Оценка «нормальных» графиков сна с помощью данных смартфонов
Исследовательская статья
Оливия Дж. Волч, Эми Кочрен и Дэниел Б. Форгер
Контакт с авторами — е-mail: forger@umich.edu
Science Advances 06 May 2016:
Vol. 2, no. 5, e1501705
DOI: 10.1126/sciadv.1501705
Влияние биологических часов на планирование сна было достаточно глубоко изучено в лабораторных условиях. Тем не менее, влияние общества на сон остается в значительной степени количественно неопределенным. Мы показываем, как разработанное нами приложение для смартфона ENTRAIN собирает точные данные о привычках сна по всему миру. Посредством математического моделирования и статистики, мы обнаруживаем, что давление социальных факторов ослабляет и/или скрывает биологические ритмы в вечернее время, тем самым побуждая людей откладывать время отхода ко сну, и сокращает их сон. Среднее время отхода ко сну в той или иной стране, но не среднее время пробуждения, прогнозирует продолжительность сна. Кроме того, мы показываем, что математические модели, основанные на контролируемых лабораторных экспериментах, способны прогнозировать влияние на сон восхода, заката солнца и уровня освещенности; однако эти факторы в реальном мире ослабляются во время отхода ко сну. Помимо этого, мы обнаружили, что сон у женщин длиннее, чем у мужчин; и что респонденты, подвергающиеся воздействию наружных источников освещения ложатся спать раньше и спят дольше тех, кто отчитывается о воздействии источников света внутри помещений. И, наконец, мы заметили, что возраст является основным фактором, определяющим время сна, и что он играет важную роль в изменениях привычек сна на уровне населения. Данная работа наилучшим образом определяет и персонализирует «нормальный» сон, создает гипотезы для будущих лабораторных испытаний и предлагает главные пути противодействия глобальному кризису сна.
ВВЕДЕНИЕ
Сон управляется нашими внутренними биологическими часами, которые определяют ежедневное воздействие света на нас. Восход и закат определяют промежуток солнечного освещения, воздействующего в эти часы, в то время как социальные факторы, такие как культурные нормы или должностные обязанности, изменяют количество света, посредством избирательного ограничения солнечного света в течение дня или использования электрического света в ночное время. Эти же социальные факторы также действуют на сон через не биологические пути (например, за счет сокращения сна будильниками). Понимание того, как эти факторы согласуются при управлении сном, имеет важное значение, так как нарушение сна представляет собой непосредственную и неотложную угрозу для здоровья человека (1,2).
Хотя воздействие биоритмов на сон было достаточно изучено, характеристика влияния социальных факторов остается вне поля зрения. Количественное определение этих социальных влияний является следующим рубежом в исследовании сна (3). Мюнхенский хронотипный опросник (4,5), выпущенный в 2003 году, доказал, что в качестве инструмента для масштабного научного сбора данных может использоваться интернет. Недавний переворот в технологиях смартфонов позволяет изучать эти социальные эффекты в столь же крупных масштабах, что обеспечивает быстрый и недорогой сбор данных от множества пользователей в различных странах.
Мы выпустили бесплатное приложение для iOS и Android (в апреле и сентябре 2014 года, соответственно), которое рекомендует оптимальный график освещения для адаптации к новым часовым поясам (6). Приложение, названное ENTRAIN, опрашивает пользователей о «нормальном» времени сна, домашнем часовом поясе и характере типичного освещения. Оно может также ежечасно записывать графики освещенности и сна, а также субъективные события нарушений биоритмов. Пользователи могут передавать свои анонимные данные на наши серверы. В дальнейшем мы рассматриваем общие демографические данные и типичные привычки сна пользователей, решивших предоставить свои данные. Наши цели состоят в демонстрации того, что мобильная технология — жизнеспособное средство научного сбора данных и в определении количества «реальных» социальных факторов, влияющих на глобальные тенденции сна.
