在COVID-19大流行期间，睡眠时间增加，睡眠时间推迟

正在进行的COVID-19大流行对世界各地的睡眠健康产生了广泛影响。这些影响包括睡眠时间、睡眠持续时间和睡眠质量的变化^{1，2，3.，4}．几项研究发现，睡眠质量下降，尤其是在医疗保健和一线基本工作者中，他们报告失眠和压力增加^{5，6，7，8，9，10，11}．这种影响在大流行的早期在普通人群中也特别明显^{1，4，12，13，14，15}．事实上，我们发现，在美国，2020年3月至5月，“失眠”的搜索量比前三年同期增加了58%¹⁶这表明，在大流行的最初几个月，一般人群的睡眠问题可能有所增加。

虽然研究发现有些人的睡眠时间缩短了^4，8然而，有充分证据表明，在疫情期间，相当一部分人的睡眠时间有所增加，尤其是在更多国家实施封锁政策之后^2，3.，17．2020年4月4日至5月6日期间，一项针对40个国家7517名受访者的在线调查发现，工作日的平均睡眠时间增加了26分钟¹⁷．同样，在阿根廷对大约1000名参与者进行了调查^3.和意大利¹⁸发现大流行期间非卫生保健工作者的平均睡眠时间增加。

疫情对睡眠健康最显著的影响可能是睡眠时间的巨大变化。对多个国家和不同主题人群的研究一致发现，人们将睡眠时间调整得更晚，这可能是因为封锁期间远程工作和上学的情况越来越普遍^{2，3.，17，19}．大学生研究^1，2发现睡眠时间平均延迟了25-50分钟。对普通人群的研究也报告了类似的延迟，尤其是在工作日^{4，20.，21，22}这表明，在大流行期间，社会工作时间表可能更符合内部时间类型¹⁷．社会时差是一种众所周知的现象，即人们在工作日和休息日(分别是工作日和周末)的睡眠时间存在差异²³．一般来说，与周末相比，人们在工作日睡得和醒得都早。然而，在大流行期间，多项研究发现，社交时差减少了——换句话说，工作日和周末睡眠时间的差异减少了，主要是因为工作日醒来时间的延迟^{1，2，3.，17}．

到目前为止，大多数已发表的关于大流行对睡眠健康影响的研究都研究了大流行的相当严重的早期影响，研究的时间段从2020年春季的几天到几个月不等^22，24，25．现在大流行已经持续了近两年，研究睡眠健康方面的一些长期后果和模式变得越来越重要。此外，早期的研究主要集中在一个样本量有限的国家内的影响。然而，随着COVID-19大流行在世界各地蔓延，我们现在能够调查大流行对睡眠习惯的累积全球影响。在这项研究中，我们研究了2019年(大流行之前)和2020年全年超过5万名安卓智能手机应用程序Sleep As用户的睡眠和醒来时间的自我报告数据。

2019年至2020年期间全球睡眠时间和时间的变化

我们使用2019年和2020年57个国家每天的中位数床上时间和起床时间来计算床上时间(TIB)和睡眠中点(MOS)，每个国家每年至少有100名用户的数据。为了研究2019年至2020年间全球睡眠的变化，我们比较了2019年与2020年的中位数TIB、MOS、就寝时间和醒着时间。我们发现2019年和2020年在TIB、MOS、就寝时间和醒着时间(p< 0.0001)。与2019年相比，2020年的TIB增加了大约5分钟，而与2019年相比，2020年的睡眠时间、就寝时间和起床时间都推迟了。

为了研究这些变化是否发生在一年中的不同时间点，我们将每年分成几个季度(1月至3月;Apr-Jun;Jul-Sept;10 - 12月)，并将2019年各季度与2020年相应季度进行比较(图2)。1）.2020年第一季度，TIB没有显著变化，但在第二、第三和第四季度，TIB有3-8分钟的适度增长(p< 0.0001(所有))，与2019年同期相比。此外，我们发现，与2019年相比，2020年所有季度的所有睡眠时间结果(最大睡眠时间、就寝时间和起床时间)都有显著延迟(p< 0.0001)，最大的延迟发生在大流行的第二季度，最小的延迟发生在第一季度。睡眠时间的变化范围为4 ~ 23 min，睡眠时间的变化范围为4 ~ 20 min，睡眠时间的变化范围为5 ~ 27 min。

