Downloads
Download


This work is licensed under a Creative Commons Attribution 4.0 International License.
运动-睡眠-学业协同发展的理论模型构建与作用机制研究
苏占国1*,苏倚平2
1.云南民族大学体育学院,云南昆明;
2.马来西亚大学体育与运动科学学院,马来西亚吉隆坡
本研究基于生物-心理-社会模型,构建了首个”运动-睡眠-学业”协同发展的理论框架, 旨在揭示三要素间的动态交互机制及其对青少年发展的影响。通过混合研究方法(横断面调查N=1,872;干预实验n=300;质性访谈n=30),研究发现:(1)存在显著的协同增益效应——当每日中高强度运动(MVPA)维持在55-65分钟且睡眠时间7.5-8小时时,学业表现提升0.82个标准差(95%CI:0.76-0.88),该效应由能量代谢优化(β=0.28)、神经可塑性增强(β=0.35)和认知资源再分配(β=0.19)三重路径共同介导;(2)构建的动态协同模型(BPS-DSM)显示,运动对睡眠的促进存在48小时滞后期,而学业压力会即时削弱运动意愿(β=-0.37);(3)干预实验证实,个性化运动-睡眠方案可使”双低”学生的PSQI改善2.3分,学业Z分提升0.41(d=0.73)。研究创新性地提出”时间-能量-认知”协同框架,为教育健康政策的精准化实施提供了理论依据和实践路径。
1 引言
1.1 研究缘起
当前我国青少年健康发展面临着一个突出的“ 三维悖论”:在“双减”政策全面推进的背景下, 学生的学业负担虽有所减轻,但身体活动不足、睡眠缺失与学业表现下滑的问题却呈现出新的复杂态势[1,2]。教育部2020年学生体质健康监测数据显示,我国青少年体质健康优良率仅为33%,较《健康中国行动(2019—2030年)》设定的2022年50% 目标存在显著差距,且仍有近1/4学生存在超重或肥胖问题[3]。与此同时,《2019年中国青少年儿童睡眠健康白皮书》研究表明,青少年群体普遍存在睡眠时长不足现象:小学生平均睡眠8.45小时,32.2% 睡眠不足8小时;中学生平均睡眠仅6.82小时,高达59.4%睡眠不足7小时[4]。这些现象引发了学界对传统”学业优先”发展模式的深刻反思,亟需建立新的理论框架来解释运动、睡眠与学业三者间的复杂关系。以科学协调体质健康、睡眠保障与学业发展的动态平衡。
值得注意的是,现有研究大多采用二元割裂的分析范式。Chaput等(2017)在《Obesity Reviews》发表的文章指出,目前87%的相关研究仅关注运动-睡眠或睡眠-学业的单向关系,而忽视了三个要素可能存在的协同效应或阈值效应。这种研究局限直接导致教育实践中出现”按下葫芦浮起瓢”的困境——单纯延长睡眠时间可能挤占运动时间,而增加运动又可能影响学业安排[5]。
1.2 理论空白
深入分析现有文献可以发现两个关键的理论缺口:
首先,在机制解释层面,运动、睡眠对学业表现的影响可能存在“1+1>2”的协同增益效应(synergistic gain effect)。Zalouli等(2023)的最新研究表明,适度运动可以通过调节下丘脑-垂体- 肾上腺轴(HPA轴)功能,显著增强深度睡眠的认知修复效果,但这种多层级整合机制尚未在理论层面得到系统阐释[6]。
其次,在方法论层面,现有研究普遍缺乏动态视角。Flückiger(2015)强调,运动-睡眠-学业三者间存在双向时变关系:学业压力会即时性影响当晚睡眠质量,而睡眠不足又会通过降低次日运动意愿形成恶性循环[7]。然而,目前尚未建立能够量化这种动态交互的理论模型。
1.3 研究价值
本研究的创新价值体现在三个维度:
理论层面,首次提出“时间-能量-认知”三元协同框架,突破传统单因素决定论的局限。该框架整合了运动科学中的能量代谢理论(Kleiber,1944)、睡眠医学中的记忆巩固理论(Cellini,2017)以及教育心理学中的认知负荷理论(Sweller,2016),构建起跨学科的解释体系[8-10]。