РЕЗУЛЬТАТЫ
Краткая информация о демографии нашего массива данных представлена на рис. 1. Среди респондентов было больше мужчин, чем женщин; сообщавших о «внутреннем» источнике освещения как наиболее типичном по сравнению с «внешним»; а также имелось приблизительно симметричное распределение по возрасту и продолжительности светового дня (рис. 1А). Респонденты, охватили мир (рис. 1, В и Е), а также широкий диапазон часовых поясов и нормальных привычек сна (рис. 1В). График нормальной продолжительности сна в нашем массиве данных показан на рис. 1F. Все необходимые результаты регрессионного анализа можно найти в таблицах S1-S7.
Рис. 1. Демография рассматриваемого массива данных и проверка.
(А) Возраст, пол, продолжительность дня и распределение освещения пользовательской базы. Освещение разделено на слабое внутреннее (I), яркое внутреннее (II), слабое внешнее (III), и яркое внешнее (IV). Вертикальная ось обозначает число респондентов в очищенном наборе данных. (B) Глобальное распространение респондентов. Одна булавка означает один город, выбранный пользователями в качестве их местоположения; Более темные цвета указывают большее количество респондентов из этой локации. Данные карты © 2015 Google. (C) Распределение восхода, захода солнца, времени пробуждения и отхода ко сну у респондентов, нормализованное и нанесенное на окружности. (D) Планирование сна по возрасту и полу. Мы отмечаем квадратичный тренд сна с возрастом. Отметим также, что женщины спят больше, чем мужчины, хотя и те, и другие имеют более раннее время отхода ко сну и более позднее пробуждение. (E) 20 стран с наибольшим количеством респондентов, с указанием среднего времени отхода ко сну и пробуждения. Географически и культурно похожие страны имеют тенденцию группироваться вместе. (F) График сна и его продолжительность, измеренные в соответствии с вопросами о нормальных привычках сна. Мы отмечаем значительный квадратичный тренд среднего спящего с продолжительностью сна; а также, что продолжительность и время не являются независимыми переменными в нашем массиве данных (таблица S6).
Проверяя наш метод сбора данных, мы находим связь между возрастом и планированием сна, что согласуется с предыдущими отчетами лабораторных исследований по контролю циркадных факторов и масштабных изучений(7-9). Возраст имеет нелинейную связь с выбором времени сна и продолжительностью сна; увеличение возраста, в целом, связано с более короткой продолжительностью сна и более ранним временем пробуждения (рис. 1D). Регрессионный анализ показывает, что данная нелинейность может быть в первую очередь связана с мужчинами и населением, сообщающим о внутреннем освещении как о «типичном» (таблицы S7 и S8). Линия тренда начинается примерно с 20 до 24 лет, становится наиболее выраженной в среднем возрасте, и разворачивается около возраста 50 — 60 лет. Тот факт, что сон в младшей возрастной группе (от 18 до 19 лет) наступает раньше, чем группе от 20-ти до 24- лет, согласуется с предыдущими сообщениями (8); тем не менее, о развороте тенденции в возрасте 50 — 60 лет в других источниках не сообщается.
Среди всех рассмотренных факторов возраст имеет наиболее доминирующее влияние на время средней точки сна, определяемой как половина временного отрезка между началом сна и временем пробуждения. В отличие от этого, пол опрошенного пользователя оказывает наиболее сильное влияние на продолжительность сна. Почти в каждой возрастной группе женщины планируют больше спать, ложатся раньше и просыпаются позже (рис. 1D). Эти различия наиболее ярко выражены для респондентов среднего возраста (от 30 до 60 лет), подобно тому, что сообщается и в других источниках (10). Влияние на время пробуждения и отхода ко сну является относительно симметричным; Таким образом, пол не связан со значительными отличиями в средней точке сна (таблицы S2 и S4).
