儿童气质与睡眠关系的探究
——基于心理网络分析的视角
马 宁, 彭晓静, 欧阳理茜
【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]
3.2.3 一般自我效能感 本研究结果显示，一般自我效能感是稳定期精神分裂症患者的心理弹性的主要影响因素(P<0.05)，一般自我效能感越强，其心理弹性水平越低，与张文静等[18]结果相似。自我效能感是个体对自己实施某种特定行为能力的信心程度。自我效能感较高的精神分裂症患者能够正确对待自身疾病，积极配合治疗，保持较高服药依从性，减轻负性情绪，提高心理应对能力，进而表现较高的心理弹性水平，提示临床精神科工作者应重视和培养精神分裂症患者的自我效能感，多给予患者关心和鼓励，定期组织病友患者进行同伴教育，帮助患者提升自我效能感，从而提高其心理弹性水平。
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
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。
(二)研究工具
1.儿童睡眠习惯问卷
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]
2.儿童气质评定问卷
2.网络的视觉化呈现
近年来，网络信息诈骗屡屡发生，主要是由于信息来源具有一定的隐蔽性。发布者通过非法手段进行有害信息、虚假信息传播，从中牟取利益，危害社会的稳定发展。然而，随着我国网络信息实名制制度的实行，国家以及相关部门能够准确掌握信息的来源与利害，打造绿色网络环境，为大学生思想政治提供良好的教育平台，提高高校教学质量。
(三)数据分析
1.心理网络的估计
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。
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]
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。
据笔者观察，高等院校腐败更多表现为影响力腐败或者复合型腐败。如一些高等院校负责人利用招生权实施权力腐败，除此之外，利用自己在学术上的地位和影响力从事影响力腐败。部分高等院校负责人规避法律，以所谓回避制度，委托或者暗示他人利用自己的影响力从事腐败活动。对这类腐败行为的法律性质，学术界有待进一步界定。如果是利用权力腐败，那么，应当按照权力腐败的法律规定加以惩处；如果属于影响力腐败，譬如，利用自己在学术上的影响力，在培养博士或者硕士研究生过程中从事不当交易活动，应当认定为影响力腐败。
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。
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。
周边的各地区都想发展当地经济，但许多项目扎堆建设，缺乏管理规划。洞庭湖地区虽然各种资源丰富，文化底蕴雄厚宜打造文化之旅，旅游相关配套设施正在建设，但招牌口碑未形成集群，对游客吸引力欠缺。同时当地居民缺乏科学保护观念，开发同时造成了生态的破坏，加之受周围河湖气候变化和人类活动等的影响，低枯水位期提前，年入湖水量大幅减少，萎缩日益明显；化学肥料排放增加，“三农”问题突出，湖体自净能力降低，水质呈中营养状态，居民饮水安全受到严重威胁；同时基础设施滞后，地方财力薄弱，镇化水平不高，使湖区变成相对落后地区。
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]
4）以自然风光和绿色生态为主的乡村旅游地。如地处库不齐沙漠南缘准格尔旗的尔疙壕嘎查，是凭借土地广阔、林草茂盛、水塘密布、湿地连绵和近库不齐沙漠、塞外草原的地理优势，打造的“沙漠水乡”。
三、研究结果
(一)初步分析
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。
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。
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。
表 1 CSHQ各维度的相关系数 、平均数和标准差
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
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
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。
表 3 CSHQ各维度与气质各维度的相关矩阵
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。
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%。
2.儿童气质与睡眠问题的节点评价
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]
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。
4.数据分析的步骤
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。
从品种选择上来看，农场有专业的农业科技团队，可以根据合理的品种布局，选择最适宜的优质、高产、抗逆、耐密良种，且品种调整及时，规避了因选种带来的减产风险。农户在品种选择始终存在一定盲目性，主要靠“听说”、“经验”及经销商“推荐”，有几率选择不适宜的品种，产量得不到保证。
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。
