دانشمندان پنج پروفایل خواب را تعریف کردند؛ برخی از آن‌ها می‌توانند به شناسایی بیماری‌های روانی کمک کنند

محققان پنج «پروفایل خواب» متمایز را شناسایی کرده‌اند. بر اساس تجزیه و تحلیل آن‌ها، محققان به این نتیجه رسیدند که خواب خوب شبانه فراتر از صرفاً طول مدت خواب یا منقطع بودن آن است. ژنتیک و حالت‌های احساسی مانند احساس ناراحتی، اضطراب، استرس یا غم، همگی به کیفیت خواب کمک می‌کنند و هر پروفایل خواب با میزان عملکرد افراد در جنبه‌های مختلف مرتبط بود. این نتایج در مطالعه‌ای که در ۷ اکتبر در مجله PLOS Biology منتشر شد، گزارش شده است.

آرور پرو، محقق مؤسسه تحقیقات پزشکی وولکوک در سیدنی و نویسنده اصلی این مطالعه، در ایمیلی به لایو ساینس گفت: «من واقعاً امیدوارم که پزشکان در اولین ارزیابی بالینی خود، [به ابعاد بیشتری از] خواب توجه کنند. فراتر از این سؤال که ‘خواب شما چطور است؟ خوب یا بد؟’ یا ‘چند ساعت می‌خوابید؟’ بلکه سؤالات بیشتری بپرسند.»

بررسی دقیق‌تر ارتباط خواب و سلامتی

دانشمندان می‌دانند افرادی که خواب ضعیفی دارند، در معرض خطر بسیار بیشتری برای ابتلا به افسردگی، اضطراب، بیماری‌های قلبی عروقی و اختلال شناختی هستند و معمولاً طول عمر کوتاه‌تری دارند. اما به گفته نویسندگان، علت و جهت‌گیری دقیق این همبستگی‌ها مشخص نبوده است و اکثر مطالعات قبلی، خواب را در سطح جزئی و دقیقه‌به‌دقیقه دسته‌بندی نکرده‌اند.

برای رفع این مشکل، محققان از داده‌های پروژه کانکتوم انسانی (Human Connectome Project)، که اتصالات فیبر عصبی در سراسر مغز انسان را نقشه‌برداری می‌کند، استفاده کردند تا تصویر دقیق‌تری از کیفیت خواب و رابطه آن با بهزیستی (Well-being) به دست آورند.

این مجموعه داده شامل تصویربرداری مغزی و طیف گسترده‌ای از جزئیات گزارش‌شده توسط خود افراد در مورد سبک زندگی، سلامت روانی و جسمی، و همچنین ویژگی‌های شخصیتی و خواب آن‌ها بود؛ برای مثال، مدت زمان معمول خواب، دشواری در به خواب ماندن و استفاده از کمک‌های خواب.

افرادی که به افسردگی بالینی تشخیص داده شده بودند از مطالعه حذف شدند، اما اگر افراد دارای علائم تحت بالینی (Subclinical) اضطراب یا افسردگی بودند که مانع عملکرد روزانه آن‌ها نمی‌شد، در مطالعه گنجانده شدند. پرو گفت که محققان بر داده‌های ۷۷۰ نفر در رده سنی ۲۲ تا ۳۶ سال تمرکز کردند که خواب آن‌ها احتمالاً تحت تأثیر فرآیند پیری قرار نگرفته بود.

یافتن پروفایل‌ها با هوش مصنوعی

محققان با استفاده از یادگیری ماشینی بدون نظارت (Unsupervised Machine Learning)، که از هوش مصنوعی برای تجزیه و تحلیل داده‌ها بدون دسته‌بندی‌های از پیش تعریف‌شده استفاده می‌کند، پیوندهای آماری بین ویژگی‌های خاص سبک زندگی، تصویربرداری مغزی و ویژگی‌های خواب را پیدا کردند.

از شرکت‌کنندگان خواسته شد تا کیفیت خواب خود را در طول ماه گذشته با استفاده از شاخص کیفیت خواب پیتسبرگ (Pittsburgh Sleep Quality Index) ارزیابی کنند. نمره‌ ۵ یا کمتر به عنوان فردی با «خواب خوب» در نظر گرفته می‌شود و میانگین نمره در میان افراد مورد مطالعه ۵.۱۴ در مقیاس ۰ تا ۱۹ بود.