2019年至2020年期间20个代表性国家睡眠时间和时间的变化

接下来，我们研究了20个代表性国家的TIB、MOS、就寝时间和醒着时间，这些国家的选择是为了在我们的数据集中尽可能多地捕捉地理多样性。尽管20个国家中有15个国家的TIB有所增加，但经过多次比较校正后，大多数国家的TIB并不显著。只有印度(p< 0.0001)，意大利(p< 0.0001)，墨西哥(p< 0.0001)，波兰(p= 0.002)，俄罗斯(p< 0.0001)，而美国(p= 0.02)显示Bonferroni调整后TIB显著增加(图2)。2）.

睡眠时间的变化更为普遍，20个国家中有17个国家的睡眠时间明显延迟。p< 0.05)， 19个国家的就寝时间明显延迟(p< 0.05)， 16个国家的醒时时间明显延迟(p< 0.05)，与2019年相比。只有韩国在三种睡眠时间指标中没有任何变化。此外，日本的睡眠时间和睡眠时间没有变化，瑞典和新西兰的睡眠时间没有变化。

为了更好地研究每个国家的睡眠变化如何与疫情的时间进程相对应，我们再次将2019年每个季度与2020年相应季度进行了比较。在2020年第一季度，我们发现任何国家的TIB都没有显著差异，除了中国和芬兰，睡眠时间也没有显著延迟，这两个国家的MOS和就寝时间都有显著延迟(p< 0.05)。

睡眠变化在2020年第二季度最为普遍。与印度2019年第二季度相比，TIB明显增加(p= 0.01)，意大利(p< 0.0001)，俄罗斯(p< 0.0001)，而英国(p= 0.048)。引人注目的是，15个国家出现了严重的MOS延迟(p< 0.0001)， 16个国家存在严重的就寝时间延迟(p< 0.0001)， 15个国家的醒觉时间明显延迟(p< 0.05)。

2020年第三季度，只有两个国家的TIB明显高于2019年第三季度，即印度(p< 0.0001)和墨西哥(p< 0.0001)。印度人在三项睡眠时间指标上也有明显的延迟，南非人也是如此。p< 0.0001)。只有其他五个国家(澳大利亚、芬兰、墨西哥、英国和美国)在MOS (p< 0.05)。我们在其他九个国家发现了严重的就寝时间延迟(p< 0.05)，只有墨西哥(p< 0.0001)，此外还有印度和南非。

最后，在2020年第四季度，只有印度和墨西哥的TIB明显高于2019年第四季度(p两者均< 0.0001)。然而，5个国家(芬兰、俄罗斯、南非、英国和美国)在MOS (p< 0.05)， 7个国家存在睡眠时间延迟(p< 0.0001)，五个国家(印度、墨西哥、俄罗斯、南非、美国)的唤醒时间出现延迟。

2019年至2020年期间美国睡眠时间和时间的变化

为了更仔细地研究睡眠时间和持续时间的这些变化如何与大流行的时间进程相对应，我们将2019年的每个月与2020年的每个月进行了比较，特别是在美国境内。3.）.在美国，第一例COVID-19确诊病例是在2020年1月，与COVID-19相关的死亡人数最初出现激增是在4月。3月13日，美国宣布新冠肺炎进入全国紧急状态，3月19日，加州发布了首个全州范围的居家令。其他州也采取了类似的封锁措施，导致今年第三季度与covid - 19相关的死亡人数随后减少。然而，到今年年底，美国已经进入了第二波COVID-19感染。

有趣的是，我们发现在2020年到2019年的任何一个月里，TIB都没有显著差异。相反，我们发现4月份MOS延迟了~ 29分钟。p< 0.0001)， 5月(p(= 0.0012)与2019年相比，2020年的睡眠时间也明显推迟。在美国疫情开始后不久，4月和5月的就寝时间也明显推迟(p< 0.0001)，以及8月份(p= 0.024)，九月(p= 0.006)，十月(p= 0.0252)。这些睡眠延迟从23分钟(4月)到16分钟(10月)不等。与2019年相比，2020年的睡眠时间明显推迟，只有4月和5月(p= 0.006)，大约35分钟。我们的研究结果表明，在美国，大流行主要导致了睡眠时间的变化。

