来源：期刊VIP网 时间：
作者：刘尧函;马子扬;于瀛;陈海洋;李军强;胡博;崔光彬;
单位：空军军医大学空军卫勤训练基地军事共同基础教研室;空军军医大学唐都医院放射科;解放军联勤保障部队临潼康复疗养中心;
摘要：目的 使用睡眠量表研究飞行员日间嗜睡程度、失眠程度及导致其失眠的主要原因，进而借助功能磁共振成像（functional magnetic resonance imaging, fMRI）及基于连接组的预测模型（connectome-based predicting modeling, CPM）建立飞行员日间嗜睡程度的影像预测模型。材料与方法 2023年5月至2024年10月期间，从临潼康复疗养中心招募96名歼击机飞行员。使用Epworth嗜睡量表（Epworth Sleepiness Scale, ESS）评估飞行员的日间精神状态，并依据得分将飞行员分为嗜睡组与正常组。使用失眠严重程度指数（Insomnia Severity Index, ISI）评估飞行员的失眠严重程度，使用匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index, PSQI）评估飞行员的睡眠质量，使用自评焦虑量表（Self-rating Anxiety Scale, SAS）评估飞行员的焦虑程度，使用自评抑郁量表（Self-rating Depression Scale, SDS）评估飞行员的抑郁程度。采集飞行员的fMRI数据并构建全脑功能连接矩阵，结合CPM构建飞行员日间嗜睡程度的影像预测模型。结果 飞行员存在日间嗜睡情况的比例约为15.6%，嗜睡组飞行员ISI得分高于正常组飞行员（FDR校正后P=0.042）,PSQI得分低于正常组飞行员（FDR校正后P=0.047）。两组间焦虑与抑郁水平未见明显差异。飞行员的失眠程度（ISI得分）与焦虑（r=0.236,P=0.020）、抑郁（r=0.212,P=0.040）水平之间存在弱相关。飞行员的飞行时长与PSQI得分中的睡眠障碍亚项（r=0.216,P=0.035）、PSQI总分（r=0.202,P=0.048）水平之间存在弱相关。基于CPM模型的ESS得分预测值与其真实值之间存在相关关系（r=0.296），且置换检验表明该相关性具有统计学意义（P=0.004）。对模型预测效能具有主要贡献的功能连接存在于大脑边缘系统与默认模式网络、腹侧注意网络、额顶叶网络之间。结论 飞行员存在日间嗜睡情况的比例约为15.6%，与睡眠质量降低及失眠显著相关。CPM可以有效预测飞行员的日间嗜睡程度，对于预测具有显著贡献的功能连接存在于大脑边缘系统与默认模式网络、腹侧注意网络、额顶叶网络之间。
关键词：飞行员;;睡眠;;失眠;;磁共振成像;;机器学习;;功能连接
