嗜睡病论坛

首页 » 常识 » 常识 » 文献解读驾驶员嗜睡与乘员严重伤害风险
TUhjnbcbe - 2022/2/19 13:32:00

分享文献:

ConnorJennie,NortonRobyn,AmeratungaShanthietal.Driversleepinessandriskofseriousinjurytocaroccupants:populationbasedcasecontrolstudy.[J].BMJ,,:.

驾驶员嗜睡与乘员严重伤害风险:基于人群的病例对照研究

Driversleepinessandriskofseriousinjurytocaroccupants:populationbasedcasecontrolstudy

摘要

目的:探讨驾驶员嗜睡对车祸致伤的影响.

设计:基于人群的病例对照研究.

环境:年4月至年7月,新西兰奥克兰地区.

参与者:名汽车司机,其中至少有一名乘客住院或死亡("工伤事故");名在公共道路上驾驶的汽车司机(对照),代表研究期间在研究区域内驾驶的所有时间.

主要观察指标:与驾驶员睡眠相关特征相关的受伤撞车的相对风险,以及驾驶员嗜睡的人群归因风险.

结果:急性嗜睡与受伤撞车风险之间有很强的相关性.在对主要混杂因素进行调整后,确认自己嗜睡的司机的风险显著增加(斯坦福嗜睡评分4-7vs1-3:优势比8.2).95%置信区间3.4~19.7);与睡眠时间超过5小时的司机相比,那些在过去24小时内睡眠时间少于5小时的司机(分别为2.7,1.4~5.4);与一天中其他时间相比,在凌晨2点至5点之间开车的人(5.6,1.4~22.7).风险的增加与慢性嗜睡没有关系.人群中有一个或多个急性嗜睡危险因素的驾驶风险为19%(15%~25%).结论:汽车驾驶员的急性嗜睡显著增加了汽车乘员受伤或死亡的事故风险.如果更少的人在困倦或睡眠不足时开车,或在凌晨2点至5点开车,就有可能减少道路交通事故。

人们普遍认为司机瞌睡是造成道路交通伤害的一个重要原因,因此量化其对撞车的影响对于制定和优先考虑预防这些伤害的干预措施非常重要.公布的估计数据显示,瞌睡导致的车祸比例相差十倍多,从美国的1-3%到法国的10%和澳大利亚的33%.这种差异反映了可用数据的质量,因为这些数据是由关于撞车的描述性信息得来的.估计驾驶员嗜睡发生率及其相关风险的对照研究受到了方法问题的限制,包括对非代表性人群的研究,侧重于嗜睡的医学原因而非嗜睡本身,以及调查车祸发生率而非伤害.对急性和慢性困倦?睡眠限制?睡眠障碍和干扰正常睡眠的工作模式的测量,与精神运动测试和驾驶模拟器中的表现下降以及选定人群中车祸发生率的增加有关.我们研究了这些与睡眠相关的特征与区域人口中汽车乘员受伤或死亡的撞车风险之间的关系.

我们在年4月至年7月期间在新西兰奥克兰地区进行了一项以人口为基础的病例控制研究.该地区包括城市?郊区和农村地区,人口约万.研究参与者的来源人群包括在公共道路上驾驶轻型车辆的司机.包括轿车?货车和轻型多用途车,但不包括所有获得牌照的重型车辆?出租车和应急车辆.我们排除了功能级别最低的道路,因为它们占道路长度的很大比例,但只占车内乘员受伤或死亡事故的很小比例(工伤事故).我们将地理边界?时间段?合格车辆和合格道路的定义应用于案例和对照.这项研究得到了北部地区卫生局伦理委员会的批准.获得所有参与者的个人参与和使用记录的知情同意.

案例选择:我们前瞻性地确定了所有在合格车辆中入院或死亡的司机或乘客,通过对研医院和一个验尸官办公室进行日常监测和案件调查发现车祸。医院创伤小组?急诊部工作人员和新西兰警方合作,确保全面发现病例。在每个案件中,车辆司机都是关键的线人,无论司机是否受伤,除非司机死亡(见下文)。

选择的控制:控制组由汽车司机组成,他们代表了研究期间在该地区道路上驾驶的所有时间.他们是通过在路网中随机选取的69个地点对司机进行整群抽样来确定的.每个调查地点的星期?时间和旅行方向都是随机分配的.在两个小时内,根据先前测量结果所确定的工地交通量的比例,随机抽取合格的车辆.在接近该地点时,车辆被减速,每次只能选择一辆.在最繁忙的道路上.我们选择了前一辆处理后识别的第一辆车.在不那么繁忙的站点,在完成一辆车和选择下一辆车之间等待预定的时间(2?5或15分钟,取决于交通流量),从而降低采样速度.我们调整了调查地点之间抽样分数的残差,方法是用对照点的抽样分数的倒数来加权控制组群.平均每周进行一次调查,招募的病例数量与累计病例数量大致相符.当被选择作为对照的车辆没有停止或不能安全地停止交通(例如,高速公路站点)时,通过车牌和电话号码簿识别车主,以便邀请司机参与研究。

