正念移动应用程序通过零售员工的睡眠变化对生产率的间接影响:次要分析

简介

睡眠障碍的问题

慢性睡眠障碍在美国很普遍，据估计有36.3%的成年人报告至少有一种睡眠不佳的情况[1］．失眠(特征是入睡困难、难以入睡或早起，并伴有相关的痛苦或损伤)是睡眠障碍的常见原因，与巨大的公共卫生负担有关，包括医疗费用增加、精神健康不良和社会心理障碍[2，3.］．失眠等睡眠障碍也会导致白天睡眠质量差[4]，据估计有三分之一的失眠患者白天嗜睡[5］．失眠和白天嗜睡在就业人群中尤为普遍，据估计，美国19.2%的工作人员睡眠质量较差[6， 23.2%报告症状与失眠一致[7]， 16.2%的日间工作人员感到白天过度困倦[6］．本文试图总结现有研究中关于解决员工睡眠和工作效率问题的数字健康解决方案的差距，并评估一个商业正力应用程序通过改善睡眠对员工工作效率的间接影响。

失眠和白天嗜睡都会导致工作效率下降(即工作效率受损)。[6-11］．与没有睡眠障碍的同龄人相比，失眠的人有更多的缺勤(旷工)、出勤(工作中低效的时间)。6，7，11]、整体工作效率损害(缺勤和出勤相结合)和非工作活动损害(即工作时间以外的功能损害)[12］．白天嗜睡(由于睡眠质量差或睡眠时间不足)与出勤率增加、整体工作效率下降和非工作活动能力下降有关[13，14］．总体而言，据估计，美国因睡眠不足而损失的工作日相当于123万个，相当于约990万个工作小时[11］．

正念在工作场所的好处

多项研究[15已经证明了基于正念的工作场所干预对员工睡眠结果的有益影响，包括改善睡眠质量、减少日间功能障碍和减少疲劳[16-18］．此类干预措施可作为工作场所理想的一线干预策略，有可能增加员工获得睡眠问题帮助的机会，尤其是对那些原本无法获得睡眠支持的员工。19］．迄今为止，大多数研究都对面对面干预的效果进行了评估，这种干预在工作场所实施成本高且复杂，可能需要与训练有素的临床医生接触，并可能涉及复杂的支付结构[17，18］．手机应用干预措施有可能大幅提高覆盖面和影响力。20.-23］．

越来越多的证据支持移动正念应用程序对睡眠结果的有效性[20.，21］．各种正念应用已经被证明可以改善不同人群的睡眠[21]，包括有失眠症状的成年人[24，25]，有环境压力的妇女[21，以及经历与大流行相关的压力的父母[26］．Calm是一款商业化的正念移动应用程序，已被证明对改善睡眠障碍症状有效[24，27］．除了Calm的大型内容库支持正念练习(例如，指导正念冥想和正念动作)，Calm还包括专门设计的睡眠内容，以促进改善睡眠，包括指导睡眠冥想，睡前放松的睡眠故事，以睡眠为重点的音乐和声景。在一项针对使用Calm睡眠内容的Calm订阅用户的横断面调查中，用户报告称Calm帮助他们入睡、保持睡眠状态，并获得更舒适的睡眠[27］．此外，在有睡眠障碍的成年人中，一项随机对照试验的结果表明，与等待名单对照组相比，Calm减少了白天的困倦，以及其他与睡眠相关的担忧(即，认知和躯体睡前唤醒和疲劳)[24］．

现有证据的空白

到目前为止，关于移动应用在改善工作场所睡眠方面的效用的证据还很有限。大多数对正念应用程序的工作场所评估只关注心理健康结果，如焦虑、抑郁和心理健康[28，29］．值得注意的是，很少有研究专门关注睡眠，特别是在研究跨多地点雇主的大规模实用应用实现时[28，29］．考虑到睡眠障碍在劳动力中普遍存在，以及它对生产力的昂贵影响，以及正念应用程序为雇主提供可扩展的解决方案的潜力，这是一个进一步研究的关键领域。

