本站小編為你精心準(zhǔn)備了睡眠障礙社會(huì)經(jīng)濟(jì)環(huán)境的影響分析參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

［摘要］目的從宏觀層面探究睡眠障礙發(fā)病的社會(huì)經(jīng)濟(jì)環(huán)境影響因素，為健康睡眠工程提供借鑒。方法通過(guò)網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)獲取互聯(lián)網(wǎng)醫(yī)療平臺(tái)來(lái)自各地區(qū)睡眠障礙人群數(shù)量，結(jié)合各地區(qū)經(jīng)濟(jì)環(huán)境指標(biāo)進(jìn)行主成分回歸分析。結(jié)果睡眠障礙的發(fā)病影響因素按權(quán)重降序排序分別為第二產(chǎn)業(yè)值、第三產(chǎn)業(yè)值、工業(yè)增加值、城市照明路燈數(shù)量、金融業(yè)增加值、氮氧化物排放量、人均GDP、居民消費(fèi)水平。結(jié)論睡眠障礙與地區(qū)經(jīng)濟(jì)水平及環(huán)境存在相關(guān)關(guān)系。

［關(guān)鍵詞］睡眠障礙；經(jīng)濟(jì)；環(huán)境；影響因素

睡眠作為一種生理現(xiàn)象，其與水、食物、空氣同等重要。良好的睡眠能保障機(jī)體免疫系統(tǒng)的自我修復(fù)和完善，排毒、造血等一系列生理功能的正常運(yùn)轉(zhuǎn)。長(zhǎng)期睡眠不足會(huì)導(dǎo)致神經(jīng)－內(nèi)分泌紊亂，使人產(chǎn)生抑郁、焦慮、緊張等情緒，也會(huì)導(dǎo)致心血管疾病［1－2］；不僅損害患者的身心健康，也會(huì)損害其社會(huì)功能。隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人類(lèi)生存的社會(huì)環(huán)境不斷發(fā)生變化，如霧霾、光污染、噪聲污染等，加上社會(huì)競(jìng)爭(zhēng)日益激烈，越來(lái)越多的人面臨睡眠障礙的困擾。據(jù)2015年WHO調(diào)查結(jié)果顯示，全世界范圍內(nèi)約有1／3的人存在失眠癥狀或睡眠功能障礙。我國(guó)目前有30．0％以上的人存在失眠癥狀，超過(guò)3億人口存在睡眠障礙［3］；且有研究表明，70．5％的受訪青年被失眠問(wèn)題困擾［4］。睡眠障礙已成為威脅人們健康的巨大隱患，其既是醫(yī)學(xué)問(wèn)題，也是社會(huì)問(wèn)題。目前國(guó)內(nèi)對(duì)睡眠障礙影響因素的研究絕大多數(shù)均從患者個(gè)體層面進(jìn)行的分析［5－7］。本研究以橫斷面研究為指導(dǎo)思想，通過(guò)網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)獲取2017年互聯(lián)網(wǎng)醫(yī)療平臺(tái)睡眠障礙人群數(shù)據(jù)，結(jié)合2017年經(jīng)濟(jì)環(huán)境等多個(gè)指標(biāo)數(shù)據(jù)進(jìn)行主成分回歸分析，從宏觀層面探究各地區(qū)睡眠障礙人群數(shù)量與經(jīng)濟(jì)環(huán)境等指標(biāo)的相關(guān)性。