大流行期间按天划分的睡眠时间和时间的变化

接下来，我们研究了2020年每周每天的TIB、就寝时间、醒来时间和MOS的全球趋势，并与2019年每周相应的一天进行了比较(图2)。4）.与2019年相比，2020年xb的工作日明显增加了约7-8分钟(p< 0.0001(周一至周五)，周日增加约3分钟(p< 0.0001)。周六，TIB没有明显增加。在所有天的晚些时候，MOS的变化明显(p< 0.0001)，在工作日减少约16-19分钟，在周六和周日减少约6-8分钟。同样，在工作日，就寝时间明显推迟了约13-15分钟(p< 0.0001(星期一至五)及星期六及日7至10分钟(p两者均< 0.0001)。最后，醒着的时间也明显延迟(p< 0.0001)，从周一到周五的20-23分钟到周六和周日的4-8分钟不等。

为了更密切地检查大流行的急性阶段，我们选择了4月的前两个星期二作为大流行开始附近每年的代表性工作日。选择这几天是因为没有重大节日、事件或工作日与周末的过渡，这些都可能影响睡眠时间。然后，我们在完整数据集(64,858个用户)中查看了2020年这些天与2019年相比的觉醒时间分布。正如预期的那样，在大流行之前和期间都有很长的清醒时间。然而，在大流行期间，醒来时间的分布发生了变化。与2019年同期醒来的用户比例相比，在2020年大流行期间，更多的用户在早上7点或7点之后醒来。在大流行之前，用户最常见的起床时间是早上6:30-7点左右，而在大流行期间，最常见的起床时间是早上7 - 7:30(图3)。5一个)。

我们还比较了大流行之前(2020年1月1日至3月15日)的工作日睡眠时间与大流行早期阶段(2020年3月16日至5月20日)的工作日睡眠时间，这些用户报告了这两个时期的数据(12551人)。有趣的是，在大流行的急性期，32%的用户在工作日的睡眠时间增加了20分钟以上，而17%的用户报告睡眠时间比平时少。51%的用户的睡眠时间保持在流行病前睡眠时间的20分钟内(图2)。5B)。

我们调查了20个国家的53545名安卓用户，以及全球64858名用户在COVID-19爆发之前和期间的平均自我报告的卧床时间和睡眠时间。与之前在较小的队列中报道的结果一致，我们发现，在COVID-19爆发期间，自我报告的睡眠时间变化较晚，而且与今年晚些时候相比，这些变化在年初前后更为突出。当我们分析2020年至2019年各国睡眠持续时间和睡眠时间的差异时，我们发现这些变化与大流行的时间进程大致相符。例如，在意大利，我们发现在2020年4月至6月，在COVID-19病例的第一个高峰之后，TIB增加，MOS延迟，就寝时间和起床时间延迟。同样，我们发现2020年4月至6月俄罗斯的TIB和睡眠时间都发生了变化，这是在2019冠状病毒病病例的第一个高峰之后，以及在他们经历第二波病例时的最后一个季度。此外，几乎所有国家在2020年第二季度(4月至6月)的睡眠时间都发生了重大变化，就在世卫组织宣布COVID-19大流行后不久，也恰逢欧洲大部分地区出现了第一波重大的COVID-19浪潮。在许多国家，睡眠时间的变化在下半年有所减少，但印度、墨西哥和南非等直到夏末才受到大流行的严重影响的国家，在去年第四季度睡眠时间继续发生重大变化。最后，尽管在一周的几乎所有日子里，人们在床上的时间都在显著增加，睡眠时间也在推迟，但这些变化的幅度在工作日最大，而在周末则相当有限，这表明人们的睡眠时间表在工作日发生了变化，但在休息日保持不变。

