环境热与人类睡眠

我们的主要结果对于使用文献中使用的替代睡眠时间过滤器，而不是这些更广泛的标准是可靠的（补充表27）56,57. 因为人们可以弥补晚上睡眠不足在白天小睡时间少于四小时的情况下，我们确认，我们的主要研究结果对使用24小时睡眠获得法是可靠的（补充表5）。为了确保足够的时间覆盖，我们要求每个人至少有四周（28晚）的睡眠记录，并在从第一次使用到最后一次使用期间的至少25%的夜间记录睡眠观察。我们的结果对替代的时间纳入标准是可靠的，包括将我们的分析仅限于总睡眠时间最少为56、84和112晚的人（补充表29）。此外，当我们的样本仅限于首次使用可穿戴设备之日起50%、75%和85%的夜间使用可穿戴设备的人时，我们的结果仍然有效（补充表28）。这些数据由防水健身跟踪腕带记录，腕带利用内部加速计检测运动，并测量每分钟的睡眠和觉醒状态。腕带的内部验证温度超过了本研究中观察到的温度，其列出的工作温度范围为-20°C至60°C，远高于本研究中遇到的环境温度分布。研究发现，这些适应度带产生的睡眠和觉醒状态估计值与移动设备不活动和活动的独立、同期测量值准确一致，这是清醒的行为代理58.

我们进一步评估这些设备产生的睡眠估计的外部有效性，方法是将健身带产生的全国和人口睡眠估计与之前发表的一系列睡眠研究的结果进行比较59. 由此产生的全球数据集再现了既定的社会时间、人口和地理睡眠趋势。周末-工作日睡眠持续时间的显著差异表明了限制人类睡眠的特征性工作和社交日程，工作日睡眠减少，周末睡眠恢复（图1C，补充表2）。对于这个可穿戴设备用户样本，个人平均夜间睡眠时间中位数为7.1小时。与年轻人（32.7%）相比，老年人（43.6%）经常每晚睡眠少于7小时的比例更高，与年轻人和老年人相比，中年人在工作周的平均睡眠时间更短，这与文献一致60 （补充表1-2）。此前的研究还表明，东部国家的平均睡眠时间略低于西方国家56,61,62. 我们的可穿戴数据集复制了这一结果，与来自四个不同欧洲国家的成年人相比，日本成年人在工作日和周末的睡眠时间都更少，涵盖了所有成年人年龄段（补充表2）。我们的样本包括自行选择使用可穿戴设备的人，因此可能在某些方面与背景人群不同。我们观察到，我们的样本中男性的比例（约69%）高于女性（约31%）。此外，数据集的参与者完全居住在高收入和中等收入国家~80%的用户来自42个不同的高收入国家，约20%来自26个中等收入国家，其中9个是中低收入国家。

样本主要包括中年人（25-65岁，约91%），年轻人（19-25岁，约6%）和老年人（65岁以上，约3%）较少。然而，我们数据集中用户最多的前五个国家的年龄中值与同一国家的联合国标准人口中值密切对应，平均绝对差异为2.6年（补充表3）。此外，数据集中使用人数最多的前五个国家的年龄标准化BMI值在这些国家的WHO人口估计范围内或附近（补充表4）。值得注意的是，日本男性和女性的年龄标准体重指数略高于世卫组织的范围。在我们的数据集中，我们没有发现夜间温度对不同BMI类别睡眠时间影响的异质性证据（SI图5）。12多变量固定效应面板模型为了研究环境温度和外部天气是否会改变人类的睡眠行为，我们将个人夜间睡眠观测与来自两个来源的气象数据联系起来。对于每一次夜间睡眠观测，我们利用国家环境信息中心全球历史气候学网络（GHCND）的日输出，以及NCEP再分析2项目的风速、日云量和相对湿度数据，在100公里半径范围内最近的站级最低夜间温度和降水数据的邻近加权平均值63,64.   我们感兴趣的主要关系是每日夜间最低温度对人内睡眠时间变化的影响。

T MIN T MINORM 1981to 2010Ζηαν（1a）Yijktm=ijktm+ijktm++i+μT+km+εijktm在这个多元固定效应线性模型中，我 索引个人，J二级行政区划，K 一级行政区划，T 索引唯一的日历日期和M 索引唯一的日历月。我们的因变量代表个体的睡眠时间（以分钟为单位）i、 Yijktm在给定的第二管理部门J, 第一行政部K 在日历日T和日历月M. 我们感兴趣的自变量是最低夜间温度。我们还控制了1981年至2010年当地历史最低温度气候正常值。T MINORM 1981至2010ijktm进一步，我们控制每日降水量、每日温度范围（-）、T MAXijktmT MINijktm云量百分比、相对湿度和平均风速，如未能做到ηΖ，可能会使我们对夜间最低温度对睡眠结果测量的影响的估计产生偏差65. 最后，我们还将每个气象控制ηΖ变量的气候正常值包括在内，计算为使用最近的气象站的给定用户日期1981年至2010年的当地历史平均值。不可观察的用户特定、地理或时间因素可能会影响睡眠结果。为了确保这些特定于用户的因素不会影响我们对天气对睡眠时间影响的估计，我们在等式1a. 这些变量控制每个用户和可穿戴设备的所有稳定αi未观察到的特征65. 此外，可能存在未被观察到的每日动态或特定地区的季节性变化（如日光）或影响睡眠结果的长期趋势，这些趋势可能与天气存在虚假关联。

