引用本文： 隆麗芳, 魏琳, 王秋婷, 謝嘉欣, 朱鑫鑫, 謝湘萁, 林美珍. 體力活動、睡眠與衰老的關系：孟德爾隨機化研究. 華西醫學, 2024, 39(5): 776-783. doi: 10.7507/1002-0179.202309067 復制
版權信息： ?四川大學華西醫院華西期刊社《華西醫學》版權所有，未經授權不得轉載、改編
我國睡眠障礙問題普遍存在于各個年齡階段，高達 3 億多人面臨著睡眠障礙問題[1]，睡眠紊亂嚴重影響日間活動、社會工作、生長發育及記憶力[2]?睡眠障礙可導致體力活動缺乏，缺乏體力活動這一不良健康行為在我國的發生率逐年攀升且日趨嚴重[3]。衰老是一個復雜的生物學過程[4]，面對我國人口老齡化問題日趨嚴重且伴隨著慢性疾病的發生發展，如何延緩衰老進程，提升生活質量顯得尤為重要?已有研究顯示，增強體力活動能有效延緩衰老進程[5]。但既往國內研究較少對不同等級體力活動、不同睡眠情況對衰老的影響展開論述，因此對體力活動、睡眠與衰老因果關系的研究仍值得進一步深入[6]。孟德爾隨機化（Mendelian randomization, MR）研究方法類似于隨機對照試驗，具有可操作性強及數據獲取便捷等優點[7-8]。MR 分析利用工具變量作為中間變量，在控制混雜因素和反向因果關系后可作出因果推斷。因此，為進一步了解睡眠、體力活動與衰老的因果關聯，本研究進行了兩樣本 MR 分析，將體力活動?睡眠情況進行細化，試圖驗證睡眠?體力活動與衰老的因果關聯，以期為延緩機體衰老提供新思路。
1 資料與方法
1.1 研究設計
本研究通過全基因組關聯研究（genome-wide association study, GWAS）匯總數據集進行兩樣本 MR 分析。以體力活動和睡眠為暴露因素，衰老為結局變量，與體力活動和睡眠顯著相關的單核苷酸多態性（single nucleotide polymorphism, SNP）作為工具變量，評估體力活動?睡眠與衰老之間的因果關聯。MR 研究需要滿足相關性?獨立性及排他性 3 個基本原理假設：① 相關性，工具變量與體力活動及睡眠顯著相關；② 獨立性，工具變量獨立于所選體力活動?睡眠和衰老相關的混雜因素；③ 排他性，工具變量只通過體力活動和睡眠影響衰老，與衰老沒有直接關聯。
1.2 數據來源
從 Integrative Epidemiology Unit （IEU） Open GWAS 數據庫獲取了有關體力活動的遺傳數據，是 MRC 綜合流行病學研究所 2018 年公布的 Meta 分析數據集，該數據集包含 460 376 名歐洲參與者的 9 851 867 個 SNP。并參考 Zhao 等[9]對體力活動的分層對體力活動工具變量進行了分類：① 步行，排除工作出行等步行活動；② 強體力活動，達到呼吸急促及出汗；③ 自行輕度運動，例如修剪草坪；④ 自行重度運動，例如割草、犁地；⑤ 其他活動，例如游泳、健身；⑥ 無體力活動。
長睡眠與短睡眠數據來自 Dashti 等[10]對 446 118 名歐洲人進行的研究，短睡眠時長（<7 h）有 106 192 個 SNP，長睡眠時長（≥9 h）有 34 184 個 SNP。正常睡眠時長與日間午睡從 IEU 數據庫獲取，從 462 400 例歐洲人群中提取了 9 851 867 個 SNP。
衰老替代指標參考 Chen 等[5]研究結果，將衰弱指數與端粒長度作為衰老的有效替代指標，衰弱指數綜合測量了生理、心理及社會等 30～70 個變量，能有效評估老年人的機體退行性改變和慢病伴隨的機體損傷，通常衰弱指數越大機體衰老程度越高，端粒長度縮短是人體和細胞衰老的微觀表現。衰弱指數和端粒長度數據來自 IEU 數據庫，衰弱指數有 175 226 例歐洲人的 7 589 717 個 SNP，端粒長度有 472 174 例歐洲人的 20 134 421 個 SNP。數據來源信息見表1。
