研究对象招募与基线心理特征采集
建立住宿学院学生队列并获取人口学、心理特质、健康与睡眠特征等基线数据。
从新加坡国立大学Residential College 4招募学生，签署知情同意后填写在线问卷（Qualtrics），采集人口学、MEQ时型、BFI外向性、NTBS归属需要、SWLS生活满意度、SHS主观幸福感、UCLA-LS孤独感等数据。
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
社会动机性就寝拖延损害住宿学院学生的睡眠与健康
Socially motivated bedtime procrastination impairs sleep and wellbeing in residential college students
实验完整度
高结合活动记录、蓝牙接近度与日记的纵向观察，含睡眠与情绪功能验证及网络机制分析
主要模型
住宿学院学生（n=104） 活动记录手表监测的2周睡眠-觉醒模式 蓝牙信标追踪的学生物理接近度事件 社交性就寝拖延提名网络（146节点，176边）
重点核对
面对面社交性就寝拖延组与未拖延就寝参照组的睡眠参数比较，校正人口学、时型、外向性、归属需要及次日第一节课时间 社交性就寝拖延当晚，学生就寝时间与最后一次确认的与导致拖延的朋友的物理接近事件结束时间的相关性（Pearson's r=0.83, p<.001） 指数随机图模型检验外向性和归属需要与外向性、归属需要与社交性就寝拖延网络关系形成及强度的关联，校正性别、年龄、年级和住宿学院内所属house的同质性 心理特征组间比较：网络内（n=56）与网络外（n=42）学生在BFI外向性、NTBS归属需要、SWLS生活满意度、SHS主观幸福感和UCLA-LS孤独感上的差异
摘要
研究目标：有些个体会在深夜社交，即使这干扰了睡眠。我们检验了以下预测：(1) 同住于住宿学院的学生在为社交休闲活动而拖延就寝时，会表现出更短的睡眠和更差的次日情绪；(2) 与同住者进行面对面社交性就寝拖延可由学生的外向性和归属需要得分预测。材料与方法：使用活动记录手表和蓝牙信标在相同的2周期间测量104名学生的睡眠模式和物理接近度。每日日记记录学生参与社交性就寝拖延事件、次日情绪和日间嗜睡情况。混合模型检验社交性就寝拖延与睡眠及健康的关联，指数随机图模型检验心理特质与社交性就寝拖延网络中关系形成的关联。结果：与未拖延就寝相比，面对面社交性就寝拖延与睡眠缩短1.4小时、次日情绪更差和日间嗜睡更严重相关。学生的就寝时间与其最后一次客观测量的与导致其就寝拖延者的接近度高度相关。外向性和归属需要得分更高的学生更可能参与社交性就寝拖延网络，并在该网络内具有更强的关系。结论：社会动机性就寝拖延是住宿学院学生获得健康睡眠的主要障碍。为社交而放弃睡眠的个体次日状态更差。接受这种权衡的学生可能是为了满足其社交驱动力或归属需要。
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
- 住宿学院学生的社会动机性就寝拖延是否与更短睡眠、更差的次日情绪和日间嗜睡相关，以及外向性和归属需要是否预测面对面社交性就寝拖延网络中的关系形成。
- 核心机制
- 学生为满足社交驱动力和归属需要而选择深夜面对面社交，导致就寝时间推迟和睡眠时间缩短；外向性和归属需要独立预测社交性就寝拖延网络中的关系形成与强度。
- 主要证据
- 活动记录手表和蓝牙信标在104名学生中同步测量2周，显示面对面社交性就寝拖延与睡眠缩短约1.4小时、次日负面情绪增加和日间嗜睡几率升高相关；就寝时间与最后一次物理接近事件结束时间高度相关（r=0.83）；指数随机图模型显示外向性（OR=1.42）和归属需要（OR=1.65）独立预测关系形成。
- 研究意义
- 社会动机性就寝拖延是住宿学院学生获得健康睡眠的主要障碍；针对大学生睡眠的干预应同时考虑个体睡眠习惯和塑造这些习惯的更广泛社交环境。
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。
2周睡眠-觉醒与物理接近度同步监测
客观测量学生睡眠参数和同住者之间的物理接近事件。
所有学生在2022/2023学年第一学期（10月底至11月初）的同一2周期间，非优势腕连续佩戴ActiGraph wGT3X-BT活动记录手表，并佩戴RadBeacon Dot BLE信标手表，通过Avicenna手机应用扫描附近信标广播；学生每日上传数据两次。
每日日记记录就寝拖延、情绪与嗜睡
采集每日就寝拖延及其原因、晨间情绪和日间嗜睡等主观数据。
学生完成起床时间日记（醒后约1小时）和就寝时间日记（21:00至决定就寝之间）。起床日记记录就寝/起床时间、是否比预期晚睡及主要原因、负面晨间情绪（4项，改编自KADS）、积极情绪（5项，PANAS）；就寝日记记录日间嗜睡（1项）等。学生通过Telegram发送“sleep”和“wake”时间戳。
活动记录数据处理与睡眠参数提取
从活动记录数据中确定客观睡眠起始、结束和时长。
使用ActiLife软件（v6.13.4）以60秒为epoch分箱并绘制活动图；根据日记和时间戳短信标记夜间卧床区间；使用Sadeh算法评分睡眠/觉醒；计算睡眠起始、睡眠结束和睡眠时长。
混合模型分析就寝拖延与睡眠及健康关联
检验不同原因的面对面社交性就寝拖延与睡眠参数、次日情绪和日间嗜睡的关联。
以学生个体为随机效应，以每日就寝拖延原因类别为固定效应，纳入人口学、时型、外向性、归属需要和次日第一节课时间等协变量，使用线性混合模型和累积链接混合模型分别分析睡眠参数、情绪和嗜睡。