如果我完成注册，我的个人信息就被这个品牌所掌握。我不知道他们为什么需要我的这些信息，他们获得了这些信息之后又会干些什么？但他们愿意以两折的优惠获取这些信息，不会平白无故。这些未知因素和不确定性，让我感到可能有潜伏的风险。按照我的理解，我与这个品牌的关系非常简单：他们生产符合我需求的产品，我付钱获取他们的服务，如此而已。
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]
以财税制度和法律为准绳划清分配过程中的合法收入和非法收入，坚决取缔非法收入。对诚实劳动和合法经营的高收入者，要合理调节；少数垄断性行业的过高收入，政府要进行宏观调控，以抑制高收入者收入的过快增长；对于非法获得高额收入的行为依法予以打击和取缔。只有这样，才能依法保护合法的劳动收入和非劳动收入，进一步提高社会主义市场经济的效率和公平。
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。
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。
肾上腺素是α-受体激动剂，增大周围血管阻力，减轻水肿，同时兴奋β2-受体缓解支气管痉挛，增加心肌收缩力，抑制炎症介质白三烯等释放，是严重过敏反应的一线用药[7，8]。本例患者注射苯磺酸顺式阿曲库铵后发生过敏反应，加快静脉输液，同时保持气道通畅，立即给予肾上腺素30-50μg静脉注射，必要时重复应用，并持续静脉输注0.05-0.4μg/kg·min，30min 后症状逐渐缓解， 术毕停用肾上腺素，生命体征平稳。
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. Preschool Children with Obstructive Sleep Apnea ：The Beginnings of Elevated Blood Pressure ？Sleep，2013，36(8)：1219.
[4] D. A. DEV，B. A. MCBRIDE，B. H. FIESE，et al. Risk Factors for Overweight /Obesity in Preschool Children ：An Ecological Approach . Childhood Obesity，2013，9(5)：399.
[5] J. A. OWENS，S. FERNANDO，M. M. GUINN. Sleep Disturbance and Injury Risk in Young Children . Behavioral Sleep Medicine，2005，3(1)：18—31.
[6] A. M. GREGORY，A. SADEH. Sleep ，Emotional and Behavioral Difficulties in Children and Adolescents . Sleep Medicine Reviews，2012，16(2)：129—136.
[7] Z. LIU，G. WANG，L. GENG，et al. Sleep Patterns ，Sleep Disturbances ，and Associated Factors among Chinese Urban Kindergarten Children . 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. The Electroencephalographic Fingerprint of Sleep Is Genetically Determined ：A Twin Study . Annals of Neurology，2010，64(4)：455—460.
[11]G. H. WANG，G. X. XU，Z. J. LIU，et al. Sleep Patterns and Sleep Disturbances among Chinese School -aged Children ：Prevalence and Associated Factors . Sleep Medicine，2013，14(1)：45—52.
[12]M. M. VENNEMANN，H. W. HENSE，T. BAJANOWSKI，et al. Bed Sharing and the Risk of Sudden Infant Death Syndrome ：Can We Resolve the Debate ？Journal of Pediatrics & Child Health，2012，160(1)：44—48. e2.
[13]S. LI，S. ZHU，X. JIN，et al. Risk Factors Associated with Short Sleep Duration among Chinese School -aged Children . Sleep Medicine，2010，11(9)：907—916.
[14]J. OWENS-STIVELY，N. FRANK，A. SMITH，et al. Child Temperament ，Parenting Discipline Style ，and Daytime Behavior in Childhood Sleep Disorders . 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 ：A Network Perspective . Behavioral and Brain Sciences，2010，33(2—3)：137—150.
[19]K. FORBUSH，C. SIEW，M. VITEVITCH. Application of Network Analysis to Identify Interactive Systems of Eating Disorder Psychopathology . Psychological Medicine，2016，46(12)：2667—2677.
