睡得少会加速衰老，睡得多也有害吗？

01先说我们得到的答案

自报睡眠与死亡的非线性关联仍然存在。在完整病例主模型中，相对报告七小时者，≤5、6、8、9+ 小时的 HR 分别为 1.22、1.17、1.21、1.32，样条最低点约七小时。两端在不同限制下的表现有所不同，但这些结果不能识别因果：三年地标分析中短睡端的区间跨 1，长睡端仍高于 1；在本研究定义的基线健康亚组中，两端区间都很宽，长睡点估计接近 1。心脏病死亡中的长睡关联较强，却不能由此断言全因关联“几乎完全由心脏病驱动”。模拟说明一种假定的报告偏倚如何被调整吸收，没有排除真实人群中的报告误差。七小时是本次模型的关联最低点，不是每个人的睡眠处方。

2026-09-19 更正： 复核修正了活动变量“任何一项为是”的编码、功能题特殊编码、年龄上限与调查标准误；协变量阶梯改为同一组完整病例。此前把总体样条关联检验误称为非线性检验，现已补做真正的非线性检验。两处文献链接也已更正。原稿关于“长睡风险由心脏病驱动”“已测健康通道的误报被现实数据排除”以及由显著性差别判断因果强弱的表述已撤回。

02数据与口径：先弄清楚“睡了几小时”

暴露来自 SLD010H：“在工作日或上班日通常夜间睡几小时”。五个周期题目一致；12 表示 12 小时或更多，77/99 为拒答或不知道，7 和 9 都是合法小时数。SLQ 文档

按 SEQN 连接问卷、体检和公开死亡文件后，分析人群为有有效 MEC 权重、死亡链接资格及睡眠记录的 20+ 成人。死亡结局来自 NCHS 2019 公开链接，随访从体检月起算；零个月按半个月处理。文件对部分随访时间和死因进行了保密扰动，生命状态并未因该处理改变；分析不能被描述为直接读取完整登记原件。NCHS

协变量包括人口学、吸烟、BMI、饮酒史、活动、健康自评、慢病数、抑郁和功能限制。ALQ101 问的是是否曾在任意一年饮酒至少十二杯，不是当前饮酒或过去一年饮酒；此项只能粗略控制饮酒史。2005–2006 活动题与后续周期的工作/休闲活动题口径不同，另做剔除首周期的敏感性分析。功能题的“不做这项活动”不等于“做不了”；跳题只按核实过的筛查逻辑处理。公开年龄统一顶端编码为 80+，其中实际年龄差仍不可见。协变量字典

因含体检变量，使用 WTMEC2YR/5；方差按 SDMVSTRA、SDMVPSU 设计估计。所有 HR 的区间与 P 值使用同一调查设计协方差。分析指南 原始合格样本中，饮酒史和抑郁分别缺失约 13.2% 和 14.1%，收入和 BMI 也有缺失。完整病例剩 22,120 人、2,829 例死亡，损失约 22% 样本和 31% 事件；没有做多重插补或缺失机制识别。

自报时长和客观睡眠不能互换。MESA 研究比较了自报、体动记录和多导睡眠监测，发现系统差异及有限相关。Jackson 2018 但这不允许把另一队列的平均误差当作固定校正值，直接把本篇最低点向左移动一小时。

03曲线还在，但不能把调整当成因果分解

在原始合格样本中，≤5、6、7、8、9+ 小时各组分别有 4,410、6,660、7,453、7,594、2,238 人。加权粗死亡率中，≤5 小时约 13.5、七小时约 7.7、9+ 小时约 22.5 例/千人年。这些粗率包含年龄和健康构成差异。

为避免样本随协变量增加而变化，M1–M3 均用同一组 22,120 名完整病例：

健康调整后点估计下降，与健康状态参与形成关联相容。但调整前后 HR 的差不是“健康解释的风险份额”：协变量可能既是混杂因素又处于睡眠影响健康的路径上，HR 本身也具有不可折叠性。这里没有识别中介效应或因果分解。

自然样条内部结点为 6、7、8 小时，网格最低点约七小时。四个样条系数的总体关联检验 p≈1.6×10⁻⁵；对偏离线性方向的三个独立对比，非线性检验 p≈5.6×10⁻⁵。这两个检验不是同一个问题。最低点没有置信区间，依赖自报、结点和调整方式，不提供“最佳小时数”。