数据收集:与病医院面对面或在家里通过电话进行的.对那些受了致命伤或病情严重无法参与的司机进行代理面谈.我们在路边的招聘地点获得了控制司机的联系方式?合适的面试时间和酒精呼气测试结果.采访通过电话进行.许多(65%)的采访是在坠机或调查后的48小时内进行的,尽管有时有必要进行后续电话采访.这个高度结构化的访谈是基于一份调查问卷,调查内容包括当前行程的情况?司机的许多通常行为和背景特征.与事故发生时间有关的问题被编入了对控制司机的路边调查时间,与睡眠有关的问题只占访谈的一小部分.

测量司机的睡意:我们使用斯坦福嗜睡量表,一种自评量表,来量化急性嗜睡的渐进步骤.受访者从七个等级陈述中选择一个,最能描述他们在坠机或调查前的警觉性水平(见框).我们使用埃普沃思睡意量表来测量慢性或通常的白天睡意.受访者对他们在八种常见情况下入睡的可能性(从不?轻微?中等?高)进行了评分,总分在0-24分之间:10分被认为是正常的;10-15为中度损伤,16-24为重度损伤.我们获得了撞车或调查前24小时内所有睡眠阶段的开始和结束时间,以及前一周完整睡眠的天数(至少7个小时,主要是在晚上11点到早上7点之间).我们用过去24小时内5个小时或更少的睡眠时间作为急性睡眠剥夺的指标,因为这已被确定为表现开始受损的水平.我们用前七晚没有完整睡眠作为慢性部分睡眠剥夺的指标.参与者被问及阻塞性睡眠呼吸暂停的症状(目睹有规律的大声打鼾?呼吸暂停和睡眠中窒息的发作)和工作模式,包括轮班类型.由于内在昼夜节律变化对警觉性和表现的强大影响,我们对一天中的时间进行了分类,以反映警觉性下降的已知时间段(早上2-5点,其他时间下午2-5点).

混杂变量:我们在分析中考虑的潜在混杂因素包括年龄?性别?社会经济状况?种族?饮酒?使用娱乐性药物?每周驾驶时间?车速?平均交通速度?道路类型?以及当天开车的时间.除了从环境调查中确定的交通速度和道路类型外,我们收集了所有混杂因素的自报告数据.我们还获得了控制驾驶人员的酒精含量测定,医院血液测试?警察血液测试或涉及车祸的驾驶人员的警察酒精含量测试结果。

分析:为了解释抽样设计,我们用招聘地点的抽样分数的倒数加权控制数据,并调整估计的方差,以解释来自同一地点的数据集群的相关性.我们使用SUDAAN软件进行所有分析,并使用无条件逻辑回归计算优势比.我们使用估计变化法评估潜在混杂因素,切点为5%.我们在分析中纳入的混杂因素如表1所示.我们使用自我报告的酒精消费数据进行统计建模,而不是测量的酒精浓度,因为它们更完整,当一种测量方法被另一种方法替代时,调整后的优势比没有显著变化(数据未显示).我们根据格陵兰开发的方法计算了人口归因风险估计值及其95%置信区间。

图1:斯坦福嗜睡量表

表1:导致乘员受伤的撞车事故中司机的睡意和混淆变量的测量分布(案例)和未涉及撞车事故的司机的代表性样本(对照)

结果:我们在研究期间确定了例符合条件的病例.这些撞车事故导致人住院治疗,其中63人死亡.三分之二的死亡(43人)和60%的住院(人)与司机有关.在名符合研究条件的司机或代理人中,人(93%)完成了访谈,30人(5%)拒绝参与,14人(2%)无法联系到.57个个案访谈(10%)由代理受访者完成.在选定的辆控制车辆中.名司机完成了采访(79%),94名司机下降(12%0),60名司机无法追踪(8%),4名司机因为语言困难无法给出知情同意(1%).表1显示了睡意和潜在混杂因素的分布.我们使用对照组中每种特征的流行率(根据抽样设计进行调整)作为研究区域中所有驾驶行为的流行率的估计.由斯坦福评分衡量的急性驾驶员嗜睡水平与受伤撞车风险之间存在很强的相关性(表2).在我们控制了年龄?性别?社会经济地位?种族和酒精的影响后,司机得分4以上(那些确定任何程度的嗜睡)受伤的风险,“碳足迹”有一个11倍崩溃与司机最警觉的组织(得分1).这些驱动程序的比较(24分)与司机认为自己警报或放松(分数lt;4),这是最相关的,平时开车,导致风险增加了8倍.

