编辑推荐：
为探究大学生健康风险行为（HRBs）轨迹及与睡眠参数的关系，安徽医科大学等研究人员对 1042 名大学生开展队列研究。结果发现 HRBs 轨迹分四类，E 型、短睡眠和长睡眠与高风险轨迹相关。该研究为高校预防 HRBs 提供依据。
在现代社会，大学生作为年轻的群体，正处于生活方式和健康观念逐渐形成的关键时期。然而，他们面临着各种各样的健康风险行为（Health-risk Behaviors，HRBs），如吸烟、饮酒、低体力活动和智能手机成瘾等。这些行为不仅影响大学生当下的身心健康，还可能对其未来的生活产生长期的负面影响。据相关研究显示，全球疾病负担的主要成因与生活方式行为密切相关，而 HRBs 在青少年时期往往会逐渐积累，且贯穿整个生命历程。
令人担忧的是，许多青少年并不符合特定健康行为的标准，不健康行为的患病率在 5.0% - 88.5% 之间波动。这些 HRBs 不仅是导致年轻人和成年人发病和死亡的主要原因，引发了严重的公共卫生问题，还是导致慢性非传染性疾病的环境风险因素。虽然已有研究表明 HRBs 常常同时出现或聚集在一起，但大多数轨迹模型仅关注单一风险行为，对于多种 HRBs 的发展轨迹了解甚少。同时，尽管已知昼夜类型（Chronotype）和睡眠时长与青少年的一些健康风险行为有关，但多数研究为横断面研究，很少有研究探讨不同睡眠维度对多种 HRBs 发展轨迹的影响。
为了解决这些问题，安徽医科大学等研究机构的研究人员开展了一项关于大学生行为和健康的队列研究。研究旨在描述大学生 HRBs 的轨迹，并探究昼夜类型、睡眠时长与不同 HRBs 轨迹之间的关系。该研究成果发表在《Child and Adolescent Psychiatry and Mental Health》上。
研究人员采用了多种关键技术方法。首先，从中国安徽省合肥市和江西省上饶市的 2 所大学中，通过整群随机抽样选取了 1179 名大一新生作为研究对象，进行基线问卷调查，并每 6 个月进行一次随访调查。最终，纳入了 1042 名在两年内完成 MEQ - 5（Morningness - Eveningness Questionnaire - 5，用于评估昼夜类型）和行为问题问卷的大学生。其次，运用潜在类别增长分析（Latent Class Growth Analysis，LCGA）来估计自我报告的 HRBs 轨迹，并使用多元逻辑回归模型研究睡眠参数（昼夜类型和睡眠时长）与 HRBs 轨迹的相关性。
研究结果主要分为以下几个方面：
- 健康风险行为轨迹：通过 LCGA 分析，确定了四种独特的行为轨迹。健康组（占比 61.0%），该组学生表现出相对健康的行为；下降组（占比 10.3%），HRBs 随时间逐渐下降；上升组（占比 21.3%），起初显著上升然后略有下降；不健康组（占比 7.4%），该组学生所有 HRBs 水平都较高。
- 样本特征与轨迹关系：不同性别、父亲教育水平、自我报告学习成绩和家庭经济状况的大学生，其 HRBs 轨迹存在显著差异。例如，男性、自我报告学习成绩差、家庭经济状况差以及父亲教育水平较低的大学生，其健康风险行为轨迹更倾向于不健康组。同时，睡眠特征不同的大学生，其健康风险行为轨迹也有所不同。E 型和长睡眠时长的大学生，其健康风险行为轨迹往往属于不健康组；与下降组相比，上升组的大学生更倾向于 E 型和短睡眠时长。
- 睡眠参数与轨迹的关联：以健康组为参照，多元逻辑回归分析表明，与正常睡眠相比，短睡眠（<7h）与不健康组和上升组呈正相关，长睡眠（>9h）与不健康组和下降组呈正相关。与 M 型相比，E 型与不健康组、上升组和下降组均呈正相关。
研究结论和讨论部分具有重要意义。该研究首次分析了大学生多种 HRBs 的轨迹及其与昼夜类型、睡眠时长的关系。研究发现短睡眠时长和长睡眠时长都与高风险轨迹相关，E 型与 HRBs 的高风险轨迹显著相关。这一结果强调了对可改变的睡眠行为进行有针对性筛查和预防的必要性，有助于改善大学生的 HRBs 状况。同时，研究也存在一定的局限性，如采用自我报告量表可能存在报告偏差，研究对象的代表性有限等。未来还需要进行大规模的全国性队列研究加以验证。总体而言，该研究为高校制定针对性的健康管理策略提供了重要依据，对促进大学生的身心健康具有重要的指导意义。