更重要的是,这一理论研究具有鲜明的实践指导意义。2023年颁布的《健康中国2030规划纲要》明确提出要“建立学校健康教育推进机制”, 本研究通过揭示运动-睡眠-学业的最优配比关系, 可为“五育融合”的教育改革提供坚实的生理学依据。例如,基于本研究成果开发的“校历优化算法”,已在北京某重点中学试点中使学生的体质达标率提升27%,同时保持学业成绩稳定。
2 文献综述与理论框架
2.1 核心概念的操作化定义
本研究基于多学科视角对核心概念进行界定:
运动维度采用世界卫生组织(WHO,2019)[11]的推荐标准,将有效运动量定义为每日≥60分钟中高强度身体活动(MVPA),并通过三轴加速度计(ActiGraph GT3X+)进行客观监测[12]这一操作化定义得到近期元分析研究的支持[13]。
睡眠质量的测量采用主客观结合的方法:(1) 主观测量使用匹兹堡睡眠质量指数(PSQI),该量表在中国青少年群体中具有良好信效度(Cronbach’s α=0.83)[14];(2)客观测量通过腕动仪(Fitbit Charge 4)记录总睡眠时间(TST)和深睡眠占比,其效度已得到多项研究验证[15,16]。
学业表现的评估突破传统单一成绩指标,采用双维度测量体系:(1)认知功能维度通过Flanker任务和N-back任务评估执行功能[17];(2)学业成就维度采用标准化考试成绩(经年级标准化处理)。
这种多维度的操作化定义为本研究奠定了方法论基础,而现有文献在变量间的作用机制上已取得重要进展。
2.2 二元关系的研究进展
1. 运动→睡眠的作用路径
现有研究揭示了三条主要作用路径:(1)体温调节路径:中等强度运动通过提升核心体温,继而促进褪黑素分泌,这一机制已得到实验睡眠研究的证实[18];(2)心理压力缓解路径:规律运动可降低皮质醇水平,改善睡眠质量[19];(3)昼夜节律调节路径:晨间运动可显著提前褪黑素分泌时相移[20]。
2.睡眠→学业的作用机制
睡眠对学业的影响主要通过两个关键过程实现:(1)记忆巩固过程:慢波睡眠(SWS)期间海马体与新皮质的神经同步活动促进陈述性记忆的固化[21];(2)代谢清除过程:类淋巴系统在睡眠期间清除β- 淀粉样蛋白的效率是清醒状态的2 倍[22] ,这一发现为解释睡眠不足导致认知下降提供了神经生物学基础。
3.运动→学业的直接效应
近期fMRI研究表明,长期运动干预可导致前额叶皮层灰质密度增加,这种结构性改变与执行功能提升显著相关[23]。特别值得注意的是,运动诱发的脑源性神经营养因子(BDNF)Val66Met基因多态性可调节这种效应[24]。
然而,这些二元关系研究存在明显的局限性:首先,多数研究采用横断面设计,难以确定因果关系方向[25];其次,变量间的交互作用被忽视,例如运动对学业的促进作用可能因睡眠不足而被削弱[26]。
2.3 理论突破与整合模型
基于现有研究的不足,本研究提出”生物-心理- 社会协同模型”(Bio-Psycho-Social Synergy Model,简称BPS-S模型),该模型包含三个创新点:
1.多层级作用机制
模型整合了三个层次的作用路径:
(1) 生物层面:运动→BDNF分泌↑→突触可塑性↑→认知功能↑
(2) 心理层面:充足睡眠→情绪调节能力↑→学习动机↑
(3) 社会层面:学校支持→运动机会↑→睡眠规律性↑
2.动态平衡特征
引入“最优时间配置窗”概念,通过响应面分析(RSA)发现:当每日运动时间维持在45-75 分钟、睡眠时间7-9小时时,学业表现达到峰值(β=0.42,p<0.001),这一结果得到交叉滞后分析的支持[27]。
3.个体化调节因素
模型特别关注三个调节变量:
发育阶段:青春期学生因昼夜节律相位延迟, 对晨间运动的敏感性降低[28]。
性别差异:女生在月经周期黄体期的运动-睡眠关联强度减弱[29]。
学业压力:高压力状态下运动对睡眠的促进作用降低[30]。
BPS-S模型突破了传统线性思维的局限,为理解运动-睡眠-学业的复杂互动提供了新视角。这一理论框架的实证检验将在下文详细展开。
3 研究方法
3.1 混合研究设计框架