Респонденты покрывают широкий диапазон часовых поясов и представляют собой широкий ряд национальностей. Таким образом, мы смогли изучить влияние солнечной информации и страны проживания на планирование сна. Для того, чтобы рассчитать эффект восхода и захода солнца на сон без давления социальных факторов, мы использовали математическую модель системы восходящего пробуждения в сочетании с моделью биологических часов. Математическая модель биологических часов принимает свет в качестве входных данных и обеспечивает оценку его вклада в отход ко сну и пробуждение в различные моменты времени (11,12).
Моделирование прогнозирует, что и поздний восход, и поздний заход солнца задерживают время пробуждения и время отхода ко сну. Эта задержка является более выраженной для профилей с более высокой максимальной яркостью освещения (рис. 2, А1 и В1). Благодаря измененному действию вклада биологических часов в механизм сна, модель также прогнозирует, что более поздние восходы могут немного уменьшить продолжительность сна, в то время как более поздние закаты и более высокая яркость освещения должны увеличить его продолжительность (рис. 2, C1 и C2).
Смоделированы световые профили с различными восходом и заходом солнца. Между восходом и средним временем пробуждения людей, свет от солнца блокируется. Между закатом и средним значением отхода ко сну, свет установлен на слабый уровень внутреннего освещения. (A1) Модель прогнозирования планирования сна для внутреннего (коричневый) и внешнего (желтый) источников освещения респондентов в различное время восхода солнца. (A2) Планирование сна для населения с внешним и внутренним освещением солнца в зависимости от даты. Как представлено в модели, более позднее время восхода солнца соответствуют позднему времени пробуждения и отхода ко сну, с тенденцией наиболее выраженной после 06.30. (B1) Модель планирования сна для внутреннего (коричневый) и внешнего (желтый) источников освещения для населения в разное время заката. Наблюдается значительное смещение в отношении как отхода ко сну, так и пробуждения, в частности, для населения с внешним освещением. (B2) Модель прогнозирующая планирование сна для населения с внутренним и внешним освещением в различное время заката в зависимости от даты. Более поздние закаты солнца коррелируют с более поздним временем пробуждения населения с внешним источником освещения. (C1) и (C2) Прогнозируемая продолжительность сна для различных восходов (С1) и закатов (С2). Увеличение продолжительности сна с более поздним закатом прогнозирует модель, рассматриваемая в наборе данных. (D) Более позднее время захода солнца увеличивает продолжительность сна. Распределение заката делится на трети; фиолетовая часть указывает на население, переживающего самую раннюю треть диапазона захода солнца, синий – на население переживающее последнюю треть. Черные иксы отмечают общее среднее значение населения. Для контроля отхода ко сну во внимание берется только население с наиболее частым временем сна (23.00). (E) Более поздние восходы сдвигают время пробуждения на более позднее. Зеленый цвет, гистограмма времени пробуждения для пользователей с ранними восходами (до 05.30); синий, гистограмма времени бодрствования для пользователей с более поздними восходами (после 07.30). Опять же, черные крестики указывают на общее среднее значение населения.
Эти теоретические прогнозы качественно согласуются со многими аспектами массива данных. Восход, закат, и воздействие света действительно имеют заметное воздействие на время сна (рис. 2, А2 и В2) как и в предыдущих докладах (13, 14). Рассветы после 06.30 связаны с более поздним временем пробуждения и отходом ко сну (рис. 2, А2 и Е). Поздний закат также связан с более поздним временем пробуждения и отхода ко сну, а также с более длительными периодами сна населения с внешними источниками освещения (рис. 2D). Регрессионный анализ подтверждает, что восход, закат, и типичное освещение имеют значительную связь со временем пробуждения, отхода ко сну и продолжительностью сна (таблицы S1-S4); тем не менее, влияние захода солнца на сон в вечернее время слабее, чем прогнозируемое моделью. Следовательно, исходя из этого, мы полагаем, что солнечные сигналы действительно влияют на сон, но в настоящее время в реальном мире они ослабляются и/или игнорируются, особенно в моменты около времени отхода ко сну.
