对超过 100,000 名英国人的睡眠数据进行系统回顾后发现，我们有 16 种不同的小睡方式。 有一天，这些集群可以让专家更好地诊断个体的失眠和失眠前期。
该研究基于智能腕带的数据，英国生物银行使用智能腕带来确定我们的觉醒和睡眠模式。 这是通过测量参与者在几天内的手臂运动和抽搐来完成的。
长期研究的结果是“真实世界的睡眠景观”，显示出睡眠周期模式的多样性。
总体而言，集群分为五个大类（1 至 5）。 属于第一类的人通常会经历睡眠时间长和“半醒”（即半夜醒来）的失眠。
另一方面，属于第五类的人整夜睡觉，白天不小睡。
簇 2 至 4 进一步分为 a 和 b。 例如，2a 是一组睡眠时间不规律的人，可能是轮班工作的迹象。
同时，2b 是定义的总体而言，作者将其描述为“睡眠碎片化、睡眠持续时间短”。
3a 是睡眠时间正常的失眠人群，4a 是睡眠时间短的失眠人群。
通过层次分析确定的睡眠类型簇。 （Katori 等人，PNAS，2022）
为了让事情变得更复杂，集群 3b 和 4b 进一步分为碎片睡眠的八个子类别。
3b-1是一个大集群，包括那些睡得很深但一旦醒来就很难入睡的人。 3b-2 包括短暂睡眠的人，他们表现出短暂的醒来和一些较长时间盯着天花板的情况。
4b-1 是另一个大型集群，具有长卧铺。 4b-2 住所有早起的人，4b-6 住所有晚上的人。
4b-4和4b-5被作者定义为“失眠前期”。 两个群体在半夜都表现出正常的醒来时间，但前一个群体的人会反复频繁地醒来和入睡，这表明他们很难维持睡眠。 与此同时，集群 4b-5 的整体睡眠碎片较少。
4b-3 通常具有较短的 24 小时周期性睡眠-觉醒周期，与通常的昼夜节律周期不同步，具体取决于某人是在工作还是在度假。 这也称为“社交时差”。
离群值数据集分为八个簇。 （Katori 等人，PNAS，2022）
当前研究中确定的集群复杂且多样，它们不仅仅是为了好玩而放在一起的。 他们很可能通过未来的研究证明具有临床意义。
例如，过去的研究表明，以睡眠时间短为特征的失眠与与神经认知功能受损有关，而以正常睡眠时间为标志的失眠是与焦虑沉思的个人资料相关。
人们在睡眠期间移动手臂所记录的数据不仅可以帮助识别失眠者，还可以帮助揭示那些最有可能出现心理或身体健康问题的人。
然而，为了达到这个阶段，我们需要进行更多的研究。 虽然睡眠期间其他形式的大脑和肌肉测量时间太短，无法识别“社交时差”或“早晨/晚上类型”的细微差别，但本研究中确定的集群仍需要进一步验证。
作者希望他们开发的“系统且公正的聚类方法”有一天可以与其他个人信息（例如目前的疾病、既往病史、药物、教育职业和生活习惯）联系起来，以帮助我们更好地了解个人的健康状况。
该研究发表于美国国家科学院院刊。