表1
研究數據來源信息
1.3 工具變量選擇
以 SNP 作為工具變量，為確保獨立性及去除連鎖不平衡性，設置了閾值條件：連鎖不平衡參數 r2=0.001、顯著性閾值 P<5×10–8、遺傳距離 10 000 kb。在結局變量的 GWAS 數據集中提取與暴露因素相關的顯著 SNP，得到最終的工具變量，記錄效應等位基因、非效應等位基因、等位基因效應值（β1）、標準誤（standard error, SE）和 P 值等信息。使用 F 統計量檢驗工具變量的強度，當 F 值>10 時表明不存在弱工具變量偏倚[11]。
 |
其中 N 為所納入體力活動及睡眠樣本量、K 為 SNP 個數，R2 為衰老數據庫中由 SNP 所解釋的變異比例。
 |
其中 β1 為等位基因效應值、sd 為標準差（sd = SE ×
），EAF 為等位基因頻率?
1.4 統計學方法
采用 R 軟件（4.3.1 版本），運用 TwoSampleMR 包（0.5.7 版本）進行分析。結局因素衰弱指數與端粒長度為連續性變量，因此用相關系數β及其 95%置信區間（confidence interval, CI）評估暴露與結局之間的因果關聯。由于多個暴露表型來自同一樣本集，在多個暴露對同一結局進行多次檢驗時Ⅰ型錯誤率顯著增加，為減少Ⅰ型錯誤的概率，采用 Bonferroni 校正方法劃定顯著性水平[12]。對體力活動數據選用 P<
本研究采用逆方差加權法（inverse variance weighting, IVW）、加權中位數法（Weighted median estimator, WME）及 MR-Egger 回歸法 3 種方法進行 MR 分析。IVW 法不考慮截距項的存在并且用結局方差（se2）的倒數作為權重來進行擬合，在異質性較大時行 IVW 隨機效應模型切換[14]；MR-Egger 法在 IVW 法的基礎上考慮截距項的存在[15]；WME 法計算加權權重大小并行排序取中位數為結果[16]。從水平多效性?異質性?留一法 3 個方面進行敏感性分析，以檢測結論是否穩健。其中，水平多效性采用 MR Egger 截距是否為 0 進行判斷，當截距接近 0 時，說明不存在水平多效性，并繪制散點圖對水平多效性結果行可視化分析[15]。使用 Cochran Q 統計量評估異質性，當 P>0.05 時說明不存在異質性，繪制漏斗圖對異質性結果行可視化分析[17]。采用留一法通過逐一剔除單個 SNP，觀察效應值是否發生較大變化，繪制留一法的圖對結果行可視化[12]。雙側檢驗水準α=0.05。
2 結果
2.1 工具變量篩選結果
基于 IVW 方法，共發現 2 種體力活動、3 種睡眠情況與衰弱指數有因果關聯（P<0.05）。其中，強體力活動（6 個 SNP）、無體力活動（5 個 SNP）、日間午睡（65 個 SNP）、短睡眠（20 個 SNP）、正常睡眠時長（67 個 SNP）。無體力活動（4 個 SNP）與端粒長度存在因果關聯（P<0.05）。共納入 167 個 SNP，其 F 值均＞10。步行、自行輕度運動、自行重度運動、其他活動、長睡眠均與衰老無因果關聯（P＞0.05）。
2.2 MR 分析結果
強體力活動［β=?1.26，95%CI（?1.60，?0.96），P<
2.3 多變量及中介結果