我们的团队最近在美国一家大型零售商的员工中评估了一项大型随机对照试验的结果，该试验评估了Calm在睡眠障碍的两个维度上的效果——失眠和白天嗜睡(除了心理健康、弹性、生产力损害和医疗保健访问)。结果表明，在8周的研究期间，Calm对失眠症状和白天嗜睡有显著的好处。在一个较小的研究完成者的子样本中(但不是在整个样本中)，在检查出勤率、总体工作效率损害(缺勤和出勤结合起来)和非工作活动损害的措施时，观察到员工生产力损害显著降低。在全部样本或完整的子样本中均未观察到缺勤的影响[30.］．

在多大程度上减少生产力损害可能通过减少睡眠障碍，还有待确定。我们意识到缺乏研究这一潜在联系的研究。然而，考虑到工作场所睡眠和工作效率之间的密切关系，正念应用程序可能通过改善睡眠来间接改善工作效率下降。事实上，我们团队早期的工作表明，接受Calm(加上对失眠症状加重的一小部分人的睡眠指导)的个体与等待名单对照组相比，心理健康结果的差异是通过睡眠改善的间接效应产生的[31］．具体而言，研究结果表明，Calm干预通过认知和躯体睡前唤醒对改善抑郁和焦虑有间接作用[31］．有趣的是，在那项研究中，没有发现白天嗜睡的显著间接影响(失眠症状没有直接测量)。

分析的目的

迄今为止，很少有研究考察基于消费者的正念移动应用程序对工作场所生产率的影响;据我们所知，目前还没有研究评估一款应用程序是否可以通过减少睡眠障碍的机制来减少生产力损害。本研究是对Huberty等人[30.]通过在美国一家大型零售商的员工中减少失眠和白天嗜睡的机制，研究Calm是否间接地对生产力损害(即缺勤、出勤、整体生产力损害和非工作活动损害)起作用。

方法

伦理批准

该研究获得了亚利桑那州立大学(STUDY00014072)机构审查委员会的批准。所有参与者在参与前填写了一份电子知情同意书。零售雇主合作伙伴对研究设计提供了投入，因为这与他们的兴趣有关，即支持员工的睡眠和健康，作为提高生产力和绩效的一种手段。

参加者及招聘

Huberty等人的研究详细描述了研究过程[30.］．临床试验的主要结果包括失眠和白天嗜睡;次要结果包括生产力、恢复力、抑郁、焦虑和压力，以及睡眠日记结果(在接受睡眠指导的个体中进行评估;看到干预)。参与者是从2021年8月至12月间分布在美国各地的1096个工作地点(如零售和公司)的一家大型零售商招募的。潜在符合资格的雇员人数约为74,000人。招聘通过人力资源人员和门店领导发送的电子邮件邀请进行，也通过在工作场所休息室张贴的传单进行。电子邮件材料和传单包括二维码和网站链接，指引参与者进入基于网络的资格调查和电子知情同意书(如果符合条件)。为了保持一种务实的方法，并类似于通过零售雇主提供的应用程序作为员工福利，所有招聘通信都是由雇主而不是研究人员部署的。有资格参加这项研究的员工有:(1)公司现任员工，(2)年龄至少18岁，(3)能够阅读和理解英语，(4)拥有智能手机，(5)愿意下载Calm应用程序，以及(6)在过去6个月内每月没有练习冥想60分钟[32］．由于Calm是一款具有广泛知名度的商用应用程序，潜在的参与者在招聘过程中对Calm一无所知，并被告知该研究旨在测试一种名为Calm的应用程序的效果健康和健康应用程序．在同意并完成基线自我报告测量后，Calm干预组的参与者会收到电子邮件指导，要求他们免费下载Calm应用程序。

参与者随机化(平静干预vs等待名单控制)发生在现场水平(按每个工作地点的员工数量分层)，以减少可能的污染影响，因为在同一工作地点的员工之间的条件。

干预

在8周的干预期间，Calm干预组的参与者被指导每天自主使用Calm 10分钟。为了与自然主义的使用模式保持一致，对于要使用的具体内容没有提供任何指示。每周通过短信发送使用该应用程序的提醒(发送给参与者指定的数字);然而，他们并没有为应用用户粘性提供额外的沟通或奖励。Calm应用程序包含多种内容类型，包括引导冥想和呼吸练习、睡眠故事、放松的音乐和环境音景。除了使用Calm应用程序，所有参与者都可以选择完成20分钟的初始同步训练虚拟礼宾在Calm教练的指导下，让他们了解该应用的功能和行为改变的潜在领域。