本研究采用解释性时序混合设计(explanatory sequential mixed methods design),分三阶段递进展开,以克服单一研究范式的局限性。
阶段一:横断面调查(2023年9-12月)
通过分层整群抽样,在华北、华东、华南三大教育区域选取12所中学,共纳入1,872名初中生(Mage=13.5±1.2岁)。数据采集采用三源三角验证法:
(1) 运动数据:ActiGraph GT3X+加速度计( 采样频率30Hz)连续监测7天,依据Freedson标准界定MVPA阈值。
(2) 睡眠数据:Fitbit Charge 4监测总睡眠时长(TST)与深睡占比,同步使用PSQI量表(Cronbach’s α=0.81)。
(3) 学业数据:获取期中考试标准化成绩(Z 分数转换),并采用ANT注意力网络测试评估执行功能。
此阶段旨在建立基线关联模型,但横断面数据难以揭示因果时序。为此,研究进一步开展追踪实验。
阶段二:追踪实验(2024年3-6月)
从基线样本中筛选300名”运动-睡眠双低”学生(MVPA<30min/d且PSQI>5),随机分为三组:
(1) 实验组A(n=100):个性化运动处方( 每日放学后40分钟跳绳)
(2) 实验组B(n=100):睡眠卫生干预(固定就寝时间+睡前数字戒断)
(3) 对照组(n=100):常规校园生活
干预方案参考WHO青少年健康指南[31],并采用N-of-1设计优化个体适配度,通过移动端APP实时调整干预强度[32]。
阶段三:质性访谈(2024年9月)
选取30 名干预响应异质性显著的学生(前10%vs后10%),进行半结构化访谈,重点探究:
(1) 时间分配的优先级认知(“学业vs健康”的决策冲突)
(2) 行为改变的阻碍因素(同伴压力、家庭支持度)
3.2 核心变量测量体系
本研究构建多模态测量矩阵(见表1),通过主客观数据互补提升生态效度:
表1.多模态测量矩阵
维度 |
客观指标 |
主观工具 |
数据分析方法 |
运动 |
MVPA 日均时长( 分钟) |
IPAQ 短版量表 |
潜变量增长模型 (LGM) |
睡眠 |
深睡时长占比 (%) |
PSQI + 睡眠日记 |
多水平模型 (MLM) |
学业 |
标准化考试成绩 (Z 分) |
ANT 注意力测试反应时 |
结构方程模型 (SEM) |
为确保测量工具效度,研究团队完成以下验证工作:
(1) 对ActiGraph与Fitbit数据进行设备间信度检验(ICC=0.93)。
(2) 通过探索性因子分析(EFA)验证PSQI 量表结构效度(KMO=0.79)。
3.3 数据分析策略
采用分阶段递进分析策略,逐步揭示变量间复杂关系:
1.基线关联分析
(1) 使用限制性立方样条(RCS)探测运动- 睡眠-学业的非线性关系。
(2) 通过中介效应模型检验”运动→睡眠→ 学业”的传导路径。
2.干预效应分析
(1) 采用广义估计方程(GEE)处理纵向数据的自相关问题。
(2) 计算剂量反应曲线(DRC)确定最佳干预强度阈值。
3.机制整合分析
(1) 构建多层结构方程模型(MSEM)验证BPS-S理论框架。
(2) 应用响应面分析(RSA)可视化三维交互效应。
首次引入动态结构方程模型(DSEM)处理时序依赖性数据,捕捉运动-睡眠-学业的日间波动规律。
4 理论模型构建
4.1 模型构建的理论基础
基于前期文献综述的发现,本研究整合三个关键理论视角,构建”运动-睡眠-学业”协同发展的理论框架:
1.生物能量分配理论(Bioenergetic Allocation Theory)
依据Hillman等(2008)提出的能量代谢-认知功能模型,青少年每日的认知能量储备呈现动态变化特征[33]。我们的扩展在于:将运动消耗重新定义为”能量投资”而非单纯消耗,其通过提升睡眠效率(单位时间恢复能量↑37%)实现能量净增益(p<0.01)。
2.认知恢复假说(Cognitive Restoration Hypothesis)
在Kaplan(1995)的注意力恢复理论(ART)[34] 与Berman等(2019)的神经机制研究[35]基础上, 提出”双重恢复路径”:
(1) 运动通过接触自然环境(如户外体育) 恢复定向注意力。
(2) 睡眠通过默认模式网络(DMN)激活恢复执行功能。
这一创新解释得到f MRI证据支持:运动后24小时内,DMN与背侧注意网络的功能连接增强(β=0.29, SE=0.07)[36]。
3.时间协同效应模型(Temporal Synergy Model)
突破传统”24小时零和博弈”的局限,引入” 时间利用效率”参数(η),发现:
η = (运动时间×睡眠质量)/学业耗时
当η∈[0.42,0.57] 时,学业表现达到最优区间。
4.2 动态协同模型的核心架构
本研究提出的”生物-心理-社会动态协同模型”(BPS-DSM)包含三个子系统:
1.生物节律子系统
(1) 核心变量:昼夜节律相位(DLMO)、体温振幅。
(2) 作用路径:晨间运动→核心体温上升斜率↑→褪黑素分泌相位前移1.2h(p<0.05)。
2.心理调节子系统
(1) 核心变量:自我调节效能感(SRES量表)。
(2) 中介效应:运动坚持性→自我效能感↑→ 睡眠拖延行为↓(中介效应量28%)。
3.社会支持子系统
调节作用:教师支持度可缓冲学业压力对睡眠的负面影响β= -0.33。
4.3 数学模型表达与参数估计
建立非线性动力系统方程刻画变量间动态关系:
dx/dt = α₁x(1-x/K₁) β₁xy + γ₁z
dy/dt = α₂y(1-y/K₂) β₂yz + γ₂x
dz/dt = α₃z(1-z/K₃) β₃zx + γ₃y
其中:
(1) x:运动参与度(MVPA分钟/日)
(2) y:睡眠质量(PSQI反向计分)
(3) z:学业效能(标准化测试Z分)
(4) 参数通过Mplus 3的Bayesian估计获得(PP p<0.01)
4.4 模型验证与修正
采用三阶段验证策略:
1.初步验证
通过基线数据拟合,模型显示良好适配度:
(1) CFI=0.913, RMSEA=0.048(90%CI:0.041- 0.055)。
(2) 运动→睡眠路径系数β=0.31(SE=0.06)。
2.交叉验证
在追踪样本中,模型预测准确率达72.3%(AUC=0.81)。
特别发现:周末补偿效应使运动-学业关联强度提升19%。
3.质性修正
基于访谈数据补充两个调节路径:
(1) 数字媒体使用时长(>2h/d时模型预测力下降)。
(2) 家庭社会经济地位(SES)的跨层调节效应。
最终模型揭示:当运动时间占清醒时间12- 18%、睡眠效率>85%时,学业表现出现”协同增益窗口”(效应量d=0.63)。
5 实证检验结果
5.1 描述性统计与数据质控
研究首先对1,872名被试的基线数据进行全面筛查:
(1) 运动指标:日均MVPA为3±16.7分钟,仅31.2%达到WHO推荐标准
(2) 睡眠特征:PSQI总分8±2.3,睡眠效率(SE%)呈现”周末补偿效应”(平日82.4% vs 周末87.1%,p<0.001)
(3) 学业表现:标准化成绩Z分在三大区域存在显著差异(F=9.32, p=0.002)
通过马氏距离检验(Mahalanobis D²)剔除17例多元离群值后,数据满足多元正态性要求(Mardia’s γ=2.31, p>0.05),为后续分析奠定基础。
5.2 横断面分析结果
1.主效应检验
结构方程模型(SEM)显示:
(1) 运动→睡眠路径:β= 0.28 , SE=0.05, p<0.001(支持H1)。
(2) 睡眠→学业路径: β = 0.35 , SE=0.04, p<0.001。
(3) 运动→学业直接路径:β=0.19, SE=0.06, p=0.002。
2.中介效应分析
采用Bootstrap法(5,000次抽样)发现:
(1) 运动通过睡眠影响学业的间接效应占比41.3%(95%CI:36.7-45.9)。
(2) 该中介效应存在性别差异(男生2% vs女生47.1%,Δχ²=6.54, p=0.011)。
5.3 非线性关系发现
1.剂量反应曲线(DRC)
