【摘要】对天津市231名学龄前儿童的气质与睡眠情况展开问卷调查，并使用心理网络分析探究气质特征表现水平与睡眠问题严重程度的关系。结果表明：(1)气质的活动性与睡眠焦虑、气质的社会抑制性与睡眠抵制存在相对较强的偏相关关系。(2)儿童睡眠习惯问卷的八个维度聚分为三个集群。睡眠抵制、睡眠焦虑属于不良睡眠习惯集群；睡眠延迟、睡眠总量、日间嗜睡属于睡眠时间及日间表现集群；夜醒、异态睡眠、睡眠呼吸障碍属于睡眠障碍性疾患集群。(3)气质与不良睡眠习惯集群的联系相对较强，与另两个睡眠集群的联系相对较弱。(4)不良睡眠习惯集群与睡眠障碍性疾患集群的联系微弱，两者通过影响睡眠时间及日间表现集群从而间接增强联系。由结果可知，学龄前儿童的睡眠问题与其气质存在相关性，气质对儿童睡前行为具有相对较强的直接影响。因此，家长需了解并顺应孩子的气质特征，帮助其形成良好睡眠习惯。
【关键词】 睡眠问题 气质 学龄前儿童 心理网络分析
一、引 言
莎士比亚曾说，“Sleep is a chief nourisher in life’s feast”。睡眠是机体不可或缺的生命活动，也是个体发展早期阶段的基本活动。充足、优质的睡眠对儿童体格生长、机体免疫、能量恢复、记忆巩固以及认知发展等都至关重要。[1]相反地，睡眠不足或障碍则与儿童多种损害性后果密切相关，[2]如心脑血管疾病、肥胖、意外受伤以及情绪行为问题等。[3—6]如今，儿童睡眠问题已成为全球性的公共健康问题之一。据调查，西方国家有25%—40%的儿童有不同程度的睡眠问题，而东方国家的比例可能更高，特别是中国。[7]如梁颖等(2007)随机抽查天津市1 440名儿童进行有关睡眠情况的问卷调查，发现2岁以下儿童存在睡眠问题的占51.26%，2—5岁的占22.90%。[8]因此，开展有关儿童睡眠情况的调查并对影响其睡眠问题的因素进行探究，对防治儿童的睡眠问题或障碍具有重要意义。
现代医学领域普遍认为睡眠问题或障碍存在一定的生物遗传因素。[9]19世纪30年代，有学者对双胞胎的睡眠进行研究，结果发现相较于双卵双生子，单卵双生子睡眠表型的相似程度更高，首次揭示了睡眠可能受基因的调控。[10]除了生物因素，睡眠还受社会背景、文化价值观、家庭教育和生活环境等多方面因素的影响。例如，在西方个体主义价值观的背景之下，强调儿童个性的独立发展；而在中国集体主义价值观背景下，人们重视对儿童人际依赖以及家庭亲密感的培养。[2]同时，由于传统习俗、社会经济等因素的影响，中国儿童与监护人同床合睡的比例远高于西方的同龄儿童。[11]对于儿童和监护人同床合睡的问题颇有争议，但确有研究指出，合睡会提高儿童睡眠问题发生的可能性，其影响甚至可能早在婴儿期这个阶段就已经发生。如Vennemann等(2012)的一项针对11个病例—对照研究(Case-Control Study)的元分析显示，同床合睡是引发婴儿猝死综合征的因素。[12]此外，不良的家庭环境氛围、不规律的生活作息风格、繁重的课业压力等，均被认为与中国儿童睡眠问题的多发性相关。[13]
气质是个体先天的、具有持久性与稳定性的行为表现方式，它作为遗传的心理因素与环境交互地共同影响着个体心理与行为的发展。国外早有研究探讨了气质与睡眠问题的相关性，如Owens-Stively等(1997)发现，在有睡眠行为障碍的儿童中，越是喜怒无常的儿童，出现睡眠干扰的概率越高。[14]而国内有关这方面的研究则较少，[15]不过也有调查发现了不同气质类型儿童的睡眠问题发生率存在显著差异。如杨少萍等(2006)对武汉市1 827名3—6岁的儿童进行问卷调查，结果显示麻烦型、中间近麻烦型、发动缓慢型、中间近平易型、平易型儿童中睡眠障碍者分别占33.67%、32.95%、25.76%、18.07%、15.53%。[16]林芸等(2009)在对惠州市194名8—12岁儿童的调查中也发现，睡眠障碍儿童中表现为难养型气质的发生率远远高于正常儿童。[9]
虽然国内已有研究对儿童气质与睡眠的关系进行了考察，但目前的研究还存在着一定的不足。首先，现有研究大部分是从划分气质类型着手，以探讨不同气质类型下儿童总体睡眠问题或障碍发生率的差异。[17]然而，气质的发展实际上表现为多个层面的和谐发展，是多个维度共同构成了有机统一的气质整体。这种对气质进行“一刀切”的分类方法不利于考察各气质特征的表现程度与睡眠问题或障碍的关系。其次，现有研究多是探讨儿童睡眠问题或障碍的“有”与“无”。这种从总体层面进行比较的分析方法不利于考察各睡眠问题的严重程度与气质特征的关系。因此，本研究尝试结合相关分析和心理网络分析的方法，探讨儿童气质特征表现与其睡眠之间的关系。