镇静干预组失眠症状加重(失眠严重指数≥10 [ISI];307/1029, 29.83%;看到措施部分)被邀请参加由训练有素的“平静”睡眠教练(即，硕士水平的行为健康培训和/或获得认可的教练项目的教练认证)提供的最多6个睡眠辅导课程。睡眠辅导课程涉及管理睡眠障碍的行为原则，包括建立有规律的睡眠模式，进行睡眠卫生练习，限制睡眠(根据失眠症状而定)，练习睡前正念，改善睡眠环境。等候组的参与者被告知，他们将在第8周完成最终评估后使用健康和健康应用程序(失眠症状加重的等候组参与者也被邀请参加睡眠指导，同时使用Calm)。

措施

概述

在研究期间(基线和第2周、第4周、第6周和第8周)，参与者被要求每两周通过Qualtrics电子调查平台完成自我报告评估。对于每个评估，参与者都会收到一封电子邮件，其中包含完成基于网络的调查的链接。完成最终调查的参与者将参与抽奖，从5个平静中选出1个赃物奖品袋(包括镇静品牌的铅笔、笔记本和书)。没有为完成这些措施提供其他奖励。本节将描述二次分析中包括的评估。在完全随机对照试验中评估的其他结果包括抑郁、焦虑、感知压力、恢复力、就医次数和应用程序使用(仅平静干预组)。

基线人口统计特征

在基线时收集人口学和个人特征(16项评估个人特征的项目，如种族、民族、工作、家庭和病史)。

失眠的症状

使用ISI评估所有参与者的失眠症状[33]，一份7项的自我报告问卷，评估了过去两周的失眠症状(如难以入睡和保持睡眠)以及与这些症状相关的痛苦和损害。项目的评分采用李克特式5分量表，量表总分由项目评分相加得到。临界值≥15表示临床范围内的中度至重度失眠症状[33］．ISI表现出良好的内部一致性(Cronbach α=。74在the validation sample), sensitivity to change, and convergence with both objectively measured sleep disturbance and clinician ratings [33］．

白天嗜睡

使用爱普沃斯嗜睡量表测量日间嗜睡症状[34，其中包括8个项目，评估最近在日常白天活动(如坐着、阅读和交谈)中打瞌睡的行为。评分采用李克特4分制，从0 (永远不会打瞌睡)至3 (打瞌睡的可能性很大)．总分是通过项目评级的总和得出的(范围为0-24，分数越高表示越困)。爱普沃斯嗜睡量表具有较高的内部一致性(Cronbach α= 0.7 -)。9在不同人群中)，证明了与睡意和睡眠障碍(即睡眠潜伏期)的客观测量的收敛有效性，并区分了临床和非临床睡眠人群[34，35］．

生产能力下降

工作效率和活动障碍问卷-一般健康量表[36]是一个包含6个项目、经过充分验证的自我报告量表，衡量工作和非工作活动中与身体和精神健康有关的一般损害，以及缺勤和出勤情况。受访者被问及当前的就业情况、因健康问题和其他原因而缺勤的小时数、工作小时数以及过去7天内健康对工作和其他非工作活动生产率的影响程度。该量表得出的4个结果是:因健康原因而缺勤的工作时间百分比(旷工)、因健康原因而工作时受损的百分比(出勤)、因健康原因而整体工作受损的百分比(整体工作受损)和因健康原因而非工作活动受损的百分比(非工作活动受损)。《工作效率和活动障碍问卷-一般健康》显示，失眠患者对工作效率障碍很敏感[37和日间嗜睡[14，37］．

数据分析

数据准备和样本量

所有分析都是使用RStudio (build 443;2022.02.0;4.1.2版本)。通过两尾独立样本，比较了平静组和等待组的参与者的人口统计学特征和基线睡眠和生产力相关变量得分t检验和皮尔逊卡方检验。在家长随机对照试验中，使用G* power(3.0版本)进行功率分析，得出最小样本量N=364，以检测Calm对主要结果的显著影响。N的初始目标样本＝选择500人(每组250人)，预计大约30%的损耗。