通過混雜因素的剔除分析，將體質量指數（body mass index, BMI）、每日吸煙、每日飲酒、教育程度、冠心病、糖尿病、收縮壓、舒張壓、體重、腰圍、體脂百分比及體脂量作為第二表型對兩樣本結果進行矯正，多變量結果顯示第二表型未對雙樣本結果造成干擾，但 BMI、腰圍、體重、體脂百分比及體脂量 5 個因素作為矯正因素在暴露因素為日間午睡和結局為衰弱指數時，矯正因素具有顯著意義（P<0.05），因此進行中介 MR 分析。將日間午睡作為暴露因素，上述 5 個矯正因素作為結局因素，得到相關系數β分別為 0.21、0.28、0.20、0.22 及 0.28；將日間午睡與 5 個矯正因素作為多變量兩兩組合，將衰弱指數作為結局，得到相關系數β分別為 0.12、0.09、0.22、0.29 及 0.21。據此計算體脂百分比、體脂量、腰圍、體重及 BMI 在日間午睡與衰弱指數間分別起到了 25.52%（0.22×0.29/0.25）、23.52%（0.28×0.21/0.25）、10.08%（0.28×0.09/0.25）、17.6%（0.2×0.22/0.25）及 10.08%（0.21×0.12/0.25）的部分中介效應。
2.4 敏感性分析結果
2.4.1 水平多效性檢驗
散點圖見圖1。MR-Egger 檢驗結果顯示，強體力活動（截距=
圖1
MR 分析散點圖
a. 強體力活動（與衰弱指數）；b. 無體力活動（與衰弱指數）；c. 正常睡眠（與衰弱指數）；d. 日間午睡（與衰弱指數）；e. 短睡眠（與衰弱指數）；f. 無體力活動（與端粒長度）。SNP：單核苷酸多態性；MR Test：孟德爾隨機化檢驗；Inverse variance weighted：逆方差加權；Weighted median：加權中位數；Weighted mode：加權模式；Simple mode：簡單模式
2.4.2 異質性檢驗
漏斗圖見圖2。可見，強體力活動（Cochran Q=3.41，P=0.64）、無體力活動（Cochran Q=7.55，P=0.11）、日間午睡（Cochran Q=73.52，P=0.35）、短睡眠（Cochran Q=11.17，P=0.79）、正常睡眠（Cochran Q=71.51，P=0.05）與衰弱指數及無體力活動與端粒長度（Cochran Q=3.05，P=0.22）的 P 值均＞0.05，提示不存在異質性。
圖2
MR 分析漏斗圖
a. 強體力活動（與衰弱指數）；b. 無體力活動（與衰弱指數）；c. 正常睡眠（與衰弱指數）；d. 日間午睡（與衰弱指數）；e. 短睡眠（與衰弱指數）；f. 無體力活動（與端粒長度）。
2.4.3 留一法檢驗
留一法敏感性分析見圖3。逐一剔除單個 SNP 后，單一 SNP 未對整體結果造成影響，效應線均未跨越無效線。
圖3
留一法敏感性分析圖
a. 強體力活動（與衰弱指數）；b. 無體力活動（與衰弱指數）；c. 正常睡眠（與衰弱指數）；d. 日間午睡（與衰弱指數）；e. 短睡眠（與衰弱指數）；f. 無體力活動（與端粒長度）。黑點表示剔除此 SNP 后因果效應估計；黑實線表示相應的 95%CI；紅點表示使用篩選過的 SNP 估計的整體因果效應；紅線表示合并估計相應的 95%CI。橫坐標為剔除各個 SNP 估計體力活動與睡眠對衰老的效應值；縱坐標為逐個剔除的 SNP
3 討論
3.1 短睡眠與日間午睡加速了衰老進程及相關疾病發生率