近年来，研究者逐渐开始使用心理网络分析(Psychological Network Analysis)来描述并探讨心理与行为变量的相互作用。[18]心理网络由表示观察变量的节点以及表示统计关系的连线组成，并可以通过计算节点的中心性指数与连线的权重来评估各变量的相互关系。目前，该方法已取得了一定的研究基础，并被运用到了心理学的不同分支领域，如临床心理学、精神病学、人格心理学等。[19—21]因此，本研究拟采用心理网络分析的方法探讨各气质特征的表现程度与各睡眠问题严重程度的关系，从而为解释儿童气质与睡眠的相互作用提供一个新的视角，并为学龄前儿童睡眠问题的防治和干预提供一些依据。
二、研究方法
(一)研究对象
治疗期间，观察组腹痛腹泻、恶心呕吐、血细胞异常、口腔黏膜炎、放射性中耳炎及肝肾功能损伤的发生率分别为26.7%、43.3%、13.3%、16.7%、13.3%及6.7%，与对照组均基本一致，差异无统计学意义(P>0.05)。见表2。
(二)研究工具
1.儿童睡眠习惯问卷
2.网络的视觉化呈现
2.儿童气质评定问卷
为了充分发挥出城市综合客运枢纽的功能，政府应该注重枢纽位置等因素，实现对城市综合客运枢纽的有效整合，其主要是在对外客运枢纽的基础上，整合城市轨道交通枢纽、公交枢纽、出租车、停车换乘等，有效地将城市客运和对外客运进行衔接，为城市内部客运的快速换乘提供保障。
采用刘文等(2005)[23]编制的3—9岁儿童气质教师评定问卷考察儿童的气质特征，由儿童的老师填写。该问卷包含情绪性、活动性、反应性、社会抑制性、专注性五个维度，共31题。问卷采用5级计分，从“1=从不”到“5=总是”，维度评分越高，其所反映的性质越突出。经检验，各维度Cronbach’α系数介于0.758—0.860之间。
(三)数据分析
1.心理网络的估计
使用偏相关系数(Partial Correlation Coefficient，简写为rp)来评估心理网络中睡眠问题各维度与气质各维度的联系。两个变量的偏相关系数是指，在多元线性回归中，在排除了其他变量的影响之后，这两个变量之间的简单相关系数。[24]它反映了两变量之间更直接、更纯粹的相关程度。
天葬师的身体本就苍老虚弱，这次拼尽了全力，状况更是不容乐观。青辰悉心照料，煎药喂药，寸步不离师父的床前。
因为参数估计的大小会随着抽样的不同而有变化，即使两个变量在实际上是相互独立的，也有可能估计得到非零的参数值，所以在拟合网络的时候，需要对其中的偏相关系数进行显著性检验，以排除伪连接。于是，我们选用了最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator，简称LASSO)正则化算法，[25]来排除网络中由于抽样误差而估计得到的伪连接。[26]
要实现这些目标、路经和模式，任务比较艰巨，其核心人物主要有内部资源管理、内容生产管理、渠道管理、用户管理和运营绩效分析。
采用Owens等(2000)[22]编制的儿童睡眠习惯问卷(Children’s Sleep Habits Questionnaire，简称CSHQ)考察儿童的睡眠情况，由儿童的父母填写。该问卷包含睡眠抵制、睡眠延迟、睡眠总量、睡眠焦虑、夜醒、异态睡眠、睡眠呼吸障碍、日间嗜睡八个维度，共33题。问卷采用3级计分，从“1=偶尔”到“3=通常”，维度评分越高，其所反映的性质越突出。经检验，CSHQ问卷Cronbach’α系数为0.782。
睡眠问题的八个维度与气质的五个维度呈现为网络中的节点，维度之间的偏相关关系呈现为网络中的连线，如前文所说，变量间的偏相关系数是由LASSO正则化算法估计得到的。绿色的连线代表正向偏相关，红色的连线代表负向偏相关。线的宽度与颜色的饱和度直接反映了偏相关系数的大小：线越宽、颜色越饱和，偏相关系数越大。此外，研究还使用了Fruchterman-Reingold算法[27]来安排节点在加权网络中的位置：具有更强连接或更多连接的节点们在网络中将处于离彼此更近的位置。[28]