间接影响

使用潜在生长曲线模型评估间接影响[38使用thelavaanR的包[39］．我们检查了平静干预(平静组vs等待名单对照组)是否通过睡眠障碍变化的间接影响(即从基线到第8周的潜在变化，即缺勤、出勤、整体生产力损害和非工作活动损害)有效地改善了员工的生产力结果(即从基线到第8周的潜在变化，即失眠和白天嗜睡)。缺勤百分比为零膨胀，非正态分布;因此，这个变量被重新编码为二分类变量，表明个体在每次评估前的1周内是否报告了任何错过的时间。因此，缺勤率的平均水平变化(即潜在斜率)将反映缺勤(与不缺勤)可能性的变化。所有其他结果都是连续建模的。协变量被建模为中介因子和结果斜率和截点的预测因子，包括性别、小时工状态、少数种族状态、西班牙裔种族、睡眠状况、慢性健康状况和精神健康状况。对每个中介和结果组合分别运行模型，并对中介和结果的潜在截距和斜率进行估计。随着时间的推移，指标残差被限制为相等，并使用全信息极大似然估计来解释缺失数据(多媒体附件1-3.显示丢失的数据报告)。回归路径包括干预对中介的影响(一个路径)，结果的中介(b路径)，以及对结果的干预(c '路径)。间接效应计算为一个而且b路径(40，41]，并使用偏差加速和校正自举(1000个样本)进行估计[41］．分析方法的概念模型显示在图1．与使用自举解释基于回归的间接效应模型的建议一致，我们在探索间接效应之前不需要显著的总效应，因为证据表明，有意义的间接效应可以在不存在总效应的情况下出现，而自举不依赖于因果的步骤传统的逐步调解方法所采用的方法[40，42］．

‎ 查看此图

结果

样本特征

完整试验包括1029名参与者(n=585, 56.9%在镇静组，n=444, 43.2%在等待列表对照组)，其中192人(18.7%)在所有5个时间点完成了完整评估。Huberty等人报告了参与者人口统计数据和其他基线特征的描述[30.］．简单地说，50.6%(518/1024)的参与者被认为是女性，25.3%(260/1029)被认为属于少数种族群体，15.5%(159/1029)被认为是西班牙裔。在临床特征和睡眠问题方面，25.97%(267/1028)的参与者的ISI得分≥15，提示可能诊断为临床失眠。在那些根据ISI评分筛查失眠阳性的人中，只有32.2%(86/267)的人被诊断为失眠。在纳入的Calm参与者中，63.4%(370/584)被筛选为有资格接受睡眠辅导。在370名参与者中，101人(27.3%)选择了参与。此外，25.5%(217/851)认可存在≥1种被诊断的睡眠状况(如失眠、睡眠呼吸暂停和不宁腿综合征)，57.9%(574/992)的样本表明他们被诊断出至少一种慢性身体健康状况(如糖尿病、高血压和慢性哮喘)。所有参与者的特征描述在表1．

平静组和等待组在性别、种族、民族、是否患有慢性疾病或是否患有已诊断的睡眠问题(包括失眠;所有P≥13;表1)．等待名单组中小时工的比例明显高于受薪者(与受薪者相比;χ²₁= 17.4;P< 0.001)和自我报告已诊断的精神健康状况(χ²₁= 5.5;P= .02点)。在基线时，两组在失眠症状严重程度、白天嗜睡、缺勤、出勤或整体工作效率损害方面没有显著差异(表2）;然而，等候组的非工作活动障碍明显更大(P= .047)。多媒体附件4显示了所有时间点的组均值。正如Huberty等人所报道的[30.]，只有15%的平静组(88/585)和43.2%的等待列表对照组(192/444)提供了所有时间点的所有测量数据。在主要结果分析中，拥有完整评估数据(即所有5个时间点)的参与者更有可能认同一个少数种族群体(即，支持除白人以外的至少一个种族)，非西班牙裔，并以带薪收入而不是小时工资工作[30.］．多媒体附件1-3.显示一个完整的丢失数据报告。