1資料與方法

1．1一般資料

采集互聯(lián)網(wǎng)平臺(tái)中具有代表性的在線醫(yī)療服務(wù)與咨詢平臺(tái)2017年31869例睡眠障礙用戶人群數(shù)據(jù)，并從中隨機(jī)選取12446例，統(tǒng)計(jì)匯總各地區(qū)的人群數(shù)量作為因變量。從中華人民共和國(guó)2017年統(tǒng)計(jì)年鑒資料中選取（計(jì)算）人均GDP、第一產(chǎn)業(yè)值、第二產(chǎn)業(yè)值、第三產(chǎn)業(yè)值、工業(yè)增加值、金融業(yè)增加值、居民消費(fèi)水平、城鎮(zhèn)失業(yè)人數(shù)、城市每萬(wàn)公頃公園個(gè)數(shù)、城市建成區(qū)綠化覆蓋率、城市照明路燈數(shù)量、氮氧化物排放量、二氧化硫排放量13個(gè)指標(biāo)作為自變量（在SPSS軟件中分別命名為C、D、E、F、G、H、I、J、K、L、M、N、O）。理論上講，各地區(qū)睡眠障礙人群數(shù)量與地區(qū)常住人口數(shù)量呈正相關(guān)，為排除人口數(shù)量因素，本研究取各地區(qū)睡眠障礙人群數(shù)量與地區(qū)常住人口數(shù)量的比值（可視為發(fā)病率）為回歸分析的因變量（以Y表示），山西的睡眠障礙人數(shù)為266人，內(nèi)蒙古為236人，山西的常住人口為3700萬(wàn)人，內(nèi)蒙古的常住人口為2530人，很明顯人口數(shù)量越多，睡眠障礙人數(shù)也越多。而取比值后每千萬(wàn)人中山西的睡眠障礙人數(shù)為72人，內(nèi)蒙古為93人，這樣則可排除人口數(shù)量因素。見(jiàn)表1。各地區(qū)經(jīng)濟(jì)環(huán)境相關(guān)數(shù)據(jù)指標(biāo)見(jiàn)表2。

1．2方法

據(jù)艾瑞咨詢的《2016年中國(guó)在線醫(yī)療行業(yè)數(shù)據(jù)監(jiān)測(cè)報(bào)告》［8］顯示：“尋醫(yī)問(wèn)藥網(wǎng)”“有問(wèn)必答網(wǎng)”和“39健康網(wǎng)”處于在線醫(yī)療行業(yè)的領(lǐng)先地位，月度覆蓋人數(shù)均維持在4000萬(wàn)人以上。“好大夫在線”“丁香園”“家庭醫(yī)生”和“掛號(hào)網(wǎng)”積累了較大規(guī)模的用戶資源和醫(yī)生資源，擁有較廣的用戶覆蓋范圍。以上平臺(tái)具有行業(yè)代表性，符合統(tǒng)計(jì)學(xué)中重點(diǎn)調(diào)查原則。由于傳統(tǒng)問(wèn)卷調(diào)查受地域限制，無(wú)法獲取各地區(qū)的睡眠障礙人群數(shù)據(jù)，本研究利用網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù)獲取互聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)，該數(shù)據(jù)能突破地域局限性，為本研究提供了數(shù)據(jù)支撐。

1．3統(tǒng)計(jì)學(xué)處理

應(yīng)用SPSS22．0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)及主成分回歸分析，在進(jìn)行多元回歸分析前有必要對(duì)數(shù)據(jù)進(jìn)行可靠性檢驗(yàn)，并檢驗(yàn)自變量間的相關(guān)性，如自變量間存在多重共線性則使用OLS回歸模型建立的回歸方程具有不穩(wěn)定性，甚至導(dǎo)致錯(cuò)誤結(jié)論［9－10］。故采用克隆巴赫系數(shù)檢驗(yàn)數(shù)據(jù)的有效性，采用Pearson相關(guān)系數(shù)方法檢驗(yàn)數(shù)據(jù)間的相關(guān)關(guān)系。克隆巴赫系數(shù)是檢驗(yàn)數(shù)據(jù)可靠性的常用指標(biāo)，該值大于0．7說(shuō)明數(shù)據(jù)信度較好。自變量間的相關(guān)性可由相關(guān)系數(shù)體現(xiàn)，系數(shù)絕對(duì)值越接近于1，變量間的相關(guān)性越強(qiáng)，說(shuō)明存在嚴(yán)重共線性，此時(shí)回歸模型可能存在偏差或不準(zhǔn)確，因此不適用最小二乘法回歸模型。為解決自變量間共線性問(wèn)題，本研究采用主成分分析對(duì)多個(gè)自變量進(jìn)行降維處理，通過(guò)自變量的主成分所具有的性質(zhì)，生成主成分變量，再根據(jù)主成分變量的特征值（＞1）選定可進(jìn)行多元回歸的主成分變量，特征值越大，主成分的貢獻(xiàn)率越高。KMO和巴特利特檢驗(yàn)用于檢驗(yàn)自變量間的相關(guān)程度。在進(jìn)行主成分分析前首先應(yīng)進(jìn)行KMO檢驗(yàn)，檢驗(yàn)系數(shù)取值為0～1。KMO系數(shù)越接近于1，變量間的相關(guān)性越強(qiáng)，主成分分析的效果越好。在實(shí)際分析中，KMO系數(shù)在0．7以上時(shí)效果較好。將主成分分析得到的3個(gè)主成分分別命名為Z1、Z2、Z3并作為自變量，與因變量Y進(jìn)行多元回歸分析。R2是檢驗(yàn)回歸方程與樣本值擬合優(yōu)度的指標(biāo)，R2（0～1）值越大說(shuō)明回歸方程與樣本值的擬合度越好。調(diào)整的R2比調(diào)整前R2更準(zhǔn)確一些。P＜0．05為差異有統(tǒng)計(jì)學(xué)意義。