虽然有几项研究表明，医疗保健或其他重要一线工作者的睡眠质量和持续时间都有所下降^{6，8，10，11}在美国，大多数针对普通人群的研究发现，大流行期间总睡眠时间增加。研究分析了不同智能手机应用程序的自我报告睡眠情况，发现COVID-19大流行的爆发与睡眠持续时间的增加有关^22，24，25．同样，当我们观察疫情对全球Android用户的急性影响(3月至5月)时，我们发现32%的人比平时睡眠时间长20分钟以上，尽管17%的人在工作日比平时少睡20分钟以上。大流行期间睡眠时间的这种不均匀变化并不意外。其他研究发现，在COVID-19封锁期间，睡眠质量的变化取决于大流行前的睡眠质量，因此大流行前睡眠良好的人在大流行期间更有可能出现睡眠质量下降，而一些有严重失眠症状的人则表现出睡眠改善^4，26．此外，与许多其他研究相反，Salfi等。²⁷研究发现，在第一次和第二次COVID-19大爆发期间，意大利的睡眠质量和持续时间受到了负面影响，这表明睡眠持续时间的变化可能取决于特定地区疫情的严重程度。睡眠潜伏期未被发现的变化也可能影响报告的睡眠持续时间——包括我们在内的许多研究都使用床上时间作为睡眠持续时间的代表;然而，在床上的时间可能会高估实际睡眠时间。

睡眠时间的变化，特别是在大流行的早期，部分原因可能是在为应对大流行而实施的封锁措施之后，远程工作的流行率上升。在美国，皮尤研究中心(Pew Research Center)最近的一项调查发现，71%的劳动力在疫情期间转向远程工作²⁸．专门针对疫情期间转向远程工作的员工的研究发现，这些人群的醒着时间明显延迟²¹．因为在美国，上班族平均每天花在上下班路上的时间几乎是一个小时²⁹在美国，从现场工作转向远程工作可能会减少每天的通勤时间，从而支持了晚睡时间的转变。睡眠时间改变的另一个潜在驱动因素可能是(在某些地区)实施严格的宵禁，关闭餐馆、电影院、健身房、俱乐部和其他非必要场所，从而迫使生活方式发生变化，可能影响睡眠。

虽然睡觉时间和起床时间都晚了，但这种变化在大流行开始时的起床时间最为明显。我们观察到，大流行前最常见的工作日起床时间是早上6:30-7点左右，而大流行期间最常见的工作日起床时间是早上7 - 7:30，这表明用户睡得更晚。几项研究发现，在大流行期间，这种睡眠时间的变化主要发生在晚上的人身上，由于大流行前的社会或工作义务，他们以前可能比生物学倾向更早醒来^1，3.，30.．在大流行期间，消除其中一些义务可能使人们能够更密切地遵守自己的生物睡眠时间偏好。

在大流行之前，人们往往在工作日睡得更早、更少，在休息日(如假期、周末)睡得更晚、睡得更长，这种现象被称为社交时差²³这与负面的健康和绩效结果有关。几项研究发现，在大流行的早期阶段，社交时差有所减少。Korman等人发现，与大流行之前的周末睡眠时间相比，大流行早期的周末睡眠时间实际上略有减少，而工作日的睡眠时间则有所增加¹⁷．同样，对智能手机用户的几项研究发现，大流行期间，睡眠开始和抵消时间主要在工作日延迟，而在休息日则没有延迟^22，24，31．我们还发现，从2019年到2020年，工作日的睡眠时间和卧床时间变化更大，这表明社交时差有所减少。未来的研究可以在地理位置和时间方面进一步探索这一发现，以检查社交时差的变化是否与大流行的时间进程相对应。随着封锁政策的放松，我们怀疑2021年的睡眠时间和时间可能与一些研究开始报告的大流行之前更接近^20.．

限制

我们主要使用自我报告的卧床时间作为睡眠时间的代表，这可能不一定反映实际的睡眠时间，特别是在大流行期间失眠率增加的情况下^16，32，33．此外，Sleep as Android应用程序在2019年引入了一项功能，允许用户手动确认或拒绝应用程序识别的可能的睡眠开始时间和偏移时间。由于这些可能的时间部分取决于用户活动和灯光读数，它们可能不如真实自我报告的数据准确。然而，与许多其他要求参与者追溯报告大流行前的睡眠时间的研究不同，我们的数据是在2019年和2020年同时收集的。最后，虽然我们没有Android应用程序Sleep用户的人口统计信息，但这项分析包括来自57个国家的用户数据，每个国家每年至少有100名用户，这表明我们的发现可能可以推广到更大的人群。

