(PeopleImages/Getty Images) Eine systematische Untersuchung der Schlafdaten von mehr als 100.000 Menschen im Vereinigten Königreich hat 16 verschiedene Arten des Schlafens ergeben. Die Cluster könnten es Experten eines Tages ermöglichen, Schlaflosigkeit und Präschlaflosigkeit bei Einzelpersonen besser zu diagnostizieren.
Die Forschung basiert auf Daten von intelligenten Armbändern, die von der britischen Biobank verwendet werden, um unsere Wach- und Schlafmuster zu bestimmen. Dies geschah durch Messung der Armbewegungen und Zuckungen der Teilnehmer über mehrere Tage hinweg.
Das Ergebnis der Langzeitstudie war eine „reale Schlaflandschaft“, die eine große Vielfalt an Schlafzyklusmustern zeigte.
Insgesamt sind die Cluster in fünf große Kategorien (1 bis 5) unterteilt. Diejenigen, die in die erste Kategorie fallen, leiden im Allgemeinen unter Schlaflosigkeit mit langer Schlafdauer und „Midwake“, also dem Aufwachen mitten in der Nacht.
Am anderen Ende des Spektrums schlafen Menschen der Kategorie fünf die ganze Nacht durch, ohne tagsüber ein Nickerchen zu machen.
Die Cluster 2 bis 4 sind weiter in a und b unterteilt. 2a beispielsweise ist eine Gruppe von Personen, die unregelmäßige Schlafrhythmen aufweisen, wahrscheinlich als Hinweis auf Schichtarbeit.
2b ist mittlerweile definiert von den Autoren insgesamt als „fragmentierter Schlaf mit kurzer Schlafdauer“ bezeichnet.
3a ist eine Gruppe von Personen, die unter Schlaflosigkeit mit normaler Schlafdauer leiden, und 4a umfasst diejenigen, die unter Schlaflosigkeit mit kurzer Schlafdauer leiden.
Durch hierarchische Analyse identifizierte Cluster von Schlaftypen. (Katori et al., PNAS, 2022)
Um die Sache noch komplizierter zu machen, werden die Cluster 3b und 4b weiter in acht Unterkategorien fragmentierten Schlafs unterteilt.
3b-1 ist eine große Gruppe und umfasst diejenigen, die tief schlafen, aber nach dem Aufwachen nicht leicht einschlafen können. 3b-2 umfasst Kurzschläfer, die eine Mischung aus kurzem Aufwachen und einigen längeren Stunden damit verbringen, an die Decke zu starren.
4b-1 ist ein weiterer großer Cluster und verfügt über Langschläfer. 4b-2 beherbergt alle Morgenmenschen und 4b-6 beherbergt alle Nachtmenschen.
4b-4 und 4b-5 werden von den Autoren als „Präinsomnie“ definiert. Beide Cluster weisen eine normale Aufwachdauer mitten in der Nacht auf, aber diejenigen im ersteren Cluster wachen wiederholt und häufig auf und schlafen ein, was darauf hindeutet, dass sie Schwierigkeiten haben, den Schlaf aufrechtzuerhalten. Cluster 4b-5 hingegen zeigt insgesamt weniger fragmentierten Schlaf.
4b-3 hat im Allgemeinen einen kürzeren periodischen Schlaf-Wach-Zyklus von 24 Stunden, der je nachdem, ob jemand arbeitet oder im Urlaub ist, nicht mehr mit dem üblichen zirkadianen Zyklus übereinstimmt. Dies wird auch als „sozialer Jetlag“ bezeichnet.
Der Ausreißerdatensatz ist in acht Cluster unterteilt. (Katori et al., PNAS, 2022)
Die in der aktuellen Forschung identifizierten Cluster sind kompliziert und vielfältig und wurden nicht nur zum Spaß zusammengestellt. Sie könnten sich bei künftiger Forschung durchaus als klinisch bedeutsam erweisen.
Frühere Studien legen beispielsweise nahe, dass Schlaflosigkeit durch eine kurze Schlafdauer gekennzeichnet ist mit einer beeinträchtigten neurokognitiven Funktion verbunden , während Schlaflosigkeit durch eine normale Schlafdauer gekennzeichnet ist mit einem ängstlich-grübelnden Profil verbunden .
Daten, die von Menschen aufgezeichnet wurden, die im Schlaf ihre Arme bewegten, könnten nicht nur dabei helfen, diejenigen zu identifizieren, die an Schlaflosigkeit leiden, sondern könnten auch dabei helfen, herauszufinden, bei welchen Personen das größte Risiko für die Entwicklung geistiger oder körperlicher Gesundheitsprobleme besteht.
Um dieses Stadium zu erreichen, benötigen wir jedoch noch viel mehr Forschung. Während andere Formen von Gehirn- und Muskelmessungen während des Schlafs zu kurzfristig sind, um die Nuancen von „sozialem Jetlag“ oder „Morgen-/Abendtypen“ zu identifizieren, müssen die in dieser Forschung identifizierten Cluster noch weiter verifiziert werden.
Die Autoren Hoffnung Die von ihnen entwickelte „systematische und unvoreingenommene Clustering-Methode“ kann eines Tages mit anderen persönlichen Informationen wie aktueller Krankheit, früherer Krankengeschichte, Medikamenten, Bildungsberufen und Lebensgewohnheiten verknüpft werden, um uns zu helfen, den Gesundheitszustand einer Person besser zu verstehen.
Die Studie wurde veröffentlicht in PNAS .