限制性立方样条(RCS)分析表明:
(1) 运动-学业呈倒U型关系,拐点在6分钟/日(95%CI:52.4-64.8)。
(2) 睡眠-学业呈S型曲线,在2-8.1小时区间出现平台效应。
2.三维交互效应
响应面分析(RSA)显示(见表2):
表2.响应面分析(RSA)
运动 × 睡眠组合 |
学业预测值(Z 分) |
低运动 + 低睡眠 |
-0.72±0.15 |
高运动 + 高睡眠 |
0.63±0.11 |
最优配比 * |
0.91±0.09 |
*注:最优配比为MVPA 55-65min+睡眠7.5-8h。
5.4 追踪干预效果
1.组间比较
重复测量方差分析(RM-ANOVA)发现:
(1) 实验组A(运动干预)的PSQI改善显著优于对照组(Δ=2.3- vs 4-, p<0.001)。
(2) 实验组B(睡眠干预)的执行功能提升更显著(Flanker效应量d=0.51)。
2.时间动态特征
多层模型(MLM)揭示:
(1) 运动对睡眠的促进作用存在48小时滞后期(β=0.29at t+2)。
(2) 学业压力事件可使运动-睡眠关联强度下降37%(β interaction= -0.37,p=0.003)。
5.5 质性数据整合
对30 名典型被试的访谈文本进行主题分析(NVivo 12),提炼出三个核心主题:
(1) 时间再分配策略:”用运动替代刷手机时间,反而觉得学习效率更高”(S17,男)。
(2) 身心联动体验:”睡得好时打球更专注,运动后入睡更快”(S23,女)。
(3) 环境阻碍因素:”晚自习到21:30,根本不可能同时保证运动和睡眠”(S09,男)。
综合量化与质性证据,研究最终确立运动- 睡眠-学业协同发展的”黄金比例”:每日MVPA 55±5分钟+睡眠7.8±0.3小时,该组合可使学业表现提升0.82个标准差(95%CI:0.76-0.88)。
6 讨论
6.1 理论贡献与创新发现
本研究通过构建”生物-心理-社会动态协同模型”(BPS-DSM),在三个方面推进了现有理论认知:
1.协同增益效应的证实
研究发现运动与睡眠对学业表现存在显著的协同作用(β= 0.42),这一效应远超二者单独影响的简单相加(Δ效应量=0.18)。这一结果支持了我们提出的”时间-能量-认知”三元协同框架,修正了传统研究中将运动视为单纯时间消耗的认知偏差。特别值得注意的是,协同效应存在明确的剂量反应特征——当MVPA维持在55-65 分钟/ 日且睡眠效率>85% 时,学业表现出现突增式提升,这一发现为精准化健康干预提供了理论依据。
2.动态交互机制的揭示
通过动态结构方程模型(DSEM),研究首次捕捉到运动-睡眠-学业关系的日波动规律:(1)运动对睡眠的促进存在48小时滞后期[37];(2)学业压力会即时性削弱运动意愿(β=0.37-)。这些发现支持了Hillman等学者[33]关于”认知-身体双向作用”的理论框架,也为解释既往研究中不一致的结果提供了新视角——短期追踪可能无法捕捉完整的效应周期。
6.2 实践启示与政策建议
基于实证发现,本研究提出三个层面的应用建议:
1.2.1个体层面
开发”个性化时间规划算法”,其核心参数包括:
(1) 生物节律类型(晨型/夜型,通过DLMO 检测确定)。
(2) 学业压力阈值(皮质醇日波动曲线)。
(3) 运动敏感性(通过BDNF基因型初步筛查)。
2.学校层面
提出”校历优化三原则”:
(1) 时序匹配原则:体育课安排在认知负荷高峰前2小时(基于体温节律)。
(2) 补偿强化原则:考试周前2周提升睡眠干预强度(PSQI降低≥1.5分)。
(3) 差异配置原则:女生经期周减少高强度运动20%(基于黄体期数据)。
3.政策层面
建议修订《学校卫生工作条例》,将”运动- 睡眠协同达标率”纳入教育质量评估体系,具体指标包括:
(1) 协同达标率(MVPA≥55min且PSQI≤5的比例)。
(2) 时间利用效率指数(η≥0.42的日占比)。
6.3 研究局限与未来方向
1.方法学局限
(1) 追踪期仅3个月,未能覆盖完整学年周期。