3.中心性指数的计算
节点间的偏相关系数反映了节点间的联系程度，节点的中心性指数则反映了节点在网络中的地位。对此，我们选用了三个最常见的指标：节点强度(Node Strength)、亲近性(Closeness)、中介性(Betweenness)。节点强度为某变量与其他变量的偏相关系数的绝对值之和，反映了某节点与网络中其他节点存在直接关系的程度。[29]亲近性为某节点与网络中其他节点的距离(也称测地线的长度)之和的倒数，[30]反映了某节点到达网络中其他节点的流畅性，[31]即它能在多快的程度上影响其他节点。中介性为通过某节点的测地线的数量之和。[32]两个节点之间可能存有多条路径，不同路径其长度可能都不一样，测地线是指两个节点间长度最短的那条路径。中介性指标反映了某节点缩小其他节点间距离的程度。
4.数据分析的步骤
首先使用SPSS22.0进行初步分析，并得到各变量的相关矩阵；接着使用R-3.4.1的Bootnet程序包进行心理网络分析。根据Epskamp等(2018)的建议：(1)使用LASSO正则化算法估计网络中连线的多少与边权(连线的权重，即变量间的偏相关系数)的大小，并使用Fruchterman-Reingold算法安排网络中节点的位置；(2)计算节点的中心性指数；(3)使用Bootstrap方法检验网络中边权的准确性、边权的显著差异、节点中心性指数的稳定性、节点中心性指数的显著差异。[33]
三、研究结果
(一)初步分析
使用Non-parametric Bootstrap方法评估边权的准确性，并检验边权的显著差异。[35]结果显示，网络中连线权重的95%置信区间(CIs)皆较窄，大部分边权的95%CIs均有重叠，但也存在95%CIs不重叠的边权。大部分边权彼此之间存在显著差异，并且那些边权较高的连线权重均比网络中其他连线的权重显著更大，暗示估计所得的网络具有适度的稳定性，[36]说明本研究估计所得的儿童气质与睡眠表现的心理网络(包括连线的多少、连线的权重等)具有一定的可靠性。其中，边权绝对值大于0.01的占84.6%，大于0.1的占29.5%。
需求驱动采购（Demand-Driven Acquisitions，DDA）其实就是读者决策采购（Patron Driven Acquisitions，PDA）。它是以用户为主导、赋予用户决策权的文献资源建设和馆藏服务工作模式［1］，也是这几年来在美国日渐推广的文献建构模式，从一定程度上来说，它实现了读者对文献采购的决策权。目前，PDA已成为美国很多公共图书馆采购文献资源的主导模式。国内最早关于PDA的研究始于2011年刊载于《中国图书馆学报》的文章《读者决策的图书馆藏书采购》［2］。
计算气质各维度与睡眠问题各维度的节点强度、亲近性、中介性指标的Z分数，如图2所示。由图2中的(a)(b)(c)依次可知，气质活动性(T2)的节点强度相对最大，气质反应性(T3)的亲近性相对最大，睡眠抵制(S1)的中介性相对最大。由于抽样误差的存在，仅根据一个估计网络计算而得的中心性指数可能并不稳定。如此，若在未知晓指标稳定性的情况下，盲目地使用该指标来评价节点于网络的地位，便会显得不准确。于是，我们接着使用Case-Dropping Subset Bootstrap方法检验指标的稳定性，如图3所示。图3反映的是随着原样本抽样的变化，各指标与其原估计值的平均相关性。曲线下降得越快，表示该指标越不稳定，并暗示在利用该指标评价节点于网络中的地位时，就需越谨慎。此外，C S-coefficient可用于量化评估指标的稳定性。若稳定性较好，则指标的C S-coefficient不应低于0.25，并最好高于0.5。[37]
2.儿童气质与睡眠问题的节点评价
表1 CSHQ各维度的相关系数、平均数和标准差
变量123456781.睡眠抵制—2.睡眠延迟0.243∗∗—3.睡眠总量-0.277∗∗-0.339∗∗—4.睡眠焦虑0.656∗∗0.077-0.147∗—5.夜醒0.134∗0.140∗-0.1270.009—6.异态睡眠0.153∗0.006∗0.0110.136∗0.207∗∗—7.睡眠呼吸障碍0.132∗0.061-0.0270.143∗0.212∗∗0.406∗∗—8.日间嗜睡0.134∗0.245∗∗-0.228∗∗0.154∗0.0280.215∗∗0.194∗∗—M1.761.572.401.881.151.191.091.64SD0.370.710.520.440.290.220.190.27
