横断面样本采集与问卷调查
获取厦门市某区青少年睡眠时型和饮食质量数据，以分析两者关联。
在厦门市某区随机选取6所学校，按年级（7–12年级）分层随机抽样，发放电子问卷（通过Wenjuanxing），收集MEQ-19、DQQ及人口学信息。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
中国青少年自我报告的睡眠时型与饮食质量：来自厦门一项横断面研究的见解
Self-Reported Chronotype and Diet Quality in Chinese Adolescents: Insights from a Cross-Sectional Study in Xiamen
实验完整度
中横断面问卷调查，使用MEQ-19与DQQ评估，含线性回归、logistic敏感性分析及RCS探索性分析，但无客观测量或机制验证。
主要模型
厦门市某区13–19岁青少年982名 6所随机选取学校的学生队列
重点核对
样本量：最终分析982名参与者（发放1017份问卷，保留率96.6%） 睡眠时型评估工具：中文版MEQ-19，总分16–86，分类为清晨型（59–86）、中间型（42–58）、夜晚型（16–41） 饮食质量评估工具：中文版DQQ，29个食物组，计算GDR-Health（0–9）、GDR-Limit（0–9）和GDR-Total（GDR-Health − GDR-Limit，−9至+9） 协变量调整：年龄、性别、BMI、年级、家庭收入、居住地、父亲教育、母亲教育、睡眠时长（≥7 h vs <7 h） RCS模型：4个节点位于MEQ分布的第5、35、65、95百分位（对应MEQ 40、48、54、63）
摘要
背景：外部约束可扰乱青少年的昼夜节律，可能增加其肥胖和代谢性疾病的风险。方法：本横断面研究通过分层随机抽样在中国厦门招募了982名青少年，考察睡眠时型与饮食质量之间的关联。睡眠时型和饮食质量分别采用清晨-夜晚型问卷（MEQ-19）和饮食质量问卷（DQQ）进行评估。结果：单因素分析显示，全球膳食推荐（GDR）评分（DQQ的指标）在不同年级、BMI和睡眠时型之间差异显著（p < 0.05）。多元线性回归显示，MEQ评分与GDR-Total呈正相关（p < 0.001），且这种关联似乎主要与GDR-Health相关而非GDR-Limit。敏感性分析证实，当MEQ作为连续变量或分类变量处理时，这些关联均具有稳健性。探索性限制性立方样条分析提示，MEQ评分与GDR-Total之间可能存在明显的倒U形关联，但其形状对节点设定和分布尾部观测值的纳入较为敏感。GDR-Health总体呈上升趋势，而GDR-Limit呈U形模式。结论：因此，饮食质量随着睡眠时型从夜晚型向清晨型转变而初步改善，但在极端清晨型时下降，提示存在一个有利于健康饮食模式的最佳睡眠时型范围。这些发现支持针对青少年的个性化干预，即结合改善睡眠模式与增加健康促进食物的摄入，而非仅关注限制不健康食物。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在中国厦门青少年中，睡眠时型（以MEQ评分表示）与多维饮食质量（GDR-Total、GDR-Health、GDR-Limit）之间是否存在关联，以及该关联的具体形式是什么。
- 核心机制
- MEQ评分与GDR-Total和GDR-Health呈正相关，主要与健康食物摄入增加有关而非限制食物减少；极端清晨型时GDR-Limit显著升高，可能与生物节律与社会进食时间错配有关，但机制未被直接评估。
- 主要证据
- 982名青少年横断面调查中，多元线性回归显示MEQ与GDR-Total（β=0.0662，95% CI 0.0455–0.0868）和GDR-Health（β=0.0707，95% CI 0.0507–0.0906）正相关，与GDR-Limit无显著线性关联；敏感性分析和RCS分析提示倒U形关联及GDR-Limit的U形模式。
- 研究意义
- 研究提示存在一个有利于健康饮食的最佳睡眠时型范围，支持针对青少年的个性化营养干预，即结合改善睡眠模式与增加健康促进食物摄入，而非仅限制不健康食物。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
睡眠时型与饮食质量评估
量化睡眠时型和饮食质量，为关联分析提供变量。
使用中文版MEQ-19评估睡眠时型，使用中文版DQQ评估饮食质量并计算GDR-Health、GDR-Limit和GDR-Total评分。
单因素分析
初步比较不同睡眠时型、年级、BMI等特征下饮食质量分布的差异。
采用卡方检验和Kruskal–Wallis检验分析人口学特征、睡眠时型与GDR评分分组之间的差异。
多元线性回归分析
评估MEQ评分与GDR-Total、GDR-Health、GDR-Limit的线性关联。
以MEQ评分为自变量，GDR维度为因变量，拟合多元线性回归模型，计算β和p值，并进行FDR校正。
敏感性分析（多变量logistic回归）
验证MEQ与GDR维度关联的稳健性，并评估分类MEQ的效应。
将MEQ作为连续变量和分类变量（以夜晚型为参照），采用二元logistic回归对比预设的GDR结局分组，计算OR。
非线性关系探索（限制性立方样条）
探索MEQ评分与GDR评分之间可能的非线性关联形式。
使用RCS模型（rms包）拟合MEQ与GDR-Total、GDR-Health、GDR-Limit的关联，并评估整体和非线性组分。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据采集 | 问卷星 | -- | -- |
| 功效分析 | G Power 3.1.9.7版 | Heinrich Heine University Düsseldorf | -- |
| 统计分析 | IBM SPSS Statistics 21.0 | IBM | -- |
| R 4.6.0版 | -- | -- | |
| 非线性分析 | rms包 | -- | -- |
| 数据录入与核对 | Excel | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 样本采集 | 抽样方法：厦门市某区随机选取6所学校，按7–12年级分层随机抽样；纳入排除标准；最终分析982名，发放1017份，保留率96.6% 阅读提示：Methods 2.1 Study Participants |
| 睡眠时型评估 | MEQ-19中文版；总分16–86；分类界值：清晨型59–86、中间型42–58、夜晚型16–41；Cronbach’s α=0.777 阅读提示：Methods 2.2.1 Sleep Chronotype Assessment |
| 饮食质量评估 | DQQ中文版29个食物组；GDR-Health 0–9分，GDR-Limit 0–9分（加工肉计2分），GDR-Total=GDR-Health − GDR-Limit；分组界值 阅读提示：Methods 2.2.2 Dietary Quality Assessment |
| 协变量测量 | 人口学、家庭收入五分类、父母教育四分类、睡眠时长（过去一个月实际睡眠小时数，分为≥7 h和<7 h）、BMI根据WS/T586-2018分类 阅读提示：Methods 2.2.3 Measurement of Other Variables |
| 回归模型调整 | 调整变量：年龄、性别、BMI、年级、家庭收入、居住地、父亲教育、母亲教育、睡眠时长；GDR-Total为主要结局，FDR校正 阅读提示：Methods 2.5.3 Multiple Linear Regression 和 2.5.6 Analysis Hierarchy and Multiplicity Control |
| RCS分析 | 主模型4节点位于MEQ第5、35、65、95百分位（40、48、54、63）；3节点和5节点敏感性分析；1000次bootstrap；尾部排除分析 阅读提示：Methods 2.5.5 Exploration of Nonlinear Relationships 及 Supplementary Materials |