С другой стороны, страна проживания является более важным фактором для отхода ко сну, чем для времени пробуждения (рис. 3), предполагая, что люди могут быть особенно восприимчивы к социальным сигналам в ночное время. Здесь социальные сигналы ссылаются на те факторы, которые не могут быть объяснены возрастом, полом, характером освещения, восходом или закатом. Для 20 стран с наибольшим количеством респондентов средняя продолжительность сна отрицательно коррелирует с временем отхода ко сну, но не коррелируют со временем пробуждения (рис. 3, А и В). В соглашении, регрессионный анализ приходит к выводу, что в среднем время отхода ко сну изменяется среди стран больше, чем среднее время бодрствования; а также что продолжительность сна в среднем существенно не различается в разных странах при анализе времени отхода ко сну (таблицы S1-S5).
Рис. 3 Влияние страны на продолжительность сна посредством времени отхода ко сну.
(A) Время пробуждения и продолжительность сна для 20 стран в наборе данных с наибольшим числом респондентов. (B) Время отхода ко сну и продолжительность сна для тех же 20 стран. Заметный тренд проявляется только во времени отхода ко сну.
Чувствительность к солнечным и социальным сигналам, в соответствии с представленным, меняется в зависимости от возраста и пола. Регрессионные коэффициенты простой множественной линейной регрессии показывают, что влияние восхода и захода солнца на время пробуждения и отхода ко сну особенно сильно в конкретных группах населения (рис. 4). Например, более высокие коэффициенты регрессии для женщин предполагают, что они более чувствительны к изменениям восхода и захода солнца, чем мужчины. Кроме того, пожилые пользователи более чувствительны, чем молодые; а пользователи сообщающие, что для них типичным является внешнее освещение, также более чувствительны, чем пользователи, для которых типично внутреннее освещение.
Рис. 4 Дифференциация чувствительности к восходу и закату солнца в зависимости от групп пользователей.
(А)Коэффициенты регрессии, следующие из множественной линейной регрессии. Эта модель оценивает влияние восхода и захода солнца на время пробуждения и время отхода ко сну. Для всех групп коэффициент, соответствующий восходу солнца был выше, чем коэффициент захода солнца — и для времени пробуждения, и для времени отхода ко сну. Как правило, коэффициенты были выше для людей старшего возраста (> 55 лет), женщин и тех, кто сообщил о «типичном» внешнем освещении. Столбцы диаграммы показывают стандартное отклонение (СО), рассчитанное посредством самонастройки. (B) СО в привычках сна уменьшается с увеличением возраста. Отметки показывают найденные через СО самонастройки. (C) Нормализованная гистограмма для пожилого населения (> 55 лет) по сравнению с более молодыми людьми (<30 лет), построенная на окружности. Более молодые люди имеют гораздо более широкие и более поздние распределения времени бодрствования и сна. (D) Нормализованные круговые гистограммы для мужчин и женщин. Эти распределения гораздо больше похожи, на распределения для старших и младших групп населения, с распределением для женщин с перекосом немного раньше ложиться спать и чуть позже пробуждаться. (Е) Доля населения в каждой группе продолжительности сна разделена на мужчин и женщин. Женщины, более вероятно, будут иметь большую продолжительность сна (> 9 часов) и показывают меньший сдвиг в привычках сна с увеличением возраста.
Наряду с уже отмечавшимися различиями в привычках сна (рис. 1), можно наблюдать дальнейшие различия между этими группами. График сна больше похож среди пользователей старшего возраста (> 55 лет), чем среди молодых пользователей (<30 лет). Мы считаем, что СО и коэффициент вариации во времени пробуждения населения, времени отхода ко сну и продолжительности сна уменьшаются с увеличением возраста (рис. 4 B). Отметим также различия в распределении времени пробуждения и отхода ко сну пожилых/молодых и мужчин/женщин (рис. 4, С-Е), и предположим, что дифференциальная чувствительность к солнечным и социальным сигналам может внести свой вклад в эти различия.