注：各维度得分范围为1—3。*p <0.05，**p <0.01。
表2气质各维度的相关系数、平均数和标准差
变量123451.情绪性—2.活动性0.631∗∗—3.反应性0.266∗∗0.317∗∗—4.社会抑制性-0.166∗-0.364∗∗-0.534∗∗—5.专注性-0.466∗∗-0.660∗∗0.175∗∗0.017—M2.462.572.982.323.17SD0.790.830.850.730.83
注：各维度得分范围为1—3。*p<0.05，**p<0.01。
(二)心理网络分析
1.儿童气质与睡眠问题的网络估计
乡宁县西坡镇赵院新农村是采煤沉陷区治理中新建的集中移民搬迁点，原先散居在山沟峁梁几个自然村几百户村民住进了整齐划一的11栋4层楼房里，过上了和城里人一样的生活。居住环境改善了，问题却接踵而来。有人把农机具横七竖八地放到单元楼下把别家小孩碰伤了，有的家里婚丧嫁娶鼓乐从早响到晚，有人在小区中的空地上种蔬菜，有的养着大型犬整天吠叫不止，甚至有咬伤人的事情发生……
以天津市286名儿童为研究对象，通过对儿童的父母及在园教师进行问卷调查，记录儿童的睡眠情况，并评定儿童的气质特征。本研究通过了华南师范大学心理学院的伦理审查，并取得了儿童的父母以及老师的知情同意。研究回收有效问卷231份，有效率为80.8%。其中，男孩119人，女孩112人；小班137人，中班48人，大班46人；年龄为4.46±0.98岁，其跨度为3岁至7岁。
儿童睡眠问题与气质的心理网络如图1所示，网络中存在四个集群(cluster)：T1—T5；S1、S4；S2、S3、S8；S5—S7。[34]T1—T5为描述气质的五个维度，S1、S4为描述不良睡眠习惯的两个维度，S2、S3、S8为描述睡眠时间及日间表现的三个维度，S5—S7为描述睡眠障碍性疾患的三个维度。在四个集群的内部，各节点之间皆存在较强的联系，rp(T1,T2)=0.37、rp(S1,S4)=0.58、rp(S2,S3)=-0.25、rp(S6,S7)=0.30，说明各气质特征之间、各睡眠表现之间存在直接的相互影响，而并非是彼此独立的。四个集群的外部联系包括：(1)气质集群(T1—T5)与不良睡眠习惯集群(S1、S4)的联系较强，如rp(T4,S1)=0.09、rp(T2,S4)=0.09；与剩余两个集群的联系较弱且距离较远，如rp(T2,S3)=0.03、rp(T2,S7)=0.04，说明气质对儿童睡前行为的直接影响相对较强、对儿童其他睡眠表现的直接影响相对较弱。(2)睡眠时间及日间表现集群(S2、S3、S8)与另外两个有关睡眠的集群皆有一定的联系，如rp(S3,S1)=-0.13、rp(S8,S6)=0.11，说明儿童的不良睡眠习惯、睡眠障碍性疾患都会直接影响其睡眠时间及日间表现。(3)不良睡眠习惯集群(S1、S4)与睡眠障碍性疾患集群(S5—S7)之间的联系则十分微弱，如rp(S4,S6)=0.02，说明儿童这两类睡眠表现彼此之间只存在微弱的直接影响。
表3 CSHQ各维度与气质各维度的相关矩阵
睡眠抵制睡眠延迟睡眠总量睡眠焦虑夜醒异态睡眠睡眠呼吸障碍日间嗜睡情绪性0.020-0.0570.0590.0750.0540.0910.0630.008活动性0.092-0.0630.1000.213∗∗0.0900.0860.166∗-0.015反应性-0.117-0.0510.0440.005-0.041-0.150∗-0.052-0.069社会抑制性0.161∗0.064-0.039-0.0110.0600.0270.0000.017专注性-0.094-0.018-0.020-0.147∗-0.127-0.137∗-0.169∗-0.081
注：加粗字体表示相关显著。*p <0.05，**p <0.01。
图1睡眠问题与气质的心理网络
注：绿色的连线代表正向偏相关，红色的连线代表负向偏相关。线越宽、颜色越饱和，偏相关系数越大。T1=情绪性，T2=活动性，T3=反应性，T4=社会抑制性，T5=专注性，S1=睡眠抵制，S2=睡眠延迟，S3=睡眠总量，S4=睡眠焦虑，S5=夜醒，S6=异态睡眠，S7=睡眠呼吸障碍，S8=日间嗜睡。
