World Sleep Industry ENCYCLOPEDIA

倒班人群睡眠数据集

4.4.3

定义、范围与核心时间关系

倒班人群睡眠数据集,是把非标准工作安排与睡眠、昼夜节律、清醒表现、健康和安全结局按时间连接的数据资源。对象可包括固定晚班或夜班、轮转班、超早班、拆分班、延长工时、随叫随到、临时加班和跨时区工作者,行业可涉及医疗、交通、制造、能源、物流、服务与公共安全。资源必须说明实际班型和岗位,不能仅用含义不清的“倒班:是或否”。

关键分析单位通常不是日历夜,而是围绕班次形成的工作—休息周期。夜班跨越午夜,主睡眠可能发生在次日白天,午睡或分段睡眠还会跨多个日期。应为每个班次提供稳定的班次标识,明确以开始、结束还是排班日归属,并同时保留本地日期时间、时区和相对班次时间。若把午夜机械切成两天,可能错误计算工作时长、睡眠机会、班间休息和暴露顺序。

班次暴露、岗位与非工作约束

数据应分别保存计划排班和实际工作,包括签到与签退、加班、提前到岗、延迟离岗、召回、休息段、连续工作天数、班间间隔、轮转方向与速度,以及临时换班。岗位名称不足以表示负荷,还应记录关键任务、体力与认知要求、单调程度、应急事件、工作环境、人员配置和可获得的休息机会。集体协作或高风险操作也需要班组和站点层级。

睡眠机会还受到通勤时长与方式、第二份工作、照护责任、学习、住房与噪声、家庭安排和社会活动影响。咖啡因、酒精、尼古丁、处方或非处方药、计划午睡、强光暴露和遮光策略应有时间戳,而不是只记录“使用过”。个人年龄、健康、睡眠障碍和昼夜偏好可影响适应,但不能用来掩盖不合理的班表或组织性疲劳风险。职业与非职业因素应分层呈现。

睡眠、节律与清醒表现的采集

常见数据源包括活动计或可穿戴信号、睡眠日记、问卷、排班与工时系统、光照、手机事件、反应时任务和主观困倦;特定研究还可采集 PSG、核心体温或褪黑素等节律指标。每个字段应标明来自企业记录、员工自报、传感器推断还是实验测量,并提供设备、算法版本、采样率、单位和有效区间。活动计推断睡眠不能自动等同于 PSG,主观困倦也不能替代客观表现。

应识别所有睡眠片段并计算滚动 24 小时睡眠、主睡眠和午睡,而不是只找传统夜间的一段。时间同步需处理设备漂移、夏令时、跨时区、手机自动改时和离线补传。反应时或困倦测试要记录相对班次开始、工作时长和上次睡眠的时点;事故后的补填问卷可能有回忆和归因偏差。去标识日期时,必须保留星期、轮转顺序、跨午夜结构和班次间隔的一致性。

质量控制、缺失与选择偏倚

高工作负荷、设备妨碍任务、担忧监控、忘戴、充电和不稳定排班都可能导致缺失,因此缺失往往与疲劳风险相关。质量报告应给出员工级、班次级和小时级覆盖,区分非佩戴、设备失效、未排班、休假、离职、日记迟填与任务未完成。计划班表与实际工时之间的差异也应作为质量与暴露信息保留,而不是强行覆盖其中一个来源。排除规则和人工修正必须可追踪。

自愿参与者可能比未参与者更关注健康,能持续留任者也可能更耐受倒班,形成自选与健康工人偏倚。调岗、离职、病假和事故后退出会使纵向样本进一步选择。数据集应报告招募、拒绝、有效记录、完成各周期和离开岗位的人数,并按行业、岗位、合同、性别、年龄、照护责任、社会经济条件和站点检查覆盖。只有稳定全职员工的数据不能外推到临时工、零工或多重就业者。

结局定义、因果解释与安全指标

结局可包括 24 小时总睡眠、睡眠时点与规律、困倦、反应时遗漏、差错、近失事件、伤害、通勤事件、病假和健康指标。差错或事故需定义报告来源、严重度、时间窗、审定流程和是否受报告政策影响;没有上报不等于没有发生。疲劳来自睡眠不足、昼夜错位、工作负荷、压力、环境和健康等多种因素,算法不应把所有表现下降都归因于员工睡眠。

观察性关联不能证明某一班表造成疾病或事故。分析应建立班次、睡眠、表现和结局的时间顺序,处理岗位、资历、健康、家庭责任、季节和组织变化等混杂,并考虑员工按偏好选择班次及管理者按经验安排人员。评测除平均误差外,还应报告高风险时段的敏感度、特异度、校准、预警提前量、每班误报和无法输出率。严重安全结局稀少时,不能用总体准确率掩盖漏报。

机器学习、干预评价与复现

训练、验证和测试应按员工划分,同一人的不同班次、相邻窗口、重复周期和多传感器视图应留在同一集合。班表模板、站点和设备可形成捷径特征,必要时还要按站点、班组或时间段分组,并开展跨行业外部验证。归一化、缺失填补、阈值和特征选择只能由训练资料决定;若模型随时间更新,应保存每次部署的版本、输入范围和漂移监测结果。

干预研究应预先说明是改变轮转、工时、休息、午睡、照明、交通安排还是教育,并记录执行度、并行政策和不良后果。短期困倦改善不能自动代表长期健康或安全获益。用于实时预警时,还要评估员工能否安全暂停工作、管理者如何响应、误报是否造成警报疲劳,以及拒判时的替代流程。复现资料应保留数据版本、人员与站点划分、时间窗、代码环境、随机种子和锁定测试集。

劳动权益、隐私治理与使用边界

排班、位置、睡眠、生理和表现数据可揭示健康状况、家庭作息与雇佣行为,并可能被用于绩效、晋升、保险或纪律处分。采集前应清楚说明谁能查看个体数据、用途、保存期、是否与人事系统连接、退出会否产生不利后果,以及员工如何访问、更正和申诉。研究团队与管理链应适当隔离,主管通常只接收实现安全目的所需的汇总或行动信息,并提供不佩戴设备的合理替代。

疲劳模型只能辅助风险管理,不能在缺少岗位分析、组织措施和人工复核时自动判定适岗、解雇或处罚。雇主仍需评估人员配置、工时、休息、通勤和任务设计,不能把安全责任全部转移给个人。涉及医疗诊断或治疗时应另行采用适当验证和专业评估;涉及交通或其他受监管岗位时还要遵守当地适用规则。数据治理应包含独立监督、最小必要访问、审计、事件响应和禁止目的外使用。