为了控制这些潜在的混杂因素，我们将等式1a, 分别用日历μtνkm月指标变量表示日历日期和第一次管理。我们的主要结果对替代的时间控制非常可靠，包括用1st admin by week指标变量替换1st admin by week，以控制行政区域特定的日光周变化（补充表26）。我们的实证确认假设与气候计量经济学文献一致65,66, 在这些固定效应条件下，每日最低温度的剩余变化与随机变化一样好67. 由此可以将估计的模型系数解释为最低夜间温度对睡眠持续时间的因果效应f（T MINijktm）40,68.  我们估计等式1a 使用普通最小二乘法，并通过使用异方差稳健标准误差（聚集在第一行政区划εijktm 13）调整可能的空间和序列相关性数量我们从中省略了非气候控制变量等式1a 因为它们可能会在我们感兴趣的参数中产生偏差65,69,70.   我们主要历史估算所依赖的全球天气数据中，提供北美和欧亚大陆温度和降水测量的台站集中度高于非洲和南美部分地区，导致我们的主要模型的最终样本中有一些用户被排除在外，中低收入国家的环境温度估计可能不那么精确。我们的结果对使用全球网格化再分析数据具有鲁棒性（SI图2A；补充表5、6）63. 重要的是，根据我们的分析得出的经验估计可能是保守的。

由于我们在分析中使用的反褶积过程，测量误差和噪声放大的组合可能会进一步降低我们对温度和睡眠行为之间关系的估计51,71,72.    f（T MIN）T M IN orm1981到2010Ζηαν（1b）Yijktm=ijktm+ijktm++i+μT+km+εijktm IN方程式1b, 我们把夜间最低温度换算成等式1a 输入每个5°C最低温度和温度范围的指示器变量73, 1cm降水箱、5m/s风速箱，以及每20个百分点的云量和相对湿度箱。这使我们能够灵活地估计每个气象变量与睡眠结果之间的非线性关系36（图2A，SI图1）。我们省略了5°C至10°C的最低温度、5°C至10°C的日温度范围、0厘米的降水量、0-5米/秒的风速、0%的云量和60-80%的湿度作为参考类别。我们将我们的估计值解释为特定温度下相对于这些基线的个体睡眠时间变化的平均值。我们的结果在将每个气候控制变量组合在一起时也是一致的（补充表32-34）。我们灵活的模型结果对替代国家气象局（NWS）热指数具有鲁棒性74 -- 热应力的量度——最低温度和相对湿度公式1b。（见图2B，补充表15）。由我们的主要规范生成的灵活估计的函数形式方程式1b 当扩展温度箱的范围以模拟极端温暖和寒冷夜晚的影响时，仍然存在，尽管这些箱极端情况下的数据覆盖率很低（见图3，补充表30和31）。

在ORM1981到2010之间的最小T MΖηαν（1c）Yijktms=ijktm*s+ijktm++i+μt+km+εijktm为了检查一年中的季节对我们的利益关系的边际影响，我们保留等式1a, 将夜间最低温度的测量值与代表季节的分类变量T MINijktm相互作用。我们将由此产生的估计解释为边际效应在一年中的特定季节，因睡眠不足而导致的最低温度升高1°C的可能性（补充表20）。T MIN T M IN orm1981至2010Ζηαν（1d）Yijktms=ijktm*γi+ijktm++i+μT+km+εijktm为了检验最低温度对不同人口统计学（如年轻人与成年人与老年人）睡眠影响的估计中可能存在的异质性，我们在等式1a 同时保持相同的型号规格。我们为每个相互作用项构建单独的模型（图3，SI图5，补充表21-24）。由于一些用户没有自我报告他们的年龄、性别或BMI信息，我们在这些回归中的样本量各不相同。在ORM1981到2010年期间，T MIN T MΖηαν（1e）Yijktms=ijktm*Sm+ijktm++i+μT+km+εijktm 14为了测试可能的短期适应温暖的夜间温度，我们提取了每个观测地点和年份的第一个和最后一个夏季月份的数据子集。因此，对于来自北半球（南半球）的观测，6月（12月）被标记为夏季的第一个月，此时当地较暖的温度相对较新，而8月（2月）被标记为夏季的最后一个月，此时气温升高变得更为常见。我们将夏季月互动术语添加到等式1a 同时保持相同的型号规格。