CSHQ各维度的相关系数、平均数和标准差如表1所示。其中，睡眠抵制与睡眠总量存在显著负向相关、与CSHQ其他维度均存在显著正向相关；睡眠延迟与睡眠总量存在显著负向相关，与夜醒、日间嗜睡存在显著正向相关；睡眠总量与睡眠焦虑、日间嗜睡存在显著负向相关；除了睡眠焦虑与夜醒、夜醒与日间嗜睡不存在显著相关关系，睡眠焦虑、夜醒、异态睡眠、睡眠呼吸障碍、日间嗜睡两两之间均存在显著正向相关。
洙赵新河干流西起菏泽市东明县宋砦村，向东流经东明县、牡丹区、郓城县、巨野县和济宁市嘉祥县、市中区等6个县区，于刘官屯村入南阳湖，全长145.05 km，其中菏泽境内长106.53 km。菏泽市洙赵新河有邱公岔、郓巨河、巨龙河、洙水河、鄄郓河、太平溜、赵王河、徐河等一级支流。
CSHQ各维度与气质各维度的相关矩阵如表3所示。其中，气质的活动性与睡眠焦虑、睡眠呼吸障碍存在显著正向相关；气质的反应性与异态睡眠存在显著负向相关；气质的社会抑制性与睡眠抵制存在显著正向相关；气质的专注性与睡眠焦虑、异态睡眠、睡眠呼吸障碍存在显著负向相关。
气质各维度的相关系数、平均数和标准差如表2所示。其中，情绪性与活动性存在显著正向相关；反应性与情绪性、活动性、专注性存在显著正向相关；社会抑制性与情绪性、活动性、反应性存在显著负向相关；专注性与情绪性、活动性存在显著负向相关。
图2各节点中心性指数的Z分数
注：T1=情绪性，T2=活动性，T3=反应性，T4=社会抑制性，T5=专注性，S1=睡眠抵制，S2=睡眠延迟，S3=睡眠总量，S4=睡眠焦虑，S5=夜醒，S6=异态睡眠，S7=睡眠呼吸障碍，S8=日间嗜睡。
图3指标的稳定性
由图3可知，节点强度这一指标最稳定，亲近性和中介性这两个指标随着抽样的变化表现出了较大的下降幅度。接着计算各指标的C S-coefficient值，结果显示节点强度为0.671，亲近性和中介性皆为0.052。也就是说，在评价节点于网络中的地位时，应着重参考节点强度这一指标。因此，本研究采用节点强度来评估各变量在网络中的重要程度。由图2(a)可知，气质的活动性(T2)与其他节点的偏相关系数的绝对值之和相对最大，气质的反应性(T3)、气质的专注性(T5)、睡眠抵制(S1)、睡眠焦虑(S4)在网络中也处于较重要的位置，这些节点与网路中的其他节点存在相对较普遍的直接关系。使用Non-parametric Bootstrap方法检验节点强度的显著差异，结果显示：活动性(T2)的节点强度显著大于其他所有节点；反应性(T3)、专注性(T5)、睡眠抵制(S1)的节点强度显著大于网路中的大部分节点。以上结果说明，在睡眠抵制、睡眠焦虑层面表现相似的儿童，其气质特征的活动性、反应性、专注性的特征水平也应比较相似。[38]也就是说，若儿童们在睡前同样地表现出较强的抵制行为或对睡觉一事同样地表现出较大的不安，那么他们可能都是活动性较强、反应性较快或专注性较低的儿童。
四、讨 论
本研究以学龄前儿童为考察对象，旨在探讨各气质特征的表现程度与各睡眠问题的严重程度的关系。首先考察了各变量的相关性，接着利用心理网络分析的方法，尝试排除其他变量的潜在影响，进一步探究儿童气质与睡眠问题之间的关系。
相关分析以及心理网络分析的结果显示，气质的绝大部分维度两两之间存在显著相关。气质各维度内的相关性反映了各气质特征之间并非独立而是有机联系的，它们彼此间存在相互影响，这支持了刘文等(2005)提出的儿童气质理论构想模型，印证了其对研究模型潜在变量间相关的设定。[23]这也说明儿童气质的发展实际上表现为多个特征层面的和谐发展，是多个特征维度共同构成了有机统一的气质整体。
相关分析的结果显示，气质的活动性与睡眠焦虑存在显著正向相关；气质的反应性与异态睡眠存在显著负向相关；气质的社会抑制性与睡眠抵制存在显著正向相关。同时，心理网络分析的结果显示，儿童的活动性越高，其睡眠焦虑越严重；儿童的社会抑制性越强，其睡眠抵制程度越大。这同前人的研究发现有相似之处：睡眠问题较严重的儿童普遍存在节律性差、活动水平较高、适应性差、反应强度较强烈的特点。[9]有研究认为，具有这些气质特点的儿童一般容易与周围环境相抵制，从而难以形成良好的生物规律，进而增加其睡眠问题的严重性或提高其患睡眠障碍的可能性。[16]
