过将全部原始数据、处理代码和分析流程公之于众，SSP数据集为全球研究者提供了一个无价的资源库，可用于开发新的睡眠分期算法、探索基因型-睡眠表型关联、研究昼夜节律，甚至利用多模态传感器数据识别日间的情绪爆发或刻板行为。

未来，利用SSP数据集深入分析睡眠脑电的精细特征（如睡眠纺锤波、慢波活动），并整合遗传信息，将有望从机制层面揭示自闭症睡眠障碍的神经基础，最终推动个体化干预策略的发展。

参考文献：
An open science resource for accelerating scalable digital health research in autism and other neurodevelopmental conditions. Nat Neurosci 29, 467–478 (2026).

相关阅读：

• Liang, X. et al. Age-related differences in accelerometer-assessed physical activity and sleep parameters among children and adolescents with and without autism spectrum disorder: a meta-analysis. JAMA Netw. Open 6, e2336129 (2023).
• Arazi, A. et al. Reduced sleep pressure in young children with autism. Sleep 43, zsaa145 (2020).