| 中英文缩略词 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 前言 | 第11-25页 |
| 1.1 研究背景和选题意义 | 第11-23页 |
| 1.1.1 睡眠和心血管疾病的关系 | 第11-12页 |
| 1.1.2 多水平模型 | 第12-23页 |
| 1.1.2.1 多水平模型的原理 | 第15-17页 |
| 1.1.2.2 组内相关系数 | 第17页 |
| 1.1.2.3 多水平模型的建模 | 第17-20页 |
| 1.1.2.4 多水平模型的软件实现 | 第20-21页 |
| 1.1.2.5 多水平模型在国内外的使用情况 | 第21-23页 |
| 1.2 研究目的 | 第23页 |
| 1.3 技术路线图 | 第23-25页 |
| 第二章 研究对象及方法 | 第25-31页 |
| 2.1 PURE-China研究数据 | 第25-27页 |
| 2.1.1 研究对象 | 第25页 |
| 2.1.2 指标测量 | 第25-26页 |
| 2.1.3 指标定义 | 第26页 |
| 2.1.4 PURE-China数据库变量信息 | 第26-27页 |
| 2.2 统计学方法 | 第27-31页 |
| 2.2.1 组内相关系数的计算方法 | 第27-28页 |
| 2.2.2 数据模拟和“最佳”模型的选择 | 第28-29页 |
| 2.2.3 睡眠和心血管疾病的关系 | 第29-31页 |
| 第三章 结果 | 第31-89页 |
| 3.1 描述性分析及建模的必要性 | 第31-41页 |
| 3.1.1 一般特征 | 第31-33页 |
| 3.1.2 不同年龄睡眠时长情况 | 第33-39页 |
| 3.1.3 使用多水平logistic回归的必要性 | 第39-41页 |
| 3.2 建模 | 第41-59页 |
| 3.2.1 组内相关系数的估计 | 第41-46页 |
| 3.2.2 “最佳”多水平logistic模型的选择 | 第46-59页 |
| 3.2.2.1 组内相关系数对多水平logistic回归的影响 | 第46-51页 |
| 3.2.2.2 数据结构及样本量对多水平logistic回归的影响 | 第51-59页 |
| 3.3 睡眠和心血管疾病的关联研究 | 第59-89页 |
| 3.3.1 24 小时睡眠时长和心血管疾病之间的关系 | 第59-66页 |
| 3.3.2 夜间睡眠时长和心血管疾病之间的关系 | 第66-67页 |
| 3.3.3 是否午睡和心血管疾病之间的关系 | 第67-72页 |
| 3.3.4 午睡时长和心血管疾病之间的关系 | 第72-73页 |
| 3.3.5 是否午睡分层夜间睡眠时长与心血管疾病之间的关系 | 第73-75页 |
| 3.3.6 夜间7-8小时睡眠、24小时7-8小时睡眠时长与心血管疾病之间的关系 | 第75-78页 |
| 3.3.7 睡眠情况和其他心血管疾病危险因素的关系 | 第78-82页 |
| 3.3.8 敏感性分析 | 第82-89页 |
| 第四章 讨论 | 第89-98页 |
| 4.1 睡眠和心血管疾病之间的关系 | 第89-95页 |
| 4.1.1 睡眠时长和心血管疾病的关系 | 第89-91页 |
| 4.1.2 白天小睡和心血管疾病的关系 | 第91-92页 |
| 4.1.3 机制 | 第92-94页 |
| 4.1.4 公共卫生学意义 | 第94-95页 |
| 4.2 多水平模型 | 第95-98页 |
| 4.2.1 组内相关系数的计算 | 第95页 |
| 4.2.2 多水平logistic回归模型的选择 | 第95-98页 |
| 第五章 研究总结 | 第98-100页 |
| 5.1 结论 | 第98页 |
| 5.2 创新点 | 第98-99页 |
| 5.3 研究的局限性 | 第99页 |
| 5.4 今后的研究方向 | 第99-100页 |
| 参考文献 | 第100-116页 |
| 附表 | 第116-144页 |
| 致谢 | 第144-145页 |
| 个人简历 | 第145-148页 |