[20]A. M. ISVORANU，C. D. VAN BORKULO，L. BOYETTE，et al. A Network Approach to Psychosis ：Pathways between Childhood Trauma and Psychotic Symptoms . Schizophrenia Bulletin，2017，43(1)：187—196.
[21]A. O. J. CRAMER，S. SLUIS，A. NOORDHOF，et al. Dimensions of Normal Personality as Networks in Search of Equilibrium ：You Can ’t Like Parties if You Don ’t Like People . European Journal of Personality，2012，26(4)：414—431.
[22]J. A. OWENS，A. SPIRITO，M. MCGUINN. The Children ’s Sleep Habits Questionnaire (CSHQ )：Psychometric Properties of a Survey Instrument for School -aged Children . 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.Regression Shrinkage and Selection via the LASSO . Journal of the Royal Statistical Society. Series B(Methodological)，1996，58：267—288.
[26]S. EPSKAMP，E. I. FRIED. A Tutorial on Regularized Partial Correlation Networks . Psychological Methods，2018:617—634.
[27]T. M. J. FRUCHTERMAN，E. M. REINGOLD. Graph Drawing by Force -directed Placement . Software：Practice and Experience，1991，21：1129—1164.
[28]S. EPSKAMP，A. CRAMER，L. WALDORP，et al. Qgraph ：Network Visualizations of Relationships in Psychometric Data . Journal of Statistical Software，2012，48(1)：1—18.
[29]A. BARRAT，M. BARTHELÉMY，R. PASTOR-SATORRAS，et al. The Architecture of Complex Weighted Networks . Proceedings of the National Academy of Sciences of the United States of America，2004，101(11)：3747—3752.
[30]L. C. FREEMAN. Centrality in Social Networks Conceptual Clarification . Social Networks，1978，1(3)：215—239.
[31]S. P. BORGATTI.Centrality and Network Flow . Social Networks，2005，27(1)：55—71.
[32]G. COSTANTINI，S. EPSKAMP，D. BORSBOOM，et al. State of the Art Personality Research ：A Tutorial on Network Analysis of Personality Data in R . Journal of Research in Personality，2015，54：13—29.
[33]S. EPSKAMP，D. BORSBOOM，E. I. FRIED. Estimating Psychological Networks and Their Accuracy ：A Tutorial Paper . Behavior Research Methods，2018，50(1)：1—18.
[34]H. F. GOLINO，S. EPSKAMP. Exploratory Graph Analysis ：A New Approach for Estimating the Number of Dimensions in Psychological Research . PLoS One，2017，12(6)：e0174035.
[35]K. A. BOLLEN，R. A. STINE. Bootstrapping Goodness -of -fit Measures in Structural Qquation Models . Sociological Methods & Research，1992，21(2)：205—229.
[36]X. CAO，L. WANG，C. CAO，et al. Sex Differences in Global and Local Connectivity of Adolescent Posttraumatic Stress Disorder Symptoms . Journal of Child Psychology and Psychiatry，2018.
[37]K. S. MITCHELL，E. J. WOLF，M. J. BOVIN，et al. Network Models of DSM -5 Posttraumatic Stress Disorder ：Implications for ICD -11 . Journal of Abnormal Psychology，2017，126(3)：355—366.
[38]K. DEKKER，T. F. BLANKEN，E. J. VAN SOMEREN. Insomnia and Personality ——A Network Approach . 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. M
TTUS，et al. Discovering Psychological Dynamics in Time -series Data . arXiv Preprint，2017：1609.04156.
[41]F. OBERKLAID，A. SANSON，R. PEDLOW，et al. Predicting Preschool Behavior Problems from Temperament and Other Variables in Infancy . Pediatrics，1993，91(1)：113.
[42]E. ATKINSON，A. VETERE，K. GRAYSON. Sleep Disruption in Young Children ：The Influence of Temperament on the Sleep Patterns of Pre -school Children . 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：睡眠问题论文; 气质论文; 学龄前儿童论文; 心理网络分析论文; 华南师范大学心理学院论文;