李生慧等(2007)采用分级整群抽样，对国内20 457名儿童进行了CSHQ问卷调查。[39]他们对CSHQ的八个维度进行探索性因素分析，共提取到三个公因子：第一个公因子包含睡眠抵制、睡眠焦虑维度；第二个公因子包含睡眠延迟、睡眠总量、日间嗜睡维度；第三个公因子包含夜醒、异态睡眠、睡眠呼吸障碍维度。本研究对CSHQ各维度相关分析以及心理网络分析的结果均表明了这三个公因子的存在性。在相关分析中，睡眠抵制与睡眠焦虑的相关性为0.656；睡眠延迟、睡眠总量、日间嗜睡相关性的绝对值介于0.228—0.339之间；夜醒、异态睡眠、睡眠呼吸障碍的相关性介于0.207—0.406之间。可以发现，共享一个公因子的维度之间相关系数较高，而不共享一个公因子的维度之间相关系数普遍较低(甚至不存在显著相关关系)。Epskamp等(2017)指出，网络中的集群提示着潜变量存在的可能，[40]本研究网络分析中CSHQ八个维度明显地聚分为三个集群，且维度对集群的归属与前人的研究发现具有一致性，[39]即睡眠抵制、睡眠焦虑属于不良睡眠习惯集群；睡眠延迟、睡眠总量、日间嗜睡属于睡眠时间及日间表现集群；夜醒、异态睡眠、睡眠呼吸障碍属于睡眠障碍性疾患集群。上述结果反映，未来研究者可利用CSHQ从八个层面对儿童睡眠问题进行观察与描述，并可考虑从三个方面对研究发现进行概化总结与简化解释。
我望着窗外，两只正在阳光下嬉戏打闹、无忧无虑的猫，我真觉得它们像在田园生活的隐士，我真想偶尔也过过这样的生活。
心理网络分析的结果显示，气质集群(T1—T5)与不良睡眠习惯集群(S1、S4)的联系较强，与其他两个有关睡眠的集群联系较弱；不良睡眠习惯集群(S1、S4)与睡眠障碍性疾患集群(S5—S7)的联系十分微弱，两者是通过影响睡眠时间及日间表现集群(S2、S3、S8)从而间接地增强彼此的联系。学龄前儿童的气质与其心理行为的发展存在密切相关，[41]儿童气质特征的表现程度会影响其睡眠行为的反应。本研究认为，这种影响可能更多地先是通过影响儿童的睡前行为，如睡眠抵制、睡眠焦虑等，进而影响儿童其他睡眠表现。正如前文所说，有研究指出，具有活动水平高、适应性差、反应强度强烈等气质特点的儿童一般容易与周围环境相抵制，难以形成良好的生物钟，从而造成睡眠问题。[16]上述提及的周围环境不仅指物理环境中的声音、光线等，还应包括人文环境中的人际互动。过往有研究提示，母亲的情绪会影响儿童的睡眠；[42]江帆等(2001)的研究发现，父亲的情绪也是儿童睡眠障碍的影响因素之一。[43]身体和心理处于发展阶段的儿童具有较高的活动性、反应性等气质特征水平，使其易于与睡前环境相抵制或表现出焦虑情绪，如果此时父母采取不恰当的管教方式，可能强化儿童的不良情绪，加大其与周围环境的抵制程度，从而增加其入睡的困难程度，影响其良好生物钟的形成。这提示我们在日常的教养与呵护中，需了解儿童个体的气质，并顺应其气质特征，帮助儿童减少睡前的负性情绪，从而促使其形成良好的睡眠习惯。[44]
五、结 论
综上所述，本研究得出以下结论：(1)儿童气质特征的表现程度与其睡眠问题的严重程度有关系。其中，活动性较高、社会抑制性较强的儿童更容易表现出睡眠焦虑、睡眠抵制的行为。(2)儿童睡眠习惯问卷的八个维度背后存在三个潜在变量。其中，睡眠抵制、睡眠焦虑属于不良睡眠习惯集群；睡眠延迟、睡眠总量、日间嗜睡属于睡眠时间及日间表现集群；夜醒、异态睡眠、睡眠呼吸障碍属于睡眠障碍性疾患集群。(3)气质对儿童的睡前行为具有相对较强的直接影响，而对儿童其他睡眠表现的直接影响则相对较弱。
信背比高的谱线作为分析线[18]。为选择合适的分析谱线，从仪器推荐待测元素分析线中初选较灵敏的55条分析线，利用仪器的波长扫描功能、轴径向分别对标准溶液系列中的空白、标准3及加入5～20g/L Co基体的标准3进行扫描，观察Co基体对各待测元素分析谱线的干扰情况。依据“光谱干扰小、信背比高或稳定性好”的原则，选择合适的分析谱线。各待测元素分析谱线和观测方式见表4。
参考文献：
[1] 武丽杰. 儿童睡眠障碍的研究进展. 中国学校卫生，2009，30(11)：965—967.
[2] 王广海. 我国学龄前儿童睡眠问题：特点、影响因素及行为干预. 上海：华东师范大学博士学位论文，2015:15—16.