本研究結果表明總睡眠時間過短與日間午睡和衰弱指數呈正相關，這與現有研究中結果一致，現有研究中發現睡眠時間過短可增加外周動脈疾病的風險[18]、日間午睡會增加阿爾茲海默病發病風險[19]。Wang 等[20]對美國國家健康與營養調查的 6 052 名參與者調查發現，睡眠時間過短或過長會加速細胞的凋亡與衰老，使生物年齡高于實際年齡，而規律化睡眠可延長壽命。Mc Carthy 等[21]指出午睡時間過長會加速大腦衰老，衰老替代指標端粒長度變短而衰弱指數增加，中風風險不斷升高?周妍欣等[22]對 2 064 名農村慢性病老年人調查發現提高睡眠質量能提升其心理健康水平、減輕疾病痛苦。我國《健康中國行動（2019—2030 年）》指出，睡眠時長控制在 7～8 h 內為舒緩疲憊感、修復軟組織損傷及器官休整的最佳時長[23]。因此，正常睡眠時長可提升心生理健康水平。
3.2 體力活動可減緩衰老進程及疾病心理負擔
衰老通常伴隨著慢性疾病的發生和發展，慢病患者身心負擔、社會經濟負擔之大從側面加速推進了衰老，因此慢病的演進可作為衰老的重要指征[24]。糖尿病作為慢病的重要代表，相關研究結果表明超過指南規定的額外體力活動能減輕 2 型糖尿病的發病風險[25]，在一項綜述中指出缺乏體力活動與心血管、消化系統及腦部疾病發病率增加均有關聯而增加體力活動可作為防治慢病的一種策略[26]。本研究結果發現強體力活動可減緩衰老。也有研究顯示 150～300 min 的中度體力活動與 75～150 min 的重度體力活動相較于低于此強度的心衰患者，風險分別降低了 63%與 66%[27]。本研究結果與其一致。有研究發現，孤獨是一項需要全社會關注的全球公共衛生問題[28]，可見社會心理問題不容忽視相關研究表明缺乏體力和休閑娛樂活動會增加重度抑郁的發生風險，無體力、社交活動與老年人抑郁的發生具有強關聯性[29]。這提示多角度權衡制定干預策略提高老年患者的運動依從性可以在一定程度上減輕老年患者抑郁。在未來，可以具體落實到適合我國人群體力活動的強度、分級及時長，為國內體力活動與疾病心理的相關性開展更為廣泛深刻的研究。
3.3 超重在日間午睡與加速衰老間起著中介作用
全球肥胖問題日趨嚴重[30]，一方面超重肥胖引發的并發癥使得患者健康相關生活質量下降；另一方面超重肥胖患者普遍存在自我認同、價值感低等心理問題[31]。本研究結果表明體重在日間午睡與衰老間起到了部分中介作用，而體重與諸多疾病的發生發展密切相關，現有研究發現腰圍脂肪含量與非酒精性脂肪肝的發生顯著相關[32]，BMI 與心血管疾病存在劑量反應關系[33]。午睡時間過長是抑郁癥發生的高風險因素[34]，恰當的午睡時長能夠緩解疾病帶來的不健康狀態[35]。午睡行為及午睡時長是否會增加疾病風險國內外仍存在一定爭議，但可以確定的是綜合考慮夜間睡眠情況、工作性質及生活習慣仍為決定是否午睡及午睡時長的最佳策略。有關我國居民午睡時長與衰老的關系研究仍具有發展空間，針對不同工作環境及人群的睡眠干預仍值得進一步探究。
3.4 優勢與局限性
傳統的觀察性研究多采用回歸分析來判斷體力活動、睡眠與衰老的關系，這無法避免殘差混雜因素的存在，MR 隨機化分析方法可有效減少混雜因素和反向因果關系的干擾；常規研究難以開展大樣本體力活動及睡眠數據采集，采用數據庫中經過篩選、剔除不符合納入條件的基線資料后，英國生物銀行進行統一編碼整理，最終使用數據具有權威性、精準性。
本研究仍然存在一定局限性，針對強體力活動能降低衰弱指數這一研究結果僅局限于歐洲人，歐洲人身體素質、體格與亞洲人有所差異，體力活動分級對亞洲人不具有普適性。因此，期待后續更多有關亞洲人種的全基因組關聯分析將本研究結果加以證實，并也仍需要更多相關研究證實本研究結果。
綜上所述，本研究發現增強體力活動、保證正常睡眠可能減輕衰老風險，肥胖可能進一步加劇了衰老進程。但研究數據僅限于歐洲人群，對國內人群僅有借鑒意義，在未來期望更多亞洲人群數據對衰老行深入研究，以推進老年健康?