ОБСУЖДЕНИЕ
Наши результаты объединяют масштабный сбор данных со статистическим и математическим моделированием. Мы обнаруживаем много тенденций, которые согласуются с предыдущими масштабными наблюдениями и лабораторными исследованиями, подчеркивая, что мобильная технология — надежная методология для создания и тестирования научных гипотез в реальном мире.
Время пробуждения является основным инструментом, с помощью которого возраст, восход, и закат влияют на сон. Тем не менее, имеются различия между странами в продолжительности сна, которые, в основном, объясняются разницей во времени отхода ко сну. Таким образом, средняя продолжительность сна по странам была спрогнозирована по времени отхода ко сну, а не по времени пробуждения. Это указывает на гипотезу, что биологические сигналы в момент времени около отхода ко сну являются либо ослабленными, или проигнорированными по социальным причинам, что приводит людей к задержке отхода ко сну и в результате укорачивает продолжительность сна. Математическое моделирование повторяет эту гипотезу, прогнозируя то, как восход солнца, закат, и свет будут влиять на график сна при отсутствии социальных влияний. Хотя существуют ключевые качественные сходства между моделированием и датой, модель показывает более выраженные тенденции, в первую очередь за счет более раннего отхода ко сну.
Эти расхождения между теорией и данными утверждают, что солнечные сигналы присутствуют, но ослабленными в момент времени около отхода ко сну, хотя неясно, является ли это ослабление результатом модуляции светового воздействия или увеличением социальных факторов допускающих более высокое давление на сон. Недавние исследования показали, насколько деятельность перед сном, например, с помощью устройства для чтения, может влиять на сон (15). Возраст и пол, по всей видимости, влияют на степень, в которой происходит это ослабление солнечной информации, возможно, из-за различий в чувствительности к солнечному и социальным сигналам по группам.
Возраст также является важным определяющим фактором в выборе времени и изменчивости сна (рис. 4). Уменьшение изменчивости привычки сна с увеличением возраста также может отражать изменения в биологических часах вследствие старения. В частности, этот результат может обеспечить реальные доказательства для ранее зарегистрированных возрастных различий в вероятности сна при различных биологических фазах, например, гипотезу о том, что пожилые люди более однородны в своих привычках сна, вследствие того, что имеется более узкий диапазон биологических фаз, при которых они могут спать.
В сумме наши результаты характеризуют нормальный сон в зависимости от пола, возраста и страны; указывают на подавление биологических сигналов во время отхода ко сну как важную цель для клинического вмешательства в сон; и предполагают, что возрастные различия в промежутке, во время которого может произойти сон, являются очевидными в глобальном масштабе.
Кроме того, для сбора крупного набора данных, мы используем мобильную технологию, по существу бесплатно. Продвинутая технология и портативные компьютеры скоро увеличат и без того значительное количество доступных данных о людях и позволят нам получить более полное представление о потерях, которые вызваны лишением сна. При анализе больших массивов данных будет иметь ключевое значение математическое моделирование, используемое для создания полезных прогнозов от неструктурированного объемного массива и помогающее нам в дальнейшем определить количественно перетягивание каната между солнечным и социальным хронометрированием.
МАТЕРИАЛЫ И МЕТОДЫ
Приложение для сбора данных
Первая версия приложения, только для платформы iOS, была выпущена в апреле 2014 года. Вторая версия для iOS была опубликована в июле 2014 года. Версия для Android была выпущена в сентябре 2014 года. Основная функциональность второй версии в основном осталась неизменной; однако, был изменен пользовательский интерфейс для улучшения удобства использования. В общей сложности, в первый год после выпуска приложения 8070 пользователей выбрали предоставление своих данных.