我们测量的急性嗜睡的两个直接决定因素,睡眠不足和一天的时间,也与受伤撞车的风险密切相关.与睡眠时间超过5小时的司机相比,在过去24小时内睡眠时间少于5小时的司机患病风险显著增加.睡眠不足最多的司机(3小时或更少)受伤撞车的风险很高,但在这组中只有两名对照组司机(调整优势比47,95%置信区间11-).睡眠时间在5-7小时之间的司机与睡眠时间超过7小时的司机相比,患病风险并没有增加.凌晨2点至5点之间开车的风险是一天中其他时间的5倍以上,但我们发现午后二次昼夜节律下降的风险没有增加(数据未显示).我们观察到慢性嗜睡的风险没有增加(表2).Epworth评分10-15分与正常评分(10)的司机相比,风险降低相关,经常大声打鼾的人也比不打鼾的人风险更低.高Epworth评分(16-24)?前一周没有充足的夜晚睡眠?三种睡眠呼吸暂停症状和夜间工作与风险显著增加或减少无关.我们发现,当我们排除代理受访者或限制分析未饮酒的司机时,影响估计没有重大变化(表2).

人口归因风险是指如果从人口中消除某一特定风险因素,受伤撞车的发生率将会降低的比例.如果我们假设这些关联是有因果关系的,人群归因风险是11%(8%对15%)感觉昏昏欲睡(斯坦福得分4-7v1-3),8%(5%对13%)睡不到五个小时前24小时,7%(4%对11%)驾驶2点和5点之间.至少有这三个危险因素之一的人群归因风险为19%(15%至25%).

表2:与睡眠相关的变量与汽车乘员受伤的撞车风险之间的关联.数字为调整后的优势比和多变量模型的95%置信区间*

*Logistic回归分析包括年龄组?性别?教育水平?种族和所有模型中自我报告的酒精消费量.一天的时间包括在所有模型除了斯坦福分数,它是一个决定因素.

?至少7个小时,大部分时间是晚上11点到早上7点.

?在睡觉时出现窒息?呼吸暂停和有规律的大声打鼾.

§包括夜班轮岗,永久夜班,以及其他需要经常在早上6点之前或午夜之后开始的工作模式.

讨论

我们发现,汽车驾驶员的急性嗜睡与发生撞车事故的风险之间存在很强的关联,而这一关联与汽车乘员受伤或死亡的风险无关,而与急性酒精摄入和其他主要混杂因素的影响无关.自我报告的警觉性水平下降与风险增加有关.如果司机称自己困倦,那么患病的风险会增加8倍,而睡眠不足5小时的司机患病的风险则会增加近3倍.我们还证实,在清晨开车会增加受伤撞车的风险,这在许多常规监控系统中都可以观察到.相比之下,我们发现慢性嗜睡的风险没有显著增加.

可能的偏差

我们的结果不太可能用选择偏差来解释,因为我们在研究期间确定了研究区域的所有病例和具有代表性的对照样本,并获得了高应答率.我们还通过使用标准访谈和急性暴露(坠机或调查)的参考点最小化信息偏差,但偏差可能仍然存在,特别是回忆偏差.尽管嗜睡并不是研究的重点.斯坦福评分≥4的风险是最可能受到回忆偏差影响的指标,因此可能会有所夸大.基于睡眠周期的开始和结束时间对急性睡眠剥夺的测量不太可能有偏差.在之前的研究中,我们验证了每天的时间作为与嗜睡相关的崩溃的代理测量方法,尽管控制招募时间的聚类降低了涉及一天时间的估计精度.慢性嗜睡很难通过自我报告来衡量,而在这项研究中缺乏与慢性嗜睡测量相关的效果可能部分是由于所使用的方法.一些研究发现,爱普沃思睡意量表是一种不敏感的测量方法,而其他人则发现它与碰撞风险相关(尽管与受伤无关),使用症状单独作为阻塞性睡眠呼吸暂停的指标可能导致错误分类,从而可能影响相关风险估计的有效性和准确性.之前只有两项关于车祸的病例对照研究研究了与睡眠有关的因素,其中只有一项研究测量了急性嗜睡和睡眠剥夺.虽然结果测量是崩溃而不是伤害和设置农村而非主要城市,来自华盛顿州的最近研究发现相关风险显著增加9个或更少的时间睡眠前48小时和自我报告嗜睡,广泛地与我们的结果一致.

可能的应用

我们的研究表明,急性嗜睡对这一人群的车祸伤害负担有相当大的影响.此外,减少特定行为发生率可使受伤或死亡人数减少19%.它提供了一些简单的基于证据的信息,以传播特定的司机行为,而不是一般的建议,在瞌睡时驾驶.制定和实施干预措施以防止与嗜睡有关的撞车事故,这一优先事项需要反映出司机嗜睡对车祸伤害的总体负担的贡献,任何此类干预措施都应针对有证据表明可能有益的具体行为.

编辑:邢皓博李柠岑

审核:陈波

点击蓝字

1
查看完整版本: 文献解读驾驶员嗜睡与乘员严重伤害风险