利益沖突：所有作者聲明不存在利益沖突。
我國睡眠障礙問題普遍存在于各個年齡階段，高達 3 億多人面臨著睡眠障礙問題[1]，睡眠紊亂嚴重影響日間活動、社會工作、生長發育及記憶力[2]?睡眠障礙可導致體力活動缺乏，缺乏體力活動這一不良健康行為在我國的發生率逐年攀升且日趨嚴重[3]。衰老是一個復雜的生物學過程[4]，面對我國人口老齡化問題日趨嚴重且伴隨著慢性疾病的發生發展，如何延緩衰老進程，提升生活質量顯得尤為重要?已有研究顯示，增強體力活動能有效延緩衰老進程[5]。但既往國內研究較少對不同等級體力活動、不同睡眠情況對衰老的影響展開論述，因此對體力活動、睡眠與衰老因果關系的研究仍值得進一步深入[6]。孟德爾隨機化（Mendelian randomization, MR）研究方法類似于隨機對照試驗，具有可操作性強及數據獲取便捷等優點[7-8]。MR 分析利用工具變量作為中間變量，在控制混雜因素和反向因果關系后可作出因果推斷。因此，為進一步了解睡眠、體力活動與衰老的因果關聯，本研究進行了兩樣本 MR 分析，將體力活動?睡眠情況進行細化，試圖驗證睡眠?體力活動與衰老的因果關聯，以期為延緩機體衰老提供新思路。
1 資料與方法
1.1 研究設計
本研究通過全基因組關聯研究（genome-wide association study, GWAS）匯總數據集進行兩樣本 MR 分析。以體力活動和睡眠為暴露因素，衰老為結局變量，與體力活動和睡眠顯著相關的單核苷酸多態性（single nucleotide polymorphism, SNP）作為工具變量，評估體力活動?睡眠與衰老之間的因果關聯。MR 研究需要滿足相關性?獨立性及排他性 3 個基本原理假設：① 相關性，工具變量與體力活動及睡眠顯著相關；② 獨立性，工具變量獨立于所選體力活動?睡眠和衰老相關的混雜因素；③ 排他性，工具變量只通過體力活動和睡眠影響衰老，與衰老沒有直接關聯。
1.2 數據來源
從 Integrative Epidemiology Unit （IEU） Open GWAS 數據庫獲取了有關體力活動的遺傳數據，是 MRC 綜合流行病學研究所 2018 年公布的 Meta 分析數據集，該數據集包含 460 376 名歐洲參與者的 9 851 867 個 SNP。并參考 Zhao 等[9]對體力活動的分層對體力活動工具變量進行了分類：① 步行，排除工作出行等步行活動；② 強體力活動，達到呼吸急促及出汗；③ 自行輕度運動，例如修剪草坪；④ 自行重度運動，例如割草、犁地；⑤ 其他活動，例如游泳、健身；⑥ 無體力活動。
長睡眠與短睡眠數據來自 Dashti 等[10]對 446 118 名歐洲人進行的研究，短睡眠時長（<7 h）有 106 192 個 SNP，長睡眠時長（≥9 h）有 34 184 個 SNP。正常睡眠時長與日間午睡從 IEU 數據庫獲取，從 462 400 例歐洲人群中提取了 9 851 867 個 SNP。
衰老替代指標參考 Chen 等[5]研究結果，將衰弱指數與端粒長度作為衰老的有效替代指標，衰弱指數綜合測量了生理、心理及社會等 30～70 個變量，能有效評估老年人的機體退行性改變和慢病伴隨的機體損傷，通常衰弱指數越大機體衰老程度越高，端粒長度縮短是人體和細胞衰老的微觀表現。衰弱指數和端粒長度數據來自 IEU 數據庫，衰弱指數有 175 226 例歐洲人的 7 589 717 個 SNP，端粒長度有 472 174 例歐洲人的 20 134 421 個 SNP。數據來源信息見表1。
表1
研究數據來源信息
1.3 工具變量選擇
以 SNP 作為工具變量，為確保獨立性及去除連鎖不平衡性，設置了閾值條件：連鎖不平衡參數 r2=0.001、顯著性閾值 P<5×10–8、遺傳距離 10 000 kb。在結局變量的 GWAS 數據集中提取與暴露因素相關的顯著 SNP，得到最終的工具變量，記錄效應等位基因、非效應等位基因、等位基因效應值（β1）、標準誤（standard error, SE）和 P 值等信息。使用 F 統計量檢驗工具變量的強度，當 F 值>10 時表明不存在弱工具變量偏倚[11]。
|
其中 N 為所納入體力活動及睡眠樣本量、K 為 SNP 個數，R2 為衰老數據庫中由 SNP 所解釋的變異比例。
|
其中 β1 為等位基因效應值、sd 為標準差（sd = SE ×），EAF 為等位基因頻率?