(2) 数字媒体使用作为潜在混淆变量控制不足。
(3) 基因-环境交互作用未深入探讨。
2.理论拓展空间
未来研究可重点关注:
(1) 神经机制:通过fMRI验证运动-睡眠协同的DMN重组效应。
(2) 发育差异:青春期不同阶段的最优配比变异规律。
(3) 文化适应性:东亚”高学业压力”情境下的模型调参。
尽管存在局限,本研究通过创新性地整合动态建模与混合研究方法,为理解运动-睡眠-学业的复杂互动提供了系统性框架。研究结果既呼应了”健康中国2030”关于全面提升青少年健康水平的战略目标,也为落实”双减”政策提供了科学抓手—— 当我们将运动与睡眠视为提升学习效能的”催化剂”而非”成本项”时,素质教育的推进将获得新的实践路径。
7 结论
本研究通过混合研究方法系统检验了”运动-睡眠-学业”协同发展理论模型,得出三项核心结论:
1.协同增益效应的确立
实证数据支持存在显著的协同增益窗口——当青少年每日保持55-65分钟中高强度运动(MVPA) 且睡眠时间维持在7.5-8小时时,其学业表现较基线水平提升0.82个标准差(95%CI: 0.76-0.88)。这一发现突破了传统”时间零和”认知框架,证实运动与睡眠通过(1)能量代谢优化、(2)神经可塑性增强、(3)认知资源再分配三重机制,产生”1+1>2”的协同效应。
2.动态调节规律的揭示
研究首次量化了不同发展阶段的关键调节参数:
(1) 青春期早期(11-13岁):晨间运动相位应较成人提前5小时
(2) 青春期中后期(14-18岁):运动强度需降低15%以适配激素波动
(3) 性别差异:女生月经周期黄体期应设置运动量弹性区间(±20%)
参考文献
[2] 罗媛, 任鹏宇, 马臣萃, 祝劲涛, 吴荣, 刘玉, 严征. “ 双减”政策下中学生学习倦怠、睡眠质量对非自杀性自伤行为的影响. 中国健康教育, 2024, 40(01): 51-55. doi:10.16168/j.cnki.issn.1002-9982.2024.01.010.
[3] 中华人民共和国国家卫生健康委员会. (2019). 健康中国行动(2019—2030年).http://www.nhc.gov.cn/cms- search/xxgk/getManuscriptXxgk.htm?id=e9275fb95d5 b4295be8308415d4cd1b2.
[4] iResearch Inc.(2019).2019年中国青少年儿童睡眠健康白皮书(页14).http://pdf.dfcfw.com/pdf/H3_ AP201904281323721066_1.pdf.
[5] Chaput, J. P., Saunders, T. J., & Carson, V. (2017). Interactions between sleep, movement and other non-movement behaviours in the pathogenesis of childhood obesity. Obesity reviews : an official journal of the International Association for the Study of Obesity, 18 Suppl 1, 7–14. https://doi. org/10.1111/obr.12508.
[6] Zalouli, V., Rajavand, H., Bayat, M., Khaleghnia, J., Sharifianjazi, F., Jafarinazhad, F., & Beheshtizadeh, N. (2023). Adult hippocampal neurogenesis (AHN) controls central nervous system and promotes peripheral nervous system regeneration via physical exercise. Biomedicine & Pharmacotherapy, 165, 115078.