再加入睡眠困难与已告知睡眠障碍，长睡 HR 约 1.31。以五年为切点的探索性睡眠×随访时间交互检验 p=0.82，未发现这一特定时间变化；它不证明全部比例风险假设成立。原版直接套用未适配调查设计的 Schoenfeld 检验结果不再作为证据。

04敏感性分析能削弱哪些解释

两年和三年地标分析只纳入该时点仍在风险集的人，从地标重新起算随访；它们针对早期死亡的影响，也改变了估计人群，不能消除所有反向因果。

健康亚组要求自评健康至少为“好”、计入的慢病为零且没有本研究定义的功能限制；剩 12,527 人、560 例死亡，并继续调整该组中仍有变化的健康自评。其长睡点估计下降，支持把基线健康和反向因果视为需要认真考虑的解释；但区间也变宽了。一个亚组显著、另一个不显著，不等于两组效应显著不同。 本分析没有识别“风险集中在病人身上”的归因结论，更没有据此证明短睡或长睡的因果效应。

逐周期交互模型中，9+ 小时点估计均高于 1，但只有 2005–2006 与 2011–2012 的区间不跨 1；不同周期共享模型协变量系数，不能称为五次独立复制，也不能仅凭随访较短的周期区间变宽来推断需要某个生物学潜伏期。

05心脏病信号较强，不等于解释了全部长睡关联

主模型中有心脏病死亡 726 例、癌症 694 例、卒中 162 例、其余死因合计 1,247 例。相对七小时，9+ 小时对应的死因别 HR 为：

心脏病的长睡关联在这些比较中较清楚，但其他死因仍有不确定性，且本篇没有估计各死因对全因超额风险的贡献。≤5 小时与癌症死亡的 HR 为 1.32（0.90–1.95），p=0.16；旧版把较窄的另一种标准误区间与此 P 值并列，是不一致的报告。

这些 Cox 模型将其他死因在发生时移出风险集，估计的是死因别瞬时风险，不是某个时点的累积死亡概率。竞争风险下这是一个明确的估计对象，不应称为“边际死亡风险的近似”；若要回答累计概率，需要另外的竞争风险分析。多死因、多分组结果属于探索性分析，不能只取最显著一格推断机制。

06报告偏倚模拟：一个例子，不是现实的边界证明

模拟保留真实协变量、随访与结局，随机抽取一份睡眠时长，再添加由已测健康指标确定的报告偏移和随机噪声。在偏移强度 γ 从 0 到 3 小时、每点 40 次重复的设定中，用同一组健康指标调整后，模拟长睡 HR 的中位数接近 1。图中的带为模拟结果第 10–90 百分位，不是估计真实偏倚的置信区间；为降低计算负担，模拟使用未加权 Cox，并与同口径的观察值比较。

这说明在选定设定下，模型能够吸收由这些指标生成的关联；它没有证明现实中的疾病严重度已被精确测量，也没有证明模型函数形式正确。未测疾病、用药、睡眠呼吸问题、选择偏倚和更复杂的测量过程仍可影响结果。即使非差分测量误差也不能在任何非线性模型中都被概括为“只会稀释、绝不会改变曲线形状”。本模拟既不能量化真实因果份额，也不能排除报告误差解释。

07与已有研究放在一起看

既有 NHANES 分析也报告过相近曲线，但它们和本篇在参与者与死亡链接上有重叠，不能累加成独立重复。Gu 20242023 分析2022 分析 本次增量是透明展示编码、同样本调整、不同限制下的估计、死因范围和模拟的推断边界。

Cappuccio 等 2010 的前瞻队列荟萃报告短睡 RR 1.12、长睡 RR 1.30；Jike 等 2018 汇总长睡结局；Itani 等 2017 则研究短睡，其死亡 RR 为 1.12，不能引用成“两端风险”研究。CappuccioJikeItani 这些是不同人群、参考组与调整策略的观察性汇总，不构成本篇估计的因果验证。

本研究不能回答改变睡眠时长会使一个人多活几年，也不能从死亡关联判断衰老速度。最有把握的结论是：自报睡眠时长同时承载睡眠、健康和生活条件的信息。单次自报、完整病例选择、粗略协变量、顶端编码、有限亚组事件和未测混杂都限制解释。观察到的最低点不应被当成个体目标；后续客观测量、重复测量和更强因果设计才可能进一步区分这些解释。