1.4 統計學方法
采用 R 軟件（4.3.1 版本），運用 TwoSampleMR 包（0.5.7 版本）進行分析。結局因素衰弱指數與端粒長度為連續性變量，因此用相關系數β及其 95%置信區間（confidence interval, CI）評估暴露與結局之間的因果關聯。由于多個暴露表型來自同一樣本集，在多個暴露對同一結局進行多次檢驗時Ⅰ型錯誤率顯著增加，為減少Ⅰ型錯誤的概率，采用 Bonferroni 校正方法劃定顯著性水平[12]。對體力活動數據選用 P<
本研究采用逆方差加權法（inverse variance weighting, IVW）、加權中位數法（Weighted median estimator, WME）及 MR-Egger 回歸法 3 種方法進行 MR 分析。IVW 法不考慮截距項的存在并且用結局方差（se2）的倒數作為權重來進行擬合，在異質性較大時行 IVW 隨機效應模型切換[14]；MR-Egger 法在 IVW 法的基礎上考慮截距項的存在[15]；WME 法計算加權權重大小并行排序取中位數為結果[16]。從水平多效性?異質性?留一法 3 個方面進行敏感性分析，以檢測結論是否穩健。其中，水平多效性采用 MR Egger 截距是否為 0 進行判斷，當截距接近 0 時，說明不存在水平多效性，并繪制散點圖對水平多效性結果行可視化分析[15]。使用 Cochran Q 統計量評估異質性，當 P>0.05 時說明不存在異質性，繪制漏斗圖對異質性結果行可視化分析[17]。采用留一法通過逐一剔除單個 SNP，觀察效應值是否發生較大變化，繪制留一法的圖對結果行可視化[12]。雙側檢驗水準α=0.05。
2 結果
2.1 工具變量篩選結果
基于 IVW 方法，共發現 2 種體力活動、3 種睡眠情況與衰弱指數有因果關聯（P<0.05）。其中，強體力活動（6 個 SNP）、無體力活動（5 個 SNP）、日間午睡（65 個 SNP）、短睡眠（20 個 SNP）、正常睡眠時長（67 個 SNP）。無體力活動（4 個 SNP）與端粒長度存在因果關聯（P<0.05）。共納入 167 個 SNP，其 F 值均＞10。步行、自行輕度運動、自行重度運動、其他活動、長睡眠均與衰老無因果關聯（P＞0.05）。
2.2 MR 分析結果
強體力活動［β=?1.26，95%CI（?1.60，?0.96），P<
2.3 多變量及中介結果
通過混雜因素的剔除分析，將體質量指數（body mass index, BMI）、每日吸煙、每日飲酒、教育程度、冠心病、糖尿病、收縮壓、舒張壓、體重、腰圍、體脂百分比及體脂量作為第二表型對兩樣本結果進行矯正，多變量結果顯示第二表型未對雙樣本結果造成干擾，但 BMI、腰圍、體重、體脂百分比及體脂量 5 個因素作為矯正因素在暴露因素為日間午睡和結局為衰弱指數時，矯正因素具有顯著意義（P<0.05），因此進行中介 MR 分析。將日間午睡作為暴露因素，上述 5 個矯正因素作為結局因素，得到相關系數β分別為 0.21、0.28、0.20、0.22 及 0.28；將日間午睡與 5 個矯正因素作為多變量兩兩組合，將衰弱指數作為結局，得到相關系數β分別為 0.12、0.09、0.22、0.29 及 0.21。據此計算體脂百分比、體脂量、腰圍、體重及 BMI 在日間午睡與衰弱指數間分別起到了 25.52%（0.22×0.29/0.25）、23.52%（0.28×0.21/0.25）、10.08%（0.28×0.09/0.25）、17.6%（0.2×0.22/0.25）及 10.08%（0.21×0.12/0.25）的部分中介效應。