[3] L. C. NISBET，S. R. YIALLOUROU，S. N. BIGGS，et al. PreschoolChildrenwithObstructiveSleepApnea：TheBeginningsofElevatedBloodPressure？Sleep，2013，36(8)：1219.
[4] D. A. DEV，B. A. MCBRIDE，B. H. FIESE，et al. RiskFactorsforOverweight/ObesityinPreschoolChildren：AnEcologicalApproach. Childhood Obesity，2013，9(5)：399.
[5] J. A. OWENS，S. FERNANDO，M. M. GUINN. SleepDisturbanceandInjuryRiskinYoungChildren. Behavioral Sleep Medicine，2005，3(1)：18—31.
[6] A. M. GREGORY，A. SADEH. Sleep，EmotionalandBehavioralDifficultiesinChildrenandAdolescents. Sleep Medicine Reviews，2012，16(2)：129—136.
[7] Z. LIU，G. WANG，L. GENG，et al. SleepPatterns，SleepDisturbances，andAssociatedFactorsamongChineseUrbanKindergartenChildren. Behavioral Sleep Medicine，2016，14(1)：100.
[8] 梁颖，姚燕滨，郭园园，等. 天津市0～5岁儿童睡眠问题的流行病学研究. 中国儿童保健杂志，2007，15(3)：257—259.
[9] 林芸，陈亦旋，文秀敏. 学龄儿童睡眠障碍的气质研究. 中国社区医师：医学专业半月刊，2009，11(9)：184—184.
[10]L. DE GENNARO，C. MARZANO，F. FRATELLO，et al. TheElectroencephalographicFingerprintofSleepIsGeneticallyDetermined：ATwinStudy. Annals of Neurology，2010，64(4)：455—460.
[11]G. H. WANG，G. X. XU，Z. J. LIU，et al. SleepPatternsandSleepDisturbancesamongChineseSchool-agedChildren：PrevalenceandAssociatedFactors. Sleep Medicine，2013，14(1)：45—52.
[12]M. M. VENNEMANN，H. W. HENSE，T. BAJANOWSKI，et al. BedSharingandtheRiskofSuddenInfantDeathSyndrome：CanWeResolvetheDebate？Journal of Pediatrics & Child Health，2012，160(1)：44—48. e2.
[13]S. LI，S. ZHU，X. JIN，et al. RiskFactorsAssociatedwithShortSleepDurationamongChineseSchool-agedChildren. Sleep Medicine，2010，11(9)：907—916.
[14]J. OWENS-STIVELY，N. FRANK，A. SMITH，et al. ChildTemperament，ParentingDisciplineStyle，andDaytimeBehaviorinChildhoodSleepDisorders. Journal of Developmental & Behavioral Pediatrics，1997，18(5)：314—321.
[15]陶公民，陈京栋，方红英，等. 学龄儿童气质与睡眠障碍关系的研究. 安徽医学，2010，31(6)：668—670.
[16]杨少萍，吴汉荣，张斌，等. 武汉市学龄前儿童睡眠障碍与气质关系的研究. 中国学校卫生，2006，27(9)：739—740.
[17]肖敏. 学龄前儿童睡眠障碍与气质. 全国五官科护理学术交流暨专题讲座会议论文汇编，2010:146—147.
[18]A. O. J. CRAMER，L. WALDORP，H. VAN DER MAAS，et al. Comorbidity：ANetworkPerspective. Behavioral and Brain Sciences，2010，33(2—3)：137—150.
[19]K. FORBUSH，C. SIEW，M. VITEVITCH. ApplicationofNetworkAnalysistoIdentifyInteractiveSystemsofEatingDisorderPsychopathology. Psychological Medicine，2016，46(12)：2667—2677.
[20]A. M. ISVORANU，C. D. VAN BORKULO，L. BOYETTE，et al. ANetworkApproachtoPsychosis：PathwaysbetweenChildhoodTraumaandPsychoticSymptoms. Schizophrenia Bulletin，2017，43(1)：187—196.
[21]A. O. J. CRAMER，S. SLUIS，A. NOORDHOF，et al. DimensionsofNormalPersonalityasNetworksinSearchofEquilibrium：YouCan’tLikePartiesifYouDon’tLikePeople. European Journal of Personality，2012，26(4)：414—431.
[22]J. A. OWENS，A. SPIRITO，M. MCGUINN. TheChildren’sSleepHabitsQuestionnaire(CSHQ)：PsychometricPropertiesofaSurveyInstrumentforSchool-agedChildren. Sleep，2000，23(8)：1043—1051.
[23]刘文，杨丽珠. 基于教师评定的3～9岁儿童气质结构. 心理学报，2005，37(1)：67—72.
[24]陈心广，余松林. 偏相关系数和偏回归系数的统计解析与意义. 中国卫生统计，1996(6)：12—14.
[25]R. TIBSHIRANI.RegressionShrinkageandSelectionviatheLASSO. Journal of the Royal Statistical Society. Series B(Methodological)，1996，58：267—288.