Когда приложение загружено, первый экран спрашивает пользователей об их стандартном времени пробуждения и времени отхода ко сну, домашнем часовом поясе, и «типичном» количестве воздействующего света. Время отхода ко сну и пробуждения округляется до часа. И в iOS, и в версиях Android в приложение встроены выбор города и часового пояса. Возможности выбора типичного освещения следующие: (i) слабый внутренний (200 люксов), (ii) яркий внутренний (500 люксов), (iii) слабый наружный (1 000 люксов), и (iv) яркий наружный (10 000 люксов). В наших исследованиях, “слабый внутренний” и “яркий внутренний” объединены в одну категорию, чтобы минимизировать ошибку неправильной классификации; то же самое сделано для “слабого наружного” и “яркого наружного”.
Чтобы представить свои данные об освещении, пользователям необходимо предоставить ответы на анкетный демографический опрос, который запрашивает их возраст, пол и частоту путешествий. Варианты пола: мужской, женский, трансгендер из женского в мужской, трансгендер из мужского в женский и неопределенный пол. Для частоты путешествия пользователи могут выбрать одно из следующего: “Несколько раз в неделю (Постоянно)”, “Несколько раз в месяц (Очень часто)”, “Раз в пару месяцев (Часто)”, “Несколько раз год (Иногда)”, и “Меньше, чем один раз в год (Редко)”.
Пользователи приложения могут сделать запись дат своих путешествий, своих событий нарушения биоритма (используя Колумбийскую шкалу нарушения биоритмов), их освещения и статус сна в течение любого текущего или прошлого часа. Когда данные представлены серверу, путешествие пользователя, освещение, сон, и история нарушения биоритма передаются наряду с их ответами на анкетные опросы. Используя домашний часовой пояс и отметку времени, зарегистрированную, когда анкетный опрос стартового экрана был заполнен, восход солнца и время заката во время завершения обзора могут быть определены и включены в анализ. Лучшими тремя странами, вносящими данные, были Соединенные Штаты (45%), Австралия (9%) и Канада (5%). Лучшие шесть европейских стран (Великобритания, Франция, Испания, Нидерланды, Дания и Германия) совместно внесли 15% ответов, и Китай, Япония и Сингапур вместе предоставили 5% от ответов. Оставшиеся ответы были внесены странами, которые по отдельности составили меньше чем 2% от полного массива данных.
Отсев
Был произведен отсев из набора данных с применением следующих критериев исключения. Пользователи были исключены, если различие между их стандартным временем пробуждения, отхода ко сну или продолжительностью сна и соответствующими пиками тех количеств 7:00 по местному времени, 23:00 по местному времени и 8 часов сна превышало колебание величиной в 4 часа. Следовательно, пользователи, сообщающие о стандартном времени пробуждения до 03.00 или после 11.00, были исключены. Также мы отсеяли пользователей, сообщающих об отходе ко сну до 19.00 или после 03.00 и продолжительностью сна строго меньше чем 4 часа или больше, чем 12 часов. Кроме того, пользователи моложе 18 лет или старше возраста 85 лет были также отсеяны. Нужно отметить, что большинство работников, работающих в разных сменах, вероятно, были исключены из нашего анализа. После удаления отсеянной части, 5450 пользователей остались в наборе данных.
ДОПОЛНИТЕЛЬНЫЕ МАТЕРИАЛЫ
Дополнительные материалы для этой статьи доступны на <http://advances.sciencemag.org/cgi/…>
Статистика
таблица S1. Постоянные и случайные воздействия на запланированное время отхода ко сну и время пробуждения.
таблица S2. Постоянные и случайные воздействия на запланированную продолжительность сна и точку середины сна.
таблица S3. Постоянные и случайные воздействия и их взаимодействие на время отхода ко сну и время пробуждения.
таблица S4. Постоянные и случайные воздействия и их взаимодействие на запланированную продолжительность сна и точку середины сна.
таблица S5. Замедление времени пробуждения и отхода ко сну в отношении между условиями регрессии и намеченная продолжительность сна.
таблица S6. Эффект запланированной продолжительности сна и квадрат запланированной продолжительности сна на точку середины сна.