اگرچه افراد با خواب خوب نیز وجود داشتند، محققان بر روی کسانی تمرکز کردند که نمرات بالای ۵ داشتند. این کار پنج پروفایل خواب را تولید کرد. به عنوان مثال، «خواب‌کنندگان ضعیف» افرادی هستند که در خوابیدن مشکل دارند و علائم سلامت روان مانند احساس اضطراب را تجربه می‌کنند و «خواب‌کنندگان مختل» افرادی هستند که خوابشان تا حدی مختل می‌شود که بر سلامت و عملکرد شناختی آن‌ها تأثیر می‌گذارد.

پنج پروفایل خواب

1. خواب‌کنندگان ضعیف (Poor Sleepers): این افراد در به خواب رفتن و به خواب ماندن مشکل داشتند و اغلب دارای مسائل سلامت روانی مانند احساس اضطراب، افسردگی، عصبانیت یا استرس و همچنین اختلال در عملکرد روزانه بودند.
2. خواب-تاب‌آور (Sleep-resilient): این افراد، با وجود داشتن چالش‌های سلامت روانی (مانند بی‌توجهی، اختلال نقص توجه/بیش‌فعالی و مشکلات تفکر و تمرکز در طول روز)، مشکلات خواب را گزارش نکردند.
3. کوتاه‌خواب‌ها (Short Sleepers): آن‌ها مدت زمان طولانی نمی‌خوابیدند و با مشکلاتی در تفکر و حافظه، و همچنین پرخاشگری و موافقت‌پذیری (Agreeableness) پایین‌تر روبرو بودند.
4. مصرف‌کنندگان کمک‌های خواب (Sleep-aid Users): الگوهای خواب آن‌ها عمدتاً تحت تأثیر استفاده از کمک‌های خواب، مانند داروهای بدون نسخه، CBD (کانابیدیول) با یا بدون THC، چای بابونه یا داروهای تجویزی بود.
5. خواب‌کنندگان مختل (Disturbed Sleepers): خواب آن‌ها اغلب مختل می‌شد، احتمالاً به دلیل استفاده از الکل یا سیگار یا به دلیل کم‌آبی بدن، که بر سلامت و زندگی روزمره آن‌ها تأثیر می‌گذاشت.

هر پروفایل همچنین با یک «امضای عصبی» (Neural Signature) یا پاسخی در مغز مرتبط است که شامل اطلاعاتی در مورد آنچه فرد ممکن است در آن زمان تجربه کرده باشد، مانند دمای بدن، کابوس‌ها یا نوسانات هورمونی است.

پرو گفت که این نشان می‌دهد پروفایل‌های خواب با مدار مغز و همچنین نشانگرهای سلامتی و بهزیستی مرتبط هستند.

دکتر هنری یاگی، استاد پزشکی داخلی و مدیر مرکزهای خواب ییل، از روش‌شناسی این مطالعه تمجید کرد. یاگی که در این تحقیق دخیل نبود، به لایو ساینس گفت: «این ارزیابی بسیار جامع‌تری از خواب نسبت به آنچه که در گذشته داشتیم است. این یک روش یکسان برای همه نیست. پروفایل‌هایی از خواب وجود دارد که با سلامت روان ارتباط دارند.»

کاربرد در آینده

پرو فکر می‌کند که پنج پروفایل خواب می‌توانند به طور بالقوه به عنوان نشانگرهای زیستی (Biomarkers) استفاده شوند؛ یعنی علائم هشدار دهنده قابل اندازه‌گیری برای شرایطی که ممکن است در آینده بروز کنند. یاگی گفت از آنجایی که این پروفایل‌ها در بزرگسالان جوان و سالم تعریف شده‌اند، تحقیقات بیشتری لازم است تا مشخص شود آیا می‌توانند به عنوان نشانگرهای زیستی، مثلاً برای تشخیص اضطراب و افسردگی در حال توسعه، عمل کنند.

هم پرو و هم یاگی به لایو ساینس گفتند که پتانسیل استفاده از این پنج پروفایل خواب را برای هدایت مداخلات بالینی می‌بینند. به عنوان مثال، شاید برخی از درمان‌ها مانند گفتاردرمانی، اپلیکیشن‌های خواب و دستگاه‌های CPAP (فشار مثبت مداوم راه هوایی) که با هدف بهبود خواب انجام می‌شوند، برای «کوتاه‌خواب‌ها» مفیدتر از «مصرف‌کنندگان کمک‌های خواب» باشند. به طور کلی، پرو افزود که این خط تحقیقات می‌تواند روشن کند که چرا حدود ۴۰ درصد از بیماران به درمان شناختی-رفتاری برای بی‌خوابی (CBT-I)، که نوعی گفتاردرمانی و رفتاردرمانی است، پاسخ نمی‌دهند.