由此得出的估计值代表了特定夏季月份最低温度升高1°C对睡眠减少的边际影响（补充表35）。f（T MIN）T M IN orm1981到2010Ζηαν（2a）Qijktm=ijktm+ijktm++i+μT+km+εijktm等式2a, 我们将睡眠时间替换为方程式1b 以睡眠开始为因变量，而QijkTM则保持相同的灵活模型规格（补充表12、13）。f（T MIN）T M在ORM1981到2010Ζηαν（2b）Rijktm=ijktm+ijktm++i+μT+km+εijktm中公式2b, 相反，我们将midsleep指定为因变量，同时将sameRijktm灵活模型规范保持为方程式1b（补充表12、13）。f（T MIN）T M在ORM1981到2010Ζηαν（2c）Uijktm=ijktm+ijktm++i+μT+km+εijktm中等式2c, 我们使用睡眠偏移量作为因变量，同时保留与之相同的flexibleUijktm模型规范方程式1b（补充表12、13）。f（T MIN）T M在ORM1981到2010Ζηαν（3）Vijktm=ijktm+ijktm++i+μT+km+εijktm在这个多元固定效应线性概率模型中，我们在等式1b中保留了我们灵活的模型规范 而是利用一个二元结果，表示在日历月（m）内的日历日（t），县（j）和Vijktm第一管理区（k）的个人（i）是否达到了短睡眠时间，低于睡眠不足的标准阈值75. 我们将该估计解释为相对于方程式1b中概述的气象基线，睡眠不足概率的变化（图2F）。我们的研究结果对采用短期睡眠的替代措施是可靠的（补充表8、9）。T最小异常1981to 2010Ζηαν（4a）Yijktm=ijktm++i+μT+km+εijktm作为替代规范情商。

1a, 我们用一个单一项替换T minijktmtmt MINORM 1981to 2010ijktm：夜间温度异常——计算出的asT MIN.异常1981to 2010ijktm——前两个项之间的差异——同时保留相同的多元固定效应线性模型规范等式1a. 这个新的自变量表示每个用户夜晚的夜间最低温度与正常历史平均值（1981年至2010年）的偏差（补充表17）。f（1981年至2010年的最小异常）Ζηαν（4b）Yijktm=ijktm++i+μT+km+εijktm 15对于公式4b, 我们采用的异常规范与等式1c 但包括1°C的灵活温度箱，以非参数方式估计夜间最低温度异常与睡眠时间之间的关系。此外，我们还添加了分箱气象控制，采用了中规定的相同基线类别方程式1b. 我们省略了-5°C至.5°C的温度异常参考范围，并将我们的估计值解释为特定夜间温度异常范围内相对于组合气象基线的睡眠持续时间个体变化的平均值（见图4，补充表18）。样条回归模型为了研究2050年和2099年气候变化对人类睡眠的影响，我们利用了21个耦合模型相互比较项目第5阶段（CMIP5）模型的数据76 按照代表性浓度路径“高排放”情景RCP8运行。5.77 并提取NASA地球交换全球每日缩减预测（NEX-GDDP）偏差校正、统计缩减、夜间温度预测78 在我们的全球睡眠数据集中，每个国家的每个25km x 25km网格单元。

气候变化预计将使夜间温度分布向右扩展，导致极端环境温度超过我们的历史观测值。我们没有将这些极端温度指定为历史分布范围内最高温度箱的拟合值，而是将线性样条曲线拟合到数据中——节点放置在-20°C和10°C——并预测2050年和2099年预测温度的行为估计73. 样条线模型产生的函数形式与方程式1b揭示的关系密切相关。个人水平年度预测图为了绘制由于气候变化导致的睡眠时间的预测平均个体变化（图4D），我们从NASA的所有21个经统计缩小的每日气候模型中提取2010年、2050年和2099年平均每日最低温度预测睡眠损失。对于一年中的每个网格单元日和模型，我们从2010年的参考期中减去2050年和2099年的拟合值。该操作可以估算出每种模型中一年中每个网格单元日的人均睡眠损失变化。然后，我们将每个网格单元一年中的每日差值相加，得出每个网格单元和模型组合的预计年度睡眠损失的累积估计值。然后，我们对所有全球网格单元进行平均——校正地理畸变——以计算每个模型的等面积加权平均年睡眠损失（图4D）。另外，我们计算并绘制了国家层面的预计年睡眠损失（人均），方法是在所有21个缩小规模的气候模型中平均每个国家的网格单元（SI，图6）。网格单元年度投影图为了绘制全球网格单元投影图，我们绘制了所有模型中每个网格单元的人均年度睡眠损失的总体平均估计值（图4B，C）。