Профили циркадного ритма, полученные по данным акселерометрии цикла сон–бодрствование, в двух когортных исследованиях

Акселерометры позволяют в крупных исследованиях объективно оценивать различные параметры биоповеденческого проявления циркадного ритма (ЦР): ритм покой–активность (RAR), дневную активность, сон и хронотип, используя несколько метрик. Эти параметры редко анализируют совместно из-за методологических трудностей, связанных с использованием скоррелированных данных. Чтобы решить эту проблему, мы предложили двухэтапный подход: сначала снижение размерности метрик ЦР с помощью анализа главных компонент, затем кластеризацию k-средних для выявления групп людей со сходным профилем на основе данных когортных исследований Whitehall II (N = 3991, средний возраст 69,4 года) и UK Biobank (N = 54 995, средний возраст 67,5 года). Наш анализ выявил девять кластеров ЦР: два демонстрировали крайние варианты (наиболее выраженный/наихудший) RAR и (наивысшую/наименьшую) дневную активность, два — выраженный RAR при противоположных профилях сна (более длительный и эффективный/более короткий и фрагментированный), один — высокоинтенсивную физическую активность, а четыре — плохой RAR (один характеризовался поздним хронотипом, два — низкой активностью, но противоположными профилями сна, и один — беспокойным (ажитированным) сном). Участники этих девяти кластеров различались по социально-демографическим, поведенческим и связанным со здоровьем факторам. Результаты были сходными в обоих независимых когортных исследованиях, что подтверждает валидность предложенного подхода. В большинстве предыдущих исследований использовали только параметр RAR циркадного ритма, и здесь мы показываем, что это может быть упрощением, поскольку выявлены девять кластеров, характеризующихся различными сочетаниями RAR, дневной активности, сна и хронотипа. Наш инновационный подход демонстрирует возможность использовать все эти параметры для изучения влияния нарушения регуляции циркадного ритма на здоровье.