2.4 敏感性分析結果
2.4.1 水平多效性檢驗
散點圖見圖1。MR-Egger 檢驗結果顯示，強體力活動（截距=
圖1
MR 分析散點圖
a. 強體力活動（與衰弱指數）；b. 無體力活動（與衰弱指數）；c. 正常睡眠（與衰弱指數）；d. 日間午睡（與衰弱指數）；e. 短睡眠（與衰弱指數）；f. 無體力活動（與端粒長度）。SNP：單核苷酸多態性；MR Test：孟德爾隨機化檢驗；Inverse variance weighted：逆方差加權；Weighted median：加權中位數；Weighted mode：加權模式；Simple mode：簡單模式
2.4.2 異質性檢驗
漏斗圖見圖2。可見，強體力活動（Cochran Q=3.41，P=0.64）、無體力活動（Cochran Q=7.55，P=0.11）、日間午睡（Cochran Q=73.52，P=0.35）、短睡眠（Cochran Q=11.17，P=0.79）、正常睡眠（Cochran Q=71.51，P=0.05）與衰弱指數及無體力活動與端粒長度（Cochran Q=3.05，P=0.22）的 P 值均＞0.05，提示不存在異質性。
圖2
MR 分析漏斗圖
a. 強體力活動（與衰弱指數）；b. 無體力活動（與衰弱指數）；c. 正常睡眠（與衰弱指數）；d. 日間午睡（與衰弱指數）；e. 短睡眠（與衰弱指數）；f. 無體力活動（與端粒長度）。
2.4.3 留一法檢驗
留一法敏感性分析見圖3。逐一剔除單個 SNP 后，單一 SNP 未對整體結果造成影響，效應線均未跨越無效線。
圖3
留一法敏感性分析圖
a. 強體力活動（與衰弱指數）；b. 無體力活動（與衰弱指數）；c. 正常睡眠（與衰弱指數）；d. 日間午睡（與衰弱指數）；e. 短睡眠（與衰弱指數）；f. 無體力活動（與端粒長度）。黑點表示剔除此 SNP 后因果效應估計；黑實線表示相應的 95%CI；紅點表示使用篩選過的 SNP 估計的整體因果效應；紅線表示合并估計相應的 95%CI。橫坐標為剔除各個 SNP 估計體力活動與睡眠對衰老的效應值；縱坐標為逐個剔除的 SNP
3 討論
3.1 短睡眠與日間午睡加速了衰老進程及相關疾病發生率
本研究結果表明總睡眠時間過短與日間午睡和衰弱指數呈正相關，這與現有研究中結果一致，現有研究中發現睡眠時間過短可增加外周動脈疾病的風險[18]、日間午睡會增加阿爾茲海默病發病風險[19]。Wang 等[20]對美國國家健康與營養調查的 6 052 名參與者調查發現，睡眠時間過短或過長會加速細胞的凋亡與衰老，使生物年齡高于實際年齡，而規律化睡眠可延長壽命。Mc Carthy 等[21]指出午睡時間過長會加速大腦衰老，衰老替代指標端粒長度變短而衰弱指數增加，中風風險不斷升高?周妍欣等[22]對 2 064 名農村慢性病老年人調查發現提高睡眠質量能提升其心理健康水平、減輕疾病痛苦。我國《健康中國行動（2019—2030 年）》指出，睡眠時長控制在 7～8 h 內為舒緩疲憊感、修復軟組織損傷及器官休整的最佳時長[23]。因此，正常睡眠時長可提升心生理健康水平。
