阿華最近總是覺得累。儘管他的智慧手錶顯示他每晚都睡滿了七到八小時，但白天工作時，他還是頻頻打瞌睡，精神難以集中。他開始懷疑，是不是手錶不準？或者，他的疲憊另有原因？他試著調整作息，提早睡覺，但效果似乎都不太好。這種說不清道不明的疲勞感，讓他對自己的睡眠品質充滿了問號。
其實，像阿華這樣對自身睡眠品質感到困惑的人不在少數。隨著科技進步，越來越多人使用穿戴式裝置來追蹤睡眠，希望藉此了解自己的生理狀況。但這些裝置的數據，真的能完全反映我們的真實睡眠行為嗎？一項最新的研究指出，不同裝置間數據的「落差」，或許正是解開睡眠謎團的關鍵。
為什麼裝置數據的「落差」反而成為線索？
這項研究的核心概念非常獨特：研究人員並未將不同裝置間的數據落差視為單純的測量誤差，反而將其解讀為一種潛在的「行為訊號」。他們認為，這些差異可能反映了我們在24小時內，從夜晚到白天的完整睡眠相關行為，透露出一些我們自己也未曾察覺的模式。
為了深入探討，這項研究分析了149位患有較輕微「一般心理健康問題」的患者數據，其中約七成是女性，年齡介於18到71歲之間。研究團隊在為期三個月的時間裡，收集了總計4,824天的睡眠記錄。他們使用了兩種消費者常見的睡眠追蹤裝置：一種是配戴在手腕上的智慧手環，其數據精準度較低；另一種則是放置在床墊下的睡眠追蹤墊，其數據相對較為精確。
揭開隱藏的睡眠行為模式
研究的關鍵在於，人員特別關注那些兩種裝置數據出現「高落差」的日子，也就是當智慧手環和睡眠追蹤墊記錄的睡眠時間差異超過五小時的時候。透過對這些高度不一致的數據進行分析，研究團隊運用一種名為K-means的數據分析技術，成功辨識出六種穩定且具重複性的全天候睡眠行為模式。這些模式在個別使用者身上呈現出較高的一致性，這表示它們很可能源於患者實際的行為，而非隨機的測量誤差。
這些被識別出的睡眠模式不僅具有解釋性，也具有潛在的臨床意義。研究顯示，有些模式可能與「過度睡眠」有關，這意味著雖然表面上睡很久，但實際睡眠效率或品質可能不佳。另一些模式則揭示了「非預期性地在床外睡著」，比如白天不自覺的小睡，或者是在沙發上睡著，而這些都是單一裝置可能難以全面捕捉的。還有一些模式則反映出「非典型睡眠－清醒週期」，可能暗示了不規律的作息習慣。為了進一步驗證這些模式，研究團隊還整合了其他行為指標，例如每日的步數分佈以及智慧型手機的使用情況，這些數據有助於理解參與者的體力活動與社交狀況。
根據這項研究，透過被動式睡眠監測，尤其是利用裝置數據的落差來分析，有望提早發現一些可能導致健康狀況惡化的行為改變。例如，研究發現，這類監測方式或許能協助早期偵測到像憂鬱症發作等病理變化。此外，它也能為臨床決策提供參考，透過觀察患者的行為模式，來判斷治療方案可能帶來的行為副作用。
回到阿華的故事，他或許會發現，他手上那支智慧手錶所記錄的「睡眠時間」，與他睡在床上時的真實狀況，可能存在著巨大的鴻溝。那些在客廳沙發上不知不覺睡著的幾小時，或是中午趴在辦公桌上的短暫休息，智慧手錶可能都算進了「睡眠時間」裡，但睡眠追蹤墊卻不會。這些看似微小的差異，積累起來，就可能形成了他感到疲憊的根本原因。這項研究提醒我們，我們的睡眠行為遠比想像中複雜，單一的數據可能無法呈現全貌。透過結合不同來源的資訊，我們能對自身的「睡眠」——這個與身心健康息息相關的關鍵因素——有更深入、更全面的認識。這不只是一種數據分析的創新，更是一種賦予我們掌握自身健康的全新視角。
參考文獻：
Full-day sleep pattern analysis in common mental disorders: Leveraging highly discrepant recordings from two consumer tracking devices. PLOS One. 2026 Apr 9; 21(4):318-26. doi: 10.1371/journal.pone.0346876