[26]S. EPSKAMP，E. I. FRIED. ATutorialonRegularizedPartialCorrelationNetworks. Psychological Methods，2018:617—634.
[27]T. M. J. FRUCHTERMAN，E. M. REINGOLD. GraphDrawingbyForce-directedPlacement. Software：Practice and Experience，1991，21：1129—1164.
[28]S. EPSKAMP，A. CRAMER，L. WALDORP，et al. Qgraph：NetworkVisualizationsofRelationshipsinPsychometricData. Journal of Statistical Software，2012，48(1)：1—18.
[29]A. BARRAT，M. BARTHELÉMY，R. PASTOR-SATORRAS，et al. TheArchitectureofComplexWeightedNetworks. Proceedings of the National Academy of Sciences of the United States of America，2004，101(11)：3747—3752.
[30]L. C. FREEMAN. CentralityinSocialNetworksConceptualClarification. Social Networks，1978，1(3)：215—239.
[31]S. P. BORGATTI.CentralityandNetworkFlow. Social Networks，2005，27(1)：55—71.
[32]G. COSTANTINI，S. EPSKAMP，D. BORSBOOM，et al. StateoftheArtPersonalityResearch：ATutorialonNetworkAnalysisofPersonalityDatainR. Journal of Research in Personality，2015，54：13—29.
[33]S. EPSKAMP，D. BORSBOOM，E. I. FRIED. EstimatingPsychologicalNetworksandTheirAccuracy：ATutorialPaper. Behavior Research Methods，2018，50(1)：1—18.
[34]H. F. GOLINO，S. EPSKAMP. ExploratoryGraphAnalysis：ANewApproachforEstimatingtheNumberofDimensionsinPsychologicalResearch. PLoS One，2017，12(6)：e0174035.
[35]K. A. BOLLEN，R. A. STINE. BootstrappingGoodness-of-fitMeasuresinStructuralQquationModels. Sociological Methods & Research，1992，21(2)：205—229.
[36]X. CAO，L. WANG，C. CAO，et al. SexDifferencesinGlobalandLocalConnectivityofAdolescentPosttraumaticStressDisorderSymptoms. Journal of Child Psychology and Psychiatry，2018.
[37]K. S. MITCHELL，E. J. WOLF，M. J. BOVIN，et al. NetworkModelsofDSM-5 Posttraumatic Stress Disorder：ImplicationsforICD-11. Journal of Abnormal Psychology，2017，126(3)：355—366.
[38]K. DEKKER，T. F. BLANKEN，E. J. VAN SOMEREN. InsomniaandPersonality——ANetworkApproach. Brain Sciences，2017，7(3):28—40.
[39]李生慧，金星明，沈晓明，等. 儿童睡眠习惯问卷中文版制定及测量性能考核. 中华儿科杂志，2007，45(3).
[40]S. EPSKAMP，L. J. WALDORP，R. MTTUS，et al. DiscoveringPsychologicalDynamicsinTime-seriesData. arXiv Preprint，2017：1609.04156.
[41]F. OBERKLAID，A. SANSON，R. PEDLOW，et al. PredictingPreschoolBehaviorProblemsfromTemperamentandOtherVariablesinInfancy. Pediatrics，1993，91(1)：113.
[42]E. ATKINSON，A. VETERE，K. GRAYSON. SleepDisruptioninYoungChildren：TheInfluenceofTemperamentontheSleepPatternsofPre-schoolChildren. Child Care Health Development，2010，21(4)：233—246.
[43]江帆，颜崇淮，吴胜虎，等. 上海市1～6岁儿童睡眠状况的流行病学研究. 中华儿科杂志，2001，39(5)：284—288.
[44]郝秀芳，马延祥，韩晓敏. 延边地区3～6岁睡眠障碍儿童气质特点. 中国妇幼保健，2009，24(32)：4544—4546.
【基金项目】国家基础科学人才培养基金(J1210024，J1310031)
【收稿日期】2018-12-01
【中图分类号】B844.1;R749
【文献标识码】A
【文章编号】1000-5455(2019)01-0043-08
(作者简介:马宁，天津市人，华南师范大学心理学院教授；彭晓静，广东湛江人，华南师范大学心理学院基地班本科生；欧阳理茜，江西赣州人，华南师范大学心理学院硕士研究生。)
【责任编辑：王建平；助理编辑：杨孟葳；责任校对：杨孟葳】
标签：睡眠论文; 儿童论文; 气质论文; 维度论文; 节点论文; 哲学论文; 宗教论文; 心理学论文; 个性心理学（人格心理学）论文; 《华南师范大学学报(社会科学版)》2019年第1期论文; 国家基础科学人才培养基金(J1210024; J1310031)论文; 华南师范大学心理学院论文;