间接影响分析结果

所有生长曲线模型的参数估计和显著性检验可在多媒体附件5．

睡眠障碍和缺勤

该模型测试了Calm通过失眠对缺勤结果的间接影响，随着时间的推移显示出良好的拟合。我们发现平静干预对失眠的改变有显著的有益作用(一个路径)，但失眠的变化对缺勤的变化无显著影响(b路径)。Calm干预对缺勤率的改变没有显著的直接影响，这与失眠的改变有关(c的路径)，失眠的改变也没有显著的间接影响(×b路径)。

测试Calm对缺勤结果的间接影响的模型也显示了良好的拟合。我们发现平静干预对白天嗜睡的变化有显著影响(一个路径)，但白天睡意的变化对缺勤的变化没有显著影响(b路径)。平静干预对缺勤没有显著的直接影响，包括白天嗜睡的影响(c的路径)，白天嗜睡的改变也没有显著的间接影响(×b路径)。文中给出了两种缺勤模型的模型拟合和系数估计表3．

睡眠障碍和出勤症

该模型测试Calm通过失眠对出勤结果的间接影响，随着时间的推移显示出可接受的拟合。我们发现平静干预对失眠的改变有显著的有益作用(一个路径)和失眠变化对出勤率变化的显著影响(b路径)，因此，失眠症状的减少与出勤率的减少(即生产力的提高)相关。镇静干预对出勤率没有显著的直接影响，包括失眠的影响(c的路径);然而，失眠变化的显著间接影响(×b路径)被检测到。因此，平静可以减少失眠，失眠的减少与工作效率的提高有关(减少出勤)。

该模型测试了Calm通过白天睡意对出勤率的间接影响，随着时间的推移显示出良好的拟合。我们发现平静干预对白天嗜睡的变化有显著影响(一个路径)，但白天睡意的变化对出勤率的变化没有显著影响(b路径)。镇静对出勤率没有显著的直接影响，包括白天嗜睡的影响(c的路径)，白天睡意的改变没有显著的间接影响(×b路径)。表4给出了两种出勤率模型的模型拟合和系数估计。

睡眠障碍和整体工作效率障碍

通过失眠测试Calm对整体工作障碍结果的间接影响的模型显示了良好的拟合。我们发现平静干预对失眠的改变有显著的有益作用(一个路径)和失眠变化对出勤率变化的显著影响(b路径)，因此，失眠的减少越大，就预示着生产力损害的减少越大。由于失眠的影响，平静干预对整体工作障碍没有显著的直接影响(c的路径);然而，失眠变化的显著间接影响(×b路径)被检测到。因此，平静能减少失眠，而失眠的减少与生产力受损的减少有关。

通过白天的困倦，测试Calm对整体工作障碍结果的间接影响的模型显示了良好的拟合。我们发现平静干预对白天嗜睡的变化有显著影响(一个路径)，但白天睡意的变化对工作障碍的变化没有显著影响(b路径)。由于白天嗜睡的影响，平静干预对工作障碍没有显著的直接影响。c的路径)，对白天睡意的改变没有显著的间接(中介)影响(×b路径)。两个模型的模型拟合和系数估计在表5．

睡眠障碍和非工作活动障碍

通过失眠测试Calm对非工作活动损伤结果的间接影响的模型显示出可接受的拟合。我们发现平静干预对失眠的改变有显著的有益作用(一个路径)和失眠变化对活动障碍变化的显著影响(b路径)，这样，失眠的改善越大，非工作活动障碍的减少也越大(例如，功能的改善)。平静干预对非工作活动障碍没有显著的直接影响，包括失眠的影响(c’的路径)，尽管总的影响是显著的。失眠变化的显著间接影响(×b路径)被检测到。因此，平静可以减少失眠，失眠的减少与非工作活动损伤的减少有关。

通过白天嗜睡来测试Calm对非工作活动损伤结果的间接影响的模型显示了良好的拟合。我们发现平静干预对白天嗜睡的变化有显著影响(一个路径)，但白天睡意的变化对活动障碍的变化没有显著影响(b路径)。平静干预对活动障碍有显著的直接影响(c路径);然而，这种影响并没有被白天睡意变化的间接影响所显著调节(×b路径)。两个模型的模型拟合和系数估计在表6．