物理接近事件与就寝时间的相关性验证
验证面对面社交性就寝拖延当晚，学生就寝时间是否与其与导致拖延的朋友最后一次接近事件结束时间相关。
提取学生报告面对面社交性就寝拖延的夜晚，匹配其提名的同住且参与研究的朋伴，用BLE信标验证社交互动，计算就寝时间与最后一次接近事件结束时间的Pearson相关。
社交性就寝拖延网络构建与心理特征比较
构建面对面社交性就寝拖延网络，并比较网络内外学生的心理特征差异。
以学生为节点、以提名导致自己晚睡的关系为有向边构建网络，计算节点数、边数、密度、平均度和聚类系数；用估计统计（bootstrap重采样5000次）和双侧置换t检验比较网络内（n=56）与网络外（n=42）学生在心理特征上的差异。
指数随机图模型检验心理特质与关系形成
检验外向性和归属需要是否独立预测面对面社交性就寝拖延网络中关系形成和关系强度。
分三阶段构建ERGMs：(1)仅含edge/sum项的基线模型；(2)加入主预测变量（外向性和归属需要）；(3)加入协变量。使用无权ERGM预测关系形成（0/1），加权ERGM（Poisson分布）预测关系强度（提名频率）。对性别、年龄、大学年级和住宿学院house归属进行同质性建模。
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。
数据分析与统计
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 睡眠-觉醒监测 | ActiGraph wGT3X-BT活动记录手表 | ActiGraph | -- |
| 物理接近度追踪 | RadBeacon Dot蓝牙信标 | Radius Networks | -- |
| Avicenna智能手机应用 | Avicenna Research | -- | |
| 睡眠数据处理 | ActiLife软件6.13.4版 | ActiGraph | -- |
| 问卷采集 | Qualtrics在线问卷平台 | Qualtrics | -- |
| 数据上传 | Telegram消息应用 | -- | -- |
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 |
|---|---|
| 睡眠-觉醒与物理接近度监测 | 监测时长（同一2周期间，2022/2023学年第一学期10月底至11月初）、活动记录手表佩戴于非优势腕、BLE信标信号功率（-3 dBm）与广播速率（7/s）、Avicenna应用扫描间隔（3至5分钟）、接近事件定义（估计距离≤4 m且持续≥5分钟）、N参数（设为3） 阅读提示：Methods中Monitoring of sleep–wake patterns、Student physical proximity tracking和Determination of student physical proximity events小节 |
| 每日日记与就寝拖延分类 | 起床日记（醒后约1小时）与就寝日记（21:00至决定就寝之间）完成时间、每人日记数量（14份起床日记，13份就寝日记）、就寝拖延原因单选选项、晨间负面情绪与积极情绪评分范围、日间嗜睡量表 阅读提示：Methods中Daily wake-up time diary和Daily bedtime diary小节 |
| 混合模型分析就寝拖延与睡眠及健康关联 | 固定效应（就寝拖延原因类别）、随机效应（学生个体）、协变量（年龄、生理性别、种族、SES、年级、时型、外向性、归属需要、次日第一节课时间）、参照类别、显著性阈值（p<.05）、多重比较校正方法（Tukey）、各分析数据集样本量与缺失比例 阅读提示：Methods中Statistical analyses小节及Results中Associations of in-person social bedtime procrastination with same-night sleep和with next-day wellbeing小节；Table S2、Table S5 |
| 社交性就寝拖延网络与ERGMs分析 | 网络节点与边定义、提名验证方式（面对面和邮件）、网络内/外分类标准、心理特征数据样本量（98名）、ERGMs三阶段建模、主预测变量（外向性、归属需要）、同质性建模变量（性别、年龄、大学年级、house归属）、模型拟合指标（AIC、BIC、log-likelihood） 阅读提示：Methods中Social network analysis和Estimation statistics/ERGMs相关小节；Results中Characteristics of the in-person social bedtime procrastination network小节；Table S6 |
| 物理接近与就寝时间相关性验证 | 提名并匹配参与研究的朋伴次数（84次）、BLE验证比例（79次，94.0%）、最后一次接近事件为睡前事件的次数（35次）、Pearson相关分析变量（就寝时间与最后一次接近事件结束时间） 阅读提示：Results中Physical proximity events on nights with in-person social bedtime procrastination小节；Figure 3B、3C |