自我报告睡眠测量

自我报告的睡眠数据是通过Android智能手机应用程序sleep收集的(https://sleep.urbandroid.org/)，它是为Android操作系统开发的智能闹钟，可以根据用户的睡眠周期唤醒用户。有两种方法可以表明睡眠时间的应用:1)用户可以显示的开始和结束期睡眠按钮按下启动/停止睡眠跟踪应用程序,或者2)在2019年初开始,介绍了一个额外的功能,应用程序会识别可能的睡眠发作和抵消倍(根据以往的睡眠习惯,活动,光读数)如果用户不能手动启动和停止睡眠发作,然后用户可以手动确认或拒绝。

只有同意共享信息的用户的数据才会被检索。数据集中可用的变量包括睡眠记录的日期、睡眠持续时间(根据自我报告的睡眠开始时间和清醒时间之间的差异计算)、睡眠开始时间、清醒时间和从智能手机系统获得的时区。

分析

完整的数据集包括从2019年1月至2020年12月从230个国家的64,858名个人用户中检索的记录。由于我们使用UTC时区作为纳入标准，因此我们删除了每年的第一天和最后一天，以便纳入的所有日期对于所有国家都是全天。我们还排除了2020年2月29日，因为2019年没有可比的日期。与之前使用Sleep数据作为Android的报告类似，使用系统时区而不是地理坐标来对用户位置进行分类(Anýž et al. 2019)。

为了分析全球和地理趋势，首先通过计算每个国家每天就寝时间和起床时间的中位数来压缩数据。在2019年或2020年用户少于100人的国家被排除在分析之外(173个国家，2019年排除2589人，2020年排除2011人)，最终的全球数据集中共有57个国家(2019年为71405人，2020年为56146人)。随后对这些中位数进行统计分析。除了全球数据集之外，我们还选择了20个具有代表性的国家，每个国家每年至少有200个用户，以便更深入地分析疫情对不同地理区域睡眠的影响。这20个国家共收集了53545名用户的15873653条睡眠记录。最后，我们分析了来自12,551名用户的数据，他们有2019年和2020年的睡眠数据，以研究睡眠持续时间的变化是如何分布的。

床上时间(TIB)和睡眠中点(MOS)由中位数床上时间和醒着时间计算。使用SAS version 9.4 (SAS Institute, Cary, NC)对数据进行统计分析。我们测试了纳入全球分析的两个阈值:每年每个国家至少100个用户和150个用户。对于150名用户，所有结果近似为正态分布。对于100个用户，TIB、WT和对数变换的MOS近似正态分布，而不是BT。我们使用两个截止点运行所有线性混合模型，发现结果没有差异，因此选择报告来自100个用户截止点的结果，以便包含尽可能多的数据。在来自20个代表性国家的数据子集中，所有结果近似为正态分布，因此本分析未进行转换。

采用线性混合模型和方差最小二乘均值事后检验对结果进行分析。我们运行了三个模型来分析(1)全球睡眠变化，(2)20个代表性国家的睡眠变化，以及(3)美国的睡眠变化。模型1在全球57个国家的完整数据集上运行，并将国家作为随机效应，而将年、季度和星期作为固定效应。模型2在20个代表性国家的数据子集上运行，并将国家、年份和季度作为固定效应。最后，模型3在20个代表性国家的数据子集上运行，并将年和月作为固定效应。对于报告全球趋势的数字，我们首先对每个国家的每日中位数进行平均，然后对各国进行平均。所有p在文本中报告的值是bonferroni调整值;完整的统计细节包括在补充表中S2．

研究批准

这项研究使用了通过Android智能手机应用程序Sleep收集的匿名数据。应用程序用户在Android隐私政策中被告知这种匿名数据收集，并且可以在应用程序设置中选择退出数据收集。由于数据收集是完全匿名的，并且无法将收集的数据与任何个人用户联系起来，因此根据联邦法规(《保护人类研究受试者的健康与人类服务政策》45 CFR 46.102(f))，本研究不受IRB审查。