讨论

主要研究结果

本研究的主要目的是检验Calm移动应用程序对睡眠问题(即失眠和白天嗜睡)的干预是否会对生产率(即旷工、出勤、整体生产率损害和非工作活动损害)产生间接影响。基于网络的同步睡眠指导也为失眠症状加重的一小部分人提供)。即使完全平静干预对生产力结果没有显著的主要影响，我们发现在8周的研究期间，失眠的变化间接影响了平静干预对出勤率、整体生产力损害和非工作活动损害的影响。对于所有3个结果，平静干预对生产力损害产生了间接影响，随着时间的推移，失眠症状显著减少，这对应于生产力损害的更大减少。平静干预对因失眠导致的缺勤或因白天嗜睡导致的4种生产力损害结果均无显著的间接影响。因此，尽管Calm干预在减少失眠症状和白天嗜睡方面是有效的，但可能是失眠症状的减少对生产力有主要好处。这是首批研究之一，表明在工作场所使用正念冥想移动应用程序可以通过改善睡眠的机制减少工作效率的损害。还需要进行更多的研究，用其他员工样本来复制和确认这些发现。尽管拟合统计数据表明，我们的模型提供了可接受的至良好的数据拟合，但复制研究还应探索其他的员工保留策略(如，激励完成评估)，以增加数据可用性，并增强对我们的模型估计的信心。此外，未来的工作可能会更具体地关注使用应用程序或教练、睡眠和工作效率之间的因果关系。

失眠症状的变化是生产力结果的中介因素

正念移动应用程序的干预可以随着时间的推移减少失眠症状，从而提高工作效率，这并不奇怪。这一发现与最近一项随机对照试验的结果一致，在该试验中，使用Calm的睡眠受到干扰的成年人在认知和躯体睡前唤醒方面有所降低，这是睡眠的两个方面，与失眠密切相关[24］．该研究的后续分析表明，睡前唤醒的改善(但不是白天的困倦)也是一种作用机制[31通过这种方法，“平静”改善了幸福的其他方面(即焦虑和抑郁)。认知和躯体的睡前觉醒指的是无法关闭一个人的思想(认知)和身体上的放松(身体上的)为睡眠做准备。两者在失眠个体中均升高，且与失眠障碍的核心症状密切相关[3.，43，44］．值得注意的是，大约四分之一的参与者被筛查出可能患有失眠，且至少有中度临床症状，其中只有大约三分之一的人自我报告了同样的诊断。这表明，许多员工可能没有意识到和/或没有机会对他们的临床失眠症状进行护理。如果没有正念应用等工具来解决他们的症状，这说明他们错过了影响员工睡眠和工作效率的机会。

我们也没有发现Calm干预通过改变失眠症状对缺勤有显著的间接影响。在现有的文献中，旷工与工作场所睡眠障碍的相关性一直低于与其他生产力损害指标的相关性[7］．我们还观察到基线时与健康相关的缺勤率相对较低(即只有204/974,20.9%的样本报告基线时缺勤)。因此，干预缺勤的效果可能只与一小部分零售员工相关。

由于失眠症导致的生产力下降，雇主要付出巨大的代价。我们的研究结果表明，失眠症状的减少可能是员工生产率下降的一个关键驱动因素，而正念应用(如Calm)，加上额外的指导支持，可以作为解决这两个问题的可访问和可扩展的一线干预措施。未来的工作可能会研究特定的内容——或在一天中的特定时间使用——是如何影响睡眠和工作效率的。例如，可以研究是在睡前使用睡眠内容更有益，还是在晚上放松时使用一般的正念冥想，或者两者结合更有益，以及这是否因员工或工作安排而不同(例如，不同的轮班工作与一致的时间表)。此外，人们可能会研究教练是否与应用程序本身协同工作，比如在某些教练互动后，应用程序的使用会增加。

白天睡意的变化是生产力结果的调节因素

令人有些惊讶的是，Calm干预似乎并没有通过改变白天的困倦来间接影响工作效率，特别是考虑到白天的困倦与工作效率密切相关，主要表现在工作时间。然而，这一发现与之前的一项随机对照试验的结果一致，该试验评估了Calm对睡眠障碍成人的影响。在那项研究中，“平静”减轻了白天嗜睡的症状，而这些变化与焦虑和抑郁的减轻直接相关(但没有起到中介作用)。24］．除了失眠和睡眠时间不足之外，白天犯困也由许多其他睡眠问题引起，包括阻塞性睡眠呼吸暂停等医学问题，冥想不太可能改善这些问题[45］．因此，尽管商业正念应用程序可能在某些情况下改善白天的困倦，但这可能是次要的好处，而不是一种行动机制。