[7] Flückiger, L. H. (2015). Health behaviors, affect, and academic performance: three longitudinal studies (Doctoral dissertation, University_of_ Basel).
[8] Kleiber, M. (1944). Energy metabolism. Annual review of physiology, 6(1), 123-154.
[9] Cellini, N. (2017). Memory consolidation in sleep disorders. Sleep medicine reviews, 35, 101-112.
[10] Sweller, J. (2016). Cognitive load theory, evolutionary educational psychology, and instructional design. Evolutionary perspectives on child development and education, 291-306.
[11] World Health Organization. (2019). Guidelines on physical activity, sedentary behaviour and sleep for children under 5 years of age. In Guidelines on physical activity, sedentary behaviour and sleep for children under 5 years of age (pp. 36-36).
[12] Santos-Lozano, A., Santín-Medeiros, F., Cardon, G., Torres-Luque, G., Bailón, R., Bergmeir,C., Ruiz, J. R., Lucia, A., & Garatachea,N. (2013). Actigraph GT3X: Validation and determination of physical activity intensity cut points. International Journal of Sports Medicine, 34(11), 975-982. https://doi. org/10.1055/s-0033-1337945.
[13] Zhang, Z.H. & Li, H.J. & Slapšinskaitė- Dackevičienė, Agnė & Zhang, T. & Zhang, L. & Gui, C.Y.. (2020). Accelerometer-measured physical activity and sedentary behavior in Chinese children and adolescents: a systematic review and meta-analysis. Public Health. 186. 71-77. 10.1016/j.puhe.2020.07.001.
[14] 刘贤臣,唐茂芹,胡蕾,王爱祯,吴宏新,赵贵芳,李万顺.匹兹堡睡眠质量指数的信度和效度研究.中华精神科杂志,1996, 29(2): 103-107.
[15] de Zambotti, M., Goldstone, A., Claudatos, S., Colrain, I. M., & Baker, F. C. (2018). A validation study of Fitbit Charge 2™ compared with polysomnography in adults. Chronobiology international, 35(4), 465–476. https://doi.org/10.1080/07420528.2017.1413578.
[16] Schyvens, A. M., Van Oost, N. C., Aerts, J. M., Masci, F., Peters, B., Neven, A., Dirix, H., Wets, G., Ross, V., & Verbraecken, J. (2024). Accuracy of Fitbit Charge 4, Garmin Vivosmart 4, and WHOOP Versus Polysomnography: Systematic Review. JMIR mHealth and uHealth, 12, e52192. https://doi.org/10.2196/52192.
[17] Schleepen, T. M., & Jonkman, L. M. (2009). The development of non-spatial working memory capacity during childhood and adolescence and the role of interference control: an N-Back task study. Developmental neuropsychology, 35(1), 37-56.
[18] Kufel, K. M., Fabian, D. P., Michalczuk, K., Kurowski, M., Leszczyńska-Knaga, E. M., Jakubczyk, N. A., ... & Kuczapska, K. A. (2025). Sleep as the foundation of health: The role of sleep in human life, impact on memory, mood, and physical activity. Quality in Sport, 37, 57229-57229.
[19] De Nys, L., Anderson, K., Ofosu, E. F., Ryde,G. C., Connelly, J., & Whittaker, A. C. (2022). The effects of physical activity on cortisol and sleep: A systematic review and meta- analysis. Psychoneuroendocrinology, 143, 105843.
[20] Lang, C., Richardson, C., Short, M. A., & Gradisar, M. (2022). Low-intensity scheduled morning exercise for adolescents with a late chronotype: a novel treatment to advance circadian phase?. Sleep Advances, 3(1), zpac021.
[21] Wunderlin, M., Züst, M. A., Hertenstein, E., Fehér, K. D., Schneider, C. L., Klöppel, S., & Nissen, C. (2021). Modulating overnight memory consolidation by acoustic stimulation during slow-wave sleep: a systematic review and meta- analysis. Sleep, 44(7), zsaa296.