3.2 體力活動可減緩衰老進程及疾病心理負擔
衰老通常伴隨著慢性疾病的發生和發展，慢病患者身心負擔、社會經濟負擔之大從側面加速推進了衰老，因此慢病的演進可作為衰老的重要指征[24]。糖尿病作為慢病的重要代表，相關研究結果表明超過指南規定的額外體力活動能減輕 2 型糖尿病的發病風險[25]，在一項綜述中指出缺乏體力活動與心血管、消化系統及腦部疾病發病率增加均有關聯而增加體力活動可作為防治慢病的一種策略[26]。本研究結果發現強體力活動可減緩衰老。也有研究顯示 150～300 min 的中度體力活動與 75～150 min 的重度體力活動相較于低于此強度的心衰患者，風險分別降低了 63%與 66%[27]。本研究結果與其一致。有研究發現，孤獨是一項需要全社會關注的全球公共衛生問題[28]，可見社會心理問題不容忽視相關研究表明缺乏體力和休閑娛樂活動會增加重度抑郁的發生風險，無體力、社交活動與老年人抑郁的發生具有強關聯性[29]。這提示多角度權衡制定干預策略提高老年患者的運動依從性可以在一定程度上減輕老年患者抑郁。在未來，可以具體落實到適合我國人群體力活動的強度、分級及時長，為國內體力活動與疾病心理的相關性開展更為廣泛深刻的研究。
3.3 超重在日間午睡與加速衰老間起著中介作用
全球肥胖問題日趨嚴重[30]，一方面超重肥胖引發的并發癥使得患者健康相關生活質量下降；另一方面超重肥胖患者普遍存在自我認同、價值感低等心理問題[31]。本研究結果表明體重在日間午睡與衰老間起到了部分中介作用，而體重與諸多疾病的發生發展密切相關，現有研究發現腰圍脂肪含量與非酒精性脂肪肝的發生顯著相關[32]，BMI 與心血管疾病存在劑量反應關系[33]。午睡時間過長是抑郁癥發生的高風險因素[34]，恰當的午睡時長能夠緩解疾病帶來的不健康狀態[35]。午睡行為及午睡時長是否會增加疾病風險國內外仍存在一定爭議，但可以確定的是綜合考慮夜間睡眠情況、工作性質及生活習慣仍為決定是否午睡及午睡時長的最佳策略。有關我國居民午睡時長與衰老的關系研究仍具有發展空間，針對不同工作環境及人群的睡眠干預仍值得進一步探究。
3.4 優勢與局限性
傳統的觀察性研究多采用回歸分析來判斷體力活動、睡眠與衰老的關系，這無法避免殘差混雜因素的存在，MR 隨機化分析方法可有效減少混雜因素和反向因果關系的干擾；常規研究難以開展大樣本體力活動及睡眠數據采集，采用數據庫中經過篩選、剔除不符合納入條件的基線資料后，英國生物銀行進行統一編碼整理，最終使用數據具有權威性、精準性。
本研究仍然存在一定局限性，針對強體力活動能降低衰弱指數這一研究結果僅局限于歐洲人，歐洲人身體素質、體格與亞洲人有所差異，體力活動分級對亞洲人不具有普適性。因此，期待后續更多有關亞洲人種的全基因組關聯分析將本研究結果加以證實，并也仍需要更多相關研究證實本研究結果。
綜上所述，本研究發現增強體力活動、保證正常睡眠可能減輕衰老風險，肥胖可能進一步加劇了衰老進程。但研究數據僅限于歐洲人群，對國內人群僅有借鑒意義，在未來期望更多亞洲人群數據對衰老行深入研究，以推進老年健康?
利益沖突：所有作者聲明不存在利益沖突。