因此，正念移动应用程序干预生产力障碍的主要好处似乎是帮助用户更容易入睡，减少他们对睡眠的困扰(这是失眠的一个关键特征)，这可能会提高他们的注意力和工作效率。从机制上讲，正念练习鼓励不依附于一个人的内在体验(例如，思绪飞转、身体紧张、入睡困难)[46，这可能对试图入睡或夜间醒来后再次入睡特别有益。综上所述，这些发现表明，解决失眠症状是减少零售员工工作效率损害和非工作活动损害的关键。

的优势

这项研究建立在现有知识的基础上，即在工作场所实施正念冥想移动应用程序的好处，以及它通过改善睡眠来影响生产力障碍的能力。本研究的优势包括:(1)在一家大型零售公司的不同员工样本中进行了实用主义的随机试验，该公司的站点分布在美国各地，因此最大化了对美国其他工作场所设置的普遍性;(2)用机械的方法增强我们对如何Calm等移动正念应用，加上辅助辅导，可能会减少员工的工作效率受损;(3)经常评估结果(即在整个研究期间每2周进行一次)，以便对间接影响进行更严格的评估;(4)参与者的自然使用(即，参与者被指示每天使用应用程序10分钟，但没有收到其他指示或内容管理)。因此，员工对Calm的参与度(以及观察到的好处)很可能代表了员工如何使用该应用程序和相关服务，如果这些服务被作为员工福利提供的话。

限制

尽管这项研究有优势，但也有一些局限性。首先，存在很大程度的损耗，导致我们的参数估计存在大量的缺失和潜在的偏差(参见多媒体附件1-3.因为缺少数据报告)，这也可能对应于对Calm干预的更有限的参与。在招聘和学习期间，与员工沟通存在多种障碍，这导致了人员流失(Huberty等人的研究报告显示[30.])。我们试图解释纳入病例和非纳入病例之间的任何系统性差异，方法是纳入任何人口统计学特征的协变量，这些特征可能与结果变量和协变量之间的差异研究磨损和缺失模式有关。尽管数据并非完全随机缺失，但我们认为可以假设数据是随机缺失的，我们选择的协变量可以解释一些关键结果的缺失。全信息似然估计器，连同强辅助变量的加入，已被证明可以重现对影响的无偏估计，即使遗漏最初是不可忽略的[47，48］．考虑到本研究的参与者共享了大量的初始数据(例如，人口统计和睡眠和生产力结果的基线测量)，并且包含了与缺失相关的协变量，我们相信我们在这里使用的完整信息和辅助变量方法足以解释缺失的数据。未来的研究需要更全面的实施策略，以克服在员工沟通、参与和减员方面遇到的一些障碍。第二，尽管参与者在性别、工资类型以及经历过的医疗和心理健康问题类型方面是多样化的，但研究样本在种族和民族多样性方面是有限的。因此，未来有必要对来自不同种族和民族背景的员工进行更侧重于招聘工作的研究。第三，这项研究涉及了Calm应用程序和睡眠指导，目前还不清楚哪些影响可以归因于单独的Calm应用程序和睡眠指导干预。最后，这项研究的局限性在于它使用了自我报告的测量方法，没有对睡眠障碍进行正式的临床评估。未来的工作可能会包含更正式的睡眠评估数据，例如，通过使用客观监测(即，活动记录仪)，直接临床观察，或合并来自医疗索赔或电子健康记录的员工数据。

结论

商业正念应用程序提供了一个独特的机会，可以部署易于访问和可扩展的干预措施，改善员工的睡眠和生产力。正念干预越来越多地被证明可以改善就业人群的睡眠，越来越多的证据表明，像Calm这样的移动正念应用程序可以作为面对面干预的可行替代方案，具有类似的好处。目前的结果表明，移动正念应用程序不仅对工作人群的睡眠有好处，而且对失眠的改善可能在减少生产力损害方面发挥关键的机制作用。