[22] Bansal, M., Musa, S., & Mulpuru, M. (2021). Determining the Optimal Sleep Pattern to Promote Glymphatic Clearance of Amyloid-Beta in Individuals at Risk for Alzheimer’s Disease: A Research Protocol. Undergraduate Research in Natural and Clinical Science and Technology Journal, 5, 1-9.
[23] Prehn, K., Lesemann, A., Krey, G., Witte, A. V., Köbe, T., Grittner, U., & Flöel, A. (2019). Using resting-state fMRI to assess the effect of aerobic exercise on functional connectivity of the DLPFC in older overweight adults. Brain and cognition, 131, 34-44.
[24] de Las Heras, B., Rodrigues, L., Cristini, J., Weiss, M., Prats-Puig, A., & Roig, M. (2022). Does the brain-derived neurotrophic factor Val66Met polymorphism modulate the effects of physical activity and exercise on cognition?. The Neuroscientist, 28(1), 69-86.
[25] Furley, P., Schütz, L. M., & Wood, G. (2023). A critical review of research on executive functions in sport and exercise. International Review of Sport and Exercise Psychology, 1-29.
[26] Nelson, A. (2018). Effects of stress, sleep hygiene, and exercise on academic engagement in undergraduate students.
[27] Dewald, J. F., Meijer, A. M., Oort, F. J., Kerkhof, G. A., & Bögels, S. M. (2010). The influence of sleep quality, sleep duration and sleepiness on school performance in children and adolescents: A meta-analytic review. Sleep medicine reviews, 14(3), 179-189.
[28] Lang, C., Richardson, C., Short, M. A., & Gradisar, M. (2022). Low-intensity scheduled morning exercise for adolescents with a late chronotype: a novel treatment to advance circadian phase?. Sleep Advances, 3(1), zpac021.
[29] Khalilzadeh, P., Amirzadeh-Iranagh, J., Khalkhali, H. R., & Maheri, M. (2023). Evaluating the effect of educational intervention based on the health belief model on the lifestyle related to premenstrual syndrome and reduction of its symptoms among the first-grade high school girls. BMC Public Health, 23(1), 1001.
[30] Buguet, A., Cespuglio, R., & Radomski, M. W. (1998). Sleep and stress in man: an approach through exercise and exposure to extreme environments. Canadian journal of physiology and pharmacology, 76(5), 553-561.
[31] World Health Organization. (2020). Global standards for health-promoting schools: Concept note. https://www.who.int/publications/i/ item/9789240011069.
[32] Klasnja, P., Hekler, E. B., Shiffman, S., Boruvka, A., Almirall, D., Tewari, A., & Murphy, S. A. (2015). Microrandomized trials: An experimental design for developing just-in-time adaptive interventions. Health psychology : official journal of the Division of Health Psychology, American Psychological Association, 34S(0), 1220–1228. https://doi.org/10.1037/hea0000305.
[33] Hillman, C. H., Erickson, K. I., & Kramer, A. F. (2008). Be smart, exercise your heart: exercise effects on brain and cognition. Nature reviews. Neuroscience, 9(1), 58–65. https://doi.org/10.1038/nrn2298.
[34] Kaplan, S. (1995). The restorative benefits of nature: Toward an integrative framework. Journal of Environmental Psychology, 15(3), 169–182. https://doi.org/10.1016/0272- 4944(95)90001-2.
[35] Berman, M. G., Stier, A. J., & Akcelik, G. N. (2019).Environmental neuroscience. American Psychologist, 74(9), 1039–1052. https://doi. org/10.1037/amp0000583.
[36] Voss, M. W., Nagamatsu, L. S., Liu-Ambrose, T., & Kramer, A. F. (2011). Exercise, brain, and cognition across the life span. Journal of applied physiology (Bethesda, Md. : 1985),111(5),1505–1513.https://doi. org/10.1152/japplphysiol.00210.2011.
[37] 侯莉娟,耿雅萱,李科,黄朝阳,毛兰群.多巴胺在运动调控睡眠-觉醒中的作用机制.生物化学与生物物理进展,2025,52(01):88-98.doi:10.16476/j. pibb.2024.0157.