2結(jié)果

2．1數(shù)據(jù)檢驗(yàn)結(jié)果

13項(xiàng)數(shù)據(jù)的克隆巴赫系數(shù)為0．862，基于標(biāo)準(zhǔn)化項(xiàng)目的克隆巴赫系數(shù)為0．910。相關(guān)系數(shù)矩陣見(jiàn)表3。

2．2主成分分析結(jié)果

KMO和巴特利特檢驗(yàn)表明，主成分分析的效果很好（檢驗(yàn)系數(shù)為0．786，P＝0．000）。見(jiàn)表4。該模型得到了3個(gè)主要成分（特征值大于1），第1～3個(gè)的主成分貢獻(xiàn)率分別為53．517％、21．812％，8．536％，累積貢獻(xiàn)率為83．865％，意味著前3個(gè)主成分就包含了13個(gè)自變量指標(biāo)83．865％的信息，因此，可選擇前3個(gè)主成分取代原自變量進(jìn)行回歸分析。見(jiàn)表5、6。

2．3回歸分析結(jié)果

模型調(diào)整后的R2＝0．743，表示主成分自變量一共可解釋因變量74．3％的變化。見(jiàn)表7。表8顯示回歸模型可靠（F＝29．865，P＝0．000）。常量、Z1、Z2對(duì)因變量均有顯著影響（P＝0．000），Z3對(duì)因變量無(wú)顯著影響（P＝0．421）。3個(gè)主成分變量不存在共線性，回歸模型可靠（VIF值均為1）。見(jiàn)表9。回歸方程：Y＝80．935＋26．706×Z1＋42．033×Z2。主成分Z1的主要決定變量（成分比例大于0．8）為E、F、G、H、M、N，即第二產(chǎn)業(yè)值、第三產(chǎn)業(yè)值、工業(yè)增加值、金融業(yè)增加值、城市照明路燈數(shù)量、氮氧化物排放量，主成分Z2的主要決定變量為C、I，即人均GDP、居民消費(fèi)水平。地區(qū)睡眠障礙人群規(guī)模影響因素按權(quán)重降序排序分別為第二產(chǎn)業(yè)值、第三產(chǎn)業(yè)值、工業(yè)增加值、城市照明路燈數(shù)量、金融業(yè)增加值、氮氧化物排放量、人均GDP、居民消費(fèi)水平，因變量與以上指標(biāo)均為正相關(guān)關(guān)系。