таблица S7. Главные влияния и взаимодействия между постоянными факторами и квадратом возраста на запланированное время отхода ко сну и пробуждения.
таблица S8. Главные влияния и взаимодействия между постоянными факторами и квадратом возраста на запланированную продолжительность сна и и среднюю точку сна.
Это статья с открытым доступом, распространяемая в соответствии с Creative Commons Attribution-NonCommercial license <http://creativecommons.org/licenses…>, которая разрешает ее использование, распространение и воспроизводство в любой среде, до тех пор пока проистекающее использование не будет являться коммерческим преимуществом, и если оригинальная работа будет должным образом процитирована.
ССЫЛКИ И ПРИМЕЧАНИЯ
1. T. Roenneberg, K. V. Allebrandt, M. Merrow, C. Vetter, Social jetlag and obesity. Curr. Biol. 22, 939–943 (2012).
2. M. Wittmann, J. Dinich, M. Merrow, T. Roenneberg, Social jetlag: Misalignment of biological and social time. Chronobiol. Int. 23, 497–509 (2006).
3. T. Roenneberg, Chronobiology: The human sleep project. Nature 498, 427–428 (2013).
4. T. Roenneberg, A. Wirz-Justice, M. Merrow, Life between clocks: Daily temporal patterns of human chronotypes. J. Biol. Rhythms 18, 80–90 (2003).
5. A. Zavada, M. C. M. Gordijn, D. G. M. Beersma, S. Daan, T. Roenneberg, Comparison of the Munich Chronotype Questionnaire with the Horne-Östberg’s Morningness-Eveningness Score. Chronobiol. Int. 22, 267–278 (2005).
6. K. Serkh, D. B. Forger, Optimal schedules of light exposure for rapidly correcting circadian misalignment. PLOS Comput. Biol. 10, e1003523 (2014).
7. D.-J. Dijk, J. F. Duffy, E. Riel, T. L. Shanahan, C. A. Czeisler, Ageing and the circadian and homeostatic regulation of human sleep during forced desynchrony of rest, melatonin and temperature rhythms. J. Physiol. 516, 611–627 (1999).
8. T. Roenneberg, T. Kuehnle, P. P. Pramstaller, J. Ricken, M. Havel, A. Guth, M. Merrow, A marker for the end of adolescence. Curr. Biol. 14, R1038–R1039 (2004).
9. L. Tonetti, M. Fabbri, V. Natale, Sex difference in sleep-time preference and sleep need: A cross-sectional survey among Italian pre-adolescents, adolescents, and adults. Chronobiol. Int. 25, 745–759 (2008).
10. M. Basner, K. M. Fomberstein, F. M. Razavi, S. Banks, J. H. William, R. R. Rosa, D. F. Dinges, American time use survey: Sleep time and its relationship to waking activities. Sleep 30, 1085–1095 (2007).
11. D. B. Forger, M. E. Jewett, R. E. Kronauer, A simpler model of the human circadian pacemaker. J. Biol. Rhythms 14, 532–537 (1999).
12. A. J. K. Phillips, P. A. Robinson, A quantitative model of sleep-wake dynamics based on the physiology of the brainstem ascending arousal system. J. Biol. Rhythms 22, 167–179 (2007).
13. T. Kantermann, M. Juda, M. Merrow, T. Roenneberg, The human circadian clock’s seasonal adjustment is disrupted by daylight saving time. Curr. Biol. 17, 1996–2000 (2007).
14. T. Roenneberg, M. Merrow, Entrainment of the human circadian clock. Cold Spring Harb. Symp. Quant. Biol. 72, 293–299 (2007).
15. A.-M. Chang, D. Aeschbach, J. F. Duffy, C. A. Czeisler, Evening use of light-emitting eReaders negatively affects sleep, circadian timing, and next-morning alertness. Proc. Natl. Acad. Sci. U.S.A. 112, 1232–123
Copyright © 2016, The Authors
http://advances.sciencemag.org/cont…