3討論

有研究表明，經(jīng)濟(jì)增長(zhǎng)水平主要受第二產(chǎn)業(yè)與第三產(chǎn)業(yè)的影響，其中第二產(chǎn)業(yè)對(duì)經(jīng)濟(jì)水平的影響最大［11－12］。本研究結(jié)果顯示，第二產(chǎn)業(yè)值、第三產(chǎn)業(yè)值、工業(yè)增加值、金融業(yè)增加值、人均GDP、居民消費(fèi)水平均為體現(xiàn)經(jīng)濟(jì)水平的相關(guān)指標(biāo)，充分表明在排除人口數(shù)量因素下經(jīng)濟(jì)水平越高的地區(qū)睡眠障礙發(fā)病率越高，可能是生活、工作節(jié)奏快與社會(huì)競(jìng)爭(zhēng)壓力大所致；環(huán)境因素中城市照明路燈數(shù)量與氮氧化物排放量與睡眠障礙發(fā)病率呈正相關(guān)關(guān)系，二氧化硫排放量、城市綠化覆蓋率及公園個(gè)數(shù)與睡眠障礙發(fā)病率無(wú)關(guān)。何燦等［13］研究表明，城市居民區(qū)、城市道路、商業(yè)街、車(chē)站等公共照明設(shè)施及廣告牌是造成北京市光污染的主要成因，其對(duì)居民健康睡眠造成了負(fù)面影響。氮氧化物與二氧化硫的主要排放源均為煤和石油的燃燒，而機(jī)動(dòng)車(chē)尾氣中的主要成分之一為氮氧化物［14－15］。綜上所述，為更好地降低睡眠障礙發(fā)病率，需加強(qiáng)城市環(huán)境建設(shè)：改善照明設(shè)施，控制照明時(shí)長(zhǎng)，加強(qiáng)對(duì)空氣污染的治理，扶持新能源汽車(chē)的研發(fā)和投產(chǎn)。針對(duì)經(jīng)濟(jì)水平較高地區(qū)：鼓勵(lì)社會(huì)資本建設(shè)睡眠理療機(jī)構(gòu)，制定合理的減稅降負(fù)政策，緩解勞動(dòng)者的工作及生活壓力等。

參考文獻(xiàn)

［1］劉劍鋒，孟凡萍，周一心．失眠與抑郁的相關(guān)性研究進(jìn)展［J］．中國(guó)醫(yī)藥導(dǎo)報(bào)，2019，16（1）：45－48．

［2］劉慧鴻，孫曉生．失眠的綜合干預(yù)進(jìn)展［J］．世界睡眠醫(yī)學(xué)雜志，2018，5（11）：1407－1412．

［3］程國(guó)良，錢(qián)彥方，李靜，等．失眠機(jī)制研究進(jìn)展［J］．世界睡眠醫(yī)學(xué)雜志，2016，3（3）：174－179．

［4］王品芝．70．5％受訪青年被失眠問(wèn)題困擾［N］．中國(guó)青年報(bào)，2018－04－17（007）．

［5］劉桂陽(yáng)．老年人睡眠質(zhì)量狀況及影響因素分析［D］．唐山：河北聯(lián)合大學(xué)，2015．

［6］沈悅．贛州市初中學(xué)生睡眠質(zhì)量及影響因素研究［D］．長(zhǎng)春：吉林大學(xué)，2018．

［7］郭慰．某衛(wèi)生職業(yè)學(xué)院學(xué)生睡眠質(zhì)量情況及影響因素調(diào)查研究［D］．濟(jì)南：山東大學(xué)，2016．

［8］艾瑞咨詢．2016年中國(guó)在線醫(yī)療行業(yè)數(shù)據(jù)［EB／OL］．（2016－03－18）［2018－07－08］．

［9］趙玉新．多元線性回歸中多重共線性的研究［J］．產(chǎn)業(yè)與科技論壇，2019（3）：71－72．

［10］郭愛(ài)君，胡安軍．中國(guó)城市霧霾的影響因素研究［J］．統(tǒng)計(jì)與決策，2018，34（19）：105－108．

［11］蔣星星．產(chǎn)業(yè)結(jié)構(gòu)對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)的影響分析［J］．統(tǒng)計(jì)與管理，2017（7）：31－32．

［12］汪梓健，杜娟．新常態(tài)下經(jīng)濟(jì)增長(zhǎng)與三大產(chǎn)業(yè)增長(zhǎng)關(guān)系的實(shí)證分析［J］．商場(chǎng)現(xiàn)代化，2017（12）：242－243．

［13］何燦，江威，冷宛春．北京市夜間燈光污染的調(diào)查報(bào)告［J］．地理教育，2018（1）：54－55．

［14］郭廣照．機(jī)動(dòng)車(chē)尾氣污染分析與防治策略［J］．能源與環(huán)保，2018，40（11）：79－81．

［15］鄭清揚(yáng)，翁旭委，楊曉冬．機(jī)動(dòng)車(chē)尾氣檢測(cè)技術(shù)及污染防治對(duì)策［J］．資源節(jié)約與環(huán)保，2018（10）：33．

作者：王林峰 晏峻峰 吳世雯 單位：湖南中醫(yī)藥大學(xué)信息科學(xué)與工程學(xué)院